[发明专利]一种基于大数据的挖掘机工况占比统计方法

说明书

本发明公开了一种基于大数据的挖掘机工况占比统计方法：基于CAN总线采集挖掘机实时运行数据；对每隔Δt时间的实时运行数据进行工况识别，识别样本时长为t1；识别结果发送至总服务器；云平台对总服务器中的识别结果进行统计处理，生成每种挖掘机机型在不同地区和不同时间的各个工况占比。本发明充分利用CAN总线的发动机转速、扭矩及破碎、行走、回转的先导数据，依靠逻辑判断及密度计算进行挖掘机的整机工况识别，提高了该方法的适用性、实时性，通过GPS发送至总服务器，在云平台进行数据处理，生成客户画像。客户画像有助于设计人员了解不同客户需求，确定产品功能设计，不断迭代调整产品；有助于市场人员针对不同客户，确定营销内容和营销策略。

技术领域

本发明涉及一种基于大数据的挖掘机工况占比统计方法，属于工程机械领域。

背景技术

挖掘机作为一种典型的工程机械，被广泛应用到多种工况中，如挖掘、装载、平地、行走、破碎等。而同一吨位的挖掘机，使用工况不同，会导致整机寿命相差很大。客户画像的意义在于挖掘客户的群体特征，预测客户的真实需求，发现潜在的客户群体，协助企业充分认识不同客户群的特点，精准化设计、服务和营销，从而全面提升客户体验和企业的核心竞争力。

现有的对整机使用工况的统计方法有：采用走访、电话调研等方法进行调查；采集主泵压力信号，以主泵压力作为识别整机使用工况的依据。

采用走访、电话调研等方法统计整机使用工况，存在样本量有限、数据真实性难以保证等缺点；以主泵压力作为识别整机使用工况的依据，存在主泵压力波动大、识别度低等缺点。

发明内容

本发明提供了一种基于大数据的挖掘机工况占比统计方法，解决了背景技术中披露的问题。

为了解决上述技术问题，本发明所采用的技术方案是：一种基于大数据的挖掘机工况占比统计方法：

基于CAN总线采集挖掘机实时运行数据；

对每隔Δt时间的实时运行数据进行工况识别，识别样本时长为t1；

识别结果发送至总服务器；

云平台对总服务器中的识别结果进行统计处理，生成每种挖掘机机型在不同地区和不同时间的各个工况占比。

进一步地，所述实时运行数据包括：发动机转速、扭矩及破碎、行走、回转的先导信号。

进一步地，所述工况识别方法为：

当t1样本中有破碎先导信号时，判定为破碎工况；否则检测t1样本中是否有行走先导信号，当t1样本中有行走先导信号时，判定为行走工况；否则检测t1样本中是否有回转先导信号，当t1样本中有回转先导信号时，计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩，计算密度最大处扭矩除以最大扭矩的百分比，当该百分比大于70％时，判定为装载工况，否则判定为其它工况；当t1样本中没有破碎、行走、回转的先导信号时，计算t1样本密度最大处扭矩除以最大扭矩的百分比，当该百分比大于70％时，判定为挖掘工况，当该百分比小于70％大于40％时，判定为平地工况，否则判定为其它工况。

进一步地，计算t1样本发动机扭矩数据的最大扭矩及密度最大处扭矩的方法为：将t1样本中，随时间变化的扭矩记为N(t)，转速记为r(t)，样本的总个数记为T；

最大扭矩Nmax的公式为：Nmax＝max(N(t))；

最小扭矩Nmin的公式为：Nmin＝min(N(t))；

最大转速rmax的公式为：rmax＝max(r(t))；

最小转速rmin的公式为：rmin＝min(r(t))。