CN107943002B - 环卫设备故障诊断方法及系统 - Google Patents
环卫设备故障诊断方法及系统 Download PDFInfo
- Publication number
- CN107943002B CN107943002B CN201711211715.1A CN201711211715A CN107943002B CN 107943002 B CN107943002 B CN 107943002B CN 201711211715 A CN201711211715 A CN 201711211715A CN 107943002 B CN107943002 B CN 107943002B
- Authority
- CN
- China
- Prior art keywords
- real
- result
- time data
- data collection
- sensor
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003745 diagnosis Methods 0.000 title claims description 15
- 238000013480 data collection Methods 0.000 claims abstract description 60
- 238000004171 remote diagnosis Methods 0.000 claims description 36
- 239000000428 dust Substances 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010926 purge Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000002828 fuel tank Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种环卫设备故障诊断方法及装置，其中方法包括：通过设置在环卫设备上的传感器获取实时采集数据；根据第一预设模型对获取到的所述实时采集数据进行分析，以获得第一诊断结果。上述方法及装置通过设置在环卫设备上的传感器获取实时采集数据，然后通过第一预设模型来对实时采集数据进行计算和分析，以获得第一诊断结果，从而完成环卫设备自动诊断任务，进一步，可将第一诊断结果输出给用户，以告知用户该环卫设备各组件当前的状态，便于用户及时有效的发现故障或隐藏故障，减少事故发生。
Description
技术领域
本发明涉及车辆故障诊断技术领域，尤其涉及一种环卫设备故障诊断方法及系统。
背景技术
城市环卫设备在各个环节的合理配置、协调配合可获得较好的环境、社会和经济效益，否则会造成巨大的资源浪费和环境污染。环卫设施设备在使用时，如果出现故障不能及时发现，会影响环卫设施设备的正常使用，并会对周围环境造成影响。因此，需要在环卫设施设备的使用过程中，实时地环卫设施设备进行故障监测并诊断。
目前，环卫设备在使用过程中若出现故障，基本都是通过操作员或者维修人员主动检测得知，在使用过程中若未能及时发现故障，有可能会导致更进一步的损坏发生，因此，环卫设备的自动诊断需求尤为重要。
发明内容
本发明提供一种环卫设备故障诊断方法及系统，用以解决现有技术缺乏对环卫设备进行自动故障诊断的技术问题。
为解决上述技术问题，本发明一方面提供一种环卫设备故障诊断方法，包括：
步骤101，通过设置在环卫设备上的传感器获取实时采集数据；
步骤102，根据第一预设模型对获取到的所述实时采集数据进行分析，以获得第一诊断结果。
进一步的，步骤102之后还包括：
步骤103，将所述第一诊断结果与第一参照结果进行比较，以获得第一比较结果；
步骤104，若第一比较结果为所述第一诊断结果与所述第一参照结果相同，则将所述实时采集数据和所述第一诊断结果存储至第一数据库；所述第一数据库用于为所述第一预设模型提供建模数据。
进一步的，步骤103之后还包括：
将所述实时采集数据和所述第一比较结果发送给远程诊断平台；
接收所述远程诊断平台发送的待调整参数及其参数值，并根据待调整参数及其参数值对所述第一预设模型进行相应调整，其中，所述远程诊断平台根据第二预设模型对接收到的所述实时采集数据进行分析，以获得第二诊断结果，然后将所述第二诊断结果与第二参照结果进行比较，以获得第二比较结果，再判断第一比较结果与第二比较结果是否相同，若不相同，则所述远程诊断平台反馈待调整参数及其参数值，所述第二预设模型以第二数据库中存储的数据为依据进行建模，所述第二数据库包括远程诊断平台接收到的所有实时采集数据。
进一步的，所述传感器包括用于采集发动机转速的转速子传感器、用于采集风机负压的吸尘负压子传感器和用于采集吸嘴离地高度的离地高度子传感器。
进一步的，所述实时采集数据包括转速数据，负压压力数据和离地高度数据。
本发明另一方面提供一种环卫设备故障诊断装置，包括：
实时采集数据模块，用于通过设置在环卫设备上的传感器获取实时采集数据；
第一诊断结果获取模块，用于根据第一预设模型对获取到的所述实时采集数据进行分析，以获得第一诊断结果。
进一步的，上述装置还包括：
第一比较模块，用于将所述第一诊断结果与第一参照结果进行比较，以获得第一比较结果；
第一判断模块，用于若第一比较结果为所述第一诊断结果与所述第一参照结果相同，则将所述实时采集数据和所述第一诊断结果存储至第一数据库；所述第一数据库用于为所述第一预设模型提供建模数据。
进一步的，上述装置还包括：
发送模块，用于将所述实时采集数据和所述第一比较结果发送给远程诊断平台；
接收模块，用于接收所述远程诊断平台发送的待调整参数及其参数值，其中，所述远程诊断平台根据第二预设模型对接收到的所述实时采集数据进行分析，以获得第二诊断结果，然后将所述第二诊断结果与第二参照结果进行比较，以获得第二比较结果，再判断第一比较结果与第二比较结果是否相同，若不相同，则所述远程诊断平台反馈待调整参数及其参数值，所述第二预设模型以第二数据库中存储的数据为依据进行建模，所述第二数据库包括远程诊断平台接收到的所有实时采集数据；
调整模块，用于根据待调整参数及其参数值对所述第一预设模型进行相应调整。
进一步的，所述传感器包括用于采集发动机转速的转速子传感器、用于采集风机负压的吸尘负压子传感器和用于采集吸嘴离地高度的离地高度子传感器。
进一步的，所述实时采集数据包括转速数据，负压压力数据和离地高度数据。
本发明提供的环卫设备故障诊断方法及装置，通过设置在环卫设备上的传感器获取实时采集数据，然后通过第一预设模型来对实时采集数据进行计算和分析，以获得第一诊断结果，从而完成环卫设备自动诊断任务，进一步，将第一诊断结果输出给用户，以告知用户该环卫设备各组件当前的状态，便于用户及时有效的发现故障或隐藏故障，减少事故发生。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1为本发明实施例提供的环卫设备故障诊断方法的一流程示意图；
图2为本发明实施例提供的环卫设备故障诊断方法的另一流程示意图；
图3为本发明实施例提供的环卫设备故障诊断装置的一结构示意图；
图4为本发明实施例提供的环卫设备故障诊断装置的另一结构示意图。
在附图中，相同的部件使用相同的附图标记。附图并未按照实际的比例绘制。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
实施例一
图1为本发明实施例提供的环卫设备故障诊断方法的一流程示意图，如图1所示，本实施例提供一种环卫设备故障诊断方法，包括步骤101-步骤102。在本实施例中，执行主体为本地诊断装置，本地诊断装置设置在环卫设备上，用于对环卫设备的各组件的工作状态进行诊断。
其中，步骤101，通过设置在环卫设备上的传感器获取实时采集数据。
具体的，在环卫设备需要进行检测的组件处设置有各种传感器，以采集相应组件的实时数据，便于后续做进一步的分析。进一步的，传感器包括用于采集发动机转速的转速子传感器、用于采集风机负压的吸尘负压子传感器和用于采集吸嘴离地高度的离地高度子传感器，相应的，实时采集数据包括转速数据，负压压力数据和离地高度数据。
另外，传感器还包括用于采集底盘数据的OBD传感器、用于采集水路系统压力的水路压力传感器、用于采集油箱剩余油量的油量传感器、用于采集液压油温度或水温的温度传感器等等。实时采集数据即传感器采集的实时数据。
步骤102，根据第一预设模型对获取到的实时采集数据进行分析，以获得第一诊断结果。
第一预设模型即预先设置的一种计算方法，第一预设模型的计算方法可从现有技术的计算方法中进行选择，在此不做限定，但是，无论对于选择的何种计算方法，第一预设模型均需要包含预设参数和参数预设值。将获取到的实时采集数据利用第一预设模型进行计算分析，从而获得第一诊断结果，以完成环卫设备自动诊断工作。第一诊断结果用于输出给用户，以告知用户该环卫设备各组件当前的状态，便于用户做进一步处理。
本实施例提供的环卫设备故障诊断方法，通过设置在环卫设备上的传感器获取实时采集数据，然后通过第一预设模型来对实时采集数据进行计算和分析，以获得第一诊断结果，从而完成环卫设备自动诊断任务，进一步，将第一诊断结果输出给用户，以告知用户该环卫设备各组件当前的状态，便于用户及时有效的发现故障或隐藏故障，减少事故发生。
在本发明另一个具体实施例中，在步骤102之后还包括步骤103-步骤104。
其中，步骤103，将第一诊断结果与第一参照结果进行比较，以获得第一比较结果。
第一参照结果即用于做对比的结果，可视为实际结果。第一参照结果的获取有多种方式，例如通过人工获取的方式或者通过机器辅助获取的方式，在此不做限定。若通过人工获取的方式，则需要对第一诊断结果诊断的环卫设备中的相应组件进行检查，以人工判断的方式确定相应组件的第一参照结果。第一参照结果设置的目的是为了检验第一诊断结果的正确性，若第一诊断结果与第一参照结果不同，那么可认为第一诊断结果的诊断不正确，需要重新分析；若第一诊断结果与第一参照结果相同，那么可认为第一诊断结果的诊断正确。
步骤104，若第一比较结果为第一诊断结果与第一参照结果相同，则将实时采集数据和第一诊断结果存储至第一数据库；第一数据库用于为第一预设模型提供建模数据。
当第一诊断结果与第一参照结果相同时，说明第一诊断结果是正确的，此时，将相应的实时采集数据和第一诊断结果存储在第一数据库中，以为第一预设模型提供建模数据，保障第一预设模型建模的正确性，从而使得对实时采集数据通过第一预设模型进行分析而获得的第一诊断结果，符合实际情况的概率更高。第一数据库位于本地诊断装置中。
在本发明又一个具体实施例中，在步骤103之后还包括步骤105-步骤106，其中步骤105-步骤106与步骤104之间并无先后顺序。
其中，步骤105，将实时采集数据和第一比较结果发送给远程诊断平台。
远程诊断平台未设置在环卫设备上，一般设置在监控室。由于本地诊断装置需要达到诊断的及时响应，因此，本地诊断装置上不会设置有复杂的运算过程，也不会存储过多的数据，但是，本地诊断装置上的这种相对简单的运算和少量运算数据会在一定程度上影响第一诊断结果的正确率，为了进一步提高第一诊断结果的诊断正确率，在本实施例中，需将实时采集数据发送给远程诊断平台进行进一步的判断。远程诊断平台运算高效且存储数据量大，可进行矩阵等复杂度更高的运算，使得运算结果精度更高。
步骤106，接收远程诊断平台发送的待调整参数及其参数值，并根据待调整参数及其参数值对第一预设模型进行相应调整。
在本步骤中，本地诊断装置接受远程诊断平台发送的待调整参数及其参数值，此处的待调整参数及其参数值由远程诊断平台经过一系列运算获得，具体包括：远程诊断平台根据第二预设模型对接收到的实时采集数据进行分析，以获得第二诊断结果。第二预设模型可从现有技术中的计算方法中进行选择，在此不做限定，第二预设模型所使用到的数据为第二数据库中存储的数据，第二数据库包括一台或多台本地诊断装置向远程诊断平台发送的所有实时采集数据(包括历史发送的实时采集数据)；然后将第二诊断结果与第二参照结果进行比较，以获得第二比较结果；第二参照结果即用于做对比的结果，可视为实际结果。第二参照结果可通过第三预设模型进行计算获得，第三预设模型建模所采用的数据为一个或多个本地诊断装置中获取第一参照结果时所使用的数据；第二比较结果获取之后，再判断第一比较结果与第二比较结果是否相同，由于第二比较结果所采用的数据更多，使用的运算更复杂，因此，认为第二比较结果更加接近实际情况，如果第一比较结果与第二比较结果不相同，那么可认为第一比较结果出现误差，需要对计算获取第一比较结果的本地诊断装置上的第一预设模型进行调整，具体需要调整第一预设模型的预设参数和参数预设值，即远程诊断平台向本地诊断装置反馈待调整参数及其参数值，预设参数包括待调整参数。本地诊断装置根据接收的远程诊断平台发送的待调整参数及其参数值对其第一预设模型进行调整，以不断调整第一预设模型的诊断精度，提高第一预设模型诊断正确率。
以下以环卫设备的吸尘系统为例进行具体实施例的详细说明。
在环卫设备的副发动机上设置转速子传感器，在风机输出处设置吸尘负压子传感器，在吸嘴处设置离地高度子传感器，以分别采集转速数据，负压压力数据和离地高度数据，本地诊断系统首先对这些数据进行预分析，判断这些数据中是否有非法数据，所述非法数据即传感器在故障情况下采集到的数据。若有非法数据，则需要先将这些数据剔除，对非法数据的判断和处理方式较多，在此不做讨论。在本发明所有实施例中，实时采集数据应是传感器在正常工作下采集到的数据。
环卫设备上的本地诊断装置获取到实时采集数据(包括转速数据，负压压力数据和离地高度数据)之后，通过第一预设模型进行分析，此处的第一预设模型即为由转速、负压压力和离地高度这三个预设参数组成的关系模型，第一预设模型建模的数据来源为第一数据库中的转速数据子库、负压压力数据子库和吸嘴离地高度数据子库，转速数据子库、负压压力数据子库和吸嘴离地高度数据子库分别用于存储转速数据，负压压力数据和离地高度数据。
第一预设模型对实时采集数据进行分析，从而获得负压效果，也即第一诊断结果，负压效果包括吸尘效果良好、吸尘效果一般和吸尘效果差三种。为了对第一诊断结果的正确与否进行判断，环卫设备上设置有视觉识别清扫系统，该视觉识别清扫系统用于对环卫设备的清扫结果进行自动识别和判断，实现方式可采用现有技术中的方法来做，在此不做限定。以视觉识别清扫系统获得的判断结果为第一参照结果与第一诊断结果做比较，若两者相同，则说明第一诊断结果是正确的，进一步的，若两者相同，还说明先前获取的实时采集数据具有参考意义，可存储至第一数据库中参与第一预设模型的建模。
另外，本地诊断装置将实时采集数据和第一比较结果发送给远程诊断平台，远程诊断平台所使用的第二数据库包括所有本地诊断装置发送的所有实时采集数据，远程诊断平台可采用大数据人工智能的方法对实时采集数据做更加精准的分析，即在远程诊断平台上采用更多数据，利用更加复杂的计算方式对接收到的实时采集数据进行分析，以获得第二比较结果，若第一比较结果与第二比较结果相同，说明本地诊断装置的第一预设模型是可行的，否则，需要对第一预设模型的一个或多个预设参数及其参数预设值进行调整，以优化第一预设模型的诊断正确率。
上述实施例中的环卫设备故障诊断方法，不仅可以准确判断环卫设备的历史工作状况、当前设备状况，并且进行数据累计后，还可对该环卫设备未来健康状态进行预判，提前告知设备的易损件磨损、故障隐患点、亚健康状态等信息。
实施例二
本实施例为装置实施例，可用于执行上述实施例中的方法。
图3为本发明实施例提供的环卫设备故障诊断装置的一结构示意图，如图3所示，本实施例提供一种环卫设备故障诊断装置，包括实时采集数据模块201和第一诊断结果获取模块202。
其中，实时采集数据模块201，用于通过设置在环卫设备上的传感器获取实时采集数据。传感器包括用于采集发动机转速的转速子传感器、用于采集风机负压的吸尘负压子传感器和用于采集吸嘴离地高度的离地高度子传感器。相应的，实时采集数据包括转速数据，负压压力数据和离地高度数据。
第一诊断结果获取模块202，用于根据第一预设模型对获取到的实时采集数据进行分析，以获得第一诊断结果。
进一步的，上述环卫设备故障诊断装置还包括第一比较模块203和第一判断模块204。
其中，第一比较模块203，用于将第一诊断结果与第一参照结果进行比较，以获得第一比较结果。
第一判断模块204，用于若第一比较结果为第一诊断结果与第一参照结果相同，则将实时采集数据和第一诊断结果存储至第一数据库；第一数据库用于为第一预设模型提供建模数据。
进一步的，上述环卫设备故障诊断装置还包括发送模块205、接收模块206和调整模块207。
其中，发送模块205，用于将实时采集数据和第一比较结果发送给远程诊断平台。
接收模块206，用于接收远程诊断平台发送的待调整参数及其参数值，其中，远程诊断平台根据第二预设模型对接收到的实时采集数据进行分析，以获得第二诊断结果，然后将第二诊断结果与第二参照结果进行比较，以获得第二比较结果，判断第一比较结果与第二比较结果是否相同，若不相同，则远程诊断平台反馈待调整参数及其参数值。
调整模块207，用于根据待调整参数及其参数值对所述第一预设模型进行相应调整。
由于本实施例是与实施例一对应的装置实施例，具体可详见实施例一中的记载，在此不再赘述。
应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构、处理步骤或材料，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
此外，所描述的特征、结构或特性可以任何其他合适的方式结合到一个或多个实施例中。在上面的描述中，提供一些具体的细节，例如材料等，以提供对本发明的实施例的全面理解。然而，相关领域的技术人员将明白，本发明无需上述一个或多个具体的细节便可实现，或者也可采用其它方法、组件、材料等实现。在其它示例中，周知的结构、材料或操作并未详细示出或描述以免模糊本发明的各个方面。
虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。
Claims (6)
1.一种环卫设备故障诊断方法，其特征在于，包括：
步骤101，通过设置在环卫设备上的传感器获取实时采集数据；
步骤102，根据第一预设模型对获取到的所述实时采集数据进行分析，以获得第一诊断结果；
步骤103，将所述第一诊断结果与第一参照结果进行比较，以获得第一比较结果；
将所述实时采集数据和所述第一比较结果发送给远程诊断平台；
接收所述远程诊断平台发送的待调整参数及其参数值，并根据待调整参数及其参数值对所述第一预设模型进行相应调整，其中，所述远程诊断平台根据第二预设模型对接收到的所述实时采集数据进行分析，以获得第二诊断结果，然后将所述第二诊断结果与第二参照结果进行比较，以获得第二比较结果，再判断第一比较结果与第二比较结果是否相同，若不相同，则所述远程诊断平台反馈待调整参数及其参数值，所述第二预设模型以第二数据库中存储的数据为依据进行建模，所述第二数据库包括远程诊断平台接收到的所有实时采集数据；
步骤104，若第一比较结果为所述第一诊断结果与所述第一参照结果相同，则将所述实时采集数据和所述第一诊断结果存储至第一数据库；所述第一数据库用于为所述第一预设模型提供建模数据。
2.根据权利要求1所述的方法，其特征在于，所述传感器包括用于采集发动机转速的转速子传感器、用于采集风机负压的吸尘负压子传感器和用于采集吸嘴离地高度的离地高度子传感器。
3.根据权利要求2所述的方法，其特征在于，所述实时采集数据包括转速数据，负压压力数据和离地高度数据。
4.一种环卫设备故障诊断装置，其特征在于，包括：
实时采集数据模块，用于通过设置在环卫设备上的传感器获取实时采集数据；
第一诊断结果获取模块，用于根据第一预设模型对获取到的所述实时采集数据进行分析，以获得第一诊断结果；
第一比较模块，用于将所述第一诊断结果与第一参照结果进行比较，以获得第一比较结果；
发送模块，用于将所述实时采集数据和所述第一比较结果发送给远程诊断平台；
接收模块，用于接收所述远程诊断平台发送的待调整参数及其参数值，其中，所述远程诊断平台根据第二预设模型对接收到的所述实时采集数据进行分析，以获得第二诊断结果，然后将所述第二诊断结果与第二参照结果进行比较，以获得第二比较结果，再判断第一比较结果与第二比较结果是否相同，若不相同，则所述远程诊断平台反馈待调整参数及其参数值，所述第二预设模型以第二数据库中存储的数据为依据进行建模，所述第二数据库包括远程诊断平台接收到的所有实时采集数据；
调整模块，用于根据待调整参数及其参数值对所述第一预设模型进行相应调整；
第一判断模块，用于若第一比较结果为所述第一诊断结果与所述第一参照结果相同，则将所述实时采集数据和所述第一诊断结果存储至第一数据库；所述第一数据库用于为所述第一预设模型提供建模数据。
5.根据权利要求4所述的装置，其特征在于，所述传感器包括用于采集发动机转速的转速子传感器、用于采集风机负压的吸尘负压子传感器和用于采集吸嘴离地高度的离地高度子传感器。
6.根据权利要求5所述的装置，其特征在于，所述实时采集数据包括转速数据，负压压力数据和离地高度数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711211715.1A CN107943002B (zh) | 2017-11-28 | 2017-11-28 | 环卫设备故障诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711211715.1A CN107943002B (zh) | 2017-11-28 | 2017-11-28 | 环卫设备故障诊断方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107943002A CN107943002A (zh) | 2018-04-20 |
| CN107943002B true CN107943002B (zh) | 2019-10-18 |
Family
ID=61950147
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711211715.1A Expired - Fee Related CN107943002B (zh) | 2017-11-28 | 2017-11-28 | 环卫设备故障诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107943002B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113218907B (zh) * | 2021-05-07 | 2022-09-27 | 电子科技大学 | 一种红外无损检测设备状态判别系统及方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101719193B (zh) * | 2009-11-17 | 2011-12-14 | 上海电机学院 | 一种制动闸寿命的预测方法 |
| CN109146151A (zh) * | 2016-02-05 | 2019-01-04 | 第四范式（北京）技术有限公司 | 提供或获取预测结果的方法、装置以及预测系统 |
| CN105928556B (zh) * | 2016-04-27 | 2019-02-01 | 苏州市伏泰信息科技股份有限公司 | 环卫设施设备在线监测与智能诊断系统 |
| CN107276816B (zh) * | 2016-11-03 | 2019-06-25 | 厦门嵘拓物联科技有限公司 | 一种基于云服务的远程监测与故障诊断系统及故障诊断方法 |
| CN107330286A (zh) * | 2017-07-10 | 2017-11-07 | 华南理工大学 | 一种大型油浸式电力变压器可靠性评估动态修正方法 |
-
2017
- 2017-11-28 CN CN201711211715.1A patent/CN107943002B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN107943002A (zh) | 2018-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107941537B (zh) | 一种机械设备健康状态评估方法 | |
| CN108051211B (zh) | 一种风电机组主轴承温度预警诊断方法 | |
| CN110262463B (zh) | 一种基于深度学习的轨道交通站台门故障诊断系统 | |
| CN104808585B (zh) | 一种机床健康状态快速检查方法 | |
| CN108444708A (zh) | 基于卷积神经网络的滚动轴承智能诊断模型的建立方法 | |
| CN105955233B (zh) | 一种基于数据挖掘的车辆故障诊断方法及系统 | |
| CN105003453A (zh) | 一种矿井风机在线监测与故障诊断系统 | |
| CN103901882A (zh) | 一种列车动力系统在线监控故障诊断的系统及其方法 | |
| CN110163075A (zh) | 一种基于权值训练的多信息融合故障诊断方法 | |
| CN116186946B (zh) | 一种基于诊断模型的液压系统故障诊断方法及系统 | |
| CN108830335A (zh) | 光伏电站故障预警方法及系统 | |
| CN112124229A (zh) | 一种应急抢险泵车远程实时故障诊断方法 | |
| CN1323336C (zh) | 设备运行状态数据质量动态检测和保障方法 | |
| CN110968070B (zh) | 一种ecu故障智能诊断系统 | |
| CN115614292A (zh) | 一种立式水泵机组振动监测装置及其方法 | |
| 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 | |
| CN114519923A (zh) | 一种电厂智能诊断预警方法和系统 | |
| CN111159487A (zh) | 一种汽车发动机主轴预测性维护智能系统 | |
| CN112363432A (zh) | 一种水电站辅助设备的监测系统及监测方法 | |
| CN110148290B (zh) | 智能感知矿山安全生产预警与防控监管信息化大数据系统 | |
| CN107943002B (zh) | 环卫设备故障诊断方法及系统 | |
| CN1830521A (zh) | 袋式除尘系统故障专家诊断方法 | |
| CN107728602A (zh) | 一种液压成形装备故障的个性化服务方法 | |
| CN113378887B (zh) | 一种乳化液泵故障分级诊断方法 | |
| CN114442543A (zh) | 一种适用于水电站故障预警的计算机监测方法 |
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 | ||
| GR01 | Patent grant | ||
| 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: 20191018 |