一种矿用绞车自动化管理及调度平台、方法、设备及介质与流程

1.本发明涉及绞车技术领域，具体而言，涉及一种矿用绞车自动化管理及调度平台、方法、设备及介质。


背景技术：

2.目前，在矿石生产运输的过程中，往往会利用到绞车，绞车对于矿场的正常运行有着十分重要作用，也就是说，在调度绞车时，不能调度损耗较为严重的绞车，同时由于现场施工的情况，还要满足调度过去的绞车能进行安装；因此需要一种调度方法，来实现调度到的绞车既满足现场安装要求，又满足质量要求。


技术实现要素：

3.本发明的目的在于提供一种矿用绞车自动化管理及调度平台、方法、设备及介质，以实现上述目的。
4.为了实现上述目的，本技术实施例提供了如下技术方案：一方面，本技术实施例提供了一种矿用绞车自动化管理及调度平台，所述平台包括获取模块、筛选模块、计算模块和调度模块。
5.获取模块，用于获取每台待使用绞车的历史使用记录、待安装绞车的环境信息和历史训练数据，每个所述历史训练数据包括每台历史绞车的历史使用记录以及每个所述历史使用记录对应的损耗类型；筛选模块，用于对所述历史训练数据进行异常筛选，得到筛选后的历史训练数据，并利用所述筛选后的历史训练数据对卷积神经网络模型进行训练，得到损耗分析模型；计算模块，用于将所述待使用绞车的历史使用记录输入所述损耗分析模型中，得到待使用绞车对应的损耗类型，并根据所述损耗类型确定质量得分；调度模块，用于根据所述待安装绞车的环境信息，对全部的待使用绞车进行筛选，得到剩余的待使用绞车，计算剩余的待使用绞车中每台待使用绞车与环境信息之间的匹配程度得分，根据所述质量得分和所述匹配程度得分计算剩余的待使用绞车中每台待使用绞车对应的综合得分，根据所述综合得分对剩余的待使用绞车中每台待使用绞车进行调度安排。
6.第二方面，本技术实施例提供了一种矿用绞车自动化管理及调度方法，所述方法包括：获取每台待使用绞车的历史使用记录、待安装绞车的环境信息和历史训练数据，每个所述历史训练数据包括每台历史绞车的历史使用记录以及每个所述历史使用记录对应的损耗类型；对所述历史训练数据进行异常筛选，得到筛选后的历史训练数据，并利用所述筛选后的历史训练数据对卷积神经网络模型进行训练，得到损耗分析模型；将所述待使用绞车的历史使用记录输入所述损耗分析模型中，得到待使用绞车对
应的损耗类型，并根据所述损耗类型确定质量得分；根据所述待安装绞车的环境信息，对全部的待使用绞车进行筛选，得到剩余的待使用绞车，计算剩余的待使用绞车中每台待使用绞车与环境信息之间的匹配程度得分，根据所述质量得分和所述匹配程度得分计算剩余的待使用绞车中每台待使用绞车对应的综合得分，根据所述综合得分对剩余的待使用绞车中每台待使用绞车进行调度安排。
7.第三方面，本技术实施例提供了一种矿用绞车自动化管理及调度设备，所述设备包括存储器和处理器；存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述矿用绞车自动化管理及调度方法的步骤。
8.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述矿用绞车自动化管理及调度方法的步骤。
9.本发明的有益效果为：在本发明中，从两个维度对待使用绞车进行了评分，首先从历史使用记录这个维度进行考虑，获取了大量的历史绞车的历史使用记录，并对其进行了损耗类型标注，标注后对卷积神经网络模型进行了训练，并且，在训练之前，还对训练数据进行了噪声数据的筛选，剔除了噪声数据，提高了训练数据的准确性，训练后得到了损耗分析模型，在需要计算待使用绞车对应的损耗类型时，只需将其输入损耗分析模型中即可，实现了快速准确计算损耗类型的目的；其次是待安装绞车的环境信息，考虑到施工现场安装可能存在安装面积小于待使用绞车的占地面积的情况，因此根据最终的地面面积与占地面积之间的关系对待使用绞车进行了筛选，得到剩余的待使用绞车；最后再对剩余的待使用绞车中每台待使用绞车进行了综合得分的计算，按照综合得分对待使用绞车进行调度，通过本发明中的方法可以调度到既满足现场安装要求，质量得分又较高的绞车。
10.本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
11.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
12.图1是本发明实施例中所述的矿用绞车自动化管理及调度方法流程示意图；图2是本发明实施例中所述的矿用绞车自动化管理及调度平台结构示意图；图3是本发明实施例中所述的矿用绞车自动化管理及调度设备结构示意图。
13.图中：701、获取模块；702、筛选模块；7021、聚类单元；7022、第一分析单元；70221、第二分析单元；70222、第三分析单元；703、计算模块；704、调度模块；7041、获取单元；7042、切割单元；7043、匹配单元；70431、集合单元；70432、第二计算单元；7044、构建单元；800、设备；801、处理器；802存储器；803、多媒体组件；804、 i/o接口；805、通信组件。
具体实施方式
14.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
15.应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
16.实施例1如图1所示，本实施例提供了一种矿用绞车自动化管理及调度方法，该方法包括步骤s1、步骤s2、步骤s3和步骤s4。
17.步骤s1、获取每台待使用绞车的历史使用记录、待安装绞车的环境信息和历史训练数据，每个所述历史训练数据包括每台历史绞车的历史使用记录以及每个所述历史使用记录对应的损耗类型；在本步骤中，待使用绞车可以理解为待调度的绞车，待使用绞车的历史使用记录例如可以理解为待使用绞车的历史使用天数，是否出现过故障，是否进行维修，维修次数等信息；待安装绞车的环境信息例如可以理解为待安装绞车的施工现场图片，此图片中包含安装绞车的地面图片；损耗类型为具有丰富经验的工作人员进行标注的，例如可以为轻度损耗、一般损耗、重度损耗等；步骤s2、对所述历史训练数据进行异常筛选，得到筛选后的历史训练数据，并利用所述筛选后的历史训练数据对卷积神经网络模型进行训练，得到损耗分析模型；在本步骤中，考虑到标注采用的是人工的方式，因此可以存在一些标记错误的历史训练数据，即可能存在噪声数据，因此，本步骤进行了历史训练样本的筛选，通过此种方式可以提高流入模型训练中的历史训练数据的准确性，进而提高模型识别的准确性；本步骤的具体实现步骤包括步骤s21和步骤s22；步骤s21、将所述历史训练数据输入递归神经网络模型中，将所述递归神经网络模型的隐层输出的数据记为第一数据，并根据所述第一数据对全部的历史训练数据进行聚类处理，得到多个聚类结果；在本步骤中，除了递归神经网络模型之外，还可以使用卷积神经网络模型进行替代；聚类可以采用k-means聚类算法、dbscan算法等；步骤s22、分析在每个所述聚类结果中，每个损耗类型包含的历史训练数据的个数，将个数最大对应的损耗类型记为第一类型，将第一类型中包含的历史训练数据的个数记为第二数据，将每个所述聚类结果包含的历史训练数据的个数记为第三数据，将所述第二数据除以所述第三数据，得到第四数据，根据所述第四数据完成对所述历史训练数据的筛选，得到筛选后的历史训练数据。
18.在本步骤中，每个聚类结果对应一个第四数据，其中，第四数据可以理解为每个聚
类结果对应的纯度，本步骤的具体实现步骤包括步骤s221和步骤s222；步骤s221、对所述第四数据进行分析，其中，若所述第四数据大于预设第一阈值，则分析所述第四数据对应的聚类结果中包含的损耗类型的个数，若只包含一种，则将所述第四数据对应的聚类结果中的每个历史训练数据记为第一样本；若包含两种或两种以上，则计算所述第四数据对应的聚类结果中每个损耗类型包含的历史训练数据的个数，得到第五数据，将最大的第五数据对应的损耗类型中包含的每个历史训练数据记为第一样本；步骤s222、对所述第四数据进行分析，其中，若所述第四数据小于或等于所述预设第一阈值，则根据每个所述聚类结果中包含的历史训练数据的个数再次得到第一样本，将全部的所述第一样本进行集合，得到筛选后的历史训练数据。本步骤的具体实现步骤包括步骤s2221；步骤s2221、计算每个所述聚类结果中包含的历史训练数据的个数，得到第六数据；计算全部的历史训练数据的个数，得到第七数据，将所述第六数据除以所述第七数据，得到第八数据，判断所述第八数据与预设第二阈值之间的大小，若所述第八数据大于或等于所述预设第二阈值，则将此第八数据对应的聚类结果中包含的全部历史训练数据记为所述第一样本。
19.在本步骤中，第八数据大于或等于预设第二阈值，则证明此聚类结果中包含的数据的个数较大，则可以将其作为第一样本；根据上述步骤可以对历史训练样本进行清洗过滤，实现对噪声数据的去除，进而提高历史训练样本的质量；步骤s3、将所述待使用绞车的历史使用记录输入所述损耗分析模型中，得到待使用绞车对应的损耗类型，并根据所述损耗类型确定质量得分；在本步骤中，将待使用绞车的历史使用记录输入损耗分析模型中，就可以得到待使用绞车对应的损耗类型；可以事先构建损耗类型-质量得分对应表，在得到待使用绞车对应的损耗类型之后，根据对应表，即可快速的查找出其对应的质量得分；步骤s4、根据所述待安装绞车的环境信息，对全部的待使用绞车进行筛选，得到剩余的待使用绞车，计算剩余的待使用绞车中每台待使用绞车与环境信息之间的匹配程度得分，根据所述质量得分和所述匹配程度得分计算剩余的待使用绞车中每台待使用绞车对应的综合得分，根据所述综合得分对剩余的待使用绞车中每台待使用绞车进行调度安排。
20.在本步骤中，除了考虑每台待使用绞车的质量得分之外，还考虑了安装绞车的环境信息，通过此种方式可以查找到最适合的绞车进行安装使用，具体实现步骤包括步骤s41、步骤s42和步骤s43；步骤s41、获取待安装绞车的环境信息中包含的多张第一图片，每个所述第一图片包括安装绞车的地面图片；在本步骤中，为了提高最终的地面面积的准确性，本步骤采集了多张第一图片，第一图片可以为待安装绞车的施工现场图片，施工现场图片中就包含了安装绞车的地面图片，即绞车就安装在地面图片这区域中；步骤s42、针对每张所述第一图片，对每张所述第一图片进行增强处理，得到增强后的图片，对增强后的图片进行切割，得到安装绞车的地面图片，根据所述安装绞车的地面图片计算地面面积；采集到多张第一图片之后，对每张第一图片均进行了增强处理，通过此种方式可
以提高第一图片的质量，进而提高切割质量，在进行切割时，可以通过人工的方式进行切割，切割后根据地面图片对应的最小外接矩阵即可计算出其对应的面积，此外，还可以采用其他计算方法进行地面面积的计算，在本步骤中不做限制；步骤s43、将每张所述第一图片对应的地面面积进行分析，得到最终的地面面积，计算每台待使用绞车的占地面积，将所述最终的地面面积与每个占地面积进行差值计算，根据差值计算结果对待使用绞车进行处理，得到剩余的待使用绞车，其中，若差值计算结果为负数，则将此差值计算结果对应的待使用绞车删除，得到剩余的待使用绞车；根据剩余的待使用绞车中每台待使用绞车对应的差值计算结果为剩余的待使用绞车中每台待使用绞车匹配相应的所述匹配程度得分。
21.在本步骤中，在剩余的待使用绞车中，将最终的地面面积减去占地面积，得到的差值计算结果越大匹配程度得分更大；同时在本步骤中，为了提高最终的地面面积的准确性，本步骤将每张所述第一图片对应的地面面积进行分析，具体的实现步骤包括步骤s431和步骤s432；步骤s431、将全部的地面面积进行集合，得到地面面积集合，对全部的地面面积进行聚类分析，得到多个第一聚类结果，将每个所述聚类结果中包含的地面面积的个数进行排序，得到排序后的个数，计算所述排序后的个数所对应的第一数值和第二数值，所述第一数值包括四分位值，所述第二数值包括四分位距；步骤s432、将所述第一数值与预设倍数的第二数值相加，得到第三数值，将每个所述第一聚类结果中包含的地面面积的个数与所述第三数值进行比较，若大于或等于所述第三数值，则将此第一聚类结果中包含的地面面积从所述地面面积集合中删除，得到删除后的地面面积集合，若小于则不做任何处理；将所述删除后的地面面积集合中的全部地面面积进行均值计算，得到所述最终的地面面积。
22.在本步骤中，第三数值可以理解为异常阈值，相较于人工设置异常阈值，通过本步骤中的设置方法可以提高第三数值的精准性，预设倍数可以为1.5或者3；通过本步骤中的方法可以将异常的地面面积进行剔除，剔除后进行均值计算，可以提高最终的地面面积的准确性；同时，在步骤s4中，根据所述质量得分和所述匹配程度得分计算每台待使用绞车对应的综合得分，根据所述综合得分对待使用绞车进行调度安排的具体步骤包括步骤s44；步骤s44、构建绞车综合评分体系，所述绞车综合评分体系包括一级指标层和二级指标层，所述一级指标层为绞车综合评分指标，所述二级指标层包含质量得分指标和匹配程度得分指标；根据所述绞车综合评分体系构建递阶层次结构，并根据所述递阶层次结构中各个因素的权重，构建判断矩阵，并根据所述判断矩阵计算得到所述质量得分指标对应的权重和匹配程度得分指标对应的权重；根据所述质量得分、匹配程度得分及其各自对应的权重进行加权求和处理，得到剩余的待使用绞车中每台待使用绞车对应的综合得分。
23.在本步骤中，计算得到综合评分之后，按照综合评分从高到低的顺序调度待使用绞车。
24.在本实施例中，从两个维度对待使用绞车进行了评分，首先从历史使用记录这个维度进行考虑，获取了大量的历史绞车的历史使用记录，并对其进行了损耗类型标注，标注后对卷积神经网络模型进行了训练，并且，在训练之前，还对训练数据进行了噪声数据的筛
选，剔除了噪声数据，提高了训练数据的准确性，训练后得到了损耗分析模型，在需要计算待使用绞车对应的损耗类型时，只需将其输入损耗分析模型中即可，实现了快速准确计算损耗类型的目的；其次是待安装绞车的环境信息，考虑到施工现场安装可能存在安装面积小于待使用绞车的占地面积的情况，因此根据最终的地面面积与占地面积之间的关系对待使用绞车进行了筛选，得到剩余的待使用绞车；最后再对剩余的待使用绞车中的待使用绞车进行了综合得分的计算，按照综合得分对待使用绞车进行调度，通过本实施例中的方法可以调度到既满足现场安装要求，质量得分又较高的绞车。
25.实施例2如图2所示，本实施例提供了一种矿用绞车自动化管理及调度平台，所述平台包括获取模块701、筛选模块702、计算模块703和调度模块704。
26.获取模块701，用于获取每台待使用绞车的历史使用记录、待安装绞车的环境信息和历史训练数据，每个所述历史训练数据包括每台历史绞车的历史使用记录以及每个所述历史使用记录对应的损耗类型；筛选模块702，用于对所述历史训练数据进行异常筛选，得到筛选后的历史训练数据，并利用所述筛选后的历史训练数据对卷积神经网络模型进行训练，得到损耗分析模型；计算模块703，用于将所述待使用绞车的历史使用记录输入所述损耗分析模型中，得到待使用绞车对应的损耗类型，并根据所述损耗类型确定质量得分；调度模块704，用于根据所述待安装绞车的环境信息，对全部的待使用绞车进行筛选，得到剩余的待使用绞车，计算剩余的待使用绞车中每台待使用绞车与环境信息之间的匹配程度得分，根据所述质量得分和所述匹配程度得分计算剩余的待使用绞车中每台待使用绞车对应的综合得分，根据所述综合得分对剩余的待使用绞车中每台待使用绞车进行调度安排。
27.在本公开的一种具体实施方式中，所述筛选模块702，还包括聚类单元7021和第一分析单元7022。
28.聚类单元7021，用于将所述历史训练数据输入递归神经网络模型中，将所述递归神经网络模型的隐层输出的数据记为第一数据，并根据所述第一数据对全部的历史训练数据进行聚类处理，得到多个聚类结果；第一分析单元7022，用于分析在每个所述聚类结果中，每个损耗类型包含的历史训练数据的个数，将个数最大对应的损耗类型记为第一类型，将第一类型中包含的历史训练数据的个数记为第二数据，将每个所述聚类结果包含的历史训练数据的个数记为第三数据，将所述第二数据除以所述第三数据，得到第四数据，根据所述第四数据完成对所述历史训练数据的筛选，得到筛选后的历史训练数据。
29.在本公开的一种具体实施方式中，所述第一分析单元7022，还包括第二分析单元70221和第三分析单元70222。
30.第二分析单元70221，用于对所述第四数据进行分析，其中，若所述第四数据大于预设第一阈值，则分析所述第四数据对应的聚类结果中包含的损耗类型的个数，若只包含一种，则将所述第四数据对应的聚类结果中的每个历史训练数据记为第一样本；若包含两种或两种以上，则计算所述第四数据对应的聚类结果中每个损耗类型包含的历史训练数据的个数，得到第五数据，将最大的第五数据对应的损耗类型中包含的每个历史训练数据记
为第一样本；第三分析单元70222，用于对所述第四数据进行分析，其中，若所述第四数据小于或等于所述预设第一阈值，则根据每个所述聚类结果中包含的历史训练数据的个数再次得到第一样本，将全部的所述第一样本进行集合，得到筛选后的历史训练数据。
31.在本公开的一种具体实施方式中，所述第三分析单元70222，还包括第一计算单元702221。
32.第一计算单元702221，用于计算每个所述聚类结果中包含的历史训练数据的个数，得到第六数据；计算全部的历史训练数据的个数，得到第七数据，将所述第六数据除以所述第七数据，得到第八数据，判断所述第八数据与预设第二阈值之间的大小，若所述第八数据大于或等于所述预设第二阈值，则将此第八数据对应的聚类结果中包含的全部历史训练数据记为所述第一样本。
33.在本公开的一种具体实施方式中，所述调度模块704，还包括获取单元7041、切割单元7042和匹配单元7043。
34.获取单元7041，用于获取待安装绞车的环境信息中包含的多张第一图片，每个所述第一图片包括安装绞车的地面图片；切割单元7042，用于针对每张所述第一图片，对每张所述第一图片进行增强处理，得到增强后的图片，对增强后的图片进行切割，得到安装绞车的地面图片，根据所述安装绞车的地面图片计算地面面积；匹配单元7043，用于将每张所述第一图片对应的地面面积进行分析，得到最终的地面面积，计算每台待使用绞车的占地面积，将所述最终的地面面积与每个占地面积进行差值计算，根据差值计算结果对待使用绞车进行处理，得到剩余的待使用绞车，其中，若差值计算结果为负数，则将此差值计算结果对应的待使用绞车删除，得到剩余的待使用绞车；根据剩余的待使用绞车中每台待使用绞车对应的差值计算结果为剩余的待使用绞车中每台待使用绞车匹配相应的所述匹配程度得分。
35.在本公开的一种具体实施方式中，所述匹配单元7043，还包括集合单元70431和第二计算单元70432。
36.集合单元70431，用于将全部的地面面积进行集合，得到地面面积集合，对全部的地面面积进行聚类分析，得到多个第一聚类结果，将每个所述聚类结果中包含的地面面积的个数进行排序，得到排序后的个数，计算所述排序后的个数所对应的第一数值和第二数值，所述第一数值包括四分位值，所述第二数值包括四分位距；第二计算单元70432，用于将所述第一数值与预设倍数的第二数值相加，得到第三数值，将每个所述第一聚类结果中包含的地面面积的个数与所述第三数值进行比较，若大于或等于所述第三数值，则将此第一聚类结果中包含的地面面积从所述地面面积集合中删除，得到删除后的地面面积集合，若小于则不做任何处理；将所述删除后的地面面积集合中的全部地面面积进行均值计算，得到所述最终的地面面积。
37.在本公开的一种具体实施方式中，所述调度模块704，还包括构建单元7044。
38.构建单元7044，用于构建绞车综合评分体系，所述绞车综合评分体系包括一级指标层和二级指标层，所述一级指标层为绞车综合评分指标，所述二级指标层包含质量得分指标和匹配程度得分指标；根据所述绞车综合评分体系构建递阶层次结构，并根据所述递
阶层次结构中各个因素的权重，构建判断矩阵，并根据所述判断矩阵计算得到所述质量得分指标对应的权重和匹配程度得分指标对应的权重；根据所述质量得分、匹配程度得分及其各自对应的权重进行加权求和处理，得到剩余的待使用绞车中每台待使用绞车对应的综合得分。
39.需要说明的是，关于上述实施例中的平台，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
40.实施例3相应于上面的方法实施例，本公开实施例还提供了一种矿用绞车自动化管理及调度设备，下文描述的矿用绞车自动化管理及调度设备与上文描述的矿用绞车自动化管理及调度方法可相互对应参照。
41.图3是根据一示例性实施例示出的矿用绞车自动化管理及调度设备800的框图。如图3所示，该矿用绞车自动化管理及调度设备800可以包括：处理器801，存储器802。该矿用绞车自动化管理及调度设备800还可以包括多媒体组件803， i/o接口804 ，以及通信组件805中的一者或多者。
42.其中，处理器801用于控制该矿用绞车自动化管理及调度设备800的整体操作，以完成上述的矿用绞车自动化管理及调度方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该矿用绞车自动化管理及调度设备800的操作，这些数据例如可以包括用于在该矿用绞车自动化管理及调度设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(static random access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。i/o接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该矿用绞车自动化管理及调度设备800与其他设备之间进行有线或无线通信。无线通信，例如wi-fi，蓝牙，近场通信(near fieldcommunication，简称nfc)，2g、3g或4g，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：wi-fi模块，蓝牙模块，nfc模块。
43.在一示例性实施例中，该矿用绞车自动化管理及调度设备800可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digitalsignal processor，简称dsp)、数字信号处理设备(digital signal processing device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的矿用绞车自动化管理及调度方法。
44.在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的矿用绞车自动化管理及调度方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由该矿用绞车自动化管理及调度设备800的处理器801执行以完成上述的矿用绞车自动化管理及调度方法。
45.实施例4相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的矿用绞车自动化管理及调度方法可相互对应参照。
46.一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的矿用绞车自动化管理及调度方法的步骤。
47.该可读存储介质具体可以为u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
48.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种矿用绞车自动化管理及调度平台，其特征在于，包括：获取模块，用于获取每台待使用绞车的历史使用记录、待安装绞车的环境信息和历史训练数据，每个所述历史训练数据包括每台历史绞车的历史使用记录以及每个所述历史使用记录对应的损耗类型；筛选模块，用于对所述历史训练数据进行异常筛选，得到筛选后的历史训练数据，并利用所述筛选后的历史训练数据对卷积神经网络模型进行训练，得到损耗分析模型；计算模块，用于将所述待使用绞车的历史使用记录输入所述损耗分析模型中，得到待使用绞车对应的损耗类型，并根据所述损耗类型确定质量得分；调度模块，用于根据所述待安装绞车的环境信息，对全部的待使用绞车进行筛选，得到剩余的待使用绞车，计算剩余的待使用绞车中每台待使用绞车与环境信息之间的匹配程度得分，根据所述质量得分和所述匹配程度得分计算剩余的待使用绞车中每台待使用绞车对应的综合得分，根据所述综合得分对剩余的待使用绞车中每台待使用绞车进行调度安排。2.根据权利要求1所述的矿用绞车自动化管理及调度平台，其特征在于，筛选模块，包括：聚类单元，用于将所述历史训练数据输入递归神经网络模型中，将所述递归神经网络模型的隐层输出的数据记为第一数据，并根据所述第一数据对全部的历史训练数据进行聚类处理，得到多个聚类结果；第一分析单元，用于分析在每个所述聚类结果中，每个损耗类型包含的历史训练数据的个数，将个数最大对应的损耗类型记为第一类型，将第一类型中包含的历史训练数据的个数记为第二数据，将每个所述聚类结果包含的历史训练数据的个数记为第三数据，将所述第二数据除以所述第三数据，得到第四数据，根据所述第四数据完成对所述历史训练数据的筛选，得到筛选后的历史训练数据。3.根据权利要求2所述的矿用绞车自动化管理及调度平台，其特征在于，第一分析单元，包括：第二分析单元，用于对所述第四数据进行分析，其中，若所述第四数据大于预设第一阈值，则分析所述第四数据对应的聚类结果中包含的损耗类型的个数，若只包含一种，则将所述第四数据对应的聚类结果中的每个历史训练数据记为第一样本；若包含两种或两种以上，则计算所述第四数据对应的聚类结果中每个损耗类型包含的历史训练数据的个数，得到第五数据，将最大的第五数据对应的损耗类型中包含的每个历史训练数据记为第一样本；第三分析单元，用于对所述第四数据进行分析，其中，若所述第四数据小于或等于所述预设第一阈值，则根据每个所述聚类结果中包含的历史训练数据的个数再次得到第一样本，将全部的所述第一样本进行集合，得到筛选后的历史训练数据。4.根据权利要求3所述的矿用绞车自动化管理及调度平台，其特征在于，第三分析单元，包括：第一计算单元，用于计算每个所述聚类结果中包含的历史训练数据的个数，得到第六数据；计算全部的历史训练数据的个数，得到第七数据，将所述第六数据除以所述第七数据，得到第八数据，判断所述第八数据与预设第二阈值之间的大小，若所述第八数据大于或等于所述预设第二阈值，则将此第八数据对应的聚类结果中包含的全部历史训练数据记为
所述第一样本。5.根据权利要求1所述的矿用绞车自动化管理及调度平台，其特征在于，调度模块，包括：获取单元，用于获取待安装绞车的环境信息中包含的多张第一图片，每个所述第一图片包括安装绞车的地面图片；切割单元，用于针对每张所述第一图片，对每张所述第一图片进行增强处理，得到增强后的图片，对增强后的图片进行切割，得到安装绞车的地面图片，根据所述安装绞车的地面图片计算地面面积；匹配单元，用于将每张所述第一图片对应的地面面积进行分析，得到最终的地面面积，计算每台待使用绞车的占地面积，将所述最终的地面面积与每个占地面积进行差值计算，根据差值计算结果对待使用绞车进行处理，得到剩余的待使用绞车，其中，若差值计算结果为负数，则将此差值计算结果对应的待使用绞车删除，得到剩余的待使用绞车；根据剩余的待使用绞车中每台待使用绞车对应的差值计算结果为剩余的待使用绞车中每台待使用绞车匹配相应的所述匹配程度得分。6.根据权利要求5所述的矿用绞车自动化管理及调度平台，其特征在于，匹配单元，包括：集合单元，用于将全部的地面面积进行集合，得到地面面积集合，对全部的地面面积进行聚类分析，得到多个第一聚类结果，将每个所述聚类结果中包含的地面面积的个数进行排序，得到排序后的个数，计算所述排序后的个数所对应的第一数值和第二数值，所述第一数值包括四分位值，所述第二数值包括四分位距；第二计算单元，用于将所述第一数值与预设倍数的第二数值相加，得到第三数值，将每个所述第一聚类结果中包含的地面面积的个数与所述第三数值进行比较，若大于或等于所述第三数值，则将此第一聚类结果中包含的地面面积从所述地面面积集合中删除，得到删除后的地面面积集合，若小于则不做任何处理；将所述删除后的地面面积集合中的全部地面面积进行均值计算，得到所述最终的地面面积。7.根据权利要求1所述的矿用绞车自动化管理及调度平台，其特征在于，调度模块，包括：构建单元，用于构建绞车综合评分体系，所述绞车综合评分体系包括一级指标层和二级指标层，所述一级指标层为绞车综合评分指标，所述二级指标层包含质量得分指标和匹配程度得分指标；根据所述绞车综合评分体系构建递阶层次结构，并根据所述递阶层次结构中各个因素的权重，构建判断矩阵，并根据所述判断矩阵计算得到所述质量得分指标对应的权重和匹配程度得分指标对应的权重；根据所述质量得分、匹配程度得分及其各自对应的权重进行加权求和处理，得到剩余的待使用绞车中每台待使用绞车对应的综合得分。8.一种矿用绞车自动化管理及调度方法，其特征在于，包括：获取每台待使用绞车的历史使用记录、待安装绞车的环境信息和历史训练数据，每个所述历史训练数据包括每台历史绞车的历史使用记录以及每个所述历史使用记录对应的损耗类型；对所述历史训练数据进行异常筛选，得到筛选后的历史训练数据，并利用所述筛选后的历史训练数据对卷积神经网络模型进行训练，得到损耗分析模型；
将所述待使用绞车的历史使用记录输入所述损耗分析模型中，得到待使用绞车对应的损耗类型，并根据所述损耗类型确定质量得分；根据所述待安装绞车的环境信息，对全部的待使用绞车进行筛选，得到剩余的待使用绞车，计算剩余的待使用绞车中每台待使用绞车与环境信息之间的匹配程度得分，根据所述质量得分和所述匹配程度得分计算剩余的待使用绞车中每台待使用绞车对应的综合得分，根据所述综合得分对剩余的待使用绞车中每台待使用绞车进行调度安排。9.一种矿用绞车自动化管理及调度设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求8所述矿用绞车自动化管理及调度方法的步骤。10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求8所述矿用绞车自动化管理及调度方法的步骤。

技术总结
本发明属于绞车技术领域，提供了一种矿用绞车自动化管理及调度平台、方法、设备及介质，所述平台包括：获取模块，用于获取每台待使用绞车的历史使用记录、待安装绞车的环境信息和历史训练数据，每个历史训练数据包括每台历史绞车的历史使用记录以及每个历史使用记录对应的损耗类型；筛选模块，用于构建损耗分析模型；计算模块，用于根据损耗类型确定质量得分；调度模块，用于根据综合得分对剩余的待使用绞车中每台待使用绞车进行调度安排。通过本发明中的方法可以调度到既满足现场安装要求，质量得分又较高的绞车。得分又较高的绞车。得分又较高的绞车。


技术研发人员：贾凡猛
受保护的技术使用者：山东宇飞传动技术有限公司
技术研发日：2023.08.15
技术公布日：2023/9/13