CN111667078A - 挖掘机的维修策略确定方法和装置 - Google Patents
挖掘机的维修策略确定方法和装置 Download PDFInfo
- Publication number
- CN111667078A CN111667078A CN202010502941.0A CN202010502941A CN111667078A CN 111667078 A CN111667078 A CN 111667078A CN 202010502941 A CN202010502941 A CN 202010502941A CN 111667078 A CN111667078 A CN 111667078A
- Authority
- CN
- China
- Prior art keywords
- degradation
- index value
- data
- characteristic parameters
- maintenance
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000006731 degradation reaction Methods 0.000 claims abstract description 185
- 230000015556 catabolic process Effects 0.000 claims abstract description 143
- 230000003449 preventive effect Effects 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 76
- 238000009792 diffusion process Methods 0.000 claims description 13
- 230000005653 Brownian motion process Effects 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- KDPSGIFCBZTBEZ-UHFFFAOYSA-N 1-[2-(1h-benzimidazol-2-ylsulfanyl)ethyl]-3-methylbenzimidazole-2-thione Chemical compound C1=CC=C2NC(SCCN3C4=CC=CC=C4N(C3=S)C)=NC2=C1 KDPSGIFCBZTBEZ-UHFFFAOYSA-N 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002939 conjugate gradient method Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了挖掘机的维修策略确定方法和装置,应用于客户端,包括:接收云平台发送的挖掘机零部件数据;对零部件数据进行特征提取,得到退化数据;根据退化数据构建标准退化过程模型;根据标准退化过程模型和预设维修策略参数,得到成本率函数;将成本率函数通过迭代算法,得到维修策略;其中,维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期,可以对挖掘机进行监测的过程中,在挖掘机没有发生故障或未造成损坏前确定维修策略,及时更换或维修,避免故障的发生。
Description
技术领域
本发明涉及工程机械技术领域,尤其是涉及挖掘机的维修策略确定方法和装置。
背景技术
目前,对于挖掘机零部件的维修主要以定期保养和事后维修为主。当对挖掘机进行定期保养时,如果某个零部件仍处于较好的工作状态,此时对该零部件进行维修可能会引发维修故障,造成资源浪费。当对挖掘机进行事后维修时,通常根据工作人员的经验进行维修,会造成挖掘机的维修不及时,从而造成停机故障,影响作业进度。
发明内容
有鉴于此,本发明的目的在于提供挖掘机的维修策略确定方法和装置,可以对挖掘机进行监测的过程中,在挖掘机没有发生故障或未造成损坏前确定维修策略,及时更换或维修,避免故障的发生。
第一方面,本发明实施例提供了挖掘机的维修策略确定方法,应用于客户端,所述方法包括:
接收云平台发送的挖掘机零部件数据;
对所述零部件数据进行特征提取,得到退化数据;
根据所述退化数据构建标准退化过程模型;
根据所述标准退化过程模型和预设维修策略参数,得到成本率函数;
将所述成本率函数通过迭代算法,得到维修策略;
其中,所述维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期。
进一步的,所述根据所述退化数据构建标准退化过程模型,包括:
将所述退化数据和所述退化数据对应的工作时间输入到退化轨道模型中,得到退化特征参数,所述退化特征参数包括退化设备的初始参数、退化速率和测量误差;
将所述退化数据和所述退化数据对应的工作时间输入到伽马过程中,得到伽马特征参数,所述伽马特征参数包括形状参数和尺度参数;
将所述退化数据和所述退化数据对应的工作时间输入到维纳过程中,得到维纳特征参数,所述维纳特征参数包括漂移系数和扩散参数;
将所述退化特征参数、所述伽马特征参数和所述维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值;
从所述第一贝叶斯指标值、所述第二贝叶斯指标值和所述第三贝叶斯指标值中选取最小的贝叶斯指标值,并将所述最小的贝叶斯指标值对应的模型作为所述标准退化过程模型。
进一步的,所述将所述退化特征参数、所述伽马特征参数和所述维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值,包括:
根据所述退化设备的初始参数、所述退化速率和所述测量误差,计算第一似然函数;
根据所述形状参数和所述尺度参数,计算第二似然函数;
根据所述漂移系数和所述扩散参数,计算第三似然函数;
获取所述退化特征参数的数量、所述伽马特征参数的数量和所述维纳特征参数的数量;
从所述退化数据中选取多个样本;
根据所述第一似然函数、所述退化特征参数的数量和所述多个样本的数量,计算所述第一贝叶斯指标值;
根据所述第二似然函数、所述伽马特征参数的数量和所述多个样本的数量,计算所述第二贝叶斯指标值;
根据所述第三似然函数、所述维纳特征参数的数量和所述多个样本的数量,计算所述第三贝叶斯指标值。
进一步的,所述预设维修策略参数包括预设维修次数、预设维修阈值和预设监测周期,所述根据所述标准退化过程模型和预设维修策略参数,得到成本率函数,包括:
根据所述预设维修次数、所述预设维修阈值和所述预设监测周期,得到更换周期内维护成本的期望和更换周期的期望;
根据所述更换周期内维护成本的期望、所述更换周期的期望、所述标准退化过程模型和可靠性函数,得到所述成本率函数。
进一步的,所述零部件数据包括机械数据、液压数据和电气元器件数据。
第二方面,本发明实施例提供了挖掘机的维修策略确定装置,所述装置包括:
获取单元,用于获取挖掘机零部件数据;
提取单元,用于对所述零部件数据进行特征提取,得到退化数据;
构建单元,用于根据所述退化数据构建标准退化过程模型;
成本率函数获取单元,用于根据所述标准退化过程模型和预设维修策略参数,得到成本率函数;
维修策略获取单元,用于将所述成本率函数通过迭代算法,得到维修策略;
其中,所述维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期。
进一步的,所述构建单元具体用于:
将所述退化数据和所述退化数据对应的工作时间输入到退化轨道模型中,得到退化特征参数,所述退化特征参数包括退化设备的初始参数、退化速率和测量误差;
将所述退化数据和所述退化数据对应的工作时间输入到伽马过程中,得到伽马特征参数,所述伽马特征参数包括形状参数和尺度参数;
将所述退化数据和所述退化数据对应的工作时间输入到维纳过程中,得到维纳特征参数,所述维纳特征参数包括漂移系数和扩散参数;
将所述退化特征参数、所述伽马特征参数和所述维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值;
从所述第一贝叶斯指标值、所述第二贝叶斯指标值和所述第三贝叶斯指标值中选取最小的贝叶斯指标值,并将所述最小的贝叶斯指标值对应的模型作为所述标准退化过程模型。
进一步的,所述构建单元具体用于:
根据所述退化设备的初始参数、所述退化速率和所述测量误差,计算第一似然函数;
根据所述形状参数和所述尺度参数,计算第二似然函数;
根据所述漂移系数和所述扩散参数,计算第三似然函数;
获取所述退化特征参数的数量、所述伽马特征参数的数量和所述维纳特征参数的数量;
从所述退化数据中选取多个样本;
根据所述第一似然函数、所述退化特征参数的数量和所述多个样本的数量,计算所述第一贝叶斯指标值;
根据所述第二似然函数、所述伽马特征参数的数量和所述多个样本的数量,计算所述第二贝叶斯指标值;
根据所述第三似然函数、所述维纳特征参数的数量和所述多个样本的数量,计算所述第三贝叶斯指标值。
第三方面,本发明实施例提供了电子设备,包括存储器、处理器,所述存储器上存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述的方法。
第四方面,本发明实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如上所述的方法。
本发明实施例提供了挖掘机的维修策略确定方法和装置,应用于客户端,包括:接收云平台发送的挖掘机零部件数据;对零部件数据进行特征提取,得到退化数据;根据退化数据构建标准退化过程模型;根据标准退化过程模型和预设维修策略参数,得到成本率函数;将成本率函数通过迭代算法,得到维修策略;其中,维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期,可以对挖掘机进行监测的过程中,在挖掘机没有发生故障或未造成损坏前确定维修策略,及时更换或维修,避免故障的发生。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
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为本发明实施例一提供的挖掘机的维修策略确定方法流程图;
图2为本发明实施例一提供的挖掘机的维修策略确定方法中步骤S103的流程图;
图3为本发明实施例一提供的挖掘机的维修策略确定方法中步骤S104的流程图;
图4为本发明实施例二提供的挖掘机的维修策略确定装置示意图。
图标:
1-获取单元;2-提取单元;3-构建单元;4-成本率函数获取单元;5-维修策略获取单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
为便于对本实施例进行理解,下面对本发明实施例进行详细介绍。
实施例一:
图1为本发明实施例一提供的挖掘机的维修策略确定方法流程图。
参照图1,执行主体为客户端,该方法包括以下步骤:
步骤S101,接收云平台发送的挖掘机零部件数据;
步骤S102,对零部件数据进行特征提取,得到退化数据;
具体地,零部件数据包括机械数据、液压数据和电气元器件数据。零部件数据的性能参数随工作时间退化的数据称为退化数据。当零部件在工作过程中,如果某种性能随着时间的延长而缓慢下降,直到成为无法工作的状态,则称这种现象为退化型失效。例如元器件电性能的衰退、机械部件磨损和材料老化等。
车载通讯模块T-BOX从CAN(Controller Area Network,控制器局域网络)总线监测到挖掘机零部件数据,T-BOX将挖掘机零部件数据发送给云平台,云平台再将挖掘机零部件数据发送给客户端。客户端可以为手机或PC(Personal Computer,个人电脑)WEB(网站)用户端。
步骤S103,根据退化数据构建标准退化过程模型;
这里,将退化数据和退化数据对应的工作时间作为输入,并且输入到退化轨道模型、伽马(Gamma)过程和维纳(Wiener)过程中,输出得到多个特征参数,最终通过多个特征参数构建标准退化过程模型,其中,标准退化过程模型为最优退化过程模型。
步骤S104,根据标准退化过程模型和预设维修策略参数,得到成本率函数;
步骤S105,将成本率函数通过迭代算法,得到维修策略;
其中,维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期。
这里,迭代算法是通过预设初始估计值,然后不断迭代产生新的估计值,新的估计值中能使函数收敛的值即为最优解。常用的迭代算法有线性搜索法和置信域法等,具体为梯度下降法、牛顿法、共轭梯度法和Hooke-Jeeves算法等。
进一步的,参照图2,步骤S103包括以下步骤:
步骤S201,将退化数据和退化数据对应的工作时间输入到退化轨道模型中,得到退化特征参数,退化特征参数包括退化设备的初始参数、退化速率和测量误差;
具体地,退化轨道模型可假设退化设备的初始参数和退化速率是随机量,参照公式(1):
X=a+btij+εi
其中,X为退化数据,a为退化设备的初始参数(例如零件制造精度等),服从正态分布μa为期望,为方差;b为退化速率,服从正态分布μb为退化速率的期望,为退化速率的方差,εi为测量误差,服从正态分布期望为0,为方差;tij为退化数据对应的工作时间。
步骤S202,将退化数据和退化数据对应的工作时间输入到伽马过程中,得到伽马特征参数,伽马特征参数包括形状参数和尺度参数;
具体地,伽马过程也称Gamma过程,设连续时间随机过程{X(t),t≥0}是平稳的Gamma过程,若它满足以下条件:
(1)X(0)=0以概率1成立;
(2)X(t)具有平稳独立增量;
(3)对任意t≥0和Δt,有X(t+Δt)-X(t)~Ga(αΔt,β);
其中,Ga(αΔt,β)是形状参数a(a>0)和尺度参数β(β>0)的Gamma分布,t为退化数据对应的工作时间,X(t)为退化数据。
步骤S203,将退化数据和退化数据对应的工作时间输入到维纳过程中,得到维纳特征参数,维纳特征参数包括漂移系数和扩散参数;
具体地,维纳过程也称Wiener过程,若一个随机过程{X(t),t≥0}满足:
(1)X(0)=0;
(2){X(t),t≥0},具有平稳的独立增量;
其中,{X(t),t≥0}为带有漂移系数μ和扩散参数σ的一元Wiener过程,记为X(t)=μt+σB(t),其中,{B(t),t≥0}为标准的Wiener过程,t为退化数据对应的工作时间,X(t)为退化数据。
步骤S204,将退化特征参数、伽马特征参数和维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值;
步骤S205,从第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值中选取最小的贝叶斯指标值,并将最小的贝叶斯指标值对应的模型作为标准退化过程模型。
具体地,从第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值中选取最小的贝叶斯指标值,如果第一贝叶斯指标值为最小,则将第一贝叶斯指标值对应的退化轨道模型作为标准退化过程模型;如果第二贝叶斯指标值为最小,则将第二贝叶斯指标值对应的Gamma过程作为标准退化过程模型;如果第三贝叶斯指标值为最小,则将第三贝叶斯指标值对应的Wiener过程作为标准退化过程模型。
进一步的,步骤S204包括以下步骤:
步骤S301,根据退化设备的初始参数、退化速率和所述测量误差,计算第一似然函数;
步骤S302,根据形状参数和尺度参数,计算第二似然函数;
步骤S303,根据漂移系数和扩散参数,计算第三似然函数;
步骤S304,获取退化特征参数的数量、伽马特征参数的数量和维纳特征参数的数量;
步骤S305,从退化数据中选取多个样本;
步骤S306,根据第一似然函数、退化特征参数的数量和多个样本的数量,计算第一贝叶斯指标值;
具体地,根据公式(2)计算第一贝叶斯指标值:
BIC1=k1ln(n)-2ln(L1)
其中,BIC1为第一贝叶斯指标值,k1为退化特征参数的数量,n为从退化数据中选取的多个样本的数量,L1为第一似然函数。
步骤S307,根据第二似然函数、伽马特征参数的数量和多个样本的数量,计算第二贝叶斯指标值;
具体地,根据公式(3)计算第二贝叶斯指标值:
BIC2=k2 ln(n)-2ln(L2)
其中,BIC2为第二贝叶斯指标值,k2为伽马特征参数的数量,n为从退化数据中选取的多个样本的数量,L2为第二似然函数。
步骤S308,根据第三似然函数、维纳特征参数的数量和多个样本的数量,计算第三贝叶斯指标值。
具体地,根据公式(4)计算第二贝叶斯指标值:
BIC3=k3 ln(n)-2ln(L3)
其中,BIC3为第三贝叶斯指标值,k3为维纳特征参数的数量,n为从退化数据中选取的多个样本的数量,L3为第三似然函数。
进一步的,参照图3,步骤S104包括以下步骤:
步骤S401,根据预设维修次数、预设维修阈值和预设监测周期,得到更换周期内维护成本的期望和更换周期的期望;
步骤S402,根据更换周期内维护成本的期望、更换周期的期望、标准退化过程模型和可靠性函数,得到成本率函数。
具体地,假设零件退化过程服从X(t)=μt+σB(t)的Wiener过程,μ和σ为常数。假设建立以预防性维修次数、预防性维修阈值和预防性监测周期为维修策略的成本率函数,参照公式(5):
其中,T为预防性监测周期,w为预防性维修阈值,N为预防性维修次数,E(C)为更换周期内维护成本的期望,E(Y)为更换周期的期望。E(C)和E(Y)通过预设维修次数、预设维修阈值和预设监测周期得到。
通过建立成本率函数,得到维修策略,维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期,通过客户端反馈给用户,以确保挖掘机得到更好的维修。以挖掘机的柱塞泵为例,回油压力是反映柱塞泵性能退化的退化数据,将退化数据和退化数据的工作时间作为输入,构建标准退化过程模型;根据标准退化过程模型和预设维修策略参数,得到成本率函数;将成本率函数通过迭代算法,得到柱塞泵的维修策略,具体包括柱塞泵的预防性维修次数、预防性维修阈值和预防性监测周期。
本发明实施例提供了挖掘机的维修策略确定方法,应用于客户端,包括:接收云平台发送的挖掘机零部件数据;对零部件数据进行特征提取,得到退化数据;根据退化数据构建标准退化过程模型;根据标准退化过程模型和预设维修策略参数,得到成本率函数;将成本率函数通过迭代算法,得到维修策略;其中,维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期,可以对挖掘机进行监测的过程中,在挖掘机没有发生故障或未造成损坏前确定维修策略,及时更换或维修,避免故障的发生。
实施例二:
图4为本发明实施例二提供的挖掘机的维修策略确定装置示意图。
参照图4,应用于客户端,该装置包括获取单元1、提取单元2、构建单元3、成本率函数获取单元4和维修策略获取单元5。
获取单元1,用于获取挖掘机零部件数据;
提取单元2,用于对零部件数据进行特征提取,得到退化数据;
构建单元3,用于根据退化数据构建标准退化过程模型;
成本率函数获取单元4,用于根据标准退化过程模型和预设维修策略参数,得到成本率函数;
维修策略获取单元5,用于将成本率函数通过迭代算法,得到维修策略;
其中,维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期。
进一步的,构建单元3具体用于:
将退化数据和退化数据对应的工作时间输入到退化轨道模型中,得到退化特征参数,退化特征参数包括退化设备的初始参数、退化速率和测量误差;
将退化数据和退化数据对应的工作时间输入到伽马过程中,得到伽马特征参数,伽马特征参数包括形状参数和尺度参数;
将退化数据和退化数据对应的工作时间输入到维纳过程中,得到维纳特征参数,维纳特征参数包括漂移系数和扩散参数;
将退化特征参数、伽马特征参数和维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值;
从第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值中选取最小的贝叶斯指标值,并将最小的贝叶斯指标值对应的模型作为标准退化过程模型。
进一步的,构建单元3具体用于:
根据退化设备的初始参数、退化速率和测量误差,计算第一似然函数;
根据形状参数和所述尺度参数,计算第二似然函数;
根据漂移系数和扩散参数,计算第三似然函数;
获取退化特征参数的数量、伽马特征参数的数量和维纳特征参数的数量;
从退化数据中选取多个样本;
根据第一似然函数、退化特征参数的数量和多个样本的数量,计算第一贝叶斯指标值;
根据第二似然函数、伽马特征参数的数量和多个样本的数量,计算第二贝叶斯指标值;
根据第三似然函数、维纳特征参数的数量和多个样本的数量,计算第三贝叶斯指标值。
本发明实施例提供了挖掘机的维修策略确定装置,应用于客户端,包括:接收云平台发送的挖掘机零部件数据;对零部件数据进行特征提取,得到退化数据;根据退化数据构建标准退化过程模型;根据标准退化过程模型和预设维修策略参数,得到成本率函数;将成本率函数通过迭代算法,得到维修策略;其中,维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期,可以对挖掘机进行监测的过程中,在挖掘机没有发生故障或未造成损坏前确定维修策略,及时更换或维修,避免故障的发生。
本发明实施例还提供一种电子设备,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,处理器执行计算机程序时实现上述实施例提供的挖掘机的维修策略确定方法的步骤。
本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,计算机可读介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的挖掘机的维修策略确定方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种挖掘机的维修策略确定方法,其特征在于,应用于客户端,所述方法包括:
接收云平台发送的挖掘机零部件数据;
对所述零部件数据进行特征提取,得到退化数据;
根据所述退化数据构建标准退化过程模型;
根据所述标准退化过程模型和预设维修策略参数,得到成本率函数;
将所述成本率函数通过迭代算法,得到维修策略;
其中,所述维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期。
2.根据权利要求1所述的挖掘机的维修策略确定方法,其特征在于,所述根据所述退化数据构建标准退化过程模型,包括:
将所述退化数据和所述退化数据对应的工作时间输入到退化轨道模型中,得到退化特征参数,所述退化特征参数包括退化设备的初始参数、退化速率和测量误差;
将所述退化数据和所述退化数据对应的工作时间输入到伽马过程中,得到伽马特征参数,所述伽马特征参数包括形状参数和尺度参数;
将所述退化数据和所述退化数据对应的工作时间输入到维纳过程中,得到维纳特征参数,所述维纳特征参数包括漂移系数和扩散参数;
将所述退化特征参数、所述伽马特征参数和所述维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值;
从所述第一贝叶斯指标值、所述第二贝叶斯指标值和所述第三贝叶斯指标值中选取最小的贝叶斯指标值,并将所述最小的贝叶斯指标值对应的模型作为所述标准退化过程模型。
3.根据权利要求2所述的挖掘机的维修策略确定方法,其特征在于,所述将所述退化特征参数、所述伽马特征参数和所述维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值,包括:
根据所述退化设备的初始参数、所述退化速率和所述测量误差,计算第一似然函数;
根据所述形状参数和所述尺度参数,计算第二似然函数;
根据所述漂移系数和所述扩散参数,计算第三似然函数;
获取所述退化特征参数的数量、所述伽马特征参数的数量和所述维纳特征参数的数量;
从所述退化数据中选取多个样本;
根据所述第一似然函数、所述退化特征参数的数量和所述多个样本的数量,计算所述第一贝叶斯指标值;
根据所述第二似然函数、所述伽马特征参数的数量和所述多个样本的数量,计算所述第二贝叶斯指标值;
根据所述第三似然函数、所述维纳特征参数的数量和所述多个样本的数量,计算所述第三贝叶斯指标值。
4.根据权利要求1所述的挖掘机的维修策略确定方法,其特征在于,所述预设维修策略参数包括预设维修次数、预设维修阈值和预设监测周期,所述根据所述标准退化过程模型和预设维修策略参数,得到成本率函数,包括:
根据所述预设维修次数、所述预设维修阈值和所述预设监测周期,得到更换周期内维护成本的期望和更换周期的期望;
根据所述更换周期内维护成本的期望、所述更换周期的期望、所述标准退化过程模型和可靠性函数,得到所述成本率函数。
5.根据权利要求1所述的挖掘机的维修策略确定方法,其特征在于,所述零部件数据包括机械数据、液压数据和电气元器件数据。
6.一种挖掘机的维修策略确定装置,其特征在于,所述装置包括:
获取单元,用于获取挖掘机零部件数据;
提取单元,用于对所述零部件数据进行特征提取,得到退化数据;
构建单元,用于根据所述退化数据构建标准退化过程模型;
成本率函数获取单元,用于根据所述标准退化过程模型和预设维修策略参数,得到成本率函数;
维修策略获取单元,用于将所述成本率函数通过迭代算法,得到维修策略;
其中,所述维修策略包括预防性维修次数、预防性维修阈值和预防性监测周期。
7.根据权利要求6所述的挖掘机的维修策略确定装置,其特征在于,所述构建单元具体用于:
将所述退化数据和所述退化数据对应的工作时间输入到退化轨道模型中,得到退化特征参数,所述退化特征参数包括退化设备的初始参数、退化速率和测量误差;
将所述退化数据和所述退化数据对应的工作时间输入到伽马过程中,得到伽马特征参数,所述伽马特征参数包括形状参数和尺度参数;
将所述退化数据和所述退化数据对应的工作时间输入到维纳过程中,得到维纳特征参数,所述维纳特征参数包括漂移系数和扩散参数;
将所述退化特征参数、所述伽马特征参数和所述维纳特征参数分别通过贝叶斯信息准则,分别得到第一贝叶斯指标值、第二贝叶斯指标值和第三贝叶斯指标值;
从所述第一贝叶斯指标值、所述第二贝叶斯指标值和所述第三贝叶斯指标值中选取最小的贝叶斯指标值,并将所述最小的贝叶斯指标值对应的模型作为所述标准退化过程模型。
8.根据权利要求7所述的挖掘机的维修策略确定装置,其特征在于,所述构建单元具体用于:
根据所述退化设备的初始参数、所述退化速率和所述测量误差,计算第一似然函数;
根据所述形状参数和所述尺度参数,计算第二似然函数;
根据所述漂移系数和所述扩散参数,计算第三似然函数;
获取所述退化特征参数的数量、所述伽马特征参数的数量和所述维纳特征参数的数量;
从所述退化数据中选取多个样本;
根据所述第一似然函数、所述退化特征参数的数量和所述多个样本的数量,计算所述第一贝叶斯指标值;
根据所述第二似然函数、所述伽马特征参数的数量和所述多个样本的数量,计算所述第二贝叶斯指标值;
根据所述第三似然函数、所述维纳特征参数的数量和所述多个样本的数量,计算所述第三贝叶斯指标值。
9.一种电子设备,包括存储器、处理器,所述存储器上存储有可在所述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计算机程序时实现上述权利要求1-5任一项所述的方法。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010502941.0A CN111667078B (zh) | 2020-06-04 | 2020-06-04 | 挖掘机的维修策略确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010502941.0A CN111667078B (zh) | 2020-06-04 | 2020-06-04 | 挖掘机的维修策略确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111667078A true CN111667078A (zh) | 2020-09-15 |
CN111667078B CN111667078B (zh) | 2024-02-09 |
Family
ID=72386318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010502941.0A Active CN111667078B (zh) | 2020-06-04 | 2020-06-04 | 挖掘机的维修策略确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667078B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883569A (zh) * | 2021-02-05 | 2021-06-01 | 吉林大学 | 一种数控机床故障传播扩散行为分析方法 |
CN112949063A (zh) * | 2021-03-04 | 2021-06-11 | 上海微洛思科技有限公司 | 基于风险控制的有形资产全寿命周期维修方案优化方法 |
CN113658181A (zh) * | 2021-10-20 | 2021-11-16 | 山东天亚达新材料科技有限公司 | 一种用于海洋钢结构的修补方法、装置、设备 |
CN114321104A (zh) * | 2022-01-17 | 2022-04-12 | 雷沃工程机械集团有限公司 | 一种工程机械领域智能保养系统 |
CN117057773A (zh) * | 2023-06-30 | 2023-11-14 | 东风设备制造有限公司 | 一种设备维修策略的推荐方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256700A (zh) * | 2018-04-13 | 2018-07-06 | 中国人民解放军火箭军工程大学 | 一种维修设备剩余寿命预测方法及系统 |
-
2020
- 2020-06-04 CN CN202010502941.0A patent/CN111667078B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108256700A (zh) * | 2018-04-13 | 2018-07-06 | 中国人民解放军火箭军工程大学 | 一种维修设备剩余寿命预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
王远航: "基于多故障关联和精度退化的数控装备预防性维修决策研究", 《中国硕士学位论文电子期刊 工程科技I辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883569A (zh) * | 2021-02-05 | 2021-06-01 | 吉林大学 | 一种数控机床故障传播扩散行为分析方法 |
CN112949063A (zh) * | 2021-03-04 | 2021-06-11 | 上海微洛思科技有限公司 | 基于风险控制的有形资产全寿命周期维修方案优化方法 |
CN113658181A (zh) * | 2021-10-20 | 2021-11-16 | 山东天亚达新材料科技有限公司 | 一种用于海洋钢结构的修补方法、装置、设备 |
CN114321104A (zh) * | 2022-01-17 | 2022-04-12 | 雷沃工程机械集团有限公司 | 一种工程机械领域智能保养系统 |
CN114321104B (zh) * | 2022-01-17 | 2024-04-12 | 雷沃重工集团有限公司 | 一种工程机械领域智能保养系统 |
CN117057773A (zh) * | 2023-06-30 | 2023-11-14 | 东风设备制造有限公司 | 一种设备维修策略的推荐方法及系统 |
CN117057773B (zh) * | 2023-06-30 | 2024-06-14 | 东风设备制造有限公司 | 一种设备维修策略的推荐方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111667078B (zh) | 2024-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111667078A (zh) | 挖掘机的维修策略确定方法和装置 | |
CN110880984B (zh) | 基于模型的流量异常监测方法、装置、设备及存储介质 | |
CN109992473B (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
US20070276631A1 (en) | Causal ladder mechanism for proactive problem determination, avoidance and recovery | |
US20020144178A1 (en) | Method and system for software rejuvenation via flexible resource exhaustion prediction | |
EP3806008A1 (en) | Model generation device for lifespan prediction, model generation method for lifespan prediction, and storage medium storing model generation program for lifespan prediction | |
WO2015009405A1 (en) | Systems and methods for filtering low utility value messages from system logs | |
EP3557418B1 (en) | Resource management of resource-controlled system | |
US8332690B1 (en) | Method and apparatus for managing failures in a datacenter | |
WO2021188196A1 (en) | Causality determination of upgrade regressions via comparisons of telemetry data | |
CN112036051A (zh) | 磁悬浮系统剩余使用寿命预测方法、装置、设备及介质 | |
JP2011175504A (ja) | イベント予測システムおよびイベント予測方法、ならびにコンピュータ・プログラム | |
CN111369056A (zh) | 地质灾害预测方法及电子设备 | |
CN110737548A (zh) | 数据请求方法和服务器 | |
US20200379867A1 (en) | Anomalous computing resource usage detection based on seasonality-based dynamic thresholds | |
CN111400142B (zh) | 虚拟机的异常监控方法、装置及存储介质 | |
CN111814331B (zh) | 复杂情况下多变点的设备剩余使用寿命预测方法 | |
CN114071525A (zh) | 基站优化次序确定方法、装置及存储介质 | |
US20160350692A1 (en) | Measuring Change in Software Developer Behavior Under Pressure | |
CN110619413A (zh) | 用于评估风力发电机组健康度的方法及装置 | |
CN114138634B (zh) | 测试用例的选取方法、装置、计算机设备和存储介质 | |
CN114021302A (zh) | 输电线路的寿命评估方法、装置、系统及存储介质 | |
JP5985328B2 (ja) | 蓄電池の残存価値格付け装置およびプログラム | |
CN115544803A (zh) | 一种变压器剩余寿命预测方法、装置、设备及存储介质 | |
CN113343479A (zh) | 设备使用寿命的计算方法和装置 |
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 |