地下矿运输作业状态识别方法、系统、存储介质及设备

1.本发明涉及采矿装备作业状态识别技术领域，具体是指一种地下矿运输作业状态识别方法、系统、存储介质及设备。


背景技术：

2.随着社会的不断发展，矿产资源的需求量也随之不断增加，矿产资源开采中占据主导地位的地下开采规模将继续扩大，进而导致地下矿山运输作业量大大增加。现代地下矿山中，无轨运输卡车以其灵活、经济、效率高等特点得到了矿山的广泛的应用，且随着国家对地下矿山运输无轨化的推进，运输卡车将进一步得到推广。为了提高地下矿无轨运输装备的利用率和运输效率，构建无轨运输装备智能调度系统成为关键，而对无轨运输装备作业状态的精准识别，是对其进行实时智能调度的前提。
3.地下矿卡车运输是一个在地下装矿点到地表矿仓的循环作业过程，在这个过程中，运输卡车存在多个作业状态。目前对于矿山作业装备作业状态识别主要集中在露天矿山，如利用gps定位技术、图像识别技术等对运输卡车以及装载机的作业状态进行识别。但相比于露天矿山，地下矿山环境更复杂，其信息传输困难，gps信号难以穿透地层对车辆进行定位，且在昏暗条件下的图像采集质量也会大大降低。诸多适用于地面运输装备作业状态识别的技术难以运用于地下矿山，因此有必要研究一种适用于地下矿运输装备作业状态识别的方法。


技术实现要素：

4.本发明提出的一种地下矿运输作业状态识别方法、系统、存储介质及设备，所述方法在构建运输卡车作业状态智能识别模型的基础上，设计了基于作业状态的作业工时采集系统，根据模型的识别结果，实现了运输卡车不同作业状态作业工时的自动采集。
5.第一方面，本发明实施例提供了一种地下矿运输作业状态识别方法，其中，所述方法包括以下步骤：
6.对运输卡车循环作业过程进行作业状态分类，基于作业状态分类进行识别状态判定，确定不同识别状态的特征参数；
7.根据识别状态的特征参数布置相应的数据采集传感器；
8.根据数据采集传感器采集的特征参数构建运输卡车作业状态识别模型；
9.将采集的特征参数组代入训练好的运输卡车作业状态识别模型中，根据作业状态识别模型识别的结果进行作业状态判断，并记录作业时间，直至运输卡车作业任务结束。
10.优选地，基于作业状态分类进行识别状态判定，通过以下步骤实施：
11.将作业状态分为6种不同的作业状态，分别为空车状态、重车状态、地表状态、地下状态、平路状态和斜坡道状态；根据其6种不同的作业状态，可将识别过程分为空车/重车状态识别、地表/地下状态识别、平路/斜坡道状态识别。
12.优选地，对于空车/重车状态的识别，选取运输卡车的卡车压力、卡车胎压作为特
征参数；对于地表/地下状态的识别，分别选取亮度、行车视距作为特征参数；对于平路/斜坡道状态的识别，选取运输卡车前后部承受的压力之差以及卡车车体倾角作为特征参数。
13.优选地，所述根据识别状态的特征参数布置相应的数据采集传感器包括：在运输卡车车头、车斗前端以及车斗后端底部受力位置安装压力传感器；在运输卡车车头部分安装红外传感测距仪，在运输卡车车头底部以及运输卡车车斗后端底部安装压力传感器，获取压力传感器数据。
14.优选地，所述根据数据采集传感器采集的特征参数构建地下矿运输装备作业状态识别模型包括以下步骤：
15.将运输卡车的作业状态分别用二进制数0和1表示，形成多个二进制数组成的数组；
16.根据运输卡车作业状态，采集每种作业状态下的各种特征参数值，得到每种作业状态下对应的特征参数组，即每一个二进制数组对应一组特征向量。
17.优选地，所述构建运输卡车作业状态识别模型包括：将采集的特征参数作为训练数据，以特征参数组作为输入、与作业状态对应的二进制数组作为输出，对概率神经网络进行训练，得到训练后的运输卡车作业状态智能识别模型。
18.优选地，所述根据作业状态识别模型识别的结果进行作业工时判断包括，对作业工时进行自动采集，在作业状态第一次发生改变时开始计时，当作业状态再次发生改变时，停止计时并记录运行时间。
19.第二方面，本发明实施例提供了一种地下矿运输作业状态识别方法系统，包括数据采集单元、识别单元、计时单元和数据储存单元；其中，
20.数据采集单元，用于集成各传感器采集到的数据，并将同时采集的一组特征参数划为一个特征参数组；
21.识别单元，用于将数据采集单元的特征参数数据输入至训练完的运输卡车作业状态智能识别模型中，对运输卡车的当前状态进行识别；
22.计时单元，用于接收运输卡车作业状态智能识别模型的识别结果，并根据识别结果的变化实现计时的开始与停止，进而实现不同工作状态作业工时的自动采集；
23.数据储存单元，用于储存运输卡车作业状态智能识别模型的识别结果以及计时单元采集的各作业状态的作业工时数据。
24.第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一所述的一种地下矿运输作业状态识别方法的步骤。
25.第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的一种地下矿运输作业状态识别方法的步骤。
26.本发明的技术效果和优点是：
27.本发明提供的一种地下矿运输作业状态识别方法、系统、存储介质及设备，本发明通过分析运输卡车6种不同的作业状态之间的区别，确定用于识别6种作业状态的特征参数，并在运输卡车不同位置安装对应的特征数据采集传感器，实现特征参数的自动采集。根据采集的特征参数数据训练运输卡车作业状态智能识别模型。同时，本发明在构建运输卡
车作业状态智能识别模型的基础上，设计了基于作业状态的作业工时采集系统，根据模型的识别结果，实现了运输卡车不同作业状态作业工时的自动采集。
附图说明
28.图1为本发明实施例提供的一种地下作业状态智能识别方法的流程图；
29.图2为本发明实施例提供的一种地下作业状态智能识别方法特征参数数据传感器布置示意图；
30.图3为本发明实施例提供的一种地下作业状态智能识别系统的结构示意图。
具体实施方式
31.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
32.本发明实施例提供的一种地下矿运输作业状态识别方法，具体如图1所示，所述方法具体包括以下步骤：
33.对运输卡车循环作业过程进行作业状态分类，基于作业状态分类进行识别状态判定，确定不同识别状态的特征参数；
34.根据识别状态的特征参数布置相应的数据采集传感器；
35.根据数据采集传感器采集的特征参数构建运输卡车作业状态识别模型；
36.将采集的特征参数组代入训练好的运输卡车作业状态识别模型中，根据作业状态识别模型识别的结果进行作业状态判断，并记录作业时间，直至运输卡车作业任务结束。
37.可以理解的是，本发明在构建运输卡车作业状态智能识别模型的基础上，设计了基于作业状态的作业工时采集系统，根据地下矿运输装备作业状态识别模型的识别结果，实现了运输卡车不同作业状态作业工时的自动采集。
38.具体地，所述对运输卡车循环作业过程进行作业状态分类，基于作业状态分类进行识别状态判定，通过以下步骤实施：
39.将作业状态分为6种不同的作业状态，分别为空车状态、重车状态、地表状态、地下状态、平路状态和斜坡道状态；根据其6种不同的作业状态，可将识别过程分为空车/重车状态识别、地表/地下状态识别、平路/斜坡道状态识别。对于空车/重车状态的识别，选取运输卡车的卡车压力、卡车胎压作为特征参数；对于地表/地下状态的识别，分别选取亮度、行车视距作为特征参数；对于平路/斜坡道状态的识别，选取运输卡车前后部承受的压力之差以及卡车车体倾角作为特征参数。
40.在本实施例中，作业状态不限于6种，也可根据地下矿地形特点分为多种，在后续识别过程中也与对应状态一一对应。
41.在一种可能的实施例方式中，对运输卡车循环作业过程进行作业状态分类，基于作业状态分类进行识别状态判定，确定不同识别状态的特征参数还包括：集成各传感器采集到的数据，并将同时采集的一组特征参数划为一个特征参数组；根据确定的作业状态识别特征参数，在运输卡车上布置对应的传感器采集特征参数数据；根据运输卡车循环作业
过程的6种不同的作业状态，确定识别不同作业状态的特征参数；根据地下矿卡车循环作业可分为6中不同的作业状态，分别为空车状态识别、重车状态识别、地表状态识别、地下状态识别、平路状态识别和斜坡道状态识别，分别选取相应的特征参数作为状态识别的判定依据。具体地，对于空车状态和重车状态的识别，选取运输卡车的卡车压力、卡车胎压作为特征参数；对于地表状态和地下状态的识别，分别选取亮度、行车视距作为特征参数；对于平路状态和斜坡道状态的识别，选取运输卡车前后部承受的压力之差以及卡车车体倾角作为特征参数。
42.具体参考如图2所示为特征参数数据传感器布置示意图，图中，根据识别状态的特征参数布置相应的数据采集传感器包括：在运输卡车车头、车斗前端以及车斗后端底部受力位置安装压力传感器；在运输卡车车头部分安装红外传感测距仪，在运输卡车车头底部以及运输卡车车斗后端底部安装压力传感器，获取压力传感器数据。
43.具体地，布置相应的数据采集传感器，采集对应的特征参数；将选取运输卡车的卡车压力、卡车胎压作为特征参数；可在运输卡车上布置相应的压力传感器采集数据；卡车胎压用卡车自带的胎压传感器采集数据，并将所有轮胎的胎压数据的平均值作为本发明所用的卡车胎压数据；所述选取亮度、行车视距作为特征参数可在亮度安装亮度计进行测量，为了避免卡车前端大灯的影响，将亮度计安装于车尾；所述选取运输卡车前后部承受的压力之差以及卡车车体倾角作为特征参数可在运输卡车车体倾角安装倾角传感器进行测量，将倾角传感器安装于运输卡车车头与车斗之间的底盘上。
44.所述根据数据采集传感器采集的特征参数构建地下矿运输装备作业状态识别模型包括以下步骤：
45.首先，将运输卡车的作业状态分别用二进制数0和1表示，形成多个二进制数组成的数组；
46.可以理解的是，构建地下矿运输装备作业状态识别模型；将运输卡车空车状态和重车状态、地表状态和地下状态、平路状态和斜坡道状态分别用二进制数0和1表示，形成3个二进制数组成的数组。如空车、地表、平路用二进制数组000表示，则重车、地下、斜坡道用二进制数组111表示。即运输卡车6种不同的作业状态与其对应的二进制数组表示为：重车地表行驶—100；重车地下斜坡道行驶—111,；重车地下平巷行驶—110；空车地表行驶—000；空车地下斜坡道行驶—011；空车地下平巷行驶—010；
47.然后，根据运输卡车作业状态，采集每种作业状态下的各种特征参数值，得到每种作业状态下对应的特征参数组，即每一个二进制数组对应一组特征向量；
48.在本实施例中，根据运输卡车6种不同的作业状态，采集每种作业状态下的各种特征参数值，得到6种作业状态下对应的特征参数组；
49.最后，将采集的数据作为训练数据，以特征参数组作为输入、与作业状态对应的二进制数组作为输出，对概率神经网络进行训练，得到训练后的运输卡车作业状态智能识别模型。
50.所述根据作业状态识别模型的结果，设计基于作业状态的作业工时采集系统，包括以下步骤：
51.在运输卡车执行运输作业过程中，通过安装的各传感器连续采集作业状态识别的特征参数，将采集的特征参数组代入训练好的运输卡车作业状态智能识别模型中，对运输
卡车所处的作业状态进行识别。根据作业状态智能识别模型得到的结果进行作业工时判断，并记录时间，直至卡车作业任务结束。作业状态第一次发生改变时开始计时，当作业状态再次发生改变时，停止计时并记录运行时间。重复此操作直至卡车作业任务结束，则运输卡车6种作业状态下的作业工时实现了自动采集。
52.接下来结合具体实施例进行进一步的详细说明。
53.步骤1、运输卡车无轨运输是一个在地下卸矿点到地表矿仓再返回的循环作业流程，主要是卡车在空车和重车状态下于地下平巷、地下斜坡道以及地表平路行驶的过程。根据运输卡车6种不同的作业状态，可将识别过程分为空车(重车)状态识别、地表(地下)状态识别、平路(斜坡道)状态识别3个部分。分析运输卡车在不同作业状态下的特点，分别选取相应的特征参数作为状态识别的判定依据。对于空车/重车状态的识别，选取运输卡车的卡车压力、卡车胎压作为特征参数；对于地表/地下状态的识别，分别选取亮度、行车视距作为特征参数；对于平路/斜坡道状态的识别，选取运输卡车前后部承受的压力之差以及卡车车体倾角作为特征参数；
54.步骤2、对于空车/重车的识别，选取的特征参数为运输卡车的卡车压力以及卡车胎压。其中运输卡车的卡车压力的测量，分别在车头、车斗前端以及车斗后端底部受力位置安装压力传感器，其布置简图如图2所示，测量3部分的受力，设为p1、p2、p3，取3个部分的压力平均值作为卡车压力参数，即其中pm为卡车压力参数；p1、p2、p3分别为压力传感器1、压力传感器2和压力传感器3的压力平均值；对于卡车胎压的测量，一般卡车的每个轮胎都内置有测量胎压的传感器，取卡车所有轮胎的胎压平均值作为本发明的卡车胎压数据。空车状态下，轮胎胎压受卡车自重影响，重车状态下，卡车处于满载，轮胎胎压会发生变化，因此可作为识别特征之一。
55.对于地表/地下状态的识别，根据地表与地下道路环境的区别，选择亮度和行车视距作为识别特征参数。其中测量环境亮度的亮度计安装在车尾，可避免卡车灯光的影响；行车视距的测量，选择在卡车车头前端安装红外传感测距仪测量卡车行驶过程的行车视距。
56.对于平路/斜坡道状态的测量，选取运输卡车前后部承受的压力之差以及卡车倾角作为特征参数。其传感器的布置如图2所示，选取车头底部压力传感器数据p1以及车斗后端底部压力传感器数据p3，计算两个传感器的压力差值，即pd＝p
1-p3；倾角传感器安装在车头与车斗之间的底盘上。
57.步骤3、将运输卡车空车/重车、地表/地下、平路/斜坡道状态分别用二进制数0和1表示，形成3个二进制数组成的数组。如空车、地表、平路用二进制数组000表示，则重车、地下、斜坡道用二进制数组111表示。即运输卡车6种不同的作业状态与其对应的二进制数组表示为：重车地表行驶—100；重车地下斜坡道行驶—111,；重车地下平巷行驶—110；空车地表行驶—000；空车地下斜坡道行驶—011；空车地下平巷行驶—010。
58.根据运输卡车6种不同的作业状态，采集每种作业状态下的各种特征参数值，得到6种作业状态下对应的特征参数组，即每一个二进制数组对应一组特征向量。
59.将传感器采集的数据作为训练数据，以特征参数组作为输入、与作业状态对应的二进制数组作为输出，对概率神经网络进行训练，得到训练后的运输卡车作业状态智能识别模型；
60.步骤4、在运输卡车执行运输作业过程中，通过安装的各传感器连续采集作业状态识别的特征参数，将采集的特征参数组代入训练好的运输卡车作业状态智能识别模型中，对运输卡车所处的作业状态进行识别。
61.根据作业状态智能识别模型得到的结果进行判断，作业状态第一次发生改变时开始计时，当作业状态再次发生改变时，停止计时并记录该作业状态下的运行时间，作业状态在此改变时，重新开始计时。重复此操作直至卡车作业任务结束，则运输卡车6种作业状态下的作业工时实现了自动采集。
62.为了更好的实施本发明实例中的地下矿运输装备作业状态智能识别方法，在地下矿运输装备作业状态智能识别方法的基础上，本发明实施例还提供了一种地下矿运输卡车作业状智能识别系统，请参阅图3，图3为本发明提供的地下作业状智能识别系统结构示意图。所述系统包括：
63.数据采集单元，用于集成各传感器采集到的数据，并将同时采集的一组特征参数划为一个特征参数组；
64.识别单元，用于将数据采集单元的特征参数数据输入至训练完的运输卡车作业状态智能识别模型中，对运输卡车的当前状态进行识别；
65.计时单元，用于接收运输卡车作业状态智能识别模型的识别结果，并根据识别结果的变化实现计时的开始与停止，进而实现不同工作状态作业工时的自动采集；
66.数据储存单元，用于储存运输卡车作业状态智能识别模型的识别结果以及计时单元采集的各作业状态的作业工时数据。
67.可以理解的是，本发明提供的一种地下矿运输卡车作业状智能识别系统与前述各实施例提供的一种地下矿运输卡车作业状智能识别方法相对应，一种地下矿运输卡车作业状智能识别系统的相关技术特征可参考一种地下矿运输卡车作业状智能识别方法的相关技术特征，在此不再赘述。
68.本发明实施例提供了一种电子设备，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，处理器执行计算机程序时实现以下步骤：对运输卡车循环作业过程进行作业状态分类，基于作业状态分类进行识别状态判定，确定不同识别状态的特征参数；
69.根据识别状态的特征参数布置相应的数据采集传感器；
70.根据数据采集传感器采集的特征参数构建运输卡车作业状态识别模型；
71.将采集的特征参数组代入训练好的运输卡车作业状态识别模型中，根据作业状态识别模型识别的结果进行作业状态判断，并记录作业时间，直至运输卡车作业任务结束。
72.本发明实施例提供了一种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下步骤：对运输卡车循环作业过程进行作业状态分类，基于作业状态分类进行识别状态判定，确定不同识别状态的特征参数；
73.根据识别状态的特征参数布置相应的数据采集传感器；
74.根据数据采集传感器采集的特征参数构建运输卡车作业状态识别模型；
75.将采集的特征参数组代入训练好的运输卡车作业状态识别模型中，根据作业状态识别模型识别的结果进行作业状态判断，并记录作业时间，直至运输卡车作业任务结束。
76.综上所述，本发明实施例提供的一种地下矿运输卡车作业状智能识别方法、系统
及存储介质，解决了地面运输装备作业状态识别难以运用于地下矿山，解决了现有技术中地下矿山环境复杂，信息传输困难，gps信号难以穿透地层对车辆进行定位的技术问题。本发明通过分析运输卡车6种不同的作业状态之间的区别，确定用于识别6种作业状态的特征参数，并在运输卡车不同位置安装对应的特征数据采集传感器，实现特征参数的自动采集。根据采集的特征参数数据训练运输卡车作业状态智能识别模型。同时，在构建运输卡车作业状态智能识别模型的基础上，设计了基于作业状态的作业工时采集系统，根据模型的识别结果，实现了运输卡车不同作业状态作业工时的自动采集。
77.需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
78.本发明的保护范围并不限于上述的示例，显然，本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的范围和精神。倘若这些改动和变形属于本发明权利要求及其等同技术的范围内，则本发明的意图也包含这些改动和变形在内。