一种智能化工程机械控制系统的制作方法

本发明涉及工业控制系统，具体为一种智能化工程机械控制系统。

背景技术：

1、随着新一代信息技术与制造业的深度融合，挖掘机、起重机、装载机等工程机械正经历从单机自动化向全自主智能化的升级，工程机械通常由动力系统、液压执行系统、多关节工作装置、多模态感知系统以及电控系统构成，其作业过程涉及复杂的刚体动力学、液压流体力学以及非结构化环境交互，对控制系统的智能化水平与安全可靠性均提出了较高要求；

2、目前，工业界针对工程机械智能化控制主要存在两类技术路线，其一为传统工业控制系统方案，该类方案基于可编程逻辑控制器或专用运动控制器，采用预设的逻辑规则、闭环控制算法以及有限状态机对设备动作进行控制，其控制过程通常为：采集传感器信号，按照预设规则判断当前工况，通过查表或计算得到控制量，再将控制量下发至执行机构，该类方案逻辑严密、确定性较高，已能够满足部分功能安全认证要求，但由于其控制逻辑基于人工预先设定的规则，难以应对矿山、高原、恶劣天气等复杂非结构化环境下的高级自主决策任务，智能化水平存在局限；

3、其二为基于深度学习的人工智能自主决策方案，该类方案通常采用感知模块获取环境信息，将感知数据输入深度神经网络或强化学习策略网络，由网络直接输出路径规划或执行动作指令，再由执行机构响应该指令，该方案具备较强的复杂环境适应能力，但由于人工智能决策模型本质上是基于海量数据训练得到的概率性预测模型，其内部决策逻辑不透明，输出结果存在内生的不确定性与错误风险，并且，现有方案通常未在人工智能决策模块与执行机构之间设置独立的确定性验证环节，一旦人工智能模型在恶劣工况下产生错误的决策指令，该指令会被直接下发至液压阀、电机等执行机构，进而可能导致设备出现倾覆、碰撞、超压等突破物理极限的危险后果，同时，现有方案在发生异常后普遍缺乏结构化的原因追溯能力，无法准确判定异常究竟是由传感器数据异常、通讯时延还是决策模型本身的输出错误所导致，致使异常发生后的权责界定存在空白，制约了人工智能技术在工程机械等高危作业场景中的实际应用与规模化落地。

技术实现思路

1、本发明要解决的技术问题是：如何在工程机械向全自主智能化升级的过程中，解决以深度学习为代表的人工智能决策技术所固有的输出不确定性与工业级高危作业场景对控制系统所要求的确定性功能安全之间的矛盾，使系统在保留人工智能应对复杂环境决策能力的同时，能够在人工智能决策异常时实现快速安全兜底，并对异常原因进行可追溯的定位分析。

2、为解决上述技术问题，本发明提供一种智能化工程机械控制系统，该系统包括ai决策模块、安全护栏验证层、熔断模块、可解释归因模块以及执行机构，其中，ai决策模块用于根据工程机械的多模态传感器数据生成候选控制指令；

3、安全护栏验证层与ai决策模块相互物理隔离设置，其基于工程机械动力学与运动学确定性方程构建数字孪生模型，在候选控制指令下发执行之前对该指令进行正向仿真验算，得到反映指令执行后设备状态相对于预设安全边界余量程度的安全裕度指标，并判断该安全裕度指标是否小于预设安全阈值；

4、熔断模块在安全裕度指标小于预设安全阈值时触发熔断动作，将控制权由ai决策模块切换为规则型确定性安全控制器控制模式或人工接管模式；

5、可解释归因模块与熔断模块并行工作，在熔断动作触发时采集触发时刻之前的多模态传感器数据、通讯时延数据以及ai决策模块内部特征激活值，形成待分析特征集合，对该特征集合中各输入特征进行贡献度量化计算，定位本次异常的主因并生成结构化权责界定日志；

6、执行机构则响应经安全护栏验证层验证通过的候选控制指令，或者切换后由规则型确定性安全控制器输出的控制指令，执行相应动作。

7、在上述系统的基础上，本发明进一步提供一种传感器动态可信度重构机制，通过构建基于系统状态方程的观测器模型，对多模态传感器的期望输出进行预测，并根据各传感器的实际测量值与预测值之间的残差计算各传感器的动态可信度权重，在某一传感器权重低于预设可信度阈值时，采用观测器估计值替代该传感器的原始数据参与数据融合，从而保障恶劣工况下输出给ai决策模块与安全护栏验证层的数据基座的连续稳定性，本发明还提供一种与上述系统相对应的智能化工程机械控制方法。

8、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

9、1.本发明通过在ai决策模块与执行机构之间嵌入基于确定性动力学方程的数字孪生安全护栏验证层，能够在候选控制指令实际执行之前完成物理机理层面的安全校验，从而在保留ai决策模块应对复杂非结构化环境能力的同时，为其提供工业级的确定性安全兜底，降低因ai决策错误导致设备发生倾覆、碰撞、超压等危险后果的可能性；

10、2.本发明通过设置与熔断动作并行触发的可解释归因模块，对触发时刻的多模态传感器数据、通讯时延数据以及ai决策模块内部特征进行贡献度量化计算，能够自动定位异常主因并生成结构化权责界定日志，为异常事件的事后追溯与责任认定提供数据支撑；

11、3.本发明通过构建基于观测器模型的传感器动态可信度重构机制，能够在恶劣工况下对失效或低置信度的传感器数据进行估计替代，提升输出给ai决策模块与安全护栏验证层的数据基座的稳定性与连续性；

12、4.本发明通过将安全护栏验证层与ai决策模块相互物理隔离设置，能够使确定性安全验证功能与概率性智能决策功能在硬件与逻辑层面互不干扰，有利于系统整体满足工业功能安全相关标准的要求。

1.一种智能化工程机械控制系统，其特征在于，包括：

2.根据权利要求1所述的智能化工程机械控制系统，其特征在于，所述数字孪生模型基于牛顿-欧拉刚体动力学方程和液压系统阻力模型，对候选控制指令执行后的设备位姿、关节应力和液压系统压力进行预测，得到预测状态量；

3.根据权利要求1所述的智能化工程机械控制系统，其特征在于，所述可解释归因模块按照合作博弈论中的贡献度分配方法，对所述待分析特征集合中每一个输入特征，分别计算该输入特征在参与所述ai决策模块输出评估过程中相对于不包含该输入特征的各特征子集所带来的输出增量，并对所述输出增量按照特征子集出现次序的排列组合方式进行加权平均，得到该输入特征的贡献度数值。

4.根据权利要求1所述的智能化工程机械控制系统，其特征在于，还包括传感器动态可信度重构模块，所述传感器动态可信度重构模块用于：根据系统状态方程构建观测器模型，对多模态传感器各自的期望输出进行预测；

5.根据权利要求4所述的智能化工程机械控制系统，其特征在于，所述动态可信度权重通过对各传感器残差取负值后进行指数函数运算，再对全部传感器的指数函数运算结果进行归一化处理而得到，所述指数函数运算中包含用于表征可信度衰减灵敏程度的衰减系数，所述衰减系数的数值为预先设定的确定值。

6.根据权利要求1所述的智能化工程机械控制系统，其特征在于，所述ai决策模块、所述安全护栏验证层和所述可解释归因模块分层部署于云端平台、车载边缘计算平台和底层控制器构成的三层分布式硬件架构中；

7.根据权利要求1所述的智能化工程机械控制系统，其特征在于，所述熔断模块在触发所述熔断动作进行控制权切换的过程中，控制所述执行机构按照预设的平滑过渡策略调整动作。

8.根据权利要求1所述的智能化工程机械控制系统，其特征在于，所述结构化权责界定日志中记载的内容包括本次异常的主因、所述待分析特征集合中各输入特征按照贡献度数值排序得到的排序结果，以及所述熔断动作触发时刻工程机械的关键状态量。

9.一种智能化工程机械控制方法，其特征在于，包括：根据工程机械的多模态传感器数据，通过ai决策模块生成候选控制指令；

10.根据权利要求9所述的智能化工程机械控制方法，其特征在于，在通过ai决策模块生成候选控制指令之前，还包括：根据系统状态方程构建观测器模型，对多模态传感器各自的期望输出进行预测；