CN119515233A 一种基于智能算法的远程智能物资储运监控方法及系统 （贵州电网有限责任公司）

一种基于智能算法的远程智能物资储运监本发明公开了一种基于智能算法的远程智型；将UKF滤波计算的未来时刻的状态估计作为警阈值，提升了储运过程中的监控精度和安全2将UKF滤波计算的未来时刻的状态估计作为动态贝叶斯网络的输入，评估物资在储运根据采集的数据初始化虚拟模型，将从传感器获取的实时数据持续输入虚拟仿真模引入第三阶变换方法生成的sigma点，通过稀疏Sigma点选择策略丢弃贡献度低的,,,3UKF校正的预测步骤包括，使用第三阶变换生成更加均匀地分布在状态空间中的sigma点，,,,"表示在时刻k-1对系统状态的估计值；ei表示单位向量；,表示的贡献度；表示时刻k-1的第i个sigma对于每个筛选后的稀疏sigma点，通过系统的状态转移函数计算下一时刻的状,,,4,使用历史数据初始化DBN的条件概率分布，进行st的更新；使用DBN的条件概率模型计算在当前状态st和环境Et下发生特定风险事件的条件概率P(RIIS,E)：,,,,sign(·)表示符号函数；5,,8.一种采用如权利要求1~7任一方法所述的基于智能算法的远程智能物资储运监控系动态校正模块，通过UKF滤波进行虚拟仿真模型的校正，引入第三阶变换方法生成的于：所述处理器执行所述计算机程序时实现如权利要求1_7任一所述的基于智能算法的远被处理器执行时实现如权利要求1_7任一所述的基于智能算法的远程智能物资储运监控方6提供了新的解决方案。数字孪生技术通过构建与实际物资及其环境相对应的虚拟仿真模[0007]作为本发明所述的基于智能算法的远程智能物资储运监控方法的一种优选方案，7[0008]作为本发明所述的基于智能算法的远程智能物资储运监型，将从传感器获取的实时数据持续输入虚拟仿真模型，通过UKF滤波对模型参数进行调[0009]作为本发明所述的基于智能算法的远程智能物资储运监程噪声协方差矩阵和观测噪声协方差矩阵RO，根据状态估计ih-1和误差协方差矩阵P-1；引入第三阶变换方法生成的sigma点，通过稀疏Sigma点选择策略丢弃贡献度低的,,,[0010]作为本发明所述的基于智能算法的远程智能物资储运监,,,"表示生成的负向sigma点；-1表示8,,,,[0011]作为本发明所述的基于智能算法的远程智能物资储运监,,,9[0012]作为本发明所述的基于智能算法的远程智能物资储运监,,,,其中，w表示趋势加权因子；k表示趋势加权系数；表示动态阈值；当述处理器执行所述计算机程序时实现本发明中任一项所述的方图1为本发明一个实施例提供的一种基于智能算法的远程智能物资储运监控方法[0028]虽然UKF在处理非线性问题上具有优势，但在直接应用于本发明的数字孪生模型L,,,"表示在时刻k-1对系统状态的估计值；ei表示单位向量。[0034]为了应对第三阶变换带来的sigma点数量随着维度增加而呈指数增长的问题，设[0035]每个sigma点的贡献度可以定义为其对状态估计的影响程度，使用该点在预测状,[0036]根据历史数据设置贡献度阈值e，当D12e时，对应的sigma点保留，丢弃一时刻k的状态：,,通过加权平均稀疏Sigma点来计算系统的下一时刻状态估计，由于仅使用贡献度,,,[0042]为了有效地将观测数据融入状态估计中，计算状态与观测之间的交叉协方差矩,Kalman增益kk并更新状态估计，Kalman增益kk用于确定观测数据对状态估计的修正,[0045]本发明已经采用了UKF进行状态估计和校正，UKF能够处理非线性系统，并通过始化，并且预测状态估计本身作为一个未来的预测数据，省去了常规DBN网络中的预测部,[0048]使用历史数据初始化DBN的条件概率分布，在当前时刻直接利用st进行风险评用R表示，根据储运物资的属性数据定义风险事件，若物资受到的影响用R超过预设的,[0051]使用DBN的条件概率模型计算在当前状态st和环境Et下发生特定风险概率P(RIIS,E)：,,,,阈值的剧烈波动：,,其中，w表示趋势加权因子；k表示趋势加权系数；表示动态阈值；当[0064]实验场景模拟了某仓库中几类不同物资在不同储运条件下的实际状态监控和风[0065]使用3D建模软件生成物资的三维几何模型，并根据实际测得的数据设置模型参滤波算法对虚拟模型进行实时校正，更新模型参数。在此过