基于深度学习的挖掘机工作阶段的分类与识别 |
| |
引用本文: | 刘伟嵬,邓剑洋,张靖文,牛东东.基于深度学习的挖掘机工作阶段的分类与识别[J].东北大学学报(自然科学版),2023(10):1464-1473+1489. |
| |
作者姓名: | 刘伟嵬 邓剑洋 张靖文 牛东东 |
| |
作者单位: | 1. 大连理工大学机械工程学院;2. 大连理工大学高性能精密制造全国重点实验室;3. 徐州徐工挖掘机械有限公司 |
| |
基金项目: | 国家重点研发计划项目(2020YFB1709903); |
| |
摘 要: | 为实现对挖掘机作业循环各工作阶段的自动识别,采用以执行机构先导压力、主泵压力和功率为识别对象的智能识别方法.根据执行机构先导压力的变化划分工作阶段,并用主泵压力和功率验证.以各工作阶段起始特征波形作为其起始标志,以时间窗滑移方式提取起始特征并确定最佳时间窗宽度,采用深度学习的方法识别各标志.对比了深度学习中分类识别领域应用广泛的ResNet和LSTM的识别效果,发现LSTM的识别效果更好,对测试集的识别准确率最高可达到99.75%.采用LSTM对测试数据进行识别,识别正确率仅有82.54%,说明存在误识别.提出以挖掘机工作阶段的逻辑顺序和设定主泵功率阈值作为校正依据对误识别进行校正,识别正确率可提升至99.72%.结果表明,该方法识别准确率高,可有效识别作业循环各工作阶段.
|
关 键 词: | 液压挖掘机 工作阶段 残差神经网络(ResNet) 长短期记忆(LSTM)神经网络 智能校正系统 |
|