数据驱动的电动矿卡的工作流程分析
来源: | 作者:pmod6d781 | 发布时间: 2021-12-03 | 1027 次浏览 | 分享到:


在划分完成之后,得到工作区的分布情况,可以注意到有一些Other其他区域的定义,之前在节点识别里,把一些非工作区的节点识别进来,后面发现它并没有实际工作区的特点,所以又被划分成other。


整体想法是在选节点的时候,条件放宽,在工作区识别的时候再做严格识别,把可能不是工作区的地块区域再排除出去,达到尽可能地不漏掉实际的工作区的目的。因为如果在工作区识别有遗漏,那么最后的整个工作流程的切分,误差就会非常大。


得到了工作区域的定义之后,就可以生成矿卡的整个路径,根据工作过程中位置数据给出的经过的节点序列,整理成经过的工作区序列列表,之后进行清理工作。


为什么要进行清理?主要跟矿卡的工作模式有关。


前面讲到矿卡的典型工作流程,一般装载完之后只会去一个地方卸载,也就是说矿卡路径的两个相邻装载区中间应当只有一个真正的卸载区,同样在两个卸载区中间 也应该只有一个真正的装载区。但是在真实的卸载区域的途中,有可能会途经一个卸载区或者途经一个装载区,清理的目的就是去把这些途径的工作区域排除掉。具体做法是对工作区域的序列做一个分析,对中间每个区域的特征做一个评分,然后取评分最高的那一个作为它的真实区域,去掉途经的工作区的干扰,留下真实的作业区。


取评分最高的设置,主要是为了保证最终肯定能取到一个真实的,如果还按分类模型来做,有时候数据缺失或者其他问题,会导致特点都不太典型,最后都不能被判定成真正的工作区,那后续的流程也就无法进行了。


清理完工作路径,就可以很方便的进行工作循环的切分,比如以装载区为基准,以车辆每次进入装载区的时间作为它工作循环的起点,到下一次进入装载区作为终点,就可以确定车辆的基本循环,进一步也可以识别车辆状态。


比如说进入装载区,车辆会从空载状态变成满载状态,到卸载区,从满载状态变成空载状态。这里涉及的主要问题是识别状态变化在哪个时候发生的,也就是在区域里找到实行作业的停车点,停车点的识别考虑三方面的因素,车辆停车的状态、停车前的档位状态以及停车后的加速状态。


通过综合判定,从区域里可能的多个停车段中找到最像作业停车的那一段,然后以停车时间作为分割点,比如卸载区停车前是满载状态,之后是空载状态。


通过以上算法流程,实现了对车辆状态的分析,对工作流程的划分,以及空载满载状态的区分,及途中运载过程的报警信号,像电池的电量信号,电池的报警信号等等,可以支撑将来整个应用系统的实现。


下面这几张截图中,这张图给出的是矿卡实时运行的分析页面,白色的是近一段时间的运行轨迹,这里的箭头是每一辆卡车的位置,通过色块标明了工作区域,红色的是一个装载区,橙色的是两个卸载区。同时,模型给出了工作循环的划分结果,跟矿上设置的打卡的结果进行了相互验证,总体的准确率能够达到90%左右,可以满足实际应用系统的精度要求。