-
公开(公告)号：CN118211495B
公开(公告)日：2024-07-30
申请号：CN202410627598.0
申请日：2024-05-21
申请人： 大连理工大学
IPC分类号： G06F30/27 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F119/14 , G06F111/10
摘要： 本发明提供一种基于数据‑模型联合驱动的无人矿用电铲动态挖掘阻力建模方法，属于矿用电铲动态挖掘阻力领域。首先，获取无人矿用电铲基本参数和历史挖掘数据。其次，计算不同料面对应的挖掘深度信息。第三，根据Balovnev阻力计算模型计算切削阻力。第四，构建Bi‑LSTM神经网络预测径向阻力。第五，构建挖掘能耗损失函数。第六，基于挖掘数据对Bi‑LSTM神经网络进行训练得到Bi‑LSTM网络模型。最后，将Bi‑LSTM网络模型与Balovnev阻力计算模型共同构成挖掘阻力预测模型。本发明得到的挖掘阻力预测模型结合真实阻力与解析式公式，对挖掘阻力进行预测，使其能够揭示料面形貌、电铲状态参数、挖掘轨迹等与挖掘阻力的映射关系，实现矿用大型电铲挖掘作业过程中外部载荷的快速精确预测。
-
公开(公告)号：CN114543666B
公开(公告)日：2022-11-29
申请号：CN202210063410.5
申请日：2022-01-20
申请人： 大连理工大学
摘要： 一种基于矿场环境感知的堆料面预测方法。首先进行矿场环境感知，将堆料与墙壁进行分类，并在此基础上完成堆料面预测。所述矿场环境感知，包括点云预处理、配准、融合、水平校准、地面与堆料上方无用点去除、聚类、分类及提取，其中环境点云数据是通过3D激光雷达进行采集，所述的环境感知方法包括点云预处理、配准、融合、水平校准、地面等无用点去除、聚类、分类及提取。所述堆料面预测模型是基于Kd树与K最邻近搜索进行建立。本发明实现了点云配准与分割方法的有效融合，能对矿场环境中的堆料点进行有效提取及利用，基于真实堆料点云建立的堆料面预测模型可用于三维挖掘体积计算，可实现计算结果的准确性。
-
公开(公告)号：CN116360425A
公开(公告)日：2023-06-30
申请号：CN202310156259.4
申请日：2023-02-23
申请人： 大连理工大学
IPC分类号： G05D1/02
摘要： 一种基于数字孪生的无人挖掘机自主采矿挖掘轨迹规划方法，属于轨迹规划技术领域。步骤：1)建立数字孪生模型，提取采样点；2)评估采样点。对采样点进行几何约束、性能约束、目标导向约束评估。如果符合，进入优化，否则需重复采样；3)优化。经评估采，得到各个约束函数，对无人电铲的最终目标函数进行优化。设置结束条件。如果不满足结束条件，重复步骤1)2)；否则，循环将停止，并生成最佳挖掘轨迹。采用COBILA算法优化实现实时轨迹规划。(4)输出最优挖掘轨迹后结束优化。本发明能够构建集成的形状性能数字孪生模型，实时分析UCS的形状和结构性能，进一步用于支持最优挖掘轨迹的生成；可以将耗时的结构性能响应作为额外的约束，有效地防止结构突然失效。
-
公开(公告)号：CN116065646A
公开(公告)日：2023-05-05
申请号：CN202310076690.8
申请日：2023-02-07
申请人： 大连理工大学
摘要： 一种基于远程监控的自主作业智能矿用电铲系统，属于挖掘机技术领域。首先，在现有的矿用电铲结构添加激光雷达并在操控室内安装远程控制系统，通过激光雷达获取矿料的点云数据，根据多点云的建模精度，并提取固有特征；其次，根据挖掘机的位置和姿态信息，由任务规划层和运动规划层组成的规划层可以生成挖掘轨迹，并将规划好的最优挖掘轨迹在上位控制中心转化为参考轨迹，反馈给PLC、控制中心；最后，将改装后的矿用挖掘机的规模样机进行集成，通过5G通信技术实时监控样机的工作情况，验证该算法的优越性和适用性。本发明能够在远程挖掘机的基础上，充分考虑能耗和挖掘体积对挖掘工作的影响，提高挖掘效率、能够提高满斗率、降低能耗；能够实时监控并及时处理突发状况保障人员安全。
-
公开(公告)号：CN116776720A
公开(公告)日：2023-09-19
申请号：CN202310583485.0
申请日：2023-05-23
申请人： 大连理工大学
IPC分类号： G06F30/27 , G06N3/126 , G06F17/11 , G06F111/06 , G06F119/14 , G06F111/04
摘要： 本发明公开一种基于进化算法的智能电铲多目标最优挖掘轨迹规划方法，采用PTP方法并使用高次多项式对挖掘轨迹进行插值，将轨迹寻优问题转化为多项式系数寻优问题，使用拉格朗日方程对简化后的电铲工作装置建立动力学模型，使用散列积分的方式对挖掘过程中的挖掘体积进行计算，使用经验公式计算挖掘阻力，以挖掘时间及单位体积物料的挖掘能耗作为优化目标，以电机性能与挖掘过程中几何条件等作为约束，以轨迹参数、挖掘时间、挖掘终止位置等作为设计变量，建立多目标优化模型，根据优化模型采用进化算法及决策方法进行优化处理，获取到满足设计需求的最优挖掘轨迹，实现挖掘能耗与挖掘时间综合最优，优化后挖掘轨迹满足实时节能的挖掘要求。
-
公开(公告)号：CN114543666A
公开(公告)日：2022-05-27
申请号：CN202210063410.5
申请日：2022-01-20
申请人： 大连理工大学
摘要： 一种基于矿场环境感知的堆料面预测方法。首先进行矿场环境感知，将堆料与墙壁进行分类，并在此基础上完成堆料面预测。所述矿场环境感知，包括点云预处理、配准、融合、水平校准、地面与堆料上方无用点去除、聚类、分类及提取，其中环境点云数据是通过3D激光雷达进行采集，所述的环境感知方法包括点云预处理、配准、融合、水平校准、地面等无用点去除、聚类、分类及提取。所述堆料面预测模型是基于Kd树与K最邻近搜索进行建立。本发明实现了点云配准与分割方法的有效融合，能对矿场环境中的堆料点进行有效提取及利用，基于真实堆料点云建立的堆料面预测模型可用于三维挖掘体积计算，可实现计算结果的准确性。
-
公开(公告)号：CN118211495A
公开(公告)日：2024-06-18
申请号：CN202410627598.0
申请日：2024-05-21
申请人： 大连理工大学
IPC分类号： G06F30/27 , G06N3/045 , G06N3/0442 , G06N3/048 , G06N3/08 , G06F119/14 , G06F111/10
摘要： 本发明提供一种基于数据‑模型联合驱动的无人矿用电铲动态挖掘阻力建模方法，属于矿用电铲动态挖掘阻力领域。首先，获取无人矿用电铲基本参数和历史挖掘数据。其次，计算不同料面对应的挖掘深度信息。第三，根据Balovnev阻力计算模型计算切削阻力。第四，构建Bi‑LSTM神经网络预测径向阻力。第五，构建挖掘能耗损失函数。第六，基于挖掘数据对Bi‑LSTM神经网络进行训练得到Bi‑LSTM网络模型。最后，将Bi‑LSTM网络模型与Balovnev阻力计算模型共同构成挖掘阻力预测模型。本发明得到的挖掘阻力预测模型结合真实阻力与解析式公式，对挖掘阻力进行预测，使其能够揭示料面形貌、电铲状态参数、挖掘轨迹等与挖掘阻力的映射关系，实现矿用大型电铲挖掘作业过程中外部载荷的快速精确预测。
-
公开(公告)号：CN114722586A
公开(公告)日：2022-07-08
申请号：CN202210282044.2
申请日：2022-03-22
申请人： 大连理工大学
摘要： 一种基于堆料面预测模型的智能电铲最优自动挖掘作业方法，首先，通过激光雷达扫描实际料场获得堆料面点云数据并进行处理；其次，对形貌特征复杂多变的堆料面进行精确建模；接着，利用堆料面预测模型进行最优挖掘轨迹规划；然后，执行挖掘轨迹；最后，回转‑卸料‑复位并判断是否进行下一次挖掘作业。由于本发明采用激光雷达扫描得到的点云对堆料面进行精确建模，实现了对动态挖掘体积的精准预测，且适用于实际挖掘工况。本发明采用PTP方法利用高阶多项式描述挖掘轨迹，将电铲最优控制问题转化为多项式系数寻优问题，同时考虑挖掘体积、挖掘时间等因素，考虑机构位置、电机转速等约束，对多项式轨迹系数、挖掘时间、终止位置进行优化，实现了确保挖到足够物料、挖掘时间短以及能耗最优的目的。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.025 秒)