CN106683222A - 一种用于工程车辆技术性能检测装置及检测方法 - Google Patents
一种用于工程车辆技术性能检测装置及检测方法 Download PDFInfo
- Publication number
- CN106683222A CN106683222A CN201611140582.9A CN201611140582A CN106683222A CN 106683222 A CN106683222 A CN 106683222A CN 201611140582 A CN201611140582 A CN 201611140582A CN 106683222 A CN106683222 A CN 106683222A
- Authority
- CN
- China
- Prior art keywords
- pulling force
- data
- engineering truck
- sensor
- displacement
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000006073 displacement reaction Methods 0.000 claims abstract description 31
- 230000003750 conditioning effect Effects 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 10
- 210000002569 neuron Anatomy 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000007935 neutral effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Component Parts Of Construction Machinery (AREA)
Abstract
本发明公开了一种用于工程车辆技术性能检测装置,包括:速度传感器,其安装于绞盘装置的转筒处;第一拉力传感器,其安装于绞盘装置上;第二拉力传感器,其安装于起吊装置上;位移传感器,其安装于拖绳装置上;第三拉力传感器,其安装于拖绳装置上;第四拉力传感器,其安装于助铲装置上;数据采集装置,其分别与速度传感器、位移传感器、第一拉力传感器、第二拉力传感器、第三拉力传感器以及第四拉力传感器电联,用于接收速度信号、位移信号以及拉力信号;数据调理装置,其与数据采集装置电联,用于将数据进行处理后将数据输出;数据显示装置,其与数据调理装置电联,用于将数据读取后显示结果。本发明还公开了一种用于工程车辆技术性能检测方法。
Description
技术领域
本发明涉及工程车辆作业检测,具体涉及一种用于工程车辆技术性能检测装置及检测方法。
背景技术
工程车是一个建筑工程的主干力量,由于它们的出现才使建筑工程的进度倍增,大大减少了人力。观工程车作业,不由得使人震撼机器与科技的威力。它们用于工程的运载,挖掘,抢修,甚至作战等。工程车安全事故率一直居高不下,和操作人员有关系的同时,更多的原因是车辆本身结构、安全措施以及安全检测没有做到位。
在如今工程作业过程中,急需用于工程车辆作业装置实车技术性能检测的装置,能对作业装置运行状态做出准确判断,为工程车辆日常维护保养提供必要依据,为了能够实现本系统可以在实车上进行作业装置安全性能检测和分析,工程车辆作业装置安全性能检测与评估系统需要如下特点:可以完成作业装置全部使用状态参数的检测,针对不同的作业装置,选择相应的模块进行检测,并制定了多种车型相应的数据库,实现了检测参数的自动识别,检测诊断迅速,效率高。
发明内容
本发明设计开发了一种用于工程车辆技术性能检测装置,本发明的发明目的是解决工程车辆检测装置布局全面、合理,针对不同的作业装置进行多参数、多系统实时在线检测的问题。
本发明设计开发了一种用于工程车辆技术性能检测方法,本发明的发明目的是解决工作车辆技术性能检测状态模式单一、调试复杂的问题,能够实现工程车辆作业过程中技术性能实时整体全面评价以及异常状态的报警。
本发明提供的技术方案为:
一种用于工程车辆技术性能检测装置,包括:
速度传感器,其安装于绞盘装置的转筒处,用于监测所述绞盘装置的收放绳速度;
第一拉力传感器,其安装于所述绞盘装置上,用于监测所述绞盘装置的收放绳拉力;
第二拉力传感器,其安装于起吊装置上,用于监测所述起吊装置的起吊拉力;
位移传感器,其安装于拖绳装置上,用于监测所述拖绳装置的拖绳位移;
第三拉力传感器,其安装于所述拖绳装置上,用于监测所述拖绳装置的拖绳拉力;
第四拉力传感器,其安装于助铲装置上,用于监测所述助铲装置的助铲支反力;
数据采集装置,其分别与所述速度传感器、位移传感器、第一拉力传感器、第二拉力传感器、第三拉力传感器以及第四拉力传感器电联,用于接收速度信号、位移信号以及拉力信号;
数据调理装置,其与所述数据采集装置电联,用于将数据进行处理后将数据输出;
数据显示装置,其与所述数据调理装置电联,用于将数据读取后显示结果。
优选的是,还包括:数据警报装置,其与所述数据调理装置电联。
优选的是,所述数据调理装置通过ZigBee无线通讯将数据输出。
优选的是,所述数据调理装置为单片机。
优选的是,所述数据通过CAN总线进行传输。
一种用于工程车辆技术性能检测方法,采用BP神经网络对工程车辆技术性能进行检测,包括如下步骤:
步骤一、按照采样周期,通过传感器测量收放绳速度V、收放绳拉力Fa、起吊拉力Fb、拖绳位移S、拖绳拉力Fc、助铲支反力Fd;
步骤二、依次将上述参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5,x6};其中,x1为收放绳速度系数、x2为收放绳拉力系数、x3为起吊拉力系数、x4为拖绳位移系数、x5为拖绳拉力系数、x6为助铲支反力系数;
步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤四、得到输出层向量o={o1,o2,o3,o4};其中,o1为技术状态好,o2为技术状态一般,o3为技术状态差,o4为技术状态警报,所述输出层神经元值为k为输出层神经元序列号,k={1,2,3,4},i为技术状态值,i={1,2,3,4},当ok为1时,此时工程车辆作业装置整体处于ok对应的技术状态。
优选的是,所述中间层节点个数m满足:其中n为输入层节点个数,p为输出层节点个数。
优选的是,步骤三中,将收放绳速度V、收放绳拉力Fa、起吊拉力Fb、拖绳位移S、拖绳拉力Fc、助铲支反力Fd进行规格化的公式为:
其中,xj为输入层向量中的参数,Xj分别为测量参数V、Fa、Fb、S、Fc、Fd,j=1,2,3,4,5,6;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
优选的是,所述中间层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
本发明与现有技术相比较所具有的有益效果:
1、检测内容全面:可以完成作业装置全部使用状态参数的检测,可以实现起吊装置、绞盘装置、驻铲装置以及拖绳装置性能检测;
2、采用BP神经网络的运算方法,对工程车辆作业过程做出实时检测,并且将结果输出,运行可靠,操纵简便,能够同时处理多参数、非线性系统的监测问题,能够根据装置工作过程中对作业车辆进行整体全面的实时数据进行有效检测,使用本方法系统工作更稳定,故障率低,具有良好的现实意义。
附图说明
图1为本发明所述的总体流程示意图。
图2为本发明所述基于神经网络的检测方法流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明提供了一种用于工程车辆技术性能检测装置,其主体结构包括:数据监测传感器、数据采集装置200、数据调理装置300以及数据显示装置400;其中,速度传感器111安装于绞盘装置110的转筒处,用于监测绞盘装置110的收放绳速度,第一拉力传感器112安装于绞盘装置110上,用于监测绞盘装置110的收放绳拉力,第二拉力传感器121安装于起吊装置120上,用于监测起吊装置120的起吊拉力,位移传感器131安装于拖绳装置130上,用于监测拖绳装置130的拖绳位移,第三拉力传感器132安装于拖绳装置130上,用于监测拖绳装置130的拖绳拉力,第四拉力传感器141安装于助铲装置140上,用于监测助铲装置140的助铲支反力,数据采集装置200分别与速度传感器111、位移传感器131、第一拉力传感器112、第二拉力传感器121、第三拉力传感器132以及第四拉力传感器141电联,用于接收速度信号、位移信号以及拉力信号,数据调理装置300与数据采集装置200电联,用于将数据进行处理后将数据输出,数据显示装置400与数据调理装置300电联,用于将数据读取后显示结果。
在另一种实施例中,还包括:数据警报装置与数据调理装置300电联,当输出的技术状态是报警时,数据警报装置进行报警。
在另一种实施例中,数据调理装置通300过ZigBee无线通讯将数据输出。
在另一种实施例中,收放绳速度数据、收放绳拉力速度数据、起吊拉力数据、拖绳位移数据、拖绳拉力数据以及助铲支反力数据均通过CAN总线进行传输。
在另一种实施例中,数据调理装置300为单片机。
如图2所示,本发明还提供了一种用于工程车辆技术性能检测方法,采用BP神经网络对工程车辆技术性能进行检测,包括如下步骤:
步骤一S210、建立BP神经网络模型。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示设备工作状态的n个检测信号,这些信号参数由数据预处理模块给出;第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定;第三层为输出层,共p个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:O=(o1,o2,...,op)T
本发明中,输入层节点数为n=6,输出层节点数为p=4。隐藏层节点数m由下式估算得出:
输入信号6个参数分别表示为:x1为收放绳速度系数、x2为收放绳拉力系数、x3为起吊拉力系数、x4为拖绳位移系数、x5为拖绳拉力系数、x6为助铲支反力系数。
由于传感器获取的数据属于不同的物理量,其量纲各不相同。因此,在数据输入人工神经网络之前,需要将数据规格化为0-1之间的数。
归一化的公式为其中,xj为输入层向量中的参数,Xj分别为测量参数V、Fa、Fb、S、Fc、Fd,j=1,2,3,4,5,6;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值,采用S型函数。
具体而言,对于使用速度传感器111测量的收放绳速度V,进行规格化后,得到收放绳速度系数x1:
其中,Vmin和Vmax分别为所述绞盘装置110的最小收放绳速度和最大收放绳速度。
同样的,使用第一拉力传感器112测量的收放绳拉力Fa通过下式进行规格化,得到收放绳拉力系数x2:
其中,Fa min和Fbmax分别为所述绞盘装置110的最小收放绳拉力和最大收放绳拉力。
使用第二拉力传感器121测量得到起吊拉力Fb,进行规格化后,得到起吊拉力系数x3:
其中,Fb min和Fbmax分别为所述起吊装置120的最小起吊拉力和最大起吊拉力。
使用位移传感器131测量得到拖绳装置130的拖绳位移S,进行规格化后,得到拖绳位移系数x4:
其中,Smin和Smax分别为拖绳装置130的最小拖绳位移和最大拖绳位移。
使用第三拉力传感器132测量得到拖绳装置130的拖绳拉力Fc,进行规格化后,得到拖绳拉力系数x5:
其中,Fcmin和Fcmax分别为拖绳装置130的最小拖绳拉力和最大拖绳拉力。
使用第四拉力传感器141测量得到助铲装置140的助铲支反力Fd,进行规格化后,得到助铲支反力系数x6:
其中,Fdmin和Fdmax分别为助铲装置140的最小助铲支反力和最大助铲支反力。
输出层4个参数分别表示为:o1为技术状态好,o2为技术状态一般,o3为技术状态差,o4为技术状态警报,所述输出层神经元值为k为输出层神经元序列号,k={1,2,3,4},i为技术状态值,i={1,2,3,4},当ok为1时,此时工程车辆作业装置整体处于ok对应的技术状态。
步骤二S220、进行BP神经网络的训练。
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值wij,隐层节点j和输出层节点k之间的连接权值wjk,隐层节点j的阈值θj,输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。
在训练过程中,不断修正wij和wjk的值,直至系统误差小于等于期望误差时,完成神经网络的训练过程。
如表1所示,给定了一组训练样本以及训练过程中各节点的值,表2为训练用的输出样本。
表1训练过程各节点值
表2网络训练用的输出样本
步骤三S230、采集绞盘装置110、起吊装置120、拖绳装置130以及助铲装置140的运行参数输入神经网络得到检测技术状态。
使用速度传感器111、第一拉力传感器112、第二拉力传感器121、位移传感器131、第三拉力传感器132以及第四拉力传感器141测量初始收放绳速度V、初始收放绳拉力Fa、初始起吊拉力Fb、初始拖绳位移S、初始拖绳拉力Fc、初始助铲支反力Fd,通过将上述参数规格化后,得到BP神经网络的初始输入向量过BP神经网络的运算得到初始输出向量
通过上述设置,通过传感器实时监测绞盘装置110、起吊装置120、拖绳装置130以及助铲装置140的运行状态,通过BP神经网络算法,对工程车辆作业过程进行整体的实时监测。
在另一种实施例中,中间层及输出层的激励函数均采用采用S型函数fj(x)=1/(1+e-x)。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (9)
1.一种用于工程车辆技术性能检测装置,其特征在于,包括:
速度传感器,其安装于绞盘装置的转筒处,用于监测所述绞盘装置的收放绳速度;
第一拉力传感器,其安装于所述绞盘装置上,用于监测所述绞盘装置的收放绳拉力;
第二拉力传感器,其安装于起吊装置上,用于监测所述起吊装置的起吊拉力;
位移传感器,其安装于拖绳装置上,用于监测所述拖绳装置的拖绳位移;
第三拉力传感器,其安装于所述拖绳装置上,用于监测所述拖绳装置的拖绳拉力;
第四拉力传感器,其安装于助铲装置上,用于监测所述助铲装置的助铲支反力;
数据采集装置,其分别与所述速度传感器、位移传感器、第一拉力传感器、第二拉力传感器、第三拉力传感器以及第四拉力传感器电联,用于接收速度信号、位移信号以及拉力信号;
数据调理装置,其与所述数据采集装置电联,用于将数据进行处理后将数据输出;
数据显示装置,其与所述数据调理装置电联,用于将数据读取后显示结果。
2.如权利要求1所述的用于工程车辆技术性能检测装置,其特征在于,还包括:数据警报装置,其与所述数据调理装置电联。
3.如权利要求1或2所述的用于工程车辆技术性能检测装置,其特征在于,所述数据调理装置通过ZigBee无线通讯将数据输出。
4.如权利要求3所述的用于工程车辆技术性能检测装置,其特征在于,所述数据调理装置为单片机。
5.如权利要求4所述的用于工程车辆技术性能检测装置,其特征在于,所述数据通过CAN总线进行传输。
6.一种用于工程车辆技术性能检测方法,其特征在于,采用BP神经网络对工程车辆技术性能进行检测,包括如下步骤:
步骤一、按照采样周期,通过传感器测量收放绳速度V、收放绳拉力Fa、起吊拉力Fb、拖绳位移S、拖绳拉力Fc、助铲支反力Fd;
步骤二、依次将上述参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4,x5,x6};其中,x1为收放绳速度系数、x2为收放绳拉力系数、x3为起吊拉力系数、x4为拖绳位移系数、x5为拖绳拉力系数、x6为助铲支反力系数;
步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤四、得到输出层向量o={o1,o2,o3,o4};其中,o1为技术状态好,o2为技术状态一般,o3为技术状态差,o4为技术状态警报,所述输出层神经元值为k为输出层神经元序列号,k={1,2,3,4},i为技术状态值,i={1,2,3,4},当ok为1时,此时工程车辆作业装置整体处于ok对应的技术状态。
7.如权利要求6所述的用于工程车辆技术性能检测方法,其特征在于,所述中间层节点个数m满足:其中n为输入层节点个数,p为输出层节点个数。
8.如权利要求7所述的用于工程车辆技术性能检测方法,其特征在于,步骤三中,将收放绳速度V、收放绳拉力Fa、起吊拉力Fb、拖绳位移S、拖绳拉力Fc、助铲支反力Fd进行规格化的公式为:
其中,xj为输入层向量中的参数,Xj分别为测量参数V、Fa、Fb、S、Fc、Fd,j=1,2,3,4,5,6;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
9.如权利要求8所述的用于工程车辆技术性能检测方法,其特征在于,其特征在于,所述中间层及所述输出层的激励函数均采用S型函数fj(x)=1/(1+e-x)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611140582.9A CN106683222A (zh) | 2016-12-12 | 2016-12-12 | 一种用于工程车辆技术性能检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611140582.9A CN106683222A (zh) | 2016-12-12 | 2016-12-12 | 一种用于工程车辆技术性能检测装置及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106683222A true CN106683222A (zh) | 2017-05-17 |
Family
ID=58869316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611140582.9A Pending CN106683222A (zh) | 2016-12-12 | 2016-12-12 | 一种用于工程车辆技术性能检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106683222A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108519187A (zh) * | 2018-05-17 | 2018-09-11 | 吉林大学 | 一种拖拉机液压提升力测量系统和测量方法 |
CN108673816A (zh) * | 2018-05-16 | 2018-10-19 | 合肥海景包装制品有限公司 | Eps颗粒进料装置及其控制方法 |
CN108825146A (zh) * | 2018-07-04 | 2018-11-16 | 中海艾普油气测试(天津)有限公司 | 一种用于深水半潜式平台勘探测试作业井口测试树的安装接头及安装方法 |
CN108859477A (zh) * | 2018-07-05 | 2018-11-23 | 吉林工程技术师范学院 | 一种儿童文学书籍装订机及其控制方法 |
CN112013203A (zh) * | 2020-07-18 | 2020-12-01 | 淮阴工学院 | 一种基于drnn神经网络管网检测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1250745A (zh) * | 1999-06-30 | 2000-04-19 | 西安建筑科技大学 | 塔式起重机运行状态监测安全保护系统及其方法 |
CN2820965Y (zh) * | 2005-09-23 | 2006-09-27 | 天津工程机械研究院 | 推土机监测和故障诊断装置 |
CN102495953A (zh) * | 2011-11-29 | 2012-06-13 | 河北省电力建设调整试验所 | 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法 |
CN203397551U (zh) * | 2013-08-26 | 2014-01-15 | 中国人民解放军装甲兵技术学院 | 工程车辆使用操纵训练模拟装置 |
CN103523684A (zh) * | 2013-10-28 | 2014-01-22 | 中国矿业大学 | 多起重机协作吊装联接装置及检测方法 |
CN103645041A (zh) * | 2013-12-13 | 2014-03-19 | 中联重科股份有限公司渭南分公司 | 一种挖掘机的挖掘性能测试方法及装置 |
CN204096985U (zh) * | 2014-09-02 | 2015-01-14 | 珠海三一港口机械有限公司 | 起重机及其钢丝绳状态监测装置 |
CN105404153A (zh) * | 2015-12-17 | 2016-03-16 | 吉林大学 | 一种基于bp神经网络的绕线机控制方法及绕线机 |
CN105716869A (zh) * | 2016-04-01 | 2016-06-29 | 中国人民解放军装甲兵技术学院 | 一种重型车辆的发动机动力性能监测装置和方法 |
CN206236179U (zh) * | 2016-12-12 | 2017-06-09 | 中国人民解放军装甲兵技术学院 | 一种用于工程车辆技术性能检测装置 |
-
2016
- 2016-12-12 CN CN201611140582.9A patent/CN106683222A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1250745A (zh) * | 1999-06-30 | 2000-04-19 | 西安建筑科技大学 | 塔式起重机运行状态监测安全保护系统及其方法 |
CN2820965Y (zh) * | 2005-09-23 | 2006-09-27 | 天津工程机械研究院 | 推土机监测和故障诊断装置 |
CN102495953A (zh) * | 2011-11-29 | 2012-06-13 | 河北省电力建设调整试验所 | 基于采集到的电能质量数据和环境参数对光伏数据进行分析评估和发电负荷预测的方法 |
CN203397551U (zh) * | 2013-08-26 | 2014-01-15 | 中国人民解放军装甲兵技术学院 | 工程车辆使用操纵训练模拟装置 |
CN103523684A (zh) * | 2013-10-28 | 2014-01-22 | 中国矿业大学 | 多起重机协作吊装联接装置及检测方法 |
CN103645041A (zh) * | 2013-12-13 | 2014-03-19 | 中联重科股份有限公司渭南分公司 | 一种挖掘机的挖掘性能测试方法及装置 |
CN204096985U (zh) * | 2014-09-02 | 2015-01-14 | 珠海三一港口机械有限公司 | 起重机及其钢丝绳状态监测装置 |
CN105404153A (zh) * | 2015-12-17 | 2016-03-16 | 吉林大学 | 一种基于bp神经网络的绕线机控制方法及绕线机 |
CN105716869A (zh) * | 2016-04-01 | 2016-06-29 | 中国人民解放军装甲兵技术学院 | 一种重型车辆的发动机动力性能监测装置和方法 |
CN206236179U (zh) * | 2016-12-12 | 2017-06-09 | 中国人民解放军装甲兵技术学院 | 一种用于工程车辆技术性能检测装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108673816A (zh) * | 2018-05-16 | 2018-10-19 | 合肥海景包装制品有限公司 | Eps颗粒进料装置及其控制方法 |
CN108519187A (zh) * | 2018-05-17 | 2018-09-11 | 吉林大学 | 一种拖拉机液压提升力测量系统和测量方法 |
CN108825146A (zh) * | 2018-07-04 | 2018-11-16 | 中海艾普油气测试(天津)有限公司 | 一种用于深水半潜式平台勘探测试作业井口测试树的安装接头及安装方法 |
CN108859477A (zh) * | 2018-07-05 | 2018-11-23 | 吉林工程技术师范学院 | 一种儿童文学书籍装订机及其控制方法 |
CN112013203A (zh) * | 2020-07-18 | 2020-12-01 | 淮阴工学院 | 一种基于drnn神经网络管网检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683222A (zh) | 一种用于工程车辆技术性能检测装置及检测方法 | |
CN102053016B (zh) | 旋转机械滚动轴承的无线振动监测系统 | |
CN105095963B (zh) | 一种精确诊断与预测风洞设备故障的方法 | |
CN103544389A (zh) | 基于故障树和模糊神经网络的汽车起重机故障诊断方法 | |
CN105716814B (zh) | 一种评估桁架结构损伤的实时监测系统及其方法 | |
CN203497948U (zh) | 一种汽车起重机模糊神经网络故障诊断装置 | |
CN107066759A (zh) | 一种汽轮机转子振动故障诊断方法及装置 | |
CN108051211A (zh) | 一种风电机组主轴承温度预警诊断方法 | |
CN104748960B (zh) | 一种行车横梁在线应力监测与故障诊断系统及方法 | |
CN106006344A (zh) | 扶梯故障在线预警系统及故障诊断方法 | |
CN105424364A (zh) | 列车轴承故障的诊断方法和装置 | |
CN106709567A (zh) | 基于深度学习模型的道岔故障诊断方法 | |
CN109838696A (zh) | 基于卷积神经网络的管道故障诊断方法 | |
CN103678881B (zh) | 一种基于人工免疫与证据理论相结合的复合故障诊断方法 | |
CN111439681B (zh) | 一种基于塔式起重机的不安全作业智能辨识方法及系统 | |
CN104536970B (zh) | 遥信数据设备故障判断与分类系统及方法 | |
CN104318485A (zh) | 一种基于神经网络和模糊逻辑的输电线路故障判别方法 | |
CN108334902A (zh) | 一种基于深度学习的轨道列车设备间烟雾防火监测方法 | |
CN107367647A (zh) | 基于eemd‑som的电网谐波源检测与定位方法 | |
CN108848571A (zh) | 一种基于mems传感器的轨道交通安全监测系统及监测方法 | |
CN106446339A (zh) | 基于狄利克雷混合模型的转动机械运行状态异常检测方法 | |
CN106919164A (zh) | 基于堆栈自动编码器的水利机组故障分析方法 | |
CN106081958A (zh) | 一种塔式起重机在线监测系统 | |
CN104598970B (zh) | 一种爬架组的工作状态检测方法 | |
CN109886439A (zh) | 电控车辆远程诊断系统及其诊断方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170517 |
|
RJ01 | Rejection of invention patent application after publication |