一种车辆搅拌筒转向识别方法、装置及工程车辆与流程

1.本技术涉及搅拌筒转动状态反馈领域，具体涉及一种车辆搅拌筒转向识别方法、装置及工程车辆。


背景技术：

2.为了保证混凝土的物理特性，在运输过程中装载混凝土的搅拌筒会维持转动，一般为正转。在卸料过程中搅拌筒一般为反转。通过搅拌筒的反转，使得在搅拌筒内的螺旋搅拌桨产生反向输送力，在此反向输送力的作用下，将搅拌筒中的混凝土推出，完成卸料工作。
3.现有技术中，搅拌筒的转动状态一般是根据安装于搅拌筒上的传感器监测得到。然而，现有的搅拌筒上安装传感器的难度较大同时传感器又易受结构损伤，并且有些老旧型号的搅拌车无法安装传感器，由此使得现有的很多搅拌车上的搅拌筒的转向数据经常出现缺失的情况，由此对基于混凝土生产站、搅拌车以及工地协同作业的智能化应用开发造成较大的影响。


技术实现要素：

4.有鉴于此，本技术提供了一种车辆搅拌筒转向识别方法、装置及工程车辆，解决了现有技术中搅拌筒的转向数据经常缺失的情况的技术问题。
5.根据本技术的一个方面，本技术提供了一种车辆搅拌筒转向识别方法，包括：
6.根据车辆历史工况数据和搅拌筒转向数据构建预测模型；
7.获取车辆的当前工况数据；
8.将所述当前工况数据输入所述预测模型中；
9.获取所述预测模型输出的预测结果，所述预测结果包括所述车辆的搅拌筒的当前转动状态，所述搅拌筒的当前转动状态与所述当前工况数据在时间上对应；以及
10.根据所述预测结果生成所述搅拌筒的当前转向数据。
11.在一种可能的实现方式中，根据所述预测结果生成所述车辆的搅拌筒的当前转向数据包括：
12.当所述预测结果为所述搅拌筒的当前转动状态为反转时，对转向判定参数赋值为预设数值与第一数值之和，所述第一数值为所述搅拌筒的上一个转向判定参数所赋的值，所述搅拌筒的上一个转向判定参数所赋的值与所述搅拌筒上一个工况数据对应，其中，所述上一个工况数据与所述当前工况数据为在时间上先后排列；
13.当所述转向判定参数大于或者等于阈值时，所述搅拌筒的当前转向数据为反转。
14.在一种可能的实现方式中，根据所述预测结果生成所述车辆的搅拌筒的当前转向数据包括：
15.当所述转向判定参数小于所述阈值时，所述搅拌筒的当前转向数据为正转。
16.在一种可能的实现方式中，根据所述预测结果生成所述车辆的搅拌筒的当前转向
数据包括：
17.当所述预测结果为所述搅拌筒的当前转动状态为正转时，所述搅拌筒的当前转向数据为正转。
18.在一种可能的实现方式中，所述构建预测模型包括：
19.构建初始预测模型；
20.获取多组历史工况数据及所述历史工况数据对应时刻的搅拌筒转向数据，每组所述历史工况数据均包括多个字段，每个所述字段对应有监测数据；
21.对所述历史工况数据及所述搅拌筒转向数据进行数据处理，以生成样本数据集；以及
22.将所述样本数据集中的数据输入所述初始预测模型中进行训练。
23.在一种可能的实现方式中，对所述历史工况数据及所述搅拌筒转向数据进行数据处理，以生成样本数据集包括：
24.查找所述历史工况数据中监测数据为空值的字段；
25.对所述监测数据为空值的字段进行填充，生成第一训练子数据；
26.其中，所述样本数据集中包括多个第一训练子数据。
27.在一种可能的实现方式中，对所述历史工况数据及所述搅拌筒转向数据进行数据处理，以生成样本数据集包括：
28.查找所述历史工况数据中的噪声字段；
29.去除所述噪声字段。
30.在一种可能的实现方式中，在获取车辆的当前工况数据之后，所述车辆搅拌筒转向识别方法还包括：
31.查找所述当前工况数据中监测数据为空值的字段；
32.对所述监测数据为空值的字段进行填充。
33.在一种可能的实现方式中，在根据所述预测结果生成所述搅拌筒的当前转向数据之后，所述车辆搅拌筒转向识别方法还包括：
34.获取第一转向数据，所述第一转向数据包括转向传感器获得的搅拌筒的转向数据；
35.将所述当前转向数据与所述第一转向数据进行对比，生成转向对比结果；
36.当所述转向对比结果表示所述当前转向数据与所述第一转向数据所表示的转向信息一致时，将所述当前转向数据作为搅拌筒的实际转向结果。
37.根据本技术的第二个方面，本技术还提供了一种车辆搅拌筒转向识别装置，包括：
38.模型构建模块，用于根据车辆历史工况数据和搅拌筒转向数据构建预测模型；
39.数据获取模块，用于获取车辆的当前工况数据；
40.数据输入模块，用于将所述工况数据输入所述预测模型中；
41.识别模块，用于获取所述预测模型输出的预测结果，所述预测结果包括所述车辆的搅拌筒的当前转动状态，所述搅拌筒的当前转动状态与所述当前工况数据在时间上对应；以及根据所述预测结果生成所述搅拌筒的当前转向数据。
42.根据本技术的第三个方面，本技术还提供了一种工程车辆，包括：
43.搅拌筒；以及
44.上述的车辆搅拌筒转向识别装置。
45.本技术提供的一种车辆搅拌筒转向识别方法，通过使用历史工况数据及搅拌筒转向数据，建立基于车辆实时工况数据的混凝土搅拌筒正反转状态的预测模型。通过将实时获取的车辆的当前工况数据，并输入预测模型中，来获得搅拌筒转向的预测结果，再通过对预测结果的处理来得出搅拌筒的当前转向数据。本技术不依赖于特定的监测筒体转向的传感器获得的监测数据来判断搅拌筒的转向，而是通过利用搅拌车的当前工况数据来对搅拌筒正反转进行预测判断。由此解决了现有技术中，因无法安装传感器或因传感器受损，而经常造成搅拌筒的转向数据缺失的问题。
附图说明
46.通过结合附图对本技术实施例进行更详细的描述，本技术的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与本技术实施例一起用于解释本技术，并不构成对本技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
47.图1所示为本技术一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图。
48.图2所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图。
49.图3所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图。
50.图4所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图。
51.图5所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图。
52.图6所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图。
53.图7所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法中构建预测模型的流程示意图。
54.图8所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法中构建预测模型的流程示意图。
55.图9所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法中构建预测模型的流程示意图。
56.图10所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法中构建预测模型的流程示意图。
57.图11所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法中构建预测模型的流程示意图。
58.图12所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法中构建预测模型的流程示意图。
59.图13所示为本技术另一实施例提供的一种车辆搅拌筒转向识别装置的结构示意图。
60.图14所示为本技术一实施例提供的电子设备的结构示意图。
具体实施方式
61.本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本技术实施例中所有方向性指示(诸如上、下、左、右、前、后、顶、底
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
62.另外，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
63.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
64.申请概述
65.混凝土搅拌车运输混凝土的过程中会维持搅拌筒的转动，以保障所运载混凝土的物理特性。运输过程中搅拌筒一般为正转。搅拌车卸料过程中搅拌筒一般为反转。通过搅拌筒的反转，使得在搅拌筒内的螺旋搅拌桨产生反向输送力，在此反向输送力的作用下，将搅拌筒中的混凝土推出，完成卸料工作。混凝土搅拌筒正、反转的状态是实现混凝土生产站、搅拌车以及工地进行协同作业的关键数据。
66.辅助判断搅拌车混凝土搅拌筒转向状态的主要方法是基于关键传感器获取到的信息，如转向操作装置状态、搅拌筒速度状态等，基于这些关键特征数据对搅拌筒的转向进行判断。由于协助检测搅拌筒转向的方法依赖于特定的传感器数据，由此使得该现有方法因为需要安装维护传感器使得实施成本升高，并且在无法安装相关传感器的老旧搅拌车上的适用性较低。
67.因此，本技术提供了一种车辆搅拌筒转向识别方法，包括：
68.根据车辆历史工况数据和搅拌筒转向数据构建预测模型，所述车辆历史工况数据包括发动机转速、上装电机转矩、上装电机电流、整车电压及搅拌筒转速中的一个或多个；
69.获取车辆的当前工况数据；
70.将所述当前工况数据输入所述预测模型中；
71.获取所述预测模型输出的预测结果，所述预测结果包括所述车辆的搅拌筒的当前转动状态，所述搅拌筒的当前转动状态与所述当前工况数据在时间上对应；以及
72.根据所述预测结果生成所述搅拌筒的当前转向数据。本技术不依赖于特定的监测筒体转向的传感器获得的监测数据来判断搅拌筒的转向，而是通过利用搅拌车的当前工况数据实现对搅拌筒正反转进行预测判断。在简单介绍了本技术的实施原理之后，下面将结
合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。
73.示例性方法
74.如图1所示，本技术提供了一种车辆搅拌筒转向识别方法，包括如下步骤：
75.步骤s10：根据车辆历史工况数据和搅拌筒转向数据构建预测模型，所述车辆历史工况数据包括发动机转速、上装电机转矩、上装电机电流、整车电压及搅拌筒转速中的一个或多个；
76.具体的，所构建的预测模型用于在输入车辆的当前工况数据后生成对应的预测结果。
77.步骤s11：获取车辆的当前工况数据；
78.具体的，在当前时间点所获取车辆在该时间点对应生成的工况数据为该车辆的当前工况数据，每一个当前工况数据中均包含多个字段，其中字段用于表征对应的监测项目，如发动机转速、上装电机转矩、上装电机电流、整车电压及搅拌筒转速，每一个字段均会对应有监测数据，而监测数据用于表征与其所对应的监测项目检测到的监测数据的实际数值。例如：某一当前工况数据中的a字段对应的监测数据为b，则表示在获取该当前工况数据时，a监测项目在该时间点采集到监测数据的数值为b。
79.在获取的当前工况数据中所包含的字段的数量以及种类与构建预测模型所使用的车辆历史工况数据中的字段的数量及种类相同。
80.步骤s12：将当前工况数据输入预测模型中；
81.具体的，通常是在搅拌筒转动的过程中，才进行具体的搅拌筒转向的判断，所以在进行搅拌筒的转向识别判断之前，还需要对安装对应搅拌筒是否处于转动状态进行判断，在对该状态进行判断时，可单独接收用于表征搅拌筒转动的信号来判断搅拌筒的转动状态。也可以从获取的当前工况数据中，可以侧面反映搅拌筒的转动状态的某个或某几个字段的监测数据来判断车辆的开关机状态，例如在当前工况数据中搅拌筒转速的监测数据可以直接反映搅拌筒的转动状态。
82.步骤s13：获取预测模型输出的预测结果，预测结果包括车辆的搅拌筒的当前转动状态，搅拌筒的当前转动状态与当前工况数据在时间上对应；
83.具体的，在车辆开机的状态下将对应的当前工况数据输入预测模型后，预测模型会预测出一个对应的预测结果，该预测结果中包含有搅拌筒当前的正反转状态。
84.步骤s14：根据预测结果生成搅拌筒的当前转向数据。
85.本技术提供的一种车辆搅拌筒转向识别方法，通过使用历史工况数据和搅拌筒转向数据，建立了混凝土搅拌筒正反转状态的预测模型。通过将实时获取的车辆的当前工况数据输入预测模型中，来获得搅拌筒转向的预测结果，再通过对预测结果的处理来得出搅拌筒的当前转向数据，进而得到搅拌筒的转向结果。
86.本技术不依赖于特定的监测筒体转向的传感器获得的监测数据来判断搅拌筒的转向，而是通过利用搅拌车的当前工况数据来对搅拌筒正反转进行预测判断。由此解决了现有技术中，因无法安装传感器或因传感器受损，而经常造成搅拌筒的转向数据缺失的问题。
87.可选的，如图2所示，在步骤s11获取车辆的当前工况数据之后，车辆搅拌筒转向识别方法还包括：
88.步骤s111：查找当前工况数据中监测数据为空值的字段；
89.步骤s112：对监测数据为空值的字段进行填充；
90.查找当前工况数据中的字段，当当前工况数据中存在字段对应的检测数据为空值时，则步骤s112：对监测数据为空值的字段进行填充，具体步骤如下：
91.步骤s113：根据当前工况数据的时间点，获取时间点前第一预设时长内生成的多个监测数据；
92.步骤s114：计算多个监测数据的平均值，将平均值填充至空值的字段处，以生成第一当前工况数据，用第一当前工况数据替换对应的当前工况数据。
93.经过步骤s111至步骤s114处理之后，当前工况数据中没有空值字段的存在，由此，使得当前工况数据与下述用于训练预测模型的第一训练子数据的形式更加接近，由此可以提高当前工况数据输入预测模型后得到的预测结果的准确率。
94.可选的，如图3所示，在步骤s11获取车辆的当前工况数据之后，车辆搅拌筒转向识别方法还包括如下步骤：
95.步骤s115：查找当前工况数据中有多个监测数据对应的字段；
96.步骤s116：计算多个监测数据的平均值，将多个监测数据替换为对齐监测数据，以生成第一当前工况数据，用第一当前工况数据替换对应的当前工况数据。其中，对齐监测数据为平均值。
97.经过步骤s111至步骤s116处理之后，生成的当前工况数据不仅没有空值字段的存在，而且也没有多个监测数据对应的字段的存在，由此，使得当前工况数据与下述用于训练预测模型的第一训练子数据的形式更加接近，由此可以提高当前工况数据输入预测模型后得到的预测结果的准确率。当然，步骤s115至步骤s116的处理过程，并不是一个必须经过的过程，如果所采集的数据中的字段中对应的监测数据的值均为唯一一个的情况，则不需要进行步骤s115至步骤s116的处理。
98.在一种可能的实现方式中，如图4所示，步骤s14根据预测结果生成车辆的搅拌筒的当前转向数据具体包括如下步骤：
99.步骤s141：当预测结果为搅拌筒的当前转动状态为反转时，对转向判定参数赋值为预设数值与第一数值之和，第一数值为搅拌筒的上一个转向判定参数所赋的值，搅拌筒的上一个转向判定参数所赋的值与搅拌筒上一个工况数据对应，其中，上一个工况数据与当前工况数据为在时间上先后排列；
100.具体的，以预设数值为1进行示例说明，当前预测结果为反转，上一个工况数据对应的转动状态为反转，此时搅拌筒的上一个转向判定参数的赋值所对应的第一数值为1，然后对当前工况数据的所对应的转向判定参数所赋的值为预设数值与第一数值之和，也即1+1＝2。当预设值为1时，对本示例中的转向判定参数的赋值，可以具体通过公式cv1＝cv2+1进行表示。其中cv1表示当前工况数据对应的转向判定参数所要赋的值，cv2表示第一数值，1表示预设数值。
101.步骤s142：当转向判定参数大于或者等于阈值时，生成第二数值，第二数值用于表示搅拌筒的当前运动状态为反转。
102.具体的，在实际应用中根据实际使用场景设置一个阈值，当转向判定参数大于或者等于阈值时，生成一个第二数值，该第二数值用于表征搅拌筒的当前运动状态为反转。
103.由于在实际的使用过程中由于搅拌筒处于反转的状态为卸料状态，属于少数情况，并且预测模型的预测准确率也并非是100％，所以在判定搅拌筒的当前运动状态为反转时更为严格。也即，当预测结果表示为搅拌筒反转时，还需要对转向判定参数的赋值和阈值进行对比判断，由此可以进一步降低由于预测模型偶尔出现的预测错误，所导致的最终判定搅拌筒当前运动状态出现偏差的失误，由此可以进一步提高本实施例最终输出的搅拌筒的当前运动状态信息的准确率。
104.在一种可能的实现方式中，如图5所示，步骤s14根据预测结果生成车辆的搅拌筒的当前转向数据具体包括如下步骤：
105.步骤s143：当转向判定参数小于阈值时，生成第三数值，第三数值用于表示搅拌筒的当前转向数据为正转。
106.具体的，同样以预设值为1进行示例，本示例中的转向判定参数的赋值，可以具体通过公式cv1＝cv2+1进行表示。其中cv1表示当前工况数据对应的预测结果所要赋的值，cv2表示第一数值，1表示预设数值。
107.在一种可能的实现方式中，如图6所示，步骤s14根据预测结果生成车辆的搅拌筒的当前转向数据具体包括如下步骤：
108.步骤s144：当预测结果为搅拌筒的当前转动状态为正转时，生成第三数值，第三数值用于表示搅拌筒的当前转向数据为正转。
109.具体的，当预测结果为搅拌筒的当前转动状态为正转时，直接产生用于表示搅拌筒的当前运动状态为正转的第三数值。
110.在一种可能的实现方式中，如图7所示，步骤s10构建预测模型具体包括如下步骤：
111.步骤s101：构建初始预测模型；
112.具体的，所使用的初始预测模型可以为现有的随机森林、xgboost等集成学习模型；或逻辑回归模型或支持向量机模型或聚类算法模型。
113.步骤s102：获取多组历史工况数据及历史工况数据对应时刻的搅拌筒转向数据，每组历史工况数据均包括多个字段，每个字段对应有监测数据；
114.具体的，历史工况数据中的字段以及对应的监测数据所表示的含义与上述的步骤s11中的当前工况数据中的字段及对应监测数据的含义相同。而不同在于本步骤中的历史工况数据还含有一部分噪声字段。
115.其中，噪声字段包括如下3中情况的字段：
116.以如下示例进行说明，如获取的历史工况数据共有100条，每一条历史工况数据中的均含有100个字段，其中每个字段均会对应有一个监测数据，所以在所获取的100条的历史工况数据中，每一个字段均应对应有100个监测数据。
117.当某个字段所对应的100个监测数据的值均为空值时，则该字段为噪声字段；
118.同理，当某个字段所对应的监测数据的值为空值的个数占监测数据总数的比率大于阈值时，则该字段为噪声字段；
119.另外，基于皮尔逊相关系数法计算每一个字段的皮尔逊相关系数，其中，皮尔逊相关系数低于阈值的字段为噪声字段。
120.步骤s103：对历史工况数据进行数据处理，以生成样本数据集；以及
121.步骤s104：将样本数据集中的数据输入初始预测模型中进行训练。
122.具体的，通过处理后的历史工况数据对初始预测模型进行训练，以得到预测准确率符合阈值的预测模型。
123.在一种可能的实现方式中，如图8所示，步骤s103对历史工况数据进行数据处理，以生成样本数据集具体包括如下步骤：
124.步骤s1031：查找历史工况数据中监测数据为空值的字段；
125.步骤s1032：对监测数据为空值的字段进行填充，生成第一训练子数据；
126.其中，样本数据集中包括多个第一训练子数据；
127.具体的，查找每一个历史工况数据中每一个字段所对应的监测数据的值为空的字段，由于实际运行中各监测项目的数据上报周期不一样，所以在进行数据采集时，会存在某些字段所对应的监测数值为空的情况。而为了保证将训练数据输入初始预测模型后，对初始预测模型的训练更加有效，所以要将监测数据为空的字段中的监测数据的值进行填充补全。
128.其中，样本数据集中包括多个第一训练子数据。第一训练子数据中既包括经过对空值字段补充以后生成的第一训练子数据，也包括所有字段中均没有空值存在，并且不需要进行填充的历史工况数据。
129.样本数据集中60％的数据被放入训练数据集，用于训练初始预测模型，剩余的40％的数据被放入测试数据及，用于验证训练后的预测模型的预测准确率。当预测模型的预测准确率大于或等于阈值时，预测模型构建成功，当预测模型的预测准确率小于阈值时，重新对预测模型进行训练。
130.在步骤s1032后还包括步骤s1033；
131.步骤s1033：对样本数据集中的数据进行抽样，将抽样数据中60％的数据放入训练数据集，用于训练初始预测模型，抽样数据中剩余的40％的数据放入测试数据集，用于验证训练后的预测模型的预测准确率。
132.具体的，通过增加对数据的抽样步骤，可以使得数据的随机性更强，由此可以提高由此数据训练后预测模型的准确率。抽样的方式可以为以某一抽样周期来抽取数据，如以60秒为一个抽样周期，则以每隔60秒抽取一个数据的方式，对步骤s1032中样本数据集中全部的数据进行抽样。或者以其他的现有的抽样方法对步骤s1032中样本数据集中全部的数据进行抽样，将由多个抽样生成的数据作为步骤s104中的样本数据集中的数据。
133.在一种可能的实现方式中，图9所示为本技术另一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图，如图9所示，步骤s1032对监测数据为空值的字段进行填充，生成第一训练子数据具体包括如下步骤：
134.步骤s10321：根据监测数据为空值的字段所对应历史工况数据的时间点，获取时间点前第一预设时长内以及时间点后第二预设时长内生成的多个监测数据；
135.步骤s10322：计算多个监测数据的平均值，将平均值填充至空值的字段处，生成第一训练子数据。
136.具体的，在对监测数据为空值的字段进行填充时，是通过获取时间点前第一预设时长内以及时间点后第二预设时长内生成的多个监测数据的值，然后求取多个监测数据的值的平均值，将平均值填充至空值中来实现对空值的填充的。通常第一预设时长及第二预设时长可根据时间使用情况进行确定，需要保证在第一预设时长及第二预设时长内获取到
的监测数据的值至少为两组。
137.在一种可能的实现方式中，图10所示为为本技术另一实施例提供的一种车辆搅拌筒转向识别方法的流程示意图，如图10所示，在步骤s1032对监测数据为空值的字段进行填充，生成第一训练子数据之前，步骤s103对历史工况数据进行数据处理还包括如下步骤：
138.步骤s10311：查找每个历史工况数据中有多个监测数据对应的字段；
139.步骤s10312：计算多个监测数据的平均值，将多个监测数据替换为对齐监测数据，其中，对齐监测数据为平均值。
140.具体的，在实际使用过程中会存在某个监测项目的传感器的采集上报周期是比秒更小的时间单位，如毫秒。所以当以秒为单位获取历史工况数据时，在一条历史工况数据中，会存在某个字段的监测数据会有多个的情况。此时需要将该多个监测数据转变为唯一一个监测数据，也即对齐监测数据，以使每一字段均对应唯一的监测数据的值。
141.在一种可能的实现方式中，如图11所示，步骤s103对历史工况数据进行数据处理，以生成样本数据集具体包括如下步骤：
142.步骤s1034：查找历史工况数据中的噪声字段；
143.步骤s1035：去除噪声字段。
144.具体的，在去除弱相关字段时，可以先计算历史工况数据中每一个字段的皮尔逊相关系数；
145.当皮尔逊相关系数低于阈值时，去除字段。
146.当皮尔逊相关系数低于阈值时，说明该字段与预测目标之间的关联性较小可以直接排除。
147.在一种可能的实现方式中，如图12所示，在步骤s14根据所述预测结果生成所述搅拌筒的当前转向数据之后，所述车辆搅拌筒转向识别方法还包括：
148.步骤s15：获取第一转向数据，第一转向数据包括转向传感器获得的搅拌筒的转向数据；
149.步骤s16：将当前转向数据与第一转向数据进行对比，生成转向对比结果；
150.步骤s17：当转向对比结果表示当前转向数据与所述第一转向数据所表示的转向信息一致时，将当前转向数据作为搅拌筒的实际转向结果。
151.另外，当转向对比结果表示当前转向数据与所述第一转向数据所表示的转向信息不一致时，发出报警信息。
152.通过增加将经过预测模型计算的得到的当前转向数据与实际的转向传感器所获得的第一转向数据进行对比的步骤，可以进一步提高预测模型计算得到的当前转向数据的准确性，进一步提升车辆使用安全性。
153.示例性装置
154.作为本技术的第二方面，如图13所示，本技术提供了一种车辆搅拌筒转向识别装置，用于执行上述的车辆搅拌筒转向识别方法，其中，包括：
155.模型构建模块10，根据车辆历史工况数据和搅拌筒转向数据构建预测模型，所述车辆历史工况数据包括发动机转速、上装电机转矩、上装电机电流、整车电压及搅拌筒转速中的一个或多个；
156.数据获取模块11，用于获取车辆的当前工况数据；
157.数据输入模块12，用于将当前工况数据输入预测模型中；
158.识别模块13，用于获取预测模型输出的预测结果，预测结果包括车辆的搅拌筒的当前转动状态，搅拌筒的当前转动状态与当前工况数据在时间上对应；以及根据预测结果生成搅拌筒的当前转向数据。
159.具体的，识别模块13包括：
160.转向判定参数赋值模块，用于当所述预测结果为所述搅拌筒的当前转动状态为反转时，对转向判定参数赋值为预设数值与第一数值之和，所述第一数值为所述搅拌筒的上一个转向判定参数所赋的值，所述搅拌筒的上一个转向判定参数所赋的值与所述搅拌筒上一个工况数据对应，其中，所述上一个工况数据与所述当前工况数据为在时间上先后排列；
161.转向确定模块，用于当所述转向判定参数大于或者等于阈值时，所述搅拌筒的当前转向数据为反转。
162.示例性设备
163.作为本技术的第三方面，本技术提供了一种工程车辆，包括：
164.搅拌筒以及以上实施例中的车辆搅拌筒转向识别装置。
165.示例性电子设备
166.下面，参考图14来描述根据本技术实施例的电子设备。图14所示为本技术一实施例提供的电子设备的结构示意图。
167.如图14所示，电子设备600包括一个或多个处理器601和存储器602。
168.处理器601可以是中央处理单元(cpu)或者具有数据处理能力和/或信息执行能力的其他形式的处理单元，并且可以控制电子设备600中的其他组件以执行期望的功能。
169.存储器601可以包括一个或多个计算机程序产品，计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在计算机可读存储介质上可以存储一个或多个计算机程序信息，处理器601可以运行程序信息，以实现上文的本技术的各个实施例的车辆搅拌筒转向识别方法或者其他期望的功能。
170.在一个示例中，电子设备600还可以包括：输入装置603和输出装置604，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
171.该输入装置603可以包括例如键盘、鼠标等等。
172.该输出装置604可以向外部输出各种信息。该输出装置604可以包括例如显示器、通信网络及其所连接的远程输出设备等等。
173.当然，为了简化，图14中仅示出了该电子设备600中与本技术有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备600还可以包括任何其他适当的组件。
174.除了上述方法和设备以外，本技术的实施例还可以是计算机程序产品，其包括计算机程序信息，计算机程序信息在被处理器运行时使得处理器执行本说明书中描述的根据本技术各种实施例的车辆搅拌筒转向识别方法中的步骤。
175.计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本技术实施例操作的程序代码，程序设计语言包括面向对象的程序设计语言，诸如java、c++
等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
176.此外，本技术的实施例还可以是计算机可读存储介质，其上存储有计算机程序信息，计算机程序信息在被处理器运行时使得处理器执行本说明书根据本技术各种实施例的车辆搅拌筒转向识别方法中的步骤。
177.计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
178.以上结合具体实施例描述了本技术的基本原理，但是，需要指出的是，在本技术中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本技术的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本技术为必须采用上述具体的细节来实现。
179.本技术中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换通过。这里所通过的词汇“或”和“和”指词汇“和/或”，且可与其互换通过，除非上下文明确指示不是如此。这里所通过的词汇“诸如”指词组“诸如但不限于”，且可与其互换通过。
180.还需要指出的是，在本技术的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本技术的等效方案。
181.提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者通过本技术。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本技术的范围。因此，本技术不意图被限制到在此示出的方面，而是按照与在此申请的原理和新颖的特征一致的最宽范围。
182.以上仅为本技术创造的较佳实施例而已，并不用以限制本技术创造，凡在本技术创造的精神和原则之内，所作的任何修改、等同替换等，均应包含在本技术创造的保护范围之内。