CN112801402A - 操作行为分析方法、装置、电子设备及存储介质 - Google Patents
操作行为分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112801402A CN112801402A CN202110182799.0A CN202110182799A CN112801402A CN 112801402 A CN112801402 A CN 112801402A CN 202110182799 A CN202110182799 A CN 202110182799A CN 112801402 A CN112801402 A CN 112801402A
- Authority
- CN
- China
- Prior art keywords
- operator
- unit
- state
- operation behavior
- fuel consumption
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 83
- 239000000446 fuel Substances 0.000 claims abstract description 95
- 230000006399 behavior Effects 0.000 claims description 147
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000002360 preparation method Methods 0.000 claims description 19
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 21
- 239000003921 oil Substances 0.000 description 73
- 238000004804 winding Methods 0.000 description 14
- 238000010977 unit operation Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 9
- 238000010276 construction Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Jib Cranes (AREA)
Abstract
本发明提供一种操作行为分析方法、装置、电子设备及存储介质,其中方法包括:基于操作员操作作业机械时的作业量和行驶距离,以及所述作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;确定所述操作员对应的操作员画像;基于所述操作员画像,对所述操作员的操作行为进行分析。本发明提供的方法、装置、电子设备及存储介质,将操作员的操作行为与作业机械在各个状态的燃油消耗进行了结合分析,能够更加全面和精准地体现操作员的操作行为特征,为优化操作员的操作流程和操作习惯提供了依据。
Description
技术领域
本发明涉及机械工程技术领域,尤其涉及一种操作行为分析方法、装置、电子设备及存储介质。
背景技术
在作业机械的使用成本中,燃油费用是一项重要支出。经过统计数据分析发现,操作员在操作作业机械进行作业时的油耗占作业机械整体油耗的30%以上。操作员的操作行为直接影响了作业机械的油耗。
因此,如何对作业机械操作员的操作行为进行分析,为优化操作员的操作习惯提供依据,降低作业机械的油耗,成为业界亟待解决的技术问题。
发明内容
本发明提供一种操作行为分析方法、装置、电子设备及存储介质,用以解决如何对作业机械操作员的操作行为进行分析,为优化操作员的操作习惯提供依据的技术问题。
本发明提供一种操作行为分析方法,包括:
基于操作员操作作业机械时的作业量和行驶距离,以及所述作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;
基于所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定所述操作员对应的操作员画像;
基于所述操作员画像,对所述操作员的操作行为进行分析。
根据本发明提供的一种操作行为分析方法,所述操作员对应的操作员画像还包括所述操作员的操作行为对应的作业习惯、作业时长占比和投入产出比。
根据本发明提供的一种操作行为分析方法,所述基于所述操作员画像,对所述操作员的操作行为进行分析,包括:
将所述操作员对应的操作员画像输入至操作行为分析模型,得到所述操作行为分析模型输出的所述操作员的操作行为评估结果;
其中,所述操作行为分析模型是基于样本操作员对应的操作员画像,以及所述样本操作员的操作行为评估结果训练得到的。
根据本发明提供的一种操作行为分析方法,所述操作行为分析模型与所述作业机械的类型一一对应。
根据本发明提供的一种操作行为分析方法,所述操作行为分析模型的初始模型包括卷积神经网络模型、循环神经网络模型、线性函数模型中的至少一种。
根据本发明提供的一种操作行为分析方法,所述作业机械为起重机,所述作业状态包括回转状态、变幅状态、主卷状态、副卷状态和伸缩状态中的至少一种。
根据本发明提供的一种操作行为分析方法,所述作业状态是基于所述起重机的手柄操作数据确定的。
本发明还提供一种操作行为分析装置,包括:
分解单元,用于基于操作员操作作业机械时的作业量和行驶距离,以及所述作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;
画像单元,用于基于所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定所述操作员对应的操作员画像;
分析单元,用于基于所述操作员画像,对所述操作员的操作行为进行分析。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述操作行为分析方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述操作行为分析方法的步骤。
本发明提供的操作行为分析方法、装置、电子设备及存储介质,根据操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,得到操作员对应的操作员画像,进而对操作员的操作行为进行分析,对作业机械的燃油消耗数据进行了分解,将操作员的操作行为与作业机械在各个状态的燃油消耗进行了结合分析,能够更加全面和精准地体现操作员的操作行为特征,为优化操作员的操作流程和操作习惯提供了依据。
附图说明
为了更清楚地说明本发明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为本发明提供的操作行为分析方法的流程示意图;
图2为本发明提供的基于油耗分解的作业机械操作员画像方法的流程示意图;
图3为本发明提供的操作行为分析装置的结构示意图;
图4为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。
作业机械为进行工程作业的各类工程机械,例如起重机、挖掘机和推土机等。燃油作为作业机械的一项重要支出,占据了作业机械使用成本的大部分。目前主要是通过动力系统的改进和优化操作员的操作习惯来降低燃油消耗。基于此,本发明实施例从油耗分解的角度出发,对作业机械操作员的操作行为进行分析,为优化操作员的操作习惯提供依据。
图1为本发明提供的操作行为分析方法的流程示意图,如图1所示,该方法包括:
步骤110,基于操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗。
具体地,作业量为作业机械在作业时间内进行施工作业完成的工作量。例如,对于起重机,作业量可以为在一定时间内吊起或移动的物体的重量,此时作业量的单位可以为吨。对于推土机,作业量可以为在一定时间内移动的土方量,此时作业量的单位可以为立方米。行驶距离可以为作业机械移动的距离,行驶距离的单位可以为千米。
作业机械的使用状态包括作业状态、行驶状态和预备状态。作业状态为操作员操作作业机械进行施工作业的状态,例如,起重机进行起吊货物时的状态。行驶状态为作业机械进行移动的状态,例如,起重机从起始地点移动到工作地点时的状态。预备状态为作业机械进行施工前的准备工作和施工后的收车工作时所处的状态,预备状态处于作业状态和行驶状态之间。对于某些作业机械,例如起重机,由于预备状态时,作业机械也有可能在进行移动,因此,可以设置速度阈值对作业机械的状态进行区分。例如,可以设置速度阈值为1km/h,当车速小于该速度阈值时,作业机械处于预备状态,当车速大于该速度阈值时,作业机械处于行驶状态。作业机械的使用状态的划分还可以根据作业机械的作业性质确定,本发明实施例对此不作具体限定。
单位作业量作业油耗为作业机械处于作业状态时完成单位作业量所消耗的燃油量。单位作业量预备油耗为作业机械处于预备状态时完成单位作业量所消耗的燃油量。单位距离行驶油耗为作业机械处于行驶状态时在单位距离内所消耗的燃油量。燃油量的单位可以选用升,本发明实施例对此不作具体限定。
本发明实施例中增加了对预备油耗的分析,增加了油耗分解的细致度,对油耗的分解更加科学,减少了不明确油耗的干扰,提高了油耗分解和操作行为分析的精度。
燃油消耗数据可以包括作业机械消耗的燃油量,还可以包括作业机械消耗燃油的速度和燃油的种类等。
根据操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,可以确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗。例如,单位作业量作业油耗可以为作业机械处于作业状态时消耗的燃油量与该作业机械的作业量的比值。单位作业量预备油耗可以为作业机械处于预备状态时消耗的燃油量与该作业机械的作业量的比值。单位距离行驶油耗可以为作业机械处于行驶状态时消耗的燃油量与该作业机械的行驶距离的比值。
步骤120,基于操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定操作员对应的操作员画像。
具体地,操作员画像用于表征操作员的多个操作行为特征。操作员画像可以包括多个维度数据,每一维度数据用于表征操作员的一项操作行为特征。例如,单位作业量作业油耗可以作为其中的一个维度,用于表述操作员操作作业机械进行施工作业时的油耗高低水平。单位作业量作业油耗越低,表明该操作员的操作步骤越合理,操作质量越高。
操作员画像中的维度可以包括单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗等。根据操作员的操作行为在每一维度下对应的数值,可以得到该操作员对应的操作员画像。操作员画像可以用文字或者图表的形式体现。例如,操作员画像可以表示为雷达图等形式。
步骤130,基于操作员画像,对操作员的操作行为进行分析。
具体地,操作员画像能够从多个维度对操作员的操作行为特征进行呈现,可以非常明显地体现操作员的操作行为的综合水平。例如,在得到多个操作员的操作员画像之后进行对比,可以非常明显地确定任一操作员在某方面的操作水平优势和操作水平短板。
本发明实施例提供的操作行为分析方法,根据操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,得到操作员对应的操作员画像,进而对操作员的操作行为进行分析,对作业机械的燃油消耗数据进行了分解,将操作员的操作行为与作业机械在各个状态的燃油消耗进行了结合分析,能够更加全面和精准地体现操作员的操作行为特征,为优化操作员的操作流程和操作习惯提供了依据。
基于上述任一实施例,操作员对应的操作员画像还包括操作员的操作行为对应的作业习惯、作业时长占比和投入产出比。
具体地,操作员画像中的维度还可以包括作业习惯、作业时长占比和投入产出比。
作业习惯用于反映操作员的操作行为偏好。例如,对于起重机,操作流程可以细分为五个操作动作,分别为回转操作、变幅操作、主卷操作、副卷操作和伸缩操作,则操作员的作业习惯可以为施工作业中上述各个操作动作对应的单位作业量作业油耗之间的比例。
作业时长占比可以为单位作业量对应的作业时间。例如,对于起重机,单位作业量可以用单位吊载量表示,则作业时长占比可以为单位吊载量与作业机械的作业时间的比值。
投入产出比可以为作业机械的燃油消耗量与作业机械的作业量的比值,也可以为操作员的工资收入与作业机械的作业量之间的比值,还可以为操作员的工资收入与作业机械的燃油消耗量之和与作业机械的作业量之间的比值。
本发明实施例提供的操作行为分析方法,操作员对应的操作员画像还包括操作员的操作行为对应的作业习惯、作业时长占比和投入产出比,从多个角度对操作员的操作行为进行了描述,能够更加全面和精准地体现操作员的操作行为特征,为优化操作员的操作流程和操作习惯提供了依据。
基于上述任一实施例,步骤130包括:
将操作员对应的操作员画像输入至操作行为分析模型,得到操作行为分析模型输出的操作员的操作行为评估结果;
其中,操作行为分析模型是基于样本操作员对应的操作员画像,以及样本操作员的操作行为评估结果训练得到的。
具体地,操作行为评估结果用于衡量操作员的操作水平高低或者操作员的操作流程是否合理。一般地,单位油耗越少,操作员的操作水平越高,操作员的操作流程越合理。操作行为评估结果的表现形式可以为操作得分,也可以为操作等级。例如,操作等级可以分为优良中差等。
可以将操作员对应的操作员画像输入至操作行为分析模型,由操作行为分析模型对所输入的操作员画像中的各个维度数据进行特征提取,输出该操作员的操作行为评估结果。
可以预先训练得到操作行为分析模型,具体可以通过如下训练方式得到操作行为分析模型:首先,收集大量的样本操作员对应的操作员画像。其次,采用人工方式对每一样本操作员的操作行为进行评估,评估项目包括单位作业量作业油耗、单位作业量预备油耗、单位距离行驶油耗、作业习惯、作业时长占比和投入产出比,确定每一样本操作员的操作行为评估结果。随即,根据大量的样本操作员对应的操作员画像,以及每一样本操作员的操作行为评估结果对初始模型进行训练,以提高初始模型对于操作员的操作行为的评估分析能力,得到操作行为分析模型。
操作行为分析模型还可以选用线性函数模型。例如,操作行为分析模型可以对操作员画像中的各个维度数据进行加权求和,将得到的数值作为该操作员的操作行为评估结果。
还可以采用统计学方法,对大量的样本操作员对应的操作员画像,以及每一样本操作员的操作行为评估结果进行统计,得到操作行为分析模型,统计学方法包括感知机、k近邻法、朴素贝叶斯法、决策树和支持向量机等方法。
本发明实施例提供的操作行为分析方法,根据样本操作员对应的操作员画像,以及样本操作员的操作行为评估结果训练得到操作行为分析模型,操作行为分析模型可以对操作员画像进行分析得到操作行为评估结果,使得操作员的操作行为能够量化评估,从而为优化操作员的操作流程和操作习惯提供了依据。
基于上述任一实施例,操作行为分析模型与作业机械的类型一一对应。
具体地,作业机械包括了进行工程作业的各类工程机械,例如起重机、挖掘机和推土机等。每一类型的作业机械的技术参数和工作性能均不相同,导致每一类型的作业机械的燃油消耗水平和操作方法也完全不同。
因此,在建立操作行为分析模型时,可以将操作行为分析模型与作业机械的类型一一对应,使得操作行为分析模型能够与对应的作业机械相适应,能够更加精准地对操作员的操作行为进行量化评估,所得到的操作行为评估结果更准确。
基于上述任一实施例,操作行为分析模型的初始模型包括卷积神经网络模型、循环神经网络模型、线性函数模型中的至少一种。
具体地,操作行为分析模型的初始模型可以选择卷积神经网络(ConvolutionalNeural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)、线性函数模型等。
基于上述任一实施例,作业机械为起重机,作业状态包括回转状态、变幅状态、主卷状态、副卷状态和伸缩状态中的至少一种。
具体地,起重机是指在一定范围内垂直提升和水平搬运重物的多动作起重机械,又称天车、航吊或者吊车。
起重机主要包括起升机构、运行机构、变幅机构、回转机构和金属结构等。起升机构是起重机的基本工作机构,大多是由吊挂系统和绞车组成,也有通过液压系统升降重物的。运行机构用以纵向水平运移重物或调整起重机的工作位置,一般是由电动机、减速器、制动器和车轮组成。变幅机构只配备在臂架型起重机上,臂架仰起时幅度减小,俯下时幅度增大,分平衡变幅和非平衡变幅两种。回转机构用以使臂架回转,是由驱动装置和回转支承装置组成。金属结构是起重机的骨架,主要承载件如桥架、臂架和门架可为箱形结构或桁架结构,也可为腹板结构,有的可用型钢作为支承梁。
起重机进行作业时主要分为五个动作,分别为回转、变幅、主卷、副卷和伸缩。相应地,起重机的作业状态可以包括回转状态、变幅状态、主卷状态、副卷状态和伸缩状态。
基于上述任一实施例,作业状态是基于起重机的手柄操作数据确定的。
具体地,手柄操作数据包括手柄类型和手柄开度。按照手柄类型,手柄可以分为左手柄和右手柄。两个手柄均位于起重机操纵室内。操作员通过起重机操纵室内的两个手柄控制起重机完成操作动作。
手柄开度是指操纵手柄被扳动离开自由状态的程度,扳动的越多,开度越大。手柄开度越大,力矩限制器输出的液压比例阀控制电流就越大,进而比例阀阀芯位移就越大,油液流通量就越大,液压比例阀所对应的动作就越快。
一般地,左手柄控制回转、伸缩,右手柄控制变幅和卷扬。此处的卷扬包括主卷与副卷。主卷与副卷的切换可以通过副卷开关来控制。
基于上述任一实施例,图2为本发明提供的基于油耗分解的作业机械操作员画像方法的流程示意图,如图2所示,该方法包括:
步骤一、油耗分解
以操作员操作的作业机械为起重机为例来说明。起重机的使用状态包括作业状态、行驶状态和预备状态。起重机的燃油消耗按照使用状态可以分为作业油耗、行驶油耗和预备油耗。其中,作业油耗又被称为上车油耗,行驶油耗又被称为下车油耗。
起重机作业动作具体可以分为回转、变幅、主卷、副卷和伸缩。作业动作可以根据起重机上安装的各种传感器进行判断确定。作业油耗又可以细分为回转油耗、变幅油耗、主卷油耗、副卷油耗和伸缩油耗。例如,可以获取起重机在一天内的手柄操作数据和燃油消耗数据,根据手柄操作数据可以确定起重机的作业动作和作业时间,从而对起重机的燃油消耗数据进行划分,得到回转油耗、变幅油耗、主卷油耗、副卷油耗和伸缩油耗。
行驶油耗可以为起重机的车速在1km/h以上时的燃油消耗。
预备状态处于作业状态与行驶状态之间,主要是进行施工前的准备工作和施工后的收车工作。当起重机手柄显示上车不在作业,而车速小于1km/h时,这一时间段的油耗被划分为预备油耗。
步骤二、工作量计算
可以通过起重机的吊载量以及经纬度参数的变化可以计算得到起重机的作业量与行驶距离,结合回转油耗、变幅油耗、主卷油耗、副卷油耗、伸缩油耗、行驶油耗和预备油耗,可以得到单位油耗,单位油耗包括:单位作业量回转油耗、单位作业量变幅油耗、单位作业量主卷油耗、单位作业量副卷油耗、单位作业量伸缩油耗、单位作业量预备油耗和单位距离行驶油耗。
步骤三、操作员画像
还可以通过操作员操作起重机进行作业时的吊载量、作业时间,以及上述步骤中的各项数据,得到操作员的作业习惯、作业时长占比、投入产出比等。
从上述各种单位油耗、作业习惯、作业时长占比、投入产出比等维度对操作员进行画像,得到该操作员对应的操作员画像。
基于上述任一实施例,图3为本发明提供的操作行为分析装置的结构示意图,如图3所示,该装置包括:
分解单元310,用于基于操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;
画像单元320,用于基于操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定操作员对应的操作员画像;
分析单元330,用于基于操作员画像,对操作员的操作行为进行分析。
具体地,分解单元310用于对作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据进行分解,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗。画像单元320用于确定操作员对应的操作员画像。分析单元330用于基于操作员画像,对操作员的操作行为进行分析。
本发明实施例提供的操作行为分析装置,根据操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,得到操作员对应的操作员画像,进而对操作员的操作行为进行分析,对作业机械的燃油消耗数据进行了分解,将操作员的操作行为与作业机械在各个状态的燃油消耗进行了结合分析,能够更加全面和精准地体现操作员的操作行为特征,为优化操作员的操作流程和操作习惯提供了依据。
基于上述任一实施例,操作员对应的操作员画像还包括操作员的操作行为对应的作业习惯、作业时长占比和投入产出比。
基于上述任一实施例,分析单元330具体用于:
将操作员对应的操作员画像输入至操作行为分析模型,得到操作行为分析模型输出的操作员的操作行为评估结果;
其中,操作行为分析模型是基于样本操作员对应的操作员画像,以及样本操作员的操作行为评估结果训练得到的。
基于上述任一实施例,操作行为分析模型与作业机械的类型一一对应。
基于上述任一实施例,操作行为分析模型的初始模型包括卷积神经网络模型、循环神经网络模型、线性函数模型中的至少一种。
基于上述任一实施例,作业机械为起重机,作业状态包括回转状态、变幅状态、主卷状态、副卷状态和伸缩状态中的至少一种。
基于上述任一实施例,作业状态是基于起重机的手柄操作数据确定的。
基于上述任一实施例,图4为本发明提供的电子设备的结构示意图,如图4所示,该电子设备可以包括:处理器(Processor)410、通信接口(Communications Interface)420、存储器(Memory)430和通信总线(Communications Bus)440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑命令,以执行如下方法:
基于操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;基于操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定操作员对应的操作员画像;基于操作员画像,对操作员的操作行为进行分析。
此外,上述的存储器430中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干命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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令,实现上述方法,其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:
基于操作员操作作业机械时的作业量和行驶距离,以及作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;基于操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定操作员对应的操作员画像;基于操作员画像,对操作员的操作行为进行分析。
本发明实施例提供的非暂态计算机可读存储介质上存储的计算机程序被执行时,实现上述方法,其具体的实施方式与前述方法实施方式一致,且可以达到相同的有益效果,此处不再赘述。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
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,当然也可以通过硬件。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计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干命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。
最后应说明的是: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 (10)
1.一种操作行为分析方法,其特征在于,包括:
基于操作员操作作业机械时的作业量和行驶距离,以及所述作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;
基于所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定所述操作员对应的操作员画像;
基于所述操作员画像,对所述操作员的操作行为进行分析。
2.根据权利要求1所述的操作行为分析方法,其特征在于,所述操作员对应的操作员画像还包括所述操作员的操作行为对应的作业习惯、作业时长占比和投入产出比。
3.根据权利要求2所述的操作行为分析方法,其特征在于,所述基于所述操作员画像,对所述操作员的操作行为进行分析,包括:
将所述操作员对应的操作员画像输入至操作行为分析模型,得到所述操作行为分析模型输出的所述操作员的操作行为评估结果;
其中,所述操作行为分析模型是基于样本操作员对应的操作员画像,以及所述样本操作员的操作行为评估结果训练得到的。
4.根据权利要求3所述的操作行为分析方法,其特征在于,所述操作行为分析模型与所述作业机械的类型一一对应。
5.根据权利要求3所述的操作行为分析方法,其特征在于,所述操作行为分析模型的初始模型包括卷积神经网络模型、循环神经网络模型和线性函数模型中的至少一种。
6.根据权利要求1至5任一项所述的操作行为分析方法,其特征在于,所述作业机械为起重机,所述作业状态包括回转状态、变幅状态、主卷状态、副卷状态和伸缩状态中的至少一种。
7.根据权利要求6所述的操作行为分析方法,其特征在于,所述作业状态是基于所述起重机的手柄操作数据确定的。
8.一种操作行为分析装置,其特征在于,包括:
分解单元,用于基于操作员操作作业机械时的作业量和行驶距离,以及所述作业机械分别在作业状态、行驶状态和预备状态的燃油消耗数据,确定所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗;
画像单元,用于基于所述操作员的操作行为对应的单位作业量作业油耗、单位作业量预备油耗和单位距离行驶油耗,确定所述操作员对应的操作员画像;
分析单元,用于基于所述操作员画像,对所述操作员的操作行为进行分析。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述操作行为分析方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述操作行为分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110182799.0A CN112801402A (zh) | 2021-02-07 | 2021-02-07 | 操作行为分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110182799.0A CN112801402A (zh) | 2021-02-07 | 2021-02-07 | 操作行为分析方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112801402A true CN112801402A (zh) | 2021-05-14 |
Family
ID=75815055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110182799.0A Pending CN112801402A (zh) | 2021-02-07 | 2021-02-07 | 操作行为分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801402A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113774985A (zh) * | 2021-10-28 | 2021-12-10 | 三一重机有限公司 | 作业机械的控制方法、装置、介质及作业机械 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010144701A (ja) * | 2008-12-22 | 2010-07-01 | Fujitsu Ten Ltd | 省燃費運転評価装置及び省燃費運転評価方法 |
CN104516878A (zh) * | 2013-09-26 | 2015-04-15 | 徐州重型机械有限公司 | 一种起重机驾驶操控分析方法及系统 |
CN106240572A (zh) * | 2016-08-03 | 2016-12-21 | 深圳市永兴元科技有限公司 | 驾驶行为分析方法及装置 |
CN109900336A (zh) * | 2019-03-07 | 2019-06-18 | 中联重科股份有限公司 | 混凝土泵车油耗分析方法、终端、云平台及系统 |
CN110481558A (zh) * | 2019-08-19 | 2019-11-22 | 北京汽车股份有限公司 | 车辆及其驾驶行为的分析方法 |
CN111127055A (zh) * | 2018-10-31 | 2020-05-08 | 广州汽车集团股份有限公司 | 一种基于车身收集总线信号的用户画像构建方法及系统 |
CN111186400A (zh) * | 2018-11-15 | 2020-05-22 | 北京泓达九通科技发展有限公司 | 一种驾驶行为分析服务端及节油驾驶系统 |
CN111209797A (zh) * | 2019-12-19 | 2020-05-29 | 广州航天海特系统工程有限公司 | 一种驾驶行为监控的方法、装置、设备和存储介质 |
-
2021
- 2021-02-07 CN CN202110182799.0A patent/CN112801402A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010144701A (ja) * | 2008-12-22 | 2010-07-01 | Fujitsu Ten Ltd | 省燃費運転評価装置及び省燃費運転評価方法 |
CN104516878A (zh) * | 2013-09-26 | 2015-04-15 | 徐州重型机械有限公司 | 一种起重机驾驶操控分析方法及系统 |
CN106240572A (zh) * | 2016-08-03 | 2016-12-21 | 深圳市永兴元科技有限公司 | 驾驶行为分析方法及装置 |
CN111127055A (zh) * | 2018-10-31 | 2020-05-08 | 广州汽车集团股份有限公司 | 一种基于车身收集总线信号的用户画像构建方法及系统 |
CN111186400A (zh) * | 2018-11-15 | 2020-05-22 | 北京泓达九通科技发展有限公司 | 一种驾驶行为分析服务端及节油驾驶系统 |
CN109900336A (zh) * | 2019-03-07 | 2019-06-18 | 中联重科股份有限公司 | 混凝土泵车油耗分析方法、终端、云平台及系统 |
CN110481558A (zh) * | 2019-08-19 | 2019-11-22 | 北京汽车股份有限公司 | 车辆及其驾驶行为的分析方法 |
CN111209797A (zh) * | 2019-12-19 | 2020-05-29 | 广州航天海特系统工程有限公司 | 一种驾驶行为监控的方法、装置、设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113774985A (zh) * | 2021-10-28 | 2021-12-10 | 三一重机有限公司 | 作业机械的控制方法、装置、介质及作业机械 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112836404B (zh) | 智能挖掘机的结构性能数字孪生体构建方法 | |
EP2298687B1 (de) | System zum Erfassen der Lastmasse einer an einem Hubseil eines Kranes hängenden Last | |
US9691025B2 (en) | Machine operation classifier | |
CN103496625B (zh) | 基于振动分析的多绳摩擦提升机载荷识别方法 | |
CN112801402A (zh) | 操作行为分析方法、装置、电子设备及存储介质 | |
KR102282518B1 (ko) | 건설 장비 운영에 관한 정보제공 방법 및 이를 위한 단말 | |
DE112008002721T5 (de) | Systeme und Verfahren zum Entwerfen einer Transportstrecke | |
CN117105098B (zh) | 基于多传感器融合的门机抓斗控制系统和方法 | |
Manyele | Investigation of excavator performance factors in an open-pit mine using loading cycle time | |
CN115186484A (zh) | 数字孪生作业信息分析方法、装置、系统及作业机械 | |
CN114772466A (zh) | 起重机稳定性分析方法、起重机防倾覆控制方法及装置 | |
CN114329832A (zh) | 智能变频重型绕桩吊机数字孪生体构建方法及装置 | |
CN113374488B (zh) | 土压平衡盾构机导向控制方法、装置及可读存储介质 | |
CN112801199B (zh) | 挖掘机动臂寿命预测方法、装置、电子设备及存储介质 | |
US20230192456A1 (en) | Working equipment system, and a method of the working equipment system | |
KR20160124959A (ko) | 작업기계의 관리 시스템 및 관리 방법 | |
CN113003419A (zh) | 作业机械结构动态模拟显示方法及系统 | |
CN116484511A (zh) | 一种平行车系统数字化孪生模型、构建方法及存储介质 | |
CN114626165A (zh) | 臂架起重机数字孪生体的构建方法 | |
EP3263511A1 (de) | Verfahren zur steuerung eines flurförderzeugs | |
CN117035338B (zh) | 一种港口生产作业实时监控方法和系统 | |
JP2013156863A (ja) | 産業車両管理装置及び産業車両管理システム | |
CN113136907B (zh) | 作业机械的数据识别方法、装置、系统及电子设备 | |
EP4174014A1 (en) | A loader crane system | |
CN113774985B (zh) | 作业机械的控制方法、装置、介质及作业机械 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221229 Address after: 314506 room 116, building 4, No. 288, development avenue, Tongxiang Economic Development Zone, Tongxiang City, Jiaxing City, Zhejiang Province Applicant after: Shengjing Intelligent Technology (Jiaxing) Co.,Ltd. Address before: 102206 5th floor, building 6, 8 Beiqing Road, Changping District, Beijing Applicant before: SANY HEAVY INDUSTRY Co.,Ltd. |