CN102243497B - 用于工程机械的基于物联网技术的远程智能分析服务系统 - Google Patents
用于工程机械的基于物联网技术的远程智能分析服务系统 Download PDFInfo
- Publication number
- CN102243497B CN102243497B CN201110208816XA CN201110208816A CN102243497B CN 102243497 B CN102243497 B CN 102243497B CN 201110208816X A CN201110208816X A CN 201110208816XA CN 201110208816 A CN201110208816 A CN 201110208816A CN 102243497 B CN102243497 B CN 102243497B
- Authority
- CN
- China
- Prior art keywords
- knowledge
- engineering machinery
- information
- output
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种用于工程机械的基于物联网技术的远程智能分析服务系统,包括工程机械数据采集部分和远程诊断部分,二者通过公共无线网络通信;本系统的工作流程包括:1)输入故障信息;2)对故障信息进行集合;3)提取综合数据库存储工程机械相关的原始特征数据信息;4)把步骤2)的故障信息与步骤3)的原始特征数据信息进行比较;如果步骤2)的故障信息是已知故障,则直接输出故障原因;如果步骤2)的故障信息是未知故障,则把故障信息送智能专家分析知识库进行分析后,输出故障原因。本发明解决了工程机械远程故障诊断、维修调度服务困难的问题。
Description
技术领域
本发明属于物联网技术在工程机械技术领域中的应用,具体是一种基于工程机械的远程智能分析服务系统。
背景技术
工程机械是较为复杂的机电液一体化系统,目前行业内工程机械不断向着高速度、高功率、高可靠性、高智能化的方向发展,工程机械的远程智能分析服务在生产作业中愈加重要起来。由于现有技术中工程,机械的基本信息和报警信息等无法实时采集,无法对工况运行状态进行远程监测分析,以及无法对工程机械的故障进行远程诊断并给予专家级的维护指导,那么工程机械远程故障诊断、维修调度服务都很困难。
发明内容
为了解决现有技术中存在的上述问题,本发明提出一种基于工程机械的远程智能分析服务系统,该系统提供对工程机械进行远程诊断、数据挖掘和智能分析的方法,可以在未抵达现场对工程机械进行解体前,就可以进行远程诊断、数据挖掘和智能分析工作,大大缩减工程机械的维修响应时间,远程预测判断零配件的磨损情况、售后服务情况的及时掌握等,最终提高工程机械的经济效益。
一种用于工程机械的基于物联网技术的远程智能分析服务系统,包括工程机械数据采集部分和远程诊断部分,二者通过公共无线网络通信;
所述工程机械数据采集部分包括定位数据采集模块、工程机械工作状态数据采集模块、逻辑控制模块和无线数据传输模;工程机械数据采集部分内的各个模块通过无线局域网通信;
所述远程诊断部分包括智能专家分析知识库、智能决策推理机、综合数据库、人机接口、决策辅助机构和知识学习程序;
所述人机接口完成输入/输出和显示功能;
所述智能决策推理机根据当前的输入数据,如工程机械运行过程中的各种征兆,运用智能专家分析知识库中的知识,按策略进行推理;所述智能决策推理机包括第一决策推理和人工神经网络;第一决策推理包括含有征兆参数的逻辑知识,第一决策推理利用这些逻辑知识对输入的数据进行处理,从而得到人工神经网络的输入信号;人工神经网络通过其包含的故障诊断知识来实现从故障征兆到故障类型的映射,得到诊断结果;
所述决策辅助机构向用户解释本系统的推理过程并回答用户提出的问题;系统在每次咨询结束后主动向用户展示推理过程,并从动态数据库中调出保存用过的规则名去查寻智能专家分析知识库,并显示所采用规则的内容;
本系统还包括第二决策推理,通过第二决策推理对人工神经网络的诊断结果进行解释;在第二决策推理中,根据不同的诊断对象总结了诊断对象的决策推理规则用来对人工神经网络的诊断输出进行处理,把处理的结果以故障表的形式输出,即通过第二决策推理和故障表来对人工神经网络的诊断结果进行解释;
所述学习程序是指人工神经网络利用专家所建立的故障样本进行人工神经网络的训练,从而把故障诊断知识以人工神经网络权值和阀值的形式存储在人工神经网络的各个神经元当中,即学习程序的建立就是神经网络模型的建立,本系统选用误差反向传播算法网络进行知识的学习;
所述综合数据库用于存储工程机械相关的原始特征数据信息;
所述智能专家分析知识库记载所要解决的问题领域中的事实和规则,即智能专家分析知识库是领域知识和该专家系统工作时所需的常识性知识的集合,集合中的知识包括逻辑性知识和启发性知识;
所述逻辑性知识是指确保其准确无误的知识,是常识性的知识;所述启发性知识是指专家所掌握的知识。
本系统的远程故障诊断算法流程包括:
1)输入故障信息;
2)对故障信息进行集合;
3)提取综合数据库存储工程机械相关的原始特征数据信息;
4)把步骤2)的故障信息与步骤3)的原始特征数据信息进行比较;如果步骤2)的故障信息是已知故障,则直接输出故障原因;如果步骤2)的故障信息是未知故障,则把故障信息送智能专家分析知识库进行分析后,输出故障原因。
所述工程机械数据采集部分还包括扩展接口模块。所述工程机械数据采集部分还包括短信息传输模块。所述工程机械数据采集部分内的各个模块通过通过ZigBee无线局域网方式通信。
所述人机接口中,
用户和专家通过输入/输出功能向智能专家分析知识库添加知识,输入/输出人工排障指令、调用历史数据库中的指令、调用显示模块的指令和修改指令;
由显示功能显示相应诊断模块的诊断结果,该诊断结果是以文字说明或以图表显示。
所述综合数据库记载的信息包括:车辆信息查询和报警提示等内容,车辆信息查询包含所有车辆的ID号、出厂日期、发动机号,工作状态和位置分布;车机的机号、机型、产权单位、出厂时间、GPS开始时间、GPS结束时间和生产信息;报警提示通过虚拟仪表图片,提供燃油油滤、燃油位、油压、冷却液温度、充电指示、空滤、液压油温、未预热灯等装备报警信息。可设置开始结束时间查看当前车机的历史报警信息,报警内容有GPS天线报警、电瓶欠压报警、GPS开盒报警等。
综合数据库可支持基本车机数据查询,可依据日期时间进行历史车机数据信息的查询、统计和分析。可支持发动机的数据查询,包括有效工作时间、定位状态、锁车状态、系统电压、燃油位、水温、车辆工作状态、经纬度、最新数据时间、当前位置等数据信息。还有显示MCU通讯、GPS天线、GPS电源、空滤堵塞等安全报警信息。同时还可对轨迹回放、报警统计、呼叫数据查询等提供数据支撑。
所述智能专家分析知识库中的知识可以用一种或几种知识表示方法来表示。
应用GPS通过MCU采集到的机械运转时的性能参数,从而判断机械性能降低程度以及机械性能是否满足使用要求。一般通过机械设备性能参数下降程度来决定它何时修理。
(1)发动机功率测试
发动机是工程机械的心脏,其功率的大小直接关系到工程机械能否正常工作。当一台机械无力,人工诊断不准是动力不足,还是底盘性能不佳或液压系统功率不足时,可以采用功率检验设备测量发动机在无外载情况下的功率,确定是否为动力不足。
(2)液压系统功率测试
液压系统是工程机械的手臂,其功率大小关系到工程机械的工作效率,甚至正常工作。目前,检测设备有动态压力监测系统。动态压力监测系统是通过安装在液压系统中若干压力传感器,将系统工作时的压力脉冲信息及时准确地传输到信号采集系统中,将信号调制、放大、滤波、传输与诊断等,从而作出关键回路原件以及整个液压系统运行状态和性能描述,并实现计算机存贮、输出过程。此项监测可以较准确地判别液压系统中液压泵吸空,溢流阀卡滞等故障,若结合压力表、流量计和辅助诊断可以判断液压泵输出功率,液压系统的泄漏等故障。
最后通过配备的故障诊断系统软件,实现状态信号的采集、特征提取和状态识别的自动化。如果故障超过允许值,即发出警报指令,通过计算机自动完成故障性质、程度、类别、不为、原因及趋势的诊断和预报,并能将大量的机械或机组运行状态资料贮存起来,工程技术人员可通过人机对话调出查阅,作出诊断决策。这种诊断方法特别适用于各类工程机械的在线监测和自诊断。
本发明的系统,包括了车辆信息查询、实时报警提示、远程故障诊断、维修调度服务、智能专家分析、技术数据挖掘和决策辅助参考等功能,是一种采用GPS技术通过GPRS网络将工程机械的基本定位、工况数据、报警信息传送到监控中心进行远程检测,并提供远程诊断、数据挖掘、智能分析的软件系统。
与现有技术相比,本发明可以对工程机械的基本信息、报警信息进行实时采集,工况运行状态进行远程监测分析,对工程机械的故障进行远程诊断并给予专家级的维护指导,解决了工程机械远程故障诊断、维修调度服务困难的问题。
附图说明
图1是本智能分析服务系统的远程诊断部分结构示意图;
图2是远程诊断部分各个部分之间的逻辑关系图;
图3是本系统的远程故障诊断方法流程图;
图4是本智能分析服务系统的使用状态示意图。
具体实施方式
下面结合附图与具体实施方式对本发明做进一步说明:
智能专家分析服务系统(Intelligent Expert Analyze System,简称IEAS)是一种具有业务专家水平的、基于专业知识的、人工智能化的计算机程序,是研究如何利用专家知识来解决某专门问题而建立的人机系统的方法和技术。
本智能分析服务系统的远程诊断部分结构如图1所示,它包括6个部分:智能专家分析知识库、智能决策推理机、综合数据库、人机接口、决策辅助机构和知识学习程序。它们之间的逻辑关系如图2所示。
1、人机接口
人机接口主要完成输入、输出和显示功能,输入功能是指使用户和专家可以方便地向智能专家分析知识库添加知识,输入人工排障指令、调用历史数据库中的指令、调用显示模块的指令和修改指令等。显示功能是指显示相应诊断模块的诊断结果,或以文字说明,或以图表显示。
2、智能决策推理机
智能决策推理机是专家系统的组织控制机构,它根据当前的输入数据(如机器运行过程中的各种征兆),运用智能专家分析知识库中的知识,按一定的策略进行推理,以达到要求的目标。在智能决策推理机作用下,一般用户能够如同领域专家一样解决某一领域的困难问题。在本系统中,智能决策推理机主要由第一决策推理和人工神经网络两部分组成。第一决策推理主要包括含有一些有关征兆参数方面的逻辑知识,第一决策推理利用这些逻辑知识对所输入的数据进行处理,从而得到人工神经网络的输入信号;人工神经网络则通过它的结构中所包含的故障诊断知识来实现从故障征兆到故障类型的映射。
3、决策辅助机构
决策辅助机构向用户解释系统的推理过程并回答用户提出的问题,使系统具有透明性。系统在每次咨询结束后主动向用户展示推理过程。并从动态数据库中调出保存用过的规则名去查寻智能专家分析知识库,并在屏幕上显示所采用规则的内容。本系统设计第二决策推理,通过第二决策推理对诊断结果进行解释。在第二决策推理中,根据不同的诊断对象总结了诊断对象的决策推理规则用来对神经网络的诊断输出进行处理,把处理的结果以故障表的形式输出,即通过第二决策推理和故障表来对神经网络的诊断结果进行解释。
4、知识学习程序
系统的学习程序主要是指系统的神经网络利用知识专家所建立的故障样本进行神经网络的训练,从而把故障诊断知识以神经网络权值和阀值的形式存储在神经网络的各个神经元当中,即学习程序的建立就是神经网络模型的建立,本系统选用误差反向传播算法网络进行知识的学习。本系统的远程故障诊断算法流程如图3所示。
5、综合数据库
综合数据库又称为存储区或动态数据库,是用于存储工程机械相关的原始特征数据信息、可用于日后推理过程中得到的各种中间信息和解决问题后输出结果信息的存储器。数据库囊括了车辆信息查询和报警提示等内容,车辆信息查询包含所有车辆的ID号、出厂日期、发动机号,工作状态和位置分布等等这些相关内容(车辆的基本信息在需要在事先在系统做登记,车辆位置,状态等实时信息可由车辆随时上载到系统中)。车机的机号、机型、产权单位、出厂时间、GPS开始时间、GPS结束时间和生产信息。报警提示通过虚拟仪表图片,提供燃油油滤、燃油位、油压、冷却液温度、充电指示、空滤、液压油温、未预热灯等装备报警信息。可设置开始结束时间查看当前车机的历史报警信息,报警内容有GPS天线报警、电瓶欠压报警、GPS开盒报警等。
综合数据库可支持基本车机数据查询,可依据日期时间进行历史车机数据信息的查询、统计和分析。可支持发动机的数据查询,包括有效工作时间、定位状态、锁车状态、系统电压、燃油位、水温、车辆工作状态、经纬度、最新数据时间、当前位置等数据信息。还有显示MCU通讯、GPS天线、GPS电源、空滤堵塞等安全报警信息。同时还可对轨迹回放、报警统计、呼叫数据查询等提供数据支撑。
6、智能专家分析知识库
智能专家分析知识库包含了所要解决的问题领域中的大量事实和规则,即智能专家分析知识库是领域知识和该专家系统工作时所需的常识性知识的集合,包括逻辑性知识和启发性知识。逻辑性知识是指确保其准确无误的知识,通常是一些常识性的知识;而启发性知识是指领域专家所掌握的一些知识,它们通常没有严紧的理论依据,很难保证其普便性、正确性,也就使得专家系统在工作时会出错。智能专家分析知识库中的知识可以用一种或几种知识表示方法来表示。知识的表示方法直接决定着智能专家分析知识库的组织结构并直接影响着整个专家系统的工作效率。智能专家分析知识库是一个独立的实体,它内存的知识可以通过程序来提取和管理。智能专家分析知识库应易于存入新知识而且不和已知的知识互相发生干扰,减少和已有知识之间的矛盾和沉余,确保知识的一致性和有效性。
工程机械数据采集部分由GPS工程机械定位数据采集模块、工程机械工作状态数据采集模块、逻辑控制模块、无线数据传输模块和短信息传输模块、扩展接口模块组成,其各模块之间利用ZigBee无线局域网连接方式,分别完成GPS数据采集、工程机械工作状态数据采集、逻辑控制功能、GPRS数据传输功能,并留有扩展传感器的接口;工程机械工作状态数据采集模块利用数模转换芯片在逻辑控制模块的控制下,完成工程机械工作状态数据的采集,逻辑控制模块连接无线数据传输模块和短信息传输模块,无线数据传输模块和短信息传输模块接收来自逻辑控制模块的信号并向计算机服务控制中心发送信息,并可接收服务控制中心发送的信息向逻辑控制模块发送相关指令;所述工程机械定位数据采集模块、工程机械工作状态采集模块连接逻辑控制模块、模块将工程机械信息传输给逻辑控制模块;服务控制中心由网络通信模块、短信息通信模块及与之相连接的数据库模块组成,数据库模块包括GIS地理信息模块、Web查询模块、报表模块、报警模块、专家分析模块、远程维修模块;
远程诊断模块具体结构:
一、故障诊断系统结构
用于工程机械的基于物联网技术的远程智能分析服务系统是一个集信号采集、工况分析、状态显示及故障诊断的多任务信息智能处理系统,由接收机和处理机两部分组成,接收机完成工程机械的实时状态监测和远程数据采集功能,处理机完成工程机械的数据挖掘、专家分析和故障诊断等决策辅助功能,该系统主要实现了工程机械的运行状态在线监测和远程故障诊断功能。
本系统的使用方法如图4所示:
1)在工程机械上安装数据采集发送模块,该模块包括传感器、GPS终端、MCU和无线转发器。MCU和传感器可采用工程机械上原有的器件。传感器采集到的工程机械跟部分的数据,以及GPS终端的数据传给MCU进行处理,处理得到的数据经无线转发器发送至公共通信网络(例如GPRS网络);
2)通过公共通信网络将数据传送到监控中心;
3)监控中心的远程诊断模块对采集的数据进行分析处理;
4)远程诊断模块中,系统智能专家分析知识库判断分析原因,并发出维修调度;
5)最后监控中心通过服务控制模块进行维修调度服务。
本发明利用GPS技术和GPRS网络传递工程机械基本信息、工作状态数据和报警统计信息,可以实时对导入本系统的车辆进行智能在线监测,分析故障现象,给出解决策略,从而缩短维修时间,提高工作效率,节省费用,具有很大的社会效益和经济效益。
本方法的具体实施时所采用的技术说明:
1、BP(Back Propagation)神经网络,即误差反向传播算法的学习过程,由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息,并传递给中间层各神经元;中间层是内部信息处理层,负责信息变换,根据信息变化能力的需求,中间层可以设计为单隐层或者多隐层结构;最后一个隐层传递到输出层各神经元的信息,经进一步处理后,完成一次学习的正向传播处理过程,由输出层向外界输出信息处理结果。当实际输出与期望输出不符时,进入误差的反向传播阶段。误差通过输出层,按误差梯度下降的方式修正各层权值,向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程,是各层权值不断调整的过程,也是神经网络学习训练的过程,此过程一直进行到网络输出的误差减少到可以接受的程度,或者预先设定的学习次数为止。
BP神经网络模型BP网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型。
(1)节点输出模型
隐节点输出模型:Oj=f(∑Wij×Xi-qj)
输出节点输出模型:Yk=f(∑Tjk×Oj-qk)
f-非线形作用函数;q-神经单元阈值。
(2)作用函数模型
作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数,一般取为(0,1)内连续取值Sigmoid函数:f(x)=1/(1+e)
(3)误差计算模型
误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数:
Ep=1/2×∑(tpi-Opi)
tpi-i节点的期望输出值;Opi-i节点计算输出值。
(4)自学习模型
神经网络的学习过程,即连接下层节点和上层节点之间的权重拒阵Wij的设定和误差修正过程。BP网络有师学习方式-需要设定期望值和无师学习方式-只需输入模式之分。自学习模型为
ΔWij(n+1)=h×Φi×Oj+a×ΔWij(n)
h-学习因子;Φi-输出节点i的计算误差;Oj-输出节点j的计算输出;a-动量因子。
2、Zigbee是IEEE 802.15.4协议的代名词。根据这个协议规定的技术是一种短距离、低功耗的无线通信技术,其特点是近距离、低复杂度、自组织、低功耗、低数据速率、低成本。主要适合用于自动控制和远程控制领域,可以嵌入各种设备。
3、地理信息系统(Geographic Information System,简称GIS)是以测绘测量为基础,以数据库作为数据储存和使用的数据源,以计算机编程为平台的全球空间分析即时技术。
从功能上,GIS具有空间数据的获取、存储、显示、编辑、处理、分析、输出和应用等功能;从系统学的角度,GIS具有一定结构和功能,是一个完整的系统。
简而言之,GIS是一个基于数据库管理系统(DBMS)的分析和管理空间对象的信息系统,以地理空间数据为操作对象是地理信息系统与其它信息系统的根本区别。GIS经过了40年的发展,到今天已经逐渐成为一门相当成熟的技术,并且得到了极广泛的应用。
在具体实施时智能分析服务系统软件设计采用J2EE,通过图文并茂的用户界面可以实现车辆信息查询、报警统计查询、设备信号采集、远程工况分析、智能状态诊断、系统参数设置、统计分析图、报表打印和数据传输等功能,十分方便用户使用。采用智能分析服务系统来进行工程机械的远程服务,可以对工程机械进行远程数据采集、工况、报警情况统计、远程故障在线检测、智能专家技术分析等。减少工程机械的维修时间,提高工程机械的经济效益。
Claims (9)
1.一种用于工程机械的基于物联网技术的远程智能分析服务系统,其特征是包括工程机械数据采集部分和远程诊断部分,二者通过公共无线网络通信;
A、所述工程机械数据采集部分包括定位数据采集模块、工程机械工作状态数据采集模块、逻辑控制模块和无线数据传输模块;工程机械数据采集部分内的各个模块通过无线局域网通信;
B、所述远程诊断部分包括智能专家分析知识库、智能决策推理机、综合数据库、人机接口、决策辅助机构和知识学习程序;
a、所述人机接口实现输入/输出和显示功能;
b、所述智能决策推理机根据当前的输入数据,运用智能专家分析知识库中的知识,按策略进行推理;
所述智能决策推理机包括第一决策推理、第二决策推理和人工神经网络;第一决策推理包括含有征兆参数的逻辑知识,第一决策推理利用这些逻辑知识对输入的数据进行处理,从而得到人工神经网络的输入信号;人工神经网络通过其包含的故障诊断知识来实现从故障征兆到故障类型的映射,得到诊断结果;
第二决策推理对人工神经网络的诊断结果进行解释;在第二决策推理中,根据不同的诊断对象总结了诊断对象的决策推理规则,用来对人工神经网络的诊断输出进行处理,把处理的结果以故障表的形式输出,即通过第二决策推理和故障表来对人工神经网络的诊断结果进行解释;
c、所述决策辅助机构向用户解释本系统的推理过程并回答用户提出的问题;在每次咨询结束后主动向用户展示推理过程,并从动态数据库中调出保存用过的决策推理规则名去查寻智能专家分析知识库,并显示所采用规则的内容;
d、所述知识学习程序是指人工神经网络利用专家所建立的故障样本进行人工神经网络的训练,从而把故障诊断知识以人工神经网络权值和阈值的形式存储在人工神经网络的各个神经元当中,即知识学习程序的建立就是神经网络模型的建立;
e、所述综合数据库用于存储工程机械相关的原始特征数据信息;
f、所述智能专家分析知识库记载所要解决的问题领域中的事实和规则;
本系统的工作流程包括:
1)输入故障信息;
2)对故障信息进行集合;
3)提取综合数据库存储工程机械相关的原始特征数据信息;
4)把步骤2)的故障信息与步骤3)的原始特征数据信息进行比较;如果步骤2)的故障信息是已知故障,则直接输出故障原因;如果步骤2)的故障信息是未知故障,则把故障信息送智能专家分析知识库进行分析后,输出故障原因;
本方法的具体实施时所采用的技术说明:
BP神经网络,即误差反向传播算法的学习过程,由信息的正向传播和误差的反向传播两个过程组成;输入层各神经元负责接收来自外界的输入信息,并传递给中间层各神经元;中间层是内部信息处理层,负责信息变换,根据信息变化能力的需求,中间层可以设计为单隐层或者多隐层结构;最后一个隐层传递到输出层各神经元的信息,经进一步处理后,完成一次学习的正向传播处理过程,由输出层向外界输出信息处理结果;当实际输出与期望输出不符时,进入误差的反向传播阶段;误差通过输出层,按误差梯度下降的方式修正各层权值,向隐层、输入层逐层反传;周而复始的信息正向传播和误差反向传播过程,是各层权值不断调整的过程,也是神经网络学习训练的过程,此过程一直进行到网络输出的误差减少到可以接受的程度,或者预先设定的学习次数为止;
BP神经网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型;
(1)节点输出模型
隐节点输出模型:Oj=f(∑Wij×Xi-qj)
输出节点输出模型:Yk=f(∑Tjk×Oj-qk)
f-非线形作用函数;q-神经单元阈值;
(2)作用函数模型
作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数,一般取为(0,1)内连续取值Sigmoid函数:f(x)=1/(1+e)
(3)误差计算模型
误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数:
Ep=1/2×∑(tpi-Opi)
tpi-i节点的期望输出值;Opi-i节点计算输出值;
(4)自学习模型
神经网络的学习过程,即连接下层节点和上层节点之间的权重矩阵Wij的设定和误差修正过程;BP网络有师学习方式-需要设定期望值和无师学习方式-只需输入模式之分;自学习模型为
△Wij(n+1)=h×Фi×Oj+a×△Wij(n)
h-学习因子;Фi-输出节点i的计算误差;Oj-输出节点j的计算输出;a-动量因子。
2.根据权利要求1所述的系统,其特征是所述工程机械数据采集部分还包括扩展接口模块。
3.根据权利要求1所述的系统,其特征是所述工程机械数据采集部分还包括短信息传输模块。
4.根据权利要求1所述的系统,其特征是所述工程机械数据采集部分内的各个模块通过ZigBee无线局域网方式通信。
5.根据权利要求1所述的系统,其特征是所述人机接口中,
用户和专家通过输入/输出功能向智能专家分析知识库添加知识,输入/输出人工排障指令、调用历史数据库中的指令、调用显示模块的指令和修改指令;
由显示功能显示相应诊断模块的诊断结果,该诊断结果是以文字说明或以图表显示。
6.根据权利要求1所述的系统,其特征是所述知识学习程序中,本系统选用误差反向传播算法网络进行知识的学习。
7.根据权利要求1所述的系统,其特征是所述智能专家分析知识库是工程机械领域知识和本系统工作时所需的常识性知识的集合;集合中的知识包括逻辑性知识和启发性知识;
所述逻辑性知识是常识性的知识;所述启发性知识是指专家所掌握的知识。
8.根据权利要求1所述的系统,其特征是所述定位数据采集模块是GPS模块;
所述综合数据库记载的信息包括:工程机械车辆信息查询和报警提示的内容;
其中,工程机械车辆信息查询包括所有车辆的ID号、出厂日期、发动机号、工作状态和位置分布;车机的机号、机型、产权单位、出厂时间、GPS开始时间、GPS结束时间和生产信息;
报警提示通过虚拟仪表图片,提供燃油油滤、燃油位、油压、冷却液温度、充电指示、空滤、液压油温和未预热灯;报警提示可设置开始结束时间查看当前工程机械车辆的历史报警信息;报警内容有GPS天线报警、电瓶欠压报警和GPS开盒报警。
9.根据权利要求1所述的系统,其特征是所述智能专家分析知识库中的知识可以用一种或几种知识表示方法来表示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110208816XA CN102243497B (zh) | 2011-07-25 | 2011-07-25 | 用于工程机械的基于物联网技术的远程智能分析服务系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110208816XA CN102243497B (zh) | 2011-07-25 | 2011-07-25 | 用于工程机械的基于物联网技术的远程智能分析服务系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102243497A CN102243497A (zh) | 2011-11-16 |
CN102243497B true CN102243497B (zh) | 2013-10-02 |
Family
ID=44961595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110208816XA Expired - Fee Related CN102243497B (zh) | 2011-07-25 | 2011-07-25 | 用于工程机械的基于物联网技术的远程智能分析服务系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102243497B (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102830694A (zh) * | 2012-08-17 | 2012-12-19 | 上海华兴数字科技有限公司 | 自动化故障巡检系统及客户监控端 |
CN102880929A (zh) * | 2012-08-31 | 2013-01-16 | 叶旭东 | 用于工程机械领域的外勤人员支撑系统 |
CN102880115B (zh) * | 2012-09-29 | 2015-08-26 | 陈广义 | 一种基于物联网的数控机床远程协作诊断系统 |
CN103063251B (zh) * | 2012-12-27 | 2015-03-25 | 陈海波 | 一种基于工程机械的故障识别方法 |
CN103200232B (zh) * | 2013-03-04 | 2015-10-28 | 南京三埃工控股份有限公司 | 皮带秤远程支持系统及远程支持方法 |
CN103439944A (zh) * | 2013-08-27 | 2013-12-11 | 中联重科股份有限公司渭南分公司 | 一种工程机械智能故障诊断系统、方法和工程机械 |
CN104898578A (zh) * | 2014-03-04 | 2015-09-09 | 上海陆杰电子科技有限公司 | 一种公路动态轴重衡在线监控管理系统及其方法 |
CN103901878B (zh) * | 2014-03-26 | 2016-08-24 | 山推建友机械股份有限公司 | 一种混凝土搅拌站远程故障诊断系统及方法 |
CN104075749A (zh) * | 2014-06-30 | 2014-10-01 | 通号通信信息集团有限公司 | 物联网中设备异常状态检测的方法及系统 |
CN104111645A (zh) * | 2014-07-03 | 2014-10-22 | 同济大学 | 基于b/s结构的工程机械远程监测方法及其系统 |
CN104181896A (zh) * | 2014-08-29 | 2014-12-03 | 四川九成信息技术有限公司 | 一种基于物联网的工控采集状态监控系统 |
CN105740140A (zh) * | 2014-12-10 | 2016-07-06 | 中兴通讯股份有限公司 | 软件系统故障诊断方法、服务器及系统 |
CN104834813B (zh) * | 2015-04-28 | 2018-08-21 | 南京邮电大学 | 物联网多源异构数据统计分析处理方法和装置 |
CN105046375A (zh) * | 2015-09-01 | 2015-11-11 | 景德金 | 无缝钢管生产重点设备物联网维修预测系统 |
CN107355949A (zh) * | 2017-07-21 | 2017-11-17 | 广东乐源数字技术有限公司 | 一种空调故障检查学习方法 |
CN108388237B (zh) * | 2018-04-16 | 2020-08-28 | 广东工业大学 | 一种离散制造设备的故障诊断方法、装置、设备及介质 |
CN108683535A (zh) * | 2018-05-18 | 2018-10-19 | 南京大学 | 基于机器学习的高速数据分配模块故障诊断系统及方法 |
CN108846686A (zh) * | 2018-08-13 | 2018-11-20 | 广州市乐访信息科技有限公司 | 一种机械设备一体化综合管理平台及其管理方法 |
CN109885018B (zh) * | 2019-01-18 | 2020-10-09 | 广东寰球智能科技有限公司 | 一种面向金属包装设备的专家智库系统的管理方法 |
CN109747798A (zh) * | 2019-02-14 | 2019-05-14 | 江苏科技大学 | 基于物联网的智能胎架系统及调节方法 |
CN110084404B (zh) * | 2019-03-31 | 2020-07-24 | 唐山百川智能机器股份有限公司 | 基于大数据的轨道车辆经济性运营及维修规划方法 |
CN110717665B (zh) * | 2019-09-30 | 2022-11-25 | 国家电网有限公司 | 基于调度控制系统故障辨识及趋性分析系统和方法 |
CN110766143A (zh) * | 2019-10-31 | 2020-02-07 | 上海埃威航空电子有限公司 | 基于人工神经网络的设备故障智能诊断方法 |
CN110794815A (zh) * | 2019-11-29 | 2020-02-14 | 哈尔滨汽轮机厂有限责任公司 | 汽轮机远程智能运维服务系统 |
CN111582732A (zh) * | 2020-05-12 | 2020-08-25 | 胡伊婷 | 一种基于大数据的车况分析系统 |
CN112365074B (zh) * | 2020-11-18 | 2023-08-18 | 贵州电网有限责任公司 | 一种基于电网调控数据的人工智能决策方法 |
CN113255942A (zh) * | 2021-06-15 | 2021-08-13 | 北京北特圣迪科技发展有限公司 | 一种舞台机械设备信息智能存储应用系统 |
CN114037094A (zh) * | 2021-10-28 | 2022-02-11 | 傲拓科技股份有限公司 | 用于边缘计算的智能决策支持系统 |
CN115086145A (zh) * | 2022-05-30 | 2022-09-20 | 国网安徽省电力有限公司滁州供电公司 | 一种基于智能网络检测分析仪的网络设备状态检测方法 |
CN117785542B (zh) * | 2024-02-28 | 2024-05-31 | 深圳耀德数据服务有限公司 | 用于数据中心的智能运维方法、系统、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005054968A1 (en) * | 2003-11-26 | 2005-06-16 | Tokyo Electron Limited | Intelligent system for detection of process status, process fault and preventive maintenance |
CN101126929A (zh) * | 2007-09-05 | 2008-02-20 | 东北大学 | 连采机远程实时故障预测及诊断方法与装置 |
CN101174140A (zh) * | 2007-11-07 | 2008-05-07 | 徐州智龙电子科技有限公司 | 基于多技术集成的工程机械智能化车载终端 |
CN101634605A (zh) * | 2009-04-10 | 2010-01-27 | 北京工业大学 | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7720639B2 (en) * | 2005-10-27 | 2010-05-18 | General Electric Company | Automatic remote monitoring and diagnostics system and communication method for communicating between a programmable logic controller and a central unit |
-
2011
- 2011-07-25 CN CN201110208816XA patent/CN102243497B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005054968A1 (en) * | 2003-11-26 | 2005-06-16 | Tokyo Electron Limited | Intelligent system for detection of process status, process fault and preventive maintenance |
CN101126929A (zh) * | 2007-09-05 | 2008-02-20 | 东北大学 | 连采机远程实时故障预测及诊断方法与装置 |
CN101174140A (zh) * | 2007-11-07 | 2008-05-07 | 徐州智龙电子科技有限公司 | 基于多技术集成的工程机械智能化车载终端 |
CN101634605A (zh) * | 2009-04-10 | 2010-01-27 | 北京工业大学 | 基于混合推理和神经网络的齿轮箱故障智能诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102243497A (zh) | 2011-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102243497B (zh) | 用于工程机械的基于物联网技术的远程智能分析服务系统 | |
CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
CN104777813A (zh) | 综合气象观测运行监控系统及其监控方法 | |
CN106934720A (zh) | 基于物联网的设备保险智能定价方法与系统 | |
CN105489053A (zh) | 一种基于acp方法的平行停车系统构建方法 | |
CN107977757A (zh) | 一种土地利用方案优化系统 | |
CN112016247A (zh) | 基于土地利用变化的高精度未来水文过程耦合模型及构建方法 | |
CN111208384A (zh) | 一种智能电网管理系统 | |
CN103942251A (zh) | 基于多种质控方法的高空气象资料入库方法和入库系统 | |
Cui et al. | Design of highway intelligent transportation system based on the internet of things and artificial intelligence | |
CN117390590B (zh) | 一种基于cim模型的数据管理方法及系统 | |
CN116664095B (zh) | 一种基于深度学习的安保巡检预测方法 | |
CN113269435B (zh) | 一种新能源场站运行状态耦合监测评估系统 | |
Xu et al. | Federated learning based atmospheric source term estimation in urban environments | |
CN116109185A (zh) | 一种应用于电力系统碳排放核算的碳量测系统 | |
CN104598742A (zh) | 城市发展需求应用测算方法 | |
CN111857015B (zh) | 输变电云端智能控制器 | |
CN115457411A (zh) | 航油管线无人化巡视方法、装置和航油安全运维系统 | |
CN114399159A (zh) | 一种基于全时空监测的工程现场进度识别方法 | |
Wu | [Retracted] Configuration Generation Method of Ship End Program for Ship Energy Efficiency Management Platform | |
Wang | Application Research of Computer Artificial Intelligence Technology in Digital Environment Integrated Design System | |
Yang et al. | Non-intrusive Load Monitoring System for Decarbonization of Built Environment Based on Deep Learning Algorithm | |
Chen | A Rule-Based Expert System for Predictive Maintenance of a Hybrid Bus | |
CN117035469B (zh) | 公铁联运枢纽功能区建设用地指标测算的方法及装置 | |
CN118211168B (zh) | 一种水务营业查收表册管理系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131002 Termination date: 20200725 |