[发明专利]无人矿卡调度系统的健康监测方法、装置和健康系统

权利要求书

1.一种无人矿卡调度系统的健康监测方法，其特征在于，包括：

获取无人矿卡调度系统的多个无人矿卡的当前监测数据，所述当前监测数据为所述无人矿卡当前的状态参数；

将各所述监测数据输入分类模型，得到各所述无人矿卡的实时工作状态，所述实时工作状态有多种，所述分类模型用于为使用多组训练数据通过机器学习训练出来的，多组所述训练数据中的每组所述训练数据均包括：历史监测数据和所述历史监测数据对应的所述实时工作状态，所述历史监测数据为任意历史时刻的监测数据；

根据各所述实时工作状态确定各所述无人矿卡的第一健康度，所述第一健康度为所述无人矿卡在所述实时工作状态无故障的概率；

采用遗传算法计算各所述无人矿卡的权重值；

根据各所述无人矿卡的权重值对各所述无人矿卡的健康度进行加权平均，得到所述无人矿卡调度系统的第二健康度，所述第二健康度为所述无人矿卡调度系统无故障的概率。

2.根据权利要求1所述的方法，其特征在于，在将所述监测数据输入分类模型之前，所述方法还包括：

获取训练数据集，所述训练数据集包括多组所述训练数据；

采用所述训练数据集分别对多个机器学习模型进行训练，得到多个状态分类模型，所述机器学习模型为支持向量机、决策树、逻辑回归、神经网络以及贝叶斯分类器中的任意一种或者多种的组合；

将多个所述状态分类模型和分类投票器组成所述分类模型，所述分类投票器用于对多个所述实时工作状态进行投票。

3.根据权利要求2所述的方法，其特征在于，将所述监测数据输入分类模型，得到各所述无人矿卡的实时工作状态，包括：

第一输入步骤，将所述无人矿卡的所述监测数据分别输入多个所述状态分类模型，得到多个工作状态分类结果，所述工作状态分类结果包括正常状态和故障状态，所述工作状态分类结果与所述状态分类模型一一对应；

第二输入步骤，将多个所述工作状态分类结果输入所述分类投票器，得到所述实时工作状态，所述实时工作状态为投票票数大于票数阈值的所述工作状态分类结果；

依次重复所述第一输入步骤和所述第二输入步骤至少一次，直至得到所有的所述无人矿卡的所述实时工作状态。

4.根据权利要求2所述的方法，其特征在于，获取训练数据集，包括：

将所述历史监测数据划分为故障模式特征数据和正常模式特征数据，所述故障模式特征数据为在所述实时工作状态下出现故障的所述历史监测数据，所述正常模式特征数据为在所述实时工作状态下无故障的所述历史监测数据；

将所述故障模式特征数据、所述故障模式特征数据对应的所述实时工作状态、所述正常模式特征数据以及所述正常模式特征数据对应的所述实时工作状态组成所述训练数据集。

5.根据权利要求1至4任一项所述的方法，其特征在于，根据各所述实时工作状态确定各所述无人矿卡的第一健康度，包括：

获取所述无人矿卡的全监测数据，所述全监测数据为所述无人矿卡的全寿命周期监测数据；

将所述全监测数据进行分类，得到多个输入向量，所述输入向量为所述实时工作状态对应的多个监测数据组成的向量，所述输入向量与所述实时工作状态一一对应；

将各所述输入向量输入sigmoid函数，得到各所述实时工作状态的所述第一健康度；

分别将各所述实时工作状态的所述第一健康度确定为对应的各所述无人矿卡的第一健康度。

6.根据权利要求5所述的方法，其特征在于，将各所述输入向量输入sigmoid函数，得到各所述实时工作状态的所述第一健康度，包括：

将各所述输入向量X＝(x⁽¹⁾，x⁽²⁾，…，x⁽ⁿ⁾，1)^T输入所述sigmoid函数得到多个所述第一健康度，所述第一健康度与所述实时工作状态一一对应。