CN113074957A - 空降车辆支承状态监测装置、方法、服务器及存储介质 - Google Patents

Abstract

本发明公开了一种空降车辆大部件支承状态在线监测装置与方法、服务器及存储介质，采集空降车辆不同行驶状态不同位置处的加速度传感器信号，读取空降车辆当前行驶状态下读取的总线参数信号，当空降车辆当前行驶状态为空降前行驶状态时，根据总线参数信号加速度传感器信号和总线参数信号，计算获得神经网络模型。当空降车辆当前行驶状态为执行空降任务状态时，根据加速度传感器信号和预设阈值，确定空降车辆故障状态代码。当空降车辆当前行驶状态为空降后行驶状态时，根据加速度传感器信号、总线参数信号和总线参数信号神经网络模型确定空降车辆大部件支承状态，大幅提高空降后行驶过程中对于空降车辆大部件支承状态监测的准确性和可靠性。

Description

空降车辆支承状态监测装置、方法、服务器及存储介质

技术领域

本申请涉及空降车辆技术领域，特别是涉及一种空降车辆大部件支承状态在线监测装置、方法、服务器及存储介质。

背景技术

空降车辆在落地瞬间承受较大的冲击载荷，动力、传动等大部件支座等结构易发生冲击损伤，导致支承的刚度和稳定性发生较大变化，严重影响空降后的整车可靠性。目前，空降车辆多数仅根据试验设计仿真计算的方式计算空降车辆落地时冲击载荷，但缺少对空降后空降车辆行驶过程中大部件支承状态进行在线监测的方法和装置，因而无法评估空降车辆空降后行驶的可靠性。

另外，在工程中一般利用振动信号采集和分析方法对支承结构状态进行监测，当结构谐振频率超过设定的阈值时，即认为支承结构发生了损伤。但车辆在行驶过程中，大部件支承结构的频域响应特征与车速、路面状态等诸多因素密切相关，无法直接给定结构谐振频率的失效阈值。

发明内容

本发明的目的在于提供一种空降车辆大部件支承状态在线监测方法与装置、服务器及存储介质，用于解决上述现有技术的问题。

本发明一种空降车辆大部件支承状态在线监测装置，其中，包括在空降车辆内部安装的状态监测控制盒和显控终端；所述状态监测控制盒包括主板、振动信号处理板、总线信号处理板；所述主板包括车辆行驶状态检测单元和模型计算单元，所述车辆行驶状态检测单元用于检测空降车辆当前行驶状态；所述空降车辆当前行驶状态包括空降前行驶状态、执行空降任务状态或空降后行驶状态；所述振动信号处理板用于采集并计算所述空降车辆当前行驶状态不同位置处的加速度传感器信号，并将所述加速度传感器信号发送至所述主板；所述总线信号处理板用于读取空降车辆当前行驶状态下的总线参数信号，并将所述总线参数信号发送至所述主板；当所述空降车辆当前行驶状态为空降前行驶状态时，所述模型计算单元根据所述加速度传感器信号和所述总线参数信号，计算获得神经网络模型；当所述空降车辆当前行驶状态为执行空降任务状态时，所述主板根据所述加速度传感器信号和预设阈值，确定所述空降车辆故障状态代码；当所述空降车辆当前行驶状态为空降后行驶状态时，所述主板根据所述加速度传感器信号、所述总线参数信号和所述神经网络模型确定空降车辆故障状态代码；所述主板还将确定的所述空降车辆故障状态代码发送至所述显控终端；所述显控终端用于根据接收的所述故障状态代码显示相应的空降车辆大部件支承状态；所述振动信号处理板包括信号采集单元、第一计算单元和第一发送单元，所述信号采集单元用于采集所述空降车辆当前行使状态下不同位置处的加速度传感器信号，所述不同位置包括空降车辆第一位置、空降车辆第二位置和空降车辆第三位置；当所述空降车辆当前行驶状态为空降前或空降后行驶状态时，所述第一计算单元用于在所述空降车辆第一位置处采集到的所述加速度传感器信号在每第一时间间隔内分别计算一次各自通道加速度的时域均方根值以及在所述空降车辆第二位置和所述空降车辆第三位置处采集到的的所述加速度传感器信号在每第二时间间隔内分别计算一次各自通道加速度的一阶谐振频率；当所述空降车辆当前行驶状态为执行空降任务状态时，所述第一计算单元用于在所述空降车辆第一位置处采集到的加速度传感器信号计算落地瞬间各通道冲击加速度峰值。

根据本发明所述的一种空降车辆大部件支承状态在线监测装置的一实施例，其中，所述主板还进一步包括供电单元、诊断单元以及诊断结果发送单元；所述供电单元用于控制向所述状态监测控制盒供电；当所述车辆行驶状态检测到的所述空降车辆当前行驶状态为执行空降任务状态或空降后行驶状态时，所述诊断单元用于确定所述空降车辆故障状态代码；所述诊断结果发送单元用于将所述诊断单元确定的所述空降车辆故障状态代码发送至所述显控终端。

根据本发明所述的一种空降车辆大部件支承状态在线监测装置的一实施例，其中，所述总线信号处理板包括信号读取单元、第二计算单元和第二发送单元，所述信号读取单元用于读取所述空降车辆总线参数信号，所述第二计算单元用于根据读取的所述空降车辆总线参数信号计算总线参数信号相应值；所述第二发送单元用于将计算得到的所述总线参数信号相应值发送至所述模型计算单元。

根据本发明所述的一种空降车辆大部件支承状态在线监测装置的一实施例，其中，所述空降车辆第一位置为底甲板处；所述空降车辆第二位置为底甲板动力装置处；所述空降车辆第三位置为底甲板传动装置处；所述底甲板处为底甲板的左前侧、右前侧、左后侧和右后侧四个区域；底甲板动力装置处为底甲板动力装置支座处；底甲板传动装置处为底甲板传动装置支座处。

根据本发明所述的一种空降车辆大部件支承状态在线监测装置的一实施例，其中，所述总线参数信号包括油门踏板位置、车速、发动机转速和发动机扭矩。

一种空降车辆大部件支承状态在线监测装置的监测方法，包括如下步骤：

检测空降车辆当前行驶状态，当检测到的所述空降车辆当前行驶状态为空降前行驶状态时，执行第一操作模式；当检测到的所述空降车辆当前行驶状态为空降车辆执行空降任务状态时，执行第二操作模式；当检测到的所述空降车辆当前行驶状态为空降后行驶状态时，执行第三操作模式；

采集并计算所述空降车辆当前行驶状态不同位置处的加速度传感器信号；

读取所述空降车辆当前行驶状态下的总线参数信号；

所述第一操作模式用于根据所述加速度传感器信号和所述总线参数信号计算获得神经网络模型；

所述第二操作模式用于根据所述加速度传感器信号与预设阈值进行比较判断，确定所述空降车辆执行空降任务状态下的故障状态代码；

所述第三操作模式用于根据所述加速度传感器信号、所述总线参数信号和所述第一操作模式下获得的所述神经网络模型，确定所述空降车辆空降后行驶状态下的故障状态代码；

基于所述故障状态代码显示相应的空降车辆大部件支承状态。

根据本发明的一种空降车辆大部件支承状态在线监测装置的监测方法的一实施例，其中，还包括如下步骤：所述不同位置包括空降车辆第一位置、空降车辆第二位置和空降车辆第三位置；

所述第一操作模式下的所述加速度传感器信号包括在所述空降车辆第一位置处采集所述加速度传感器信号，每第一时间间隔内计算一次各通道加速度的时域均方根值；以及在所述空降车辆第二位置和所述空降车辆第三位置处采集所述加速度传感器信号，每第二时间间隔内计算一次各通道加速度的一阶谐振频率；根据所述加速度的时域均方根值、加速度的一阶谐振频率和所述总线参数信号计算获得神经网络模型；

所述第二操作模式下的所述加速度传感器信号包括在所述空降车辆第一位置处采集所述加速度传感器信号，计算落地瞬间各通道冲击加速度峰值；根据所述落地瞬间各通道冲击加速度峰值与所述预设阈值进行比较判断；

所述第三操作模式下的所述加速度传感器信号包括在所述空降车辆第一位置处采集所述加速度传感器信号，每第一时间间隔内计算一次各通道加速度的时域均方根值；以及在所述空降车辆第二位置和所述空降车辆第三位置处采集所述加速度传感器信号，每第二时间间隔内计算一次各通道加速度的一阶谐振频率；基于所述加速度的时域均方根值、所述总线参数信号和所述神经网络模型计算得到输出层参数模型值；将所述加速度的一阶谐振频率与所述输出层参数模型值进行比较判断，以确定所述空降车辆空降后行驶状态下的故障状态代码。

本发明一种空降车辆，其上述所述的空降车辆大部件支承状态在线监测装置，并执行上述的空降车辆大部件支承状态在线监测装置的监测方法。

本发明一种服务器，其包括：至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述存储器存储的程序，所述程序用于实现上述的空降车辆大部件支承状态在线监测装置的监测方法。

本发明一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行上述的空降车辆大部件支承状态在线监测装置的监测方法。

与现有技术相比，本发明提供一种空降车辆大部件支承状态在线监测装置与方法、服务器及存储介质。本发明通过在不同位置安装垂向加速度传感器，可以采集相关信号以辅助空降车辆大部件支承状态实现准确的在线监测，本发明提供的技术方案，通过判断空降车辆不同行驶状态，执行不同的操作模式，实现不同状态下大部件支承状态的检测。本发明提供的技术方案，通过检测空降前行驶状态下空降车辆的底甲板、动力装置和传动装置等关键位置处的加速度响应，综合考虑了空降车辆行驶时的各项总线参数值，以更为准确地实施监测。本发明提供的技术方案，通过利用空降车辆执行空降任务前的行驶状态获得的神经网络模型对空降后行驶进行动态修正，与现有技术相比，进一步大幅提高了空降后行驶过程中对于空降车辆大部件支承状态监测的准确性和可靠性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种空降车辆主要部件的结构框图；

图2为本申请实施例所提供的一种空降车辆状态监测控制盒的结构框图。

图3为本申请实施例所提供的一种空降车辆不同行驶状态下的控制流程图。

图4为本申请实施例所提供的一种空降车辆第一操作模式的流程图。

图5为本申请实施例所提供的一种空降车辆第二操作模式的流程图。

图6为本申请实施例所提供的一种空降车辆第三操作模式的流程图。

具体实施方式

为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

为了便于理解，先结合图1和图2对空降车辆主要部件及结构进行简单的说明。图1为本申请实施例提供的一种空降车辆主要部件的结构框图；图2为本申请实施例所提供的一种空降车辆状态监测控制盒的结构框图。

如图1所示，空降车辆主要包括底甲板1、动力装置2、传动装置3、状态监测控制盒4、显控终端5和各装置相应大支承结构等，动力装置2主要是由发动机、变速箱、冷却器和空气滤清器组成的一个整体单元。

空降车辆底甲板1上设置有第一垂向加速度传感器11、第二垂向加速度传感器12、第三垂向加速度传感器13和第四垂向加速度传感器14，在底甲板动力装置2上设置有第五垂向加速度传感器15，在底甲板传动装置3上设置有第六垂向加速度传感器16；

优选的是，第一至第四垂向加速度传感11-14安装在底甲板的左前侧、右前侧、左后侧和右后侧四个区域，第五垂向加速度传感器15安装在底甲板动力装置支座处，第六垂向加速度传感器16安装在底甲板传动装置支座处，通过在不同部件的不同位置处安装垂向加速度传感器，从而为采集空降车辆不同行驶状态下各个通道工作参数并准确判断大部件支承状态提供基础。

如图2所示，空降车辆内部安装有状态监测控制盒4，状态监测控制盒4内设置有主板401、振动信号处理板402、总线信号处理板403。

其中主板401包括供电单元10、车辆行驶状态检测单元20、模型计算单元30、诊断单元40以及诊断结果发送单元50；其中，供电单元10用于控制向状态监测控制盒4供电；车辆行驶状态检测单元20用于对空降车辆当前行驶状态进行检测；模型计算单元30用于计算神经网络模型；诊断单元40用于确定空降车辆故障状态；以及诊断结果发送单元50将诊断单元40确定的空降车辆故障状态对应的状态代码发送至显控终端5；显控终端5用于显示空降车辆大部件支承状态。

振动信号处理板402内设置有信号采集单元601、第一计算单元602和第一发送单元603，其中信号采集单元601用于采集空降车辆在不同行驶状态下的空降车辆传感器信号；第一计算单元602用于根据信号采集单元601采集的传感器信号计算振动加速度值；第一发送单元603用于将第一计算单元602计算得到的振动加速度值发送至诊断单元40或发送至模型计算单元30。

总线信号处理板403内设置有信号读取单元701、第二计算单元702和第二发送单元703，信号读取单元701用于读取空降车辆总线参数信号，第二计算单元702用于根据读取的空降车辆总线参数信号计算相应值；第二发送单元703用于将计算得到的总线参数信号相应值发送至模型计算单元30。

为了对空降车辆大部件支承状态进行在线监测，本发明具体工作过程如下：

如图3所示，车辆行驶状态检测单元20首先检测空降车辆当前行驶状态，当检测到的空降车辆当前行驶状态为空降前行驶状态时，执行第一操作模式S10，第一操作模式S10的具体步骤包括，如图4所示：

步骤S101：信号采集单元601采集第一至第六垂向加速度传感器11-16的信号；

步骤S102：第一计算单元602根据信号采集单元601采集的第一至第四垂向加速度传感器11-14的信号在每第一时间间隔T1内分别计算一次各自通道加速度的时域均方根值Ki(i＝1,2,3,4)；

步骤S103：第一计算单元602还根据信号采集单元601采集的第五和第六垂向加速度传感器15、16的信号在每第二时间间隔T2内分别计算一次各自通道加速度的一阶谐振频率Fj(j＝1,2)；

步骤S104：第一发送单元603将第一计算单元602计算获得的时域均方根值Ki(i＝1,2,3,4)以及一阶谐振频率Fj(j＝1,2)发送至模型计算单元30；

步骤S105：信号读取单元701读取此时空降车辆控制总线上的信号，信号包括油门踏板位置P1、车速P2、发动机转速P3、发动机扭矩P4；

步骤S106：第二计算单元702根据信号读取单元701读取的总线参数信号，在每第三时间间隔T3内计算一次总线参数信号各平均值LPn(n＝1,2,3,4)；

步骤S107：第二发送单元703将第二计算单元702计算获得的平均值LPn(n＝1,2,3,4)发送至模型计算单元30；

步骤S108：模型计算单元30以各时域均方根值Ki(i＝1,2,3,4)和总线参数信号各平均值LPn(n＝1,2,3,4)为输入层参数，以各一阶谐振频率Fj(j＝1,2)为输出层参数，进行神经网络训练，得到动态修正的神经网络模型Q；

其中，第一时间间隔T1为9-12s，优选为10s；第二时间间隔T2为8-11s，优选为10s；第三时间间隔T3为7-13s，优选为10s。

车辆行驶状态检测单元20检测空降车辆当前行驶状态，当检测到的空降车辆当前行驶状态为空降车辆执行空降任务状态时，执行第二操作模式S20，第二操作模式S20的具体步骤包括，如图5所示：

步骤201：信号采集单元601采集第一至第四垂向加速度传感器11-14的信号；

步骤202：第一计算单元602根据信号采集单元601采集的第一至第四垂向加速度传感器11-14的信号计算落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)；

步骤203：第一发送单元603将第一计算单元602计算获得的冲击加速度峰值Ri(i＝1,2,3,4)发送至诊断单元40；

步骤204：诊断单元40根据落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)与预设阈值Rmax进行比较判断以确定空降车辆故障状态代码，当落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)小于预设阈值Rmax时，诊断空降车辆故障状态代码为0X00，若落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)大于预设阈值Rmax时，诊断空降车辆故障状态代码为0X01；

步骤205：诊断结果发送单元50将诊断单元40确定的空降车辆故障状态代码发送至显控终端5；

步骤206：显控终端5用于根据从诊断结果发送单元50接收到的空降车辆故障状态代码相应显示大部件支承状态，当接收到的状态代码为0X00，显控终端5显示“正常”，当接收到的状态代码为0X01，显控终端5显示“警告”。其中，预设阈值Rmax根据空降车辆在落地瞬间能够承受的最大冲击载荷的经验公式提前计算获得。

车辆行驶状态检测单元20检测空降车辆当前行驶状态，当检测到空降车辆当前行驶状态为空降后行驶状态时，执行第三操作模式S30，第三操作模式S30的具体步骤包括，如图6所示：

步骤301：信号采集单元601以1000Hz采样率采集第一至第六垂向加速度传感器11-16的信号；

步骤302：第一计算单元602根据信号采集单元601采集的第一至第四垂向加速度传感器11-14的信号在每第四时间间隔T4内分别计算一次各自通道加速度的时域均方根值KAi(i＝1,2,3,4)；

步骤303：第一计算单元602还根据信号采集单元601采集的第五和第六垂向加速度传感器15、16的信号在每第五时间间隔T5内分别计算一次各自通道加速度的一阶谐振频率FAj(j＝1,2)；

步骤304：第一发送单元603将第一计算单元602计算获得的时域均方根值KAi(i＝1,2,3,4)以及一阶谐振频率FAj(j＝1,2)发送至模型计算单元30；

步骤305：进一步地，信号读取单元701读取此时空降车辆控制总线上的信号，信号包括油门踏板位置PA1、车速PA2、发动机转速PA3、发动机扭矩PA4；

步骤306：第二计算单元702根据信号读取单元701读取的总线参数信号，在每第六时间间隔T6内计算一次总线参数信号各平均值LPAn(n＝1,2,3,4)；

步骤307：第二发送单元703将第二计算单元702计算获得的平均值LPAn(n＝1,2,3,4)发送至模型计算单元30；

步骤308：模型计算单元30以各时域均方根值KAi(i＝1,2,3,4)和总线参数信号各平均值LPAn(n＝1,2,3,4)为输入层参数，利用空降前行驶过程中得到的神经网络模型Q计算得到输出层参数模型值FCj(j＝1,2)；

步骤309：诊断单元40将第一计算单元602计算获得的一阶谐振频率FAj(j＝1,2)与神经网络模型计算得到的输出层参数模型值FCj(j＝1,2)进行比较判断以确定空降车辆故障状态代码，当FAj＜a×FCj(j＝1,2)时，诊断空降车辆故障状态代码为0X00，当FAj＞b×FCj(j＝1,2)时，诊断空降车辆故障状态代码为0X02，其他情况时诊断空降车辆故障状态代码为0X01；其中，a为正常判断系数，b为故障判断系数。

步骤310：诊断结果发送单元50将诊断单元40确定的空降车辆故障状态代码发送至显控终端5；

步骤311：显控终端5用于根据从诊断结果发送单元50接收到的空降车辆故障状态代码相应显示大部件支承状态，当接收到的状态代码为0X00，显控终端5显示“正常”，当接收到的状态代码为0X01，显控终端5显示“警告”，当接收到的状态代码为0X02，显控终端5显示“故障”。

其中，第四时间间隔T4为9-12s，优选为10s；第五时间间隔T5为8-11s，优选为10s；第六时间间隔T6为7-13s，优选为10s。正常判断系数a的取值为范围为0.9-1.1，优选为1.1。故障判断系数b的取值为范围为1.2-1.3，优选为1.2。

作为可替代的实施例，当检测到的空降车辆当前行驶状态为空降后行驶时，可以通过采集第一至第六垂向加速度传感器传感器11-16的信号，并在每第一定时间间隔内分别计算一次各自通道加速度的一阶谐振频率，并将各自通道加速度的一阶谐振频率与相对应的预设参考值进行比较判断，从而监测空降车辆大部件支承状态，无需涉及空降车辆行驶过程中的总线信息和神经网络计算模型。

进一步的，本申请实施例还提供一种计算机存储介质，该计算机存储介质中存储有计算机可执行指令，该计算机可执行指令用于执行上述空降车辆大部件支承状态在线监测方法。

本发明公开了一种空降车辆大部件支承状态在线监测方法，包括如下步骤：

检测空降车辆当前行驶状态，当检测到的空降车辆当前行驶状态为空降前行驶状态时，执行第一操作模式；当检测到的空降车辆当前行驶状态为空降车辆执行空降任务状态时，执行第二操作模式；当检测到的空降车辆当前行驶状态为空降后行驶状态时，执行第三操作模式；采集并计算空降车辆当前行驶状态不同位置处的加速度传感器信号；读取空降车辆当前行驶状态下的总线参数信号；第一操作模式用于根据加速度传感器信号和总线参数信号计算获得神经网络模型；第二操作模式用于根据加速度传感器信号与预设阈值进行比较判断，确定空降车辆执行空降任务状态下的故障状态代码；第三操作模式用于根据加速度传感器信号、总线参数信号和第一操作模式下获得的神经网络模型，确定空降车辆空降后行驶状态下的故障状态代码；基于故障状态代码显示相应的空降车辆大部件支承状态。

进一步地，不同位置包括空降车辆第一位置、空降车辆第二位置和空降车辆第三位置；

进一步地，第一操作模式下的加速度传感器信号包括在空降车辆第一位置处采集加速度传感器信号，每第一时间间隔内计算一次各通道加速度的时域均方根值；以及在空降车辆第二位置和空降车辆第三位置处采集加速度传感器信号，每第二时间间隔内计算一次各通道加速度的一阶谐振频率；根据加速度的时域均方根值、加速度的一阶谐振频率和总线参数信号计算获得神经网络模型；

进一步地，第二操作模式下的加速度传感器信号包括在空降车辆第一位置处采集加速度传感器信号，计算落地瞬间各通道冲击加速度峰值；根据落地瞬间各通道冲击加速度峰值与预设阈值进行比较判断；

进一步地，第三操作模式下的加速度传感器信号包括在空降车辆第一位置处采集加速度传感器信号，每第一时间间隔内计算一次各通道加速度的时域均方根值；以及在空降车辆第二位置和空降车辆第三位置处采集加速度传感器信号，每第二时间间隔内计算一次各通道加速度的一阶谐振频率；基于加速度的时域均方根值、总线参数信号和神经网络模型计算得到输出层参数模型值；将加速度的一阶谐振频率与输出层参数模型值进行比较判断，以确定空降车辆空降后行驶状态下的故障状态代码；

进一步地，空降车辆底甲板处安装有第一垂向加速度传感器、第二垂向加速度传感器、第三垂向加速度传感器和第四垂向加速度传感器，在底甲板动力装置处安装有第五垂向加速度传感器，在底甲板传动装置处安装有第六垂向加速度传感器。

进一步地，第一操作模式的具体步骤还包括：

采集第一至第六垂向加速度传感器的信号；

根据采集的第一至第四垂向加速度传感器的信号在每第一时间间隔内分别计算一次各自通道加速度的时域均方根值Ki(i＝1,2,3,4)；

根据采集的第五和第六垂向加速度传感器的信号在每第二时间间隔内分别计算一次各自通道加速度的一阶谐振频率Fj(j＝1,2)；

将计算获得的时域均方根值Ki(i＝1,2,3,4)以及一阶谐振频率Fj(j＝1,2)发送至模型计算单元；

读取此时空降车辆控制总线上的信号，信号包括油门踏板位置P1、车速P2、发动机转速P3、发动机扭矩P4；

根据读取的总线参数信号，在每第三时间间隔内计算一次总线参数信号各平均值LPn(n＝1,2,3,4)；

将计算获得的平均值LPn(n＝1,2,3,4)发送至模型计算单元；

以第一至第四垂向加速度传感器各自通道加速度的时域均方根值Ki(i＝1,2,3,4)和总线参数信号各平均值LPn(n＝1,2,3,4)为输入层参数，以第五和第六垂向加速度传感器各自通道加速度的一阶谐振频率Fj(j＝1,2)为输出层参数，进行神经网络训练，得到动态修正的神经网络模型。

其中，第一时间间隔为9-12s，优选为10s；第二时间间隔为8-11s，优选为10s；第三时间间隔为7-13s，优选为10s。

本发明提供一种利用空降车辆总线参数信号参数以及空降车辆底甲板及其他重要结构的关键位置加速度响应等多种参数进行空降车辆大部件支承状态进行在线监测。

本发明的一种空降车辆大部件支承状态在线监测装置，包括在空降车辆内部安装的状态监测控制盒和显控终端；状态监测控制盒包括主板、振动信号处理板、总线信号处理板；主板包括车辆行驶状态检测单元和模型计算单元，车辆行驶状态检测单元用于检测空降车辆当前行驶状态；空降车辆当前行驶状态包括空降前行驶状态、执行空降任务状态或空降后行驶状态；振动信号处理板用于采集并计算空降车辆当前行驶状态不同位置处的加速度传感器信号，并将加速度传感器信号发送至主板；总线信号处理板用于读取空降车辆当前行驶状态下的总线参数信号，并将总线参数信号发送至主板；当空降车辆当前行驶状态为空降前行驶状态时，模型计算单元根据加速度传感器信号和总线参数信号，计算获得神经网络模型；当空降车辆当前行驶状态为执行空降任务状态时，主板根据加速度传感器信号和预设阈值，确定空降车辆故障状态代码；当空降车辆当前行驶状态为空降后行驶状态时，主板根据加速度传感器信号、总线参数信号和神经网络模型确定空降车辆故障状态代码；主板还将确定的空降车辆故障状态代码发送至显控终端；显控终端用于根据接收的故障状态代码显示相应的空降车辆大部件支承状态。

与现有技术相比，通过检测空降前行驶状态下空降车辆的底甲板、动力装置和传动装置处的大部件支承情况，综合考虑空降车辆空降前行驶时的各项总线参数值，得到动态修正的神经网络模型，可以为空降车辆在执行空降任务后的行驶过程中大部件支承状态判断提供动态修正和参考。优选非支承位置主要关注时域特性，如均方根值；优选支承位置，主要关注频域特性。

进一步地，第二操作模式的具体步骤包括：

采集第一至第四垂向加速度传感器的信号；

根据采集的第一至第四垂向加速度传感器的信号计算落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)；

将计算获得的冲击加速度峰值Ri(i＝1,2,3,4)发送至诊断单元；

根据落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)与预设阈值Rmax进行比较判断以确定空降车辆故障状态代码，当落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)小于预设阈值Rmax时，诊断空降车辆故障状态代码为0X00，若落地瞬间各通道冲击加速度峰值Ri(i＝1,2,3,4)大于预设阈值Rmax时，诊断空降车辆故障状态代码为0X01；

将确定的空降车辆故障状态代码发送至显控终端；

显控终端用于根据接收到的空降车辆故障状态代码相应显示大部件支承状态，当接收到的状态代码为0X00，显控终端显示“正常”，当接收到的状态代码为0X01，显控终端显示“警告”。

其中，预设阈值Rmax根据空降车辆在落地瞬间能够承受的最大冲击载荷的经验公式提前计算获得。

与现有技术相比，通过提前设定预设阈值，能够快速判定空降车辆在落地瞬间的冲击载荷是否导致空降车辆的故障，从而实现状态监测。

进一步地，第三操作模式的具体步骤包括：

以1000Hz采样率采集第一至第六垂向加速度传感器的信号；

根据采集的第一至第四垂向加速度传感器的信号在每第四时间间隔内分别计算一次各自通道加速度的时域均方根值KAi(i＝1,2,3,4)；

根据采集的第五和第六垂向加速度传感器的信号在每第五时间间隔内分别计算一次各自通道加速度的一阶谐振频率FAj(j＝1,2)；

将计算获得的时域均方根值KAi(i＝1,2,3,4)以及一阶谐振频率FAj(j＝1,2)发送至模型计算单元；

读取空降车辆控制总线上的信号，信号包括油门踏板位置PA1、车速PA2、发动机转速PA3、发动机扭矩PA4；

根据读取的总线参数信号，在每第六时间间隔内计算一次总线参数信号各平均值LPAn(n＝1,2,3,4)；

将计算获得的平均值LPAn(n＝1,2,3,4)发送至模型计算单元；

以第一至第四垂向加速度传感器各自通道加速度的时域均方根值KAi(i＝1,2,3,4)和总线参数信号各平均值LPAn(n＝1,2,3,4)为输入层参数，利用空降前行驶过程中得到的神经网络模型Q计算得到输出层参数模型值FCj(j＝1,2)；

将计算获得的第五和第六垂向加速度传感器各自通道加速度的一阶谐振频率FAj(j＝1,2)与神经网络模型计算得到的输出层参数模型值FCj(j＝1,2)进行比较判断以确定空降车辆故障状态代码，当FAj＜a×FCj(j＝1,2)时，诊断空降车辆故障状态代码为0X00，当FAj＞b×FCj(j＝1,2)时，诊断空降车辆故障状态代码为0X02，其他情况时诊断空降车辆故障状态代码为0X01；其中，a为正常判断系数，b为故障判断系数。

将确定的空降车辆故障状态代码发送至显控终端；

显控终端用于根据接收到的空降车辆故障状态代码相应显示大部件支承状态，当接收到的状态代码为0X00，显控终端显示“正常”，当接收到的状态代码为0X01，显控终端显示“警告”，当接收到的状态代码为0X02，显控终端显示“故障”。

其中，第四时间间隔为9-12s，优选为10s；第五时间间隔为8-11s，优选为10s；第六时间间隔为7-13s，优选为10s。正常判断系数a的取值为范围为0.9-1.1，优选为1.1。故障判断系数b的取值为范围为1.2-1.3，优选为1.2。根据空降车辆的不同结构参数特性优化设置上述各时间间隔和判断系数参数，能够更为准确地检测大部件支承状态。

本发明公开一种服务器，包括：至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述存储器存储的程序，所述程序用于实现如上述本发明任意一项公开的空降车辆大部件支承状态在线监测方法。

本发明公开一种计算机可读存储介质，所述存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行如上述本发明任意一项公开的空降车辆大部件支承状态在线监测方法。

与现有技术相比，在空降车辆执行完空降任务后的行驶过程中，能够利用空降车辆执行空降任务前的行驶状态获得的神经网络模型对空降后行驶进行动态修正，提高了空降后行驶过程中对于空降车辆大部件支承状态监测的准确性和可靠性。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种空降车辆大部件支承状态在线监测装置，其特征在于，包括在空降车辆内部安装的状态监测控制盒和显控终端；

所述状态监测控制盒包括主板、振动信号处理板、总线信号处理板；

所述主板包括车辆行驶状态检测单元和模型计算单元，所述车辆行驶状态检测单元用于检测空降车辆当前行驶状态；所述空降车辆当前行驶状态包括空降前行驶状态、执行空降任务状态或空降后行驶状态；

所述振动信号处理板用于采集并计算所述空降车辆当前行驶状态不同位置处的加速度传感器信号，并将所述加速度传感器信号发送至所述主板；

所述总线信号处理板用于读取空降车辆当前行驶状态下的总线参数信号，并将所述总线参数信号发送至所述主板；

当所述空降车辆当前行驶状态为空降前行驶状态时，所述模型计算单元根据所述加速度传感器信号和所述总线参数信号，计算获得神经网络模型；

当所述空降车辆当前行驶状态为执行空降任务状态时，所述主板根据所述加速度传感器信号和预设阈值，确定所述空降车辆故障状态代码；

当所述空降车辆当前行驶状态为空降后行驶状态时，所述主板根据所述加速度传感器信号、所述总线参数信号和所述神经网络模型确定空降车辆故障状态代码；

所述主板还将确定的所述空降车辆故障状态代码发送至所述显控终端；

所述显控终端用于根据接收的所述故障状态代码显示相应的空降车辆大部件支承状态；

所述振动信号处理板包括信号采集单元、第一计算单元和第一发送单元，所述信号采集单元用于采集所述空降车辆当前行使状态下不同位置处的加速度传感器信号，所述不同位置包括空降车辆第一位置、空降车辆第二位置和空降车辆第三位置；

当所述空降车辆当前行驶状态为空降前或空降后行驶状态时，所述第一计算单元用于在所述空降车辆第一位置处采集到的所述加速度传感器信号在每第一时间间隔内分别计算一次各自通道加速度的时域均方根值以及在所述空降车辆第二位置和所述空降车辆第三位置处采集到的的所述加速度传感器信号在每第二时间间隔内分别计算一次各自通道加速度的一阶谐振频率；当所述空降车辆当前行驶状态为执行空降任务状态时，所述第一计算单元用于在所述空降车辆第一位置处采集到的加速度传感器信号计算落地瞬间各通道冲击加速度峰值。

2.根据权利要求1所述的一种空降车辆大部件支承状态在线监测装置，其特征在于，所述主板还进一步包括供电单元、诊断单元以及诊断结果发送单元；所述供电单元用于控制向所述状态监测控制盒供电；当所述车辆行驶状态检测到的所述空降车辆当前行驶状态为执行空降任务状态或空降后行驶状态时，所述诊断单元用于确定所述空降车辆故障状态代码；所述诊断结果发送单元用于将所述诊断单元确定的所述空降车辆故障状态代码发送至所述显控终端。

3.根据权利要求1-2任一项所述的一种空降车辆大部件支承状态在线监测装置，其特征在于，所述总线信号处理板包括信号读取单元、第二计算单元和第二发送单元，所述信号读取单元用于读取所述空降车辆总线参数信号，所述第二计算单元用于根据读取的所述空降车辆总线参数信号计算总线参数信号相应值；所述第二发送单元用于将计算得到的所述总线参数信号相应值发送至所述模型计算单元。

4.根据权利要求1所述的一种空降车辆大部件支承状态在线监测装置，其特征在于，所述空降车辆第一位置为底甲板处；所述空降车辆第二位置为底甲板动力装置处；所述空降车辆第三位置为底甲板传动装置处；所述底甲板处为底甲板的左前侧、右前侧、左后侧和右后侧四个区域；底甲板动力装置处为底甲板动力装置支座处；底甲板传动装置处为底甲板传动装置支座处。

5.根据权利要求1所述的一种空降车辆大部件支承状态在线监测装置，其特征在于，所述总线参数信号包括油门踏板位置、车速、发动机转速和发动机扭矩。

6.一种空降车辆大部件支承状态在线监测装置的监测方法，其特征在于，包括如下步骤：

检测空降车辆当前行驶状态，当检测到的所述空降车辆当前行驶状态为空降前行驶状态时，执行第一操作模式；当检测到的所述空降车辆当前行驶状态为空降车辆执行空降任务状态时，执行第二操作模式；当检测到的所述空降车辆当前行驶状态为空降后行驶状态时，执行第三操作模式；

采集并计算所述空降车辆当前行驶状态不同位置处的加速度传感器信号；

读取所述空降车辆当前行驶状态下的总线参数信号；

所述第一操作模式用于根据所述加速度传感器信号和所述总线参数信号计算获得神经网络模型；

所述第二操作模式用于根据所述加速度传感器信号与预设阈值进行比较判断，确定所述空降车辆执行空降任务状态下的故障状态代码；

所述第三操作模式用于根据所述加速度传感器信号、所述总线参数信号和所述第一操作模式下获得的所述神经网络模型，确定所述空降车辆空降后行驶状态下的故障状态代码；

基于所述故障状态代码显示相应的空降车辆大部件支承状态。

7.根据权利要求6所述的一种空降车辆大部件支承状态在线监测装置的监测方法，其特征在于，还包括如下步骤：所述不同位置包括空降车辆第一位置、空降车辆第二位置和空降车辆第三位置；

所述第一操作模式下的所述加速度传感器信号包括在所述空降车辆第一位置处采集所述加速度传感器信号，每第一时间间隔内计算一次各通道加速度的时域均方根值；以及在所述空降车辆第二位置和所述空降车辆第三位置处采集所述加速度传感器信号，每第二时间间隔内计算一次各通道加速度的一阶谐振频率；根据所述加速度的时域均方根值、加速度的一阶谐振频率和所述总线参数信号计算获得神经网络模型；

所述第二操作模式下的所述加速度传感器信号包括在所述空降车辆第一位置处采集所述加速度传感器信号，计算落地瞬间各通道冲击加速度峰值；根据所述落地瞬间各通道冲击加速度峰值与所述预设阈值进行比较判断；

所述第三操作模式下的所述加速度传感器信号包括在所述空降车辆第一位置处采集所述加速度传感器信号，每第一时间间隔内计算一次各通道加速度的时域均方根值；以及在所述空降车辆第二位置和所述空降车辆第三位置处采集所述加速度传感器信号，每第二时间间隔内计算一次各通道加速度的一阶谐振频率；基于所述加速度的时域均方根值、所述总线参数信号和所述神经网络模型计算得到输出层参数模型值；将所述加速度的一阶谐振频率与所述输出层参数模型值进行比较判断，以确定所述空降车辆空降后行驶状态下的故障状态代码。

8.一种空降车辆，其包括权利要求1-5任一项所述的空降车辆大部件支承状态在线监测装置，并执行权利要求6-7任一项所述的空降车辆大部件支承状态在线监测装置的监测方法。

9.一种服务器，其特征在于，至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述存储器存储的程序，所述程序用于实现如权利要求6-7任一项所述的空降车辆大部件支承状态在线监测装置的监测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可执行指令，所述计算机可执行指令用于执行权利要求6-7任意一项所述的空降车辆大部件支承状态在线监测装置的监测方法。

Images