CN111272457A - 基于温度数据的机械状态检测方法和电子设备 - Google Patents

Abstract

本发明公开了一种基于温度数据的机械状态检测方法和电子设备，其中，方法包括：获取机械的振动信号和机械的温度数据，所述机械的温度数据包括机械启动后升温部件的温度数据；计算所述振动信号的分布状态，所述分布状态包括振动信号的波动值分布状态和/或频率分布状态；基于所述振动信号的分布状态和所述温度数据确定所述机械的状态信息。进而直观准确的检查机械目前的状态。并且，可以防止由于机械处于被动活动状态而存在的机械状态信息误判，提高机械状态检测的准确性，为工作时长信息以及工作量等信息提供可靠数据支持。

Description

基于温度数据的机械状态检测方法和电子设备

技术领域

本发明涉及数据处理技术领域，具体涉及到一种基于温度数据的机械状态检测方法和电子设备。

背景技术

随着社会的不断发展和科技的不断进步，机械化、自动化生产已经逐渐成为发展趋势。例如，在工程建设中采用工程机械，出行采用汽车，生产采用生产机械。而机械自动化的发展与实现将机械生产引领向了一个新的领域，通过自动控制系统，真正达到了大工业生产及减少劳动强度，提高了劳动效率。

以工程机械为例，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。由于施工场地往往地广人稀，例如高速公路、高铁等施工现场，难以有效的实现对施工人员的工作量统计，也难以有效的对工程器械的油耗信息的统计以及监控等。

因此，如何较为有效的实现对机械操作人员的工作量和机械的油耗信息等相关信息的统计成为亟待解决的技术问题。

发明内容

本发明实施例要解决的技术问题为如何较为有效的实现对机械操作人员的工作量和机械的油耗信息等相关信息的统计成为亟待解决的技术问题。

根据第一方面，本发明实施例提供了一种基于温度数据的机械状态检测方法，包括：

获取机械的振动信号和机械的温度数据，所述机械的温度数据包括机械启动后升温部件的温度数据；计算所述振动信号的分布状态，所述分布状态包括振动信号的波动值分布状态和/或频率分布状态；基于所述振动信号的分布状态和所述温度数据确定所述机械的状态信息。

可选地，所述温度数据包括：所述升温部件的温度值和/或升温速率。

可选地，所述计算所述振动信号的分布状态包括：计算所述振动信号的波动值；基于所述波动值得到波动阈值；根据所述波动值和所述波动阈值确定所述振动信号的分布状态。

可选地，所述计基于所述波动值得到所述波动阈值包括：统计所述振动信号的波动值的百分位数曲线；计算所述百分位数曲线中预设百分位区间内最早稳定区间点；基于所述早稳定区间点线性拟合所述波动阈值。

可选地，所述状态信息包括主动活动状态和被动活动状态；所述基于所述振动信号的分布状态和所述温度数据确定所述机械的状态信息包括：判断所述振动信号的波动值是否大于所述波动阈值，且所述温度值和/或升温速率是否大于预设值；当所述振动信号的波动值大于所述波动阈值，且所述温度值和/或升温速率大于或等于所述预设值时，确定所述机械的状态信息为主动活动状态；当所述振动信号的波动值大于所述波动阈值，所述温度值和/或升温速率小于所述预设值，确定所述机械的状态信息为被动活动状态。

可选地，状态信息还包括静止状态；当所述振动信号的波动值小于或等于所述波动阈值时，确定所述机械的状态信息为静止状态。

可选地，所述计算所述振动信号的分布状态包括：对所述振动信号进行频域分析，得到振动信号的频谱。

可选地，所述活动状态包括怠速状态和运行状态；所述基于所述振动信号的分布状态确定所述机械的状态信息包括：基于所述频谱得到所述振动信号的频谱稳定度；判断所述频谱稳定度是否高于或等于预设稳定度；当所述频谱稳定度高于或等于所述预设稳定度时，确定所述活动状态为所述怠速状态；当所述稳定度低于所述预设稳定度时，确定所述活动状态为所述运行状态。

根据第二方面，本发明实施例提供了一种机械的相关信息统计方法，包括：获取上述第一方面任意一项所述的机械状态检测方法得到的状态信息；基于所述状态信息统计所述机械的相关信息。

可选地，所述相关信息包括油耗信息和/或机械操作人员的工作量信息。

根据第三方面，本发明实施例提供了一种机械状态检测装置，包括：获取模块，用于获取机械的振动信号；计算模块，用于计算所述振动信号的分布状态，所述分布状态包括振动信号的波动值分布状态和/或频率分布状态；判定模块，用于基于所述振动信号的分布状态确定所述机械的状态信息。

根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行上述第一方面任意一项所述的基于温度数据的机械状态检测方法和/或上述第二方面任意一项所述的机械的相关信息统计方法。

根据第五方面，本发明实施例提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行上述第一方面任一项所述的基于温度数据的机械状态检测方法和/或上述第二方面任意一项所述的机械的相关信息统计方法。

本申请通过对振动信号的分布状态进行分析，得到振动信号的波动值分布状态和/或频率分布状态，结合机械的状态对应的振动信号的属性，可以基于所述振动信号的分布状态确定所述机械的工作状态。进而可以通过机械的状态统计与机械相关的信息，例如操作人员的工作量或机械的油耗信息等，可以较为有效的解决目前过于分散的机械操作人员的工作量以及器械的油耗难以有效的统计的问题。并且，由于机械的温度数据与机械的状态存在特定关系，因此可以结合机械的温度数据进行综合分析，可以防止由于机械处于被动活动状态而存在的机械状态信息误判，提高机械状态检测的准确性，为工作时长信息以及工作量等信息提供可靠数据支持。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本实施例的基于温度数据的机械状态检测方法的示意图；

图2示出了本发明实施例的基于温度数据的机械状态检测装置的示意图；

图3示出了本发明实施例的电子设备的示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

正如背景技术所述，由于对机械操作的工作地点往往处于地广人稀的地方，尤其是对于工程机械，例如高铁施工、高速施工现场的工程机械作业范围大，人员管理困难，尤其是对于人员工作量的统计以及工程器械的油耗的管理更加困难，因此，如何有效的统计过于分散的机械操作人员的工作量以及器械的油耗一直是施工方的难题，发明人通过研究发现，可以依据机械的状态对工作量/油耗等与机械相关的信息进行统计，在操作人员操作机械进行施工时，机械处于运行状态，在休息时，机械处于怠速或静止状态，因此，可以通过检测机械的状态对工作量/油耗进行有效的统计。发明人经过研究发现：在静止状态下机械的振动信号波动极小，活动状态下振动信号的波动急剧增大，波动程度随着活动的剧烈程度变化。因此，可以通过计算的振动信号波动程度对机械处于活动或静止的状态进行判断。另外，当机械处于活动状态时，机械的怠速状态相比于运行状态，机械的振动中比较稳定，即在怠速状态下机械的振动相较于运行状态下机械振动更为稳定。

然而，在实际实施过程，发明人还发现，依据机械的振动信号判断机械的状态信息可能存在盲点，具体的，例如在机械被运输，或机械旁边存在大量的振动干扰时，机械可能存在着与运行状态相似的振动信号，尤其是，干扰信号的波动程度超过预设的阈值时，更难难以判断，因此，仅仅通过振动信号难以正确判断出被运输或处于振动干扰状态。因此，发明人提出了通过辅助手段对机械的状态信息进行判断。

在机械处于活动状态时，可能存在两种活动状态，一种为主动活动状态，即机械处于启动状态，例如，处于运行(工作)状态和怠速状态。另一种是被动活动状态，例如处于被运输状态或周围存在大量干扰而出现较大振动的状态。发明人发现，针对工程机械只要启动后的产热部件的温度会发生比较明显的变化，例如发动机、水箱。排放管道或排放口的温度均会发生较大的变化，因此，可以在启动后的产热部件上安装温度传感器采集该部件的温度，在该部件温度发生较大变化或温度超过预设值时，结合机械的振动信号，可以认为该机械处于主动活动状态。具体的可以参见图1，该基于温度数据的机械状态检测方法可以包括如下步骤：

S11.获取机械的振动信号和机械的温度数据。在本实施例中，可以通过安装在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，示例性的，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。在本实施例中，可以以预设采样频率进行采样，例如，每秒采集X点，间隔Ys采集一次。在实际的实现中，可以任何的采样频率对采集得到的数据进行采样，在本实施例中并不做具体的限定，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，实际采样频率可以根据实际状况而调整。作为可选的实施例，如将传感器安装在发动机上，或发动机附近，直接对发动机的原始振动信号进行采样，在本实施例中，对原始振动信号的采样可以按照奈奎斯特采样定理，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小于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。当然，本领域技术人员应当理解，上述采样频率只是为了对采样率进行解释而做出的示例性的说明，并不代表本实施例的所限定的范围，对于机械的振动信号的采集，采用任何采样率均在本实施例的保护范围内。具体的，机械的温度数据可以采集机械启动后升温部件的温度数据，例如可以采集排放管道或排放口的温度数据，可以采集发动机的温度数据，还可以采集发动机冷却液温度数据等。

S12.计算所述振动信号的分布状态，所述分布状态包括振动信号的波动值分布状态和/或频率分布状态。在本实施例中，可以对振动信号进行幅值和频率的分析，进而得到振动信号波动程度和频率分布状态。可以基于机械静止与活动的属性特征，在静止状态下六轴波动极小，活动状态下六轴波动急剧增大，波动程度随着活动的剧烈程度。因此，可以通过计算的振动信号波动程度对机械处于活动或静止的状态进行判断。另外，由于当机械处于活动状态时，机械的怠速状态相比于运行状态，机械的振动中比较稳定。因此，可以通过对获取的振动信号进行波动程度和频率的分析，得到振动信号的波动程度分布和频率分布。

S13.基于所述振动信号的分布状态和所述温度数据确定所述机械的状态信息。作为示例性的实施例，由于在静止状态下机械的振动信号波动极小，活动状态下振动信号的波动急剧增大，波动程度随着活动的剧烈程度，静止状态的最大的波动程度与活动状态的最小的波动程度存在大的差距，即波动程度的值非常难落入静止状态的最大的波动程度与活动状态的最小的波动程度之间。因此通过统计计算方式找到波动程度阈值，使其落入该区间，大于该阈值的就是活动状态，小于阈值为静止状态。另外，通过统计振动信号的频率分布状态，提取怠速状态下振动信号的频率分布的特征和运行状态下振动信号频率的分布特征，进而根据计算得到的振动信号的分布状态确定所述机械的活动状态时是运行状态还是怠速状态。由于机械的外部环境可能存在干扰，例如，机械可能处于被运输状态或者周围存在大量的干扰，导致单纯的基于振动信号的额分布状态确定出的机械状态信息存在误差，因此，可以结合机械启动后升温部件的温度数据对机械的状态信息进行判断。具体的该温度数据可以包括温度值和/或升温速率。

本申请通过对振动信号的分布状态和温度数据进行分析，得到振动信号的波动值分布状态和/或频率分布状态，结合机械的状态对应的振动信号的属性，可以基于所述振动信号的分布状态和温度数据确定所述机械的状态信息。进而直观准确的检查机械目前的状态。相比于人工检查更为方便直观和准确。并且，可以防止由于机械处于被动活动状态而存在的机械状态信息误判，提高机械状态检测的准确性，为工作时长信息以及工作量等信息提供可靠数据支持。

具体的，状态信息包括主动活动状态和被动活动状态；本领域技术人员应当理解，在本实施例中所称的被动活动状态为机械自身处于非启动状态即机械本身处于静止状态，被动活动是由于外界干扰导致的机械被动的发生振动，例如周围存在较大的振动或机械处于被运输状态。所述基于所述振动信号的分布状态和所述温度数据确定所述机械的状态信息包括：判断所述振动信号的波动值是否大于所述波动阈值，且所述温度值和/或升温速率是否大于预设值；当所述振动信号的波动值大于所述波动阈值，且所述温度值和/或升温速率大于或等于所述预设值时，确定所述机械的状态信息为主动活动状态；当所述振动信号的波动值大于所述波动阈值，所述温度值和/或升温速率小于所述预设值，确定所述机械的状态信息为被动活动状态。具体的，可以参见表1：

表1

作为示例性的实施例，主动活动状态包括怠速状态和运行状态；振动信号的波动剧烈程度使用信号的标准差SD进行度量，计算振动信号的波动值即计算振动信号的标准差，在计算得到标准差后，可以根据波动阈值对获取到的振动信号进行判断，大于阈值的振动信号对应的状态为活动状态，小于或等于阈值的振动信号对应的状态为静止状态。对于振动信号的频率分布可以采用快速傅里叶变换对信号进行频域分析，计算每秒的频谱峰值。基于频谱峰值分辨运行状态和怠速状态。

所述基于所述振动信号的分布状态确定所述机械的状态信息包括：基于所述频谱得到所述振动信号的频谱稳定度；判断所述频谱稳定度是否高于或等于预设稳定度；当所述频谱稳定度高于或等于所述预设稳定度时，确定所述活动状态为所述怠速状态；当所述频谱稳定度低于所述预设稳定度，确定所述活动状态为所述运行状态。

具体的可以参见表2：

表2

作为示例性的实施例，对于阈值的确定，在应用初始，可以先根据经验，例如根据机械的类型、型号等，确定一个初始阈值，后续可以根据实际应用过程中的情况，需要对初始阈值进行调整。

具体的，在对振动信号进行采集时，可能会引起采集的信号的特征发声变化，例如，对于振动信号均值的影响，在振动信号采集频率较大时，导致噪声增大，标准差整体增大，六轴姿态对标准差影响增大，容易引起均值浮动增大，中心偏移。对于振动信号频率的影响，由于标准差整体增大，六轴姿态倾斜程度对标准差均值影响更大，容易造成原来频率统计的单峰分裂成双峰。因此，在实际应用过程中，可能会导致阈值变化，具体的，可以统计所述振动信号的波动值的百分位数曲线；基于所述百分位数曲线确定所述波动阈值。作为具体的实施例，可以统计机械静止状态下的标准差范围内频率统计曲线，利用曲线计算百分位数曲线，计算百分位数曲线幅度在0.95～1范围内的最早稳定区间点(SDvalue,Percent)，用线性拟合计算SdThreshold，计算的自变量是Percent距离1的距离，SdThreshold＝SDvalue(1+(1-Percent)*Z)。其中，SdThreshold为波动阈值，SDvalue为最早稳定区间点中对应的波动值，Percent为最早稳定区间点中对应的百分位数，Z为缩放常数因子。

具体的，可以采用机器学习的方式对运行状态和怠速状态进行分辨，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，在分辨运行状态和怠速状态进行时，将经过快速傅里叶变换得到的频谱峰值作为输入，将运行状态和怠速状态作为输出。

作为示例性的实施例，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可选的实施方式，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。

在获取到振动信号的频率分布状态后，将频率分布状态输入训练好的机器学习模型，对机械的活动状态进行分类，最终确认活动状态为运行状态或怠速状态。

本发明实施例提供了一种基于温度数据的机械状态检测装置，如图2所示，该装置可以包括：获取模块10，用于获取机械的振动信号和温度数据，所述机械的温度数据包括机械启动后升温部件的温度数据；计算模块20，用于计算所述振动信号的分布状态，所述分布状态包括振动信号的波动值分布状态和/或频率分布状态；判定模块30，用于基于所述振动信号的分布状态和温度数据确定所述机械的状态信息。

本发明实施例提供了一种机械相关信息统计方法，该相关信息可以为机械的油耗信息也可以为机械操作人员的工作量信息，具体可以通过具体的机械的状态信息进行计算，在对操作人员的工作量信息进行统计时，可以通过检测机械的状态为运行状态，计算处于运行状态的时长，通过统计运行状态的时长，可以较为有效的统计操作人员的工作量。在对油耗进行统计时，可以结合运行状态时长，可以结合怠速状态时长以及静止状态时长和当前机械的平均油耗，可以计算出当前机械预设时间段内的油耗，例如可以统计每天的油耗，每周的油耗等，可以为监控偷油/盗油等行为提供数据支持。

本发明实施例提供了一种电子设备，如图3所示，该电子设备包括一个或多个处理器31以及存储器32，图3中以一个处理器33为例。

该控制器还可以包括：输入装置33和输出装置34。

处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接，图3中以通过总线连接为例。

处理器31可以为中央处理器(CentralProcessingUnit，CPU)。处理器31还可以为其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器32作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的控制方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的机械状态检测方法。

存储器32可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据服务器操作的处理装置的使用所创建的数据等。此外，存储器32可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器32可选包括相对于处理器31远程设置的存储器，这些远程存储器可以通过网络连接至网络连接装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置33可接收输入的数字或字符信息，以及产生与服务器的处理装置的用户设置以及功能控制有关的键信号输入。输出装置34可包括显示屏等显示设备。

一个或者多个模块存储在存储器32中，当被一个或者多个处理器31执行时，执行如图1所示的方法。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各电机控制方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(FlashMemory)、硬盘(HardDiskDrive，缩写：HDD)或固态硬盘(Solid-StateDrive，SSD)等；存储介质还可以包括上述种类的存储器的组合。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种基于温度数据的机械状态检测方法，其特征在于，包括：

获取机械的振动信号和机械的温度数据，所述机械的温度数据包括机械启动后升温部件的温度数据；

计算所述振动信号的分布状态，所述分布状态包括振动信号的波动值分布状态和/或频率分布状态；

基于所述振动信号的分布状态和所述温度数据确定所述机械的状态信息。

2.如权利要求1所述的检测方法，其特征在于，所述温度数据包括：

所述升温部件的温度值和/或升温速率。

3.如权利要求2所述的检测方法，其特征在于，所述计算所述振动信号的分布状态包括：

计算所述振动信号的波动值；

基于所述波动值得到波动阈值；

根据所述波动值和所述波动阈值确定所述振动信号的分布状态。

4.如权利要求3所述的检测方法，其特征在于，所述计基于所述波动值得到所述波动阈值包括：

统计所述振动信号的波动值的百分位数曲线；

计算所述百分位数曲线中预设百分位区间内最早稳定区间点；

基于所述早稳定区间点线性拟合所述波动阈值。

5.如权利要求2-4任一项所述的检测方法，其特征在于，所述状态信息包括主动活动状态、被动活动状态和静止状态；

所述基于所述振动信号的分布状态和所述温度数据确定所述机械的状态信息包括：

判断所述振动信号的波动值是否大于所述波动阈值，且所述温度值和/或升温速率是否大于预设值；

当所述振动信号的波动值大于所述波动阈值，且所述温度值和/或升温速率大于或等于所述预设值时，确定所述机械的状态信息为主动活动状态；

当所述振动信号的波动值大于所述波动阈值，所述温度值和/或升温速率小于所述预设值，确定所述机械的状态信息为被动活动状态；

当所述振动信号的波动值小于或等于所述波动阈值时，确定所述机械的状态信息为静止状态。

6.如权利要求5所述的检测方法，其特征在于，所述计算所述振动信号的分布状态包括：

对所述振动信号进行频域分析，得到振动信号的频谱。

7.如权利要求6所述的检测方法，其特征在于，所述主动活动状态包括怠速状态和运行状态；

所述基于所述振动信号的分布状态确定所述机械的状态信息包括：

基于所述频谱得到所述振动信号的频谱稳定度；

判断所述频谱稳定度是否高于或等于预设稳定度；

当所述频谱稳定度高于或等于所述预设稳定度时，确定所述活动状态为所述怠速状态；

当所述频谱稳定度低于所述预设稳定度，确定所述活动状态为所述运行状态。

8.一种机械的相关信息统计方法，其特征在于，包括：

获取如权利要求1-7任一项所述的基于温度数据的机械状态检测方法得到的状态信息；

基于所述状态信息统计所述机械的相关信息。

9.如权利要求8所述的机械信息统计方法，其特征在于，所述相关信息包括油耗信息和/或机械操作人员的工作量信息。

10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-7任一项所述的机械状态检测方法和/或权利要求8或9所述的机械的相关信息统计方法。

Images