[發明專利]一種耙吸船智能挖掘工藝參數的計算方法

在審

• 申請號: 202010464705.4
• 申請日: 2020-05-28
• 公開（公告）號: CN111859777A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 張戟;鄭金龍;石啟正;張啟亮;許洪文;李晟;朱時茂;楊春雷;聞長生;沈偉平;劉凱鋒;焦鵬;陳旭;滕翔;周丙浩;谷祥瑞
• 申請（專利權）人: 中港疏浚有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種耙吸船智能挖掘工藝參數的計算方法，具體包括以下步驟：收集日報表和歷史數據；統計施工數據范圍；生成學習樣本數據；計算神經網絡；選取工藝參數。本發明通過搭建耙頭角度、對地航速、波浪補償器壓力和下耙管角度等四個因素共同對泥漿密度、流速的模型，進一步求出產量最大化，通過產量模型反過來求出穩定、高效的施工工藝參數組合，最終指導耙吸船高效疏浚施工，填補國內關于智能尋找最優施工參數組合技術空白。

技術領域

本發明涉及耙吸挖泥船挖掘參數計算技術領域，具體涉及一種耙吸船智能挖掘工藝參數的計算方法。

背景技術

近幾年，疏浚行業隨著自動化集成技術的快速發展，特別是新造的耙吸挖泥船數據采集與監控系統日趨成熟，耙吸挖泥船繁多的傳感器實現了數據采集、傳輸和本地存儲功能；同時近兩年，隨著商用衛星寬帶技術在移動耙吸挖泥船的成功應用，使得疏浚公司耙吸挖泥船的歷史與實時數據得以遠程傳輸并存儲到岸基終端服務器上，因此施工企業具備了大量疏浚數據的資源。然而，已經積累的以及還在源源不斷增加的疏浚數據，還只是停留在提供數據查閱或簡單的數據統計分析層面，未真正實現施工數據深度分析、研究和利用層面上，疏浚施工數據資產的寶藏還未真正被發掘出來，并未成功地應用到生產實踐過程中。通過一種耙吸船智能挖掘工藝參數數據庫方法關鍵技術的研究，可實現實時在線分析施工工藝參數的關聯性，及時發現有價值的施工參數組合，及時應用到疏浚施工中。根據施工邊界條件及時提出變化要求，改變人工測試滯后的現狀，提升施工效率及時間的有效利用率，降低能耗。

綜上所述，國內疏浚企業在耙吸船工藝參數優化關鍵技術研究方面尚屬空白，隨著疏浚行業往精細化、智能化方向發展，疏浚施工數據資產的重要性日趨顯現，對耙吸船疏浚施工工藝參數優化關鍵技術研究將是未來疏浚行業發展的趨勢。

為解決上述問題，做出了一系列改進。

發明內容

本發明的目的在于，提供一種耙吸船智能挖掘工藝參數的計算方法，以克服現有技術所存在的缺點和不足。

一種耙吸船智能挖掘工藝參數的計算方法，包括以下步驟：

步驟1：收集日報表和歷史數據；

步驟2：統計施工數據范圍，將非施工時間段的數據舍棄，統計施工數據為：對地航速，波浪補償器壓力，耙頭角度，下耙管角度，泥泵吸口深度，泥砂流速，泥砂密度；

步驟3：生成學習樣本數據，根據步驟2的數據類型將他們進行步進設置，根據施工數據范圍和步進為依據進行分組，根據設置的門檻進行數據過濾，反推算耙頭密度，最后對數據進行篩選；

步驟4：計算神經網絡，將步驟3的樣本數據輸入神經網絡模型，輸入層信號為：對地航速，波浪補償器壓力，耙頭角度，下耙管角度，泥泵吸口深度，隱含層為4個隱層，輸出層信號為流速和密度；

步驟5：選取工藝參數，選用誤差小的神經網絡來提取方案用的數據，對數據進行統計、劃分區段及提取，最后在施工參數組合中選取。

進一步，所述步驟2中，非施工時間段的計算方法為：

p_i＝n_i/n_zong，

式中，n_zong為施工期間總點數，n_i為各個區段的點數，p_i為各個區段概率大小，p_i70％范圍認為在有效施工數據范圍內。

進一步，所述步驟3中，包括以下步驟，

步驟3.1：提取信號：對地航速，波浪補償器壓力，耙頭角度，下耙管角度，泥泵吸口深度，對地航速、補償器壓力、耙頭角度、下耙管角度及泥泵吸口深度的步進分別為0.1、0.5、2、2、5進行設置，分組數量則是由施工數據范圍和步進得到；