行走跑偏预测方法、装置及作业机械与流程

1.本发明涉及工程机械技术领域，尤其涉及一种行走跑偏预测方法、装置及作业机械。


背景技术：

2.随着国内外对作业机械需求的急剧增加，促使作业机械的性能要求不断升高。行走跑偏量作为作业机械行走性能评价的重要指标，一方面对作业操作的控制精度和工作效率具有较大影响，另一方面还会给作业环境和人员带来潜在的隐患。然而作业机械行走跑偏量的影响参数众多，传统方法通常依靠“经验+试错”的方式对作业机械的行走跑偏量进行预测，科学性差、偶然性大，无法保证行走跑偏量预测结果的有效性。


技术实现要素：

3.针对现有技术中存在的问题，本发明提供一种行走跑偏预测方法、装置及作业机械。
4.本发明提供一种行走跑偏预测方法，包括：
5.获取作业机械行走过程中跑偏影响参数的参数数据；
6.将所述跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，得到所述作业机械的行走跑偏量的预测结果；
7.其中，所述跑偏预测模型是基于代理模型构建得到的；所述跑偏预测模型包括多个待求解参数，所述待求解参数基于历史行走数据求解得到。
8.根据本发明提供的行走跑偏预测方法，所述得到所述作业机械的行走跑偏量的预测结果之后，还包括：
9.基于所述行走跑偏量的预测结果，确定存在行走跑偏时，将所述行走跑偏量的预测结果输入至预先构建好的故障检测模型，得到所述作业机械的跑偏故障检测结果。
10.根据本发明提供的行走跑偏预测方法，所述得到所述作业机械的跑偏故障检测结果，包括：
11.基于所述行走跑偏量的预测结果确定各所述跑偏影响参数的敏感系数；
12.基于各所述跑偏影响参数的敏感系数确定所述作业机械的跑偏故障检测结果。
13.根据本发明提供的行走跑偏预测方法，所述基于所述行走跑偏量的预测结果确定各所述跑偏影响参数的敏感系数，包括：
14.基于所述行走跑偏量的预测结果分别对各所述跑偏影响参数进行求导；
15.基于所述跑偏影响参数的求导结果确定所述跑偏影响参数的敏感系数。
16.根据本发明提供的行走跑偏预测方法，所述基于各所述跑偏影响参数的敏感系数确定所述作业机械的跑偏故障检测结果，包括：
17.确定各所述跑偏影响参数的敏感系数的正负和绝对值；
18.基于各所述跑偏影响参数的敏感系数的正负和绝对值，确定所述作业机械的跑偏
故障检测结果。
19.根据本发明提供的行走跑偏预测方法，还包括：
20.将所述行走跑偏量的预测结果和/或所述跑偏故障检测结果发送至显示装置，和/或确定存在行走跑偏时，发送告警指令至告警装置。
21.本发明还提供一种行走跑偏预测装置，包括：
22.数据获取模块，用于获取作业机械行走过程中跑偏影响参数的参数数据；
23.计算模块，用于将所述跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，得到所述作业机械的行走跑偏量的预测结果；
24.其中，所述跑偏预测模型是基于代理模型构建得到的；所述跑偏预测模型包括多个待求解参数，所述待求解参数基于历史行走数据求解得到。
25.本发明还提供一种作业机械，包括：行走装置和控制装置，所述控制装置用于执行如上述任一种所述的行走跑偏预测方法。
26.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的行走跑偏预测方法。
27.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的行走跑偏预测方法。
28.本发明提供的行走跑偏预测方法、装置及作业机械，通过获取作业机械行走过程中跑偏影响参数的参数数据，并将跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，即可得到作业机械的行走跑偏量的预测结果，其中，跑偏预测模型是通过历史行走数据对代理模型的待求解参数进行求解得到，从而能够快速准确地对作业机械的行走跑偏量进行预测，保证了行走跑偏量的预测结果的可靠性。
附图说明
29.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
30.图1是本发明提供的行走跑偏预测方法的流程示意图；
31.图2是本发明提供的故障检测模型的结构示意图；
32.图3是本发明提供的行走跑偏预测装置的结构示意图；
33.图4是本发明提供的电子设备的结构示意图。
具体实施方式
34.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
35.下面结合图1至图2描述本发明的行走跑偏预测方法。本发明行走跑偏预测方法由
控制器等电子设备或其中的硬件和/或软件执行，其中，控制器可以为作业机械自身的控制器，也可以为新增加的控制器，具体可以根据实际需求进行设定。如图1所示，本发明行走跑偏预测方法包括：
36.s101、获取作业机械行走过程中跑偏影响参数的参数数据。
37.具体地，作业机械诸如挖掘机、起重机等工程机械，工程机械可以为履带式工程机械，也可以为轮式工程机械。作业机械行走过程中的跑偏影响参数可以根据作业机械自身的结构进行确定，例如，对于液压式履带挖掘机，跑偏影响参数可以包括主泵的出口压力、行走先导压力、行走马达压力、左行走比例电磁阀的电流值、右行走比例电磁阀的电流值、左侧履带速度以及右侧履带速度中的一种或多种。跑偏参数的参数数据可以为各跑偏影响参数对应的随时间变化的曲线。
38.s102、将所述跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，得到所述作业机械的行走跑偏量的预测结果；
39.其中，所述跑偏预测模型是基于代理模型构建得到的；所述跑偏预测模型包括多个待求解参数，所述待求解参数基于历史行走数据求解得到。
40.具体地，跑偏预测模型是基于代理模型构建得到的，代理模型的具体类别可以根据实际需求进行设定，例如，可以为响应面代理模型，还可以为机器学习代理模型。跑偏预测模型用于表征各跑偏影响参数与行走跑偏量之间的关系，将跑偏影响参数的参数数据输入至跑偏预测模型，即可快速准确地得到作业机械的行走跑偏量的预测结果。机器学习代理模型可以为神经网络模型，响应面代理模型可以为多阶响应面代理模型，具体阶数可以根据实际需求进行设定，例如，可以设定为二阶响应面代理模型。二阶响应面代理模型如式(1)所示：
[0041][0042]
式中，xi,i∈[1,n]为第i个跑偏影响参数的参数数据，xi∈[t
i1
,t
i2
]，n为跑偏影响参数的数量，t
i1
、t
i2
分别为第i个跑偏影响参数的下限值和上限值；y(x1,x2,...,xn)为行走跑偏量的预测结果；min()为取最小值计算；wk为第k阶响应面的权重，k＝1,2；yk(x1,x2,...,xn)为第k阶响应面的行走跑偏量的预测值；yk(x1,x2,...,xn)的表达式如式(2)所示：
[0043][0044]
式中，b
k0
、b
ki
、b
kii
和b
kij
为第k阶响应面的回归系数，xj,j∈(1,n]为第j个跑偏影响参数的参数数据。
[0045]
跑偏预测模型包括多个待求解的参数，例如，对于响应面代理模型，待求解的参数包括wk、b
k0
、b
ki
、b
kii
和b
kij
；对于机器学习代理模型，待求解的参数包括权重参数和偏置参数。待求解的参数可以通过历史行走数据进行求解。历史行走数据即历史时刻作业机械的行走数据，历史行走数据包括历史时刻各跑偏影响参数的参数数据，以及对应的跑偏量检测结果。历史行走数据可以为多个不同历史时刻的行走数据，也可以为一个或多个历史时
间段内连续的行走数据，即各跑偏影响参数以及跑偏量检测结果是一个或多个历史时间段内的历程曲线。历史行走数据可以从大数据平台中获取，通过api(application program interface，应用程序接口)或can(controller area network，控制器局域网)调用将历史行走数据存储至本地计算服务器或pc。
[0046]
基于历史行走数据对待求解参数进行求解的具体方式可以根据实际需求进行设定，例如，可以将历史行走数据拆分为训练集和测试集，通过训练集对代理模型进行训练，得到待求解参数，从而得到初始跑偏预测模型；得到初始跑偏预测模型后，进一步通过测试集对初始跑偏预测模型进行测试，根据测试结果，对待求解参数进行调整优化，使得跑偏预测模型的准确率达到预设值(如，0.9以上)，从而得到训练好的跑偏预测模型。训练好的跑偏预测模型可以存储在作业机械的行走跑偏数据库中。其中，训练集和测试集的划分比例以根据实际需求进行设定，例如，可以按照训练集和测试集9:1的比例进行划分。
[0047]
通过历史行走数据对待求解参数进行求解之前，还可以对历史行走数据进行数据预处理；数据预处理的具体方式可以根据实际需求进行设定，例如，可以包括：数据清洗和特征处理；数据清洗用于去除历史行走数据中的脏数据，可以包括有效性检查、逻辑判断、分类、合并以及平滑降噪处理中的一种或多种。特征处理可以为归一化处理，可以对历史行走数据中各跑偏影响参数的参数数据以及相应的跑偏量检测结果均进行归一化处理。
[0048]
传统方法通常依靠“经验+试错”的方式对作业机械的行走跑偏量进行预测，例如，通过设置泵压力及泵比例阀电流值来调节作业机械低速行驶时双边跑偏问题，科学性差、偶然性大，无法保证跑偏预测结果的有效性，不适合推广。
[0049]
本发明实施例通过获取作业机械行走过程中跑偏影响参数的参数数据，并将跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，即可得到作业机械的行走跑偏量的预测结果，其中，跑偏预测模型是通过历史行走数据对代理模型的待求解参数进行求解得到，无需复杂的机理表达式，且克服了传统方法依赖人员经验的弊端，从而能够快速准确地对作业机械的行走跑偏量进行预测，保证了行走跑偏量的预测结果的可靠性。
[0050]
同时，本发明实施例在行走跑偏预测过程中无需额外增加传感器，有效降低了整车成本。
[0051]
基于上述实施例，所述得到所述作业机械的行走跑偏量的预测结果之后，还包括：
[0052]
基于所述行走跑偏量的预测结果，确定存在行走跑偏时，将所述行走跑偏量的预测结果输入至预先构建好的故障检测模型，得到所述作业机械的跑偏故障检测结果。
[0053]
具体地，基于行走跑偏量的预测结果确定是否存在行走跑偏的具体方式可以根据实际需求进行设定，例如，可以将行走跑偏量的预测结果与预设限值进行比较，行走跑偏量的预测结果小于或等于预设限值表示行走正常，即，不存在行走跑偏，否则，表明存在行走跑偏。
[0054]
确定存在行走跑偏时，还可以将行走跑偏量的预测结果输入至预先构建好的故障检测模型，以得到作业机械的跑偏故障检测结果。故障检测模型的具体类型可以根据实际需求进行设定，例如，可以为计算模型，也可以为机器学习模型。跑偏故障检测结果可以是对跑偏故障起关键影响的跑偏影响参数；另外，还可以根据对跑偏故障起关键影响的跑偏影响参数以及该跑偏影响参数的取值来确定跑偏故障的原因。
[0055]
本发明实施例基于行走跑偏量的预测结果确定存在行走跑偏时，进一步将行走跑
偏量的预测结果输入至预先构建好的故障检测模型，通过故障检测模型能够快速准确地得到作业机械的跑偏故障检测结果，从而在作业机械发生行走跑偏时，能够根据跑偏故障检测结果及时进行故障排除，有效避免了行走跑偏对作业操作的控制精度以及工作效率的影响，且保证了作业机械的行车安全性。
[0056]
基于上述任一实施例，所述得到所述作业机械的跑偏故障检测结果，包括：
[0057]
基于所述行走跑偏量的预测结果确定各所述跑偏影响参数的敏感系数；
[0058]
基于各所述跑偏影响参数的敏感系数确定所述作业机械的跑偏故障检测结果。
[0059]
具体地，跑偏影响参数的敏感系数用于反映该跑偏影响参数对行走跑偏量的敏感程度。基于行走跑偏量的预测结果确定跑偏影响参数的敏感系数的具体方式可以根据实际需求进行设定，例如，可以根据行走跑偏量的变化率与该跑偏影响参数的变化率的比值确定该跑偏影响参数的敏感系数。
[0060]
确定各跑偏影响参数的敏感系数后，可以进一步基于各跑偏影响参数的敏感系数确定作业机械的跑偏故障检测结果。例如，可以根据各跑偏影响参数的敏感系数的正负以及绝对值大小，来确定对行走跑偏量起关键影响的跑偏影响参数。
[0061]
可以理解的是，本发明实施例中故障检测模型还可以通过硬件结构来实现。如图2所示，故障检测模型包括故障原因确定单元202以及多个敏感系数计算单元201，各敏感系数计算单元201均与故障原因确定单元202连接，且敏感系数计算单元201与跑偏影响参数一一对应，即，每个跑偏影响参数均对应有一个敏感系数计算单元201，以通过敏感系数计算单元201确定对应的跑偏影响参数的敏感系数。将行走跑偏量的预测结果分别输入至各敏感系数计算单元201，即可得到每一个跑偏影响参数的敏感系数。
[0062]
将各跑偏影响参数的敏感系数均输入至故障原因确定单元202，即可得到作业机械的跑偏故障检测结果。
[0063]
本发明实施例基于行走跑偏量的预测结果确定各跑偏影响参数的敏感系数，并基于各跑偏影响参数的敏感系数确定作业机械的跑偏故障检测结果，从而根据各跑偏影响参数的敏感系数，能够有效保证跑偏故障检测效率以及跑偏故障检测结果的可靠性。
[0064]
基于上述任一实施例，所述基于所述行走跑偏量的预测结果确定各所述跑偏影响参数的敏感系数，包括：
[0065]
基于所述行走跑偏量的预测结果分别对各所述跑偏影响参数进行求导；
[0066]
基于所述跑偏影响参数的求导结果确定所述跑偏影响参数的敏感系数。
[0067]
具体地，基于行走跑偏量的预测结果确定相应的跑偏影响参数的敏感系数的过程中，可以基于行走跑偏量的预测结果对各跑偏影响参数进行求导，并根据求导结果来确定相应的跑偏影响参数的敏感系数。例如，可以根据行走跑偏量的预测结果对应的历程曲线，在行走跑偏量最大的时刻对各跑偏影响参数进行求导，以根据求导结果来确定相应的跑偏影响参数的敏感系数，求导的具体过程如式(3)所示：
[0068][0069]
式中，为行走跑偏量的预测结果对应的历程曲线在t时刻对第i个跑偏影响参
数的求导结果；i∈[1,n]为第i个跑偏影响参数在t时刻的参数数据；为行走跑偏量的预测结果对应的历程曲线在t时刻的变化量；为第i个跑偏影响参数的变化量，趋于零。
[0070]
基于跑偏影响参数的求导结果确定跑偏影响参数的敏感系数的具体方式也可以根据实际需求进行设定，例如，可以直接将该求导结果作为相应的跑偏影响参数的敏感系数，也可以对该求导结果进行修正，将求导结果的修正结果作为相应的跑偏影响参数的敏感系数。
[0071]
本发明实施例基于行走跑偏量的预测结果分别对各跑偏影响参数进行求导，并根据求导结果确定相应的跑偏影响参数的敏感系数，计算过程简单高效，且有效保证了敏感系数计算结果的准确性，进而提高了跑偏故障检测结果的可靠性。
[0072]
基于上述任一实施例，所述基于各所述跑偏影响参数的敏感系数确定所述作业机械的跑偏故障检测结果，包括：
[0073]
确定各所述跑偏影响参数的敏感系数的正负和绝对值；
[0074]
基于各所述跑偏影响参数的敏感系数的正负和绝对值，确定所述作业机械的跑偏故障检测结果。
[0075]
具体地，基于各跑偏影响参数的敏感系数确定跑偏故障检测结果的过程中，首先确定各跑偏影响参数的敏感系数的正负和绝对值；根据敏感系数的正负能够确定该跑偏影响参数对跑偏的影响方向，例如，敏感系数为正，表明该跑偏影响参数造成行走跑偏量增加，敏感系数为负，表明该跑偏影响参数造成行走跑偏量减小；根据敏感系数的绝对值大小能够确定该跑偏影响参数对跑偏的影响大小，敏感系数的绝对值越大，表明该跑偏影响参数对行走跑偏量的影响越大，敏感系数的绝对值越小，表明该跑偏影响参数对行走跑偏量的影响越小。
[0076]
确定各跑偏影响参数的敏感系数的正负和绝对值后，可以根据各跑偏影响参数的敏感系数的正负和绝对值来确定作业机械的跑偏故障检测结果。例如，可以根据各跑偏影响参数的敏感系数的绝对值的大小，从各跑偏影响参数中确定关键影响参数；确定关键影响参数的具体方式可以根据实际需求进行设定，例如，可以将绝对值的大小超过预设阈值的跑偏影响参数作为关键影响参数，还可以对各跑偏影响参数的敏感系数的绝对值按照大小进行排序，根据排序结果确定关键影响参数，例如，可以根据敏感系数的绝对值由大到小的顺序，将前n(n≥1)个跑偏影响参数作为关键影响参数。确定关键影响参数后，可以进一步根据关键影响参数的敏感系数的正负以及绝对值的大小来确定故障原因，例如，可以根据各跑偏影响参数的敏感系数的正负以及绝对值的大小与故障原因的预设映射关系来确定故障原因。
[0077]
传统方法通常通过调节前后泵的出口压力促使作业机械直线行驶，然而该方法仅考虑了单一因素的影响，未能考虑多因素协同作用的结果，从而无法保证跑偏修正结果的有效性。
[0078]
本发明实施例通过确定各跑偏影响参数的敏感系数的正负和绝对值，并基于各跑偏影响参数的敏感系数的正负和绝对值确定作业机械的跑偏故障检测结果，能够在多跑偏影响参数的协同作用下，快速准确地确定行走跑偏的关键影响参数以及具体的故障原因，
从而便于作业机械的操作人员或管理人员及时排故，以对作业机械进行跑偏修正，保证作业机械直线行驶，有效避免了行走跑偏对作业操作的控制精度以及工作效率的影响，且保证了作业机械的行车安全性。
[0079]
基于上述任一实施例，还包括：
[0080]
将所述行走跑偏量的预测结果和/或所述跑偏故障检测结果发送至显示装置，和/或确定存在行走跑偏时，发送告警指令至告警装置。
[0081]
具体地，可以将行走跑偏量的预测结果和/或跑偏故障检测结果发送至显示装置，以通过显示装置对行走跑偏量的预测结果和/或跑偏故障检测结果进行实时显示。其中，显示装置可以为作业机械上的显示屏，也可以为作业机械管理端的显示屏，从而作业机械的操作人员或管理人员根据显示装置上的行走跑偏量的预测结果能够实时监测作业机械的行走跑偏状态，还可以根据跑偏故障检测结果及时采取相应的措施对作业机械进行跑偏修正，从而能够有效避免行走跑偏对作业操作的控制精度以及工作效率的影响，且保证了作业机械的行车安全性。
[0082]
另外，还可以根据行走跑偏量的预测结果确定存在行走跑偏时，发送告警指令至告警装置，以通过告警装置进行告警，提醒作业机械的操作人员或管理人员作业机械存在跑偏故障。告警装置可以为蜂鸣报警器、语音报警器、灯光报警器等。
[0083]
可以理解的是，还可以通过通讯模块将跑偏量的预测结果和/或跑偏故障检测结果发送至远程监控终端。
[0084]
本发明实施例通过将行走跑偏量的预测结果和/或跑偏故障检测结果发送至显示装置进行显示，和/或确定存在行走跑偏时，发送告警指令至告警装置进行告警，能够有效避免行走跑偏对作业操作的控制精度以及工作效率的影响，且保证了作业机械的行车安全性。
[0085]
下面对本发明提供的行走跑偏预测装置进行描述，下文描述的行走跑偏预测装置与上文描述的行走跑偏预测方法可相互对应参照。如图3所示，本发明行走跑偏预测装置包括：
[0086]
数据获取模块301，用于获取作业机械行走过程中跑偏影响参数的参数数据；
[0087]
计算模块302，用于将所述跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，得到所述作业机械的行走跑偏量的预测结果；
[0088]
其中，所述跑偏预测模型是基于代理模型构建得到的；所述跑偏预测模型包括多个待求解参数，所述待求解参数基于历史行走数据求解得到。
[0089]
基于上述实施例，还包括故障检测模块，所述故障检测模块用于：
[0090]
基于所述行走跑偏量的预测结果，确定存在行走跑偏时，将所述行走跑偏量的预测结果输入至预先构建好的故障检测模型，得到所述作业机械的跑偏故障检测结果。
[0091]
基于上述任一实施例，所述故障检测模块具体用于：
[0092]
基于所述行走跑偏量的预测结果确定各所述跑偏影响参数的敏感系数；
[0093]
基于各所述跑偏影响参数的敏感系数确定所述作业机械的跑偏故障检测结果。
[0094]
基于上述任一实施例，所述故障检测模块具体用于：
[0095]
基于所述行走跑偏量的预测结果分别对各所述跑偏影响参数进行求导；
[0096]
基于所述跑偏影响参数的求导结果确定所述跑偏影响参数的敏感系数。
[0097]
基于上述任一实施例，所述故障检测模块具体用于：
[0098]
确定各所述跑偏影响参数的敏感系数的正负和绝对值；
[0099]
基于各所述跑偏影响参数的敏感系数的正负和绝对值，确定所述作业机械的跑偏故障检测结果。
[0100]
基于上述任一实施例，还包括提醒模块，所述提醒模块用于：
[0101]
将所述行走跑偏量的预测结果和/或所述跑偏故障检测结果发送至显示装置，和/或确定存在行走跑偏时，发送告警指令至告警装置。
[0102]
本发明还提供一种作业机械，包括：行走装置和控制装置，所述控制装置用于执行如上任一实施例所述的行走跑偏预测方法。
[0103]
具体地，作业机械诸如挖掘机、起重机等工程机械，工程机械可以为履带式工程机械，也可以为轮式工程机械。
[0104]
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)401、通信接口(communications interface)402、存储器(memory)403和通信总线404，其中，处理器401，通信接口402，存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令，以执行行走跑偏预测方法，该方法包括：获取作业机械行走过程中跑偏影响参数的参数数据；
[0105]
将所述跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，得到所述作业机械的行走跑偏量的预测结果；
[0106]
其中，所述跑偏预测模型是基于代理模型构建得到的；所述跑偏预测模型包括多个待求解参数，所述待求解参数基于历史行走数据求解得到。
[0107]
此外，上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0108]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的行走跑偏预测方法，该方法包括：获取作业机械行走过程中跑偏影响参数的参数数据；
[0109]
将所述跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，得到所述作业机械的行走跑偏量的预测结果；
[0110]
其中，所述跑偏预测模型是基于代理模型构建得到的；所述跑偏预测模型包括多个待求解参数，所述待求解参数基于历史行走数据求解得到。
[0111]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的行走跑偏预测方法，该方法包括：获取作业机械行走过程中跑偏影响参数的参数数据；
[0112]
将所述跑偏影响参数的参数数据输入至预先训练好的跑偏预测模型，得到所述作业机械的行走跑偏量的预测结果；
[0113]
其中，所述跑偏预测模型是基于代理模型构建得到的；所述跑偏预测模型包括多个待求解参数，所述待求解参数基于历史行走数据求解得到。
[0114]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0115]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0116]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。