CN116561237A - 土方机械作业土方量确定方法、装置、存储介质及处理器 - Google Patents
土方机械作业土方量确定方法、装置、存储介质及处理器 Download PDFInfo
- Publication number
- CN116561237A CN116561237A CN202310175458.XA CN202310175458A CN116561237A CN 116561237 A CN116561237 A CN 116561237A CN 202310175458 A CN202310175458 A CN 202310175458A CN 116561237 A CN116561237 A CN 116561237A
- Authority
- CN
- China
- Prior art keywords
- working condition
- working
- determining
- machine
- earth
- 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
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000033001 locomotion Effects 0.000 claims abstract description 49
- 230000007246 mechanism Effects 0.000 claims abstract description 40
- 238000009412 basement excavation Methods 0.000 claims description 54
- 238000010276 construction Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 description 36
- 238000013528 artificial neural network Methods 0.000 description 23
- 239000013598 vector Substances 0.000 description 23
- 239000000446 fuel Substances 0.000 description 16
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007366 host health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operation Control Of Excavators (AREA)
Abstract
本发明涉及工程机械技术领域,公开了一种土方机械作业土方量确定方法、装置、存储介质及处理器。本发明的作业土方量确定方法包括:获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。可以统计出每个土方机械的已作业土方量,从而可以准确地确定出整体项目施工土方量,有助于确定出项目的整体进度。
Description
技术领域
本发明涉及工程机械技术领域,具体地,涉及一种土方机械作业土方量确定方法、一种土方机械作业土方量确定装置、一种机器可读存储介质和一种处理器。
背景技术
随着项目施工过程中人力、材料成本的提升以及质量、进度要求的提高,以基于现场设备、人员作业信息驱动项目决策为典型特征的智能化施工成为未来的发展方向。在施工过程中,土方机械负责完成65-70%的土方任务,其在施工过程中的工况变化、土方作业量、燃油消耗等作业信息统计是智能化施工的重要内容。
由于目前施工过程中都是通过测量整个施工场地的作业量,以确定项目的整体进度,采用的方式有三种:第一种是派人工去看;第二种是采用简易的设备去测量整个施工场地的作业量;第三种是定期通过无人机巡航,对比一段时间内电子地图的差异,确定整体项目施工土方量。然而,这些方式均难以测算出单台土方机械的作业土方量。
发明内容
本发明的目的是提供一种土方机械作业土方量确定方法、一种土方机械作业土方量确定装置、一种机器可读存储介质和一种处理器。本发明的土方机械作业土方量确定方法可以测算出单台土方机械的已作业土方量,有助于确定项目的整体进度。
为了实现上述目的,本申请第一方面提供一种土方机械作业土方量确定方法,包括:
获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;
根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;
根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。
在本申请实施例中,所述根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量,包括:
根据所述待作业范围的位置信息,将所述作业环境电子地图中的待作业范围划分为多个立方体;
分别确定各个所述立方体的立方体状态,所述立方体状态指示所述立方体与所述工作装置轨迹的相交状态;
根据各个立方体状态和各个立方体的体积,得到已作业土方量。
在本申请实施例中,还包括:
获取土方挖掘循环次数;
根据所述已作业土方量和所述土方挖掘循环次数,计算得到单次土方挖掘作业量。
在本申请实施例中,所述获取土方挖掘循环次数,包括:
获取工况阶段识别结果和工况类型识别结果;
根据所述工况阶段识别结果和所述工况类型识别结果,按照预置的工况信息统计条件进行统计,得到土方挖掘循环次数。
在本申请实施例中,还包括:
获取土方挖掘的总作业时长;
根据所述已作业土方量和所述土方挖掘的总作业时长,计算得到土方作业效率。
在本申请实施例中,所述待作业范围的位置信息包括地形高程和坡度信息;
所述获取作业环境电子地图,包括:
获取待作业范围内的地形高程和坡度信息;
根据所述待作业范围内的地形高程和坡度信息,形成作业环境电子地图。
在本申请实施例中,所述根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹,包括:
根据所述土方机械的定位信号确定所述土方机械的基点在电子地图中的位姿,根据所述执行机构运动信息与所述土方机械的运动学模型确定所述工作装置在基坐标系中的运动轨迹,所述基坐标系以所述基点为坐标原点;
根据土方机械的基点在电子地图中的位姿与所述工作装置在基坐标系中的运动轨迹,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹。
本申请第二方面提供一种土方机械作业土方量确定装置,包括:
获取模块,用于获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;
第一确定模块,用于根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;
第二确定模块,用于根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。
本申请第三方面提供一种处理器,被配置成执行上述的土方机械作业土方量确定方法。
本申请第四方面提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得所述处理器被配置成执行上述的土方机械作业土方量确定方法。
通过上述技术方案,通过获取土方机械的定位信号和执行机构运动信息;在作业环境电子地图中确定土方机械的位置,并根据所述土方机械的执行机构运动信息,得到土方机械的工作装置轨迹;土方机械的工作装置轨迹是各个土方机械的执行机构运动信息随时间变化形成的轨迹,基于所述作业环境电子地图和土方机械的工作装置轨迹,确定出已作业土方量,由于土方机械的工作装置轨迹可以是各个土方机械在作业中的工作装置轨迹,因此就可以在空间维度准确地统计出每个土方机械的已作业土方量,从而可以准确地确定出整体项目施工土方量,有助于确定出项目的整体进度。通过基于电子地图和运动轨迹确定土方量,可以更加方便地得到单台土方机械的土方作业量,且有助于进一步对单台土方机械的效率进行评价,节约了人力和物力。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1示意性示出了根据本申请实施例的一种土方机械作业土方量确定方法的流程示意图;
图2示意性示出了根据本申请实施例的多层次多维度的液压挖掘机作业信息统计流程图;
图3示意性示出了根据本申请实施例的反铲式挖掘机结构简化图;
图4示意性示出了根据本申请实施例的挖掘机工作装置D-H坐标系;
图5示意性示出了根据本申请实施例的一种土方机械作业土方量确定装置的结构框图;
图6示意性示出了根据本申请实施例的计算机设备的内部结构图。
附图标记说明
1-下车;2-上车;3-动臂;4-动臂液压缸;5-斗杆液压缸;6-斗杆;7-铲斗液压缸;8-摇臂;9-连杆;10-铲斗;410-获取模块;420-第一识别模块;430-第二识别模块;A01-处理器;A02-网络接口;A03-内存储器;A04-显示屏;A05-输入装置;A06-非易失性存储介质;B01-操作系统;B02-计算机程序。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明,若本申请实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若本申请实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
请参看图1,图1示意性示出了根据本申请实施例的一种土方机械作业土方量确定方法的流程示意图。
如图1所示,在本申请一实施例中,提供了一种土方机械作业土方量确定方法,需要说明的是,本实施例提出的土方机械作业土方量确定方法可以应用于挖掘、铲运、推运或平整土壤和砂石等土方机械。为了便于对方案进行说明,本实施例中主要以土方机械为挖掘机为例进行说明。该土方机械作业土方量确定方法包括以下步骤:
步骤210:获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;
步骤220:根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;
步骤230:根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。
通过上述技术方案,通过获取土方机械的定位信号和执行机构运动信息;在作业环境电子地图中确定土方机械的位置,并根据所述土方机械的执行机构运动信息,得到土方机械的工作装置轨迹;土方机械的工作装置轨迹是各个土方机械的执行机构运动信息随时间变化形成的轨迹,基于所述作业环境电子地图和土方机械的工作装置轨迹,确定出已作业土方量,由于土方机械的工作装置轨迹可以是各个土方机械在作业中的工作装置轨迹,因此就可以在空间维度准确地统计出每个土方机械的已作业土方量,从而可以准确地确定出整体项目施工土方量,有助于确定出项目的整体进度。
通过基于电子地图和运动轨迹确定土方量,可以更加方便地得到单台土方机械的土方作业量,且有助于进一步对单台土方机械的效率进行评价,节约了人力和物力。
在步骤210中,获取作业环境电子地图,所述作业环境电子地图包括待作业范围的位置信息;所述作业环境电子地图可以是由其他设备构建并发送至土方机械,也可以是由土方机械自己构建得到。所述位置信息可以是3D地形信息,以土方机械为挖掘机为例,获取挖掘机作业范围3D地形信息的方式包括采用人工勘测、无人机载激光雷达技术、机器视觉技术、毫米波雷达技术中的一种或多种方式组合。无人机载激光雷达通过飞行器的飞行和激光脉冲的扫描完成挖掘机作业范围内的地形点云模型;视觉传感器安装于挖掘机驾驶室顶的前部和后部,以及车身左、右两侧;毫米波雷达安装于下车体前、后、左、右部。上述所有技术最终均用于获取挖掘机作业范围内的地形高程和坡度信息,即用于获取待作业范围内的地形高程和坡度信息,并根据待作业范围内的地形高程和坡度信息形成作业环境电子地图。
在本实施例中,以土方机械为挖掘机为例,挖掘机定位信号是指上车回转中心的绝对位置,获取方式包括通过单一差分GPS高精度定位系统、惯性导航单元或多方式组合。
在本实施例中,以土方机械为挖掘机为例,获取执行机构运动信息是指通过在执行结构上安装位移、倾角或位置传感器,获取执行机构驱动空间或关节空间坐标,并利用挖掘机运动学模型,最终转化为铲斗齿尖位姿空间坐标。执行机构包括多个关节,各个关节依次铰接,并通过液压缸连接,获取各个液压缸的伸长以及相邻关节之间的夹角,结合运动学模型,获得铲斗齿尖在以定位系统的安装位置为原点的坐标系中的坐标,即为执行机构运动信息。
请参看图3和图4,图3示意性示出了根据本申请实施例的反铲式挖掘机结构简化图,图4示意性示出了根据本申请实施例的挖掘机工作装置D-H坐标系。在土方机械为挖掘机的情况下,挖掘机包括下车1、上车2、动臂3、动臂液压缸4、斗杆液压缸5、斗杆6、铲斗液压缸7、摇臂8、连杆9和铲斗10。分别在下车1、上车2、动臂3、斗杆6和铲斗10建立坐标系,表示为O0、O1、O2、O3、O4,其中,O0为基坐标系、O1为上车坐标系、O2为动臂坐标系、O3为斗杆坐标系、O4为铲斗坐标系。相邻坐标系之间的位置关系采用偏距、转角、杆长、扭角描述,定义如下:
偏距si:沿zi轴从xi轴到xj轴的距离,规定与zi轴正方向一致为正;
转角θi:沿zi轴从xi轴到xj轴的转角,规定逆时针方向为正,与关节空间相对应;
杆长hi:沿xj轴从zi轴到zj轴的距离,规定与xj轴正方向一致为正;
扭角αi:沿xj轴从zi轴到zj轴的转角,规定逆时针方向为正。
挖掘机驱动空间:由回转马达转角L0、动臂液压缸长度L1、斗杆液压缸长度L2和铲斗液压缸长度L3组成,表示为[L0,L1,L2,L3]T;
挖掘机关节空间:由下车1与上车2之间的夹角θ0、上车2与动臂3之间的夹角θ1、动臂3与斗杆6之间的夹角θ2、斗杆6与铲斗10之间的夹角θ3组成,表示为[θ0,θ1,θ2,θ3]T;
挖掘机位姿空间:铲斗10在基坐标系中的位置和位姿角(停机面到铲斗10铰点与铲斗10齿尖连线的转角)组成,表示为[x,y,z,ζ]T。
挖掘机关节空间坐标可以通过驱动空间转化为关节空间的公式得到,然后采用关节空间转化为位姿空间公式转化得到位姿空间坐标。
其中,驱动空间转化为关节空间的公式为:
关节空间转化为位姿空间公式为:
其中,∠XYZ代表直线XY和直线YZ之间的夹角,LXY为铰接点X、Y之间的距离,类似变量均为两直线之间的夹角或两铰点之间的距离,可参照图2进行识别;α为铰接点A、F连线与水平面之间的夹角;θ0为下车1与上车2之间的夹角;θ1为上车2与动臂3之间的夹角;θ2为动臂3与斗杆6之间的夹角;θ3为斗杆6与铲斗10之间的夹角;h1为动臂3AB的长度;h2为斗杆6BG的长度;h3为铲斗10GJ的长度;位姿空间坐标表示为:[x,y,z,ζ]T,其中,x,y,z是执行机构在基坐标系中的位置(比如:铲斗10在基坐标系中的位置);ζ为位姿角,即停机面到铲斗10铰点与铲斗10齿尖连线的转角。
步骤220:根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;其中,所述工作装置轨迹为所述土方机械的执行机构运动信息随时间变化形成的轨迹。在本实施例中,以土方机械为挖掘机为例,在得到执行机构运动信息后,结合挖掘机车身在电子地图中的位姿,将铲斗齿尖的坐标转化到电子地图中,从而得到执行机构在电子地图中的工作装置轨迹。具体包括以下步骤:
首先,根据所述土方机械的定位信号确定所述土方机械的基点在电子地图中的位姿,根据所述执行机构运动信息与所述土方机械的运动学模型确定所述工作装置在基坐标系中的运动轨迹,所述基坐标系以所述基点为坐标原点;
然后,根据土方机械的基点在电子地图中的位姿与所述工作装置在基坐标系中的运动轨迹,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹。
在本实施例中,由于随着时间的推移,执行机构运动信息也会发生变化,以挖掘机为例,体现为铲斗10齿尖的位置随时间变化,从而得到一个轨迹,将该轨迹作为土方机械的工作装置轨迹。工作装置轨迹上的各个点就是铲斗10齿尖在各个时间点的位姿空间坐标。
步骤230:根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。在本实施例中,已作业土方量可以通过计算所述作业环境电子地图和土方机械的工作装置轨迹的交集得到,具体可以是通过以下步骤得到:
第一步,根据所述待作业范围的位置信息,将所述作业环境电子地图中的待作业范围划分为多个立方体;在本实施例中,可以是划分为尺寸均匀的立方体,也可以是针对作业环境的不同区域划分成不同尺寸的立方体。
第二步,分别确定各个所述立方体的立方体状态,所述立方体状态指示所述立方体与所述工作装置轨迹的相交状态;即分别确定各个立方体与所述工作装置轨迹的相交状态,以得到多个立方体状态;
在本实施例中,可以根据所述工作装置轨迹和预置的立方体状态判断公式,分别判断得到各个立方体状态;在本实施例中,将所述工作装置轨迹中的位姿空间坐标代入到立方体状态判断公式中,得到各个立方体状态。其中,所述立方体状态判断公式为:
式中:Mj为某立方体状态,Mj=1表示已挖掘,Mj=0表示未挖掘;Vi为该立方体定义的空间范围;[x,y,z,ζ]是工作装置轨迹中的位姿空间坐标,j为立方体的编号。
第三步,根据各个立方体状态和各个立方体的体积,得到已作业土方量。在本实施例中,可以将各个立方体状态和各个立方体的体积代入到如下公式中:
V=V0×∑Mj;
式中:V0为各个立方体的体积,Mj为各个立方体状态,V为已作业土方量。
上述实现过程中,通过获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;然后根据所述土方机械的定位信号,在所述作业环境电子地图中确定土方机械的位置,并根据所述土方机械的执行机构运动信息,得到土方机械的工作装置轨迹;最后根据各个立方体状态和各个立方体的体积,得到已作业土方量。在空间维度统计所述土方机械的已作业土方量,通过基于电子地图和运动轨迹的交集确定土方量,可以更加方便地得到单台土方机械的土方作业量,以便于对单台土方机械的效率进行评价。
如上文所示的,在进行立方体划分时,可以针对作业环境的不同区域划分成不同尺寸的立方体,在一些示例中,可以针对平整度较高的区域划分成尺寸较大的立方体,针对平整度较低的区域划分成尺寸较小的立方体,如此,可以在保证已作业土方量统计精度的前提下,降低计算量。其中,平整度的评价参数可以是上述区域的最大高程差或者高程值方差等,而平整度的高低则可以结合预设的阈值进行划分,此处不做具体举例说明。
在得到已作业土方量之后,还可以进一步统计单次土方挖掘作业量,具体包括以下步骤:
首先,获取土方挖掘循环次数;在本实施例中,土方挖掘循环次数可以是由现场工作人员实时统计得到,也可以是基于工况识别结果统计得到。
其中,采用基于工况识别结果统计得到土方挖掘循环次数更加准确,统计的过程包括:
第一步,获取工况阶段识别结果和工况类型识别结果;
第二步,根据所述工况阶段识别结果和所述工况类型识别结果,按照预置的工况信息统计条件进行统计,得到工况信息统计结果,所述工况信息统计结果至少包括土方挖掘循环次数。
在本实施例中,工况信息统计结果包括各工况阶段和各工况类型完整循环次数统计。统计的过程可以是采用工况信息统计条件进行统计,具体实施时,可以采用IF-AND-THEN的条件形式完成上述统计,将工况阶段和工况类型识别结果与IF部分一一匹配,如果满足某一条件的IF部分,则执行T HEN部分,改变统计结果;否则,维持原统计结果不变。
在土方机械为挖掘机的情况下,上述IF-AND-THEN的条件可以包括:
条件一:IF当前时刻工况阶段结果与上一时刻工况阶段结果不同,THEN上一时刻对应的工况阶段结果循环次数增加1次;
条件二:IF上一时刻工况阶段结果为空斗返回、铲斗和斗杆内收、动臂下降斗杆外摆、破碎点调整、整车行走、怠机中的任一工况阶段,AND当前时刻工况阶段结果与上一时刻的工况阶段结果不同,THEN上一时刻工况阶段结构对应的工况类型结果循环次数增加1次。需要说明的是,上述条件可以是根据不同的工况类型分别进行设置。
通过根据工况阶段识别结果和工况类型识别结果,采用工况信息统计条件进行统计,可以快速有效地统计出工况信息,有助于项目经理制定合理的项目决策。
然后,根据所述已作业土方量和所述土方挖掘循环次数,计算得到单次土方挖掘作业量。在本实施例中,可以将已作业土方量和所述土方挖掘循环次数代入到如下公式中:
式中,V为已作业土方量,V为单次土方挖掘作业量,N1为土方挖掘循环次数;其中,土方挖掘有五个工况阶段,五个工况阶段做完一次算一个循环。
相应地,在得到已作业土方量之后,还可以进一步统计空间维度的土方作业效率,具体包括以下步骤:
首先,获取土方挖掘的总作业时长;在本实施例中,土方挖掘的总作业时长为土方机械进行挖掘作业的时间,可以是由现场工作人员实时统计得到,也可以是通过在时间维度统计土方机械的作业信息得到。
然后,根据所述已作业土方量和所述土方挖掘的总作业时长,计算得到土方作业效率;在本实施例中,可以将已作业土方量和所述土方挖掘的总作业时长代入到如下公式中:
式中,η为土方作业效率,V为已作业土方量,T21为土方挖掘的总作业时长。
上述实现过程中,通过根据已作业土方量和土方挖掘的总作业时长计算出土方作业效率,从而实现了土方机械单机的作业效率的评价,有利于项目经理制定合理的项目决策。
在一些实施例中,还可以在时间维度统计土方机械的作业信息,包括以下步骤:
第一步,获取工况阶段识别结果和工况类型识别结果;
第二步,根据所述工况阶段识别结果和所述工况类型识别结果,按照预置的工况信息统计条件进行统计,得到工况信息统计结果;
第三步,获取燃油消耗率信息;在本实施例中,所述燃油消耗率信息可以是CAN总线燃油消耗率信息,可以从土方机械的控制模块中获取得到。
第四步,根据所述工况阶段识别结果、工况类型识别结果、工况信息统计结果和燃油消耗率信息,在时间维度统计所述土方机械的作业信息,得到第一作业信息统计结果,所述第一作业信息统计结果包括土方挖掘的总作业时长。
在本实施例中,时间维度的作业信息统计包括每个工况阶段持续总时间和时间占比、每个工况阶段平均燃油消耗率和燃油消耗率占比、每个工况类型持续总时间、单次循环持续时间和时间占比、每个工况类型平均燃油消耗率和燃油消耗率占比。
在土方机械为挖掘机的情况下,上述时间维度的作业信息统计可以通过以下式子计算得到:
T1i=M1i×Δt;T2i=M2i×Δt;
其中,Δt为工况阶段识别时间间隔;M1i为工况阶段识别结果中各工况阶段出现的次数;T1i为各工况阶段持续总时间;η1i为各工况阶段时间占比;o1i为各工况阶段的瞬时燃油消耗率;O1i为各工况阶段平均燃油消耗率;η2i为各工况阶段平均燃油消耗率占比;M1i、T1i、η1i、o1i、O1i、η2i中i=1,2,...,13,分别表示挖掘准备、挖掘、提升回转、卸荷、空斗返回、铲斗和斗杆外摆、铲斗和斗杆内收、动臂提升斗杆内收、动臂下降斗杆外摆、破碎冲击、破碎点调整、整车行走和怠机工况阶段;M2i为工况类型识别结果中各工况类型出现的次数;Ni为各工况类型循环次数,为多层次的工况信息统计结果;T2i为各工况类型持续总时间;ti为各工况类型单次循环持续时间;η3i为各工况类型单次循环持续时间占比;o2i为各工况类型的瞬时燃油消耗率;O2i为各工况类型平均燃油消耗率;η4i为各工况类型平均燃油消耗率占比;M2i、Ni、T2i、ti、η3i、o2i、O2i、η4i中i=1,2,...,6,分别表示土方挖掘准备、平地、修坡、破碎、整车行走和怠机工况类型。
上述实现过程中,通过根据工况阶段、工况类型识别结果以及CAN总线燃油消耗率信息,完成多层次的挖掘机工况信息统计以及时间维度的作业信息统计,统计涵盖了工况、能耗方面的信息,揭示挖掘机作业过程中工况类型、工况阶段的细节信息,有利于项目经理制定合理的项目决策。
上述实现过程中,通过根据所述工作装置轨迹、工况信息统计结果和第一作业信息统计结果,在空间维度统计所述土方机械的作业信息,得到已作业土方量、土方作业效率和单次土方挖掘作业量,从而实现了土方机械单机的作业效率评价。从而实现从空间维度进行作业信息统计,为主机健康评价和智能化施工提供数据基础,同时可以获取土方作业量方面的信息统计和单机的作业效率,有利于项目经理制定合理的项目决策。
上述采用基于工况识别结果统计得到土方挖掘循环次数的过程中,涉及到获取工况阶段识别结果和工况类型识别结果。在本实施例中,为了得到更加准确的工况阶段识别结果和工况类型识别结果,可以通过步骤310-步骤330得到工况阶段识别结果和工况类型识别结果。
步骤310:获取土方机械的主泵压力信号;在本实施例中,所述土方机械的主泵压力信号可以通过土方机械上的压力传感器采集得到。上述主泵压力信号可以是当前时刻采集到的主泵压力数据,也可以是在一定时间范围内的主泵压力数据。比如:在土方机械为挖掘机的情况下,采用压力传感器采集挖掘机距离当前时刻0.5s以内的主泵压力信号。对于不同类型的土方机械,其主泵压力信号可以是一组或是多组,例如:对于小型挖掘机,只包含一组主泵压力信号;对于大中型挖掘机,则包含两组主泵压力信号。
步骤320:根据所述主泵压力信号,采用预置的工况阶段识别模型对所述土方机械的工况阶段进行识别,得到工况阶段识别结果。
在土方机械为挖掘机的情况下,挖掘机工况类型可以包括土方挖掘、平地、修坡、破碎、整车行走和怠机;其中,挖掘机土方挖掘工况类型包括挖掘准备、挖掘、提升回转、卸荷、空斗返回五个工况阶段;平地工况类型包括铲斗和斗杆外摆、铲斗和斗杆内收两个工况阶段;修坡工况类型包括动臂提升斗杆内收、动臂下降斗杆外摆两个工况阶段;破碎工况类型包括破碎冲击和破碎点调整两个工况阶段;整车行走和怠机既是独立的工况类型也是工况阶段,不再细分。其它土方机械的工况类型和工况阶段可以根据实际情况而定,在此就不再赘述。
其中,在步骤320之前,可以预先通过建立神经网络并对其进行训练,来实现工况阶段识别模型的构建,构件的工况阶段识别模型可以预置于土方机械中。在一些实施方式中,所述预置的工况阶段识别模型的构建过程包括以下步骤:
首先,获取第一样本数据,所述第一样本数据包括各个工况类型下的各个工况阶段的主泵压力数据,以及主泵压力数据对应的工况阶段标签;在本实施例中,所述第一样本数据中包含多组数据,每一组数据包括一个主泵压力数据以及该主泵压力数据对应的工况阶段标签。上述各个工况阶段的划分可以是根据各工况阶段对应的主泵压力波形作为工况阶段划分标志。例如:在土方机械为挖掘机的情况下,由于不同工况阶段下的主泵压力信号不同,可以以不同工况类型下各工况阶段对应的主泵压力波形作为工况阶段划分标志,对挖掘机工作循环进行分段,分段结果为对应的工况阶段。以土方挖掘工况类型为例,工作循环分段后,共有挖掘准备、挖掘、提升回转、卸荷、空斗返回五个工况阶段。需要说明的是,这里的主泵压力波形就是指主泵压力信号。
然后,分别将各个工况阶段的主泵压力数据输入至第一神经网络,得到预测的工况阶段;
然后,将所述预测的工况阶段与所述第一样本数据中主泵压力数据对应的工况阶段标签进行对比,得到工况阶段对比结果;
最后,根据所述工况阶段对比结果调节所述第一神经网络的参数,得到工况阶段识别模型。
在本实施例中,第一神经网络可以是线性神经网络、反馈神经网络、多层前馈神经网络(BP神经网络)等,其中,BP神经网络具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定,并且具有强泛化能力和容错能力。采用BP神经网络可以得到更加稳定可靠的工况阶段识别模型。在土方机械为挖掘机的情况下,可以基于BP神经网络建立挖掘机工况阶段识别模型,以各个工况类型下各工况阶段的主泵压力数据作为模型输入,得到预测的工况阶段,将预测的工况阶段与主泵压力数据对应的工况阶段标签输入至预设的损失函数,得到相应的损失值,并根据损失值调整模型参数,使预测的工况阶段与主泵压力数据对应的工况阶段标签相同,以使得模型具有足够的识别正确率,最终训练得到工况阶段识别模型。
步骤330:根据所述工况阶段识别结果,采用预置的工况类型识别模型对所述土方机械的工况类型进行识别,得到工况类型识别结果。
相应地,工况类型识别模型同样可以被预先构建,所述预置的工况类型识别模型的构建过程包括以下步骤:
首先,获取第二样本数据,所述第二样本数据包括各个工况类型下的各个工况阶段的特征数据,以及特征数据对应的工况类型标签;在本实施例中,所述第二样本数据中包含多组数据,每一组数据包括一个工况阶段的特征数据,以及特征数据对应的工况类型标签。上述各个工况类型的划分可以是根据各工况阶段对应的波形特征作为工况类型划分标志。例如:在土方机械为挖掘机的情况下,以工况类型下对应工况阶段的波形特征为工况类型的识别标志,对挖掘机工作类型进行划分,划分结果为当前时刻对应的工况类型。以土方挖掘工况类型为例,在当前时刻的工况阶段为挖掘准备、挖掘、提升回转、卸荷、空斗返回中的任一阶段时,当前时刻工况类型为土方挖掘。
然后,分别将各个工况阶段的特征数据输入至第二神经网络,得到预测的工况类型;
然后,将所述预测的工况类型与所述第二样本数据中特征数据对应的工况类型标签进行对比,得到工况类型对比结果;
最后,根据所述工况类型对比结果调节所述第二神经网络的参数,得到工况类型识别模型。
在本实施例中,第二神经网络可以是线性神经网络、反馈神经网络、多层前馈神经网络(BP神经网络)等,其中,BP神经网络具有很强的非线性映射能力和柔性的网络结构。网络的中间层数、各层的神经元个数可根据具体情况任意设定,并且具有强泛化能力和容错能力。采用BP神经网络可以得到更加稳定可靠的工况类型识别模型。在土方机械为挖掘机的情况下,可以基于BP神经网络建立挖掘机工况类型识别模型,以所有工况类型下工况阶段的波形特征作为模型输入,得到预测的工况类型,将预测的工况类型与特征数据对应的工况类型标签输入至预设的损失函数,得到相应的损失值,并根据损失值调整模型参数,使预测的工况类型与特征数据对应的工况类型标签相同,以使得模型具有足够的识别正确率,最终训练得到工况类型识别模型。
上述实现过程中,通过采用神经网络训练得到工况阶段识别模型和工况类型识别模型,有助于提高工况识别结果的可靠性。选用BP神经网络模型,可以降低工况识别的成本,更便于搭载至工程机械。
其中,在采用预置的工况阶段识别模型对所述土方机械的工况阶段进行识别时,可以将主泵压力信号输入至预置的工况阶段识别模型中,以得到工况阶段识别结果。为了使得到的工况阶段识别结果更加准确,可以采用一定时间范围内的主泵压力数据作为数据源来进行工况阶段的识别,即所述主泵压力信号包括距离当前时刻第一预设时间范围内的多个主泵压力数据;比如在上述例子中,距离当前时刻0.5s以内的主泵压力信号。
其中,在一种实施例中,可以是实时获得工况类阶段别结果,所述根据所述主泵压力信号,采用预置的工况阶段识别模型对所述土方机械的工况阶段进行识别,得到工况阶段识别结果,包括以下步骤:
步骤A1:对所述主泵压力信号进行特征提取,得到特征向量;在本实施例中,所述特征提取包括了采用均值滤波降低主泵压力信号的噪声和瞬态干扰;然后根据主机控制器算力,采用系统抽样的方式降低主泵压力信号频率;最后提取降频后的主泵压力信号时域特征值,得到特征向量。上述提取降频后的主泵压力信号时域特征值可以是求取主泵压力信号的均值、方差得到。通过采用系统抽样降低数据采样频率,保证了工况识别的低成本、低算力要求,更便于搭载至土方机械。
以土方机械为挖掘机为例,对于只有一个主泵的小型挖掘机,特征向量由特征值为1号主泵压力信号均值、方差构成,可以表示为:X=[x1,x2],其中,X为时域特征值构建的特征向量;x1为1号主泵压力信号均值;x2为1号主泵压力信号方差;对于有两个主泵的大中型挖掘机,特征向量由特征值为1号主泵压力信号均值和方差、2号主泵压力信号均值和方差、1号与2号主泵压力信号差值的均值和方差构成,可以表示为:X=[x1,x2,x3,x4,x5,x6],其中,X为时域特征值构建的特征向量;x1为1号主泵压力信号均值;x2为1号主泵压力信号方差;x3为2号主泵压力信号均值;x4为2号主泵压力信号方差;x5为1号与2号主泵压力信号差值的均值;x6为1号与2号主泵压力信号差值的方差。
步骤A2:对所述特征向量进行归一化处理,得到归一化后的特征向量;在本实施例中,上述进行归一化处理可以是将特征向量中的特征值分别代入到归一化公式中计算得到归一化后的特征值,从而得到归一化后的特征向量。其中,归一化公式可以为:
其中,xnew为归一化后的特征值;x为归一化前的特征值;xmax为特征向量中x对应种类特征值的最大值;xmin为特征向量中x对应种类特征值的最小值。实际应用中也可以采用非线性归一化等其他的归一化方式。
步骤A3:将所述归一化后的特征向量输入至预置的工况阶段识别模型中进行工况阶段识别,得到工况阶段识别结果;
在土方机械为挖掘机的情况下,将归一化后的特征向量输入至工况阶段识别模型,可以根据工况阶段识别模型输出结果中输出概率值最大的序号判断挖掘机所处的工况阶段。比如:当最大概率值的序号为1-5时,挖掘机当前时刻的工况阶段分别为土方挖掘工况类型下的挖掘准备、挖掘、提升回转、卸荷、空斗返回阶段;当最大概率值的序号为6-7时,挖掘机当前时刻的工况阶段分别为平地工况类型下的铲斗和斗杆外摆、铲斗和斗杆内收阶段;当最大概率值的序号为8-9时,挖掘机当前时刻的工况阶段分别为修坡工况类型下的动臂提升斗杆内收、动臂下降斗杆外摆阶段;当最大概率值的序号为10-11时,挖掘机当前时刻的工况阶段分别为破碎工况类型下的破碎冲击和破碎点调整阶段;当最大概率值的序号为12-13时,挖掘机当前时刻的工况阶段分别为整车行走和怠机阶段。需要说明的是,上述序号可以是在预先训练工况阶段识别模型时就设置好,并设置输出概率值最大的序号作为输出结果。
在一种实施例中,得到的工况阶段识别结果可以是存放在处理器、缓存等硬件设备中。
在一种实施例中,还可以将得到工况阶段识别结果实时从上述硬件设备中输出至输出设备,输出设备可以是存储器、显示设备、终端、通信模块等,以便用户及时获取工况阶段识别结果。比如可以将存放在处理器的工况阶段识别结果输出至显示设备。
在一种实施例中,为了进一步提高工况阶段识别的准确性,还可以循环进行工况阶段识别,直到接收到结束信号时,输出工况阶段识别结果,具体可以在执行完步骤A3之后继续执行步骤A4:判断工况阶段识别过程是否结束;在本实施例中,判断工况阶段识别过程是否结束可以是判断是否有结束信号,上述结束信号可以是设置一个开关,由工作人员根据实际情况启动开关,以获得结束信号。还可以是通过判断是否断电来判断工况阶段识别过程是否结束。
步骤A5:在工况阶段识别过程结束的情况下,输出工况阶段识别结果;
在本实时例中,可以将得到工况阶段识别结果从上述硬件设备中输出至输出设备,输出设备可以是存储器、显示设备、终端、通信模块等,以便用户及时获取工况阶段识别结果。比如可以将存放在处理器的工况阶段识别结果输出至显示设备。
步骤A6:在工况阶段识别过程未结束的情况下,将所述主泵压力信号中距离当前时刻最远的主泵压力数据剔除,并获取下一时刻的主泵压力数据,以对所述主泵压力信号进行更新,得到新的主泵压力信号,并执行A1-A4。
在本实施例中,由于主泵压力信号是包括有一定时间范围内的主泵压力数据,当工况阶段识别过程未结束的情况下,随着时间的变化,可以剔除距离当前时刻最远的主泵压力数据,然后加入下一时刻的主泵压力数据,从而构成新的主泵压力信号,然后重复步骤A1-A4,直到识别结束,从而保证了工况阶段识别结果的准确性和实时性。
相应地,为了使得到的工况类型识别结果更加准确,可以采用一定时间范围内的工况阶段识别结果作为数据源来进行工况类型的识别,
其中,在一种实施例中,所述工况类型识别结果为实时输出的工况类型识别结果。所述根据所述工况阶段识别结果,采用预置的工况类型识别模型对所述土方机械的工况类型进行识别,得到工况类型识别结果,包括:
步骤B1:获取距离当前时刻第二预设时间范围内的多个工况阶段识别结果,并将所述多个工况阶段识别结果组成工况阶段向量;比如:以土方机械为挖掘机为例,接收挖掘机工况阶段识别模型输出的距离当前时刻0.5s以内的识别结果,并将这些工况阶段识别结果组合成向量,得到工况阶段向量。
需要说明的是,本实施例中的第一预设时间和第二预设时间可以相同也可以不相同,具体根据实际需要进行设置。
步骤B2:将所述工况阶段向量输入至预置的工况类型识别模型中进行工况类型识别,得到工况类型识别结果;
在土方机械为挖掘机的情况下,将工况阶段向量输入至工况类型识别模型,根据模型输出结果中输出概率值最大的序号判断挖掘机所处的工况类型。比如:当最大概率值的序号为1时,挖掘机当前时刻的工况类型为土方挖掘;当最大概率值的序号为2时,挖掘机当前时刻的工况类型为平地工况;当最大概率值的序号为3时,挖掘机当前时刻的工况类型为修坡;当最大概率值的序号为4时,挖掘机当前时刻的工况类型为破碎;当最大概率值的序号为5-6时,挖掘机当前时刻的工况类型分别为整车行走和怠机。需要说明的是,上述序号可以是在预先训练工况阶段识别模型时就设置好,并设置输出概率值最大的序号作为输出结果。
在一种实施例中,得到的工况类型识别结果可以是存放在处理器、缓存等硬件设备中。
在一种实施例中,还可以将得到工况类型识别结果实时从上述硬件设备中输出至输出设备,输出设备可以是存储器、显示设备、终端、通信模块等,以便用户及时获取工况类型识别结果。比如可以将存放在处理器的工况类型识别结果输出至显示设备。
在一种实施例中,为了进一步提高工况类型识别的准确性,还可以循环进行工况类型识别,直到接收到结束信号时,输出工况类型识别结果,具体可以在执行完步骤B2之后继续执行步骤B3:判断工况类型识别过程是否结束;在本实施例中,判断工况类型识别过程是否结束与上述步骤A4中判断工况阶段识别过程是否结束相似,均是通过判断是否有结束信号以确定是否结束,在此就不再赘述。
步骤B4:在工况类型识别过程结束的情况下,输出工况类型识别结果;
在本实时例中,可以将得到工况类型识别结果从上述硬件设备中输出至输出设备,输出设备可以是存储器、显示设备、终端、通信模块等,以便用户及时获取工况类型识别结果。比如可以将存放在处理器的工况类型识别结果输出至显示设备。
步骤B5:在工况类型识别过程未结束的情况下,将所述多个工况阶段识别结果中距离当前时刻最远的工况阶段识别结果剔除,并获取下一时刻的工况阶段识别结果,以对所述工况阶段向量进行更新,得到新的工况阶段向量,并执行B2。
在本实施例中,由于工况阶段向量是由多个时间点的工况阶段识别结果组成,当工况类型识别过程未结束的情况下,随着时间的变化,可以剔除距离当前时刻最远的工况阶段识别结果,然后加入下一时刻的工况阶段识别结果,从而构成新的工况阶段向量,然后重复步骤B2-B3,直到识别结束,从而保证了工况类型识别结果的准确性和实时性。
上述实现过程中,通过获取土方机械的主泵压力信号;然后根据所述主泵压力信号,采用预置的工况阶段识别模型对所述土方机械的工况阶段进行识别,得到工况阶段识别结果;根据所述工况阶段识别结果,采用预置的工况类型识别模型对所述土方机械的工况类型进行识别,得到工况类型识别结果。基于主泵压力信号,利用工况阶段识别模型和工况类型识别模型依次进行识别,从而得到工况阶段识别结果和工况类型识别结果。将执行机构基本动作产生的主泵压力作为数据源,按照工况阶段-工况类型多步骤的方式完成土方机械的工况识别,从而实现了多层次工况识别方法,相较于单步的工况识别方法,降低工况识别模型的复杂度和算力要求,有利于实车搭载,并且提高了识别结果的准确性和稳定性。同时,工况阶段识别模型和工况类型识别模型可以覆盖更多的工况阶段和工况类型,拓宽了识别模型的覆盖面,从而可以使用于多种场景,提高了工况识别方法的环境适应性。
通过将挖掘机作业过程分为土方挖掘、平地、修坡、破碎、整车行走和怠机6种工况类型,并进一步定义了各工况类型涵盖的工况阶段,以各工况阶段下执行机构基本动作与主泵压力波形的映射关系,由下至上依次实现工况阶段、工况类型的识别,这种多层次的识别方式能有效提高模型可靠性;并且,采用主泵压力信号作为原始信号源、BP神经网络建立识别模型,成本低、算力要求低,更加适用于工程机械主机配置。
通过采用工况阶段识别模型和工况类型识别模型分别识别得到工况阶段识别结果和工况类型识别结果,且工况阶段识别模型的输出作为工况类型识别模型的输入,实现了多层次工况识别方法,降低了计算量,有利于快速得到工况识别结果。
请参看图2,图2示意性示出了根据本申请实施例的多层次多维度的液压挖掘机作业信息统计流程图。其中,已作业土方量、土方作业效率、单次土方挖掘作业量可以作为第二作业信息统计结果,在得到第一作业信息统计结果和第二作业信息统计结果后,就可以实现多层次多维度作业信息统计,作业信息统计涵盖了工况、能耗和土方作业量三个方面,从而提供更加全面的主机作业过程信息,能够支撑项目经理制定合理的项目决策。然后还可以将第一作业信息统计结果和第二作业信息统计结果通过外联控制器上传至物联网平台,实现主机作业信息的远程监控。
图1为实施例中土方机械作业土方量确定方法的流程示意图。应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,图5示意性示出了根据本申请实施例的一种土方机械作业土方量确定装置的结构框图。提供了一种土方机械作业土方量确定装置,包括获取模块410、第一确定模块420和第二确定模块430,其中:
获取模块410,用于获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;
第一确定模块420,用于根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;
第二确定模块430,用于根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。
所述土方机械作业土方量确定装置包括处理器和存储器,上述获取模块410、第一确定模块420和第二确定模块430等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来测算出每个土方机械的已作业土方量。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述一种土方机械作业土方量确定方法。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、显示屏A04、输入装置A05和存储器(图中未示出)。其中,该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A06。该非易失性存储介质A06存储有操作系统B01和计算机程序B02。该内存储器A03为非易失性存储介质A06中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序被处理器A01执行时以实现一种土方机械作业土方量确定方法。该计算机设备的显示屏A04可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置A05可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的土方机械作业土方量确定装置可以实现为一种计算机程序的形式,计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成该土方机械作业土方量确定装置的各个程序模块,比如,图5所示的获取模块410、第一确定模块420和第二确定模块430。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的土方机械作业土方量确定方法中的步骤。
图6所示的计算机设备可以通过如图5所示的土方机械作业土方量确定装置中的获取模块410执行步骤210。计算机设备可通过第一确定模块420执行步骤220,通过第二确定模块430执行步骤230。
本申请实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;
根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;
根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。
在一个实施例中,所述根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量,包括:
根据所述待作业范围的位置信息,将所述作业环境电子地图中的待作业范围划分为多个立方体;
分别确定各个所述立方体的立方体状态,所述立方体状态指示所述立方体与所述工作装置轨迹的相交状态;
根据各个立方体状态和各个立方体的体积,得到已作业土方量。
在一个实施例中,还包括:
获取土方挖掘循环次数;
根据所述已作业土方量和所述土方挖掘循环次数,计算得到单次土方挖掘作业量。
在一个实施例中,所述获取土方挖掘循环次数,包括:
获取工况阶段识别结果和工况类型识别结果;
根据所述工况阶段识别结果和所述工况类型识别结果,按照预置的工况信息统计条件进行统计,得到土方挖掘循环次数。
在一个实施例中,还包括:
获取土方挖掘的总作业时长;
根据所述已作业土方量和所述土方挖掘的总作业时长,计算得到土方作业效率。
在一个实施例中,所述待作业范围的位置信息包括地形高程和坡度信息;
所述获取作业环境电子地图,包括:
获取待作业范围内的地形高程和坡度信息;
根据所述待作业范围内的地形高程和坡度信息,形成作业环境电子地图。
在一个实施例中,所述根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹,包括:
根据所述土方机械的定位信号确定所述土方机械的基点在电子地图中的位姿,根据所述执行机构运动信息与所述土方机械的运动学模型确定所述工作装置在基坐标系中的运动轨迹,所述基坐标系以所述基点为坐标原点;
根据土方机械的基点在电子地图中的位姿与所述工作装置在基坐标系中的运动轨迹,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种土方机械作业土方量确定方法,其特征在于,包括:
获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;
根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;
根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。
2.根据权利要求1所述的土方机械作业土方量确定方法,其特征在于,所述根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量,包括:
根据所述待作业范围的位置信息,将所述作业环境电子地图中的待作业范围划分为多个立方体;
分别确定各个所述立方体的立方体状态,所述立方体状态指示所述立方体与所述工作装置轨迹的相交状态;
根据各个立方体状态和各个立方体的体积,得到已作业土方量。
3.根据权利要求1所述的土方机械作业土方量确定方法,其特征在于,还包括:
获取土方挖掘循环次数;
根据所述已作业土方量和所述土方挖掘循环次数,计算得到单次土方挖掘作业量。
4.根据权利要求3所述的土方机械作业土方量确定方法,其特征在于,所述获取土方挖掘循环次数,包括:
获取工况阶段识别结果和工况类型识别结果;
根据所述工况阶段识别结果和所述工况类型识别结果,按照预置的工况信息统计条件进行统计,得到土方挖掘循环次数。
5.根据权利要求1所述的土方机械作业土方量确定方法,其特征在于,还包括:
获取土方挖掘的总作业时长;
根据所述已作业土方量和所述土方挖掘的总作业时长,计算得到土方作业效率。
6.根据权利要求1所述的土方机械作业土方量确定方法,其特征在于,所述待作业范围的位置信息包括地形高程和坡度信息;
所述获取作业环境电子地图,包括:
获取待作业范围内的地形高程和坡度信息;
根据所述待作业范围内的地形高程和坡度信息,形成作业环境电子地图。
7.根据权利要求1所述的土方机械作业土方量确定方法,其特征在于,所述根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹,包括:
根据所述土方机械的定位信号确定所述土方机械的基点在电子地图中的位姿,根据所述执行机构运动信息与所述土方机械的运动学模型确定所述工作装置在基坐标系中的运动轨迹,所述基坐标系以所述基点为坐标原点;
根据土方机械的基点在电子地图中的位姿与所述工作装置在基坐标系中的运动轨迹,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹。
8.一种土方机械作业土方量确定装置,其特征在于,包括:
获取模块,用于获取作业环境电子地图、所述土方机械的定位信号和执行机构运动信息,所述作业环境电子地图包括待作业范围的位置信息;
第一确定模块,用于根据所述土方机械的定位信号和执行机构运动信息,确定所述土方机械的工作装置在所述电子地图中的工作装置轨迹;
第二确定模块,用于根据所述工作装置轨迹与所述待作业范围的位置信息,确定已作业土方量。
9.一种处理器,其特征在于,被配置成执行根据权利要求1至7中任一项所述的土方机械作业土方量确定方法。
10.一种机器可读存储介质,该机器可读存储介质上存储有指令,其特征在于,该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的土方机械作业土方量确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310175458.XA CN116561237A (zh) | 2023-02-27 | 2023-02-27 | 土方机械作业土方量确定方法、装置、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310175458.XA CN116561237A (zh) | 2023-02-27 | 2023-02-27 | 土方机械作业土方量确定方法、装置、存储介质及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116561237A true CN116561237A (zh) | 2023-08-08 |
Family
ID=87485052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310175458.XA Pending CN116561237A (zh) | 2023-02-27 | 2023-02-27 | 土方机械作业土方量确定方法、装置、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116561237A (zh) |
-
2023
- 2023-02-27 CN CN202310175458.XA patent/CN116561237A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110303472B (zh) | 将移动式机械转换成高精度机器人 | |
KR102126772B1 (ko) | 작업 기계 | |
CN112962709B (zh) | 工程机械设备及其作业轨迹规划方法和系统、存储介质 | |
US11530920B2 (en) | Controlling movement of a machine using sensor fusion | |
US10689830B2 (en) | Container angle sensing using vision sensor for feedback loop control | |
AU2018226519A1 (en) | Unmanned aerial vehicle (UAV)-assisted worksite data acquisition | |
US9828781B2 (en) | Fine implement control system using relative positioning | |
US9133600B2 (en) | Method for selecting an attack pose for a working machine having a bucket | |
AU2017276225B2 (en) | Systems and methods for preparing a worksite for additive construction | |
JPH11247231A (ja) | 土工機械の自律制御のためのソフトウェア・アーキテクチュア | |
US11530527B2 (en) | Excavation by way of an unmanned vehicle | |
US11828904B2 (en) | Mobile work machine control system with weather-based model | |
JP7169328B2 (ja) | 自律走行車両ためのニューラル・タスク計画部 | |
US11686071B2 (en) | Online machine learning for calibration of autonomous earth moving vehicles | |
CN116383641A (zh) | 土方机械工况识别方法、装置、存储介质及处理器 | |
CN104528540A (zh) | 臂架式起重机车载控制器内吊装方案实时生成方法及系统 | |
US20240068202A1 (en) | Autonomous Control Of Operations Of Powered Earth-Moving Vehicles Using Data From On-Vehicle Perception Systems | |
US10377125B2 (en) | Control systems and methods to optimize machine placement for additive construction operations | |
CN116561237A (zh) | 土方机械作业土方量确定方法、装置、存储介质及处理器 | |
US11952746B1 (en) | Autonomous control of on-site movement of powered earth-moving construction or mining vehicles | |
KR20210060866A (ko) | 건설기계의 제어 방법 및 시스템 | |
CN113404101B (zh) | 一种推土机场景模型构建和更新方法和推土机 | |
WO2022116935A1 (zh) | 路径范围确定方法及装置、路径规划方法及装置 | |
CN118129736A (zh) | 一种挖掘机的位姿标定方法、装置和工程机械 | |
WO2024053315A1 (ja) | 施工履歴演算システム及び地形データ生成システム |
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 |