本发明涉及工程机械领域，尤其涉及一种挖掘机挖掘阻力预测方法及系统。
背景技术：
1、挖掘机作为一种广泛应用于基建、矿山的工程机械，其节能降耗以及自动化研究一直受到人们的关注。准确地预测挖掘轨迹上的挖掘阻力，能够为优化挖掘轨迹、实现节能减排提供基础。通过准确预测挖掘阻力，可以实现挖掘机的能源消耗的有效管理，从而达到节能减排的目的。通过优化挖掘机的工作模式和挖掘参数，可以最大程度地降低挖掘阻力对能源的消耗，实现对挖掘过程的节能控制，有助于减少碳排放和环境影响。
2、但是，挖掘机挖掘过程中，物料于铲斗之间的相互作用是一个十分复杂的过程，不仅模型的影响参数多，而且充满了不确定性。现有基于机理分析的铲斗物料模型提供了较强的可解释性，对稀缺数据适应能力强，但在处理系统复杂性和未知机理方面存在挑战，而且可能过于刚性。此外，数据驱动模型以其灵活性和泛化能力在复杂非线性关系中表现出色，但对数据质量敏感，解释性相对较差，且容易在小样本情况下过拟合。
技术实现思路
1、本发明的目的在于解决现有技术中基于机理分析的铲斗物料模型过于刚性的问题，分析挖掘机挖掘物料过程中铲斗与物料的交互状态并建立了物料与铲斗交互作用机理模型，然后结合机器学习算法，提出了一种准确的挖掘机挖掘阻力预测方法。
2、本发明解决其技术问题所采用的技术方案是：提供一种数模混驱挖掘机的挖掘阻力预测方法，包括以下步骤：
3、获取挖掘机在挖掘物料过程中的实际挖掘数据，所述实际挖掘数据包括物料参数、铲斗参数和挖掘轨迹；
4、对实际挖掘数据进行预处理，获得挖掘参数和实际挖掘阻力；
5、建立物料与铲斗交互模型，根据输入的物料参数、铲斗参数和挖掘参数计算理论挖掘阻力；
6、构建挖掘阻力预测模型，所述挖掘阻力预测模型以物料参数、铲斗参数和挖掘参数作为输入，输出预测阻力；
7、以理论挖掘阻力和实际挖掘阻力构建损失函数，训练挖掘阻力预测模型；
8、利用训练好的挖掘阻力预测模型实现挖掘阻力预测。
9、优选的，所述获取挖掘机在物料挖掘过程中的实际挖掘数据，具体如下：
10、以经验值作为物料参数，包括物料与铲斗的内摩擦角、物料密度、物料内摩擦以及物料黏聚力系数；
11、通过实际测量获取挖掘机铲斗参数，包括铲斗宽度，铲斗底板长度、铲斗底板与侧边夹角ε；
12、利用拉线式位移传感器获取挖掘轨迹，包括挖掘过程中的动臂油缸位移、斗杆油缸位移和铲斗位移。
13、优选的，实际挖掘数据还包括：
14、利用双目相机获取的待挖掘物料表面形貌点云；
15、利用销轴力传感器获取的销轴受力。
16、优选的，所述对实际挖掘数据进行预处理，包括：
17、销轴力传感器获得的销轴受力结合铲斗动力学模型，获得实际挖掘阻力；
18、建立挖掘机工作装置的运动学模型，以挖掘机回转中心和地面接触位置建立基坐标系，将基于双目相机坐标系的待挖掘物料表面形貌点云转换到基坐标系下，并用多项式拟合得到物料表面的拟合函数，根据物料表面的拟合函数获取挖掘参数。
19、优选的，所述根据物料表面的拟合函数获取挖掘参数，所述挖掘参数包括物料堆积角度、挖掘深度、挖掘前角，获取过程具体为：
20、根据动臂油缸位移、斗杆油缸位移和铲斗位移求解出铲斗斗尖在基坐标系下的位置以及铲斗姿态；
21、对物料表面的拟合函数进行微分，获取不同位置的物料堆积角度；
22、根据物料表面的拟合函数、铲斗斗尖位置以及铲斗姿态，求解出挖掘深度、挖掘前角。
23、优选的，所述建立考虑物料与铲斗不同交互状态的物料与铲斗交互模型，具体为：
24、分阶段分析铲斗与物料在挖掘过程中的交互作用，建立输入参数与理论挖掘阻力之间的关系；挖掘过程分为四个阶段，包括：第一个阶段，铲斗未插入物料，此时挖掘阻力为零；第二个阶段，铲斗底板插入物料，铲斗后板未接触物料；第三个阶段，铲斗底板完全插入物料，并且物料与铲斗后板接触；第四个阶段，铲斗斗尖离开物料，铲掘完成。
25、优选的，所述训练挖掘阻力预测模型，具体如下：
26、以物料参数、铲斗参数和挖掘参数作为输入，以实际挖掘阻力作为标签，构建数据集；
27、设计挖掘阻力预测模型的损失函数，损失函数由两部分组成，第一部分为机器学习模型输出值与实际挖掘阻力的方差，第二部分为机器学习模型输出值与机理模型计算的挖掘阻力的方差；
28、利用数据集训练模型，训练过程中通过不断训练调整模型参数使得损失函数达到最小值，从而获取最优的挖掘阻力预测模型。
29、优选的，所述利用训练好的挖掘阻力预测模型实现挖掘阻力预测，具体为：
30、给定挖掘条件，包括挖掘轨迹、待挖掘物料的物料信息以及铲斗参数，物料信息包括物料表面形貌点云和物料参数；
31、对挖掘轨迹、物料信息进行预处理，获得挖掘参数；
32、将物料参数、铲斗参数和挖掘参数输入到训练好的挖掘阻力预测模型中，预测给定挖掘条件的挖掘阻力。
33、本发明还提供一种数模混驱的挖掘机挖掘阻力预测系统，包括：
34、数据采集模块，获取挖掘机在挖掘物料过程中的实际挖掘数据，所述实际挖掘数据包括物料参数、铲斗参数和挖掘轨迹；
35、数据预处理模块，对实际挖掘数据进行预处理，获得挖掘参数和实际挖掘阻力；
36、理论值计算模块，建立物料与铲斗交互模型，根据输入的物料参数、铲斗参数和挖掘参数计算理论挖掘阻力；
37、预测模型构建模块，构建挖掘阻力预测模型，所述挖掘阻力预测模型以物料参数、铲斗参数和挖掘参数作为输入，输出预测阻力；
38、预测模型训练模块，以理论挖掘阻力和实际挖掘阻力构建损失函数，训练挖掘阻力预测模型；
39、预测模型应用模块，利用训练好的挖掘阻力预测模型实现挖掘阻力预测。
40、本发明具有如下有益效果：通过分析挖掘机挖掘过程中铲斗与物理交互状态的不同，构建物料与铲斗的相互作用机理模型，采集不同种类物料的挖掘过程数据构建数据集，在机器学习算法中，通过设计损失函数，将机理模型的信息融入到机器学习算法中，在保证模型精度的同时提高模型预测的泛化能力，构建的挖掘阻力预测模型能够根据给定的挖掘轨迹预先计算出该轨迹上的挖掘阻力，为挖掘机挖掘过程中的轨迹规划奠定了基础，进而有助于实现挖掘机的节能减排以及自动化、无人化作业。
41、以下结合附图及实施例对本发明作进一步详细说明，但本发明不局限于实施例。
1.一种数模混驱挖掘机的挖掘阻力预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的数模混驱挖掘机的挖掘阻力预测方法，其特征在于，所述获取挖掘机在物料挖掘过程中的实际挖掘数据，具体如下：
3.根据权利要求2所述的数模混驱挖掘机的挖掘阻力预测方法，其特征在于，实际挖掘数据还包括：
4.根据权利要求3所述的数模混驱挖掘机的挖掘阻力预测方法，其特征在于，所述对实际挖掘数据进行预处理，包括：
5.根据权利要求4所述的数模混驱挖掘机的挖掘阻力预测方法，其特征在于，所述根据物料表面的拟合函数获取挖掘参数，所述挖掘参数包括物料堆积角度、挖掘深度、挖掘前角，获取过程具体为：
6.根据权利要求1所述的数模混驱挖掘机的挖掘阻力预测方法，其特征在于，所述建立考虑物料与铲斗不同交互状态的物料与铲斗交互模型，具体为：
7.根据权利要求4所述的数模混驱挖掘机的挖掘阻力预测方法，其特征在于，所述训练挖掘阻力预测模型，具体如下：
8.如权利要求1所述的数模混驱的挖掘机挖掘阻力预测方法，其特征在于，所述利用训练好的挖掘阻力预测模型实现挖掘阻力预测，具体为：
9.一种数模混驱的挖掘机挖掘阻力预测系统，其特征在于，包括：
