【技术实现步骤摘要】
本专利技术涉及水域疏浚作业，尤其是涉及一种绞吸式挖泥船操作手能力评估的方法及装置。
技术介绍
1、绞吸式挖泥船是一种广泛用于水域疏浚作业的工程设备，它通过旋转绞刀和吸泥管来清理河流、港口和航道中的淤泥和沉积物。绞吸式挖泥船的性能和效率对于水域疏浚作业的成功至关重要，绞吸式挖泥船操作手是水域疏浚作业中的关键岗位，主要工作为：比如抓斗式挖泥船的起重机与抓斗操作，绞吸式、耙吸式挖泥船的绞盘、水泵操作等，绞吸式挖泥船操作手的工作直接影响到绞吸式挖泥船的性能和效率。
2、因此如何对绞吸式挖泥船操作手的能力进行评估，筛选出更加符合岗位的操作手是水域疏浚作业的关键。
3、然而，传统的绞吸式挖泥船操作手能力评估方法存在一些显著的局限性。目前，操作手的能力通常是由主管或培训人员基于主观判断和经验进行评估的。这种方法容易受到主观因素和人为偏见的影响，导致评估结果的不确定性。缺乏客观的、可量化的指标来评估操作手的技能水平。这导致了评估的主观性和不一致性，难以为操作手提供明确的改进建议。
4、因此，亟需设计一种绞吸式挖泥船水下泵真空度的预测方法，能够客观全面地反映绞吸式挖泥船操作手的能力。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种绞吸式挖泥船操作手能力评估的方法及装置。采用如下的技术方案：
2、一种绞吸式挖泥船操作手能力评估的方法，包括以下步骤：
3、step1，采集疏浚作业操作信息数据，疏浚作业操作信息数据包括挖泥深度数据、绞
4、step2，数据处理及特征分析，对step1采集到的疏浚作业操作信息数据进行数据处理和特征分析，数据处理是去除异常值和填补缺失值处理，特征分析是对数据处理后的数据提取操作手能力评估特征数据，操作手能力评估特征数据是操作时长数据和泥沙浓度数据；
5、step3，基于数据处理及特征分析结果建立操作手能力评估模型，所述操作手能力评估模型是深度学习算法模型；
6、step4，预测模型训练与验证，使用历史数据集对模型进行训练，然后使用测试数据验证模型的准确性和稳定性；
7、step5，个性化评估与改进建议，根据操作手能力评估模型预测结果，生成个性化评估报告。
8、可选的，还包括step6，实时监控与反馈，集成实时监控系统，用于在操作过程中实时监测和反馈操作手的能力，及时发现问题并提供即时指导。
9、通过采用上述技术方案，采用大数据方法建立的评估模型，准确评估操作手能力：利用数据科学和实时监控技术，客观、准确地评估绞吸式挖泥船操作手的能力水平，消除了主观评估的不确定性和偏见。
10、提供个性化改进建议：通过生成个性化的改进建议和培训方案，有针对性地帮助操作手改进他们的技能缺陷，提高整体作业效率和质量。
11、实时监控与反馈：结合实时监控系统，可以在操作进行时实时监测和反馈操作手的表现，及时发现问题并提供即时指导，有助于减少错误和提高效率。
12、数据驱动决策：该技术为水域疏浚作业提供科学依据，实现数据驱动的决策过程。决策者可以根据评估结果优化资源分配和作业计划，提高整体效率和质量。
13、降低成本：通过提高操作手的技能水平和作业效率，可以降低疏浚作业的运营成本，包括燃料、维护和人力成本。
14、提高环境友好性：通过减少错误和提高作业效率，该技术有助于降低对水域环境的不利影响，促进更可持续地水域资源管理。
15、可选的，step1中，采用传感器模块1采集挖泥深度数据和泥浆浓度数据，与绞吸式挖泥船主控系统100通信采集绞刀转速数据、切削角度数据、速度数据和设备状态数据。
16、通过采用上述技术方案，选择适用于绞吸式挖泥船操作监测的传感器，传感器应具备高精度、适当的采样频率、耐用性和成本效益，使用有线传输的方式将传感器数据实时传输到中央数据库，以确保数据的实时性和可访问性，利用数据可视化工具，如实时图表和仪表板，实时显示传感器数据。这样，操作手和监管人员可以方便地监测挖泥作业状态，及时发现异常情况并采取措施。
17、可选的，step2中，采用iqr方法来检测和剔除异常值，首先，计算数据的q1和q3；
18、q1表示数据的25th百分位数，q3表示数据的75th百分位数；
19、计算iqr，iqr是q3和q1的差值：iqr＝q3-q1；
20、定义异常值阈值范围，异常值阈值下限为：q1-1.5×iqr，上限为：q3+1.5×iqr，遍历数据集，iqr值位于下限以下或上限以上的数据点是异常值；
21、异常值的处理方法为删除异常值或替换异常值，删除异常值是将异常值从数据集中移除；替换异常值是用数据的平均值、中位数替代异常值。
22、通过采用上述技术方案，为了去除数据中的异常值，通常使用iqr方法来检测和剔除异常值。iqr方法的优点在于它是一种相对简单但有效的异常值检测方法，可以自动适应数据的分布情况。首先，计算数据的q1(第一四分位数)和q3(第三四分位数)。q1表示数据的25th百分位数，而q3表示数据的75th百分位数。计算iqr，即四分位距，它是q3和q1的差值：iqr＝q3-q1，定义一个异常值的阈值范围，通常使用以下公式来计算：异常值的阈值下限：q1-1.5×iqr，异常值的阈值上限：q3+1.5×iqr，遍历数据集，识别落在下界以下或上界以上的数据点。这些数据点被认为是异常值。一旦识别了异常值，可以选择以下方法之一来处理它们：删除异常值：将异常值从数据集中移除。替换异常值：用数据的平均值、中位数或其他合适的值来替代异常值。
23、可选的，将数据处理完成的数据集划分为训练集、验证集和测试集，训练集用于模型的训练，验证集用于调整模型的超参数和监控模型的性能，测试集用于最终的模型评估。
24、可选的，step3中，深度学习模型的输入层包括与绞吸式挖泥船操作相关的关键特征；
25、深度学习模型包括多个隐藏层，使用长短时记忆网络来处理时间序列数据，对于回归任务，使用均方误差作为损失函数。
26、可选的，均方误差的公式如下：
27、
28、yi代表了操作手的真实表现；代表模型对操作手能力的预测值；
29、可选的，在深度学习模型中添加正则化项，防止过拟合，并使用dropout层提高深度学习模型的泛化能力。
30、通过采用上述技术方案，先将数据分割，将处理好的数据集划分为训练集、验证集和测试集。训练集用于模型的训练，验证集用于调整模型的超参数和监控模型的性能，测试集用于最终的模型评估。设计深度学习模型，首先是输入层，输入层应包括与绞吸式挖泥船操作相关的关键特征，如绞刀转速，泥浆浓度，切削角度等等。模型包括多个隐藏层，以提高模型的表达能力。因为绞吸式挖泥船操作通常具有时序性，考虑使用本文档来自技高网...
【技术保护点】
1.一种绞吸式挖泥船操作手能力评估的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：还包括Step6，实时监控与反馈，集成实时监控系统，用于在操作过程中实时监测和反馈操作手的能力，及时发现问题并提供即时指导。
3.根据权利要求2所述的一种绞吸式挖泥船操作手能力评估的方法及装置，其特征在于：Step1中，采用传感器模块1采集挖泥深度数据和泥浆浓度数据，与绞吸式挖泥船主控系统100通信采集绞刀转速数据、切削角度数据、速度数据和设备状态数据。
4.根据权利要求3所述的一种绞吸式挖泥船操作手能力评估的方法及装置，其特征在于：
5.根据权利要求4所述的一种绞吸式挖泥船操作手能力评估的方法及装置，其特征在于：
6.根据权利要求5所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：
7.根据权利要求6所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：Step3中，深度学习模型的输入层包括与绞吸式挖泥船操作相关的关键特征；
8.根据权利要求7所
9.根据权利要求8所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：在深度学习模型中添加正则化项，防止过拟合，并使用Dropout层提高深度学习模型的泛化能力。
10.一种绞吸式挖泥船操作手能力评估的装置，其特征在于：包括传感器模块1、绞吸式挖泥船运行数据采集模块2、疏浚作业操作手监控系统3、数据汇集模块4和计算机5，所述传感器模块1包括水深传感器11和泥浆浓度传感器12，所述水深传感器11和泥浆浓度传感器12分别与数据汇集模块4通信连接，水深传感器11用于采集挖泥深度数据，泥浆浓度传感器12用于采集泥浆浓度数据，所述绞吸式挖泥船运行数据采集模块2的数据输入端与绞吸式挖泥船主控系统100通信连接，用于采集绞刀转速数据、切削角度数据、速度数据和设备状态数据，数据输入端与数据汇集模块4通信连接，疏浚作业操作手监控系统3用于实时监测操作手的操作画面，并与数据汇集模块4通信连接，所述数据汇集模块4与计算机5通信连接，计算机5部署有采用权利要求9所述一种绞吸式挖泥船操作手能力评估的方法设计的评估程序，数据汇集模块4将疏浚作业操作信息数据输入评估程序，评估程序运行深度学习模型输出评估结果，并输出评估报告。
...【技术特征摘要】
1.一种绞吸式挖泥船操作手能力评估的方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：还包括step6，实时监控与反馈，集成实时监控系统，用于在操作过程中实时监测和反馈操作手的能力，及时发现问题并提供即时指导。
3.根据权利要求2所述的一种绞吸式挖泥船操作手能力评估的方法及装置，其特征在于：step1中，采用传感器模块1采集挖泥深度数据和泥浆浓度数据，与绞吸式挖泥船主控系统100通信采集绞刀转速数据、切削角度数据、速度数据和设备状态数据。
4.根据权利要求3所述的一种绞吸式挖泥船操作手能力评估的方法及装置，其特征在于：
5.根据权利要求4所述的一种绞吸式挖泥船操作手能力评估的方法及装置，其特征在于：
6.根据权利要求5所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：
7.根据权利要求6所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：step3中，深度学习模型的输入层包括与绞吸式挖泥船操作相关的关键特征；
8.根据权利要求7所述的一种绞吸式挖泥船操作手能力评估的方法，其特征在于：均方误...
【专利技术属性】
技术研发人员：粟学平，汪望明，袁子豪，郭奇，陈华林，王昊，邹贵富，董恒瑞，毕道林，李靖，杨道宇，
申请(专利权)人：中交广州航道局有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。