矿山无人驾驶矿车制动系统运行可靠性预测方法及模型技术方案

本发明专利技术涉及矿山无人车可靠性预测领域，公开了一种矿山无人驾驶矿车制动系统运行可靠性预测方法及模型；通过数据预处理技术剔除由传感器性能稳定性和运行环境变化所引起的随机误差，降低数据漏采误采所造成的预测准确度下降，利用K近邻算法对预处理后数据进行降维，再将降维后数据输入GA

【技术实现步骤摘要】
矿山无人驾驶矿车制动系统运行可靠性预测方法及模型


[0001]本专利技术涉及矿山无人车可靠性预测领域，具体涉及一种矿山无人驾驶矿车制动系统运行可靠性预测方法及模型。

技术介绍

[0002]可靠性定义为产品在规定的条件下，在规定时间内完成规定任务的能力。制动性是矿车的主要性能之一，矿车运行安全性在很大程度上取决于制动系统运行可靠性。目前，汽车制动系统运行可靠性研究工作大多集中在产品研制阶段开展，国内外相关研究大致可分为解析法和仿真法这两类。解析法包括马尔可夫模型、贝叶斯网络、Petri网、GO法、可靠性框图、故障模式和影响分析法、故障树分析法等；首先将制动系统运行可靠性影响因素用变量表示，通过函数表达式描述它们之间的关系，再通过解析方法计算得到制动系统可靠度。仿真法则是按照所设置的步骤，在计算机上对所有可能出现的制动系统运行可靠性状态进行随机地仿真模拟。
[0003]产品研制阶段可靠性称为设计可靠性，是产品的固有属性，由设计与制造过程决定，因此受到零部件供应商与主机厂的广泛关注。但是，相对于设计可靠性，最终购车用户往往更为关注其运行可靠性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种矿山无人驾驶矿车制动系统运行可靠性预测方法，包括以下步骤：步骤一、对收集的矿车制动系统的原始制动数据进行数据清洗，得到预处理制动数据，具体包括：数据重采样，将非等间隔时间的原始制动数据转变成等间隔时间序列；异常值识别与处理，根据P值筛选识别原始制动数据中的第一类异常值，根据原始制动数据的一阶变化率和拉依达准则识别原始制动数据中的第二类异常值；通过区段删除方法删除原始制动数据中的第一类异常值，采用中值滤波方法对原始制动数据中的第二类异常值进行处理；步骤二、基于K近邻的特征选择算法对预处理制动数据进行降维处理，得到降维制动数据；步骤三、基于GA
‑
BP神经网络对矿车制动系统运行可靠性进行预测，降维制动数据为GA
‑
BP神经网络的输入数据，GA
‑
BP神经网络包括遗传算法和BP神经网络：通过遗传算法来优化BP神经网络初始权值和阈值，包括种群初始化、设置适应度、选择操作、交叉操作、变异操作和计算适应度值，将遗传算法得到的结果作为BP神经网络的最优权重和最优阈值；种群初始化时，对BP神经网络的初始权重和初始阈值进行编码，得到种群中的个体；BP神经网络结构包括输入层、输出层和隐含层，输入层的神经元节点数等于输入数据的维度；输出层的神经元节点数为1，输出层的输出为矿车制动系统运行可靠性的预测结果；将预训练BP神经网络的输出值与期望值误差矩阵的范数作为目标函数的输出，根据目标函数输出的目标值，对目标值进行排序，最大的目标值分配为最小的适应度值，最小的目标值分配为最大的适应度值。2.根据权利要求1所述的矿山无人驾驶矿车制动系统运行可靠性预测方法，其特征在于：步骤一中，采用线性插值法将非等间隔时间排序的原始制动数据插值为等间隔时间序列：y
i
为第i个原始制动数据插值后的结果；x
i
,x
i+1
分别为第i个原始制动数据、第i+1个原始制动数据；t
i
、y
u+1
分别为第i个原始制动数据、第i+1个原始制动数据的采样时刻，t
u
′
为理论采样频率F下第i个原始制动数...

【专利技术属性】
技术研发人员：何申中，殷亮子，陈成，夏语冰，鲍时超，
申请(专利权)人：安徽海博智能科技有限责任公司，
类型：发明
国别省市：