CN112464137B - 智慧矿车货厢粘物识别方法、装置、存储介质和电子设备 - Google Patents

智慧矿车货厢粘物识别方法、装置、存储介质和电子设备 Download PDF

Info

Publication number
CN112464137B
CN112464137B CN202011345598.XA CN202011345598A CN112464137B CN 112464137 B CN112464137 B CN 112464137B CN 202011345598 A CN202011345598 A CN 202011345598A CN 112464137 B CN112464137 B CN 112464137B
Authority
CN
China
Prior art keywords
time
speed
bucket
actual
sticky
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011345598.XA
Other languages
English (en)
Other versions
CN112464137A (zh
Inventor
朱早贝
吕金桐
张磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yikong Zhijia Technology Co Ltd
Original Assignee
Beijing Yikong Zhijia Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yikong Zhijia Technology Co Ltd filed Critical Beijing Yikong Zhijia Technology Co Ltd
Priority to CN202011345598.XA priority Critical patent/CN112464137B/zh
Publication of CN112464137A publication Critical patent/CN112464137A/zh
Application granted granted Critical
Publication of CN112464137B publication Critical patent/CN112464137B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种智慧矿车货厢粘物识别方法、装置、存储介质和电子设备，涉及智慧矿车技术领域。基于粘物状态识别，对控制算法中空载模式进行油门输出控制优化、减速度输出控制优化、转向速度输出控制优化，能够在车辆存在粘物情况下，提升车辆运动控制性能和安全性能。基于现有的智慧矿车系统，无需增加额外测量装置，通过现有参数对车厢粘物状态和粘物体积进行识别和估算，实车测试数据统计，通过此方法对车厢粘物状态的正确识别率超过了96％，基本能够实现对于货厢粘物状态的精确识别，功能实现简单，可实用性强。

Description

智慧矿车货厢粘物识别方法、装置、存储介质和电子设备
技术领域
本发明涉及智慧矿车技术领域，具体涉及一种智慧矿车货厢粘物识别方法、装置、存储介质和电子设备。
背景技术
智慧矿车在实际运行过程中，空载和重载状态下车辆的状态参数均会有较大的差别，在实际车辆运动控制过程中，一般来说会区分空载和重载两种模式，不同的模式下运动控制会存在一定的区别。这样能够在不同载重状态下考虑不同的因素，相应的设置控制算法，提升矿车的控制性能和安全。
但是智慧矿车在实际作业过程中，因为矿区很多位于高寒地带，当温度过低时候，虽然矿车一般都有安装货厢加热装置，但是矿车货厢的载物(碎石，细土类等)还是会因为低温和重压的关系会粘在货厢底部，很多时候甚至超过货厢载重的50％均会粘在货厢内无法卸载掉。此时矿车既不是重载，也不是空载，而是处于重载和空载之间的状态。而在实际作业过程中，因为矿车一般没有单独安装载重车辆传感器等装置，货厢的载重状态一般比较难以直接计算获取，一般来采用的方法是在卸载动作完成后，将车辆状态切换为空载，此时系统无法识别货厢是否存在粘物，导致车辆载重状态可能不适合采用完全空载的状态参数进行控制。在这种状态下基于控制控制模式的运动控制则可能不是最佳的控制，甚至可能产生未知的风险，如制动介入不足等。
因此，如何对矿车货厢粘物状态进行识别是智慧矿车亟需解决的问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种智慧矿车货厢粘物识别方法、装置、存储介质和电子设备，解决了如何对矿车货厢粘物状态进行识别的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
第一方面，提供了一种智慧矿车货厢粘物识别方法，包括：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
进一步的，所述方法还包括：
S3、识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算；
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
进一步的，所述S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物，步骤包括：
S21、将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
S22、将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
S23、基于第一对比结果和第二对比结果判定货厢是否存在粘物。
进一步的，所述速度对比结果和时间对比结果的计算方法为：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；
且基于第一对比结果和第二对比结果判定货厢是否存在粘物的方法为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
第二方面，提供了一种智慧矿车货厢粘物识别装置，该装置包括：
降斗速度时间获取模块，用于获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
货厢粘物判定模块，用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
进一步的，所述装置还包括：
货厢粘物体积估算模块，用于识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算：
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
进一步的，所述货厢粘物判定模块包括：
速度时间对比结果计算单元，用于将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
第一及第二对比结果计算单元，用于将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
判定单元，用于基于第一对比结果和第二对比结果判定货厢是否存在粘物。
进一步的，所述速度对比结果和时间对比结果的计算方法为：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；
且基于第一对比结果和第二对比结果判定货厢是否存在粘物的方法为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
第三方面，提供了一种存储介质，其存储用于智慧矿车货厢粘物识别的计算机程序，其中，所述计算机程序使得计算机执行下方法：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
进一步的，所述方法还包括：
S3、识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算；
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
进一步的，所述S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物，步骤包括：
S21、将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
S22、将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
S23、基于第一对比结果和第二对比结果判定货厢是否存在粘物。
进一步的，所述速度对比结果和时间对比结果的计算方法为：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；
且基于第一对比结果和第二对比结果判定货厢是否存在粘物的方法为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
第四方面，一种电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如下方法：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
进一步的，所述方法还包括：
S3、识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算；
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
进一步的，所述S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物，步骤包括：
S21、将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
S22、将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
S23、基于第一对比结果和第二对比结果判定货厢是否存在粘物。
进一步的，所述速度对比结果和时间对比结果的计算方法为：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；
且基于第一对比结果和第二对比结果判定货厢是否存在粘物的方法为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
(三)有益效果
本发明提供了一种智慧矿车货厢粘物识别方法、装置、存储介质和电子设备。与现有技术相比，具备以下有益效果：
基于现有的智慧矿车系统，无需增加额外测量装置，通过现有参数对车厢粘物状态和粘物体积进行识别和估算，实车测试表明，能够准确识别货厢粘物状态，功能实现简单，可实用性强。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的货厢粘物识别的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请实施例通过提供一种智慧矿车货厢粘物识别方法、装置、存储介质和电子设备，解决了如何对矿车货厢粘物状态进行识别的问题。
本申请实施例中的技术方案为解决上述技术问题，总体思路如下：
基于现有的智慧矿车系统，无需增加额外测量装置，通过现有参数对车厢粘物状态和粘物体积进行识别和估算，实车测试表明，能够准确识别货厢粘物状态，功能实现简单，可实用性强。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1：
如图1所示，本发明提供了一种智慧矿车货厢粘物识别方法，该方法包括：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
本实施例的有益效果为：
1)基于现有的智慧矿车系统，无需增加额外测量装置，通过现有参数对车厢粘物状态和粘物体积进行识别和估算，实车测试表明，能够准确识别货厢粘物状态，功能实现简单，可实用性强。
下面对本发明实施例的实现过程进行详细说明：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S11、货厢的标准降斗速度和时间的具体获取方法为：
在环境温度适宜的情况下，对矿车进行满载卸载，卸载后货厢无任何粘物存在的情况下控制货厢降斗，采集货厢从上止点位置下降到下止点位置的时间τ，同时基于降斗时间，并且通过上止点和下止点之间的行程计算货厢的下降速度ν；则可以通过以下公式获取货厢的标准降斗速度和时间：
其中，i表示第i个采集样本，N表示采集的样本个数(范围通过实际情况自定义，N>1即可)。
S12、货厢的实际降斗速度、时间的获取方法为：
和标准降斗速度、时间的获取方法类似，矿车实际卸载过程中，卸载后控制货厢降斗，采集货厢从上止点位置下降到下止点位置的时间Treal，同时基于降斗时间，同时通过上止点和下止点之间的行程计算货厢的下降速度Vreal。
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物；
S21、将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
下面给出一种速度对比结果和时间对比结果的计算方法：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间。
S22、将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
S23、基于第一对比结果和第二对比结果判定货厢是否存在粘物。
下面给出一种具体的判定方法：
货厢粘物判定公式为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
当判定货厢存在粘物的情况下，可进一步对货厢粘物的体积进行估算，以判定货厢粘物对车辆参数的影响。
S3、识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算；步骤包括：
S31、获取实际重载情况下的载物体积；
S32、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算：
其中，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
基于上述方法，进行实验验证，实验采集的降斗时间和降斗速度数据分别如表1和表2所示：
表1
序列号 1 2 3 4 5 6 7 8 9 10
空车厢降斗时间(s) 22 21 22 23 24 22 27 21 23 22
粘物厢降斗时间(s) 15 12 15 10 11 14 16 12 11 10
表2
序列号 1 2 3 4 5 6 7 8 9 10
空厢降斗速度(°/s) 2.13 2.24 2.15 2.22 2.21 2.13 2.14 2.17 2.16 2.13
粘物厢降斗速度(°/s) 4.68 4.45 4.56 4.23 4.34 4.32 3.76 4.23 4.15 3.94
按照以上实车数据，根据车型不一样，阈值设定则会有适应的变化，本发明中示例中，使用载重量为40吨的车型，可以设定0.3<KTimeThread<0.8，1.5<KspdThread<2.5。
基于上述设定的阈值，通过实车测试数据统计，对于车厢粘物状态的识别准确率可以达到96％以上。
实施例2：
一种智慧矿车货厢粘物识别装置，该装置包括：
降斗速度时间获取模块，用于获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
货厢粘物判定模块，用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
进一步的，所述装置还包括：
货厢粘物体积估算模块，用于识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算：
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
进一步的，所述货厢粘物判定模块包括：
速度时间对比结果计算单元，用于将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
第一及第二对比结果计算单元，用于将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
判定单元，用于基于第一对比结果和第二对比结果判定货厢是否存在粘物。
进一步的，所述速度对比结果和时间对比结果的计算方法为：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；
且基于第一对比结果和第二对比结果判定货厢是否存在粘物的方法为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
实施例3
提供了一种存储介质，其存储用于智慧矿车货厢粘物识别的计算机程序，其中，所述计算机程序使得计算机执行下方法：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
进一步的，所述方法还包括：
S3、识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算；
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
进一步的，所述S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物，步骤包括：
S21、将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
S22、将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
S23、基于第一对比结果和第二对比结果判定货厢是否存在粘物。
进一步的，所述速度对比结果和时间对比结果的计算方法为：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；
且基于第一对比结果和第二对比结果判定货厢是否存在粘物的方法为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
实施例4
一种电子设备，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如下方法：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物。
进一步的，所述方法还包括：
S3、识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算；
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
进一步的，所述S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物，步骤包括：
S21、将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
S22、将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
S23、基于第一对比结果和第二对比结果判定货厢是否存在粘物。
进一步的，所述速度对比结果和时间对比结果的计算方法为：
速度对比结果Kspd：
时间对比结果KTime：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；
且基于第一对比结果和第二对比结果判定货厢是否存在粘物的方法为：
其中，Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
可理解的是，本发明实施例提供的智慧矿车货厢粘物识别装置、存储介质、电子设备与上述智慧矿车货厢粘物识别方法相对应，其有关内容的解释、举例、有益效果等部分可以参考智慧矿车货厢粘物识别方法中的相应内容，此处不再赘述。
综上所述，与现有技术相比，本发明具备以下有益效果：
①基于现有的智慧矿车系统，无需增加额外测量装置，通过现有参数对车厢粘物状态和粘物体积进行识别和估算，实车测试表明，能够准确识别货厢粘物状态，对车厢粘物状态的正确识别率超过了96％，功能实现简单，可实用性强。
需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种智慧矿车货厢粘物识别方法，其特征在于，该方法包括：
S1、获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物；
其中，判定货厢是否存在粘物的方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
2.如权利要求1所述的一种智慧矿车货厢粘物识别方法，其特征在于，所述方法还包括：
S3、识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算；
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
3.如权利要求1所述的一种智慧矿车货厢粘物识别方法，其特征在于，所述S2、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物，步骤包括：
S21、将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
S22、将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
S23、基于第一对比结果和第二对比结果判定货厢是否存在粘物。
4.一种智慧矿车货厢粘物识别装置，其特征在于，该装置包括：
降斗速度时间获取模块，用于获取标准降斗速度和标准降斗时间，以及实际降斗速度和实际降斗时间；
货厢粘物判定模块，用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判定货厢是否存在粘物；
其中，判定货厢是否存在粘物的方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间；Kspd为速度对比结果，KTime为时间对比结果，KTimeThread为设定的时间阈值，KspdThread为设定的速度阈值。
5.如权利要求4所述的一种智慧矿车货厢粘物识别装置，其特征在于，所述装置还包括：
货厢粘物体积估算模块，用于识别到货厢存在粘物时，基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算：
且货厢粘物体积估算方法为：
其中，Vreal为实际降斗速度，Vbase为标准降斗速度；Treal为实际降斗时间，Tbase为标准降斗时间，Qstick-basetime为基于降斗时间估算的粘物体积，Qstick-basespd为基于降斗速度估算的粘物体积，Qrealstick为实际粘物估算体积，Qload为实际重载情况下的载物体积。
6.如权利要求4所述的一种智慧矿车货厢粘物识别装置，其特征在于，所述货厢粘物判定模块包括：
速度时间对比结果计算单元，用于将实际降斗速度与标准降斗速度进行对比，得到速度对比结果，并将实际降斗时间与标准降斗时间进行对比，得到时间对比结果；
第一及第二对比结果计算单元，用于将速度对比结果与速度阈值进行对比，得到第一对比结果，并将时间对比结果与时间阈值进行对比，得到第二对比结果；
判定单元，用于基于第一对比结果和第二对比结果判定货厢是否存在粘物。
7.一种存储介质，其特征在于，其存储用于智慧矿车货厢粘物识别的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-3任一项所述的智慧矿车货厢粘物识别方法。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储器；以及
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如权利要求1-3任一项所述的智慧矿车货厢粘物识别方法。
CN202011345598.XA 2020-11-25 2020-11-25 智慧矿车货厢粘物识别方法、装置、存储介质和电子设备 Active CN112464137B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011345598.XA CN112464137B (zh) 2020-11-25 2020-11-25 智慧矿车货厢粘物识别方法、装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011345598.XA CN112464137B (zh) 2020-11-25 2020-11-25 智慧矿车货厢粘物识别方法、装置、存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN112464137A CN112464137A (zh) 2021-03-09
CN112464137B true CN112464137B (zh) 2024-01-26

Family

ID=74808526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011345598.XA Active CN112464137B (zh) 2020-11-25 2020-11-25 智慧矿车货厢粘物识别方法、装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN112464137B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202285136U (zh) * 2011-11-10 2012-06-27 大连力科技术工程有限公司 卸料斗湿料粘连检测报警装置
CN204309777U (zh) * 2014-12-20 2015-05-06 冯会玲 底卸式矿车
KR20190125745A (ko) * 2018-04-30 2019-11-07 (주) 코스텍 화물차량의 적재량 측정장치 및 방법
CN110466547A (zh) * 2019-08-09 2019-11-19 江西理工大学 一种矿车车厢和自动清理结底的矿车
CN111439223A (zh) * 2020-04-07 2020-07-24 杭州鸿泉物联网技术股份有限公司 一种车斗举升识别方法及装置
JP2020160977A (ja) * 2019-03-27 2020-10-01 株式会社Ｂｒｉｄｇｅ 荷物運搬管理システム、マッチングサーバ、車両監視サーバ、および車両側端末

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202285136U (zh) * 2011-11-10 2012-06-27 大连力科技术工程有限公司 卸料斗湿料粘连检测报警装置
CN204309777U (zh) * 2014-12-20 2015-05-06 冯会玲 底卸式矿车
KR20190125745A (ko) * 2018-04-30 2019-11-07 (주) 코스텍 화물차량의 적재량 측정장치 및 방법
JP2020160977A (ja) * 2019-03-27 2020-10-01 株式会社Ｂｒｉｄｇｅ 荷物運搬管理システム、マッチングサーバ、車両監視サーバ、および車両側端末
CN110466547A (zh) * 2019-08-09 2019-11-19 江西理工大学 一种矿车车厢和自动清理结底的矿车
CN111439223A (zh) * 2020-04-07 2020-07-24 杭州鸿泉物联网技术股份有限公司 一种车斗举升识别方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZYQ-1.1U液压高频振动矿车清车机在新景矿的应用;刘旭东;;能源技术与管理(第03期);126-127 *

Also Published As

Publication number Publication date
CN112464137A (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
CN107179759B (zh) 一种多agv调度系统运行效率评价方法
CN108959795B (zh) 一种试验场载荷谱标准化方法
CN113091866B (zh) 一种实时测量汽车载重质量的方法与装置
CN108162955A (zh) 一种具有时滞补偿功能的车辆主动防侧翻控制系统及方法
KR20200058839A (ko) 브레이크 디스크 녹 제거 장치 및 방법
US20220041172A1 (en) System and method for identifying a change in load of a commercial vehicle
CN111994129A (zh) 一种轮轨列车防滑控制方法及系统
CN112464137B (zh) 智慧矿车货厢粘物识别方法、装置、存储介质和电子设备
RU2013105466A (ru) Способ и устройство для оценки веса транспортного средства
CN116796209B (zh) 一种用于检测试剂盒存储环境温度监测的数据处理方法
CN111060153B (zh) 货车载货状态的检测方法、装置及存储介质
CN115327417A (zh) 一种动力电池单体异常的预警方法、系统及电子设备
CN101341381B (zh) 验证求出的机动车质量的可信性的方法
CN110160615A (zh) 车载称重方法、装置及系统
CN112327880B (zh) 智能矿车控制方法、装置、存储介质和电子设备
CN113581192A (zh) 一种基于车辆质量识别坡道坡度的车辆质量修正方法
CN111079270B (zh) 一种基于二元混合随机过程的轴承剩余寿命预测方法
CN115611029B (zh) 一种智能的煤炭装车方法及系统
CN116222870A (zh) 一种干粉罐车罐体及其监控系统
CN116118752A (zh) 一种轮胎磨损预警方法、装置、电子设备和存储介质
EP3802162B1 (en) Method, control unit, computer program product and carrier for identifying low tire pressure in a vehicle
CN113112061A (zh) 一种预测车辆油耗的方法与装置
CN113776633A (zh) 车辆载重数据处理方法及装置
CN113312707A (zh) 货车状态自适应实时检测方法及其装置
Prokeš et al. Quantification of excitation required for accurate friction estimation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant