一种基于位置反馈的煤矿车辆智能调度控制方法与流程

本发明属于煤矿车辆调度控制，尤其涉及一种基于位置反馈的智能调度控制方法。

背景技术：

1、在煤矿生产作业中，车辆调度是保障生产高效、安全进行的关键环节。传统的煤矿车辆调度主要依赖人工经验和简单的通讯工具。人工调度方式存在诸多局限性，首先，难以精准掌握车辆的实时位置，这使得车辆行驶路径规划缺乏准确性，容易出现车辆空驶、拥堵等情况，严重影响运输效率。其次，任务分配不够合理，无法根据车辆的实际状态和工作环境进行动态调整，导致部分车辆任务过重，而部分车辆闲置，资源利用效率低下。再者，对于车辆的故障和突发事件，现有调度方式缺乏有效的监测和应急处理机制。当车辆出现故障时，不能及时发现并隔离故障，可能会引发安全事故。而且在面对突发路况变化或其他紧急情况时，无法快速重新规划车辆路径，进一步影响生产的连续性。随着煤矿产业的发展，对生产效率和安全的要求日益提高，传统的调度方法已无法满足需求，迫切需要一种智能化、精准化的车辆调度控制方法来解决这些问题。

技术实现思路

1、本发明针对上述所存在的技术问题，提出一种基于位置反馈的智能调度控制方法。

2、为了达到上述目的，本发明采用的技术方案为，包括以下步骤：

3、s1、首先通过多种定位技术采集煤矿车辆的位置信息，利用改进卡尔曼滤波算法实现高精度的位置反馈控制；

4、s2、其次基于改进强化学习算法，实时动态调整车辆行驶路径和任务分配策略，确保调度任务的高效执行；

5、s3、接着通过无线通信网络实时下达调度指令，并通过位置反馈对车辆的执行情况进行监控和优化；

6、s4、最后通过车辆状态监测和安全策略检测车辆故障和突发事件，自动执行应急控制，包括故障隔离、路径重规划；

7、所述步骤s4应急控制的实现包括：

8、s41、首先使用智能控制逻辑实现故障隔离，基于历史数据和故障阈值设定判断是否故障，当故障出现时启用安全模式并限制车辆的移动；

9、s42、其次对于路径重规划结合多路径选择策略，在正常的情况下使用动态规划算法生成初始的路径，其中是路径上的每个节点的成本，m是总节点的个数；在初步路径基础上选择多条备用路径，针对每个备选路径计算其实时成本；最后根据实时的评估选择最优的路径。

10、作为优选，所述步骤s1的实现步骤为：

11、s11、首先采用gps、ins、uwb、rfid多模态传感器来采集矿车初始位置信息，初始化状态，初始协方差矩阵以及每个传感器的测量噪声协方差矩阵和过程噪声协方差矩阵；

12、s12、其次基于传感器的实时性能数据，使用自适应噪声估计方法估计每个传感器的测量噪声协方差矩阵，其中k为时刻，对于传感器i的观测数据，通过测量误差更新噪声水平：，其中是平滑系数，是残差，其中是观测矩阵，是状态估计向量；

13、s13、然后对每个传感器的数据融合进行动态加权，权重与噪声协方差的倒数成正比，噪声越小的传感器，其权重越大，反之权重越小，每个传感器的权重计算为，其中为测量噪声协方差矩阵的迹，对权重进行归一化确保所有传感器的权重之和为1；

14、s14、接着利用每个传感器加权后的观测值来修正状态预测，其中是卡尔曼增益；

15、s15、最后利用新的权重和卡尔曼增益，更新状态协方差矩阵，其中i为单位矩阵。

16、作为优选，所述步骤s2中采用改进的强化学习实现车辆的行驶路径和任务分配策略的实时动态调整的操作为：

17、s21、首先定义状态空间s，定义每个状态为车辆的当前位置信息、当前任务、周围环境信息，定义动作空间；

18、s22、其次设计奖励函数，用于评估每个状态-动作对的效益，考虑因素包括任务完成率、行驶路径的安全性和能耗最小，奖励函数为，其中是权重系数，分别表示不同因素在奖励函数中的重要性；

19、s23、接着使用改进的方法来更新q值，具体公式为：，其中为学习率，为折扣因子，为更新后的q值，为q值，表示在状态下采取动作的长期收益估计值，为在状态中所有可能动作的最大q值，表示下一步能获得的最大未来奖励；

20、s24、然后通过自适应机制调整奖励函数中的权重系数，根据任务执行的实际情况动态优化，其中是基于当前任务执行效率与预期值的差异进行反馈调整的结果，是调整速率；

21、s25、最后结合模型预测控制，通过当前状态的模型预测下一步的最优状态，提高效率，其中mpc为模型预测控制。

22、作为优选，所述步骤s3中实时下达调度指令并通过位置反馈监控和优化车辆执行情况的实现方式为，首先建立基于低功耗广域网架构，调度中心根据车辆当前状态和任务优先级生成调度指令；然后通过无线网络将调度指令发送到每辆车，使用消息队列确保指令的及时性和可靠性；接着每辆车定期采集自身位置信息并通过无线网络发送回调度中心，车辆位置信息实时上传，形成闭环监控；最后调度中心接收车辆的位置信息并与预定路径进行比较，评估执行情况并计算优化指标；发现偏差延迟，调度中心实时调整调度指令并重新下发。

23、与现有技术相比，本发明的优点和积极效果在于，采用多模态传感器采集位置信息，经系列处理克服单一传感器局限，在复杂煤矿环境中实现高精度定位。基于改进强化学习算法，全面定义状态与动作空间，设计综合奖励函数，更新 q 值，自适应调整权重系数并结合模型预测控制，使车辆快速准确选最优路径和任务策略，减少空驶和拥堵，提升整体调度效率。自动应急控制，故障隔离利用智能逻辑，基于数据和阈值判断故障，启用安全模式限制车辆；路径重规划结合策略，正常时用算法生成路径并选最优路径，提高可靠性和灵活性，保障生产连续性和高效性。

技术特征：

1.一种基于位置反馈的煤矿车辆智能调度控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于位置反馈的煤矿车辆智能调度控制方法，其特征在于，所述步骤s1的实现步骤为：

3.根据权利要求1所述的一种基于位置反馈的煤矿车辆智能调度控制方法，其特征在于，所述步骤s2中采用改进的强化学习实现车辆的行驶路径和任务分配策略的实时动态调整的操作为：

4.根据权利要求1所述的一种基于位置反馈的煤矿车辆智能调度控制方法，其特征在于，所述步骤s3中实时下达调度指令并通过位置反馈监控和优化车辆执行情况的实现方式为，首先建立基于低功耗广域网架构，调度中心根据车辆当前状态和任务优先级生成调度指令；然后通过无线网络将调度指令发送到每辆车，使用消息队列确保指令的及时性和可靠性；接着每辆车定期采集自身位置信息并通过无线网络发送回调度中心，车辆位置信息实时上传，形成闭环监控；最后调度中心接收车辆的位置信息并与预定路径进行比较，评估执行情况并计算优化指标；发现偏差延迟，调度中心实时调整调度指令并重新下发。

技术总结本发明属于煤矿车辆调度控制技术领域，尤其涉及一种基于位置反馈的智能调度控制方法。首先通过多种定位技术采集位置信息，利用改进卡尔曼滤波算法实现高精度位置反馈控制。其次基于改进强化学习算法，动态调整车辆行驶路径和任务分配策略。接着通过无线通信网络下达调度指令并监控优化。最后检测车辆故障和突发事件，自动执行应急控制，包括故障隔离和路径重规划。该方法通过多模态传感器提高定位精度，克服单一传感器局限。改进强化学习算法提升调度效率，应急控制保障生产连续性和安全性，有效解决传统煤矿车辆调度方法的诸多问题。技术研发人员：陈永光,王钧立,王周,石浩然,陈贝妮受保护的技术使用者：陕西智引科技有限公司技术研发日：技术公布日：2024/12/2