CN114757080A - 部件寿命确定方法、装置及作业机械 - Google Patents

部件寿命确定方法、装置及作业机械 Download PDF

Info

Publication number
CN114757080A
CN114757080A CN202210476420.1A CN202210476420A CN114757080A CN 114757080 A CN114757080 A CN 114757080A CN 202210476420 A CN202210476420 A CN 202210476420A CN 114757080 A CN114757080 A CN 114757080A
Authority
CN
China
Prior art keywords
target
load
determining
life
component
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.)
Pending
Application number
CN202210476420.1A
Other languages
English (en)
Inventor
胡立辛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sany Heavy Machinery Co Ltd
Original Assignee
Shanghai Sany Heavy Machinery Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Sany Heavy Machinery Co Ltd filed Critical Shanghai Sany Heavy Machinery Co Ltd
Priority to CN202210476420.1A priority Critical patent/CN114757080A/zh
Publication of CN114757080A publication Critical patent/CN114757080A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • 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
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operation Control Of Excavators (AREA)

Abstract

本发明涉及作业机械技术领域，尤其涉及一种部件寿命确定方法、装置及作业机械，其中方法包括：接收实时采集的作业机械的工况数据，工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；基于工况数据，确定作业机械的各目标铰点的载荷时间历程；基于各目标铰点的载荷时间历程，确定作业机械的至少一个目标部件的已使用寿命；基于每个目标部件的已使用寿命和理论寿命，确定每个目标部件的剩余寿命。本发明解决了现有技术中仿真软件中很难模拟出复杂的真实载荷时间历程，导致部件寿命预测不准确的缺陷，实现准确获取真实载荷时间历程，提高了部件寿命确定的准确性。

Description

部件寿命确定方法、装置及作业机械
技术领域
本发明涉及作业机械技术领域，尤其涉及一种部件寿命确定方法、装置及作业机械。
背景技术
作业机械中的部件的寿命预测对充分发挥作业机械的整机性能、提高研发效率、降低成本等具有非常重要的意义。
传统的部件寿命预测方法主要是获取载荷时间历程，然后应用有限元软件进行应力分析，根据应力结果进行寿命分析。载荷时间历程是载荷随时间变化的历程。
获取载荷时间历程的方法很多，例如通过仿真软件模拟载荷时间历程，但是由于作业机械实际工作过程中工况太复杂，具有随机性和不确定性，仿真软件中很难模拟出复杂的真实载荷时间历程，导致部件寿命预测不准确。
发明内容
本发明提供一种部件寿命确定方法、装置及作业机械，用以解决现有技术中仿真软件中很难模拟出复杂的真实载荷时间历程，导致部件寿命预测不准确的缺陷，实现准确获取真实载荷时间历程，提高了部件寿命确定的准确性。
本发明提供一种部件寿命确定方法，包括：
接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
进一步的，根据本发明提供的一种部件寿命确定方法，所述电磁阀的电流数据包括第一电磁阀的电流数据和第二电磁阀的电流数据；所述第一电磁阀为用于控制液压泵的流量的电磁阀；所述第二电磁阀为用于控制所述液压缸对应的多路阀的开度的电磁阀；
所述基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程，包括：
基于当前时刻的所述第一电磁阀的电流数据，确定所述液压泵的流量；
基于当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据，确定所述多路阀的开度；
基于所述液压泵的流量和所述多路阀的开度，确定各所述目标铰点的载荷时间历程。
进一步的，根据本发明提供的一种部件寿命确定方法，所述基于所述液压泵的流量和所述多路阀的开度，确定各所述目标铰点的载荷时间历程，包括：
基于所述液压泵的流量和所述多路阀的开度，确定所述作业机械的当前时刻的目标载荷；
基于所述作业机械的当前时刻的目标载荷，确定所述作业机械的各所述目标铰点的当前时刻的载荷；
基于各所述目标铰点的当前时刻的载荷和历史时刻的载荷，生成各所述目标铰点的载荷时间历程。
进一步的，根据本发明提供的一种部件寿命确定方法，所述基于当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据，确定所述多路阀的开度，包括：
基于预设的第二电磁阀的电流数据、液压缸的数据、多路阀的开度的对应关系，确定当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据对应的所述多路阀的开度。
进一步的，根据本发明提供的一种部件寿命确定方法，所述基于当前时刻的所述第一电磁阀的电流数据，确定所述液压泵的流量，包括：
基于预设的第一电磁阀的电流数据与液压泵的流量的对应关系，确定当前时刻的所述第一电磁阀的电流数据对应的所述液压泵的流量。
进一步的，根据本发明提供的一种部件寿命确定方法，所述基于所述液压泵的流量和所述多路阀的开度，确定所述作业机械的当前时刻的目标载荷，包括：
将所述液压泵的流量和所述多路阀的开度，输入至预先训练的载荷评估模型，得到所述载荷评估模型输出的当前时刻的所述液压缸的载荷，所述载荷评估模型是基于液压泵的流量样本、多路阀的开度样本和所述液压缸的载荷样本训练得到的；
基于当前时刻的所述液压缸的载荷，确定所述作业机械的当前时刻的目标载荷。
进一步的，根据本发明提供的一种部件寿命确定方法，所述基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命，包括：
将各所述目标铰点的载荷时间历程，输入有限元模型，得到所述至少一个目标部件的应力时间历程；
将每个所述目标部件的应力时间历程，输入预先训练的寿命预测模型，得到所述作业机械的每个所述目标部件的已使用寿命。
进一步的，根据本发明提供的一种部件寿命确定方法，所述有限元模型为降维后的有限元模型。
进一步的，根据本发明提供的一种部件寿命确定方法，还包括：
获取所述作业机械的所述目标部件的实际寿命；
根据所述目标部件的实际寿命优化所述寿命预测模型。
本发明还提供一种部件寿命确定装置，包括：
数据接收模块，用于接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
载荷确定模块，用于基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
使用寿命确定模块，用于基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
剩余寿命确定模块，用于基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
本发明还提供一种作业机械，包括如上述任一种所述部件寿命确定装置。
本发明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，所述处理器执行所述程序时实现如上述任一种所述部件寿命确定方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述部件寿命确定方法。
本发明提供的部件寿命确定方法，可以接收实时采集的作业机械的工况数据，该工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据，基于该工况数据，可以实时准确地确定作业机械的各目标铰点的载荷时间历程，也即得到作业机械工作过程中各目标铰点的真实载荷时间历程，然后，基于各目标铰点的载荷时间历程，可以准确地确定作业机械的至少一个目标部件的已使用寿命，基于每个目标部件的已使用寿命和理论寿命，确定每个目标部件的剩余寿命，提高了目标部件的剩余寿命的准确性。
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，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明提供的部件寿命确定方法的流程示意图；
图2是本发明提供的应用场景示意图；
图3是本发明提供的部件寿命确定装置的结构示意图；
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，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作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。
作业机械中的部件的寿命预测对充分发挥作业机械的整机性能、提高研发效率、降低成本等具有非常重要的意义。以液压挖掘机为例，液压挖掘机在工作过程中承受非常复杂的交变载荷，普遍存在使用寿命短、可靠性和耐久性差等问题，因此，对其进行准确地寿命预测和评估可以提高研发效率、降低成本，对充分发挥液压挖掘机的整机性能，具有非常重要的意义。
传统的部件寿命预测方法主要是获取载荷时间历程，然后应用有限元软件进行应力分析，根据应力结果进行寿命分析。
获取载荷时间历程的方法很多，例如通过仿真软件模拟载荷时间历程，但是由于作业机械实际工作过程中工况太复杂，具有随机性和不确定性，仿真软件中很难模拟出复杂的真实载荷时间历程，导致部件寿命预测不准确。
虽然也有在关键点上布置应变片等传感器获取应变-时间历程，拟合反推出部件有限元模型的载荷历程，或者在铰点上布置三位销轴传感器直接实测铰点的载荷等方案，但是受测点数目限制不能反映整体的应力变化过程。此外，上述的各传感器也只能安装在试验样机上，对于量产机型，则不适合长期测量。
为此，本发明提供一种部件寿命确定方法，可以应用于服务器，由服务器或者其中的软件和/或硬件执行，该服务器可以是物理服务器，也可以是云服务器，该部件寿命确定方法也可以应用于作业机械中，由作业机械或者其中的软件和/或硬件执行，该作业机械可以是挖掘机、装载机、推土车、起重机、桩机等工程机械。作业机械可以与服务器建立网络连接。下面以应用于服务器侧为例，对本发明提供的部件寿命确定方法进行介绍。
下面结合图1至图2描述本发明的部件寿命确定方法。
图1是本发明提供的部件寿命确定方法的流程示意图。
如图1所示，本实施例提供一种部件寿命确定方法，包括：
步骤101、接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据。
如图2所示，作业机械可以将实时采集的作业机械的工况数据发送至服务器，服务器则可以接收实时采集的作业机械的工况数据。图2中以液压挖掘机为例进行示意。
作业机械的液压系统中一般包括液压缸和电磁阀。其中，液压缸的数据可以包括压力、位移等数据。液压缸可以为数字油缸，数字油缸中一般具有采集数据的传感器，例如压力传感器、位移传感器等，这些传感器与CAN总线连接，作业机械的控制器也连接到CAN总线上。作业机械的控制器可以通过CAN总线获取到液压缸的传感器采集的液压缸的数据。对于液压挖掘机来说，挖掘机的各动作机构，例如动臂、斗杆、铲斗，都具有液压缸(参见图2)，因此，可以获取各动作机构的液压缸的数据。
电磁阀也与CAN总线连接。因此，作业机械的控制器可以通过CAN总线获取到电磁阀的电流信号，从而得到电磁阀的电流数据。
其中，所述电磁阀的电流数据可以包括第一电磁阀的电流数据和第二电磁阀的电流数据。
可以理解的是，液压系统中包括液压泵和多路阀。所述第一电磁阀为用于控制液压泵的流量的电磁阀。所述第二电磁阀为用于控制液压缸对应的多路阀的开度的电磁阀。第二电磁阀开启可以使得先导油路推动多路阀达到一定的开度。以挖掘机为例，动臂、斗杆和铲斗上的液压缸对应的多路阀，均设置有对应的第二电磁阀。
不同的载荷下，作业机械的液压系统中的液压缸和电磁阀的状态不同，液压缸的数据和电磁阀的电流数据能够反映作业机械中的载荷的情况，因此，以液压系统中的液压缸的数据和电磁阀的电流数据作为获得载荷时间历程的数据基础。
步骤102、基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程。
铰点是作业机械中的铰接处，起到关节的作用。这里的各目标铰点是需要确定载荷时间历程的铰点。示例性的，各目标铰点可以是作业机械的工作装置对应的铰点。以挖掘机为例，挖掘机的工作装置包括动臂、斗杆和铲斗，相应的，各目标铰点可以包括动臂和斗杆之间的各铰点，斗杆和铲斗之间的各铰点，动臂与作业机械的上车平台之间的铰点，连接斗杆和铲斗的四连杆机构的各铰点。目标铰点的载荷时间历程也称载荷谱。
步骤103、基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命。
目标部件是待确定剩余寿命的部件。以挖掘机为例，目标部件可以是动臂、斗杆和铲斗。这里，目标部件的已使用寿命即目标部件已经消耗的寿命。
步骤104、基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
这里的理论寿命是目标部件理论上能够达到的寿命。理论寿命可以是基于目标部件的材料预先设置的。具体的，可以将目标部件的理论寿命与已使用寿命的差值，作为目标部件的剩余寿命。
本实施例中，可以接收实时采集的作业机械的工况数据，该工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据，基于该工况数据，可以实时准确地确定作业机械的各目标铰点的载荷时间历程，也即得到作业机械工作过程中各目标铰点的真实载荷时间历程，然后，基于各目标铰点的载荷时间历程，可以准确地确定作业机械的至少一个目标部件的已使用寿命，基于每个目标部件的已使用寿命和理论寿命，确定每个目标部件的剩余寿命，提高了目标部件的剩余寿命的准确性。
另外，可以利用液压缸自身的传感器采集液压缸的数据，无需再设置其它传感器，即，采用较少传感器就可以得到作业机械工作过程中较为精确的载荷谱，实现更加简单。
基于以上实施例，所述基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程，其具体实现方式可以包括：
第一步、基于当前时刻的所述第一电磁阀的电流数据，确定所述液压泵的流量。
示例性的，所述基于当前时刻的所述第一电磁阀的电流数据，确定所述液压泵的流量，具体可以包括：基于预设的第一电磁阀的电流数据与液压泵的流量的对应关系，确定当前时刻的所述第一电磁阀的电流数据对应的所述液压泵的流量。如前所述，第一电磁阀用于控制液压泵的流量。第一电磁阀的电流大小不同，相应的液压泵的流量也不同。实际应用中，可以预先建立第一电磁阀的电流数据与液压泵的流量的对应关系并存储。实施中，可以基于第一电磁阀的电流数据与液压泵的流量的对应关系，快速得到所述第一电磁阀的电流数据对应的所述液压泵的流量。
当然也可以通过其它方式确定液压泵的流量，例如根据预设的计算公式，利用第一电磁阀的电流数据计算出液压泵的流量。
第二步、基于当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据，确定所述多路阀的开度。
示例性的，所述基于当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据，确定所述多路阀的开度，具体可以包括：基于预设的第二电磁阀的电流数据、液压缸的数据、多路阀的开度的对应关系，确定当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据对应的所述多路阀的开度。如前所述，第二电磁阀可以影响多路阀的开度，另外，液压缸的状态也与多路阀的开度相关，因此，可以预先建立第二电磁阀的电流数据、液压缸的数据、多路阀的开度的对应关系。如此，综合第二电磁阀的电流数据、液压缸的数据，可以更加准确地确定多路阀的开度。
若液压缸的数据包括压力和位移，具体的，则可以建立第二电磁阀的电流数据、液压缸的压力、液压缸的位移、多路阀的开度的对应关系。
当然也可以通过其它方式确定多路阀的开度，例如根据预设的计算公式，利用第二电磁阀的电流数据、液压缸的数据，计算出多路阀的开度。
第三步、基于所述液压泵的流量和所述多路阀的开度，确定各所述目标铰点的载荷时间历程。
本实施例中，利用液压缸的数据和电磁阀的电流数据准确地分析出液压泵的流量和多路阀的开度，液压泵的流量和多路阀的开度能够反映出作业机械的载荷情况，基于此，可以准确确定各目标铰点的载荷时间历程。
基于以上实施例，所述基于所述液压泵的流量和所述多路阀的开度，确定各所述目标铰点的载荷时间历程，其具体实现方式可以包括：
第一步、基于所述液压泵的流量和所述多路阀的开度，确定所述作业机械的当前时刻的目标载荷。
示例性的，所述基于所述液压泵的流量和所述多路阀的开度，确定所述作业机械的当前时刻的目标载荷，其具体实现方式可以包括：将所述液压泵的流量和所述多路阀的开度，输入至预先训练的载荷评估模型，得到所述载荷评估模型输出的当前时刻的所述液压缸的载荷，所述载荷评估模型是基于液压泵的流量样本、多路阀的开度样本和液压缸的载荷样本训练得到的；基于当前时刻的所述液压缸的载荷，确定所述作业机械的当前时刻的目标载荷。
这里，作业机械的当前时刻的目标载荷可以为作业机械的当前时刻的工作装置的载荷。相应的，液压缸的载荷则可以包括工作装置中的各动作机构的液压缸的载荷。工作装置中的各动作机构的液压缸的载荷综合作用的总载荷，可以反映工作机械的当前时刻的工作装置的载荷，因此，作业机械的当前时刻的工作装置的载荷为工作装置中的各动作机构的液压缸的载荷的总载荷。
由于液压泵的流量和多路阀的开度可以影响液压缸的载荷，实际应用中，可以采集液压泵的流量样本、多路阀的开度样本和液压缸的载荷样本，作为训练数据，基于训练数据对神经网络模型进行训练，得到载荷评估模型。通过训练得到的载荷评估模型可以学习到液压泵的流量样本、多路阀的开度样本与液压缸的载荷样本之间隐含的关系，将液压泵的流量和多路阀的开度输入值载荷评估模型，即可快速得到液压缸的载荷。
以挖掘机为例，挖掘机的工作装置中的动作机构包括动臂、斗杆和铲斗，则可以将液压泵的流量和多路阀的开度，输入至预先训练的载荷评估模型，得到载荷评估模型输出的当前时刻的工作装置中各动作机构的液压缸的载荷，基于当前时刻的各动作机构的液压缸的载荷之和，确定作业机械的当前时刻的工作装置的载荷。示例性的，可以通过液压缸的姿态数据和液压缸的载荷，计算得到工作装置的载荷，其中，液压缸的姿态数据可以反映液压缸的载荷的方向。
第二步、基于所述作业机械的当前时刻的目标载荷，确定所述作业机械的各所述目标铰点的当前时刻的载荷。
作业机械的当前时刻的目标载荷是一个综合作用的总载荷，可以通过力学模型，确定作业机械的各个目标铰点的当前时刻的载荷。其中的力学模型可以预先通过力学分析建立，具体可以参考相关技术实施，此处不做赘述。
第三步、基于各所述目标铰点的当前时刻的载荷和历史时刻的载荷，生成各所述目标铰点的载荷时间历程。
其中，历史时刻即当前时刻之前的各个时刻。
由于可以实时获取作业机械的工况数据，所以可以得到各目标铰点的各个时刻的载荷，每次得到当前时刻的载荷时，都可以结合当前时刻之前的各个时刻的载荷，形成载荷时间历程，从而准确地得到各目标铰点的载荷时间历程。
本实施例中，利用液压泵的流量和多路阀的开度，可以准确确定出所述作业机械的目标载荷，该目标载荷是一个综合作用的总载荷，基于该总载荷可以进一步确定作业机械的各目标铰点的当前时刻的载荷，然后结合历史时刻的载荷，则可以准确得到各目标铰点的载荷时间历程。
基于以上实施例，所述基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命，其具体实现方式可以包括：
第一步、将各所述目标铰点的载荷时间历程，输入有限元模型，得到所述至少一个目标部件的应力时间历程。
有限元模型是作业机械的三维仿真模型，用于基于载荷，通过有限元分析方法得到各部件的应力时间历程。各部件的应力可以形成应力云图。
第二步、将每个所述目标部件的应力时间历程，输入预先训练的寿命预测模型，得到所述作业机械的每个所述目标部件的已使用寿命。
实际应用中，可以采用疲劳分析软件来实现本步骤，疲劳分析软件中包括寿命预测模型，该寿命预测模型可以基于各目标部件的材料S(应力)-N(寿命)曲线，得到所述作业机械的每个所述目标部件的已使用寿命，具体实现方式可以参考相关技术实施，此处不做赘述。
本实施例中，通过有限元模型，可以准确地计算出目标部件的应力时间历程，从而准确得到所述作业机械的每个所述目标部件的已使用寿命。
示例性的，上述有限元模型为降维后的有限元模型。
由于有限元模型的计算量非常大，不利于实时计算，因此，可以通过主成分分析方法对有限元模型进行降维，得到降维后的有限元模型，利于快速计算出目标部件的应力时间历程。
本实施例中，通过降维后的有限元模型，可以快速地计算出目标部件的应力时间历程，从而快速得到所述作业机械的每个目标部件的已使用寿命，进而满足确定目标部件的剩余寿命的实时性需求。
基于以上实施例，本实施例提供的部件寿命确定方法，还可以包括：获取所述作业机械的所述目标部件的实际寿命；根据所述目标部件的实际寿命优化所述寿命预测模型。实际应用中，如果目标部件损坏，则可以获取该目标部件的实际寿命，利用该目标部件的实际寿命调整寿命预测模型的参数，从而优化寿命预测模型，使得后续输出的寿命预测结果更加准确。
基于以上实施例，本实施例提供的部件寿命确定方法，还可以包括：显示每个目标部件的剩余寿命。实际应用中，可以在服务器侧显示每个部件的剩余寿命，也可以将每个目标部件的剩余寿命发送至作业机械，如图2所示，在作业机械的显示屏显示每个目标部件的剩余寿命。如此，可以方便用户了解每个目标部件的剩余寿命，从而可以对作业机械进行可靠性的监测。
本发明中，在服务器中建立的降维后的有限元模型和寿命预测模型形成了挖掘机的数字孪生模型，基于此，可以快速得到目标部件的剩余寿命并实时显示在作业机械上，对其可靠性进行实时监测。
下面对本发明提供的部件寿命确定装置进行描述，下文描述的部件寿命确定装置与上文描述的部件寿命确定方法可相互对应参照。
图3是本发明提供的部件寿命确定装置的结构示意图。
如图3所示，本实施例提供一种部件寿命确定装置，包括：
数据接收模块301，用于接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
载荷确定模块302，用于基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
使用寿命确定模块303，用于基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
剩余寿命确定模块304，用于基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
本实施例中，可以接收实时采集的作业机械的工况数据，该工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据，基于该工况数据，可以实时准确地确定所述作业机械的各目标铰点的载荷时间历程，也即得到作业机械工作过程中各目标铰点的真实载荷时间历程，然后，基于各所述目标铰点的载荷时间历程，可以准确地确定所述作业机械的至少一个目标部件的已使用寿命，基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命，提高了目标部件的剩余寿命的准确性。
基于以上实施例，所述电磁阀的电流数据包括第一电磁阀的电流数据和第二电磁阀的电流数据；所述第一电磁阀为用于控制液压泵的流量的电磁阀；所述第二电磁阀为用于控制所述液压缸对应的多路阀的开度的电磁阀；
载荷确定模块302，具体用于：
基于当前时刻的所述第一电磁阀的电流数据，确定所述液压泵的流量；
基于当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据，确定所述多路阀的开度；
基于所述液压泵的流量和所述多路阀的开度，确定各所述目标铰点的载荷时间历程。
基于以上实施例，载荷确定模块302，具体用于：
基于所述液压泵的流量和所述多路阀的开度，确定所述作业机械的当前时刻的目标载荷；
基于所述作业机械的当前时刻的目标载荷，确定所述作业机械的各所述目标铰点的当前时刻的载荷；
基于各所述目标铰点的当前时刻的载荷和历史时刻的载荷，生成各所述目标铰点的载荷时间历程。
基于以上实施例，载荷确定模块302，具体用于：
基于预设的第二电磁阀的电流数据、液压缸的数据、多路阀的开度的对应关系，确定当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据对应的所述多路阀的开度。
基于以上实施例，载荷确定模块302，具体用于：
基于预设的第一电磁阀的电流数据与液压泵的流量的对应关系，确定当前时刻的所述第一电磁阀的电流数据对应的所述液压泵的流量。
基于以上实施例，载荷确定模块302，具体用于：
将所述液压泵的流量和所述多路阀的开度，输入至预先训练的载荷评估模型，得到所述载荷评估模型输出的当前时刻的所述液压缸的载荷，所述载荷评估模型是基于液压泵的流量样本、多路阀的开度样本和所述液压缸的载荷样本训练得到的；
基于当前时刻的所述液压缸的载荷，确定所述作业机械的当前时刻的目标载荷。
基于以上实施例，使用寿命确定模块303，具体用于：
将各所述目标铰点的载荷时间历程，输入降维后的有限元模型，得到所述至少一个目标部件的应力时间历程；
将每个所述目标部件的应力时间历程，输入预先训练的寿命预测模型，得到所述作业机械的每个所述目标部件的已使用寿命。
基于以上实施例，还包括：
模型优化模块，用于获取所述作业机械的所述目标部件的实际寿命；根据所述目标部件的实际寿命优化所述寿命预测模型。
本发明还提供一种作业机械，包括如上述任一种所述部件寿命确定装置。本发明提供的作业机械与上文描述的部件寿命确定装置可相互对应参照。
本实施例中，可以接收实时采集的作业机械的工况数据，该工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据，基于该工况数据，可以实时准确地确定所述作业机械的各目标铰点的载荷时间历程，也即得到作业机械工作过程中各目标铰点的真实载荷时间历程，然后，基于各所述目标铰点的载荷时间历程，可以准确地确定所述作业机械的至少一个目标部件的已使用寿命，基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命，提高了目标部件的剩余寿命的准确性。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行部件寿命确定方法，该方法包括：
接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
此外，上述的存储器430中的逻辑指令可以通过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。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的部件寿命确定方法，该方法包括：
接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的部件寿命确定方法，该方法包括：
接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (12)

1.一种部件寿命确定方法，其特征在于，包括：
接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
2.根据权利要求1所述的部件寿命确定方法，其特征在于，所述电磁阀的电流数据包括第一电磁阀的电流数据和第二电磁阀的电流数据；所述第一电磁阀为用于控制液压泵的流量的电磁阀；所述第二电磁阀为用于控制所述液压缸对应的多路阀的开度的电磁阀；
所述基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程，包括：
基于当前时刻的所述第一电磁阀的电流数据，确定所述液压泵的流量；
基于当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据，确定所述多路阀的开度；
基于所述液压泵的流量和所述多路阀的开度，确定各所述目标铰点的载荷时间历程。
3.根据权利要求2所述的部件寿命确定方法，其特征在于，所述基于所述液压泵的流量和所述多路阀的开度，确定各所述目标铰点的载荷时间历程，包括：
基于所述液压泵的流量和所述多路阀的开度，确定所述作业机械的当前时刻的目标载荷；
基于所述作业机械的当前时刻的目标载荷，确定所述作业机械的各所述目标铰点的当前时刻的载荷；
基于各所述目标铰点的当前时刻的载荷和历史时刻的载荷，生成各所述目标铰点的载荷时间历程。
4.根据权利要求2所述的部件寿命确定方法，其特征在于，所述基于当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据，确定所述多路阀的开度，包括：
基于预设的第二电磁阀的电流数据、液压缸的数据、多路阀的开度的对应关系，确定当前时刻的所述第二电磁阀的电流数据和所述液压缸的数据对应的所述多路阀的开度。
5.根据权利要求2所述的部件寿命确定方法，其特征在于，所述基于当前时刻的所述第一电磁阀的电流数据，确定所述液压泵的流量，包括：
基于预设的第一电磁阀的电流数据与液压泵的流量的对应关系，确定当前时刻的所述第一电磁阀的电流数据对应的所述液压泵的流量。
6.根据权利要求3所述的部件寿命确定方法，其特征在于，所述基于所述液压泵的流量和所述多路阀的开度，确定所述作业机械的当前时刻的目标载荷，包括：
将所述液压泵的流量和所述多路阀的开度，输入至预先训练的载荷评估模型，得到所述载荷评估模型输出的当前时刻的所述液压缸的载荷，所述载荷评估模型是基于液压泵的流量样本、多路阀的开度样本和所述液压缸的载荷样本训练得到的；
基于当前时刻的所述液压缸的载荷，确定所述作业机械的当前时刻的目标载荷。
7.根据权利要求1所述的部件寿命确定方法，其特征在于，所述基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命，包括：
将各所述目标铰点的载荷时间历程，输入有限元模型，得到所述至少一个目标部件的应力时间历程；
将每个所述目标部件的应力时间历程，输入预先训练的寿命预测模型，得到所述作业机械的每个所述目标部件的已使用寿命。
8.根据权利要求7所述的部件寿命确定方法，其特征在于，所述有限元模型为降维后的有限元模型。
9.根据权利要求1至8任一项所述的部件寿命确定方法，其特征在于，还包括：
获取所述作业机械的所述目标部件的实际寿命；
根据所述目标部件的实际寿命优化所述寿命预测模型。
10.一种部件寿命确定装置，其特征在于，包括：
数据接收模块，用于接收实时采集的作业机械的工况数据，所述工况数据包括液压系统中的液压缸的数据和电磁阀的电流数据；
载荷确定模块，用于基于所述工况数据，确定所述作业机械的各目标铰点的载荷时间历程；
使用寿命确定模块，用于基于各所述目标铰点的载荷时间历程，确定所述作业机械的至少一个目标部件的已使用寿命；
剩余寿命确定模块，用于基于每个所述目标部件的已使用寿命和理论寿命，确定每个所述目标部件的剩余寿命。
11.一种电子设备，包括存储器、处理器及存储在所述存储器上并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程序时实现如权利要求1至9任一项所述部件寿命确定方法。
12.一种作业机械，其特征在于，包括如权利要求10所述的部件寿命确定装置。
CN202210476420.1A 2022-04-29 2022-04-29 部件寿命确定方法、装置及作业机械 Pending CN114757080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210476420.1A CN114757080A (zh) 2022-04-29 2022-04-29 部件寿命确定方法、装置及作业机械

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210476420.1A CN114757080A (zh) 2022-04-29 2022-04-29 部件寿命确定方法、装置及作业机械

Publications (1)

Publication Number Publication Date
CN114757080A true CN114757080A (zh) 2022-07-15

Family

ID=82332991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210476420.1A Pending CN114757080A (zh) 2022-04-29 2022-04-29 部件寿命确定方法、装置及作业机械

Country Status (1)

Country Link
CN (1) CN114757080A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115292964A (zh) * 2022-09-28 2022-11-04 中科航迈数控软件(深圳)有限公司 加工部件的可视化寿命管理方法、系统、终端及存储介质
CN115754333A (zh) * 2022-11-15 2023-03-07 三一重工股份有限公司 电机转速的确定方法、装置、设备、介质及作业机械

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115292964A (zh) * 2022-09-28 2022-11-04 中科航迈数控软件(深圳)有限公司 加工部件的可视化寿命管理方法、系统、终端及存储介质
CN115754333A (zh) * 2022-11-15 2023-03-07 三一重工股份有限公司 电机转速的确定方法、装置、设备、介质及作业机械
CN115754333B (zh) * 2022-11-15 2024-06-04 三一重工股份有限公司 电机转速的确定方法、装置、设备、介质及作业机械

Similar Documents

Publication Publication Date Title
CN114757080A (zh) 部件寿命确定方法、装置及作业机械
AU2006239171B2 (en) Systems and methods for maintaining load histories
US20170328031A1 (en) Operation identification of a work machine
Casoli et al. Gray box modeling of an excavator’s variable displacement hydraulic pump for fast simulation of excavation cycles
CN103983453A (zh) 一种航空发动机的执行机构和传感器故障诊断的区分方法
CN109680738A (zh) 一种液压挖掘机物料在线称重装置及方法
CN111881495A (zh) 基于数字孪生的预应力钢结构安全评估方法
CN111090944B (zh) 挖掘机工作装置的疲劳预测分析方法、装置及计算机设备
CN111091310B (zh) 挖掘设备健康监测系统及方法
CN209585142U (zh) 一种液压挖掘机物料在线称重装置及液压挖掘机
CN113420465B (zh) 一种基于数字孪生模型的液压支架全寿命周期管理方法
CN104870836B (zh) 电动液压阀门的故障隔离和恢复程序
WO2019002258A1 (en) METHOD AND SYSTEM FOR DETERMINING A LOAD IN A CONSTRUCTION MACHINE
CN112801199B (zh) 挖掘机动臂寿命预测方法、装置、电子设备及存储介质
US10288530B2 (en) Method for improving severity estimates
CN115248994A (zh) 一种机电静压伺服机构故障预测及管理方法及系统
Zhidchenko et al. Fatigue life estimation of hydraulically actuated mobile working machines using Internet of Things and Digital Twin concepts
CN114861495A (zh) 剩余寿命确定方法及装置、作业机械
CN112182863A (zh) 工程机械健康监测方法、剩余寿命估算方法及系统
CN204612947U (zh) 挖掘机模拟加载测试系统
Nurmi et al. Detection and isolation of leakage and valve faults in hydraulic systems in varying loading conditions, part 1: Global sensitivity analysis
US20160349152A1 (en) Method for aligning composite work cycle severity distributions to severity responses
Fischer et al. Data analysis for the evaluation and design of a model-based fault detection based on an independent metering system for mobile hydraulic drives
Heikkinen et al. Added value from virtual sensors
Kamezaki et al. Relative accuracy enhancement system based on internal error range estimation for external force measurement in construction manipulator

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