CN112327880B - 智能矿车控制方法、装置、存储介质和电子设备 - Google Patents
智能矿车控制方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN112327880B CN112327880B CN202011340434.8A CN202011340434A CN112327880B CN 112327880 B CN112327880 B CN 112327880B CN 202011340434 A CN202011340434 A CN 202011340434A CN 112327880 B CN112327880 B CN 112327880B
- Authority
- CN
- China
- Prior art keywords
- load
- sticky
- actual
- speed
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 138
- 230000005484 gravity Effects 0.000 claims description 25
- 239000000126 substance Substances 0.000 claims description 20
- 239000000853 adhesive Substances 0.000 claims description 15
- 230000001070 adhesive effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
本发明提供了一种智能矿车控制方法、装置、存储介质和电子设备,涉及智能驾驶矿车技术领域。基于粘物状态识别,对控制算法中空载模式进行油门输出控制优化、减速度输出控制优化、转向速度输出控制优化,能够在车辆存在粘物情况下,提升车辆运动控制性能和安全性能。基于现有的智能驾驶矿车***,无需增加额外测量装置,通过现有参数对车厢粘物状态和粘物体积进行识别和估算,实车测试表明,能够准确识别货厢粘物状态,功能实现简单,可实用性强。
Description
技术领域
本发明涉及智能驾驶矿车技术领域,具体涉及一种智能矿车控制方法、装置、存储介质和电子设备。
背景技术
智能驾驶矿车在实际运行过程中,空载和重载状态下车辆的状态参数均会有较大的差别,在实际车辆运动控制过程中,一般来说会区分空载和重载两种模式,不同的模式下运动控制会存在一定的区别。这样能够在不同载重状态下考虑不同的因素,相应的设置控制算法,提升矿车的控制性能和安全。
但是智能驾驶矿车在实际作业过程中,因为矿区很多位于高寒地带,当温度过低时候,虽然矿车一般都有安装货厢加热装置,但是矿车货厢的载物(碎石,细土类等)还是会因为低温和重压的关系会粘在货厢底部,很多时候甚至超过货厢载重的50%均会粘在货厢内无法卸载掉。此时矿车既不是重载,也不是空载,而是处于重载和空载之间的状态。而在实际作业过程中,因为矿车一般没有单独安装载重车辆传感器等装置,货厢的载重状态一般比较难以直接计算获取,一般来采用的方法是在卸载动作完成后,将车辆状态切换为空载,此时***无法识别货厢是否存在粘物,导致车辆载重状态可能不适合采用完全空载的状态参数进行控制。在这种状态下基于控制控制模式的运动控制则可能不是最佳的控制,甚至可能产生未知的风险,如制动介入不足等。
因此,如何基于矿车货厢中的粘物状态对车辆进行控制优化是智能驾驶矿车亟需解决的问题。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种智能矿车控制方法、装置、存储介质和电子设备,解决了如何基于矿车货厢中的粘物状态对车辆进行控制优化的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,提供了一种智能矿车控制方法,包括:
S1、识别货厢是否存在粘物;
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
进一步的,所述识别货厢是否存在粘物的步骤包括:
获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;
货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
进一步的,所述对货厢粘物体积进行估算的步骤包括:
获取实际重载情况下的载物体积;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
进一步的,所述基于空载模式下的输出值进行车辆的运动控制优化包括:油门输出控制优化、减速度输出控制优化、转向速度输出控制优化中的至少一种;
其中,控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
第二方面,提供了一种基于粘物识别的智能矿车控制装置,该装置包括:
粘物识别模块,用于识别货厢是否存在粘物;
粘物体积估算模块,用于当识别到货厢存在粘物时,对货厢粘物体积进行估算;
运动控制优化模块,用于基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
进一步的,所述粘物识别模块包括:
降斗速度时间获取单元,用于获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
货厢粘物判定单元,用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;且货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
进一步的,所述粘物体积估算模块包括:
实际重载载物体积获取单元,用于获取实际重载情况下的载物体积;
估算单元,用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
进一步的,所述运动控制优化模块包括:
比重计算单元,用于基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate;
控制优化单元,包括油门输出控制优化子单元,减速度输出控制优化子单元,转向速度输出控制优化子单元中的至少一种;
所述油门输出控制优化子单元在控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
所述减速度输出控制优化子单元在控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
所述转向速度输出控制优化子单元在控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
第三方面,提供了一种存储介质,其存储用于智能矿车控制的计算机程序,其中,所述计算机程序使得计算机执行如下方法:
S1、识别货厢是否存在粘物;
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
进一步的,所述识别货厢是否存在粘物的步骤包括:
获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;
货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
进一步的,所述对货厢粘物体积进行估算的步骤包括:
获取实际重载情况下的载物体积;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
进一步的,所述基于空载模式下的输出值进行车辆的运动控制优化包括:油门输出控制优化、减速度输出控制优化、转向速度输出控制优化中的至少一种;
其中,控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
第四方面,提供了一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行下方法:
S1、识别货厢是否存在粘物;
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
进一步的,所述识别货厢是否存在粘物的步骤包括:
获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;
货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
进一步的,所述对货厢粘物体积进行估算的步骤包括:
获取实际重载情况下的载物体积;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
进一步的,所述基于空载模式下的输出值进行车辆的运动控制优化包括:油门输出控制优化、减速度输出控制优化、转向速度输出控制优化中的至少一种;
其中,控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
(三)有益效果
本发明提供了一种智能矿车控制方法、装置、存储介质和电子设备。与现有技术相比,具备以下有益效果:
基于粘物状态识别,对控制算法中空载模式进行油门输出控制优化、减速度输出控制优化、转向速度输出控制优化,能够在车辆存在粘物情况下,提升车辆运动控制性能和安全性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的驾驶控制优化的流程图;
图2为本发明实施例的货厢粘物识别的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例通过提供一种智能矿车控制方法、装置、存储介质和电子设备,解决了如何基于矿车货厢中的粘物状态对车辆进行控制优化的问题。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
基于粘物状态识别,对控制算法中空载模式进行油门输出控制优化、减速度输出控制优化、转向速度输出控制优化,能够在车辆存在粘物情况下,提升车辆运动控制性能和安全性能。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1:
如图1所示,本发明提供了一种智能矿车控制方法,该方法包括:
S1、识别货厢是否存在粘物;
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
本实施例的有益效果为:
1)基于粘物状态识别,对控制算法中空载模式进行油门输出控制优化、减速度输出控制优化、转向速度输出控制优化,能够在车辆存在粘物情况下,提升车辆运动控制性能和安全性能。
下面对本发明实施例的实现过程进行详细说明:
如图2所示,S1、识别货厢是否存在粘物;步骤包括:
S11、获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
货厢的标准降斗速度和时间的具体获取方法为:在环境温度适宜的情况下,对矿车进行满载卸载,卸载后货厢无任何粘物存在的情况下控制货厢降斗,采集货厢从上止点位置下降到下止点位置的时间τ,同时基于降斗时间,并且通过上止点和下止点之间的行程计算货厢的下降速度ν;则可以通过以下公式获取货厢的标准降斗速度和时间:
其中,i表示第i个采集样本,N表示采集的样本个数(范围通过实际情况自定义,N>1即可)。
同理,货厢的实际降斗速度、时间的获取方法为;
矿车实际卸载过程中,卸载后控制货厢降斗,采集货厢从上止点位置下降到下止点位置的时间Treal,同时基于降斗时间,同时通过上止点和下止点之间的行程计算货厢的下降速度Vreal。
S12、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;
货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
当判定货厢存在粘物的情况下,需要对货厢粘物的体积进行估算,以判断货厢粘物对车辆参数的影响。
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;步骤包括:
S21、获取实际重载情况下的载物体积;
S22、基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化,步骤包括:
S31、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate;
S32、设定粘物体积比重阈值η,当Kload-rate>η时,则判定当前矿车粘物体积超过设定阈值,不能采用空载模式进行运动控制,需要基于空载模式下的输出值进行车辆的运动控制优化。
具体包括三种控制优化方案,油门输出控制优化、减速度输出控制优化、转向速度输出控制优化中的至少一种;
第一种:油门输出控制优化,属于车辆驱动控制,即油门输出在空载控制模式上增加油门增益参数适当提升油门输出强度,避免油门输出不足,加速性能衰退。
控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,αNo-load具体的计算方式属于车辆纵向控制算法,这里不做展开描述,为油门增益参数。
第二种,减速度输出控制优化,属于车辆制动控制,即行车制动输入为减速度;
此时,行车制动***基于减速度控制制动,控制直接输出减速度值给行车制动***,行车制动强度在空载控制模式上增加制动控制增益参数μ,适当提升行车制动介入强度,避免制动力不足,减速度性能衰退,甚至减速能力不足而发生风险;
控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数。
第三种,转向速度输出控制优化,和第二种一样属于车辆制动控制,即行车制动输入为制动压力,方向盘期望转速在空载模式上增加转向增益参数θ>0,适当增加转向速度,避免转向跟随性能衰退,发生偏离风险。
控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
实施例2:
提供了一种基于粘物识别的智能矿车控制装置,该装置包括:
粘物识别模块,用于识别货厢是否存在粘物;
粘物体积估算模块,用于当识别到货厢存在粘物时,对货厢粘物体积进行估算;
运动控制优化模块,用于基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
进一步的,所述粘物识别模块包括:
降斗速度时间获取单元,用于获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
货厢粘物判定单元,用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;且货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
进一步的,所述粘物体积估算模块包括:
实际重载载物体积获取单元,用于获取实际重载情况下的载物体积;
估算单元,用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
进一步的,所述运动控制优化模块包括:
比重计算单元,用于基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate;
控制优化单元,包括油门输出控制优化子单元,减速度输出控制优化子单元,转向速度输出控制优化子单元中的至少一种;
所述油门输出控制优化子单元在控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
所述减速度输出控制优化子单元在控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
所述转向速度输出控制优化子单元在控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
实施例3:
提供了一种存储介质,其存储用于智能矿车控制的计算机程序,其中,所述计算机程序使得计算机执行如下方法:
S1、识别货厢是否存在粘物;
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
进一步的,所述识别货厢是否存在粘物的步骤包括:
获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;
货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
进一步的,所述对货厢粘物体积进行估算的步骤包括:
获取实际重载情况下的载物体积;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
进一步的,所述基于空载模式下的输出值进行车辆的运动控制优化包括:油门输出控制优化、减速度输出控制优化、转向速度输出控制优化中的至少一种;
其中,控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
实施例4:
提供了一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行下方法:
S1、识别货厢是否存在粘物;
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化。
进一步的,所述识别货厢是否存在粘物的步骤包括:
获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;
货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值。
进一步的,所述对货厢粘物体积进行估算的步骤包括:
获取实际重载情况下的载物体积;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
进一步的,所述基于空载模式下的输出值进行车辆的运动控制优化包括:油门输出控制优化、减速度输出控制优化、转向速度输出控制优化中的至少一种;
其中,控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;/>
控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
可理解的是,本发明实施例提供的基于粘物识别的智能矿车控制装置、存储介质、电子设备与上述智能矿车控制方法相对应,其有关内容的解释、举例、有益效果等部分可以参考智能矿车控制方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,本发明具备以下有益效果:
①基于粘物状态识别,对控制算法中空载模式进行油门输出控制优化、减速度输出控制优化、转向速度输出控制优化,能够在车辆存在粘物情况下,提升车辆运动控制性能和安全性能。
②基于现有的智能驾驶矿车***,无需增加额外测量装置,通过现有参数对车厢粘物状态和粘物体积进行识别和估算,实车测试表明,能够准确识别货厢粘物状态,功能实现简单,可实用性强。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种智能矿车控制方法,其特征在于,该方法包括:
S1、识别货厢是否存在粘物;
S2、识别到货厢存在粘物时,对货厢粘物体积进行估算;
S3、基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化;
其中,所述识别货厢是否存在粘物的步骤包括:
获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;
货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值;
所述对货厢粘物体积进行估算的步骤包括:
获取实际重载情况下的载物体积;
基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
2.如权利要求1所述的一种智能矿车控制方法,其特征在于,所述基于空载模式下的输出值进行车辆的运动控制优化包括:油门输出控制优化、减速度输出控制优化、转向速度输出控制优化中的至少一种;
其中,控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
3.一种基于粘物识别的智能矿车控制装置,其特征在于,该装置包括:
粘物识别模块,用于识别货厢是否存在粘物;
粘物体积估算模块,用于当识别到货厢存在粘物时,对货厢粘物体积进行估算;
运动控制优化模块,用于基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate,当Kload-rate大于粘物体积比重阈值η时,基于空载模式下的输出值进行车辆的运动控制优化;
其中,所述粘物识别模块包括:
降斗速度时间获取单元,用于获取标准降斗速度和标准降斗时间,以及实际降斗速度和实际降斗时间;
货厢粘物判定单元,用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、时间阈值和速度阈值判断货厢是否存在粘物;且货厢粘物判定公式为:
其中,Vreal为实际降斗速度,Vbase为标准降斗速度;Treal为实际降斗时间,Tbase为标准降斗时间,KTimeThread为设定的时间阈值,KspdThread为设定的速度阈值;
其中,所述粘物体积估算模块包括:
实际重载载物体积获取单元,用于获取实际重载情况下的载物体积;
估算单元,用于基于标准降斗速度、标准降斗时间、实际降斗速度、实际降斗时间、实际重载情况下的载物体积对货厢粘物体积进行估算:
其中,Qstick-basetime为基于降斗时间估算的粘物体积,Qstick-basespd为基于降斗速度估算的粘物体积,Qrealstick为实际粘物估算体积,Qload为实际重载情况下的载物体积。
4.如权利要求3所述的一种基于粘物识别的智能矿车控制装置,其特征在于,所述运动控制优化模块包括:
比重计算单元,用于基于货厢粘物体积估算结果,计算粘物体积占实际重载情况下的载物体积的比重Kload-rate;
控制优化单元,包括油门输出控制优化子单元,减速度输出控制优化子单元,转向速度输出控制优化子单元中的至少一种;
所述油门输出控制优化子单元在控制优化后的油门输出为:
其中,αrl为控制优化后实际输出的油门开度,αNo-load为空载模式下根据车辆期望轨迹计算输出的油门开度,为油门增益参数;
所述减速度输出控制优化子单元在控制优化后的制动减速度输出为:
arl=aNo-load×μ
其中,arl为控制优化后实际输出的制动减速度,aNo-load为空载模式下根据车辆期望轨迹计算输出的制动减速度;μ>0表示制动减速度增益参数;
所述转向速度输出控制优化子单元在控制优化后的转向速度输出为:
nrl=nNo-load×θ
其中,nrl控制优化后实际输出的转向速度,nNo-load空载模式下根据车辆期望轨迹计算输出的转向速度,θ>0为转向增益参数。
5.一种存储介质,其特征在于,其存储用于智能矿车控制的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-2任一项所述的智能矿车控制方法。
6.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如权利要求1-2任一项所述的智能矿车控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011340434.8A CN112327880B (zh) | 2020-11-25 | 2020-11-25 | 智能矿车控制方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011340434.8A CN112327880B (zh) | 2020-11-25 | 2020-11-25 | 智能矿车控制方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112327880A CN112327880A (zh) | 2021-02-05 |
CN112327880B true CN112327880B (zh) | 2023-08-18 |
Family
ID=74309586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011340434.8A Active CN112327880B (zh) | 2020-11-25 | 2020-11-25 | 智能矿车控制方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327880B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202624221U (zh) * | 2012-06-16 | 2012-12-26 | 贺良才 | 卸料不粘底的矿车 |
CN106476811A (zh) * | 2016-10-31 | 2017-03-08 | 安徽江淮汽车集团股份有限公司 | 一种整车负载计算的控制方法及*** |
CN108594821A (zh) * | 2018-05-08 | 2018-09-28 | 陕西同力重工股份有限公司 | 无人驾驶矿车定位和寻迹方法 |
CN110675016A (zh) * | 2019-08-08 | 2020-01-10 | 北京航空航天大学 | 一种基于端边云架构的矿车无人驾驶运输***云智能调度***及充电方法 |
CN111882474A (zh) * | 2020-06-22 | 2020-11-03 | 北京九曜智能科技有限公司 | 一种用于自动驾驶车辆集群调度的fds功能设计方法 |
-
2020
- 2020-11-25 CN CN202011340434.8A patent/CN112327880B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202624221U (zh) * | 2012-06-16 | 2012-12-26 | 贺良才 | 卸料不粘底的矿车 |
CN106476811A (zh) * | 2016-10-31 | 2017-03-08 | 安徽江淮汽车集团股份有限公司 | 一种整车负载计算的控制方法及*** |
CN108594821A (zh) * | 2018-05-08 | 2018-09-28 | 陕西同力重工股份有限公司 | 无人驾驶矿车定位和寻迹方法 |
CN110675016A (zh) * | 2019-08-08 | 2020-01-10 | 北京航空航天大学 | 一种基于端边云架构的矿车无人驾驶运输***云智能调度***及充电方法 |
CN111882474A (zh) * | 2020-06-22 | 2020-11-03 | 北京九曜智能科技有限公司 | 一种用于自动驾驶车辆集群调度的fds功能设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112327880A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105946861B (zh) | 一种基于驾驶意图识别的nar神经网络车速预测方法 | |
CN111994129B (zh) | 一种轮轨列车防滑控制方法及*** | |
CN110422767B (zh) | 对吊具定位的方法、装置及*** | |
CN109878534B (zh) | 一种车辆的控制方法、模型的训练方法和装置 | |
US20210383040A1 (en) | Apparatus and method for determining friction coefficient of brake friction material | |
CN111860201B (zh) | 图像识别与桥梁监测相结合的匝道重车识别方法及*** | |
US9580052B2 (en) | Method for decelerating a vehicle | |
US20220041172A1 (en) | System and method for identifying a change in load of a commercial vehicle | |
CN112327880B (zh) | 智能矿车控制方法、装置、存储介质和电子设备 | |
CN112334375A (zh) | 用于预测在轨道车辆的车轮与轨道之间的接触点中的附着系数的方法、用于改善在轨道车辆的车轮与轨道之间的接触点中的附着系数的方法和用于实施所述方法的装置 | |
US6678633B2 (en) | System and method for determining the height of the center of gravity of a vehicle | |
CN101341381B (zh) | 验证求出的机动车质量的可信性的方法 | |
CN112464137B (zh) | 智慧矿车货厢粘物识别方法、装置、存储介质和电子设备 | |
CN110160615A (zh) | 车载称重方法、装置及*** | |
CN113703367A (zh) | 一种用于优化制动性能的车辆制动方法及*** | |
CN116434147A (zh) | 一种基于视频图像分析的拖车作业安全在线监测*** | |
CN103231710B (zh) | 基于驾驶员工作负担调度驾驶员接口任务的***和方法 | |
CN116118752A (zh) | 一种轮胎磨损预警方法、装置、电子设备和存储介质 | |
CN115343719A (zh) | 基于红外和激光雷达的货车严重超载检测方法 | |
CN113390495B (zh) | 基于场景识别的城市轻轨车辆载荷在线估算方法 | |
US20230182698A1 (en) | Apparatus and Method for Determining a Road Friction | |
CN113935189A (zh) | 一种列车制动能力预测方法、电子设备和计算机存储介质 | |
CN112417365A (zh) | 一种基于扩展卡尔曼滤波的自动驾驶卡车质量估算方法 | |
CN114312724B (zh) | 制动***故障诊断及处理方法 | |
CN117325879B (zh) | 一种四轮分布式电驱动汽车状态评估方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |