一种基于数据融合的新型智能识别方法,用于液压挖掘机的工作周期阶段
Haoju Song1, Guiqin Li1, Xin Xiong1
1Shanghai Key Laboratory of Intelligent Manufacturing and Robotics, School of Mechatronic Engineering and Automation, Shanghai University, Shanghai 200444, China.
ISA transactions
|March 20, 2024
概括
本研究引入了一种用于识别挖掘机工作周期阶段的新方法,改进节能控制. 混合方法通过结合多个数据源和模型来实现高精度.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
背景情况:
- 精确的挖掘机工作周期阶段识别对于节能控制至关重要.
- 现有的方法与液压系统延迟扎,缺乏通用化.
- 目前的方法通常需要专家校准以提高准确性.
研究的目的:
- 为挖掘机工作周期阶段识别提出一种新的混合多尺度特征提取器和决策级数据融合分类器 (HMSFE-DFC).
- 解决现有方法的局限性,包括液压系统延迟和单一模型依赖.
- 为了提高挖掘机阶段识别的概括性能和准确性.
主要方法:
- 利用主压力和比例电磁控制电流的混合信号来减轻响应延迟.
- 开发了一种混合多尺度特征提取器,将CNN时间自我注意和ResNet-50结合起来.
- 实施了决策级数据融合分类器,以防止过度装配和保险丝分类器决策.
主要成果:
- 提出的HMSFE-DFC方法在识别挖掘机工作周期阶段方面表现出有效性.
- 在连续10个工作周期中实现了95.21%的高精度阶段识别.
- 该方法成功地减少了液压系统延迟的影响,并改善了概括性.
结论:
- HMSFE-DFC方法为挖掘机工作周期阶段的识别提供了一个强大的解决方案.
- 这种方法通过精确可靠的阶段识别来增强节能控制策略.
- 这些发现表明,挖掘机运行监控和优化取得了重大进展.


