CN115950651A - 一种设备运行安全监测智能云管理系统 - Google Patents
一种设备运行安全监测智能云管理系统 Download PDFInfo
- Publication number
- CN115950651A CN115950651A CN202211718229.XA CN202211718229A CN115950651A CN 115950651 A CN115950651 A CN 115950651A CN 202211718229 A CN202211718229 A CN 202211718229A CN 115950651 A CN115950651 A CN 115950651A
- Authority
- CN
- China
- Prior art keywords
- target
- armored vehicle
- road surface
- component
- risk
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 101
- 238000012512 characterization method Methods 0.000 claims description 44
- 230000002159 abnormal effect Effects 0.000 claims description 39
- 238000007726 management method Methods 0.000 claims description 23
- 238000012423 maintenance Methods 0.000 claims description 20
- 230000007547 defect Effects 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 18
- 230000010365 information processing Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 11
- 230000036541 health Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000013024 troubleshooting Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 description 7
- 239000004576 sand Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及军用设备安全监测管理技术领域,特别涉及装甲车安全监测管理技术,公开一种设备运行安全监测智能云管理系统,本发明通过实时获取装甲车当前行驶路面的路况信息,并由此识别出装甲车在当前路况下的风险运行参数,从而利用风险运行参数对应的监测终端进行安全监测,实现了装甲车运行安全的针对性、灵活性监测,相比较全面监测方式,该监测方式能够第一时间识别到装甲车的运行异常,便于装甲车运行异常的及时排查,使得监测效果佳,同时也在一定程度上避免出现其他监测终端的无效监测,最大限度减少监测资源的浪费率,有利于节省监测成本,具有较高的实用性价值。
Description
技术领域
本发明涉及军用设备安全监测管理技术领域,特别涉及装甲车安全监测管理技术,具体而言,是一种设备运行安全监测智能云管理系统。
背景技术
装甲车辆是士兵在装甲防护下战斗的高机动性车辆,能够实施高速度进攻,大纵深的进行穿插迂回,也能更有力地抗击反冲击和突击。在现代战争中,装甲车辆逐渐成为了主力军,如果装甲车辆在运行过程中存在安全隐患,就会直接影响装甲车辆的军事战斗能力,由此可以看出装甲车辆的运行安全监测管理的重要性。
鉴于装甲车辆本身的构造复杂性,使其在运行过程中存在大量的运行参数,例如行走速度、振动频率等,为了尽可能多的囊括所有运行参数,避免出现遗漏,目前装甲车辆的运行安全监测管理方式一般都是在运行过程中实时监测所有运行参数,由此根据监测结果判断装甲车辆是否存在运行异常,这种全面监测方式很明显的缺陷就是缺乏针对性,忽略了装甲车辆的行驶路况对运行状态的影响,由于战场环境是非常复杂的,这种环境使得装甲车辆常常需要在恶劣的路况下行驶,例如山地、草地、沙漠地等,而不同路况能够影响的运行参数也是不同的。现有技术中的全面监测方式没有抓住路况信息对运行状态的影响,容易发生无法第一时间识别到装甲车辆运行异常的情况,不利于装甲车运行异常的及时排查,使得难以实现预期的监测效果,另外长时间不间断的监测所有运行参数,也会减少监测设备的使用寿命,特别是监测一些运行状态不发生变化的运行参数,在一定程度上造成监测资源的浪费,无形之中加重了监测成本,导致实用价值不高。
发明内容
为解决上述技术问题,本发明是通过以下技术方案实现的:一种设备运行安全监测智能云管理系统,包括:目标装甲车基本信息提取模块,用于将待进行运行安全监测管理的装甲车作为目标装甲车,并提取目标装甲车的基本信息。
目标装甲车监测终端设置模块,用于在目标装甲车的车身上设置路况监测终端和运行监测终端。
行驶路况信息实时采集模块,用于利用路况监测设备实时采集目标装甲车当前行驶路面的路况信息,其中路况信息包括路面类型和路况恶劣度。
风险运行参数识别模块,用于根据当前行驶路面对应的路况信息识别出目标装甲车对应的风险运行参数。
风险运行参数当前运行值监测模块,用于基于目标装甲车对应的风险运行参数获取指定监测终端,进而利用指定监测终端监测风险运行参数对应的当前运行值。
信息处理库,用于存储各种路面类型对应的路面表征物及路面表征物对应的基础属性参数,存储在各种路面类型下受影响的运行参数,并存储目标装甲车对应的各运行参数在各动力品质等级下的正常运行值。
风险运行参数运行异常分析模块,用于预估目标装甲车在当前行驶路面下风险运行参数的正常运行值,并据此判断风险运行参数是否存在异常,若存在,则将风险运行参数记为异常运行参数。
组成构件维保信息提取模块,用于从目标装甲车的上一次维保记录中提取各组成构件对应的维保信息。
隐患组成构件分析模块,用于根据目标装甲车中各组成构件的维保信息和异常运行参数分析出隐患组成构件。
运行异常排查目标显示终端,用于将异常运行参数及隐患组成构件构成运行异常排查目标,并将其进行后台显示。
进一步地,所述基本信息包括发动机型号、最大装载质量、各组成构件对应的标准性能指征及各组成构件对应的表面积和各运行参数与各组成构件的关联度。
进一步地,所述利用路况监测设备实时采集目标装甲车当前行驶路面的路况信息具体包括以下步骤:A1、由路况监测设备采集目标装甲车当前行驶路面的图像。
A2、从当前行驶路面的图像中提取路面表征物,并将其与信息处理库中存储的各种路面类型对应的路面表征物进行匹配,从中匹配出当前行驶路面对应的路面类型,将其记为指定路面类型。
A3、从信息处理库中提取指定路面类型所属路面表征物对应的基础属性参数。
A4、将当前行驶路面的图像聚焦在路面表征物上,由此提取路面表征物的属性参数,进而将提取的属性参数与指定路面类型所属路面表征物对应的基础属性参数进行对比,计算当前行驶路面对应的路况恶劣度η,其计算公式为pi表示为指定路面类型对应路面表征物的第i属性参数,pi′表示为指定路面类型对应路面表征物的第i基础属性参数,i表示为属性参数的编号,i=1,2,...,n,n表示为属性参数的数量,e表示为自然常数。
进一步地,所述识别出目标装甲车对应的风险运行参数的识别方式为:从目标装甲车当前行驶路面的路况信息中提取路面类型,由此将路面类型与信息处理库中存储的在各种路面类型下受影响的运行参数进行匹配,并将匹配成功的运行参数记为风险运行参数。
进一步地,所述基于目标装甲车对应的风险运行参数获取指定监测终端的具体获取方式为将目标装甲车对应的风险运行参数与预设的各运行参数对应的运行监测终端进行匹配,从而匹配出目标装甲车对应的指定监测终端。
进一步地,所述预估目标装甲车在当前行驶路面下风险运行参数的正常运行值对应的预估过程如下:B1、从目标装甲车的基本信息中提取发动机型号,并据此获取目标装甲车存在的动力指标及各动力指标在理想状态下的数值,其中动力指标包括功率、扭矩、加速时间和排量。
B2、在目标装甲车的车身底部设置重量传感器,由其检测目标装甲车的当前载重。
B3、从目标装甲车的基本信息中提取最大装载质量,并将其结合目标装甲车的当前载重统计目标装甲车对应的当前载重远离指数CS,其计算公式为G表示为目标装甲车对应的当前载重,g表示为重量加速度,mmax表示为目标装甲车对应的最大装载质量。
B4、从目标装甲车当前行驶路面的路况信息中提取路况恶劣度,并将其与设定的平地路况下对应的路况恶劣度进行差值对比,进而将对比结果作为目标装甲车当前行驶路面对应的路况理想差距度,记为Δη;
B6、将目标装甲车中各动力指标在理想状态下的数值导入公式计算出目标装甲车对应的理想动力品质系数Q,qw、ql、qt、qo分别表示为目标装甲车中功率、扭矩、加速时间、排量对应的理想值,qw′、ql′、qt′、qo′分别表示为设定的功率、扭矩、加速时间、排量对应的参考值。
B8、将目标装甲车在当前行驶路面下的动力品质系数与预定义的各动力品质等级对应的动力品质系数区间进行匹配,从中匹配出目标装甲车在当前行驶路面下的动力品质等级。
B9、根据目标装甲车对应的风险运行参数和目标装甲车在当前行驶路面下的动力品质等级从信息处理库中提取目标装甲车在当前行驶路面下风险运行参数的正常运行值。
进一步地,所述理想状态是指在平地路面下的满载状态。
进一步地,所述判断风险运行参数是否存在异常对应的具体判断方法如下:C1、将目标装甲车在当前行驶路面下风险运行参数的正常运行值与风险运行参数对应的当前运行值进行对比,计算目标装甲车对应的风险运行参数符合度ξ,其计算公式为u0表示为目标装甲车在当前行驶路面下风险运行参数的正常运行值,u表示为风险运行参数对应的当前运行值。
C2、将目标装甲车对应的风险运行参数符合度与设定的符合度阈值进行对比,若目标装甲车对应的风险运行参数符合度小于设定的符合度阈值则判断风险运行参数存在运行异常。
进一步地,所述维保信息包括外观指征和性能指征,其中外观指征包括外观缺陷类型和外观缺陷面积。
进一步地,所述根据目标装甲车中各组成构件的维保信息分析出隐患组成构件的具体分析过程如下:D1、从目标装甲车的基本信息中提取各组成构件对应的标准性能指征和表面积。
D2、根据目标装甲车中各组成构件对应的外观缺陷类型识别各组成构件对应的缺陷表征系数,记为εj。
D3、利用公式统计出目标装甲车中各组成构件对应的自身健康度ψj,其中j表示为目标装甲车中组成构件的编号,j=1,2,...,x,x表示为目标装甲车具有的组成构件数量,sj表示为第j个组成构件对应的外观缺陷面积,Sj表表示为第j个组成构件的表面积,gjk表示为目标装甲车中第j个组成构件对应的第k性能指征,k表示为性能指征编号,k=1,2,...,z,z表示为性能指征数量,gjk标准表示为目标装甲车中第j个组成构件对应的第k标准性能指征。
D4、将目标装甲车中各组成构件对应的自身健康度与设定的该组成构件对应的正常自身健康度进行对比,若某组成构件对应的自身健康度小于该组成构件对应的正常自身健康度,则将该组成构件记为重点组成构件。
D5、根据异常运行参数从目标装甲车对应的基本信息中提取异常运行参数与各组成构件的关联度。
D6、统计重点组成构件的数量,并将各重点组成构件同异常运行参数与各组成构件的关联度进行匹配,若只有一个重点组成构件匹配成功,则将该重点组成构件作为隐患组成构件,若有多个重点组成构件匹配成功,则将最大关联度对应的重点组成构件作为隐患组成构件。
与现有技术相比,本发明具有以下优点:1.本发明通过实时获取装甲车当前行驶路面的路况信息,并由此识别出装甲车在当前路况下的风险运行参数,从而利用风险运行参数对应的监测终端进行安全监测,实现了装甲车运行安全的针对性、灵活性监测,相比较全面监测方式,该监测方式能够第一时间识别到装甲车的运行异常,便于装甲车运行异常的及时排查,使得监测效果佳,同时也在一定程度上避免出现其他监测终端的无效监测,最大限度减少监测资源的浪费率,有利于节省监测成本,具有较高的实用性价值。
2.本发明在依据分析风险运行参数的监测结果判断装甲车是否存在异常时不是简单将监测的风险运行参数当前运行值与风险运行参数的标准值进行对比,而是考虑到装甲车的所有运行参数是由动力系统供应的,而风险运行参数的标准值是在由动力系统在理想状态下产生的,本发明通过基于装甲车当前行驶路面的路况预估出风险运行参数在当前行驶状态下的正常值,从而将当前运行值与当前正常值进行对比,实现了装甲车运行异常的精准可靠判断,使得判断结果更加贴合实际,大大降低了判断结果的错误发生率。
3.本发明在判断出装甲车存在运行异常时不仅能够分析出异常运行参数,还能够基于装甲车的维保结果分析出隐患组成构件,实现了装甲车运行异常的深入化管理,为装甲车的运行异常排查提供了针对性具体的排查目标,有利于提高排查效率,为装甲车的正常运行提供恢复保障。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的系统连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
参照图1所示,本发明提出一种设备运行安全监测智能云管理系统,包括以下模块:目标装甲车基本信息提取模块,用于将待进行运行安全监测管理的装甲车作为目标装甲车,并提取目标装甲车的基本信息,其中基本信息包括发动机型号、最大装载质量、各组成构件对应的标准性能指征及各组成构件对应的表面积和各运行参数与各组成构件的关联度。
目标装甲车监测终端设置模块,用于在目标装甲车的车身上设置路况监测终端和运行监测终端。
示例性的,上述提到的路况监测终端为监控摄像头,运行监测终端包括但不限于速度测量仪、振动传感器、红外线测距仪...,其中速度测量仪用于监测目标装甲车的运行速度,振动传感器用于监测目标装甲车的振动频率,红外线测距仪用于监测离地间隙。
行驶路况信息实时采集模块,与目标装甲车监测终端设置模块连接,用于利用路况监测设备实时采集目标装甲车当前行驶路面的路况信息,其中路况信息包括路面类型和路况恶劣度。
在本发明的具体实施例中,上述采集目标装甲车当前行驶路面的路况信息具体包括以下步骤:A1、由路况监测设备采集目标装甲车当前行驶路面的图像。
A2、从当前行驶路面的图像中提取路面表征物,并将其与信息处理库中存储的各种路面类型对应的路面表征物进行匹配,从中匹配出当前行驶路面对应的路面类型,将其记为指定路面类型。
作为一个示例,各种路面类型对应的路面表征物具体为:草地类型对应的路面表征物为草株,砂石地类型对应的路面表征物为石块,沙地类型对应的路面表征物为沙子。
A3、从信息处理库中提取指定路面类型所属路面表征物对应的基础属性参数,其中基础属性参数包括体积、硬度、分布密度等。
A4、将当前行驶路面的图像聚焦在路面表征物上,由此提取路面表征物的属性参数,进而将提取的属性参数与指定路面类型所属路面表征物对应的基础属性参数进行对比,计算当前行驶路面对应的路况恶劣度η,其计算公式为pi表示为指定路面类型对应路面表征物的第i属性参数,pi′表示为指定路面类型对应路面表征物的第i基础属性参数,i表示为属性参数的编号,i=1,2,...,n,n表示为属性参数的数量,e表示为自然常数。
需要说明的是,上述路况恶劣度计算公式中指定路面类型对应路面表征物的属性参数与基础属性参数越接近,当前行驶路面对应的路况恶劣度越小,表明当前行驶路面对应的路况越接近平地状态。
风险运行参数识别模块,与行驶路况信息实时采集模块连接,用于根据当前行驶路面对应的路况信息识别出目标装甲车对应的风险运行参数,具体识别方式为:从目标装甲车当前行驶路面的路况信息中提取路面类型,由此将路面类型与信息处理库中存储的在各种路面类型下受影响的运行参数进行匹配,并将匹配成功的运行参数记为风险运行参数。
在本发明的优选方案中,在砂石地类型下受影响的运行参数包括行驶速度、振动频率、离地间隙等,在沙漠地类型下受影响的运行参数包括行驶速度等。
风险运行参数当前运行值监测模块,分别与目标装甲车监测终端设置模块和风险运行参数识别模块连接,用于基于目标装甲车对应的风险运行参数获取指定监测终端,具体获取方式为将目标装甲车对应的风险运行参数与预设的各运行参数对应的运行监测终端进行匹配,从而匹配出目标装甲车对应的指定监测终端,进而利用指定监测终端监测风险运行参数对应的当前运行值。
本发明通过实时获取装甲车当前行驶路面的路况信息,并由此识别出装甲车在当前路况下的风险运行参数,从而利用风险运行参数对应的监测终端进行安全监测,实现了装甲车运行安全的针对性、灵活性监测,相比较全面监测方式,该监测方式能够第一时间识别到装甲车的运行异常,便于装甲车运行异常的及时排查,使得监测效果佳,同时也在一定程度上避免出现其他监测终端的无效监测,最大限度减少监测资源的浪费率,有利于节省监测成本,具有较高的实用性价值。
信息处理库,用于存储各种路面类型对应的路面表征物及路面表征物对应的基础属性参数,存储在各种路面类型下受影响的运行参数,并存储目标装甲车对应的各运行参数在各动力品质等级下的正常运行值。
风险运行参数运行异常分析模块,分别与目标装甲车基本信息提取模块、行驶路况信息实时采集模块和风险运行参数当前运行值监测模块连接,用于预估目标装甲车在当前行驶路面下风险运行参数的正常运行值,并据此判断风险运行参数是否存在异常,若存在,则将风险运行参数记为异常运行参数。
上述中预估目标装甲车在当前行驶路面下风险运行参数的正常运行值对应的预估过程如下:B1、从目标装甲车的基本信息中提取发动机型号,并据此获取目标装甲车存在的动力指标及各动力指标在理想状态下的数值,其中动力指标包括功率、扭矩、加速时间和排量。
需要说明的是,理想状态是指在平地路面下的满载状态。
B2、在目标装甲车的车身底部设置重量传感器,由其检测目标装甲车的当前载重。
B3、从目标装甲车的基本信息中提取最大装载质量,并将其结合目标装甲车的当前载重统计目标装甲车对应的当前载重远离指数CS,其计算公式为G表示为目标装甲车对应的当前载重,g表示为重量加速度,mmax表示为目标装甲车对应的最大装载质量。
B4、从目标装甲车当前行驶路面的路况信息中提取路况恶劣度,并将其与设定的平地路况下对应的路况恶劣度进行差值对比,进而将对比结果作为目标装甲车当前行驶路面对应的路况理想差距度,记为Δη。
B6、将目标装甲车中各动力指标在理想状态下的数值导入公式计算出目标装甲车对应的理想动力品质系数Q,qw、ql、qt、qo分别表示为目标装甲车中功率、扭矩、加速时间、排量对应的理想值,qw′、ql′、qt′、qo′分别表示为设定的功率、扭矩、加速时间、排量对应的参考值。
B8、将目标装甲车在当前行驶路面下的动力品质系数与预定义的各动力品质等级对应的动力品质系数区间进行匹配,从中匹配出目标装甲车在当前行驶路面下的动力品质等级。
B9、根据目标装甲车对应的风险运行参数和目标装甲车在当前行驶路面下的动力品质等级从信息处理库中提取目标装甲车在当前行驶路面下风险运行参数的正常运行值。
上述中判断风险运行参数是否存在异常对应的具体判断方法如下:C1、将目标装甲车在当前行驶路面下风险运行参数的正常运行值与风险运行参数对应的当前运行值进行对比,计算目标装甲车对应的风险运行参数符合度ξ,其计算公式为u0表示为目标装甲车在当前行驶路面下风险运行参数的正常运行值,u表示为风险运行参数对应的当前运行值。
C2、将目标装甲车对应的风险运行参数符合度与设定的符合度阈值进行对比,若目标装甲车对应的风险运行参数符合度小于设定的符合度阈值则判断风险运行参数存在运行异常。
本发明在依据分析风险运行参数的监测结果判断装甲车是否存在异常时不是简单将监测的风险运行参数当前运行值与风险运行参数的标准值进行对比,而是考虑到装甲车的所有运行参数是由动力系统供应的,而风险运行参数的标准值是在由动力系统在理想状态下产生的,本发明通过基于装甲车当前行驶路面的路况预估出风险运行参数在当前行驶状态下的正常值,从而将当前运行值与当前正常值进行对比,实现了装甲车运行异常的精准可靠判断,使得判断结果更加贴合实际,大大降低了判断结果的错误发生率。
组成构件维保信息提取模块,用于从目标装甲车的上一次维保记录中提取各组成构件对应的维保信息,所述维保信息包括外观指征和性能指征,其中外观指征包括外观缺陷类型和外观缺陷面积。
隐患组成构件分析模块,分别与风险运行参数运行异常分析模块和组成构件维保信息提取模块连接,用于根据目标装甲车中各组成构件的维保信息和异常运行参数分析出隐患组成构件,具体分析过程如下:D1、从目标装甲车的基本信息中提取各组成构件对应的标准性能指征和表面积。
D2、将目标装甲车中各组成构件对应的外观缺陷类型与预定义的各种外观缺陷类型对应的缺陷表征系数进行匹配,从中匹配出各组成构件对应的缺陷表征系数,记为εj。
D3、利用公式统计出目标装甲车中各组成构件对应的自身健康度ψj,其中j表示为目标装甲车中组成构件的编号,j=1,2,...,x,x表示为目标装甲车具有的组成构件数量,sj表示为第j个组成构件对应的外观缺陷面积,Sj表表示为第j个组成构件的表面积,gjk表示为目标装甲车中第j个组成构件对应的第k性能指征,k表示为性能指征编号,k=1,2,...,z,z表示为性能指征数量,gjk标准表示为目标装甲车中第j个组成构件对应的第k标准性能指征。
D4、将目标装甲车中各组成构件对应的自身健康度与设定的该组成构件对应的正常自身健康度进行对比,若某组成构件对应的自身健康度小于该组成构件对应的正常自身健康度,则将该组成构件记为重点组成构件。
D5、根据异常运行参数从目标装甲车对应的基本信息中提取异常运行参数与各组成构件的关联度。
D6、统计重点组成构件的数量,并将各重点组成构件同异常运行参数与各组成构件的关联度进行匹配,若只有一个重点组成构件匹配成功,则将该重点组成构件作为隐患组成构件,若有多个重点组成构件匹配成功,则将最大关联度对应的重点组成构件作为隐患组成构件。
本发明在判断出装甲车存在运行异常时不仅能够分析出异常运行参数,还能够基于装甲车的维保结果分析出隐患组成构件,实现了装甲车运行异常的深入化管理,为装甲车的运行异常排查提供了针对性具体的排查目标,有利于提高排查效率,为装甲车的正常运行提供恢复保障。
运行异常排查目标显示终端,分别与风险运行参数运行异常分析模块和隐患组成构件分析模块连接,用于将异常运行参数及隐患组成构件构成运行异常排查目标,并将其进行后台显示。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种设备运行安全监测智能云管理系统,其特征在于,包括:
目标装甲车基本信息提取模块,用于将待进行运行安全监测管理的装甲车作为目标装甲车,并提取目标装甲车的基本信息;
目标装甲车监测终端设置模块,用于在目标装甲车的车身上设置路况监测终端和运行监测终端;
行驶路况信息实时采集模块,用于利用路况监测设备实时采集目标装甲车当前行驶路面的路况信息,其中路况信息包括路面类型和路况恶劣度;
风险运行参数识别模块,用于根据当前行驶路面对应的路况信息识别出目标装甲车对应的风险运行参数;
风险运行参数当前运行值监测模块,用于基于目标装甲车对应的风险运行参数获取指定监测终端,进而利用指定监测终端监测风险运行参数对应的当前运行值;
信息处理库,用于存储各种路面类型对应的路面表征物及路面表征物对应的基础属性参数,存储在各种路面类型下受影响的运行参数,并存储目标装甲车对应的各运行参数在各动力品质等级下的正常运行值;
风险运行参数运行异常分析模块,用于预估目标装甲车在当前行驶路面下风险运行参数的正常运行值,并据此判断风险运行参数是否存在异常,若存在,则将风险运行参数记为异常运行参数;
组成构件维保信息提取模块,用于从目标装甲车的上一次维保记录中提取各组成构件对应的维保信息;
隐患组成构件分析模块,用于根据目标装甲车中各组成构件的维保信息和异常运行参数分析出隐患组成构件;
运行异常排查目标显示终端,用于将异常运行参数及隐患组成构件构成运行异常排查目标,并将其进行后台显示。
2.根据权利要求1所述的一种设备运行安全监测智能云管理系统,其特征在于:所述基本信息包括发动机型号、最大装载质量、各组成构件对应的标准性能指征及各组成构件对应的表面积和各运行参数与各组成构件的关联度。
3.根据权利要求1所述的一种设备运行安全监测智能云管理系统,其特征在于:所述利用路况监测设备实时采集目标装甲车当前行驶路面的路况信息具体包括以下步骤:
A1、由路况监测设备采集目标装甲车当前行驶路面的图像;
A2、从当前行驶路面的图像中提取路面表征物,并将其与信息处理库中存储的各种路面类型对应的路面表征物进行匹配,从中匹配出当前行驶路面对应的路面类型,将其记为指定路面类型;
A3、从信息处理库中提取指定路面类型所属路面表征物对应的基础属性参数;
4.根据权利要求1所述的一种设备运行安全监测智能云管理系统,其特征在于:所述识别出目标装甲车对应的风险运行参数的识别方式为:从目标装甲车当前行驶路面的路况信息中提取路面类型,由此将路面类型与信息处理库中存储的在各种路面类型下受影响的运行参数进行匹配,并将匹配成功的运行参数记为风险运行参数。
5.根据权利要求1所述的一种设备运行安全监测智能云管理系统,其特征在于:所述基于目标装甲车对应的风险运行参数获取指定监测终端的具体获取方式为将目标装甲车对应的风险运行参数与预设的各运行参数对应的运行监测终端进行匹配,从而匹配出目标装甲车对应的指定监测终端。
6.根据权利要求2所述的一种设备运行安全监测智能云管理系统,其特征在于:所述预估目标装甲车在当前行驶路面下风险运行参数的正常运行值对应的预估过程如下:
B1、从目标装甲车的基本信息中提取发动机型号,并据此获取目标装甲车存在的动力指标及各动力指标在理想状态下的数值,其中动力指标包括功率、扭矩、加速时间和排量;
B2、在目标装甲车的车身底部设置重量传感器,由其检测目标装甲车的当前载重;
B3、从目标装甲车的基本信息中提取最大装载质量,并将其结合目标装甲车的当前载重统计目标装甲车对应的当前载重远离指数CS,其计算公式为G表示为目标装甲车对应的当前载重,g表示为重量加速度,mmax表示为目标装甲车对应的最大装载质量;
B4、从目标装甲车当前行驶路面的路况信息中提取路况恶劣度,并将其与设定的平地路况下对应的路况恶劣度进行差值对比,进而将对比结果作为目标装甲车当前行驶路面对应的路况理想差距度,记为Δη;
B6、将目标装甲车中各动力指标在理想状态下的数值导入公式计算出目标装甲车对应的理想动力品质系数Q,qw、ql、qt、qo分别表示为目标装甲车中功率、扭矩、加速时间、排量对应的理想值,qw′、ql′、qt′、qo′分别表示为设定的功率、扭矩、加速时间、排量对应的参考值;
B8、将目标装甲车在当前行驶路面下的动力品质系数与预定义的各动力品质等级对应的动力品质系数区间进行匹配,从中匹配出目标装甲车在当前行驶路面下的动力品质等级;
B9、根据目标装甲车对应的风险运行参数和目标装甲车在当前行驶路面下的动力品质等级从信息处理库中提取目标装甲车在当前行驶路面下风险运行参数的正常运行值。
7.根据权利要求6所述的一种设备运行安全监测智能云管理系统,其特征在于:所述理想状态是指在平地路面下的满载状态。
9.根据权利要求2所述的一种设备运行安全监测智能云管理系统,其特征在于:所述维保信息包括外观指征和性能指征,其中外观指征包括外观缺陷类型和外观缺陷面积。
10.根据权利要求9所述的一种设备运行安全监测智能云管理系统,其特征在于:所述根据目标装甲车中各组成构件的维保信息分析出隐患组成构件的具体分析过程如下:
D1、从目标装甲车的基本信息中提取各组成构件对应的标准性能指征和表面积;
D2、根据目标装甲车中各组成构件对应的外观缺陷类型识别各组成构件对应的缺陷表征系数,记为εj;
D3、利用公式统计出目标装甲车中各组成构件对应的自身健康度ψj,其中j表示为目标装甲车中组成构件的编号,j=1,2,...,x,x表示为目标装甲车具有的组成构件数量,sj表示为第j个组成构件对应的外观缺陷面积,Sj表表示为第j个组成构件的表面积,gjk表示为目标装甲车中第j个组成构件对应的第k性能指征,k表示为性能指征编号,k=1,2,...,z,z表示为性能指征数量,gjk标准表示为目标装甲车中第j个组成构件对应的第k标准性能指征;
D4、将目标装甲车中各组成构件对应的自身健康度与设定的该组成构件对应的正常自身健康度进行对比,若某组成构件对应的自身健康度小于该组成构件对应的正常自身健康度,则将该组成构件记为重点组成构件;
D5、根据异常运行参数从目标装甲车对应的基本信息中提取异常运行参数与各组成构件的关联度;
D6、统计重点组成构件的数量,并将各重点组成构件同异常运行参数与各组成构件的关联度进行匹配,若只有一个重点组成构件匹配成功,则将该重点组成构件作为隐患组成构件,若有多个重点组成构件匹配成功,则将最大关联度对应的重点组成构件作为隐患组成构件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211718229.XA CN115950651B (zh) | 2022-12-29 | 2022-12-29 | 一种设备运行安全监测智能云管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211718229.XA CN115950651B (zh) | 2022-12-29 | 2022-12-29 | 一种设备运行安全监测智能云管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115950651A true CN115950651A (zh) | 2023-04-11 |
CN115950651B CN115950651B (zh) | 2024-01-26 |
Family
ID=87296918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211718229.XA Active CN115950651B (zh) | 2022-12-29 | 2022-12-29 | 一种设备运行安全监测智能云管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115950651B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116878572A (zh) * | 2023-07-11 | 2023-10-13 | 中国人民解放军国防大学联合勤务学院 | 一种基于装甲车试验环境的多源地理信息数据分析方法 |
CN117367845A (zh) * | 2023-10-13 | 2024-01-09 | 中国人民解放军陆军装甲兵学院 | 一种陆军装备维修设备健康诊断方法 |
CN118535877A (zh) * | 2024-05-30 | 2024-08-23 | 中国人民解放军陆军装甲兵学院 | 一种基于军事装备的设备报废数据采集分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115524143A (zh) * | 2022-10-21 | 2022-12-27 | 中国人民解放军陆军装甲兵学院 | 一种军用车辆健康状态分析管理方法 |
-
2022
- 2022-12-29 CN CN202211718229.XA patent/CN115950651B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115524143A (zh) * | 2022-10-21 | 2022-12-27 | 中国人民解放军陆军装甲兵学院 | 一种军用车辆健康状态分析管理方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116878572A (zh) * | 2023-07-11 | 2023-10-13 | 中国人民解放军国防大学联合勤务学院 | 一种基于装甲车试验环境的多源地理信息数据分析方法 |
CN116878572B (zh) * | 2023-07-11 | 2024-03-15 | 中国人民解放军国防大学联合勤务学院 | 一种基于装甲车试验环境的多源地理信息数据分析方法 |
CN117367845A (zh) * | 2023-10-13 | 2024-01-09 | 中国人民解放军陆军装甲兵学院 | 一种陆军装备维修设备健康诊断方法 |
CN117367845B (zh) * | 2023-10-13 | 2024-05-03 | 中国人民解放军陆军装甲兵学院 | 一种陆军装备维修设备健康诊断方法 |
CN118535877A (zh) * | 2024-05-30 | 2024-08-23 | 中国人民解放军陆军装甲兵学院 | 一种基于军事装备的设备报废数据采集分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115950651B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115950651A (zh) | 一种设备运行安全监测智能云管理系统 | |
CN112092675B (zh) | 一种电池热失控预警方法、系统及服务器 | |
KR101617349B1 (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
CN102789545B (zh) | 基于退化模型匹配的涡轮发动机剩余寿命的预测方法 | |
CN108475358B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
CN108431837B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
CN108369682B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
KR102215107B1 (ko) | 주행 데이터 기반 차량 상태 예측 시스템 및 방법 | |
CN112590985B (zh) | 一种检测助力车故障的方法及系统 | |
CN108475359B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
US11513164B2 (en) | Method and system for estimating battery pack balance state of new energy vehicle | |
CN116664015A (zh) | 一种智能充电桩管理系统及其方法 | |
CN113159435B (zh) | 一种新能源车辆剩余驾驶里程预测方法及系统 | |
CN108369683B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
CN118376936B (zh) | 一种锂电池状态智能诊断方法及系统 | |
CN118134700A (zh) | 一种桥梁结构综合智能养护决策方法及系统 | |
CN117471346A (zh) | 用于确定退役电池模组剩余寿命和健康状态的方法及系统 | |
CN114036647A (zh) | 一种基于实车数据的动力电池安全风险评估方法 | |
CN116701870A (zh) | 能耗检测方法、装置、设备及可读存储介质 | |
CN116150572A (zh) | 一种基于聚类分析的汽车电池单体一致性缺陷评估方法 | |
CN108369681B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
CN112622914B (zh) | 新能源汽车行车安全状态辨识系统 | |
CN108475357B (zh) | 用于评价驾驶员的行程性能的方法和系统 | |
CN117151513A (zh) | 评价交通安全的方法、装置、设备及存储介质 | |
Le et al. | Condition monitoring of engine lubrication oil of military vehicles: A machine learning approach |
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 |