人工智能的电力物资仓库无人驾驶行吊技术_陈曦.pdf

，技术交流微型电脑应用 年第 卷第期作者简介：陈曦（），男，硕士，工程师，研究方向为电力信息化；王颖（），女，硕士，经济师，研究方向为经营管理。通信作者：王超（），男，硕士，工程师，研究方向为电力信息化。文章编号：（）人工智能的电力物资仓库无人驾驶行吊技术陈曦，王超，王颖（北京国电通网络技术有限公司，北京 ）摘要：针对现有技术中电力物资仓库无人驾驶行吊运行在存在避障灵敏性差、故障诊断能力薄弱等问题，设计了一种新型的电力物资仓库无人驾驶行吊控制方案。构建了新型的人工智能控制系统，能够实现无人驾驶行吊运行状态的智能化、自动化监控。还设计了行波定位算法模型，对无人驾驶行吊运行过程中障碍点以及故障点进行监测，并构建长短时记忆神经网络模型，实现无人驾驶行吊运行过程中的故障诊断。试验表明，所提出的方法定位精度高，故障诊断能力强。关键词：电力物资仓库；无人驾驶行吊；人工智能；长短时记忆神经网络模型中图分类号：；文献标志码：，（，）：，：；引言在电力物资仓库监管过程中，无人驾驶行吊具有举足轻重的地位。在电力物资仓库管理中，如何精准捕捉无人驾驶的动态特征，如何智能化分析电力物资管理信息，如何对行吊运行过程中的故障信息报警、避障处理等，都需要进一步地研究。文献 通过 神经网络在线拟合滑模变结构的切换控制量，并采用改进的粒子群算法对神经网络进行优化计算，能够将神经网络架构实现滑模面过渡，提高了无人驾驶汽车的控制，该技术手段虽然也应用了人工智能手段，但无法实现故障位置的定位。对于突发事件的处理和把控难以实现。文献 采用了 神经网络模型的人工智能手段实现制造系统的故障诊断，该技术构建了包括输入层、隐含层和输出层的三层故障诊断模型，虽然也能够实现故障的快速、精准诊断和识别，但是仍旧无法对无人驾驶行吊运行状态进行故障诊断。基于上述技术的不足，本研究进行以下技术研究。基于人工智能技术的无人驾驶行吊控制方案本研究设计的无人驾驶行吊控制方案如图所示。图中，在智能设备层中设置大量的人工智能设备，比如 网络摄像机、识别模块、门禁装置、报警控制单元、音频装置、红外传感器等。这些装置能够采集无人驾驶行吊运行环境中的各种数据信息。由于行吊装置通常在三维方向上自动运行，能够实现不同部件的灵活抓取，也可以设置 变频器进行行吊控制，能够在固定的区域内记忆行驶、自动避障、自动停车等。获取后的数据信息通过信息转换融合模块实现行吊运行状态的各种信息融合，将不同的宏观数据信息转换为微观数据进行分析，然后采用人工智能分析技术实现不同运行状态的分析和计算。本研究采用 模型挖掘数据，构建了行波定位方法，实现行吊行进位置或者故障位置的定位，同时采用长短时记忆神经网络模型实现无人驾驶行吊的故障诊断，提高了无人驾驶行吊的运维研究。，技术交流微型电脑应用 年第 卷第期图 无人驾驶行吊控制方案示意图 人工智能技术计算方法本研究的创新点在于，采用行波定位方法对行吊的行进位置或者故障位置进行定位，采用长短时记忆神经网络架构实现无人驾驶行吊的故障诊断，实现无人驾驶行吊的运行状态以及故障诊断。该算法的架构示意图如图所示。图 人工智能计算架构示意图 行波定位方法为了即时确定行吊的位置，本研究采用行波定位方法，行波原理如图所示。图 无人驾驶行吊行波定位原理示意图将无人驾驶行吊运行过程中的障碍点通过空间三维坐标（，）的方式构建。其中，表示位置差，即行波定位装置在进行行波测距时，测量值与实际值之间的误差。通过式（）表示：（，）（）式中，表示行吊运行中的障碍点或者故障点与设定的标准距离之间的长度，表示行吊运行中的障碍点或者故障点与设定的其他标准距离之间的长度。表示行波测距与设定标准距离之间的形式测量结果。表示时间差，该值是进行行波测距时定位的时间与实际发生的时间之间的差距，通过式（）表示：（）式中，表示行吊在运行过程中，行波定位装置达到障碍点或者故障点测量端的 级时刻，为行波定位装置记录行波 级时刻。差异度表示行波遇到障碍点或者故障点时释放的波形与行波定位装置发射行波历史数据库中数据信息的相似度程度，通过式（）表示：（）（）（）式中，（）与（）分别表示行波定位装置在遇到障碍点或者故障点时输出波形的离散数据信息，表示行波行为装置发出行波的历史信息。的值与相似度值成反比。在本研究中，以原点为顶点，勾画出长方体，非障碍点或者故障点分散地分布在障碍点或者故障点的三维空间体系内，行波定位装置输出区域为，；，；，（）行波定位距离可以通过式（）表示：（）（）式中，表示第次在行吊运行中检测到的障碍点或者故障点发出行波的时间点，表示第次在行吊运行中检测到的障碍点或者故障点发出行波的时间点，通过行波法进行计算时，行波位置与障碍点或者故障点之间的距离。通过式（）进而计算出行波定位的距离。长短时记忆神经网络模型通过行波定位方法对障碍点或者故障点定位后，本研究还采用长短时记忆（）神经网络架构体系实现电力物资仓库无人驾驶行吊运行过程中的故障检测，需要在神经网络架构模型中融入单个 块结构，其架构示意图如图所示。图单个 块体系结构示意图 ，技术交流微型电脑应用 年第 卷第期在本研究架构中，块包括存储模块、信息去除门、信息流入门和信息流出门。通过这几个模块构成了单个 块架构，存储模块实现行吊运行状态的信息输入、删除和读取。通过信息流入门、信息去除门和信息流出门等配合进行处理。其中，信息去除门能够确定存储模块在上一个时刻存储无人驾驶行吊运行状态是否过期，或者是否可以再次应用，如果该信息状 态 历 史过 于 陈旧，则将该信息删除。信息流入门从存储模块中选择数据信息，不断实现信息更新，信息流出门还能够将存储模块内的数据信息过滤，从而使得单个 块结构只考虑其输出 端 的 相 关 信 息，通 过 这 种 方 式 提 高 了 信 息 筛 选能力。然后调取 函数，计算出信息去除门、信息流入门和信息流出门等不同门和存储模块的输出值，通过式（）表示：（，）（，）（，）（）式中，表示神经网络模型中不同网络节点参数数据节点，表示神经网络模型中参数权重矩阵，表示神经网络模型中不同节点权重矩阵的偏置向量，表示输入的无人驾驶行吊运行数据信息参数，表示无人驾驶行吊运行 故 障 诊 断 数 据 输 出 参 数。存 储 模 块 值和 单 个 块输出通过式（）表示：（，）（）（）式中，为双曲正切函数，表示神经网络节点中按照元素计算的乘法。在该神经网络模型中，还加入了 分类模型，能够通过回归的计算方法实现行吊运行过程中的位置状态分类。假设无人驾驶行吊运行过程中的各种状态数据信息为，引入 分类模型，通过，表示，其中不同数据信息可以表示为，分类模型能够对输入的无人驾驶行吊运行状态数据信息进行评估。假设第种运行状态出现的概率，可以通过式（）表示：（，）（）（）（）式中，为神经网络模型计算概率的参数矩阵，为行吊运行状态中第类相关的数据列向量，然后启动标准化交叉熵损失函数求出字母的最佳值，则输出的表达式可以为（）（）式中，与为输入函数的标准化模型参数。为了实现正则化计算需求，分类模型对无人驾驶行吊运行数据样本的分类方法通过式（）进行：（）通过对行吊不同运行状态进行分类和评估，进而实现了快速分类，提高了行吊运行和操控能力。实验与分析对本研究的技术方案进行以下验证：采用的操作系统为 ，位，计 算 机 的 开 发 工 具 为 ，。计 算 机 的硬件环境为 ：（）（）；主频 为 ；内存 ，仿真模型采 用 软件。行波定位方法验证采用行波定位算法模型的参数设置如表所示。表行波定位模型参数设置参数名称参数值行吊形式测距输出 初始行波到达测量端的 级时刻 行波定位装置输出 级时刻 最近行吊的距离 最近行吊的距离 差异度值 时间差 位置差 假设无人驾驶行吊的运动轨迹如图所示。图无人驾驶行吊运行图中无人驾驶行吊运行轨迹线路长度如表所示。表无人驾驶行吊运行轨迹线路长度行吊运行轨迹线路长度 障碍点障碍点长度 通过表的故障点设置，将无人驾驶行吊按表中的轨迹进行运行，运行过程中的采样频率为 ，取故障后 的数据用于后续分析。根据表、表输出的待测故障的特征点，将其坐标点设置为（，）。然后将该故障点放到三维坐标系当中，则输出的障碍点或者故障点如图所示。图行波定位算法输出故障点分布示意图 ，技术交流微型电脑应用 年第 卷第期通过图可以看到，白点表示检测到的障碍点或者故障点，黑点表示未检测到障碍点或者故障点的正常区域。因此，通过本研究的方法能够快速获取无人驾驶行吊的位置信息。假设行波波速 ，将本研究的方法与文献 方法和文献 方法进行比较分析。表测距对比示意表项目故障点故障点故障点实际值 本研究方法 文献 文献 通过表可以看到，本研究的方法定位准确度高。神经网络模型验证利用表和表的数据信息表，假设人为制造多个障碍点或者故障点。通过的测量，选取 个测试样本，将本研究方法与文献 方法和文献 方法分别进行对比分析，则故障测量情况见表。表故障测量情况测量位置人为故障数个文献检测个文献检测个本研究方法个 通过表可以看到，在通过 组的不同数据信息中，只有本研究的方法在检测故障测试点时，检测出的故障点较多。下面对检测误差进行验证，即实际检测到的位置与实际位置之间的差距。检测误差示意图如图所示。图检测误差示意对比图从图可知，本研究的方法在经过测试后，基本实现测试平衡，平均测试准确率在 以上。因此，本研究方法误差率低，检测精度高。总结针对电力物资仓库无人驾驶行吊运行监控能力差的问题，融合物联网和人工智能技术，构建了人工智能学习算法，设计了行波定位算法模型实现行吊的行进位的定位。构建了 神经网络架构模型，提高了无人驾驶行吊的故障诊断能力。通过 网络摄像机作为监控技术手段，能够即时、动态捕捉仓库现场车辆、人员等信息，但在应用过程中难免会出现其他问题，这需要进一步的研究。参考文献贺伊琳，马建，赵丹，等无人驾驶汽车 神经网络滑模横向控制策略长安大学学报（自然科学版），（）：汪超台，黄秋刚，蔡行语基于 神经网络算法的柔性制造系统故障诊断工具技术，（）：韩月起，张凯，宾洋，等基于凸近似的避障原理及无人驾驶车辆路径规划模型预测算法自动化学报，（）：单云霄，郭晓旻，龙江云，等渐优随机采样算法在结构化道路无人驾驶中的应用中国公路学报，（）：郭晓旻，李必军，龙江云，等利用激光点云的城市无人驾驶路径规划算法中国公路学报，（）：彭晓燕，谢浩，黄晶无人驾驶汽车局部路径规划算法研究汽车工程，（）：曾鹏，万华森，王一霖基于 的无人驾驶动态路径规划算法研究计算机工程与科学，（）：张荣辉，游峰，初鑫男，等车车协同下无人驾驶车辆的换道汇入控制方法中国公路学报，（）：，（）：，（）：（收稿日期：）