谈状态感知技术的叉车智能控制系统

摘要：叉车作为运输物流及工业生产中重要的组成部分，其应用领域不断扩大。针对传统叉车在控制领域存在的安全问题及故障率高等缺点，以叉车作业时的安全隐患及操控舒适度为出发点，设计了一种叉车智能控制系统，以实现对车辆和人员的监管。采用传感技术并结合嵌入式智能深度学习，实现感知模型的压缩与重建，有效节约感知模型的数据成本，将感知理论与机械诊断结合在一起，对叉车监控系统进行测试，并融合数据压缩及信号重构的改进算法，对叉车机械装置进行了深入分析与研究。

关键词：技术革新；深度学习；数据压缩；信号重构

引言

随着现代信息科技产业的高速发展，智能感知技术得到了广泛关注。企业在生产运输中更清楚地认识到现代智能控制技术所带来的便捷性。感知、控制、决策等模块是人工智能与深度学习技术领域最重要的一环，其中环境感知技术为叉车安全驾驶提供了重要保障，在多种感知传感器作用的基础上，利用特定的算法可以检测出车辆等障碍物的各项信息。在装备高效稳定运行过程中，叉车占据着重要地位，任何操作失误或机械故障都会对安全运行和效能发挥产生重大影响，研究叉车的感知控制技术对于保障装备安全运行具有重要意义。如果可以实时监测叉车当前运行状态并及时地发现故障隐患，尽早采取有效措施，就能有效减少设备故障所带来的经济损失。在我国，叉车企业仅依靠技术功能的革新已经难以取得市场优势。迫于市场竞争压力，叉车企业一方面需要从叉车造型入手，从视觉层面给客户一种心理购买暗示；另一方面，要对叉车的基础功能属性进行升级优化，针对驾驶室噪声或操作习惯等问题进行深入研究，结合传感器对驾驶员操作习惯及车内噪声响应的分析，对信号进行数据处理，以优化升级叉车结构。随着经济高速发展，人工成本不断提高，智能型叉车的普及必将成为制造业、物流仓储等行业的主旋律。然而，叉车的工作环境复杂多样，分布范围存在不确定性，因而其不可避免地会在使用过程中存在一些问题。首先，因操作不当引发的安全问题。2019年美国职业安全与健康管理局（OSHA）数据显示，每年因叉车操作不当所引发的安全事故约有34900起。由于驾驶员经常不按照规章制度执行，例如突然加速、急刹车，长时间超速、超重行驶等，这些违规的驾驶行为必然会带来安全隐患，甚至导致车辆失控，严重影响叉车的使用寿命。其次，使用效率相对较低。叉车缺少相关数据采集功能，包括叉车的运行速度、门架状态、变速箱状态等数据，难以对管理者实现有效监管，也不能对驾驶员的工作进行量化记录，绩效考核困难。最后，叉车维护保养困难，且维修成本相对较高。叉车升级更新，其控制系统也变得复杂多样，对于能对叉车实施有效的故障诊断、设备维修的技术人员的要求越来越高。当叉车出现棘手的故障时，现场工作人员多数会联系技术人员到现场解决，服务成本也比较高。而通常的检修都需要拆开叉车机体，效率较低。有时无法对车辆历史运行状况进行复现，难以发现问题的根本原因。因此，叉车的智能感知控制技术是实现传统制造产业转型升级的一项重要举措，是经济持续增长的一股动力。

1控制系统组成

叉车硬件控制系统如图1所示，硬件部分主要由信号采集模块、数据通信模块、车辆输出驱动模块组成。控制器电源设计如图2所示，一方面，必须满足12/24V不同型号的叉车使用需求，因此，其必须具备宽电压输入能力；另一方面，控制器在性能上要能够有效抑制车辆运行过程中来自发动机或人为作业的电源干扰。本项目在控制器电源设计上做了大量准备工作，经过对叉车现场的检测和分析，最终设计出满足9～36V电源输入要求的开关型稳压电源，输入峰值达到60V，控制器电源部分使用叉车现有蓄电池进行供电，满足不同车况下的电源需求。主控制器采用意法半导体STM32微控制器，STM32因其自身强大的性能和市场占有率，不仅可以缩短控制系统的开发周期，还能进一步有效降低开发成本。当前汽车产业对设备的实时性、安全性、舒适性、低成本等提出了更高要求，而凭借上述优势，STM32广泛应用于电子控制系统。信号采集模块由多个传感节点、汇集节点构成感知层。各传感节点负责叉车的车速、转角、称重、振动、噪声等相关数据采集，并传送至汇集节点，汇集节点则负责传感数据的创建压缩，缩小信息的冗余量，有效提高了数据的准确性。在不影响叉车结构与电气特性的条件下，建立叉车性能及健康评估模型，以便工作人员及时掌握叉车的运转状况，杜绝安全隐患，保证叉车安全稳定运行。数据通信模块采用基于J1939玉柴发动机通信协议的CAN总线实现了叉车仪表、变速箱、发动机与控制器之间的信息交互，同时为叉车电气控制单元之间建立信息共享，现场测试了叉车的档位信号识别、发动机转速、机油压力、燃油消耗等功能。测试结果表明，数据通信协议能够检测叉车的所有功能，满足叉车所要求的作业性能。驱动输出模块如图3所示，满足了叉车大电流驱动要求，电路设计上采用MOS驱动电路，输出功率可达到80W以上，控制单元和驱动输出之间采用隔离电源与光电耦合电路相结合的方法，可有效抑制输出回路中电磁阀等感性大功率负载的干扰，反馈采样有效提高了系统可靠性。

2本课题的研究思路

本课题首先需要考虑叉车的信号分析研究是否符合压缩感知原理，压缩感知理论打破了传统奈奎斯特采样定律，是信号在恢复领域一个新的突破，如果按照奈奎斯特原理精确地恢复原始采样x信号，需要满足至少2倍的采样频率，在造成通频带严重浪费的同时，还给控制系统带来严重的负荷。大量的数据分析表明，信号在传输过程中，除了少量数据s是非零的，其余很多数据都具有冗余性。压缩感知原理是在某个变换域Ψ下可以被稀疏表示的一类冗余信号，这样具有稀疏性的原始信号可通过降低采样频率来恢复，其采样率只取决于信号稀疏度。目前常用的信号稀疏变换方法具有多样性，例如傅氏变换、拉氏变换、小波变换等，可以通过单一或组合变换方法构建信号压缩字典，提取不同类型信号的稀疏基。压缩感知理论由于其具有高效性，已被广泛应用于很多工业领域。为了能够完整有效地表示压缩后的信号y，需要进行符合测量矩阵Φ的设计。测量矩阵由正交的基向量组成，必须能够满足某种特定条件和独立性，在保证原始信号有效的前提下对冗余数据进行合理压缩，测量矩阵较为常见的有高斯矩阵、伯努利矩阵、二值随机矩阵等。压缩感知理论的重点是信号重构并精准恢复为原始信号。重构算法通常从速度、运算精度或复杂度等方面进行衡量，然后经过迭代逐步逼近最优结果。为了缩短算法的重建时间，在信号重构基础上匹配阶段标识并进行重新设置，从有效抑制欠拟合或过拟合角度分析，采用合适的压缩系数，得到收敛更快且重构精度高的信息，最终在稀疏度和拟合误差之间取得平衡。压缩感知原理如图4所示。

3结语

本文采用多源传感器技术和压缩感知原理对叉车进行深入研究与分析，在不影响传统叉车工艺的基础上，针对叉车运行状态和车辆性能的实时性与稳定性，围绕算法收敛性做出进一步优化。改良后的叉车智能控制系统，可以有效改善叉车因操作不当引起的车辆故障，降低叉车维护保养成本，减少叉车能源消耗，最终实现传统机械和现代信息技术的有效结合。

[参考文献]

[1]孙泽宇，李传锋，阎奔.传感网中基于压缩感知的丢包匹配数据收集算法[J].电子学报，2020，48（4）：723-733.

[2]周杨，骆英，徐晨光，等.一种基于压缩感知的导波场重构方法[J].压电与声光，2020，42（1）：132-136.

[3]田鹤，于海锋，朱宇，等.基于频域稀疏压缩感知的星载SAR稀疏重航过3维成像[J].电子与信息学报，2020，42（8）：2021-2028.

作者：李根 何胜军 单位：衢州职业技术学院