基于大数据的露天煤矿车辆油耗监测算法制造技术

本发明专利技术公开了基于大数据的露天煤矿车辆油耗监测算法，包括以下步骤：步骤一：计算车辆的重车行驶里程

【技术实现步骤摘要】
基于大数据的露天煤矿车辆油耗监测算法


[0001]本专利技术涉及露天煤矿车辆油耗监测
，具体是基于大数据的露天煤矿车辆油耗监测算法
。

技术介绍

[0002]随着科技的发展，对于车辆的油耗监控和管理变得越来越重要
。
传统的油耗管理方法往往无法全面
、
准确地监控和评估油耗情况，主要原因包括数据采集的局限性
、
数据处理和分析的复杂性等
。
因此，我们提出了基于大数据的露天煤矿车辆油耗监测算法来解决上述所提到的问题
。

技术实现思路

[0003]本专利技术的目的在于提供基于大数据的露天煤矿车辆油耗监测算法，以解决上述
技术介绍
中提出的问题
。
[0004]为实现上述目的，本专利技术提供如下技术方案：
[0005]基于大数据的露天煤矿车辆油耗监测算法，包括以下步骤：
[0006]步骤一：计算车辆的重车行驶里程
*
该车型重车标准油耗
、
车辆空车行驶里程
*
该车型空车标准油耗
、
车辆静止着车时长
*
该车型怠速标准油耗；
[0007]步骤二：将车辆的重车行驶里程
*
该车型重车标准油耗
、
车辆空车行驶里程
*
该车型空车标准油耗
、
车辆静止着车时长
*
该车型怠速标准油耗得到的数据相加；
[0008]步骤三：将步骤二中得到的相加数据
*
车辆损耗因子，得到最终数据
。
[0009]作为本专利技术进一步的方案：所述步骤三中的车辆损耗因子由是否开空调
、
是否作业决定
。
[0010]作为本专利技术进一步的方案：还包括油耗分析系统，所述油耗分析系统包括数据采集模块
、
数据处理模块和油耗分析模块；所述数据采集模块负责从各种车辆和设备中收集数据，包括车辆类型
、
车辆轨迹
、
作业时长
、
车辆载重多种数据；所述数据处理模块用于接收来自数据采集模块的原始数据，对原始数据进行清洗
、
整合和转换，以便于油耗分析；所述油耗分析模块用于接收处理后的数据，根据预设的算法和模型，对车联类型
、
车辆轨迹
、
作业时长
、
车辆载重多种数据进行分析
。
[0011]作为本专利技术进一步的方案：所述数据采集模块通过
GPS、
北斗定位系统
、
传感器多种设备获取数据，并对获取的数据进行初步处理
。
[0012]作为本专利技术进一步的方案：所述数据处理模块具有数据挖掘和预测功能，可以发现数据中的模式和趋势，预测未来的油耗行为
。
[0013]作为本专利技术进一步的方案：所述油耗分析模块可以生成详细的油耗报告，报告包括但不限于每个车辆的油耗情况
、
行驶路线
、
作业时长
、
载重多种信息
。
[0014]作为本专利技术进一步的方案：所述
GPS
定位方法包括，参考位置的定位信息标定；当前位置的偏移判定
。
[0015]作为本专利技术进一步的方案：所述参考位置的定位信息标定包括，利用
GPS
设备获取参考位置的经纬度坐标；利用摄像头采集在参考位置所观测到的正前方环境图像，并转化为灰度图像，然后利用
SIFT
特征提取算法提取图像的特征像素点；每一个参考位置的定位信息由该位置的经纬度坐标和环境图像的特征像素点共同构成，每个位置有且仅有一个经纬度坐标，而从环境图像中能够提取若干特征像素点，每个特征像素点主要包含位置和特征描述符这两类信息，其中特征描述符为1×
128
的特征向量，位置是该特征像素点在图像中的二维坐标
。
[0016]作为本专利技术进一步的方案：所述
SIFT
特征提取算法的特征生成步骤包括，构建尺度空间，检测极值点，获得尺度不变性；特征点过滤并进行精确定位；为每个关键点指定方向参数；生成关键点的描述子
。
[0017]作为本专利技术再进一步的方案：所述当前位置的偏移判定包括，实时采集
GPS
数据，获取当前位置的经纬度坐标；实时采集当前位置环境图像并提取特征点；搜索离当前位置最近的参考位置；计算偏移方向，并推导方向调整方法
。
[0018]与现有技术相比，本专利技术的有益效果是：
[0019]1、
通过收集并处理大量数据，本专利技术能够提供准确的油耗分析，帮助企业降低运营成本
。
[0020]2、
通过实时监控和预测功能，本专利技术能够及时发现油耗异常，从而防止浪费行为
。
[0021]3、
本专利技术能够提供详细的油耗报告，帮助企业了解油耗行为，优化运营策略
。
[0022]基于大数据的露天煤矿车辆油耗监测算法，通过车况
、
车辆类型
、
车辆轨迹
、
作业时长
、
车辆载重等多维度进行分析，以提高露天煤矿车辆油耗管理的效率和精度
。
附图说明
[0023]图1为本专利技术中露天煤矿车辆油耗监测算法的逻辑示意图
。
[0024]图2为本专利技术中油耗分析系统的结构示意图
。
具体实施方式
[0025]在一个实施例中，如图1‑
图2所示，基于大数据的露天煤矿车辆油耗监测算法，包括以下步骤：
[0026]步骤一：计算车辆的重车行驶里程
*
该车型重车标准油耗
、
车辆空车行驶里程
*
该车型空车标准油耗
、
车辆静止着车时长
*
该车型怠速标准油耗；
[0027]步骤二：将车辆的重车行驶里程
*
该车型重车标准油耗
、
车辆空车行驶里程
*
该车型空车标准油耗
、
车辆静止着车时长
*
该车型怠速标准油耗得到的数据相加；
[0028]步骤三：将步骤二中得到的相加数据
*
车辆损耗因子，得到最终数据；
[0029]步骤三中的车辆损耗因子由是否开空调
、
是否作业决定；
[0030]还包括油耗分析系统，油耗分析系统包括数据采集模块
、
数据处理模块和油耗分析模块；数据采集模块负责从各种车辆和设备中收集数据，包括车辆类型
、
车辆轨迹
、
作业时长
、
车辆载重多种数据；数据处理模块用于接收来自数据采集模块的原始数据，对原始数据进行清洗...

【技术保护点】

【技术特征摘要】
1.
基于大数据的露天煤矿车辆油耗监测算法，其特征在于，包括以下步骤：步骤一：计算车辆的重车行驶里程
*
该车型重车标准油耗
、
车辆空车行驶里程
*
该车型空车标准油耗
、
车辆静止着车时长
*
该车型怠速标准油耗；步骤二：将车辆的重车行驶里程
*
该车型重车标准油耗
、
车辆空车行驶里程
*
该车型空车标准油耗
、
车辆静止着车时长
*
该车型怠速标准油耗得到的数据相加；步骤三：将步骤二中得到的相加数据
*
车辆损耗因子，得到最终数据
。2.
根据权利要求1所述的基于大数据的露天煤矿车辆油耗监测算法，其特征在于，所述步骤三中的车辆损耗因子由是否开空调
、
是否作业决定
。3.
根据权利要求1所述的基于大数据的露天煤矿车辆油耗监测算法，其特征在于，还包括油耗分析系统，所述油耗分析系统包括数据采集模块
、
数据处理模块和油耗分析模块；所述数据采集模块负责从各种车辆和设备中收集数据，包括车辆类型
、
车辆轨迹
、
作业时长
、
车辆载重多种数据；所述数据处理模块用于接收来自数据采集模块的原始数据，对原始数据进行清洗
、
整合和转换，以便于油耗分析；所述油耗分析模块用于接收处理后的数据，根据预设的算法和模型，对车联类型
、
车辆轨迹
、
作业时长
、
车辆载重多种数据进行分析
。4.
根据权利要求3所述的基于大数据的露天煤矿车辆油耗监测算法，其特征在于，所述数据采集模块通过
GPS、
北斗定位系统
、
传感器多种设备获取数据，并对获取的数据进行初步处理
。5.
根据...

【专利技术属性】
技术研发人员：戴元永，许健，李济，王小军，李鹏，苏丹华，
申请(专利权)人：内蒙古数智源科技有限公司，
类型：发明
国别省市：