买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏如神重工有限公司

摘要：本发明涉及负载监控技术领域，具体为一种智能卷扬机构负载分析方法，包括以下步骤，基于卷扬机构的工作周期和负载变化的特征，收集负载数据，进行时间窗口划分，聚集分析多时间段内的数据，得到多尺度聚类分析框架，分析多时间段内的负载数据变化，识别短期、中期和长期负载波动特征，得到时间尺度负载模式集。本发明中，通过多尺度聚类分析框架精细划分负载变化，揭示短期至长期的负载波动特征，为卷扬机构提供了更深层次的数据解析，通过负载模式关系映射和深度强化学习技术，实现了对负载状况的动态适应和优化控制，这种技术进步促进了能效优化，减少了能源浪费，并显著提升了故障预防能力，增强了卷扬机构的稳定运行和长期可靠性。

主权项：1.一种智能卷扬机构负载分析方法，其特征在于，包括以下步骤：基于卷扬机构的工作周期和负载变化的特征，收集负载数据，进行时间窗口划分，聚集分析多时间段内的数据，得到多尺度聚类分析框架；所述多尺度聚类分析框架包括时间窗口定义、负载数据聚类集合、时间尺度标识符；基于所述多尺度聚类分析框架，分析多时间段内的负载数据变化，识别短期、中期和长期负载波动特征，形成负载模式识别的基础，得到时间尺度负载模式集；所述时间尺度负载模式集包括短期波动特征集、中期调整趋势集、长期变化规律集；所述时间尺度负载模式集的步骤具体为：基于所述多尺度聚类分析框架，对多时间段内的负载数据进行时间序列分析，识别多个时间段负载的波动模式和周期性特征，得到负载波动基础映射；采用所述负载波动基础映射，采用KMeans算法执行聚类操作，区分短期、中期、长期的负载变化趋势，提取每个时间尺度的波动特性，得到时间尺度特征集；通过所述时间尺度特征集，执行模式识别，收集并分析时间序列数据，提取关键时间特征并分类，为每个负载模式分配时间标签，得到时间尺度负载模式集；基于所述时间尺度负载模式集，对短期、中期和长期负载模式进行交叉比较分析，识别模式之间的核心联系和变化规律，得到负载模式关系映射；所述负载模式关系映射具体为模式拟合度指标集、差异性描述集、时间尺度转换关系集；所述负载模式关系映射的步骤具体为：对所述时间尺度负载模式集进行初步聚类分析，通过筛选多时间尺度内的卷扬机构负载数据，识别短期、中期、长期负载模式，标识关键类别，对比钢丝绳、绞盘负载特点，得到负载模式聚类分布；基于所述负载模式聚类分布，追踪张力变化，识别增长、减少趋势，比较吊钩、载荷限制器间变化幅度，得到负载模式变化趋势分析结果；基于所述负载模式变化趋势分析结果，分析绞盘、钢丝绳间的互动关系，绘制模式变化联系图，标注转换路径和影响因子，得到时间尺度间负载模式关系识别结果；基于所述时间尺度间负载模式关系识别结果，分析负载模式特征，标注每种模式，整合关键变化规律，得到负载模式关系映射；基于所述负载模式关系映射，整合负载模式与环境特征，构建数据集并对负载模式和特征分类标注，准备标准化输入数据，得到强化学习训练集；所述强化学习训练集包括环境状态集、负载模式标识集、期望响应集；所述强化学习训练集的步骤具体为：基于所述负载模式关系映射，采用温湿度传感器收集环境信息，针对卷扬机构中的钢丝绳和绞盘部件，通过数据接口实时传输所得信息至中央处理单元，利用时间戳标记每一条数据，对钢丝绳的张力和绞盘的转速进行实时监测，按照时间序列对监测数据进行分类整理，得到原始数据集；采用所述原始数据集，采用频率分析方法，分析钢丝绳张力与绞盘转速间的相互作用，通过统计分析确定模式组合，辨识差异化负载条件下的变化趋势，得到模式识别数据集；通过所述模式识别数据集，对数据进行细分和标注，针对吊钩和载荷限制器的运行特性，进行特征提取和向量化，整合特征向量和标注信息，匹配强化学习的目标场景数据集，得到强化学习训练集；基于所述强化学习训练集，执行模型训练过程，初始化模型参数，设定学习率和损失函数，通过训练数据循环调整权重和偏差，得到深度强化学习调整模型；所述深度强化学习调整模型具体为模型结构体、参数优化集、策略生成机制；基于所述深度强化学习调整模型，在实际环境中部署测试，适配工作条件，实施负载调整策略，收集运行数据，评估效率和能耗影响，得到负载调整策略实施效果评估；所述负载调整策略实施效果评估包括适应性测试记录、效率改进指标、调整策略成功率统计。

全文数据：

权利要求：

百度查询： 江苏如神重工有限公司 一种智能卷扬机构负载分析方法