基于NSGA-Ⅱ的智能化电铲多目标最优挖掘轨迹规划

为实现智能化电铲实时节能的挖掘,提出了一种基于非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II,NSGA-Ⅱ)的智能化电铲多目标最优挖掘轨迹规划方法。首先,通过拉格朗日方程建立智能化电铲工作装置动力学模型;然后,使用高次多项式对挖掘轨迹进行插值,将挖掘轨迹寻优问题转化为多项式系数寻优问题,最后,以挖掘时间最短及单位体积物料的挖掘能耗最小作为优化目标,以电机性能与挖掘过程中几何条件等作为约束,利用多目标优化平台PlatEMO,将NSGA-Ⅱ作为多目标优化算法,指定待优化问题的目标函数及约束函数,获取到多目标优化Pareto最优解集,基于决策偏好设置权重并根据TOPSIS法获取最优解,得到多目标最优挖掘轨迹规划结果。结果表明,优化后挖掘轨迹满足实时节能的挖掘要求。

基于常态挖掘轨迹的铲斗疲劳寿命研究

针对实际挖掘过程中液压挖掘机铲斗铰点载荷谱难以获取、导致铲斗疲劳寿命难以分析的问题,提出基于常态挖掘轨迹的铲斗疲劳寿命分析方法。首先根据实际挖掘过程选取常态挖掘轨迹,对常态挖掘轨迹中各分段轨迹的液压缸理论挖掘力进行计算,得到挖掘阻力载荷谱;然后基于挖掘轨迹对工作装置挖掘过程进行仿真,获得铲斗铰点载荷谱;最后建立铲斗有限元模型,结合挖掘阻力和铰点载荷谱对铲斗静力学和疲劳寿命进行协同分析。以21T挖掘机铲斗为例,采用上述方法对其进行疲劳寿命分析,计算得到了J_(3)J_(4)轨迹中铲斗的最低疲劳寿命为3.2936×10^(7)次。铲斗疲劳寿命分析结果验证了该方法的可行性,为挖掘机工作装置的疲劳分析提供了参考。

机械式挖掘机挖掘轨迹的确定

挖掘轨迹是机械式挖掘机挖掘理论研究中的重要内容,铲斗只有沿着合理的挖掘轨迹运动,才可以实现高效和低耗作业.分析了等切削角对数螺旋线轨迹模型的不足,并在此基础上以工作机构的运动关系为出发点,利用机构运动学理论及坐标变换理论,分别以2种途径推导了挖掘轨迹方程.利用MATLAB软件模拟了机械式挖掘机的挖掘轨迹,并用ADAMS软件进行了虚拟样机运动学仿真和验证.仿真结果与轨迹方程的模拟结果一致,验证了轨迹方程的正确性.

基于正铲液压挖掘机挖掘轨迹的机构运动学分析

通过将坐标变换的矩阵法引入到挖掘机工作装置的运动学分析当中,运用作图法,深入地研究了正铲液压挖掘机工作装置各运动部件的运动关系。通过建立基于坐标的矩阵变换的各运动部件的数学模型,得到了铲斗齿关于动臂缸、斗杆缸以及铲斗缸的函数关系式。揭示了铲斗运动轨迹与各运动缸的运动关系,为正铲液压挖掘机的自动控制、整机优化等提供了理论基础。

合理挖掘轨迹的确定意义

挖掘轨迹是挖掘理论研究中的重要内容，本文基于爆破后的矿堆确立了描述挖掘过程的数学模型。从此建立了以轨迹方程为出发点的新设计体系。提高了自行开发设计能力和水平。

正铲挖掘机挖掘轨迹的实测及统计研究

本文用现场实测信号对正铲挖掘机的挖掘轨迹进行了拟合和分析，证明实际挖掘工况下的挖掘轨迹非常近似于对数螺旋线，通过一百余斗的处理，从统计意义上提出了挖掘轨迹的理论表达式，进而对挖掘过程中主要挖掘段的后角变化进行了分析。通过对推压速度与提升速度之比理论值与实测值的对比，证明了在主要挖掘段上近似于等速比挖掘，并对在设计时如何考虑挖掘轨迹进行了探讨。

电铲实验平台挖掘轨迹控制的实现方法

研究了一种电铲实验平台上挖掘轨迹控制的实现方法。在Matlab中根据给定的挖掘轨迹函数,依据插补算法和效率最高原则进行计算得到挖掘轨迹控制数据,将控制数据通过OPC协议传输到PLC(可编程逻辑控制器)中,PLC通过控制变频器控制电机运动,从而控制电铲斗杆的推压运动和铲斗的提升运动协同,实现在电铲实验平台上依据挖掘轨迹函数自动执行挖掘轨迹的控制,克服了人工操作的技术和经验的限制,确保按照挖掘轨迹函数挖掘的高满斗率、低能耗等优势的实现。

深度学习增强的智能矿用电铲挖掘轨迹跟踪控制

矿用电铲是露天开采中重要的采装设备之一,用于地表覆盖物的剥离、矿石物料的装载。随着智慧矿山建设的不断推进,矿用电铲无人化、智能化成为发展趋势。不同于传统的人工操作,智能电铲采用自主作业方式,工作流程主要包括环境感知、挖掘轨迹规划与轨迹跟踪。挖掘轨迹跟踪控制的精度直接决定了作业效率和质量,对于智能化矿用电铲的开发具有重要意义。矿用电铲具有机身结构庞大、运行惯量大、作业环境复杂,挖掘过程中外部载荷剧烈变化等特点,使得模型存在较强的非线性和不确定性,基于传统线性反馈控制器开展智能矿用电铲挖掘轨迹跟踪存在控制滞后、精度低等问题。因此,提出一种深度学习增强的跟踪控制策略,利用深度长短时记忆神经网络建模电铲系统固有的逆动态响应特性,将规划的最优挖掘轨迹变换为可以减少跟踪误差的参考轨迹作为控制系统的输入。深度学习增强的智能矿用电铲轨迹跟踪算法不需要访问电铲内部控制回路,也不需要显式建模电铲动力学,在实践中具有可行性。为了验证控制策略的有效性,在由真实矿场物料搭建的试验场地下,利用1∶7智能电铲缩比样机开展对比试验研究。结果表明深度学习增强的挖掘轨迹跟踪精度更优,其中MAE降低了28.67%,RMSE降低了12.9%,MAPE降低了7.83%。

基于轨迹数据挖掘的学生学习行为和成效研究

通过学生在线平台学习数据和课堂表现轨迹数据的采集和预处理,运用K-Means聚类算法对学生学习行为数据建模分析,探索学习行为数据和学习成效之间的联系和规律,为教师提供学生学习状态和个性化学习改进策略,帮助教师精准施教,从而进一步提升整体教学质量与效果。

合理挖掘轨迹的确定及意义

根据挖掘机的工作原理，从数学的角度阐述了挖掘过程的轨迹方程应是对数螺线。依据妆始的挖掘边界条件压挖装状态，确定了方程中各参数值，使方程具有工程意义。从此建立了新设计体系，代替了原来以工况为主的设计体系，实现设计思想有创新。

基于大数据的船舶活动轨迹规律挖掘方法

针对当前船舶轨迹聚类技术存在特征属性研究单一的问题,提出一种基于融合距离的多维度船舶轨迹聚类算法技术,该技术通过加入多个属性特征并采用新的距离度量算法,从时序性和复杂度两方面提出了新的解决思路。在聚类结果基础上,针对缺少轨迹规律特征刻画方法的问题,提出基于局部区域均值的典型轨迹算法技术,通过对各属性进行均值计算,实现同类轨迹集合中轨迹特征的具体描绘。

基于极限轨迹的挖掘机工作装置动力学分析

针对液压挖掘机工作装置动态特性研究的问题,提出了一种工作装置铰点力动力学分析方法。采用理论挖掘力计算模型,分别计算得到了沿铲斗挖掘与斗杆挖掘两条极限挖掘轨迹上的理论挖掘力分布;通过对工作装置三维模型的合理简化,建立了其动力学仿真模型;通过对比仿真轨迹中最大挖深点与其实际坐标位置,验证了动力学模型的正确性;分别以铲斗挖掘力和斗杆挖掘力为载荷,进行了两条极限挖掘轨迹的动力学仿真。研究结果表明:工作装置铰点力在挖掘过程中随理论挖掘力而进行动态变化;该研究结果为液压挖掘机工作装置动态特性的研究及动应力分析提供了理论基础。

以挖掘轨迹为基础的挖掘阻力研究

论述了挖掘轨迹对挖掘阻力的影响，并在实验室条件下，通过微机对挖掘轨迹进行自动控制，对挖掘过程进行挖掘测试，进行了高精度模型状态下的挖掘阻力回归分析。并根据相似原理进行了相似转化，得到了与模型具有相似的原型状态下挖掘阻力的计算公式。

基于GPS轨迹的规律路径挖掘算法

基于用户的历史轨迹数据,对用户的规律路径进行挖掘和提取。在轨迹预处理和聚类的基础上,定义了支撑路径的概念,提出了一种基于支撑得分的规律轨迹挖掘算法。并通过规律停止率特征,提高了对轨迹交通模式识别的准确率。基于178名用户4年的GPS轨迹记录,以及37名用户的实际轨迹数据,开展了用户试验。结果表明,本文算法能够有效地提取用户的规律路径,并对路径中的干扰具有一定的鲁棒性。

利用出租车轨迹数据挖掘城市居民出行特征

通过用户产生的历史轨迹数据对城市的热点区域以及居民出行行为的时空特性进行挖掘研究逐渐受到重视,且取得了一定的进展。受电动力学中高斯定律的启发,该文在前人关于轨迹数据处理的基础上,针对出租车轨迹数据,将轨迹的方向和数量特征考虑在内,提出了一种基于高斯定律思想的轨迹挖掘方法,通过对不同时段出租车轨迹数据的挖掘,发现城市居民出行行为的时空特征以及城市的热点区域。

时空轨迹大数据分布式蜂群模式挖掘算法

针对时空轨迹大数据的蜂群模式挖掘需求,提出了一种高效的基于MapReduce的分布式蜂群模式挖掘算法。首先,提出了基于最大移动目标集的对象集闭合蜂群模式概念,并利用最小时间支集优化了串行挖掘算法;其次,提出了蜂群模式的并行化挖掘模型,利用蜂群模式时间域无关性,并行化了聚类与子时间域上的蜂群模式挖掘过程;第三,设计了一个基于MapReduce链式架构的分布式并行挖掘算法,通过四个阶段快速地实现了蜂群模式的并行挖掘;最后,在Hadoop平台上,使用真实交通轨迹大数据集对分布式算法的有效性和高效性进行了验证与分析。

基于轨迹挖掘的公交车自组织网络路由机制

数据传递是车载自组织网络(VANET)应用不可或缺的组成部分.在城市中,公交车网络具有覆盖面广、行驶线路固定等特点,VANET应用中的数据传递可以通过公交车自组织网络实现,但公交车网络能否在VANET数据传递中发挥其独特的作用取决于对公交车运行规律的挖掘和利用的程度.文中提出了一种公交车自组织网络的路由机制Vela,该机制依托从公交车历史轨迹中挖掘的公交车运行时空规律,建立了公交车数据传递的概率时空模型,并给出了基于路段上公交线路相遇的数据传递路径的选择策略.与已有相关研究相比,Vela路由机制一方面以路段为粒度刻画了公交车运行的时空规律,这使得所获得的公交车运行规律兼具准确性和稳定性,另一方面,基于公交车运行规律估算路段上数据传递的延迟和可靠性,能获得尽可能好的服务质量级别的数据传递路径.实验结果表明采用Vela路由机制能实现具有高到达率和低延迟的数据传递,而且Vela路由机制具有较强的可伸缩性.

时空轨迹群体运动模式挖掘研究进展

群体运动模式是时空轨迹模式挖掘的重要内容,用于发现群体运动规律、群体运动趋势以及群体事件。本文首先对群体运动模式建模和群体运动模式挖掘两个层面存在的问题与挑战进行了阐述。接着,对群体运动模式进行了分类,将其分为有领导者运动模式、伴随模式、突变运动模式、流行运动模式、聚集运动模式和发散运动模式。最后,介绍了各种群体运动模式之间的区别与联系,对各种群体运动模式挖掘算法思想进行了综述。

基于GPS轨迹挖掘的电动出租车充电站规划

针对现有充电站的规划布局不能充分考虑电动汽车动态充电需求分布和用户充电排队问题的不足,提出了一种基于全球定位系统(GPS)轨迹挖掘的电动出租车充电站规划方法。通过对出租车的GPS轨迹数据和城市交通态势数据进行数据处理,挖掘城市居民打车需求的起屹点(OD)分布特征;设计电动出租车的充电仿真算法,模拟实际场景中电动出租车的接单行为、行驶行为及充电行为,建立电动出租车的充电需求时空分布预测模型;在此基础上,综合考虑充电站建设运行成本、电动出租车到站时间成本及充电等待时间成本,建立充电站规划模型。通过实际算例验证了所提规划模型的有效性,并进一步分析了充电站的建设成本系数、电动出租车的时间成本折算系数、权重系数大小等参数对规划结果的灵敏度。结果表明:居民打车需求的OD分布决定了电动出租车的充电需求时空分布情况;在进行充电站规划时,充电机数量受充电站数量的变化影响较大,且电动出租车时间成本的变化对总成本的影响相对较明显。

监控视频运动目标的频繁轨迹模式挖掘

运用数据挖掘的方式分析运动轨迹数据在目前可以说是一种尝试。基于传统数据挖掘方法Apriori的思想,提出了一种监控视频运动目标的频繁轨迹模式挖掘算法。首先以特征点表示连续的运动目标轨迹,然后设计了一种轨迹相似度测量机制,最后基于相似度测量获得的轨迹段频率,将Apriori挖掘算法应用到2D运动轨迹数据,从中发现频繁轨迹隐含的一些感兴趣模式。实际的和人工生成的轨迹数据实验表明了算法的正确有效性。