[发明专利]挖掘机油耗的预测方法、系统及电子设备

权利要求书

1.一种挖掘机油耗的预测方法，所述方法应用于机械式喷油系统挖掘机，其特征在于，所述方法包括：

根据所述机械式喷油系统挖掘机的型号，确定与所述机械式喷油系统挖掘机同型号的电喷式喷油系统挖掘机；

获取所述电喷式喷油系统挖掘机的属性数据；其中，所述属性数据包含所述电喷式喷油系统挖掘机的实时油耗；

所述属性数据输入至预设模型库中的初始化模型进行模型训练，将训练完成的所述初始化模型作为预测模型；所述预测模型输出所述电喷式喷油系统挖掘机的预测油耗，并利用损失函数和所述实时油耗对所述预测油耗进行修正；

将已完成修正的所述电喷式喷油系统挖掘机的预测油耗，作为所述机械式喷油系统挖掘机的实时油耗。

所述初始化模型的训练过程，包括：

获取模型样本数据；其中，所述模型样本数据为与所述机械式喷油系统挖掘机同型号的电喷式喷油系统挖掘机的属性数据；

将所述模型样本数据输入至已初始化的随机森林模型中进行训练，得到第一训练结果；

将所述第一训练结果分别进行归一化计算以及零值计算，得到第二训练结果；

利用K-邻近算法对所述第二训练结果进行堆叠回归计算，得到油耗预测临时数据；其中，堆叠回归计算过程中，将所述电喷式喷油系统挖掘机的实时油耗与所述油耗预测临时数据进行对比得到第一对比结果，所述第一对比结果作为所述初始化模型的修正参数；

根据预设损失函数计算所述初始化模型的损失值，当所述损失值满足预设的期望阈值时停止训练，得到所述预测模型；

所述电喷式喷油系统挖掘机的属性数据，还包括：所述电喷式喷油系统挖掘机的前后主泵压力、LS压力、发动机转速、动作编码以及燃油温度。

2.根据权利要求1所述的挖掘机油耗的预测方法，其特征在于，将所述模型样本数据输入至已初始化的随机森林模型中进行训练之前，所述初始化模型的训练过程还包括：

利用相关系数矩阵及遗传算法，对所述模型样本数据进行相关性提取，得到所述模型样本数据中与油耗变化相关的相关性结果；

将所述相关性结果与所述模型样本数据进行组合，组合结果作为新的所述模型样本数据用于所述初始化模型的训练。

3.根据权利要求1所述的挖掘机油耗的预测方法，其特征在于，获取模型样本数据的步骤之后，所述初始化模型的训练过程还包括：

根据所述属性数据中的档位数据、机型数据、发动机型号、排放标准数据，获取所述电喷式喷油系统挖掘机的油耗标准；

将所述电喷式喷油系统挖掘机试验数据的油耗参考作为过滤阈值参考，对所述模型样本数据的油耗数据进行过滤，除去异常值。

4.根据权利要求1所述的挖掘机油耗的预测方法，其特征在于，所述修正参数，还包括：

获取所述机械式喷油系统挖掘机的实际加油量；

将所述机械式喷油系统挖掘机的实际加油量与所述油耗预测临时数据进行对比得到第二对比结果，所述第二对比结果作为所述初始化模型的修正参数。

5.根据权利要求1所述的挖掘机油耗的预测方法，其特征在于，所述初始化模型和训练得到的所述预测模型部署在云端服务器中。

6.一种挖掘机油耗的预测系统，所述系统应用于机械式喷油系统挖掘机，并按照如权利要求1至5中任一项所述的预测方法运行，其特征在于，所述系统包括：

电喷式喷油系统挖掘机确定模块，用于根据所述机械式喷油系统挖掘机的型号，确定与所述机械式喷油系统挖掘机同型号的电喷式喷油系统挖掘机；

电喷式喷油系统挖掘机属性数据获取模块，用于获取所述电喷式喷油系统挖掘机的属性数据；其中，所述属性数据包含所述电喷式喷油系统挖掘机的实时油耗；

电喷式喷油系统挖掘机油耗预测模块，用于所述属性数据输入至预设模型库中的初始化模型进行模型训练，将训练完成的所述初始化模型作为预测模型；所述预测模型输出所述电喷式喷油系统挖掘机的预测油耗，并利用损失函数和所述实时油耗对所述预测油耗进行修正；

机械式喷油系统挖掘机油耗确定模块，用于将已完成修正的所述电喷式喷油系统挖掘机的预测油耗，作为所述机械式喷油系统挖掘机的实时油耗。