王維 陳艷軍 史余鵬 單昊忞

摘要：簡(jiǎn)要介紹了建立挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別系統(tǒng)重要性，以中聯(lián)重科20t級(jí)履帶式液壓挖掘機(jī)為實(shí)驗(yàn)機(jī)械，使用實(shí)驗(yàn)設(shè)備對(duì)其最常用的執(zhí)行器甩方工況的運(yùn)行狀態(tài)開(kāi)展識(shí)別實(shí)驗(yàn)，通過(guò)數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理和模型訓(xùn)練，通過(guò)分析識(shí)別結(jié)果，得出預(yù)訓(xùn)練LIBSVM模型可以實(shí)時(shí)識(shí)別挖掘機(jī)執(zhí)行器的運(yùn)行狀態(tài)，證明了該方法的可行性。

關(guān)鍵詞：液壓挖掘機(jī)；甩方工況；LIBSVM；狀態(tài)識(shí)別

基金項(xiàng)目：湖南省科技重大專項(xiàng)十大技術(shù)攻關(guān)項(xiàng)目（2021GK1070）；長(zhǎng)沙市科技計(jì)劃項(xiàng)目（KH2003025）

0? ?引言

挖掘機(jī)工況識(shí)別是項(xiàng)目管理者高效管理現(xiàn)場(chǎng)的重要技術(shù)之一，挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別是工況識(shí)別的基礎(chǔ)。本文以挖掘機(jī)甩方工況為例，以動(dòng)臂、斗桿、鏟斗液壓缸位移和回轉(zhuǎn)馬達(dá)流量為標(biāo)準(zhǔn)劃分挖掘機(jī)執(zhí)行器運(yùn)行狀態(tài)組合種類，使用實(shí)驗(yàn)采集的操作手柄先導(dǎo)壓力信號(hào)，借助LIBSVM算法搭建了挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別模型，整體識(shí)別正確率達(dá)到94.18%。

1? ?建立挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別系統(tǒng)重要性

建設(shè)項(xiàng)目快速完工的需求日益增長(zhǎng)，促使項(xiàng)目管理者積極探索高效的施工現(xiàn)場(chǎng)管理方法。近年來(lái)，以挖掘機(jī)為代表的土方施工機(jī)械已成為工程關(guān)注的焦點(diǎn)[1]。為了提高生產(chǎn)效率分析的準(zhǔn)確性，項(xiàng)目經(jīng)理需要實(shí)時(shí)獲取現(xiàn)場(chǎng)所有機(jī)械設(shè)備的具體運(yùn)行情況。

挖掘機(jī)主要執(zhí)行器包括動(dòng)臂、斗桿、鏟斗、回轉(zhuǎn)馬達(dá)等，通過(guò)不同執(zhí)行器之間的互相配合組成了挖掘機(jī)多種動(dòng)作，若干個(gè)動(dòng)作按序執(zhí)行即可完成不同的作業(yè)任務(wù)，因此挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別是挖掘機(jī)工況識(shí)別的基礎(chǔ)。鑒于挖掘機(jī)實(shí)時(shí)工況識(shí)別十分重要，本文通過(guò)使用實(shí)驗(yàn)采集的挖掘機(jī)操作手柄先導(dǎo)壓力信號(hào)，借助LIBSVM算法建立了挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別系統(tǒng)。

2? ?挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別系統(tǒng)實(shí)驗(yàn)

2.1? ?參與實(shí)驗(yàn)的機(jī)械和設(shè)備

為了建立挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別系統(tǒng)，本實(shí)驗(yàn)采用中聯(lián)重科20t級(jí)履帶式液壓挖掘機(jī)，其由1臺(tái)額定功率為125kW的柴油發(fā)動(dòng)機(jī)為整車提供動(dòng)力；其液壓系統(tǒng)采用雙泵供油配置，主泵流量控制采用正流量控制方式。

參與實(shí)驗(yàn)的測(cè)試設(shè)備包括傳感器、流量計(jì)、數(shù)據(jù)采集系統(tǒng)和CAN總線。3個(gè)位移傳感器安裝在動(dòng)臂、斗桿、鏟斗液壓缸上，其量程為0～3000mm，其電流輸出值為4～20mA，用于采集3個(gè)液壓缸的伸出縮回情況，以及其是否處于標(biāo)準(zhǔn)運(yùn)行狀態(tài)。

2個(gè)安裝在回轉(zhuǎn)馬達(dá)進(jìn)出油口處的流量計(jì)，其計(jì)量范圍為0～300L/min，用于測(cè)量回轉(zhuǎn)馬達(dá)正、反轉(zhuǎn)時(shí)的流量變化情況，回轉(zhuǎn)馬達(dá)進(jìn)出油口是否有流量變化，以及回轉(zhuǎn)馬達(dá)是否處于標(biāo)準(zhǔn)運(yùn)行狀態(tài)。

數(shù)據(jù)采集系統(tǒng)基于National Instrument（NI）測(cè)控系統(tǒng)搭建，包括NI-9203（8通道電流輸入）、NI-9423（8通道頻率信號(hào)輸入）、NI-9862（單端口高速CAN端口模塊）、NI-cDAQ-9174機(jī)箱（4卡槽，USB通訊），以及1臺(tái)高性能工控機(jī)。其中NI-9203用于采集位移傳感器信號(hào)，NI-9862用于從挖掘機(jī)CAN總線中采集操作手柄先導(dǎo)控制壓力信號(hào)。

CAN（Controller Area Network）即控制器局域網(wǎng)，是一種用于實(shí)時(shí)應(yīng)用的串行通訊協(xié)議總線，其使用雙絞線傳輸信號(hào)，是世界上應(yīng)用最廣泛的現(xiàn)場(chǎng)總線之一[2]。CAN總線用于汽車中各種不同元件之間的通信，以此取代昂貴而笨重的配電線束。CAN總線的健壯性使其用途延伸到其他自動(dòng)化和工業(yè)應(yīng)用[3]。本實(shí)驗(yàn)所使用的挖掘機(jī)即配備了CAN總線，數(shù)據(jù)采樣頻率為100Hz，使用CAN總線讀取數(shù)據(jù)不僅能簡(jiǎn)化硬件設(shè)備，還可避免傳感器受到干擾。

2.2? ?實(shí)驗(yàn)過(guò)程

本實(shí)驗(yàn)項(xiàng)目為挖掘機(jī)最常用的甩方工況，因此針對(duì)甩方工況進(jìn)行研究具有重要價(jià)值。駕駛挖掘機(jī)具有較強(qiáng)的專業(yè)性，受挖掘機(jī)司機(jī)操作的熟練度和操作習(xí)慣影響較大。因此本實(shí)驗(yàn)邀請(qǐng)了3名挖掘機(jī)司機(jī)參與甩方作業(yè)循環(huán)實(shí)驗(yàn)，以排除不同操作對(duì)實(shí)驗(yàn)結(jié)果的影響。每名司機(jī)完成挖掘準(zhǔn)備、挖掘、提升回轉(zhuǎn)、卸荷、空斗返回5個(gè)典型作業(yè)階段[4]，由此獲得5個(gè)完整甩方工況典型作業(yè)循環(huán)的實(shí)驗(yàn)數(shù)據(jù)。挖掘機(jī)甩方工況典型作業(yè)循環(huán)如圖1所示。

3? ?數(shù)據(jù)預(yù)處理和模型訓(xùn)練

3.1? ?數(shù)據(jù)預(yù)處理

以液壓缸位移為標(biāo)志，對(duì)各執(zhí)行器先導(dǎo)控制信號(hào)進(jìn)行劃分。是否運(yùn)行是各執(zhí)行器最直觀的狀態(tài)表現(xiàn)。正在運(yùn)行執(zhí)行器的種類組合不同，反映出挖掘機(jī)正在完成不同的動(dòng)作。通過(guò)統(tǒng)計(jì)所有實(shí)驗(yàn)數(shù)據(jù)，得到的配置在挖掘機(jī)上各執(zhí)行器組合運(yùn)行狀態(tài)情況的實(shí)驗(yàn)數(shù)據(jù)，基本達(dá)到訓(xùn)練LIBSVM模型所需數(shù)據(jù)要求。挖掘機(jī)各執(zhí)行器組合運(yùn)行狀態(tài)種類統(tǒng)計(jì)如表1所示。

為了更直觀理解各執(zhí)行器組合運(yùn)行狀態(tài)的含義，采取數(shù)字列表方法予以解釋。對(duì)于動(dòng)臂、鏟斗、回轉(zhuǎn)馬達(dá)，0表示該執(zhí)行器靜止，1表示該執(zhí)行器運(yùn)行；對(duì)于斗桿，其動(dòng)作幅度往往遠(yuǎn)大于其他執(zhí)行器，斗桿是否運(yùn)行通常標(biāo)志著某一動(dòng)作是否出現(xiàn)，因此將斗桿運(yùn)行狀態(tài)分為：0表示靜止，1表示斗桿內(nèi)收，2表示斗桿外擺。各執(zhí)行器組合運(yùn)行狀態(tài)詳情如表2所示。

3.2? ?模型訓(xùn)練

采用滑移時(shí)間窗口法，提取原始數(shù)據(jù)并生成特征向量作為模型輸入。當(dāng)前時(shí)刻數(shù)據(jù)處理完成后，時(shí)間窗口向右移動(dòng)讀取下一時(shí)刻數(shù)據(jù)并刪除距離下一時(shí)刻最遠(yuǎn)的數(shù)據(jù)，保證時(shí)間窗口內(nèi)數(shù)據(jù)量不變。本次時(shí)間窗口寬度選擇0.04s。

SVM（Support Vector Machine）是一種按監(jiān)督學(xué)習(xí)方式對(duì)數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器，LIBSVM是其變形之一，具有子分類器數(shù)量少、訓(xùn)練時(shí)間短等優(yōu)點(diǎn)。其核心是建立一個(gè)超平面作為決策曲面，使得正例和反例之間的隔離邊緣被最大化。建立超平面的計(jì)算方法，如公式（1）所示[5]。

（1）

式中：i=1，2，n，n為訓(xùn)練樣本數(shù)量；c為懲罰系數(shù)，ξ為松弛系數(shù)，當(dāng)樣本集數(shù)據(jù)不完全線性可分時(shí)，引入懲罰系數(shù)和松弛系數(shù)可以減小異常數(shù)據(jù)點(diǎn)對(duì)模型的影響；ωTxi+b表示的是分類超平面；yi是第i個(gè)類別標(biāo)志。

LIBSVM模型通常用于二分類問(wèn)題，對(duì)于本文所涉及多分類問(wèn)題，通常在每2個(gè)類別之間建立一個(gè)二分類器，綜合所有二分類器的分類情況，最終得到輸出結(jié)果。核函數(shù)采用最常用的徑向基函數(shù)對(duì)原始數(shù)據(jù)進(jìn)行升維或降維，使其線性可分，其表達(dá)式[5]如下：

（2）

式中：i=1，2，n，n為訓(xùn)練樣本數(shù)量；xi為訓(xùn)練數(shù)據(jù)集的第i個(gè)實(shí)例；yi為xi的類別標(biāo)志；γ為用于校準(zhǔn)模型的偏差程度和方差的參數(shù)。

4? ?識(shí)別結(jié)果分析

4.1? ?正確率和召回率

使用預(yù)訓(xùn)練效果好的LIBSVM模型，對(duì)8個(gè)典型作業(yè)循環(huán)、總計(jì)15598條數(shù)據(jù)進(jìn)行識(shí)別測(cè)試，其識(shí)別正確率為94.18%。LIBSVM識(shí)別結(jié)果的混淆矩陣和召回率，如表3所示。

采用召回率（Recall）評(píng)價(jià)模型的識(shí)別性能，召回率表達(dá)方法如公式（3）所示。

（3）

式中，TP為被模型識(shí)別為正類的正樣本；FN為被模型識(shí)別為負(fù)類的正樣本。

從表3可以看出，組合1和組合2的識(shí)別召回率最高。結(jié)合表2可知，組合1中所有執(zhí)行器均沒(méi)有運(yùn)行，即待機(jī)狀態(tài)，各執(zhí)行器的先導(dǎo)壓力均保持在最低水平，與其他組合先導(dǎo)壓力區(qū)別較大，因此模型對(duì)組合1的識(shí)別能力較強(qiáng)。

識(shí)別召回率最低的為組合4，有228個(gè)樣本誤識(shí)別為組合2。結(jié)合表2可知，組合2和組合4的區(qū)別在于鏟斗是否運(yùn)行。在挖掘準(zhǔn)備階段，挖掘機(jī)司機(jī)需要微調(diào)鏟斗以使其精確地位于想要進(jìn)行挖掘的位置。此時(shí)先導(dǎo)壓力位于主閥死區(qū)附近波動(dòng)，先導(dǎo)壓力和標(biāo)簽的映射關(guān)系較為模糊，給模型精確識(shí)別帶來(lái)了困難。

4.2? ?LIBSVM模型的可行性

為了進(jìn)一步分析誤識(shí)結(jié)果的分布情況，將誤識(shí)結(jié)果分為超前誤識(shí)、滯后誤識(shí)和跨類誤識(shí)。超前誤識(shí)是指挖掘機(jī)實(shí)際未進(jìn)入下一組合狀態(tài)，而模型識(shí)別結(jié)果已經(jīng)提前進(jìn)入下一組合狀態(tài)，如圖2中62s處出現(xiàn)的誤識(shí)所示。超前誤識(shí)是由于主閥壓力死區(qū)的存在，使得壓力信號(hào)提前達(dá)到與下一組合狀態(tài)相似的水平。LIBSVM模型識(shí)別結(jié)果如圖2所示。

滯后誤識(shí)是指挖掘機(jī)實(shí)際已經(jīng)進(jìn)入下一組合狀態(tài)，而模型識(shí)別結(jié)果未能進(jìn)入下一組合狀態(tài)，如圖2中59s處出現(xiàn)的誤識(shí)。滯后誤識(shí)是使用滑移時(shí)間窗口法無(wú)法避免的，每一處執(zhí)行器狀態(tài)組合過(guò)渡處均有滯后誤識(shí)的出現(xiàn)，即證明了這一結(jié)論。

跨類誤識(shí)是由于時(shí)間窗口內(nèi)數(shù)據(jù)的特征與另一組合狀態(tài)十分相似，進(jìn)而使模型產(chǎn)生誤識(shí)?？珙愓`識(shí)通常出現(xiàn)在執(zhí)行器狀態(tài)組合頻繁變化的情況，時(shí)間窗內(nèi)的數(shù)據(jù)無(wú)法及時(shí)相應(yīng)變化，如圖2中66s處出現(xiàn)的誤識(shí)所示。

只有當(dāng)足夠數(shù)量的下一組合狀態(tài)原始數(shù)據(jù)進(jìn)入時(shí)間窗口，才能具有表征下一組合狀態(tài)特征的能力。總體而言，預(yù)訓(xùn)練的LIBSVM模型，可以實(shí)時(shí)識(shí)別挖掘機(jī)目前所有執(zhí)行器的運(yùn)行狀態(tài)，證明了此方法是可行的。

5? ?結(jié)束語(yǔ)

本文使用操作手柄先導(dǎo)壓力信號(hào)、并借助LIBSVM算法，建立了一套挖掘機(jī)執(zhí)行器狀態(tài)識(shí)別模型，能夠識(shí)別挖掘機(jī)所有執(zhí)行器的運(yùn)行情況，識(shí)別正確率為94.18%，證明了LIBSVM模型的可行性和有效性，為挖掘機(jī)工況識(shí)別提供了技術(shù)基礎(chǔ)。

參考文獻(xiàn)

[1] 姜繼海， 張翼鵬.挖掘機(jī)液壓系統(tǒng)節(jié)能技術(shù)[J].建設(shè)機(jī)械技

術(shù)與管理，2013（7）：102-106.

[2] 衛(wèi)穎，施新.基于CAN總線的指揮車輛控制系統(tǒng)設(shè)計(jì)[J].

新技術(shù)新工藝，2023（2）：56-62.

[3] 翟耘萱，田園，史翠紅，等.航天器嵌入式軟件CAN總線

測(cè)試方法研究[J].機(jī)電信息，2023（9）：5-7+11.

[4] 馬守磊，蘇晗，楊超，等.基于液壓挖掘機(jī)作業(yè)循環(huán)階段的

工況識(shí)別方法研究[J].液壓與氣動(dòng)，2023，47（4）：19-26.

[5] 蔣生強(qiáng).高效支持向量機(jī)的研究與實(shí)現(xiàn)[D].成都：電子科

技大學(xué)，2018.