混凝土搅拌车智能预警系统及移动互联应用

赵 鑫,张国君,,付新宇,谭 语

(1.中联重科股份有限公司,长沙 410205; 2.国家混凝土机械工程技术研究中心,长沙 410205)

混凝土搅拌运输车(简称“搅拌车”)是指同时具有搅拌(或搅动)、载运混凝土两种功能的罐式汽车.搅拌车装载混凝土后,边行驶边搅拌,到工地后将预拌混凝土卸出.当前的搅拌车主要采用机械-液压传动的一种混凝土运输车[1].搅拌车作为工程运输车辆,由于其特殊属性,其行驶安全性、违规卸料、偷油等现象时有发生,给客户造成运营风险.

近年来,物联网、大数据等信息技术在世界范围内持续升温,产业规模不断扩大,未来人类社会将是一个紧密互动、高度智能的社会.对于搅拌车行业来说,工况数据分析及物联网技术的应用正处于快速发展的阶段[2].本文通过使用GPS终端,采集搅拌车运行数据,通过开发异常行为预警系统,对于搅拌车运行过程中的异常行为进行预警,并通过手机APP进行信息推送、客户工况数据展示等.本文的智能预警系统以神经网络进行参数辨识、建模及控制器设计,神经网络的参数通常是通过对样本的训练来获得[3-4].

手机APP作为一款简单便捷的服务应用,以其便于携带和随时查看的特性,越来越受到大家的欢迎.本文开发了基于手机移动应用的搅拌车预警系统和APP移动互联应用,通过数据传输、预警计算和推送将客户设备的施工信息在APP端进行推送,便于客户随时查看，提升客户设备实时管理能力.

1 搅拌车主要机构及工作原理

混凝土搅拌车如图1所示，由汽车底盘和上装组成,底盘是混凝土搅拌运输车的重要组成部分,提供承载作业平台和工作动力.底盘主要由驾驶室、发动机、传动系、行驶系、转向系和制动系等系统组成,上装由液压系统、供水系统、搅拌筒、进出料装置、前台车架总成、后台总成等.搅拌车的工作原理为底盘发动机取力,液压泵为源头,带动液压马达转动,通过减速机来控制搅拌筒的正反转,其中正转是进料和搅拌,反转为卸料.

混凝土搅拌车的预警系统数据传输原理如图2

图1 搅拌车结构和工作原理简图Fig.1 The structure and working principle of truck mixer

所示.控制器采集搅拌车关键工况数据,通过GPS终端将数据传输到GPS平台,位置信息实时反馈,平台预警系统基于采集的数据对车辆运行进行判断和预警,同时将预警信息和关键工况信息发送到手机APP上,从而实现从车辆到移动端的数据传输和预警,保证搅拌车的正常运行.

图2 搅拌车预警系统工作原理Fig.2 The working principle of truck mixer’s warning system

2 搅拌车预警系统设计及算法研究

搅拌车在实际的运输过程中,由于缺乏全程监控,易出现驾驶员偷燃油、偷混凝土和超速驾驶等情况,这也是搅拌车管理者所面临的主要问题.为了有效解决以上问题,本文通过GPS采集搅拌车工况数据到平台,通过对数据的分析和算法研究,得出搅拌车的异常行为,并对异常行为进行预警,通过手机APP进行推送.

报警系统普遍存在的问题是误报和漏报,报警结果的输出受外界环境影响大,所以预警系统的设计一定要满足可靠性和准确性原则,给出合理的报警工况并触发相应报警模块.

2.1 预警系统结构

预警系统结构图如图3所示,包括数据源、算法判断和预警展示3部分:数据源是通过GPS采集的搅拌车关键数据(车速、搅拌筒正反转、位置和燃油油位信号等);算法判断是预警系统的核心,通过对数据算法研究,得出搅拌车异常行为;预警展示是预警系统的输出,对于异常行为进行预警报警.

预警系统中最复杂的判断是偷料行为,本文以偷料行为为例进行分析.偷料行为需要考虑的因素有车辆位置信息、车速、搅拌筒正反转、时间等.

图3 搅拌车预警系统结构图Fig.3 The structure diagram of truck mixer’s warning system

(1) 搅拌筒状态分为正转、反转和停止状态,一般情况下,搅拌筒反转判断搅拌车卸料,所以正反转判断函数为

(1)

(2) 搅拌车行驶的车速为v,同一个地点反转时间为T,t1为判断阈值(一般为20s),vw为搅拌筒反转速度,Tw=f′(vw)为根据搅拌筒反转速度得出的混凝土全部卸出的时间.根据以上参数得出函数:

g(v,T)=0,v≠0

(2)

(3) 搅拌车实时位置反馈,生产混凝土的搅拌站位置是固定的,假定为[X0,Y0],假定搅拌车卸料点位置为[Xt,Yt],时间为tx,所有卸料点的时间序列集合为[t1,t2,…,tn],搅拌车卸料后需要重新返回搅拌站装料,进站的时间为Tx,所有进站的时间序列集合为[T1,T2,…,Tm],根据卸料点和进站点时间序列组合为Tmark=[t1,T1,t2,T2,…,tn,Tm].

(4) 假设卸料点的卸料次数为f(X,Y,nmark),(X,Y)为经纬度坐标,W(X,Y)为同一地点卸料标识函数,nmark为同一个地点的累计卸料次数,

f(X,Y,nmark)=nW(X,Y)

(3)

则卸料函数为

Q=ag(v,T)/f(X,Y,nmark)

(4)

输入为[w,v,vw,T,x,y,nmark],时间序列以Tmark的时间序列为基础,构建网络辨识结构如图4所示.

网络算法在n时刻的输出为

(5)

网络权向量为w(n)=[w1(n),w2(n),…,wi(n)]T.

图4 网络控制算法结构图Fig.4 The structure diagram of network

以该搅拌站所有搅拌车一个月内的行驶轨迹为训练样本,网络输出ym(n)与实际结果yout(n)对比得出代价函数:

(6)

根据梯度下降法,调整权值函数:

(7)

式中:α为动量因子.

3 搅拌车移动互联应用

搅拌车的移动互联应用,可以使客户通过手机APP读取车辆预警信息,同时得出车辆信息、设备定位、关键数据显示、统计报表和故障推送等,提升客户对于设备的管理能力,并准确显示设备工况情况.

3.1 数据传输通道

搅拌车数据是通过车载GPS终端进行数据传输,传输通道包括:GPS终端、数据平台和手机APP.将采集的搅拌车施工数据通过GPS终端发送到数据平台,数据平台将数据解析和算法分析,并对预警系统进行实时判断,再推送给手机APP,通过数据的采集、传输、解析和推送,使搅拌车的工况数据实时地传输到手机APP上,实现数据全通道传输,保证数据准确，同时，将数据分析结果反馈给客户.数据传输通道如图5所示.

图5 搅拌车数据传输通道Fig.5 The data transmission channel of truck mixer

3.2 APP预警系统开发

数据分析和挖掘旨在从采集的数据中得出有价值的知识和模型,已经成为数据挖掘领域的一个新的研究热点[5].本文通过数据平台对搅拌车行为进行预警分析,通过APP展示,实时为客户展示出来.卸料点标记及异常行为报警功能开发，如图6所示.

图6 搅拌车APP预警系统展示Fig.6 The demonstration of the system on APP

3.3 数据分析APP开发应用

基于GPS数据传输和定位功能,根据客户端需求,对于设备的位置信息、轨迹回放、施工的数据非常关注,对于拥有多台车辆的客户,多台设备施工工况的实时分析和展示可以让客户了解多台设备的施工情况，提升客户对于车辆的管理水平.本文开发的APP系统从客户的实际需求出发，开发了设备关键数据日、周、月施工数据统计(见图7(a))和关键数据排名(见图(7b))等功能，完成了客户需求数据的APP功能展示，提升了搅拌车产品的智能化应用水平.

图7 搅拌车APP关键工况展示Fig.7 The key working data demonstration on APP

4 试验验证

为验证搅拌车预警系统准确性和APP应用情况,本文对某型号搅拌车进行试验验证,如图8所示.通过现场跟踪车辆施工数据,验证油耗测试准确性,以及异常地点卸料和超速预警系统的准确性.

图8 测试搅拌车Fig.8 The test truck mixer

偷油行为报警依托于控制算法计算燃油消耗的准确性,本次测试实际计算油耗与实际消耗油对比的准确性分析.搅拌车加满油箱燃油,通过一段时间的工况考核,再次加满燃油,记录加油数量与算法计算的燃油数量,对比结论如图9所示.

图9 燃油消耗准确率Fig.9 The accuracy of oil consumption

经过4台搅拌车的跟车测试,对于燃油计算的准确性进行对比分析,油耗测试准确率>95%.根据油位变化与燃油计算消耗的对比,判断油耗异常行为,通过报警系统,避免偷燃油的行为发生.

异常地点卸料和超速报警测试,经过APP推送展示,超速阈值设定为60 km/h,搅拌车对超速行为进行实时预警并进行推送,对正常卸料点进行标记和识别,如图9所示.

经过测试，验证了搅拌车异常行为预警系统控制算法的准确性和可靠性,对异常卸料点、超速、偷燃油行为进行准确预警,并通过手机APP进行推送.

图10 搅拌车异常卸料及超速预警APP展示Fig.10 The abnormal behavior demonstration on APP

5 结语

本文通过对搅拌车预警系统的开发和移动互联APP的应用,提出了异常行为预警系统判断算法.对于客户运营过程中关心的超速、偷燃油、偷料的行为实时预警,保证了客户车辆正常运营.并通过数据传输、解析和推送,将关键数据显示在手机APP上.经过客户实际测试,证明了预警系统的准确性和可靠性,手机APP的开发使客户更加便捷地了解设备的施工和预警工况,提升了客户对于车辆管理的效率,提升了搅拌车的移动互联应用水平.

参考文献:

[1] 宜通.混凝土机械[M].北京:中国建材工业出版社,2002.

YI T.Concrete machinery[M].Beijing:China Building Materials Press,2002.

[2] 孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013,50(1):146-169.

MENG X F,CI X.Big data management:concepts,techniques and challenges[J].Journal of Computer Research and Development,2013,50(1):146-169.

[3] 丛爽.典型人工神经网络的结构、功能及其在智能系统中的应用[J].信息与控制,2001,30(2):97-103.

CONG S.A survey of structures,functions of artificial neural networks and their applications in intelligent systems[J].Information and Control,2001,30(2):97-103

[4] SONG Q,XIAO J Z,CHAI S.Robust back propagation training algorithm form ultilayered neural tracking controller[J].IEEE Transactions on Neural Networks,1999,10(5):1133-1141,1112.

[5] ZHENG Y.Trajectory data mining:an overview[J].ACM Transactions on Intelligent Systems and Technology,2015,6(3):29.