CN108982898B - 监控工程机械运行状态的方法和系统 - Google Patents

Abstract

本申请公开了一种监控工程机械运行状态的方法。该监控工程机械运行状态的方法包括：采集所述工程机械的发动机振动信号；对所述振动信号进行傅里叶变换以得到所述振动信号的频谱信息，根据所述频谱信息确定所述发动机的振动基频；根据所述振动基频与发动机转速的对应关系，确定所述发动机的转速。本申请解决了工程机械的运行状态无法实时监控的技术问题。

Description

监控工程机械运行状态的方法和系统

技术领域

本申请涉及通信领域，具体而言，涉及一种监控工程机械运行状态的方法和系统。

背景技术

工程机械主要用于各种建设工程，其通常工作于各种机械行业施工环境中。工程机械的运行状态与工程机械的油耗信息，工程机械的驾驶员的工作时长信息以及工作量等信息息息相关。

由于现有的工程机械多工作于各种施工环境中，无法实时监控机械设备的运行状态，因此相关的油耗信息、驾驶员的工作时长以及工作量等都是依靠人工报备，因此，可能出现油耗信息不准确，例如偷油漏油等问题，或者虚报工作量以及工作时长的问题。

针对相关技术中工程机械的运行状态无法实时监控而导致的各种问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种监控工程机械运行状态的方法、系统及服务器，以解决现有技术中无法对工程机械的运行状态进行实时监控的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种监控工程机械运行状态的方法。

根据本申请的监控工程机械运行状态的方法包括：

采集所述工程机械的发动机振动信号；

对所述振动信号进行处理以得到所述振动信号的频谱信息，根据所述频谱信息确定所述发动机的振动基频；

根据所述振动基频，确定所述发动机的转速。

进一步的，所述采集所述工程机械的发动机振动信号，包括，

采集所述发动机的原始振动信号，对所述原始振动信号进行采样、加窗处理后得到所述发动机振动信号，其中，所述采样的频率不小于所述发动机最大振动频率的2倍。

进一步的，所述采样频率为800Hz。

进一步的，所述根据所述频谱信息确定所述发动机的振动基频，包括：

确定所述频谱信息中的频谱峰值信息，根据所述峰值信息确定所述发动机的振动基频。

进一步的，根据所述峰值信息确定所述发动机的振动基频，包括：

基于建立的机器学习模型，将工程机械的类型和多个连续时间点频谱峰值对应的频率及幅值构造的特征向量做为输入，则输出得到所述振动基频。

进一步的，根据所述振动基频，确定所述发动机的转速，包括：

根据所述振动基频与所述发动机转速的如下关系，确定所述发动机的转速：

n＝60*(τ/2)*f/i，，其中n为转速，τ为冲程，f为振动基频，i为所述发动机的气缸个数。

进一步的，还包括：在确定所述发送机的转速后，根据所述发动机的转速，确定所述工程机械的运行状态，其中所述工程机械的运行状态包括静止状态、怠速状态或工作状态。

为了实现上述目的，根据本申请的另一方面，提供了一种监控工程机械运行状态的系统。

根据本申请的一种监控工程机械运行状态的系统，包括：

采集设备，所述采集设备安装在所述工程机械上，用于采集所述工程机械的发动机振动信号；

发送设备，将所述采集的发动机振动信号发送到服务器；

服务器，用于接收所述发送设备发送的所述发动机振动信号，对所述振动信号进行处理以得到所述振动信号的频谱信息，根据所述频谱信息确定所述发动机的振动基频；根据所述振动基频，确定所述发动机的转速。

进一步的，所述采集设备包括加速度传感器。

进一步的，所述服务器，还用于根据所述发动机的转速，确定所述工程机械的运行状态，其中所述工程机械的运行状态包括静止状态、怠速状态或工作状态。

在本申请实施例中，采用采集工程机械的发动机的振动信号，并根据振动信号确定发动机的振动基频，进而根据振动基频与发动机转速的对应关系确定发动机的转速，实现了对工程机械运行状态的实时监控，进而解决了工程机械的运行状态无法实时监控而导致的各种技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的方法流程图；

图2是根据本申请实施例的频谱信息图；

图3是根据本申请实施例的发动机转速图；以及

图4是根据本申请实施例的系统框架示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本申请中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本实用新型及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。

并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本实用新型中的具体含义。

此外，术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如，可以是固定连接，可拆卸连接，或整体式构造；可以是机械连接，或电连接；可以是直接相连，或者是通过中间媒介间接相连，又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言，可以根据具体情况理解上述术语在本实用新型中的具体含义。

需要说明的是，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。下面将参考附图并结合实施例来详细说明本申请。

根据本发明实施例，提供了一种监控工程机械运行状态的方法，如图1所示，该方法包括如下的步骤：

S101，采集所述工程机械的发动机振动信号。

其中采集所述工程机械的发动机振动信号，包括：采集所述发动机的原始振动信号，对所述原始振动信号进行采样、加窗处理后得到所述发动机振动信号，其中，所述采样频率至少为所述发动机最大振动频率的2倍，优选的，所述采样频率为800Hz。

在具体实施时，通过安装在工程机械上的传感器采集发动机的原始振动信号，其中传感器可以包括加速度传感器，优选的，可以采用六轴传感器，其中六轴传感器包含了三轴加速度计和三轴陀螺仪，利用三轴加速度计采集发动机的原始振动信号。对采集得到的原始振动信号按照一采样频率进行采样，并对采样得到的信号进行加窗处理以得到时域截断的时域离散信号。

其中，对原始振动信号的采样需满足奈奎斯特采样定理，即为了不失真地恢复模拟信号，采样频率应该不小于发动机振动最大频率的2倍。通常情况下，发动机振动的最大频率不会超过300HZ，根据奈奎斯特采样定理，只需要采样频率大于600HZ就能准确得到频谱信息。在实际的实现中，分别以600HZ、800HZ和1000HZ的采样频率对采集得到的数据进行采样，通过分析可知，采样频率越高，发动机转速的还原度越准确，综合考虑终端功耗等信息，优选的，可以将采样频率确定为800HZ。

由于FFT变换只能对有限长度的时域数据进行变换，所以要对时域信号进行信号截断。但如果截断的时间长度不是周期的整数倍，会导致FFT变换后的频谱图存在泄漏情况。为了将这个泄漏误差减少到最小程度，需要对采集对数据使用加权函数，也就是窗口函数。加窗可以让数据更符合周期性需求，减少泄漏。优选的，可以选择旁瓣衰减较大的海明窗(hamming window)，其函数表达式为：

S102，对所述振动信号进行处理以得到所述振动信号的频谱信息，根据所述频谱信息确定所述发动机的振动基频。

根据所述频谱信息确定所述发动机的振动基频，包括：确定所述频谱信息中的频谱峰值信息，根据所述峰值信息确定所述发动机的振动基频。进一步的，根据所述峰值信息确定所述发动机的振动基频，包括：基于建立的机器学习模型，将工程机械的类型和多个连续时间点频谱峰值对应的频率及幅值构造的特征向量做为输入，则输出得到所述振动基频。

工程机械在工作时，发动机的振动，在短时间内可看做稳定信号源，因此，可以通过FFT变换得到振动信号的频谱信息，根据频谱中的峰值信息确定合适的发动机振动基频，从而得到发动机的转速。具体的，可以对大量的机械采集数据做标定，得到训练样本，通过监督学习算法得到机器学习模型，在计算振动基频时，工程机械的类型和多个连续时间点频谱峰值对应的频率及幅值构造的特征向量做为输入，则输出得到所述振动基频。

优选的，可以通过如下方式建立机器学习模型。决策树是运用于分类的一种树结构，每个内部节点代表对某一属性的一次测试，叶节点则代表某个分类。决策过程从根节点开始，将待测数据与决策树中的特征节点进行比较，并按照比较结果选择选择下一比较分支，直到叶节点作为最终的决策结果，常见的决策树算法包括ID3算法、C4.5算法和CART算法。本申请通过服务器采用CART算法建立机器学习模型。

将标定得到的数据随机分为训练集和测试集，其中训练集的数据量为总数据量的80％，设定分类数量为频谱峰值数量，决策树的最大深度为峰值数量，迭代次数为5，以建立决策树。在确定训练模型后，通过测试集中的数据对所述模型进行测试，并计算结果的误差比率，当误差比率小于6％时，则认为成功建立学习模型。

上述确定样本以及建立机器学习模型的算法为优选的实施方式，在实际的计算过程中，可以采用先用技术中已有的各种方式确定训练样本以及通过相应的学习算法确定机器学习模型，此处不做赘述。

S103，根据所述振动基频，确定所述发动机的转速。

根据所述振动基频，确定所述发动机的转速，包括：根据所述振动基频与所述发动机转速的如下关系，确定所述发动机的转速：n＝60*(τ/2)*f/i，其中n为转速，τ为冲程，f为振动基频，i为所述发动机的气缸个数。

发动机在运转时产生往复惯性力和旋转惯性力及扭矩等，上述力和力矩是曲轴转角等周期性函数，在一个运转周期内，惯性力及其力矩和反扭矩等大小和方向在变化，并通过曲轴轴承和机体传给支架，使之产生振动。振动基频信号频率与内燃机的转速满足如下关系：

n＝60*(τ/2)*f/i，其中n为转速，τ为冲程，f为基频信号频率，i为缸数。例如，发动机同时有两个缸作功，则按总缸数的一半计算。根据配置的发动机气缸个数和冲程，通过上述转数转换公式可以确定所述振动基频对应的发动机转数。

图2-3为按照上述计算方法得到的计算结果。其中图2为将原始数据以256个采样点为计算批次，得到FFT变换后的频谱峰值图。图3为根据本申请的方法，根据频谱峰值信息确定的发动机转速时域图。

发动机的转速已经标识了工程机械的运行状态，为了更清晰简单的了解工程机械的工作状态，可以进一步的根据所述发动机的转速与所述工程机械运行状态的对应关系，确定所述工程机械的运行状态，其中所述工程机械的运行状态包括静止状态、怠速状态或工作状态。

工程机械的运行状态与转速以及发动机包括的气缸个数相关，工程机械的发动机气缸个数主要是4缸、6缸或8缸，不同气缸个数的发动机，其怠速状态对应的转速范围大致如下：4缸发动机:600～1100转/分，6缸发动机:500～1000转/分，8缸发动机:400～800转/分，因此，可以根据发动机的转速、气缸个数与怠速状态的对应关系，确定当前工程机械是否为怠速状态。通常情况下，发动机转速超过怠速状态的转速时，则认为工程机械处于工作状态。同样的，可以根据转速判断工程机械是否处于静止状态。

从以上的描述中，可以看出，本发明通过采集工程机械的发动机的振动信号，并根据振动信号确定发动机的振动基频，进而根据振动基频与发动机转速的对应关系确定发动机的转速，实现了对工程机械运行状态的实时监控。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种监控工程机械运行状态的系统，如图4所示，该系统包括：

采集设备，所述采集设备安装在所述工程机械上，用于采集所述工程机械的发动机振动信号；

发送设备，将所述采集的发动机振动信号发送到服务器；

服务器，用于接收所述发送设备发送的所述发动机振动信号，对所述振动信号进行傅里叶变换以得到所述振动信号的频谱信息，根据所述频谱信息确定所述发动机的振动基频；根据所述振动基频，确定所述发动机的转速。

其中，所述采集设备可以安装在发送机振动明显的位置或靠近发动机位置，发送设备和服务器之间可以根据通信的需求采用合适的通信方式，例如蓝牙、zigbee、移动网络、无线网络等。此外，还可以根据需求设置信息采集的时间间隔以及信息传送的时间间隔等各种信息。

进一步的，所述采集设备包括加速度传感器。

进一步的，所述服务器，还用于根据所述发动机的转速，确定所述工程机械的运行状态，其中所述工程机械的运行状态包括静止状态、怠速状态或工作状态。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，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。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (5)

1.一种监控工程机械运行状态的方法，其特征在于，包括：

采集所述工程机械的发动机振动信号；

对所述振动信号进行处理以得到所述振动信号的频谱信息，根据所述频谱信息确定所述发动机的振动基频；

根据所述振动基频，确定所述发动机的转速；

所述根据所述频谱信息确定所述发动机的振动基频，包括：

确定所述频谱信息中的频谱峰值信息，根据所述峰值信息确定所述发动机的振动基频；

根据所述峰值信息确定所述发动机的振动基频，包括：

基于建立的机器学习模型，将工程机械的类型和多个连续时间点频谱峰值对应的频率及幅值构造的特征向量做为输入，则输出得到所述振动基频；

对所述机器学习模型进行训练及测试，

其中，将标定得到的数据随机分为训练集和测试集，设定分类数量为频谱峰值数量，决策树的最大深度为峰值数量，设置迭代次数为5次，建立决策树；在确定训练模型后，通过所述测试集中的数据对所述模型进行测试，并计算结果的误差比率，当误差比率小于6％时，成功建立学习模型；

所述采集所述工程机械的发动机振动信号，包括：

采集所述发动机的原始振动信号，对所述原始振动信号进行采样、加窗处理后得到所述发动机振动信号，其中，所述采样的频率不小于所述发动机最大振动频率的2倍，其中，采用海明窗对所述原始振动信号进行加窗处理；

基于所述发动机的转速以及发动机包括的气缸个数与所述工程机械运行状态的对应关系，确定所述工程机械的运行状态，其中所述工程机械的运行状态包括静止状态、怠速状态或工作状态。

2.根据权利要求1所述的方法，其特征在于，

所述采样频率为800Hz。

3.根据权利要求1所述的方法，其特征在于，

根据所述振动基频，确定所述发动机的转速，包括：

根据所述振动基频与所述发动机转速的如下关系，确定所述发动机的转速：

n＝60*(τ/2)*f/i，其中n为转速，τ为冲程，f为振动基频，i为所述发动机的气缸个数。

4.一种监控工程机械运行状态的系统，其特征在于，

采集设备，所述采集设备安装在所述工程机械上，用于采集所述工程机械的发动机振动信号；

发送设备，将所述采集的发动机振动信号发送到服务器；

服务器，用于接收所述发送设备发送的所述发动机振动信号，对所述振动信号进行处理以得到所述振动信号的频谱信息，根据所述频谱信息确定所述发动机的振动基频；根据所述振动基频，确定所述发动机的转速；

所述根据所述频谱信息确定所述发动机的振动基频，包括：

确定所述频谱信息中的频谱峰值信息，根据所述峰值信息确定所述发动机的振动基频；

根据所述峰值信息确定所述发动机的振动基频，包括：

基于建立的机器学习模型，将工程机械的类型和多个连续时间点频谱峰值对应的频率及幅值构造的特征向量做为输入，则输出得到所述振动基频；

对所述机器学习模型进行训练及测试；

其中，将标定得到的数据随机分为训练集和测试集，设定分类数量为频谱峰值数量，决策树的最大深度为峰值数量，设置迭代次数为5，建立决策树；在确定训练模型后，通过所述测试集中的数据对所述模型进行测试，并计算结果的误差比率，当误差比率小于6％时，成功建立学习模型；

所述采集所述工程机械的发动机振动信号，包括：

采集所述发动机的原始振动信号，对所述原始振动信号进行采样、加窗处理后得到所述发动机振动信号，其中，所述采样的频率不小于所述发动机最大振动频率的2倍，其中，采用海明窗对所述原始振动信号进行加窗处理；

基于所述发动机的转速以及发动机包括的气缸个数与所述工程机械运行状态的对应关系，确定所述工程机械的运行状态，其中所述工程机械的运行状态包括静止状态、怠速状态或工作状态。

5.根据权利要求4所述的系统，其特征在于，

所述采集设备包括加速度传感器。

Images