CN114674576B - 一种叉车制动性能试验方法及装置 - Google Patents
一种叉车制动性能试验方法及装置 Download PDFInfo
- Publication number
- CN114674576B CN114674576B CN202210285440.0A CN202210285440A CN114674576B CN 114674576 B CN114674576 B CN 114674576B CN 202210285440 A CN202210285440 A CN 202210285440A CN 114674576 B CN114674576 B CN 114674576B
- Authority
- CN
- China
- Prior art keywords
- braking
- data
- brake
- forklift
- preset
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Forklifts And Lifting Vehicles (AREA)
Abstract
本发明公开了一种叉车制动性能试验方法及装置,所述方法包括:通过搭建制动性能试验系统,其中包括数据采集模块、数据处理模块以及智能纠偏模块;基于数据采集模块获得第一采集数据集合;制动特征分类获得第一制动数据、第二制动数据以及第三制动数据;获得目标物的制动前行驶速度;获得实际载重量和实际制动距离;所述数据处理模块基于预设制动逻辑,获得预设制动距离;判断预设制动距离是否达到实际制动距离;若预设制动距离未达到实际制动距离,利用智能纠偏模块对预设制动逻辑进行智能纠偏。解决了现有技术中对叉车的制动性能进行检验时,存在试验效率低,花费人力成本高,同时存在无法对叉车的实时制动性能进行及时检验的技术问题。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种叉车制动性能试验方法及装置。
背景技术
叉车的制动距离是评价叉车制动性能的重要指标,也是影响叉车安全性的重要因素。其中,制动性能是叉车迅速减速停车的能力,通常以紧急制动时的制动距离来衡量。在我国,叉车属于机电类特种设备,是厂内机动车辆中数量最多、使用最广泛的一个品种。此外,叉车作业环境一般较为恶劣,且常存在维护、保养不到位,随着使用时间的延长,极易发生意外事故、造成人身伤亡及财产损失。其中,叉车造成的事故大多与叉车制动系统有关,由此可见稳定可靠的制动系统是叉车安全使用的重要保障。现有技术中对叉车的制动性能检验存在试验效率低,花费人力成本高,同时无法对叉车的实时制动性能进行及时检验的技术问题。因此,研究利用计算机技术提高叉车制动性能的试验速度和试验准确率,具有重要的现实意义。
然而,现有技术中对叉车的制动性能进行检验时,存在试验效率低,花费人力成本高,同时存在无法对叉车的实时制动性能进行及时检验的技术问题。
发明内容
本发明的目的是提供一种叉车制动性能试验方法及装置,用以解决现有技术中对叉车的制动性能进行检验时,存在试验效率低,花费人力成本高,同时存在无法对叉车的实时制动性能进行及时检验的技术问题。
鉴于上述问题,本发明提供了一种叉车制动性能试验方法及装置。
第一方面,本发明提供了一种叉车制动性能试验方法,所述方法通过一种叉车制动性能试验装置实现,其中,所述方法包括:通过搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;基于所述数据采集模块,对目标物进行数据采集,获得第一采集数据集合;对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;将所述制动前行驶速度和所述实际载重量作为输入信息,上传至所述数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;判断所述预设制动距离是否达到所述实际制动距离;若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至所述智能纠偏模块,对所述预设制动逻辑进行智能纠偏。
另一方面,本发明还提供了一种叉车制动性能试验装置,用于执行如第一方面所述的一种叉车制动性能试验方法,其中,所述装置包括:第一搭建单元:所述第一搭建单元用于搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;第一获得单元:所述第一获得单元用于基于数据采集模块,对目标物进行数据采集,获得第一采集数据集合;第二获得单元:所述第二获得单元用于对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;第三获得单元:所述第三获得单元用于对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;第四获得单元:所述第四获得单元用于根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;第五获得单元:所述第五获得单元用于将所述制动前行驶速度和所述实际载重量作为输入信息,上传至数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;第一判断单元:所述第一判断单元用于判断所述预设制动距离是否达到所述实际制动距离;第一执行单元:所述第一执行单元用于若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至智能纠偏模块,对所述预设制动逻辑进行智能纠偏。
第三方面,一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述第一方面中任一项所述的方法。
第四方面,一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过利用数据采集模块对待试验叉车进行相关数据采集,进而利用数据处理模块对采集到的数据进行智能分析,并在数据处理模块的智能分析得到的预设制动距离和叉车实际制动距离不相符时,反向证明预设制动逻辑不合理。进一步的,利用网络延时算法对采集数据时间和制动时间进行同步校准,并利用智能纠偏模块对预设制动逻辑进行智能纠偏修正。通过将叉车空载状态下的制动逻辑作为预设制动逻辑,对叉车不同载重、不同速度下的制动性能进行理论分析,在叉车实际制动和理论分析结果不同时反向对预设制动逻辑进行修正,最终确定叉车的制动逻辑。达到了利用计算机技术提高叉车制动性能分析结果准确性,同时提高对叉车制动性能检验的智能化程度,从而提高叉车制动性能试验效率的技术效果。
2.通过将对叉车制动影响最大的三个特征类别进行系统智能处理、分析的数据基础,为系统智能数据分析提供最重要、最主要的制动影响数据,从而降低了系统的计算量,达到了提高系统智能处理和分析目标物制动性能效率的技术效果。
3.通过层级数据分析器对各制动特征类别两两进行交叉分析,并利用样本增强算法提高数据和样本的可利用性,达到了基于各制动特征类别数据及其关联耦合作用下数据分析,进而提高分析结果可靠性、有效性、准确性的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明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示例性的,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为本发明一种叉车制动性能试验方法的流程示意图;
图2为本发明一种叉车制动性能试验方法中对所述第一时间节点和所述第二时间节点进行补差的同步校准的流程示意图;
图3为本发明一种叉车制动性能试验方法中对所述第一采集数据集合进行制动特征分类的流程示意图;
图4为本发明一种叉车制动性能试验方法中生成所述目标物的制动前行驶速度的流程示意图;
图5为本发明一种叉车制动性能试验装置的结构示意图;
图6为本发明示例性电子设备的结构示意图。
附图标记说明:
第一搭建单元11,第一获得单元12,第二获得单元13,第三获得单元14,第四获得单元15,第五获得单元16,第一判断单元17,第一执行单元18,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本发明通过提供一种叉车制动性能试验方法及装置,解决了现有技术中对叉车的制动性能进行检验时,存在试验效率低,花费人力成本高,同时存在无法对叉车的实时制动性能进行及时检验的技术问题。达到了利用计算机技术提高对叉车制动性能检验的智能化程度,从而提高叉车制动性能试验效率的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,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。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
本发明提供了一种叉车制动性能试验方法,所述方法应用于一种叉车制动性能试验装置,其中,所述方法包括:通过搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;基于所述数据采集模块,对目标物进行数据采集,获得第一采集数据集合;对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;将所述制动前行驶速度和所述实际载重量作为输入信息,上传至所述数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;判断所述预设制动距离是否达到所述实际制动距离;若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至所述智能纠偏模块,对所述预设制动逻辑进行智能纠偏。
在介绍了本发明基本原理后,下面将结合说明书附图来具体介绍本发明的各种非限制性的实施方式。
实施例一
请参阅附图1,本发明提供了一种叉车制动性能试验方法,其中,所述方法应用于一种叉车制动性能试验装置,所述方法具体包括如下步骤:
步骤S100:搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;
具体而言,所述一种叉车制动性能试验方法应用于所述叉车制动性能试验装置,可以通过搭建制动性能试验系统,对叉车制动性能进行智能化试验检验。
所述制动性能试验系统用于对待检验制动性能的叉车进行智能化制动性能试验,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块。其中,所述数据采集模块用于对待检验叉车的操纵力信号、叉车轮胎转动信号、制动时间、速度、加速度、距离以及制动踏板位置、制动器和制动泵的磨损量等制动相关参数指标数据进行实时采集。所述数据处理模块用于对所述数据采集模块采集到的各项指标数据进行智能分析,从而确定对应叉车的制动能力。所述智能纠偏模块基于所述数据处理模块智能化分析得到的叉车制动性能结果,即待测制动性能叉车的预设制动距离。通过迭代对比和对叉车预设制动逻辑的针对性纠偏调整,达到了提高叉车制动性能检测准确度,同时提高叉车制动性能试验智能化程度、提高试验效率的技术效果。
步骤S200:基于所述数据采集模块,对目标物进行数据采集,获得第一采集数据集合;
具体而言,所述数据采集模块用于利用不同方式对目标物进行相关数据采集,采集得到的所有数据组成所述第一采集数据集合。举例如叉车制动时的操纵力信号、叉车轮胎转动信号、叉车制动时间、速度、加速度、距离以及叉车制动踏板的位置、制动器和制动泵的磨损情况等所有制动相关指标数据。其中,所述数据采集模块中嵌入有智能判断单元,用于智能化分辨信号采集、传输中必须的代码,并进行代码精炼保存,而对于除信号采集、传输中必须的代码之外的代码进行剔除。其中,所述目标物是指待使用所述叉车制动性能试验装置进行制动性能智能检验的叉车。通过所述数据采集模块,实现对叉车制动时的相关参数进行实时采集的目标。举例如将压力传感器、加速度传感器或转动角传感器等与数据采集模块通信连接,通过利用压力传感器对叉车制动时手柄或制动踏板的操纵力进行采集,利用加速度传感器或转动角传感器对叉车制动时轮胎停止转动的时间点进行采集等,进一步,各压力传感器将采集到的各数据实时传输给数据采集模块。在各数据信号采集和传输过程中,由智能判断单元对各函数严格审查,剔除不是数据信号采集、传输所必须的代码,如类Printf操作等,实现代码精炼的目标。
通过采集待检验制动性能叉车的所有制动指标数据,达到了为后续基于采集到的数据计算叉车制动前的行驶速度,并进行预设制动逻辑针对性调整提供实时、直观、准确的数据基础的技术效果。
步骤S300:对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;
具体而言,对所述数据采集模块采集到的所述第一采集数据集合中的所有数据依次进行制动特征分类,从而得到对应不同制动特征的数据,分别组成所述第一制动数据、所述第二制动数据以及所述第三制动数据。举例如叉车紧急制动时,对应所检测手柄或制动踏板的操纵力数据为一类制动特征数据,叉车紧急制动时,对应所检测轮胎的制动时间点、制动速度、制动距离为一类制动特征数据等。通过对第一采集数据集合进行制动特征分类,达到了为后续系统进行智能数据分析提供多类数据基础的技术效果。
步骤S400:对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;
步骤S500:根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;
具体而言,由于车辆制动会受到多个因素的影响,举例如路面光滑程度、车辆轮胎性能、车辆载重、车辆行驶速度等等,因此分析特定因素条件下叉车的制动性能具有重要意义。根据所述数据采集模块采集得到的所述第一采集数据集合,可以确定所述目标物,即待测制动性能叉车,在制动前的实际载重和实际制动距离数据。此外,通过对所述第一采集数据集合特征分类得到的所述第一制动数据、所述第二制动数据以及所述第三制动数据,分析计算得到所述目标物,即待测制动性能叉车在制动前最后一刻行驶的速度数据。通过分析明确叉车在制动前行驶速度和实际载重量,为后续数据处理模块智能化分析叉车在特定行驶速度、特定载重下的制动距离提供分析技术,达到了提高叉车制动距离分析结果准确性的技术效果。
步骤S600:将所述制动前行驶速度和所述实际载重量作为输入信息,上传至所述数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;
进一步的,本发明步骤S600还包括:
步骤S610:将车辆的行驶初速度定义为v,单位为km/h,将所述车辆的载重量定义为m,单位为kg,将所述车辆的制动距离定义为s,单位为m,所述预设制动逻辑满足下列关系式:
进一步的,本发明还包括步骤S660:
具体而言,将所述数据采集模块采集得到的叉车制动数据中,叉车实际载重量,以及基于叉车制动数据采集结果分析得到的叉车制动前行驶速度作为输入信息,输入所述叉车制动性能试验系统中的数据处理模块中,并由所述数据处理模块基于预设制动逻辑智能化分析得到所述目标物,即待测制动性能叉车在所述制动前行驶速度、所述实际载重量下的理论制动距离,并将其作为预设制动距离。其中,所述预设制动逻辑是指叉车在空载状态、不同行驶速度下的制动性能数据。也就是说,将叉车的行驶初速度设为v,叉车的载重量设为m,叉车的制动距离设为s,则,叉车空载状态下、在沥青或水泥路面上能达到的有效制动效能,即预设制动逻辑符合下列关系式:
此外,叉车的制动性能要求还包括:在缓慢踩下叉车的制动踏板,并且叉车的制动轮与地面刚产生完全滑动摩擦时,利用相关检测仪器对叉车制动系统产生的最大制动作用时的操纵力进行检测,其检测数据值不应大于450N;在使用手柄操纵叉车制动时,利用相关检测仪器对叉车的手柄握紧点上施加的力进行检测,其检测数据值不应大于 300N。
通过将叉车在空载状态下不同行驶速度制动时的制动逻辑作为预设制动逻辑,利用数据处理模块对有一定载重、一定行驶速度的叉车的制动性能进行分析,并确定叉车的理论上的制动距离。达到了为后续对比叉车理论制动距离和实际制动距离提供数据基础,并为后续系统智能纠偏提供参考的技术效果。
步骤S700:判断所述预设制动距离是否达到所述实际制动距离;
步骤S800:若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至所述智能纠偏模块,对所述预设制动逻辑进行智能纠偏。
具体而言,将所述数据处理模块基于预设制动逻辑对叉车制动前行驶速度、实际载重量进行智能化分析,得到的所述目标物,即待测制动性能叉车基于预设制动逻辑的理论制动距离,即所述预设制动距离和所述目标物的实际制动距离进行对比。当所述预设制动距离和所述实际制动距离不相符时,说明所述预设制动逻辑不适用于叉车在该行驶速度、该载重下的制动性能逻辑,因此,利用所述智能纠偏模块对所述预设制动逻辑进行针对性的智能修正。达到了利用计算机技术提高对叉车制动性能检验的智能化程度,从而提高叉车制动性能试验效率的技术效果。
进一步的,如附图2所示,本发明步骤S800还包括:
步骤S810:所述智能纠偏模块嵌入有网络延时校准单元;
步骤S820:获得所述对目标物进行数据采集时的第一时间节点;
步骤S830:获得计算到所述制动前行驶速度时的第二时间节点;
步骤S840:将所述第一时间节点和所述第二时间节点输入至所述网络延时校准单元,且根据网络延时算法,对所述第一时间节点和所述第二时间节点进行补差的同步校准。
具体而言,采集所述目标物,即待测制动性能叉车在制动前进行数据采集的时间,即所述第一时间节点,和所述目标物,即待测制动性能叉车在制动前行驶的最后时刻的时间,即所述第二时间节点,并将两时间节点输入所述智能纠偏模块中的网络延时校准单元中,并利用网络延时算法对两时间节点之间的偏差进行修正校准。举例如 dijkstra网络延时算法。达到了提高数据采集时间同步性、进而提高叉车行驶速度等制动数据的有效性的技术效果。
进一步的,如附图3所示,本发明步骤S300还包括:
步骤S310:采集制动特征分类集合;
步骤S320:获得所述制动特征分类集合中,各制动特征对所述目标物的制动影响系数集合;
步骤S330:对所述制动影响系数集合进行系数大小的降序排列,获得制动影响系数序列;
步骤S340:根据所述制动影响系数序列,获得第一制动特征类别、第二制动特征类别以及第三制动特征类别;
步骤S350:基于所述第一制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第一制动数据;
步骤S360:基于所述第二制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第二制动数据;
步骤S370:基于所述第三制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第三制动数据。
具体而言,根据叉车制动时的实际变化情况,确定叉车制动时的各指标特征,进而组成所述制动特征分类集合。进一步的,对所述制动特征分类集合中各制动特征对所述目标物的制动影响情况进行分析,从而基于对应各影响程度确定对应影响系数,所有特征对应的影响系数组成所述制动影响系数集合。最后,将所述制动影响系数集合中各制动影响系数按照由大到小的顺序进行排列,并将排名前三位制动影响系数对应的制动特征类别分别记作所述第一制动特征类别、所述第二制动特征类别以及所述第三制动特征类别。也就是说,将叉车制动时所有相关数据进行类别判断,然后将得到的所有类别对叉车制动的影响大小进行分析,最后将影响最大的三个特征类别作为所述第一制动特征类别、所述第二制动特征类别以及所述第三制动特征类别。
进一步的,根据各制动特征对应的制动影响系数,选择对叉车制动影响最大的三个制动特征,即所述第一制动特征类别、所述第二制动特征类别以及所述第三制动特征类别,进行数据筛选。也就是说,从所述数据采集模块采集得到的所述第一采集数据集合中,筛选出对目标物制动影响最大制动特征对应的制动数据,即筛选所述第一采集数据集合中,属于所述第一制动特征类别的制动数据,并将筛选得到的数据组成所述第一制动数据;筛选所述第一采集数据集合中,属于所述第二制动特征类别的制动数据,并将筛选得到的数据组成所述第二制动数据;筛选所述第一采集数据集合中,属于所述第三制动特征类别的制动数据,并将筛选得到的数据组成所述第三制动数据。
通过获得第一制动特征类别、第二制动特征类别以及第三制动特征类别,为后续确定第一制动数据、第二制动数据以及第三制动数据提供依据,达到了为系统智能数据分析提供最重要、最主要的制动影响数据的技术效果。此外,通过基于对叉车制动影响最大的三个特征类别,从第一采集数据集合中检索得到对应制动数据,达到了筛选第一采集数据集合中最重要、对叉车制动影响最大的数据作为系统智能处理、分析的数据基础,从而降低了系统计算量,提高了系统智能处理和分析效率的技术效果。
进一步的,如附图4所示,本发明步骤S400还包括:
步骤S410:将所述第一制动数据、第二制动数据以及第三制动数据上传至层级数据分析器,所述层级数据分析器包括第一层级分析器、第二层级分析器以及第三层级分析器,且所述层级数据分析器为所述数据处理模块的前端数据分析模块;
步骤S420:将所述第一制动数据和所述第二制动数据输入至所述第一层级分析器进行数据分析,获得第一分析结果;
步骤S430:将所述第二制动数据和所述第三制动数据输入至所述第二层级分析器进行数据分析,获得第二分析结果;
步骤S440:将所述第一制动数据和所述第三制动数据输入至所述第三层级分析器进行数据分析,获得第三分析结果;
步骤S450:对所述第一分析结果、所述第二分析结果和所述第三分析结果,进行综合解析,生成所述目标物的制动前行驶速度。
具体而言,所述数据处理模块嵌入有层级数据分析器,且所述层级数据分析器包括第一层级分析器、第二层级分析器以及第三层级分析器。其中,所述第一层级分析器用于对所述第一制动数据和所述第二制动数据进行整体分析,除得到所述第一制动特征类别和所述第二制动特征类别相关制动数据对目标物制动的影响结果之外,同时还得到所述第一制动特征类别和所述第二制动特征类别耦合作用下对目标物制动的影响结果,即所述第一分析结果。同样的,所述第二层级分析器用于对所述第二制动数据和所述第三制动数据进行整体分析,除得到所述第二制动特征类别和所述第三制动特征类别相关制动数据对目标物制动的影响结果之外,同时还得到所述第二制动特征类别和所述第三制动特征类别耦合作用下对目标物制动的影响结果,即所述第二分析结果。所述第三层级分析器用于对所述第一制动数据和所述第三制动数据进行整体分析,除得到所述第一制动特征类别和所述第三制动特征类别相关制动数据对目标物制动的影响结果之外,同时还得到所述第三制动特征类别和所述第一制动特征类别耦合作用下对目标物制动的影响结果,即所述第三分析结果。最后,根据各制动特征类别数据交叉分析结果,对所述输入数据进行分析,得到对应目标物,即待测制动性能叉车在制动前的行驶速度。
通过将各制动特征类别两两进行交叉分析,进而基于各制动特征类别两两分析结果对输入数据进行分析,避免了各制动特征类别之间相互作用影响智能分析结果的准确性,达到了基于各制动特征类别数据及其关联性进行数据分析,提高分析结果可靠性的技术效果。
进一步的,本发明还包括步骤S460:
步骤S461:基于深度学习的样本增强算法,对所述第一分析结果、所述第二分析结果以及所述第三分析结果进行数据处理,获得第一升级优化参数;
步骤S462:根据所述第一升级优化参数,对所述层级数据分析器进行迭代优化。
具体而言,通过基于计算机技术深度学习的样本增强算法,对所述第一分析结果、所述第二分析结果以及所述第三分析结果进行数据增强和样本扩充处理,从而实现分析结果的优化,得到所述获得第一升级优化参数。其中,所述样本增强算法是指在不实质性影响各制动数据分析结果的情况下,将有限制动数据扩充,从而产生等价于更多制动数据的价值。举例如利用SMOTE方法对叉车制动数据进行人工合成,即生成新的制动数据样本,从而避免样本不平衡的问题。进一步的,根据所述第一升级优化参数对所述层级数据分析器进行迭代优化,达到了提高层级数据分析器性能,同时提高制动数据分析结果可靠性、提高叉车制动前行驶速度计算准确性的技术效果。
综上所述,本发明所提供的一种叉车制动性能试验方法具有如下技术效果:
1.通过利用数据采集模块对待试验叉车进行相关数据采集,进而利用数据处理模块对采集到的数据进行智能分析,并在数据处理模块的智能分析得到的预设制动距离和叉车实际制动距离不相符时,反向证明预设制动逻辑不合理。进一步的,利用网络延时算法对采集数据时间和制动时间进行同步校准,并利用智能纠偏模块对预设制动逻辑进行智能纠偏修正。通过将叉车空载状态下的制动逻辑作为预设制动逻辑,对叉车不同载重、不同速度下的制动性能进行理论分析,在叉车实际制动和理论分析结果不同时反向对预设制动逻辑进行修正,最终确定叉车的制动逻辑。达到了利用计算机技术提高叉车制动性能分析结果准确性,同时提高对叉车制动性能检验的智能化程度,从而提高叉车制动性能试验效率的技术效果。
2.通过将对叉车制动影响最大的三个特征类别进行系统智能处理、分析的数据基础,为系统智能数据分析提供最重要、最主要的制动影响数据,从而降低了系统的计算量,达到了提高系统智能处理和分析目标物制动性能效率的技术效果。
3.通过层级数据分析器对各制动特征类别两两进行交叉分析,并利用样本增强算法提高数据和样本的可利用性,达到了基于各制动特征类别数据及其关联耦合作用下数据分析,进而提高分析结果可靠性、有效性、准确性的技术效果。
实施例二
基于与前述实施例中一种叉车制动性能试验方法,同样发明构思,本发明还提供了一种叉车制动性能试验装置,请参阅附图5,所述装置包括:
第一搭建单元11,所述第一搭建单元11用于搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;
第一获得单元12,所述第一获得单元12用于基于数据采集模块,对目标物进行数据采集,获得第一采集数据集合;
第二获得单元13,所述第二获得单元13用于对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;
第三获得单元14,所述第三获得单元14用于对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;
第四获得单元15,所述第四获得单元15用于根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;
第五获得单元16,所述第五获得单元16用于将所述制动前行驶速度和所述实际载重量作为输入信息,上传至数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;
第一判断单元17,所述第一判断单元17用于判断所述预设制动距离是否达到所述实际制动距离;
第一执行单元18,所述第一执行单元18用于若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至智能纠偏模块,对所述预设制动逻辑进行智能纠偏。
进一步的,所述装置还包括:
第一设置单元,所述第一设置单元用于所述智能纠偏模块嵌入有网络延时校准单元;
第六获得单元,所述第六获得单元用于获得所述对目标物进行数据采集时的第一时间节点;
第七获得单元,所述第七获得单元用于获得计算到所述制动前行驶速度时的第二时间节点;
第二执行单元,所述第二执行单元用于将所述第一时间节点和所述第二时间节点输入至所述网络延时校准单元,且根据网络延时算法,对所述第一时间节点和所述第二时间节点进行补差的同步校准。
进一步的,所述装置还包括:
第一采集单元,所述第一采集单元用于采集制动特征分类集合;
第八获得单元,所述第八获得单元用于获得所述制动特征分类集合中,各制动特征对所述目标物的制动影响系数集合;
第九获得单元,所述第九获得单元用于对所述制动影响系数集合进行系数大小的降序排列,获得制动影响系数序列;
第十获得单元,所述第十获得单元用于根据所述制动影响系数序列,获得第一制动特征类别、第二制动特征类别以及第三制动特征类别;
第十一获得单元,所述第十一获得单元用于基于所述第一制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第一制动数据;
第十二获得单元,所述第十二获得单元用于基于所述第二制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第二制动数据;
第十三获得单元,所述第十三获得单元用于基于所述第三制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第三制动数据。
进一步的,所述装置还包括:
第一上传单元,所述第一上传单元用于将所述第一制动数据、第二制动数据以及第三制动数据上传至层级数据分析器,所述层级数据分析器包括第一层级分析器、第二层级分析器以及第三层级分析器,且所述层级数据分析器为所述数据处理模块的前端数据分析模块;
第十四获得单元,所述第十四获得单元用于将所述第一制动数据和所述第二制动数据输入至所述第一层级分析器进行数据分析,获得第一分析结果;
第十五获得单元,所述第十五获得单元用于将所述第二制动数据和所述第三制动数据输入至所述第二层级分析器进行数据分析,获得第二分析结果;
第十六获得单元,所述第十六获得单元用于将所述第一制动数据和所述第三制动数据输入至所述第三层级分析器进行数据分析,获得第三分析结果;
第一生成单元,所述第一生成单元用于对所述第一分析结果、所述第二分析结果和所述第三分析结果,进行综合解析,生成所述目标物的制动前行驶速度。
进一步的,所述装置还包括:
第十七获得单元,所述第十七获得单元用于基于深度学习的样本增强算法,对所述第一分析结果、所述第二分析结果以及所述第三分析结果进行数据处理,获得第一升级优化参数;
第三执行单元,所述第三执行单元用于根据所述第一升级优化参数,对所述层级数据分析器进行迭代优化。
进一步的,所述装置还包括:
第二设置单元,所述第二设置单元用于将车辆的行驶初速度定义为v,将所述车辆的载重量定义为m,将所述车辆的制动距离定义为 s,所述预设制动逻辑满足下列关系式:
进一步的,所述装置还包括:
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种叉车制动性能试验方法和具体实例同样适用于本实施例的一种叉车制动性能试验装置,通过前述对一种叉车制动性能试验方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种叉车制动性能试验装置,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本发明的电子设备。
图6图示了根据本发明的电子设备的结构示意图。
基于与前述实施例中一种叉车制动性能试验方法的发明构思,本发明还提供一种叉车制动性能试验装置,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种叉车制动性能试验方法的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器 301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明提供了一种叉车制动性能试验方法,所述方法应用于一种叉车制动性能试验装置,其中,所述方法包括:通过搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;基于所述数据采集模块,对目标物进行数据采集,获得第一采集数据集合;对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;将所述制动前行驶速度和所述实际载重量作为输入信息,上传至所述数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;判断所述预设制动距离是否达到所述实际制动距离;若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至所述智能纠偏模块,对所述预设制动逻辑进行智能纠偏。解决了现有技术中对叉车的制动性能进行检验时,存在试验效率低,花费人力成本高,同时存在无法对叉车的实时制动性能进行及时检验的技术问题。达到了利用计算机技术提高对叉车制动性能检验的智能化程度,从而提高叉车制动性能试验效率的技术效果。
本发明还提供一种电子设备,其中,包括处理器和存储器;
该存储器,用于存储;
该处理器,用于通过调用,执行上述实施例一中任一项所述的方法。
本发明还提供一种计算机程序产品,包括计算机程序和/或指令,该计算机程序和/或指令被处理器执行时实现上述实施例一中任一项所述方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本发明为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称 CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种叉车制动性能试验方法,其特征在于,所述方法包括:
搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;
基于所述数据采集模块,对目标物进行数据采集,获得第一采集数据集合;
对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;
对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;
根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;
将所述制动前行驶速度和所述实际载重量作为输入信息,上传至所述数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;
判断所述预设制动距离是否达到所述实际制动距离;
若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至所述智能纠偏模块,对所述预设制动逻辑进行智能纠偏,其中所述智能纠偏模块包括:所述智能纠偏模块嵌入有网络延时校准单元;获得所述对目标物进行数据采集时的第一时间节点;获得计算到所述制动前行驶速度时的第二时间节点;将所述第一时间节点和所述第二时间节点输入至所述网络延时校准单元,且根据网络延时算法,对所述第一时间节点和所述第二时间节点进行补差的同步校准。
2.如权利要求1所述的方法,其特征在于,所述对所述第一采集数据集合进行制动特征分类,包括:
采集制动特征分类集合;
获得所述制动特征分类集合中,各制动特征对所述目标物的制动影响系数集合;
对所述制动影响系数集合进行系数大小的降序排列,获得制动影响系数序列;
根据所述制动影响系数序列,获得第一制动特征类别、第二制动特征类别以及第三制动特征类别;
基于所述第一制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第一制动数据;
基于所述第二制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第二制动数据;
基于所述第三制动特征类别,对所述第一采集数据集合进行智能检索,获得所述第三制动数据。
3.如权利要求1所述的方法,其特征在于,所述对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,包括:
将所述第一制动数据、第二制动数据以及第三制动数据上传至层级数据分析器,所述层级数据分析器包括第一层级分析器、第二层级分析器以及第三层级分析器,且所述层级数据分析器为所述数据处理模块的前端数据分析模块;
将所述第一制动数据和所述第二制动数据输入至所述第一层级分析器进行数据分析,获得第一分析结果;
将所述第二制动数据和所述第三制动数据输入至所述第二层级分析器进行数据分析,获得第二分析结果;
将所述第一制动数据和所述第三制动数据输入至所述第三层级分析器进行数据分析,获得第三分析结果;
对所述第一分析结果、所述第二分析结果和所述第三分析结果,进行综合解析,生成所述目标物的制动前行驶速度。
4.如权利要求3所述的方法,其特征在于,所述方法包括:
基于深度学习的样本增强算法,对所述第一分析结果、所述第二分析结果以及所述第三分析结果进行数据处理,获得第一升级优化参数;
根据所述第一升级优化参数,对所述层级数据分析器进行迭代优化。
7.一种叉车制动性能试验装置,其特征在于,所述装置应用于权利要求1~6任一所述方法,所述装置包括:
第一搭建单元:所述第一搭建单元用于搭建制动性能试验系统,其中,所述制动性能试验系统包括数据采集模块、数据处理模块以及智能纠偏模块;
第一获得单元:所述第一获得单元用于基于数据采集模块,对目标物进行数据采集,获得第一采集数据集合;
第二获得单元:所述第二获得单元用于对所述第一采集数据集合进行制动特征分类,获得第一制动数据、第二制动数据以及第三制动数据;
第三获得单元:所述第三获得单元用于对所述第一制动数据、所述第二制动数据以及所述第三制动数据进行处理,获得所述目标物的制动前行驶速度;
第四获得单元:所述第四获得单元用于根据所述第一采集数据集合,获得所述目标物的实际载重量和实际制动距离;
第五获得单元:所述第五获得单元用于将所述制动前行驶速度和所述实际载重量作为输入信息,上传至数据处理模块,基于预设制动逻辑,对所述输入信息进行数据处理,获得预设制动距离;
第一判断单元:所述第一判断单元用于判断所述预设制动距离是否达到所述实际制动距离;
第一执行单元:所述第一执行单元用于若所述预设制动距离未达到所述实际制动距离,将所述预设制动逻辑上传至智能纠偏模块,对所述预设制动逻辑进行智能纠偏;
第一设置单元,所述第一设置单元用于所述智能纠偏模块嵌入有网络延时校准单元;
第六获得单元,所述第六获得单元用于获得所述对目标物进行数据采集时的第一时间节点;
第七获得单元,所述第七获得单元用于获得计算到所述制动前行驶速度时的第二时间节点;
第二执行单元,所述第二执行单元用于将所述第一时间节点和所述第二时间节点输入至所述网络延时校准单元,且根据网络延时算法,对所述第一时间节点和所述第二时间节点进行补差的同步校准。
8.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器,用于存储;
所述处理器,用于通过调用,执行权利要求1~6中任一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1~6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285440.0A CN114674576B (zh) | 2022-03-22 | 2022-03-22 | 一种叉车制动性能试验方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285440.0A CN114674576B (zh) | 2022-03-22 | 2022-03-22 | 一种叉车制动性能试验方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114674576A CN114674576A (zh) | 2022-06-28 |
CN114674576B true CN114674576B (zh) | 2022-11-22 |
Family
ID=82074754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210285440.0A Active CN114674576B (zh) | 2022-03-22 | 2022-03-22 | 一种叉车制动性能试验方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114674576B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006076783A (ja) * | 2004-09-13 | 2006-03-23 | Nippon Yusoki Co Ltd | 荷役装置の制御装置 |
KR100875199B1 (ko) * | 2007-08-08 | 2008-12-22 | 대한민국 | 제동성능 측정시스템, 제동성능 측정용 데이터 획득 장치및 그 방법 |
DE102011004995A1 (de) * | 2011-03-02 | 2012-09-06 | Jungheinrich Aktiengesellschaft | Fahrzeug, insbesondere Flurförderzeug |
WO2015097911A1 (ja) * | 2013-12-27 | 2015-07-02 | 株式会社小松製作所 | フォークリフト及びフォークリフトの制御方法 |
JP6335340B1 (ja) * | 2016-11-11 | 2018-05-30 | 株式会社小松製作所 | 作業機械 |
CN206556883U (zh) * | 2017-03-13 | 2017-10-13 | 四川经准特种设备检验有限公司 | 一种厂内特种车辆制动性能检测辅助系统 |
CN109307601A (zh) * | 2018-04-23 | 2019-02-05 | 温州市特种设备检测研究院 | 一种场车制动性能无线检测系统 |
CN111076957B (zh) * | 2018-10-22 | 2022-06-17 | 中车唐山机车车辆有限公司 | 一种轨道车辆的碰撞安全测试方法及系统 |
CN109501601B (zh) * | 2018-12-11 | 2020-06-23 | 湖南中联重科智能技术有限公司 | 高空剪叉车制动控制方法、装置及高空剪叉车 |
CN113405816B (zh) * | 2021-06-30 | 2024-06-18 | 阜阳市特种设备监督检验中心 | 一种场或厂内专用机动车辆制动性能检验测试方法 |
-
2022
- 2022-03-22 CN CN202210285440.0A patent/CN114674576B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114674576A (zh) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689723B (zh) | 基于功率分布与自学习的货车超载识别方法 | |
Jegadeeshwaran et al. | Comparative study of decision tree classifier and best first tree classifier for fault diagnosis of automobile hydraulic brake system using statistical features | |
CN111353252A (zh) | 一种基于环境激励的桥梁静载试验方法 | |
CN111833604B (zh) | 基于驾驶行为特征提取的车辆载重状态识别方法及装置 | |
CN113887136B (zh) | 一种基于改进GAN和ResNet的电动汽车电机轴承故障诊断方法 | |
CN113188807B (zh) | 一种abs结果自动判定算法 | |
CN111062093B (zh) | 一种基于图像处理和机器学习的汽车轮胎寿命预测方法 | |
CN114954494B (zh) | 一种重型商用车辆载重快速估计方法 | |
CN114662954A (zh) | 车辆性能评估系统 | |
US20230130765A1 (en) | Method for Detecting the Load Mass of Commercial Vehicle | |
CN117591986B (zh) | 基于人工智能的汽车数据实时处理方法 | |
CN114674576B (zh) | 一种叉车制动性能试验方法及装置 | |
CN116662897A (zh) | 一种基于转毂数据的车辆载重预测方法 | |
CN115345256B (zh) | 应用于智能制造的工业产品测试系统 | |
Fancher et al. | Representing truck tire characteristics in simulations of braking and braking-in-a-turn maneuvers | |
CN115878986A (zh) | 一种变工况轴承的退化趋势评估方法 | |
CN110853182B (zh) | 用户与试验场关联时用户道路最少采集里程计算方法 | |
CN115081927A (zh) | 路面摩擦系数评估与预测方法 | |
CN111881988B (zh) | 基于少数类过采样方法的异质不平衡数据故障检测方法 | |
CN114088416A (zh) | 液力缓速器消音器故障诊断方法、装置及计算机设备 | |
CN115221599A (zh) | 一种底盘异响诊断方法、系统及汽车 | |
CN114942098A (zh) | 一种自动挡汽车最大轮边功率测量方法 | |
US11698323B2 (en) | Methods and system for determining a control load using statistical analysis | |
CN112406878A (zh) | 一种用于评估行车路况的装置及方法 | |
CN112766771A (zh) | 一种基于svm的重型汽车整车质量预测方法 |
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 |