(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210905903.9 (22)申请日 2022.07.29 (71)申请人 广西水利电力职业 技术学院 地址 530023 广西壮 族自治区南宁市长 堽 路99号 申请人 广西科技大 学 (72)发明人 谌炎辉　史刚　郑特　谭程　 (74)专利代理 机构 长沙正奇专利事务所有限责 任公司 431 13 专利代理师 周晟 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/12(2006.01) (54)发明名称 基于高斯过程回归和遗传算法的装载机铲 装过程优化方法 (57)摘要 本发明公开了一种基于高斯过程回归和遗 传算法的装 载机铲装 过程优化方法， 包括以下步 骤：⑴、 人工操作进行多次铲装实地作业， 提取每 次作业的AB、 BC、 CD和DE四个阶段的装载机位移、 动臂油缸位移和转斗油缸位移以及A点的插入瞬 时速度， 获得多组轨迹 特征参数； ⑵、 编码：⑶、 引 入适应度函数， 适应度函数为高斯过程回归模型 ⑷、 种群进化， 设定种群进 化次数， 每次进化过程 如下：①、 选择过程； ②、 交叉过程； ③、 变异过程； ④、 进化过程；⑤、 重复进行步骤 ①‑④， 直至达到 设定的种群进化次数， 得到完成进化后的种群； ⑸、 解码过程： 得到最佳轨迹 特征参数。 本发明方 法优化后的装 载机铲装自动作业轨迹更为准确， 工作效率更高。 权利要求书3页 说明书8页 附图3页 CN 115391991 A 2022.11.25 CN 115391991 A 1.一种基于 高斯过程回归和遗传算法的装载机铲装过程优化方法， 其特征在于包括以 下步骤： ⑴、 将装载机单次铲装作业分解为插入物料堆AB阶段、 铲装BC阶段、 装载机怠速CD阶 段、 提升铲斗D E阶段； 人工操作进行多次实地作业， 提取每次作业的AB、 BC、 CD和DE四个阶段 的装载机位移、 动臂油缸位移和转斗油缸位移以及A 点的插入瞬时速度， 每次作业的这些参 数作为一组轨迹特征参数， 获得多组轨迹特征参数； 其中， A为铲斗接触到物料堆的点， B为 铲斗完成插入的点， C为完成铲装的点， D为 开始提升铲斗的点， E为整个铲装作业的结束点； ⑵、 编码： 取步骤 ⑴获得的多组轨迹特征参数， 将每组中的各个轨迹特征参数作为染色 体信息， 进 行排序， 使之排列成一列基因序列， 获得多列基因序列， 设置进化次数， 生 成初始 种群， 轨迹特征参数的组数即为初始种群的规模数n； ⑶、 引入适应度函数， 适应度函数为高斯过程回归 模型， 公式为： 其中， y为输出变量， y*为预测值； 初始种群中各个基因序列输入适应度函数中， 获得各个基因序列的效率值， 这些效率 值即为各个 基因序列的适应度； ⑷、 种群进化， 设定种群进化次数， 每次进化过程如下： ①、 选择过程： 基于轮盘赌法， 基因序列适应度值越高， 被选中的概率就越大， 轮盘转动 n次， 轮盘每次转动从目标种群中选择一列基因序列， 生成含n组基因序列的新种群， 作为母 代种群； 最 开始时目标种群为初始种群； ②、 交叉过程： 设定交叉概率设为0.4 ‑1， 随机选择母代种群中的两组基因序列， 在基因 序列上随机选择位置交换染色体信息， 得到新基因序列， 进 行n次交叉， 生 成含n组基因序列 的新种群， 得到交叉子种群； ③、 变异过程： 设定变异概率为0.01 ‑0.1， 随机选取交叉子种群中的某个基因序列， 在 该基因列上的某一位置发生变异， 改变染色体信息， 得到新基因序列， 进 行n次变异， 生成含 n组基因序列的新种群， 得到变异子种群； ④、 进化过程： 计算变异子种和母代种群中各个基因序列的适应度， 选取变异子种群和 母代种群中适应度最大的前n组的基因序列， 得到新 一代种群； ⑤、 将步骤④产生的新一代种群输入步骤 ①中， 作为目标种群， 重复进行步骤 ①‑④， 直 至达到设定的种群进化次数， 得到 完成进化后的种群； ⑸、 解码过程： 将完成进化后的种群 中对应最佳适应度的基因序列输出， 即得到最佳轨权　利　要　求　书 1/3 页 2 CN 115391991 A 2迹特征参数， 完成寻优过程。 2.如权利要求1所述的基于高斯过程回归和遗传算法的装载机铲装过程优化方法， 其 特征在于： 所述的步骤 ⑶中高斯过程回归 模型的推导过程如下： 高斯过程由 由一个均值 函数和核函数组成， 其表达式为： y～N( μ(x),k(x,x') )  (5) 式中： μ(x)为均值 函数， k(x,x')为核函数。 使用高斯核函数作为核函数： 式中： σf、 σl是超参数， δ 为狄拉克函数， 当x＝x ’时， δ ＝1， 否则为 零； 为了简化计算， 均值 函数选择为0， 即 μ(x)＝0； 设需要预测的值为y*， 根据高斯过程定义， 对于高斯过程中任意有限的随机变量的线 性组合都服从高斯分布， 则对于输出变量y与预测值y*也符合联合高斯分布， 其联合高斯分 布函数为： 通过贝叶斯推导， 得到高斯过程回归 模型， 即公式(1)； 高斯过程回归 模型的预测均值 为： 3.如权利要求1所述的基于高斯过程回归和遗传算法的装载机铲装过程优化方法， 其 特征在于： 所述的步骤 ①中， 选择过程具体为： 目标种群中各基因序列， 即个 体被选中概 率的计算公式为： 对目标种群中各个基因序列进行随机编号， 得到n组编号的基因序列， 基于公式(9)分 别计算出各个基因序列的被选中概率， 然后所有基因序列被选中概率累计相加， 获得分别 对应各个编号基因序列的n组累计相加概率， 轮盘转动n次； 每次转动随机生成0 ‑1之间的随 机数， 查看随机数所落入的累计相加概率的区间， 向上选取累计相加概率， 抽取该累计相加 概率所对应编号的基因序列； 最终 获得n组基因序列， 进行随机编号， 得到母代种群。 4.如权利要求3所述的基于高斯过程回归和遗传算法的装载机铲装过程优化方法， 其 特征在于： 所述的步骤 ②中， 交叉过程具体为： a、 执行交叉的个 体选择 随机生成两个0至1之间的数， 然后乘n， 向上整取， 得到两个取整值， 选取母代种群中该 两个取整值所对应编号的基因序列 作为执行交叉的个 体；权　利　要　求　书 2/3 页 3 CN 115391991 A 3