基于人工智能的堆取料控制系统及其方法技术方案

本申请公开了一种基于人工智能的堆取料控制系统及其方法，其考虑到斗轮机取煤的初始位置与所述煤堆三维模型和所述多个初始参数有关，采用基于深度学习的人工智能技术，构建煤堆三维模型和多个初始参数之间的关联特征表示，并基于此获取斗轮机取煤的初始位置。这样，可以对斗轮机进行智能控制，提高斗轮机的作业效率。作业效率。作业效率。

【技术实现步骤摘要】
基于人工智能的堆取料控制系统及其方法


[0001]本申请涉及智能化控制
，且更为具体地，涉及一种基于人工智能的堆取料控制系统及其方法。

技术介绍

[0002]随着工业4.0时代的到来，电力行业正在发生着一场大的变革，云计算、大数据、人工智能、3D虚拟现实等技术开启了一个新的时代，智能化已成为行业创新驱动的重要内容之一，建设智能电站是未来电站建设的发展方向。
[0003]火电厂大型堆取料设备主要分为悬臂式斗轮堆取料机、门式斗轮堆取料机、圆形堆取料机等,其中圆形堆取料机早几年就实现了远程操作，做到现场无人值守；悬臂式斗轮堆取料机是一种高效、连续装卸机械，在大型火力发电厂中具有最广泛的应用，目前，国内火电厂基本采用人工现场操作,工作环节恶劣，长时间连续作业，劳动强度大，作业效率与安全完全取决于司机的熟练程度和责任性。
[0004]因此，期待一种用于悬臂式斗轮堆取料机的堆取料控制方案。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于人工智能的堆取料控制系统及其方法，其考虑到斗轮机取煤的初始位置与所述煤堆三维模型和所述多个初始参数有关，采用基于深度学习的人工智能技术，构建煤堆三维模型和多个初始参数之间的关联特征表示，并基于此获取斗轮机取煤的初始位置。这样，可以对斗轮机进行智能控制，提高斗轮机的作业效率。
[0006]根据本申请的一个方面，提供了一种基于人工智能的堆取料控制系统，其包括：
[0007]堆取料数据采集模块，用于获取煤堆三维模型和多个初始参数，所述多个初始参数包括给定煤流量控制参数、大车步进参数和轮斗换层厚度参数；
[0008]初始参数语义理解模块，用于将所述多个初始参数输入包含独热编码层的上下文编码器以得到初始参数语义特征向量；
[0009]第一尺度特征提取模块，用于将所述煤堆三维模型通过使用具有第一尺度的三维卷积核的第一卷积神经网络模型以得到第一尺度煤堆特征图；
[0010]第二尺度特征提取模块，用于将所述煤堆三维模型通过使用具有第二尺度的三维卷积核的第二卷积神经网络模型以得到第二尺度煤堆特征图；
[0011]多尺度特征融合模块，用于融合所述第一尺度煤堆特征图和所述第二尺度煤堆特征图以得到煤堆特征图；
[0012]降维模块，用于对所述煤堆特征图进行降维处理以得到煤堆特征向量；
[0013]关联编码模块，用于对所述初始参数语义特征向量和所述煤堆特征向量进行关联编码以得到解码特征矩阵；
[0014]特征值区分度强化模块，用于对所述解码特征矩阵进行特征值区分度强化以得到
增强解码特征矩阵；以及
[0015]控制结果生成模块，用于将所述增强解码特征矩阵通过解码器以得到解码值，所述解码值用于表示斗轮机取煤的初始位置。
[0016]在上述基于人工智能的堆取料控制系统中，所述初始参数语义理解模块，包括：独热编码单元，用于分别将所述多个初始参数中的所有初始参数项中各个初始参数项进行独热编码，以将所述多个初始参数中的各个初始参数项分别转化为初始参数输入向量以获得初始参数输入向量的序列；上下文编码单元，用于使用所述上下文编码器对所述初始参数输入向量的序列进行基于全局的上下文语义编码以获得所述多个初始参数特征向量；以及，级联单元，用于将所述多个初始参数特征向量进行级联以获得所述初始参数语义特征向量。
[0017]在上述基于人工智能的堆取料控制系统中，所述上下文编码单元，包括：查询向量构造子单元，用于将所述初始参数输入向量的序列进行一维排列以得到全局初始参数特征向量；自注意子单元，用于计算所述全局初始参数特征向量与所述初始参数输入向量的序列中各个初始参数输入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及，注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述初始参数输入向量的序列中各个初始参数输入向量进行加权以得到所述多个初始参数特征向量。
[0018]在上述基于人工智能的堆取料控制系统中，所述第一尺度特征提取模块，进一步用于：使用具有第一尺度的三维卷积核的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行三维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述使用具有第一尺度的三维卷积核的第一卷积神经网络模型的最后一层的输出为所述第一尺度煤堆特征图，其中，所述使用具有第一尺度的三维卷积核的第一卷积神经网络模型的第一层的输入为所述煤堆三维模型。
[0019]在上述基于人工智能的堆取料控制系统中，所述第二尺度特征提取模块，进一步用于：使用具有第二尺度的三维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行三维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述使用具有第二尺度的三维卷积核的第二卷积神经网络模型的最后一层的输出为所述第二尺度煤堆特征图，其中，所述使用具有第二尺度的三维卷积核的第二卷积神经网络模型的第一层的输入为所述煤堆三维模型。
[0020]在上述基于人工智能的堆取料控制系统中，所述多尺度特征融合模块，进一步用于：以如下公式融合所述第一尺度煤堆特征图和所述第二尺度煤堆特征图以得到煤堆特征图；其中，所述公式为：
[0021]F
s
＝λF
a
+βF
g
[0022]其中，F
s
表示所述煤堆特征图，F
a
表示所述第一尺度煤堆特征图，
[0023]F
g
表示所述第二尺度煤堆特征图，“+”表示所述第一尺度煤堆特征图和所述第二尺度煤堆特征图相对应位置处的元素相加，λ和β表示用于控制所述第一尺度煤堆特征图和
所述第二尺度煤堆特征图之间的平衡的加权参数。
[0024]在上述基于人工智能的堆取料控制系统中，所述降维模块，用于将所述煤堆特征图沿着行向量或者列向量进行展开以得到所述煤堆特征向量。
[0025]在上述基于人工智能的堆取料控制系统中，所述特征值区分度强化模块，进一步用于：以如下公式对所述解码特征矩阵进行特征值区分度强化以得到增强解码特征矩阵；其中，所述公式为：
[0026][0027][0028][0029]其中，M表示所述解码特征矩阵，M
′
表示所述增强解码特征矩阵，a和b是预定超参数，和表示特征矩阵的按位置加法和减法，且Cov(
·
)表示通过单个卷积层的卷积操作。
[0030]在上述基于人工智能的堆取料控制系统中，所述控制结果生成模块，进一步用于：使用所述解码器以如下公式对所述增强解码特征矩阵进行解码回归以得到所述解码值；其中，所述公式为：其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的堆取料控制系统，其特征在于，包括：堆取料数据采集模块，用于获取煤堆三维模型和多个初始参数，所述多个初始参数包括给定煤流量控制参数、大车步进参数和轮斗换层厚度参数；初始参数语义理解模块，用于将所述多个初始参数输入包含独热编码层的上下文编码器以得到初始参数语义特征向量；第一尺度特征提取模块，用于将所述煤堆三维模型通过使用具有第一尺度的三维卷积核的第一卷积神经网络模型以得到第一尺度煤堆特征图；第二尺度特征提取模块，用于将所述煤堆三维模型通过使用具有第二尺度的三维卷积核的第二卷积神经网络模型以得到第二尺度煤堆特征图；多尺度特征融合模块，用于融合所述第一尺度煤堆特征图和所述第二尺度煤堆特征图以得到煤堆特征图；降维模块，用于对所述煤堆特征图进行降维处理以得到煤堆特征向量；关联编码模块，用于对所述初始参数语义特征向量和所述煤堆特征向量进行关联编码以得到解码特征矩阵；特征值区分度强化模块，用于对所述解码特征矩阵进行特征值区分度强化以得到增强解码特征矩阵；以及控制结果生成模块，用于将所述增强解码特征矩阵通过解码器以得到解码值，所述解码值用于表示斗轮机取煤的初始位置。2.根据权利要求1所述的基于人工智能的堆取料控制系统，其特征在于，所述初始参数语义理解模块，包括：独热编码单元，用于分别将所述多个初始参数中的所有初始参数项中各个初始参数项进行独热编码，以将所述多个初始参数中的各个初始参数项分别转化为初始参数输入向量以获得初始参数输入向量的序列；上下文编码单元，用于使用所述上下文编码器对所述初始参数输入向量的序列进行基于全局的上下文语义编码以获得所述多个初始参数特征向量；以及级联单元，用于将所述多个初始参数特征向量进行级联以获得所述初始参数语义特征向量。3.根据权利要求2所述的基于人工智能的堆取料控制系统，其特征在于，所述上下文编码单元，包括：查询向量构造子单元，用于将所述初始参数输入向量的序列进行一维排列以得到全局初始参数特征向量；自注意子单元，用于计算所述全局初始参数特征向量与所述初始参数输入向量的序列中各个初始参数输入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述初始参数输入向量的序列中各个初始参数输入向量进行加权以得到所述多个初始参数特征向量。
4.根据权利要求3所述的基于人工智能的堆取料控制系统，其特征在于，所述第一尺度特征提取模块，进一步用于：使用具有第一尺度的三维卷积核的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行三维卷积核的卷积处理、基于特征矩阵的均值池化处理和激活处理以由所述使用具有第一尺度的三维卷积核的第一卷积神经网络模型的最后一层的输出为所述第一尺度煤堆特征图，其中，所述使用具有第一尺度的三维卷积核的第一卷积神经网络模型的第一层的输入为所述煤堆三维模型。5.根据权利要求4所述的基于人工智能的堆取料控制系统，其特征在于，所述...

【专利技术属性】
技术研发人员：王程，马进，赵霞，黄晨宇，季春，戴冬冬，凌峰，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：