[发明专利]利用大数据的装载机发动机故障诊断方法

说明书

本发明公开了一种利用大数据的装载机发动机故障诊断方法。本发明利用大数据的装载机发动机故障诊断方法，包括：选取发动机的第一运行状态参数，所述第一运行状态参数包括：转速、排气温度、震动频率、燃油量、内部压强、声音特征和水温；选取发动机的第二运行状态参数，所述第二运行状态参数包括：发动机排出的废气成分；对第一运行状态参数进行预处理进而生成第一正常样本和第一故障样本。本发明的有益效果：能够快速对发动机进行故障诊断，神经网络和贝叶斯分类器的配合使故障诊断的正确率大幅度提高。

技术领域

本发明涉及装载机领域，具体涉及一种利用大数据的装载机发动机故障诊断方法。

背景技术

装载机是一种广泛用于公路、铁路、建筑、水电、港口、矿山等建设工程的土石方施工机械，它主要用于铲装土壤、砂石、石灰、煤炭等散状物料，也可对矿石、硬土等作轻度铲挖作业。换装不同的辅助工作装置还可进行推土、起重和其他物料如木材的装卸作业。

在道路、特别是在高等级公路施工中，装载机用于路基工程的填挖、沥青混合料和水泥混凝土料场的集料与装料等作业。此外还可进行推运土壤、刮平地面和牵引其他机械等作业。由于装载机具有作业速度快、效率高、机动性好、操作轻便等优点，因此它成为工程建设中土石方施工的主要机种之一。

传统技术存在以下技术问题：

现有的发动机出现问题，都是需要由专业的人员进行现场检测，以确定故障。

发明内容

本发明要解决的技术问题是提供一种利用大数据的装载机发动机故障诊断方法。

为了解决上述技术问题，本发明提供了一种利用大数据的装载机发动机故障诊断方法，包括：

选取发动机的第一运行状态参数，所述第一运行状态参数包括：转速、排气温度、震动频率、燃油量、内部压强、声音特征和水温；

选取发动机的第二运行状态参数，所述第二运行状态参数包括：发动机排出的废气成分；

对第一运行状态参数进行预处理进而生成第一正常样本和第一故障样本；

从全部第一正常样本中随机选择部分第一正常样本对卷积神经网络进行训练，并利用训练好的卷积神经网络模型对剩余的第一正常样本和所有的第一故障样本进行特征提取，得到第一特征集；

对第二运行状态参数进行预处理进而生成第二正常样本和第二故障样本；

从全部第二正常样本中随机选择部分第二正常样本对小波神经网络进行训练，并利用训练好的小波神经网络模型对剩余的第二正常样本和所有的第二故障样本进行特征提取，得到第二特征集；

同时基于第一特征集和第二特征集使用贝叶斯分类器对特征进行分类。

在其中一个实施例中，所述贝叶斯分类器是TAN或者Naive Bayes或者BAN。

在其中一个实施例中，“从全部第一正常样本中随机选择部分第一正常样本对卷积神经网络进行训练”中，随机选择部分第一正常样本占全部第一正常样本的比例是0.1到0.2。

在其中一个实施例中，“从全部第二正常样本中随机选择部分第二正常样本对卷积神经网络进行训练”中，随机选择部分第二正常样本占全部第二正常样本的比例是0.1到0.2。

在其中一个实施例中，所述声音特征包括声音响度和声音频率。

在其中一个实施例中，所述发动机排出的废气成分包括一氧化碳(CO)、碳氢化合物(HC)、氮氧化合物(NOx)、二氧化硫(SO2)、碳烟颗粒物质和醛类物质占所有废气总质量的质量百分比。

在其中一个实施例中，按照装载机的输出功率按照从低到高分为N档，分别获取N组第二运行状态参数，归一化后作为一组第二运行状态参数，其中，N为大于1的正整数。