CN116183010A - 动态称重传感器的故障诊断方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及数据处理领域，公开了一种动态称重传感器的故障诊断方法、装置、设备及存储介质，用于提高动态称重传感器的故障诊断准确率。方法包括：根据原始数据集生成配置参数集，并根据配置参数集分别对线圈以及传感器进行初始化配置；通过监测程序接收并响应故障检测请求，以及根据故障检测请求确定目标触发模式；根据目标触发模式匹配线圈以及传感器对应的目标故障检测策略，并根据目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；将目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，故障分析结果用于指示目标动态称重设备是否存在故障。

Description

动态称重传感器的故障诊断方法、装置、设备及存储介质

技术领域

本发明涉及数据处理领域，尤其涉及一种动态称重传感器的故障诊断方法、装置、设备及存储介质。

背景技术

由于目前治超工作的开展，都在新建符合地理特性的治超非现场检测点，但是在检测设备的运行中，动态传感器可能会因为运行环境恶劣、安装不规范、路面平整度等原因导致设备异常，从而无法对过往车辆进行正常的数据称重检测，本发明的目的在于将动态传感器设备运行情况信息化、数字化，将传感器的运行实时监测，在出现异常时，自动诊断其故障情况，减少因设备检测误差带来的问题。

发明内容

本发明提供了一种动态称重传感器的故障诊断方法、装置、设备及存储介质，用于提高动态称重传感器的故障诊断准确率。

本发明第一方面提供了一种动态称重传感器的故障诊断方法，所述动态称重传感器的故障诊断方法包括：

通过预置的监测程序接收设备调试请求，并根据所述设备调试请求对目标动态称重设备进行设备调试，以及采集所述目标动态称重设备中线圈以及传感器的原始数据集；

根据所述原始数据集生成配置参数集，并根据所述配置参数集分别对所述线圈以及所述传感器进行初始化配置；

通过所述监测程序接收并响应故障检测请求，以及根据所述故障检测请求确定目标触发模式；

根据所述目标触发模式匹配所述线圈以及所述传感器对应的目标故障检测策略，并根据所述目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；

将所述目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

结合第一方面，在本发明第一方面的第一实施方式中，所述通过预置的监测程序接收设备调试请求，并根据所述设备调试请求对目标动态称重设备进行设备调试，以及采集所述目标动态称重设备中线圈以及传感器的原始数据集，包括：

通过预置的监测程序，接收设备调试请求，并对所述设备调试请求进行请求标识提取，得到目标请求标识；

根据所述目标请求标识从多个预设候选动态称重设备中查找目标动态称重设备；

对所述目标动态称重设备进行设备调试，并分别采集所述目标动态称重设备中线圈的原始数据以及传感器的原始数据；

根据所述线圈的原始数据以及所述传感器的原始数据，构建原始数据集。

结合第一方面，在本发明第一方面的第二实施方式中，所述根据所述原始数据集生成配置参数集，并根据所述配置参数集分别对所述线圈以及所述传感器进行初始化配置，包括：

获取所述线圈的目标线圈配置信息，以及获取所述传感器的目标传感器配置信息；

根据所述目标线圈配置信息和所述目标传感器配置信息，对所述原始数据集进行配置参数运算，生成配置参数集；

根据所述配置参数集，分别对所述线圈以及所述传感器进行初始化配置。

结合第一方面，在本发明第一方面的第三实施方式中，所述通过所述监测程序接收并响应故障检测请求，以及根据所述故障检测请求确定目标触发模式，包括：

通过所述监测程序接收并响应故障检测请求；

查询所述故障检测请求的请求类型，其中，所述请求类型包括：设备调试人员登录访问程序以及设备调试人员对所述目标动态称重设备进行设置；

根据所述请求类型，匹配所述目标动态称重设备的目标触发模式，其中，所述目标触发模式包括：主动触发模式和自动触发模式。

结合第一方面，在本发明第一方面的第四实施方式中，所述根据所述目标触发模式匹配所述线圈以及所述传感器对应的目标故障检测策略，并根据所述目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合，包括：

根据所述目标触发模式，匹配所述线圈以及所述传感器对应的目标故障检测策略；

根据所述目标故障检测策略，对预设的过往车辆进行信号采集，得到至少一组传感器信号以及至少一组线圈信号；

根据所述至少一组传感器信号以及所述至少一组线圈信号，构建目标信号集合。

结合第一方面，在本发明第一方面的第五实施方式中，所述将所述目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，包括：

对所述目标信号集合中的至少一组传感器信号进行电荷转换运算，生成传感器电荷数据，以及对所述目标信号集合中的至少一组线圈信号进行电荷转换运算，生成线圈电荷数据；

将所述传感器电荷数据输入预置的电荷收集模型进行重量计算，得到第一重量数据；

将所述线圈电荷数据输入预置的电荷收集模型进行重量计算，得到第二重量数据；

根据所述第一重量数据和所述第二重量数据，对所述目标动态称重设备进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

结合第一方面，在本发明第一方面的第六实施方式中，所述根据所述第一重量数据和所述第二重量数据，对所述目标动态称重设备进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障，包括：

对所述第一重量数据进行曲线拟合，得到第一重量变化曲线，并对所述第二重量数据进行曲线拟合，得到第二重量变化曲线；

对所述第一重量变化曲线和所述第二重量变化曲线进行特征相似度计算，得到目标特征相似度；

计算所述目标特征相似度与预设目标值之间的目标差值，并对所述目标差值和预设误差范围进行比较，得到目标比较结果；

根据所述目标比较结果，生成故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

本发明第二方面提供了一种动态称重传感器的故障诊断装置，所述动态称重传感器的故障诊断装置包括：

采集模块，用于通过预置的监测程序接收设备调试请求，并根据所述设备调试请求对目标动态称重设备进行设备调试，以及采集所述目标动态称重设备中线圈以及传感器的原始数据集；

初始化模块，用于根据所述原始数据集生成配置参数集，并根据所述配置参数集分别对所述线圈以及所述传感器进行初始化配置；

响应模块，用于通过所述监测程序接收并响应故障检测请求，以及根据所述故障检测请求确定目标触发模式；

匹配模块，用于根据所述目标触发模式匹配所述线圈以及所述传感器对应的目标故障检测策略，并根据所述目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；

分析模块，用于将所述目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

本发明第三方面提供了一种动态称重传感器的故障诊断设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述动态称重传感器的故障诊断设备执行上述的动态称重传感器的故障诊断方法。

本发明的第四方面提供了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指令，当其在计算机上运行时，使得计算机执行上述的动态称重传感器的故障诊断方法。

本发明提供的技术方案中，根据原始数据集生成配置参数集，并根据配置参数集分别对线圈以及传感器进行初始化配置；通过监测程序接收并响应故障检测请求，以及根据故障检测请求确定目标触发模式；根据目标触发模式匹配线圈以及传感器对应的目标故障检测策略，并根据目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；将目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，故障分析结果用于指示目标动态称重设备是否存在故障，本发明通过对目前各类称重传感器的电荷量进行监测，在设备初次安装调试完毕后，对传感器设备的电荷变化进行记录，作为设备状态判断的，当过往车辆通过检测区域，结合线圈的触发情况，将电荷变化异常的传感器进行记录，而后，在线圈判断无车辆经过称重检测区域时，对应车道内传感器的电荷变化情况，进行整体分析，作为传感器是否异常的判断依据之一，最终结合软件或装置预置的判断算法，从而得出动态传感器的故障信息，提升设备维护的便利性，降低传感器的维护排查难度、提升动态称重设备检测的精确度。

附图说明

图1为本发明实施例中动态称重传感器的故障诊断方法的一个实施例示意图；

图2为本发明实施例中初始化配置的流程图；

图3为本发明实施例中故障分析的流程图；

图4为本发明实施例中生成故障分析结果的流程图；

图5为本发明实施例中动态称重传感器的故障诊断装置的一个实施例示意图；

图6为本发明实施例中动态称重传感器的故障诊断设备的一个实施例示意图。

具体实施方式

本发明实施例提供了一种动态称重传感器的故障诊断方法、装置、设备及存储介质，用于提高动态称重传感器的故障诊断准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中动态称重传感器的故障诊断方法的一个实施例包括：

S101、通过预置的监测程序接收设备调试请求，并根据设备调试请求对目标动态称重设备进行设备调试，以及采集目标动态称重设备中线圈以及传感器的原始数据集；

可以理解的是，本发明的执行主体可以为动态称重传感器的故障诊断装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。

具体的，服务器确定需要采集的数据类型、采集频率、采集时间等参数，并进行记录。例如，需要采集目标动态称重设备中的线圈和传感器数据，每秒采样一次，连续采集5分钟，进而，服务器将计算机或其他数据采集设备与目标动态称重设备相连接。可以使用串口、USB 线或 Wi-Fi 等方式进行连接，进一步的，服务器根据预先设置的参数对设备的线圈和传感器进行采样，并将采集到的数据存储到计算机或其他数据存储介质中，同时，服务器采集到的数据导入到 MATLAB 或 Python 等工具中，使用滤波器、归一化、差分等技术来提取信号特征，以从数据中提取有用的信息。例如，可以计算出数据的均值、方差、最大值和最小值，并绘制出相关的图表以便于用户理解和使用，最终，服务器将数据处理和分析得到的结果输出，例如通过生成图表、文本报告等形式呈现数据分析结果。这些结果可以帮助用户评估设备的性能并提高设备的精度和稳定性。

S102、根据原始数据集生成配置参数集，并根据配置参数集分别对线圈以及传感器进行初始化配置；

具体的，服务器根据原始数据集生成配置参数集，对于每个设备参数，确定其取值范围以及默认值，基于设备的功能需求和特性，构建参数清单或表格。将所有必要和可选参数列出来，并为每个参数指定默认值和取值范围，收集原始数据集，包括记录的传感器测量值和其他有关设备性能的元数据（例如生产日期、制造商等），对原始数据进行预处理，包括去除无效数据、标准化数据等操作，通过人工或自动化的方式，从原始数据集中提取设备参数信息，并与之前定义的参数清单进行比对，根据设备类型和其参数清单，编写相应的配置程序，考虑到每个设备都有不同的参数需求，可能需要针对每个设备类型编写不同的程序，在程序中实现参数值的读取和应用，确保程序能够正确地读取并应用设备参数，使用生成的参数集和配置程序，对设备进行初始化和配置。根据设备类型和其参数清单，逐一对设备进行配置，针对每个设备，使用配置程序读取参数列表，将参数值应用于设备上，确保每个设备的参数值符合其参数清单中的取值范围，并检查配置是否成功完成。

S103、通过监测程序接收并响应故障检测请求，以及根据故障检测请求确定目标触发模式；

需要说明的是，确定故障检测请求的格式和协议，以便监测程序能够正确地解析和处理请求。在监测程序中实现故障检测请求的接收和响应。程序应该能够及时响应请求，并根据请求类型提供相应的反馈或动作，根据故障检测请求的类型和参数，确定目标触发模式。这通常需要涉及到多个阈值和逻辑关系，以确保准确识别故障，根据已有数据或先验知识，选择合适的触发模式算法。例如，可以使用基于规则的方法、机器学习、深度学习等算法来实现目标触发模式的确定，验证触发模式的性能和准确性。对所选的算法进行测试和验证，评估其对于不同类型的故障是否能够准确识别和响应，通过监测程序接收并响应故障检测请求，并根据故障检测请求确定目标触发模式需要进行仔细设计和实施。必须考虑到请求来源、请求格式和协议、目标触发模式算法等多个因素，确保系统能够在不同的情况下正确地响应故障检测请求，并准确地确定目标触发模式。

S104、根据目标触发模式匹配线圈以及传感器对应的目标故障检测策略，并根据目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；

需要说明的是，监测程序有两种触发模式，分为主动触发和自动触发，主动触发是由现场设备调试人员主动登录访问程序，程序开始对设备进行主动的检测，在条件允许的情况下，可以联合正面抓拍相机，设置车牌号码以及检测车道，从而实现更为精准的传感器检测与故障的判断，被动触发是通过调试人员对装置程序进行设置，在固定的时间内，对过往车辆通过检测区域所触发的传感器信号、线圈信号进行收集，综合线圈触发与传感器信号以及结合称重仪表的算法分析，最终得出传感器是否存在故障，以及对应的问题点描述，相关检测信息通过日志生成的方式进行保留与查阅。

S105、将目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，故障分析结果用于指示目标动态称重设备是否存在故障。

具体的，动态称重传感器基于弹性变形原理，通过测量物体在传感器上产生的变形量，来计算物体的重量。其电荷收集算法是通过对传感器应变片上的电荷进行积分，来得到物体的重量。线圈的电荷收集算法是通过对线圈内部的电荷进行积分，来确定电荷的大小和方向。线圈的电荷收集算法常用于电荷秤中，通过测量电荷的大小和方向，来计算物体的重量。

本发明实施例中，根据原始数据集生成配置参数集，并根据配置参数集分别对线圈以及传感器进行初始化配置；通过监测程序接收并响应故障检测请求，以及根据故障检测请求确定目标触发模式；根据目标触发模式匹配线圈以及传感器对应的目标故障检测策略，并根据目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；将目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，故障分析结果用于指示目标动态称重设备是否存在故障，本发明通过对目前各类称重传感器的电荷量进行监测，在设备初次安装调试完毕后，对传感器设备的电荷变化进行记录，作为设备状态判断的，当过往车辆通过检测区域，结合线圈的触发情况，将电荷变化异常的传感器进行记录，而后，在线圈判断无车辆经过称重检测区域时，对应车道内传感器的电荷变化情况，进行整体分析，作为传感器是否异常的判断依据之一，最终结合软件或装置预置的判断算法，从而得出动态传感器的故障信息，提升设备维护的便利性，降低传感器的维护排查难度、提升动态称重设备检测的精确度。

在一具体实施例中，执行步骤S101的过程可以具体包括如下步骤：

（1）通过预置的监测程序，接收设备调试请求，并对设备调试请求进行请求标识提取，得到目标请求标识；

（2）根据目标请求标识从多个预设候选动态称重设备中查找目标动态称重设备；

（3）对目标动态称重设备进行设备调试，并分别采集目标动态称重设备中线圈的原始数据以及传感器的原始数据；

（4）根据线圈的原始数据以及传感器的原始数据，构建原始数据集。

具体的，服务器数据采集过程中可能存在采样误差、噪声等问题，需要针对不同的数据类型进行清洗。例如，对于线圈数据，可以使用滤波算法去除高频噪声，对于传感器数据，可以根据数据变化率进行异常值检测并清洗掉异常值，对数据进行归一化处理，将原始数据转换为标准化数据。例如，可以对线圈数据进行最大最小值标准化，对传感器数据进行均值方差标准化，从清洗和预处理后的数据中提取具有代表性的特征，用于后续数据分析。例如，可以计算线圈数据的谐波含量、振幅、相位等特征，或者计算传感器数据的均方根、斜度、曲率等特征，针对多维度数据，可以使用主成分分析等方法将其降维，以便后续分析。数据降维可以保留原始数据的基本特征，同时减少数据维度，降低计算复杂度，可以将处理后的数据整理成原始数据集，方便后续数据分析。原始数据集应该包括每个样本的数据特征和相应的标签。

在一具体实施例中，如图2所示，执行步骤S102的过程可以具体包括如下步骤：

S201、获取线圈的目标线圈配置信息，以及获取传感器的目标传感器配置信息；

S202、根据目标线圈配置信息和目标传感器配置信息，对原始数据集进行配置参数运算，生成配置参数集；

S203、根据配置参数集，分别对线圈以及传感器进行初始化配置。

具体的，服务器获取线圈的目标线圈配置信息和传感器的目标传感器配置信息，需要通过查阅设备文档等方式获取相关参数，包括线圈数量、尺寸、材质等，以及传感器类型、精度、位置等。获取这些信息的目的是为了能够准确地对数据进行分析和处理，以达到预期的效果，根据目标线圈配置信息和目标传感器配置信息，可以对原始数据集进行配置参数运算，生成配置参数集。在此过程中，需要对原始数据集进行深入分析，确定哪些参数需要进行计算和优化。常见的配置参数集包括线圈谐波含量、振幅、相位等，以及传感器均方根、斜度、曲率等，生成配置参数集后，需要根据其内容对线圈和传感器进行初始化配置。针对线圈，可以根据目标线圈配置信息计算出谐波含量、振幅和相位等参数，并将其应用到线圈上，以便进行后续数据采集和分析。而对于传感器，则需要根据目标传感器配置信息计算出均方根、斜度、曲率等参数，并将其应用到传感器上，以提高传感器采集数据的准确性和稳定性，具体而言，针对线圈，可以采用FFT快速傅里叶变换算法，对原始数据进行谐波分析，计算出谐波含量、振幅、相位等参数，并将其保存到配置文件中。使用配置文件编辑器或脚本语言等工具，读取配置文件并应用到线圈上，完成线圈的初始化配置，而对于传感器，则可以基于原始数据集和目标传感器配置信息，使用数据处理和分析工具计算出各种统计指标，如均值、方差、标准差等，并得出传感器的均方根、斜度、曲率等参数。将参数写入配置文件中，使用配置文件编辑器或脚本语言等工具，读取配置文件并应用到传感器上，完成传感器的初始化配置。

在一具体实施例中，执行步骤S103的过程可以具体包括如下步骤：

（1）通过监测程序接收并响应故障检测请求；

（2）查询故障检测请求的请求类型，其中，请求类型包括：设备调试人员登录访问程序以及设备调试人员对目标动态称重设备进行设置；

（3）根据请求类型，匹配目标动态称重设备的目标触发模式，其中，目标触发模式包括：主动触发模式和自动触发模式。

具体的，服务器监测程序可以使用网络套接字等技术，监听指定的端口或地址，等待来自设备调试人员或系统的故障检测请求。为了确保响应的及时性和准确性，可以采用多线程或异步I/O等技术，以便同时处理多个请求，并将响应结果返回给请求方，监测程序可以通过解析请求消息的格式和内容，获取请求的类型和参数信息。例如，如果请求类型为设备调试人员登录访问程序，则可以在请求消息中查询登录用户名和密码等信息，以进行身份认证和授权；如果请求类型为设备调试人员对目标动态称重设备进行设置，则可以在请求消息中查询设备编号、目标触发模式、参数配置等信息，以进行后续处理和操作，根据请求类型和设备特点，监测程序可以选择适合的目标触发模式，如主动触发模式或自动触发模式。主动触发模式通常需要设备调试人员手动触发设备采集数据，可以通过按钮、命令行或网页等方式来实现；自动触发模式则可以根据预先设定的条件或规则，自动触发设备采集数据，通常需要设备调试人员进行参数配置和优化，确定目标触发模式后，监测程序就可以将设备的触发模式切换到目标状态。这需要通过发送指令或修改参数等方式来实现。例如，如果需要将设备的触发模式切换为主动触发模式，则可以向设备发送相应的指令，或通过Web API等方式修改设备的参数配置；如果需要将设备的触发模式切换为自动触发模式，则可以根据预设的条件或规则，设置设备的触发参数和阈值等参数，监测程序可以接收并响应故障检测请求，查询请求类型并匹配目标触发模式，最终根据请求类型和目标触发模式来切换设备的触发模式，以实现对设备的故障检测和维护。这些步骤的实现需要考虑多种因素，包括网络通信协议、安全机制、数据处理效率等方面，以确保监测程序能够稳定、高效地运行。

在一具体实施例中，执行步骤S104的过程可以具体包括如下步骤：

（1）根据目标触发模式，匹配线圈以及传感器对应的目标故障检测策略；

（2）根据目标故障检测策略，对预设的过往车辆进行信号采集，得到至少一组传感器信号以及至少一组线圈信号；

（3）根据至少一组传感器信号以及至少一组线圈信号，构建目标信号集合。

具体的，在上述三个步骤中，第一步是选择适当的线圈和传感器，并设计相应的故障检测策略。这一步骤的关键在于如何选择合适的故障检测方法。常用的故障检测方法包括频域分析、时域分析、小波分析、熵分析等等。通过选择合适的方法，可以有效地检测出目标的故障情况，并采取相应的措施进行修复或更换，第二步是采集信号数据。在信号采集过程中，需要考虑信号采集的精度、采样率等因素。同时还需要注意采集的时间间隔和采集的数量，以保证所采集的信号数据能够充分反映目标的特征和故障情况。对于大规模的数据采集任务，通常需要使用自动化的设备和系统来完成，以提高采集效率和准确率，最后，根据至少一组传感器信号和至少一组线圈信号，构建目标信号集合并进行处理和分析。目标信号集合通常包含多个数据维度，例如时间、频率、幅值等等。这些数据可以通过预处理、特征提取、特征选择等方法进行分析和处理，以提高目标检测的准确率和效率。

在一具体实施例中，如图3所示，执行步骤S105的过程可以具体包括如下步骤：

S301、对目标信号集合中的至少一组传感器信号进行电荷转换运算，生成传感器电荷数据，以及对目标信号集合中的至少一组线圈信号进行电荷转换运算，生成线圈电荷数据；

S302、将传感器电荷数据输入预置的电荷收集模型进行重量计算，得到第一重量数据；

S303、将线圈电荷数据输入预置的电荷收集模型进行重量计算，得到第二重量数据；

S304、根据第一重量数据和第二重量数据，对目标动态称重设备进行故障分析，得到故障分析结果，其中，故障分析结果用于指示目标动态称重设备是否存在故障。

具体的，根据目标信号集合中的至少一组传感器信号和线圈信号，进行电荷转换运算，生成传感器电荷数据和线圈电荷数据。电荷转换运算的核心是将原始信号转化成等效电荷，以便后续的处理和分析，对于传感器信号和线圈信号，可以通过模拟电路或数字信号处理技术来实现电荷转换。具体而言，可以采取模拟积分电路、模拟乘法器、模数转换器、数字滤波器等技术来实现电荷转换运算，将传感器电荷数据输入预置的电荷收集模型进行重量计算，得到第一重量数据；将线圈电荷数据输入预置的电荷收集模型进行重量计算，得到第二重量数据。这个步骤的核心是选择适当的电荷收集模型，并根据实际情况进行参数配置和调整，常用的电荷收集模型包括单点秤、多点秤、应变片等。在使用这些模型进行重量计算时，需要考虑多种因素，例如精度、可靠性、成本等。为了提高测量精度，还可以使用温度补偿、非线性校正等技术来对数据进行更加精确的处理，根据第一重量数据和第二重量数据，对目标动态称重设备进行故障分析，得到故障分析结果。这个步骤的目的是判断设备是否存在故障或异常，以便及时采取相应的措施进行修复或更换。常用的故障分析方法包括模型诊断、统计分析、异常检测等，故障分析的具体方法取决于实际应用场景和需求。常用的故障分析工具包括Matlab、Python等。可以通过构建数学模型，对数据进行统计分析和处理，以发现异常数据和故障情况。同时还可以结合人工经验和专业知识，对数据进行进一步的确认和验证，根据故障分析结果，输出故障信息，指示目标动态称重设备是否存在故障。在输出结果时，需要考虑结果的格式和呈现方式，以便用户快速理解和判断，故障信息可以以文本、图表、报警等形式进行输出。为了方便用户进行快速判断和反应，还可以提供自动化的处理流程和界面化的操作界面。

在一具体实施例中，如图4所示，执行步骤S304的过程可以具体包括如下步骤：

S401、对第一重量数据进行曲线拟合，得到第一重量变化曲线，并对第二重量数据进行曲线拟合，得到第二重量变化曲线；

S402、对第一重量变化曲线和第二重量变化曲线进行特征相似度计算，得到目标特征相似度；

S403、计算目标特征相似度与预设目标值之间的目标差值，并对目标差值和预设误差范围进行比较，得到目标比较结果；

S404、根据目标比较结果，生成故障分析结果，其中，故障分析结果用于指示目标动态称重设备是否存在故障。

具体的，第一重量数据进行曲线拟合，得到第一重量变化曲线；对第二重量数据进行曲线拟合，得到第二重量变化曲线，使用合适的数学模型对第一重量和第二重量数据进行曲线拟合。常用的模型包括多项式拟合、指数拟合、对数拟合等。可以使用Python中的Numpy、Scipy等库实现，对第一重量变化曲线和第二重量变化曲线进行特征相似度计算，得到目标特征相似度，一般使用相关系数作为特征相似度的计算方法，通过Python中的Numpy库中的corrcoef函数实现。计算目标特征相似度与预设目标值之间的目标差值，并对目标差值和预设误差范围进行比较，得到目标比较结果，目标特征相似度与预设目标值之间的目标差值可以通过简单的减法运算得出。将目标差值与预设误差范围进行比较，可以得到目标比较结果。可以使用Python中的if语句实现，根据目标比较结果生成故障分析结果。如果目标比较结果在预设误差范围内，则认为设备正常，否则，认为设备存在故障。可以使用Python中的if语句实现。

上面对本发明实施例中动态称重传感器的故障诊断方法进行了描述，下面对本发明实施例中动态称重传感器的故障诊断装置进行描述，请参阅图5，本发明实施例中动态称重传感器的故障诊断装置一个实施例包括：

采集模块501，用于通过预置的监测程序接收设备调试请求，并根据所述设备调试请求对目标动态称重设备进行设备调试，以及采集所述目标动态称重设备中线圈以及传感器的原始数据集；

初始化模块502，用于根据所述原始数据集生成配置参数集，并根据所述配置参数集分别对所述线圈以及所述传感器进行初始化配置；

响应模块503，用于通过所述监测程序接收并响应故障检测请求，以及根据所述故障检测请求确定目标触发模式；

匹配模块504，用于根据所述目标触发模式匹配所述线圈以及所述传感器对应的目标故障检测策略，并根据所述目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；

分析模块505，用于将所述目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

通过上述各个组成部分的协同合作，根据原始数据集生成配置参数集，并根据配置参数集分别对线圈以及传感器进行初始化配置；通过监测程序接收并响应故障检测请求，以及根据故障检测请求确定目标触发模式；根据目标触发模式匹配线圈以及传感器对应的目标故障检测策略，并根据目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；将目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，故障分析结果用于指示目标动态称重设备是否存在故障，本发明通过对目前各类称重传感器的电荷量进行监测，在设备初次安装调试完毕后，对传感器设备的电荷变化进行记录，作为设备状态判断的，当过往车辆通过检测区域，结合线圈的触发情况，将电荷变化异常的传感器进行记录，而后，在线圈判断无车辆经过称重检测区域时，对应车道内传感器的电荷变化情况，进行整体分析，作为传感器是否异常的判断依据之一，最终结合软件或装置预置的判断算法，从而得出动态传感器的故障信息，提升设备维护的便利性，降低传感器的维护排查难度、提升动态称重设备检测的精确度。

上面图5从模块化功能实体的角度对本发明实施例中的动态称重传感器的故障诊断装置进行详细描述，下面从硬件处理的角度对本发明实施例中动态称重传感器的故障诊断设备进行详细描述。

图6是本发明实施例提供的一种动态称重传感器的故障诊断设备的结构示意图，该动态称重传感器的故障诊断设备600可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（central processing units，CPU）610（例如，一个或一个以上处理器）和存储器620，一个或一个以上存储应用程序633或数据632的存储介质630（例如一个或一个以上海量存储设备）。其中，存储器620和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对动态称重传感器的故障诊断设备600中的一系列指令操作。更进一步地，处理器610可以设置为与存储介质630通信，在动态称重传感器的故障诊断设备600上执行存储介质630中的一系列指令操作。

动态称重传感器的故障诊断设备600还可以包括一个或一个以上电源640，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口660，和/或，一个或一个以上操作系统631，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的动态称重传感器的故障诊断设备结构并不构成对动态称重传感器的故障诊断设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种动态称重传感器的故障诊断设备，所述动态称重传感器的故障诊断设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述各实施例中的所述动态称重传感器的故障诊断方法的步骤。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述动态称重传感器的故障诊断方法的步骤。

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，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

所述集成的单元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全部或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（read-only memory，ROM）、随机存取存储器（random acceS memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，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 (10)

1.一种动态称重传感器的故障诊断方法，其特征在于，所述动态称重传感器的故障诊断方法包括：

通过预置的监测程序接收设备调试请求，并根据所述设备调试请求对目标动态称重设备进行设备调试，以及采集所述目标动态称重设备中线圈以及传感器的原始数据集；

根据所述原始数据集生成配置参数集，并根据所述配置参数集分别对所述线圈以及所述传感器进行初始化配置；

通过所述监测程序接收并响应故障检测请求，以及根据所述故障检测请求确定目标触发模式；

根据所述目标触发模式匹配所述线圈以及所述传感器对应的目标故障检测策略，并根据所述目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；

将所述目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

2.根据权利要求1所述的动态称重传感器的故障诊断方法，其特征在于，所述通过预置的监测程序接收设备调试请求，并根据所述设备调试请求对目标动态称重设备进行设备调试，以及采集所述目标动态称重设备中线圈以及传感器的原始数据集，包括：

通过预置的监测程序，接收设备调试请求，并对所述设备调试请求进行请求标识提取，得到目标请求标识；

根据所述目标请求标识从多个预设候选动态称重设备中查找目标动态称重设备；

对所述目标动态称重设备进行设备调试，并分别采集所述目标动态称重设备中线圈的原始数据以及传感器的原始数据；

根据所述线圈的原始数据以及所述传感器的原始数据，构建原始数据集。

3.根据权利要求1所述的动态称重传感器的故障诊断方法，其特征在于，所述根据所述原始数据集生成配置参数集，并根据所述配置参数集分别对所述线圈以及所述传感器进行初始化配置，包括：

获取所述线圈的目标线圈配置信息，以及获取所述传感器的目标传感器配置信息；

根据所述目标线圈配置信息和所述目标传感器配置信息，对所述原始数据集进行配置参数运算，生成配置参数集；

根据所述配置参数集，分别对所述线圈以及所述传感器进行初始化配置。

4.根据权利要求1所述的动态称重传感器的故障诊断方法，其特征在于，所述通过所述监测程序接收并响应故障检测请求，以及根据所述故障检测请求确定目标触发模式，包括：

通过所述监测程序接收并响应故障检测请求；

查询所述故障检测请求的请求类型，其中，所述请求类型包括：设备调试人员登录访问程序以及设备调试人员对所述目标动态称重设备进行设置；

根据所述请求类型，匹配所述目标动态称重设备的目标触发模式，其中，所述目标触发模式包括：主动触发模式和自动触发模式。

5.根据权利要求1所述的动态称重传感器的故障诊断方法，其特征在于，所述根据所述目标触发模式匹配所述线圈以及所述传感器对应的目标故障检测策略，并根据所述目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合，包括：

根据所述目标触发模式，匹配所述线圈以及所述传感器对应的目标故障检测策略；

根据所述目标故障检测策略，对预设的过往车辆进行信号采集，得到至少一组传感器信号以及至少一组线圈信号；

根据所述至少一组传感器信号以及所述至少一组线圈信号，构建目标信号集合。

6.根据权利要求5所述的动态称重传感器的故障诊断方法，其特征在于，所述将所述目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，包括：

对所述目标信号集合中的至少一组传感器信号进行电荷转换运算，生成传感器电荷数据，以及对所述目标信号集合中的至少一组线圈信号进行电荷转换运算，生成线圈电荷数据；

将所述传感器电荷数据输入预置的电荷收集模型进行重量计算，得到第一重量数据；

将所述线圈电荷数据输入预置的电荷收集模型进行重量计算，得到第二重量数据；

根据所述第一重量数据和所述第二重量数据，对所述目标动态称重设备进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

7.根据权利要求6所述的动态称重传感器的故障诊断方法，其特征在于，所述根据所述第一重量数据和所述第二重量数据，对所述目标动态称重设备进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障，包括：

对所述第一重量数据进行曲线拟合，得到第一重量变化曲线，并对所述第二重量数据进行曲线拟合，得到第二重量变化曲线；

对所述第一重量变化曲线和所述第二重量变化曲线进行特征相似度计算，得到目标特征相似度；

计算所述目标特征相似度与预设目标值之间的目标差值，并对所述目标差值和预设误差范围进行比较，得到目标比较结果；

根据所述目标比较结果，生成故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

8.一种动态称重传感器的故障诊断装置，其特征在于，所述动态称重传感器的故障诊断装置包括：

采集模块，用于通过预置的监测程序接收设备调试请求，并根据所述设备调试请求对目标动态称重设备进行设备调试，以及采集所述目标动态称重设备中线圈以及传感器的原始数据集；

初始化模块，用于根据所述原始数据集生成配置参数集，并根据所述配置参数集分别对所述线圈以及所述传感器进行初始化配置；

响应模块，用于通过所述监测程序接收并响应故障检测请求，以及根据所述故障检测请求确定目标触发模式；

匹配模块，用于根据所述目标触发模式匹配所述线圈以及所述传感器对应的目标故障检测策略，并根据所述目标故障检测策略对预设的过往车辆进行信号采集，得到目标信号集合；

分析模块，用于将所述目标信号集合输入预置的电荷收集模型进行故障分析，得到故障分析结果，其中，所述故障分析结果用于指示所述目标动态称重设备是否存在故障。

9.一种动态称重传感器的故障诊断设备，其特征在于，所述动态称重传感器的故障诊断设备包括：存储器和至少一个处理器，所述存储器中存储有指令；

所述至少一个处理器调用所述存储器中的所述指令，以使得所述动态称重传感器的故障诊断设备执行如权利要求1-7中任一项所述的动态称重传感器的故障诊断方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-7中任一项所述的动态称重传感器的故障诊断方法。

Images