一种传动轴寿命预测方法、装置及起重机制造方法及图纸

本申请提出一种传动轴寿命预测方法、装置及起重机。通过获取携带传动轴的振动信息的振动信号，对振动信号进行集合经验模态分解以获取降噪信号，再依据降噪信号判断是否到达性能衰退初始点，若是，则依据降噪信号和神经网络模型预测传动轴的寿命。能够实时监控传动轴的寿命，以便于操作人员对工程机械的健康状态进行判断。并且通过设置性能衰退初始点，避免过早开始寿命预测，降低误差，避免过晚开始寿命预测，从而避免影响操作人员的判断。

A prediction method, device and crane of transmission shaft life

【技术实现步骤摘要】
一种传动轴寿命预测方法、装置及起重机
本申请涉及起重机领域，具体而言，涉及一种传动轴寿命预测方法、装置及起重机。
技术介绍
传动轴是汽车系统的重要部件，是决定汽车动力性能、可靠性和安全性的关键因素。其运行状态的好坏直接影响工程机械工作的状况，因此，对传动轴的寿命进行实时监控，有利于操作人员对工程机械的健康状态进行判断，及时的进行检修或者更换，对确保工程机械正常工作有着非常重要的意义。现有故障识别技术只能在故障发生后进行识别，不能实时监控起重机传动轴寿命，以便于操作人员对工程机械的健康状态进行判断。
技术实现思路
本申请的目的在于提供一种传动轴寿命预测方法、装置及起重机，以解决上述问题。为了实现上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供一种传动轴寿命预测方法，所述方法包括：获取振动信号，其中，所述振动信号携带传动轴的振动信息；对所述振动信号进行集合经验模态分解以获取降噪信号；依据所述降噪信号判断是否到达性能衰退初始点；若是，则依据所述降噪信号和神经网络模型预测所述传动轴的寿命。第二方面，本申请实施例提供一种传动轴寿命预测装置，所述装置包括：信息获取单元，用于获取振动信号，其中，所述振动信号携带传动轴的振动信息；处理单元，用于对所述振动信号进行集合经验模态分解以获取降噪信号；还用于依据所述降噪信号判断是否到达性能衰退初始点；若是，则依据所述降噪信号和神经网络模型预测所述传动轴的寿命。第三方面，本申请实施例提供一种起重机，包括：处理器和存储器，所述存储器用于存储一个或多个程序；当所述一个或多个程序被所述处理器执行时，实现上述的方法。相对于现有技术，本申请实施例所提供的一种传动轴寿命预测方法、装置及起重机的有益效果为：通过获取携带传动轴的振动信息的振动信号，对振动信号进行集合经验模态分解以获取降噪信号，再依据降噪信号判断是否到达性能衰退初始点，若是，则依据降噪信号和神经网络模型预测传动轴的寿命。能够实时监控传动轴的寿命，以便于操作人员对工程机械的健康状态进行判断。并且通过设置性能衰退初始点，避免过早开始寿命预测，降低误差，避免过晚开始寿命预测，从而避免影响操作人员的判断。为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。图1为本申请实施例提供的电子设备的结构示意图；图2为本申请实施例提供的传动轴寿命预测方法的流程示意图；图3为本申请实施例提供的步骤S103的子步骤示意图；图4为本申请实施例提供的步骤S103-2的子步骤示意图；图5为本申请实施例提供的步骤S103-3的子步骤示意图；图6为本申请实施例提供的步骤S104的子步骤示意图；图7为本申请实施例提供的传动轴寿命预测方法的另一种流程示意图；图8为本申请实施例提供的传动轴寿命预测装置的单元示意图。图中：10-处理器；11-存储器；12-总线；13-通信接口；201-信息获取单元；202-处理单元。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。在本申请的描述中，需要说明的是，术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该申请产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。本申请实施例提供了一种电子设备，可以是应用于起重机中的智能控制设备，当然地也可以是独立运行的智能设备。请参照图1，电子设备的结构示意图。电子设备包括处理器10、存储器11、总线12。处理器10、存储器11通过总线12连接，处理器10用于执行存储器11中存储的可执行模块，例如计算机程序。处理器10可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，传动轴寿命预测方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessor，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称FPGA)或者其他可编程逻本文档来自技高网...

【技术保护点】
1.一种传动轴寿命预测方法，其特征在于，所述方法包括：/n获取振动信号，其中，所述振动信号携带传动轴的振动信息；/n对所述振动信号进行集合经验模态分解以获取降噪信号；/n依据所述降噪信号判断是否到达性能衰退初始点；/n若是，则依据所述降噪信号和神经网络模型预测所述传动轴的寿命。/n

【技术特征摘要】
1.一种传动轴寿命预测方法，其特征在于，所述方法包括：
获取振动信号，其中，所述振动信号携带传动轴的振动信息；
对所述振动信号进行集合经验模态分解以获取降噪信号；
依据所述降噪信号判断是否到达性能衰退初始点；
若是，则依据所述降噪信号和神经网络模型预测所述传动轴的寿命。


2.如权利要求1所述的传动轴寿命预测方法，其特征在于，所述依据所述降噪信号判断是否到达性能衰退初始点的步骤包括：
依据所述降噪信号获取各个时间点对应的均方根值；
依据所述均方根值和所述时间点构建线性回归模型，其中，所述线性回归模型包含所述均方根值相对于所述时间点的梯度；
依据所述梯度和预设定的衰退阈值判断是否到达所述性能衰退初始点。


3.如权利要求2所述的传动轴寿命预测方法，其特征在于，所述线性回归模型的表达式为：
RMS＝wt+b






其中，RMS表征均方根值；RMSi表征第i个均方根值；t表征时间点；ti表征第i个时间点；w表征所述梯度；b表征均方根参数；n表征用于构建所述线性回归模型的时间点的数量；0≤i≤n。


4.如权利要求2所述的传动轴寿命预测方法，其特征在于，所述依据所述均方根值和所述时间点构建线性回归模型的步骤包括：
确定最新的n个时间点及对应的均方根值；
依据所述最新的n个时间点及对应的均方根值构建所述线性回归模型。


5.如权利要求2所述的传动轴寿命预测方法，其特征在于，所述依据所述梯度和预设定的衰退阈值判断是否到达所述性能衰退初始点的步骤包括：
判断所述梯度连续大...

【专利技术属性】
技术研发人员：吴彤，
申请(专利权)人：三一汽车起重机械有限公司，
类型：发明
国别省市：湖南;43