一种基于多源数据融合的露天矿车铲实时调度方法及系统与流程

本发明涉及露天矿山生产，具体涉及一种基于多源数据融合的露天矿车铲实时调度方法及系统。

背景技术：

1、在露天矿开采作业中，车铲调度是影响生产效率与运营成本的核心环节；当前，行业内普遍采用的调度方式主要包括依赖人工经验的人工调度模式以及基于车辆定位的初级辅助调度系统；人工调度模式主要依靠调度员通过对讲机与司机沟通，凭借个人经验进行任务指派；而初级辅助调度系统则在车辆上安装gps定位终端，为调度员提供车辆位置的可视化信息，辅助其依据最短路径或固定配车等简单规则进行决策。

2、然而，实际应用中存在多方面的固有局限性；首先，其决策过程片面依赖单一或少数位置或简单规则的维度信息，未能将挖机实时铲装能力、装载物料优先级、动态运输时间成本、挖机当前吊斗情况等多维动态因素纳入系统性优化考量，导致设备利用率不均衡，难以实现全局生产效率最大化；其次，对于装载、卸载等关键生产环节，仍严重依赖人工观察与报告，无法实现对装运卸全链条核心生产数据的自动、精准、无干扰采集，数据客观性与时效性不足；再者，来自定位终端、视频监控、传感器及生产计划系统的多源数据彼此孤立，形成信息壁垒，使得决策缺乏全面、融合的数据支撑；因此本发明研究设计出一种基于多源数据融合的露天矿车铲实时调度方法及系统。

技术实现思路

1、因此，本发明要解决的技术问题在于克服现有技术中的决策依据片面、数据采集不准的缺陷，从而提供一种基于多源数据融合的露天矿车铲实时调度方法及系统。

2、为了解决上述问题，本发明提供一种基于多源数据融合的露天矿车铲实时调度方法，其包括以下步骤：

3、s1：对获取到的露天矿生产系统的多源异构数据进行融合处理，得到融合数据基座；

4、s2：对所述融合数据基座进行事件提取与状态关联处理，构建统一的生产态势数据模型；

5、s3：基于所述生产态势数据模型，利用多维动态决策模型为进入空闲状态的卡车生成最优生产任务单；

6、s4：自动获取并记录所述生产任务单在执行过程中对应的装载、运输及卸载各环节的实际作业数据；

7、s5：利用图神经网络方法对所述融合数据基座和所述全链条执行数据进行处理，建立生产效能评估模型；

8、s6：基于所述生产效能评估模型，对所述最优生产任务单及其执行过程进行评估，并将评估结果反馈至所述多维动态决策模型中以优化决策参数；

9、其中，所述多维动态决策模型至少基于挖机需求度、动态运输成本及能力匹配度进行综合决策；所述挖机需求度根据候选挖机的吊斗状态、候装卡车排队情况以及装载物料的优先级确定；所述吊斗状态用于表征挖机铲斗是否处于举升或悬停等待卡车进入装载位置的状态，所述候装卡车排队情况至少包括候选挖机作业区域内等待装载的卡车数量；所述动态运输成本基于实时路网状态计算得到；所述能力匹配度基于候选挖机的历史装车数据与实时视觉数据预测装车完成时间确定。

10、优选地，所述s1中，在对获取到的多源异构数据进行融合处理前，多源异构数据的获取通过：

11、安装于卡车和挖机上的北斗/gps定位终端获取实时位置、速度与时间戳数据；

12、安装于挖机作业区域的高清摄像头获取卡车身份识别信息、铲斗运动轨迹及车厢装载状态；

13、安装于卸载点的超声波传感器检测卡车车厢的举升与复位状态；

14、与矿山生产计划系统对接的数据接口获取挖机理论铲装能力、物料类型及优先级。

15、优选地，所述对获取到的多源异构数据进行融合处理，得到融合数据基座，所述融合处理为：

16、基于统一时间戳对所述时空定位数据、视觉数据、传感数据及业务数据进行时空对齐；

17、利用复杂事件处理引擎对对齐后的多源数据进行关联与融合，得到所述融合数据基座。

18、优选地，所述基于所述生产态势数据模型，利用多维动态决策模型为进入空闲状态的卡车生成最优生产任务单，包括：

19、根据所述生产态势数据模型中的挖机状态数据与物料优先级确定挖机需求度；

20、根据实时路网状态与车辆位置计算卡车到达各候选挖机的动态行驶时间，以确定动态运输成本；

21、根据挖机历史装车数据与实时视觉数据预测装车完成时间，以确定能力匹配度；

22、对所述挖机需求度、动态运输成本及能力匹配度进行加权综合评分，选取评分最高的候选挖机生成所述最优生产任务单。

23、优选地，所述自动获取并记录所述生产任务单在执行过程中对应的装载、运输及卸载各环节的实际作业数据，包括：

24、在装载环节中通过目标检测模型识别铲斗与车厢的空间位置关系，并通过时序分类模型识别卸料动作，记录装载开始时间与装载结束时间；

25、在运输环节中根据车辆定位轨迹自动计算实际运距，并记录重载行驶时间与平均速度；

26、在卸载环节中通过超声波传感器检测车厢举升与复位状态，记录卸载开始时间与卸载结束时间。

27、优选地，所述构建生产效能评估模型，包括：

28、将所述生产态势数据模型中的设备状态、拓扑关系与所述全链条执行数据中的时间、效率指标作为输入；

29、利用机器学习方法建立用于评估单次运输任务及整体系统效能的评估模型。

30、优选地，所述根据效能评估结果优化决策参数，包括：

31、将所述全链条执行数据与对应的所述生产任务单进行绑定，生成运载记录；

32、基于历史运载记录构建误差函数，利用优化算法调整所述多维动态决策模型的权重参数。

33、优选地，在生成并执行所述最优生产任务单后，所述方法还包括：

34、实时监测各卡车与挖机的运行状态数据；

35、对异常状态数据进行故障诊断与风险评估；

36、生成故障报告与维护建议，并发送至维修终端。

37、优选地，在生成并执行所述最优生产任务单后，所述方法还包括：

38、对执行结果中的各环节耗时进行阈值分析，识别异常环节；

39、根据设备拓扑与地理位置信息定位异常设备；

40、将异常设备的位置与诊断信息推送至调度终端与维修终端。

41、本发明还提供一种基于多源数据融合的露天矿车铲实时调度方法，用于前任一项所述的基于多源数据融合的露天矿车铲实时调度系统，包括：

42、数据融合模块，用于对获取到的露天矿生产系统的多源异构数据进行融合处理，得到融合数据基座；所述多源异构数据至少包括车辆与挖机的时空定位数据、挖机作业区域的视觉数据、卸载点的车厢状态传感数据以及生产计划业务数据；

43、态势建模模块，用于对所述融合数据基座进行事件提取与状态关联处理，构建统一的生产态势数据模型；

44、智能决策模块，用于基于所述生产态势数据模型，利用多维动态决策模型为进入空闲状态的卡车生成最优生产任务单；其中，所述多维动态决策模型至少基于挖机需求度、动态运输成本及能力匹配度进行综合决策；

45、过程感知模块，用于通过视觉识别与传感检测技术，自动采集所述生产任务单执行过程中装载、运输、卸载环节的全链条执行数据；

46、效能评估模块，用于基于所述生产态势数据模型与所述全链条执行数据，构建生产效能评估模型，对所述最优生产任务单及其执行过程进行效能评估；

47、闭环优化模块，用于根据所述效能评估结果，优化所述多维动态决策模型的决策参数。

48、本发明提供的一种基于多源数据融合的露天矿车铲实时调度方法及系统具有如下有益效果：

49、1.本发明通过多源异构数据采集设备获取矿山生产的全量数据，经过时空对齐与复杂事件处理形成统一的融合数据基座；进而通过事件提取与状态关联构建生产态势数据模型，实现物理世界生产过程的数字孪生；在此基础上，多维动态决策模型综合考虑挖机需求、运输成本与能力匹配，为空闲卡车生成最优任务单；

50、2.本发明还通过任务执行过程中，通过视觉识别与传感检测自动采集全链条数据；执行完成后，利用图神经网络评估生产效能，并将结果反馈优化决策参数，形成闭环控制体系；

51、3.本发明还通过系统具备实时故障诊断与异常定位能力，保障生产安全与设备可靠运行，实现露天矿车铲调度的全流程数字化与智能化，多源数据融合确保决策依据的全面性与准确性，多维动态决策模型显著提升设备利用率与生产效率，全链条自动数据采集保证生产数据的客观性与时效性，图神经网络评估模型提供科学的效能评价手段，闭环优化机制使系统具备持续自我改进能力。