[发明专利]一种矿车制动系统异常状态在线识别方法

说明书

本发明涉及矿车制动系统技术领域，公开了一种矿车制动系统异常状态在线识别方法，包括以下步骤：获取不同工况下与制动系统运行状态关联的故障特征参量，得到不同工况下的初始特征参量集；对不同工况下的初始特征参量集中的故障特征参量进行约减，得到不同工况下的特征参量约减集；通过不同工况下的特征参量简约集合训练神经网络，得到各工况下对应的制动系统状态识别模型；构建多模型状态监测器，将不同工况下的实时故障特征参量输入到对应工况下的制动系统状态识别模型，得到在线识别结果；能够减少实际工作环境中因状态模式数据特征差异小而发生的误报现象，可显著提升环境变动下的状态识别率。

技术领域

本发明涉及矿车制动系统技术领域，具体涉及一种矿车制动系统异常状态在线识别方法。

背景技术

制动系统是矿车的核心部件，正常工作时，当驾驶员踩下制动踏板，踏板位移传感器获得踏板位移信号并发送到ECU，使所有电磁阀上电；并识别驾驶员的制动意图，计算目标压力；然后ECU驱动电机经过齿轮副减速驱动滚珠丝杠，推动伺服主缸的活塞建立压力。然而，由于制动系统子部件间的强耦合性以及露天矿山恶劣的运行环境等影响，使制动系统成为矿用卡车中故障率较高的部件之一。并且，制动系统发生故障时，维修时间长、成本高，严重时甚至会导致矿车安全事故，对露天矿山造成非常严重的经济损失。

因此，基于数据采集与监视控制的在线统计或者事前预警方法，对矿车制动系统的运行状态进行在线评估及预测已受到业内的广泛关注。然而，现有研究并没有考虑矿用卡车作业环境的多变性和复杂性，对不同环境下的运行状态通常采用相同的特征参量集，从而降低了模型在线评估的真实性和实时性。另外，制动系统的故障类型繁多且原因复杂，采用单一模型进行故障诊断或状态识别时，由于某些故障或状态的数据特征相近而发生误报现象。此外，制动时间段的随机波动与间歇特性也决定了制动系统存在大扰动和随机时变的特点。因此，有必要研究基于不同工况下的制动系统特征参量在线提取方法，建立多模型状态监测系统。

发明内容

为解决上述技术问题，本发明提供一种矿车制动系统异常状态在线识别方法。

为解决上述技术问题，本发明采用如下技术方案：

一种矿车制动系统异常状态在线识别方法，包括以下步骤：

步骤一：通过统计一段时间内同一露天矿山同一类矿车的制动系统故障报警类型和发生频次，分析矿车制动系统受矿车随机特性、机械以及环境的影响，获取不同工况下与制动系统运行状态关联的故障特征参量，得到不同工况下的初始特征参量集；

步骤二：对不同工况下的初始特征参量集中的故障特征参量进行约减，保留初始特征参量集中能够提供信息量最多的部分特征参量，得到不同工况下的特征参量约减集；

步骤三：通过不同工况下的特征参量简约集合训练神经网络，得到各工况下对应的制动系统状态识别模型；

步骤四：构建多模型状态监测器，将不同工况下的实时故障特征参量输入到对应工况下的制动系统状态识别模型，得到在线识别结果。

进一步地，所述故障特征参量包括制动时间、制动时间强度、制动频率强度、制动减速度、行驶路况、路面摩擦系数、车辆装载重量。

进一步地，步骤一中，根据矿车制动系统的制动压力划分成工况。

与现有技术相比，本发明的有益技术效果是：

本发明构造多模型状态监测器，通过实时加权处理考虑了工况对故障特征参量的影响，能够减少实际工作环境中因状态模式数据特征差异小而发生的误报现象，可显著提升环境变动下的状态识别率。

本发明可完成不同工况下制动系统故障特征参量集的实时提取，实现变工况下各种工作状态的有效识别和精准定位。

附图说明

图1为本发明在线识别方法的流程图。

具体实施方式