自卸车故障预测方法、系统、设备及存储介质技术方案

本发明专利技术提供了一种自卸车故障预测方法、系统、设备及存储介质，所述方法包括步骤：获取自卸车中目标零件的历史运行数据和一预设时间段内每一天的当前运行数据；基于历史运行数据和当前运行数据，分别计算目标零件在预设时间段内每一天的失效率；基于目标零件在预设时间段内的失效率，预测目标零件在当前单位时间的失效率；利用目标零件在预设时间段内的失效率以及当前单位时间的失效率，对一预设周期内的失效率进行更新，并利用更新后的预设周期内的失效率，逐一预测下一单位时间的失效率，直至下一单位时间的失效率大于等于第一预设阈值，获得对应的目标单位时间；本申请实现对自卸车故障发生的提前预判，利于提高运输作业效率。利于提高运输作业效率。利于提高运输作业效率。

【技术实现步骤摘要】
自卸车故障预测方法、系统、设备及存储介质


[0001]本专利技术涉及计算机
，具体地说，涉及一种自卸车故障预测方法、系统、设备及存储介质。

技术介绍

[0002]交流传动电动轮自卸车是一种运程短、承载重，结构复杂、集机电液一体化的多功能设备，目前常用于露天矿山完成岩石土方剥离与矿石运输任务。随着交流传动电动轮自卸车技术的不断提高，它在各行各业上的应用日益广泛，尤其是在矿区开采业上。由于矿区的工作环境恶劣，所以经常导致自卸车故障的发生。
[0003]现有技术中，无法实现对自卸车发生故障进行预测。只有在自卸车发生故障之后靠人工修复，大大降低了自卸车的现场作业效率，增加了不必要的故障后停车时间；并且修复难度极大，需要耗费大量的时间，严重影响了运输效率。

技术实现思路

[0004]针对现有技术中的问题，本专利技术的目的在于提供一种自卸车故障预测方法、系统、设备及存储介质，解决现有的无法实现对交流传动电动轮自卸车发生故障实现提前预测的问题。
[0005]为实现上述目的，本专利技术提供了一种自卸车故障预测方法，所述方法包括以下步骤：
[0006]获取自卸车中目标零件的历史运行数据和一预设时间段内每一天的当前运行数据；
[0007]基于所述历史运行数据和所述当前运行数据，分别计算所述目标零件在所述预设时间段内每一天的失效率；
[0008]基于所述目标零件在所述预设时间段内的失效率，预测目标零件在当前单位时间的失效率；
[0009]利用目标零件在所述预设时间段内的失效率以及当前单位时间的失效率，对一预设周期内的失效率进行更新，并利用更新后的预设周期内的失效率，逐一预测下一单位时间的失效率，直至下一单位时间的失效率大于等于第一预设阈值，获得对应的目标单位时间。
[0010]可选地，所述历史运行数据包括目标零件的历史使用寿命和历史模拟量值；所述当前运行数据包括目标零件的当前使用时长和当前模拟量值。
[0011]可选地，所述基于所述历史运行数据和所述当前运行数据，分别计算所述目标零件在所述预设时间段内每一天的失效率，包括：
[0012]构建第一预设模型，所述第一预设模型包含有第一参数和第二参数；
[0013]对所述目标零件的一预设特征量进行计算，获得所述预设特征量的计算值和真实值；
[0014]基于所述预设特征量的计算值和真实值，应用最小二乘法对所述第一预设模型进行曲线拟合，计算所述第一参数和所述第二参数，得到求解后的第一预设模型；
[0015]基于求解后的第一预设模型、所述历史运行数据和所述当前运行数据，分别计算所述目标零件在所述预设时间段内每一天的失效率。
[0016]可选地，所述第一预设模型为：
[0017][0018]其中，P表示所述目标零件的失效率或者所述预设特征量，t1表示目标零件的当前使用时长，t表示目标零件的历史使用寿命，m1表示目标零件的当前模拟量值，m表示目标零件的历史模拟量值，α表示第一参数，β表示第二参数。
[0019]可选地，所述基于所述目标零件在所述预设时间段内的失效率，预测目标零件在当前单位时间的失效率，包括：
[0020]构建二阶一元灰色模型；
[0021]基于所述二阶一元灰色模型，预测目标零件在当前单位时间的失效率。
[0022]可选地，所述二阶一元灰色模型包括：
[0023][0024]其中，t表示当前单位时间，a1表示第三参数，a2表示第四参数，b表示第五参数，x
(1)
表示一次累加生成序列，且
[0025]x
(1)
＝{x
(1)
(1),x
(1)
(2),
…
,x
(1)
(n)}，
[0026][0027]n为大于1的正整数，x
(0)
(i)表示目标零件在预设时间段内第i天的失效率。
[0028]可选地，所述自卸车包括多个基本件，每一基本件包含多个所述目标零件；
[0029]所述利用更新后的预设周期内的失效率，逐一预测下一单位时间的失效率，包括：
[0030]利用更新后的预设周期内的失效率，逐一预测下一单位时间一基本件中各个目标零件对应的失效率；
[0031]依据各个目标零件对应的失效率，计算得到所述基本件的失效率；所述基本件的失效率为各个目标零件的失效率的乘积。
[0032]可选地，所述方法还包括步骤：
[0033]获取自卸车中各个基本件的失效率；
[0034]基于各个基本件的失效率，构建置信度故障树；所述置信度故障树包含多个干分支，每一干分支对应一个基本件；且沿着所述干分支从左至右的排列方向，所述基本件的失效率逐渐减小。
[0035]可选地，所述方法还包括步骤：
[0036]当所述目标零件的当前使用时长t1大于所述目标零件的历史使用寿命t，且目标零件在当前单位时间的失效率小于第一预设阈值时，基于t1对t进行修正。
[0037]本专利技术还提供了一种自卸车故障预测系统，用于实现上述自卸车故障预测方法，所述系统包括：
[0038]运行参数获取模块，获取自卸车中目标零件的历史运行数据和一预设时间段内每一天的当前运行数据；
[0039]当前失效率计算模块，基于所述历史运行数据和所述当前运行数据，分别计算所述目标零件在所述预设时间段内每一天的失效率；
[0040]失效率预测模块，基于所述目标零件在所述预设时间段内的失效率，预测目标零件在当前单位时间的失效率；
[0041]零件寿命预测模块，利用目标零件在所述预设时间段内的失效率以及当前单位时间的失效率，对一预设周期内的失效率进行更新，并利用更新后的预设周期内的失效率，逐一预测下一单位时间的失效率，直至下一单位时间的失效率大于等于第一预设阈值，获得对应的目标单位时间。
[0042]本专利技术还提供了一种自卸车故障预测设备，包括：
[0043]处理器；
[0044]存储器，其中存储有所述处理器的可执行程序；
[0045]其中，所述处理器配置为经由执行所述可执行程序来执行上述任意一项自卸车故障预测方法的步骤。
[0046]本专利技术还提供了一种计算机可读存储介质，用于存储程序，所述程序被处理器执行时实现上述任意一项自卸车故障预测方法的步骤。
[0047]本专利技术与现有技术相比，具有以下优点及突出性效果：
[0048]本专利技术提供的自卸车故障预测方法、系统、设备及存储介质基于自卸车一零件的历史运行数据和当前运行数据，对该零件在预设时间段内的失效率进行计算，然后基于这些失效率数据，对该零件在未来时间的失效率进行循环预测，直至得到该零件失效的时间点，即能实现对自卸车故障发生的提前预判，从而可以提前进行零件更换，避免在作业过程中遇到故障临时维修，而影响运输作业效率的问题，利于保证作业效率。
附图说明
[0049]通过阅读参照以下附图对非限本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自卸车故障预测方法，其特征在于，包括以下步骤：获取自卸车中目标零件的历史运行数据和一预设时间段内每一天的当前运行数据；基于所述历史运行数据和所述当前运行数据，分别计算所述目标零件在所述预设时间段内每一天的失效率；基于所述目标零件在所述预设时间段内的失效率，预测目标零件在当前单位时间的失效率；利用目标零件在所述预设时间段内的失效率以及当前单位时间的失效率，对一预设周期内的失效率进行更新，并利用更新后的预设周期内的失效率，逐一预测下一单位时间的失效率，直至下一单位时间的失效率大于等于第一预设阈值，获得对应的目标单位时间。2.如权利要求1所述的自卸车故障预测方法，其特征在于，所述历史运行数据包括目标零件的历史使用寿命和历史模拟量值；所述当前运行数据包括目标零件的当前使用时长和当前模拟量值。3.如权利要求2所述的自卸车故障预测方法，其特征在于，所述基于所述历史运行数据和所述当前运行数据，分别计算所述目标零件在所述预设时间段内每一天的失效率，包括：构建第一预设模型，所述第一预设模型包含有第一参数和第二参数；对所述目标零件的一预设特征量进行计算，获得所述预设特征量的计算值和真实值；基于所述预设特征量的计算值和真实值，应用最小二乘法对所述第一预设模型进行曲线拟合，计算所述第一参数和所述第二参数，得到求解后的第一预设模型；基于求解后的第一预设模型、所述历史运行数据和所述当前运行数据，分别计算所述目标零件在所述预设时间段内每一天的失效率。4.如权利要求3所述的自卸车故障预测方法，其特征在于，所述第一预设模型为：其中，P表示所述目标零件的失效率或者所述预设特征量，t1表示目标零件的当前使用时长，t表示目标零件的历史使用寿命，m1表示目标零件的当前模拟量值，m表示目标零件的历史模拟量值，α表示第一参数，β表示第二参数。5.如权利要求1所述的自卸车故障预测方法，其特征在于，所述基于所述目标零件在所述预设时间段内的失效率，预测目标零件在当前单位时间的失效率，包括：构建二阶一元灰色模型；基于所述二阶一元灰色模型，预测目标零件在当前单位时间的失效率。6.如权利要求5所述的自卸车故障预测方法，其特征在于，所述二阶一元灰色模型包括：其中，t表示当前单位时间，a1表示第三参数，a2表示第四参数，b表示第五参数，x
(1)
表示一次累加生成序列，且x
(1)
＝{x
(1)
(1),x
(1)...

【专利技术属性】
技术研发人员：穆岩岩，李立山，王坤，
申请(专利权)人：中车大同电力机车有限公司，
类型：发明
国别省市：