科创中国

行业领域

采矿业

需求背景

装载机是一种广泛运用于公路、铁路、矿山、港口等场地，具有铲、运、装、卸功能的工程机械，其中铲装作业油耗是评价其整机性能的重要指标之一。随着石油资源的日益短缺及环境法规的日益严格，加之装载机行业的激烈竞争，越来越多的企业开始投入大量精力对装载机的作业油耗进行研究。

现阶段主要的油耗测量方法包括直接测量法和间接测量法，其中直接测量法包含：容积法、称重法；间接测量法包含碳平衡法及超声波法。这些方法并不能实现对装载车油耗的预测。随着人工智能和机器学习方法的成熟，可以采用基于数据驱动的方法通过主要因素输入和油耗监测的数据积累，对装载车油耗实现有效的预测。其中BP神经网络是应用最广泛的神经网络训练算法，也是在模式识别和分类方面发展最早、研究最多、应用最为广泛的一类人工神经网络模型。

需解决的主要技术难题

1.装载机油耗影响因素分析

装载机作业油耗受多方面因素的影响，包含1) 作业场地条件，2) 装载机自身性能和3) 驾驶员操作习惯等。其中作业条件包含作业场地的地面条件、物料种类、天气状况等；装载机自身性能包含装载机与发动机及动力传动系统的匹配合理程度，铲斗斗容大小等；驾驶员操作习惯包含驾驶员作业时变速器挡位的选择，加速踏板的操作，铲掘时铲斗的入料姿态，作业循环平均速度等。

2. 装载车作业信息监测：

装载机作业工况复杂，一个作业循环包含： 空载前进铲掘满载倒退满载前进卸料空载倒退等阶段。装载机作业时需要频繁的加速、减速，而且要完成规定的铲料、卸料动作。利用数据采集仪通过CAN总线读取发动机转速及变速箱挡位信息，通过光电速度传感器测量车速及距离信息，通过油耗仪采集作业循环油耗量。作业期间记录作业循环数、作业时间、作业物料的总质量等参数。

3. 装载车路面和物料情况监测：

不同于作业信息的监测，装载车场地和物料情况无法用数字量来表示，而是类型量。比如物料可以用种类进行区别：原生土、沙子、铁精粉。

期望实现的主要技术目标

对装载车油耗实现有效的预测，通过油耗的分析进而反馈产品整体技术研发，从产品设计降低产品油耗，达到节能环保降低能源消耗。

处理进度