CN107831711A - 基于聚类的推土机动力总成故障诊断系统构建方法和装置 - Google Patents
基于聚类的推土机动力总成故障诊断系统构建方法和装置 Download PDFInfo
- Publication number
- CN107831711A CN107831711A CN201711020692.6A CN201711020692A CN107831711A CN 107831711 A CN107831711 A CN 107831711A CN 201711020692 A CN201711020692 A CN 201711020692A CN 107831711 A CN107831711 A CN 107831711A
- Authority
- CN
- China
- Prior art keywords
- cluster
- bull
- fault diagnosis
- power assembly
- diagnosis system
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Operation Control Of Excavators (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于聚类的推土机动力总成故障诊断系统构建方法和装置,所述方法包括以下步骤:获取发动机参数的历史数据;基于所述历史数据进行聚类分析,得到k个聚类簇团;对于每个聚类簇团,获取簇团内部各参数的数据分布模型;基于所述各参数的分布模型构建推土机动力总成故障诊断系统。本发明的推土机动力总成故障诊断系统能够针对推土机动力总成的故障情况进行有效准确的判断。
Description
技术领域
本发明属于推土机动力状态监测领域,尤其涉及一种基于聚类的推土机动力总成故障诊断系统构建方法和装置。
背景技术
推土机动力总成由于运行工况恶劣、结构的封闭性、复杂性,在运行过程中会出现各种各样的故障。传统的诊断方法是通过人工经验判断或仪器检测各种参数来判断,但在使用这些方法评价推土机动力总成的技术状况时,存在以下技术问题:(1)进行人工经验判断需要检测人员具备较强的专业能力,而仪器检测得出的各种参数还需进行进一步判断,无法直接得出是否故障的结论;(2)推土机动力总成长期处在正常与优化状态下,异常情况较少且工作人员会及时回调使之恢复正常,因此,在动力总成参数的历史数据库中,正常运行的数据非常密集,而异常运行的参数数据非常稀疏,采用神经元网络、SVM对整体设备运行状况进行二值分类(正常或异常)因为数据分布不平衡而会出现问题。
如何提高推土机动力总成故障诊断的效率和准确率,是本领域技术人员目前需要迫切解决的技术问题。
发明内容
为克服上述现有技术的不足,本发明提供了一种基于聚类的推土机动力总成故障诊断系统的构建方法和装置,此故障诊断系统基于k-mean聚类分析,由多个动力总成的运行参数训练而成,能够根据实时监控得到的动力总成参数,判断推土机动力总成运行状况是否良好的报警功能。
为实现上述目的,本发明采用如下技术方案:
一种推土机动力总成故障诊断系统构建方法,包括以下步骤:
获取发动机参数的历史数据;
基于所述历史数据进行聚类分析,得到k个聚类簇团;
对于每个聚类簇团,获取簇团内部各参数的数据分布模型;
基于所述各参数的分布模型构建推土机动力总成故障诊断系统。
进一步地,所述发动机参数包括:发动机转速、发动机扭矩、发动机机油压力、发动机机油温度、发动机机油液位、发动机冷却水温度、发动机冷却水水位、液压系统的油箱温度、主泵温度、先导泵温度、主泵压力、先导泵压力、液压油滤清器进油管油压和滤清器入口油压以及左右两侧液压提升油缸应力。
进一步地,所述聚类簇团包括切土、运土、卸土、返回和怠速五个工况。
进一步地,所述数据分布模型为韦伯分布。
进一步地,所述故障诊断模型中,基于所述各参数的分布模型确定推土机动力总成运行状态阈值。
进一步地,将各参数分布模型中累计密度5%和95%对应的参数值作为运行状态阈值。
根据本发明的第二目的,本发明还提供了基于所述故障诊断模型的推土机动力总成故障诊断方法,将实时采集的数据作为输入数据,对当前推土机运行状态进行判断。
根据本发明的第三目的,本发明还提供了一种推土机动力总成故障诊断系统构建装置,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所述故障诊断模型的构建。
根据本发明的第四目的,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现所述故障诊断模型的构建。
本发明的有益效果
1、通过本发明的推土机动力总成故障诊断系统,能够自动根据实时获取的推土机动力总成参数进行故障诊断,有效提高了故障诊断的效率,并且在没有专业人士的情况下也能够快速得出故障诊断的结论。
2、本发明实现了针对不平衡设备参数进行故障与非故障的分类,相对于传统的神经元网络、SVM等分类方法,对于推土机动力总成的运行状态能够更准确地进行判断,从而进行故障预警。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为推土机动力总成故障诊断系统构建方法流程图;
图2为推土机故障诊断预警实现方法流程图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种基于聚类分析的推土机动力总成故障诊断系统和故障诊断方法。
(1)数据采集
推土机动力总成系统包括发动机、液压驱动系统等零部件。
通过发动机CAN总线实时读取发动机数据:发动机转速、发动机扭矩、发动机机油压力、发动机机油温度、发动机机油液位、发动机冷却水温度、发动机冷却水水位、液压系统的油箱温度、主泵温度、先导泵温度、主泵压力、先导泵压力、液压油滤清器进油管油压和滤清器入口油压以及左右两侧液压提升油缸应力。
其他参数采用热电偶传感器、压力传感器、速度传感器采集,通过数据采集卡将采集的参数传输到工控机,存到数据库中。
通过数据采集卡将采集的参数传输到工控机,存入历史数据库,用于推土机动力总成故障诊断系统的构建。
(2)推土机动力总成故障诊断系统构建
获取历史数据库中的数据进行清洗。
对清洗后的数据进行归一化。鉴于参数的量纲不同,数量级之间相差很大,首先进行均一化处理,使其标准化,采用的公式为:
其中,xj为某采集的设备参数,aj为此参数的最小值,bj为最大值。
基于历史数据库中的数据进行聚类分析,得到k个聚类簇团。具体地,聚类中心的个数即k为5,包括切土、运土、卸土、返回和怠速五个工况,把历年的历史数据聚类成5个簇团。
采用直观分析和概率图法分析聚类簇团内部的数据分布规律,获取每个聚类簇团内部各参数的分布模型;本实施例采用韦伯分布的概率模型来表达各参数的分布,实验证明,所述数据分布规律为韦伯分布,只是韦伯分布的参数不同,其公式为:
其中:α在1.4-1.8之间,β在5-12之间,x为对应的参数,f(x)为概率密度函数。
基于所述各参数的分布模型构建故障诊断系统;具体地,对于每个簇团,基于所述分布规律确定运行状态阈值,优选地,分别截取在5%和95%累积密度函数对应的x值,标记为x5和x95,把小于x5和大于x95参数视为非正常运行状态阈值。
(3)推土机运行状态进行判断
通过发动机CAN总线实时读取发动机数据;具体参数参见“(1)数据采集”部分。
基于所述故障诊断模型,将实时采集的数据作为输入数据,对当前推土机运行状态进行判断。具体判断过程为:首先根据实时采集的数据判断属于哪类聚类簇团(即哪种工况),然后判断是否超过运行状态阈值,若超过,则进行故障预警。
本实施例采用labview软件编写人机交互界面,供故障诊断专家系统分析。
实施例二
本实施例的目的是提供一种计算装置。
一种基于聚类的推土机动力总成故障诊断系统构建装置,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以下步骤,包括:
获取发动机参数的历史数据;
基于所述历史数据进行聚类分析,得到k个聚类簇团;
对于每个聚类簇团,获取簇团内部各参数的数据分布模型;
基于所述各参数的分布模型构建推土机动力总成故障诊断系统。
实施例三
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行以下步骤:
获取发动机参数的历史数据;
基于所述历史数据进行聚类分析,得到k个聚类簇团;
对于每个聚类簇团,获取簇团内部各参数的数据分布模型;
基于所述各参数的分布模型构建推土机动力总成故障诊断系统。
以上实施例二和三的装置中涉及的各步骤与方法实施例一相对应,具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质;还应当被理解为包括任何介质,所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本发明的推土机动力总成故障诊断系统,能够自动根据实时获取的推土机动力总成参数进行故障诊断,有效提高了故障诊断的效率,并且相对于传统的神经元网络、SVM等分类方法,对于推土机动力总成的运行状态能够更准确地进行判断,从而进行故障预警。
本领域技术人员应该明白,上述本发明的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种基于聚类的推土机动力总成故障诊断系统构建方法,其特征在于,包括以下步骤:
获取发动机参数的历史数据;
基于所述历史数据进行聚类分析,得到k个聚类簇团;
对于每个聚类簇团,获取簇团内部各参数的数据分布模型;
基于所述各参数的分布模型构建推土机动力总成故障诊断系统。
2.如权利要求1所述推土机动力总成故障诊断系统构建方法,其特征在于,所述发动机参数包括:发动机转速、发动机扭矩、发动机机油压力、发动机机油温度、发动机机油液位、发动机冷却水温度、发动机冷却水水位、液压系统的油箱温度、主泵温度、先导泵温度、主泵压力、先导泵压力、液压油滤清器进油管油压和滤清器入口油压以及左右两侧液压提升油缸应力。
3.如权利要求1所述推土机动力总成故障诊断系统构建方法,其特征在于,所述聚类簇团包括切土、运土、卸土、返回和怠速五个工况。
4.如权利要求1所述推土机动力总成故障诊断系统构建方法,其特征在于,所述数据分布模型为韦伯分布。
5.如权利要求1所述推土机动力总成故障诊断系统构建方法,其特征在于,所述故障诊断模型中,基于所述各参数的分布模型确定推土机动力总成运行状态阈值。
6.如权利要求5所述推土机动力总成故障诊断系统构建方法,其特征在于,将各参数分布模型中累计密度5%和95%对应的参数值作为运行状态阈值。
7.一种基于权利要求1-6任一项所述故障诊断模型的推土机动力总成故障诊断方法,其特征在于,将实时采集的数据作为输入数据,对当前推土机运行状态进行判断。
8.一种基于聚类的推土机动力总成故障诊断系统构建装置,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,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一项所述故障诊断模型的构建。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一项所述故障诊断模型的构建。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711020692.6A CN107831711B (zh) | 2017-10-27 | 2017-10-27 | 基于聚类的推土机动力总成故障诊断系统构建方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711020692.6A CN107831711B (zh) | 2017-10-27 | 2017-10-27 | 基于聚类的推土机动力总成故障诊断系统构建方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107831711A true CN107831711A (zh) | 2018-03-23 |
CN107831711B CN107831711B (zh) | 2019-10-15 |
Family
ID=61650739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711020692.6A Active CN107831711B (zh) | 2017-10-27 | 2017-10-27 | 基于聚类的推土机动力总成故障诊断系统构建方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107831711B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349293A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市智物联网络有限公司 | 发动机异常停机检测方法、系统、装置及存储介质 |
CN110806743A (zh) * | 2019-12-05 | 2020-02-18 | 成都天玙兴科技有限公司 | 基于人工智能的设备故障检测与预警系统及方法 |
CN111252166A (zh) * | 2020-01-20 | 2020-06-09 | 山东大学 | 一种基于K-means聚类算法的推土机操纵总成装配工艺控制方法及装置 |
CN111259554A (zh) * | 2020-01-20 | 2020-06-09 | 山东大学 | 一种基于大数据分析的推土机变矩变速装置装配工艺检测分析系统及方法 |
CN113343487A (zh) * | 2021-06-29 | 2021-09-03 | 山推工程机械股份有限公司 | 基于大数据分析的电动推土机用电池试验方案的生成方法 |
CN114076680A (zh) * | 2020-08-17 | 2022-02-22 | 北京福田康明斯发动机有限公司 | 发动机装配检测方法、系统、存储介质以及电子设备 |
CN115186735A (zh) * | 2022-06-20 | 2022-10-14 | 成都飞机工业(集团)有限责任公司 | 一种数据阈值挖掘方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100115965A (ko) * | 2009-04-21 | 2010-10-29 | 현대자동차주식회사 | 차량용 자기진단 제어 시스템 |
CN104809328A (zh) * | 2014-10-09 | 2015-07-29 | 许继电气股份有限公司 | 一种基于信息瓶颈的变压器故障诊断方法 |
CN106936627A (zh) * | 2016-09-28 | 2017-07-07 | 清华大学 | 一种基于大数据分析挖掘的火电设备性能监测方法 |
-
2017
- 2017-10-27 CN CN201711020692.6A patent/CN107831711B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100115965A (ko) * | 2009-04-21 | 2010-10-29 | 현대자동차주식회사 | 차량용 자기진단 제어 시스템 |
CN104809328A (zh) * | 2014-10-09 | 2015-07-29 | 许继电气股份有限公司 | 一种基于信息瓶颈的变压器故障诊断方法 |
CN106936627A (zh) * | 2016-09-28 | 2017-07-07 | 清华大学 | 一种基于大数据分析挖掘的火电设备性能监测方法 |
Non-Patent Citations (1)
Title |
---|
文畅平: "基于均值属性测度聚类分析的推土机故障诊断", 《筑路机械与施工机械化》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110349293A (zh) * | 2019-07-16 | 2019-10-18 | 深圳市智物联网络有限公司 | 发动机异常停机检测方法、系统、装置及存储介质 |
CN110806743A (zh) * | 2019-12-05 | 2020-02-18 | 成都天玙兴科技有限公司 | 基于人工智能的设备故障检测与预警系统及方法 |
CN111252166A (zh) * | 2020-01-20 | 2020-06-09 | 山东大学 | 一种基于K-means聚类算法的推土机操纵总成装配工艺控制方法及装置 |
CN111259554A (zh) * | 2020-01-20 | 2020-06-09 | 山东大学 | 一种基于大数据分析的推土机变矩变速装置装配工艺检测分析系统及方法 |
CN114076680A (zh) * | 2020-08-17 | 2022-02-22 | 北京福田康明斯发动机有限公司 | 发动机装配检测方法、系统、存储介质以及电子设备 |
CN113343487A (zh) * | 2021-06-29 | 2021-09-03 | 山推工程机械股份有限公司 | 基于大数据分析的电动推土机用电池试验方案的生成方法 |
CN113343487B (zh) * | 2021-06-29 | 2023-08-22 | 山推工程机械股份有限公司 | 基于大数据分析的电动推土机用电池试验方案的生成方法 |
CN115186735A (zh) * | 2022-06-20 | 2022-10-14 | 成都飞机工业(集团)有限责任公司 | 一种数据阈值挖掘方法、装置、设备及介质 |
CN115186735B (zh) * | 2022-06-20 | 2024-02-23 | 成都飞机工业(集团)有限责任公司 | 一种数据阈值挖掘方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107831711B (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107831711A (zh) | 基于聚类的推土机动力总成故障诊断系统构建方法和装置 | |
CN108376298A (zh) | 一种风电机组发电机温度故障预警诊断方法 | |
CN107797537A (zh) | 一种应用于自动化生产线的故障预测与健康管理方法 | |
CN102175282B (zh) | 一种基于信息融合的离心式空气压缩机故障诊断方法 | |
CN109992916A (zh) | 一种基于飞参数据的机务外场飞机发动机故障预测方法,终端及可读存储介质 | |
CN110414383A (zh) | 基于Wasserstein距离的卷积神经网络对抗迁移学习方法及其应用 | |
CN109815441B (zh) | 一种采用贝叶斯网络模型诊断及预测发动机故障的方法 | |
EP1958034B1 (en) | Use of sequential clustering for instance selection in machine condition monitoring | |
EP2492829A1 (en) | Method of determining the influence of a variable in a phenomenon | |
CN108509995A (zh) | 基于中文文本分析和obd数据处理的汽车故障诊断方法 | |
CN112270312A (zh) | 风机轴承故障诊断方法、系统、计算机设备和存储介质 | |
CN106706314A (zh) | 基于虚拟仪器的汽车自动变速器故障诊断仪及诊断方法 | |
CN114662712A (zh) | 基于Wasserstein深度数字孪生模型的旋转机械状态监测方法 | |
CN115392782A (zh) | 一种核电厂工艺系统健康状态监测和诊断方法及系统 | |
CN113395182B (zh) | 具有故障预测的智能网络设备管理系统及方法 | |
KR102457752B1 (ko) | 선박 기관실의 실시간 이상 감지 및 고장 진단 방법 및 시스템 | |
CN206488924U (zh) | 基于虚拟仪器的汽车自动变速器故障诊断仪 | |
CN107083951B (zh) | 油气井监测方法和装置 | |
CN110657031B (zh) | 飞机发动机喘振识别方法 | |
CN112733880B (zh) | 一种航空发动机故障诊断方法、系统及电子设备 | |
Li et al. | Fault diagnosis of rotating machinery based on SVD, FCM and RST | |
CN107727392A (zh) | 基于信号检测和roc分析的状态指数评估和优化方法 | |
CN107943002B (zh) | 环卫设备故障诊断方法及系统 | |
Li et al. | A symbolic reasoning based anomaly detection for gas turbine subsystems | |
CN117407784B (zh) | 面向传感器数据异常的旋转机械智能故障诊断方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |