【技术实现步骤摘要】
本专利技术涉及工程机械，具体涉及一种工程机械状态监测方法、装置及工程机械。
技术介绍
1、在工程机械领域，随着科技的飞速发展，各类大型、复杂且高度集成的机械设备被广泛应用于基础设施建设、矿山开采、交通运输等多个行业。工程机械的性能稳定性和运行效率直接关系到工程的进度、质量和安全。然而，传统的工程机械状态监测方法往往依赖于人工巡检、定期维护和经验判断，存在效率低下的问题。目前的工程机械状态可以基于模型进行状态监测或者基于统计可靠性的预测技术进行状态监测，但是，这两种方式均需要投入大量前期训练和统计的时间成本，并且后续不易迭代优化，导致效率依然较低。
技术实现思路
1、为了解决上述技术问题，提出了本专利技术。本专利技术的实施例提供了一种工程机械状态监测方法、装置及工程机械，可以提高工程机械状态监测的准确率和效率。
2、根据本申请的第一方面，提供了一种工程机械状态监测方法，包括：获取多个传感器采集的多种维度的传感器数据；其中，一个传感器对应一种维度的传感器数据；根据所述多种维度的传感器数据，确定所述多个传感器之间的数据相关程度以及同一维度的传感器数据在不同滞后时间中的数据相关程度；基于所述同一维度的传感器数据在不同滞后时间中的数据相关程度，对同一维度中的传感器数据进行加权，以获得加权特征；根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征；其中，所述状态监测特征的变化趋势反映工程机械的运行状态。
3、作为一种可能的实现方式，所述根据所述多种维度
4、作为一种可能的实现方式，所述基于所述同一维度的传感器数据在不同滞后时间中的数据相关程度，对同一维度中的传感器数据进行加权，以获得加权特征，包括：基于所述同一维度的传感器数据在不同滞后时间中的数据相关程度，确定自相关系数；基于预设的置信区间，确定每个传感器的自相关系数的最大滞后阶数；其中，最大滞后阶数表示在自相关系数中时间间隔最大的时间段；基于同一维度的传感器数据以及对应的最大滞后阶数，确定最大滞后阶数的加权特征。
5、作为一种可能的实现方式，所述根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征，包括：基于每簇中的主传感器以及至少一个辅助传感器，确定每簇中的主传感器参数和辅助传感器参数；根据每簇的所述主传感器参数和所述辅助传感器参数，构建每簇的多维传感器序列；基于每簇的所述多维传感器序列，以及所述主传感器参数对应的最大滞后阶数的加权特征，构建特征序列；以所述主传感器参数和所述辅助传感器参数的总数为所述特征序列的维度，训练第一自组织映射网络；以训练完成后的所述第一自组织映射网络的每一层隐藏矩阵中的最大值，作为对应的所述特征序列的获胜节点值；将每个时间节点对应的所述特征序列以及所述获胜节点值进行加权融合，获得状态监测特征。
6、作为一种可能的实现方式，所述基于同一维度的传感器数据以及对应的最大滞后阶数，确定最大滞后阶数的加权特征，包括：基于同一维度的传感器数据，训练第二自组织映射网络；将同一维度的传感器数据输入训练后的第二自组织映射网络中，获得不同时间点的网络权重；所述网络权重表示权重向量；确定网络权重中的最大权重值为对应时间点中的获胜节点值；获取预设时间序列中所有时间点的获胜节点值；以所述最大滞后阶数作为时间步长，以所述时间步长中所述获胜节点值作为权重，对所述时间步长内的传感器数据进行加权计算，获得最大滞后阶数的加权特征。
7、作为一种可能的实现方式，所述基于同一维度的传感器数据，训练第二自组织映射网络，包括：提取同一维度中传感器数据的斜率特征，以构建二维时间序列；将所述二维时间序列输入至第二自组织映射网络中，训练传感器的网络权重；所述第二自组织映射网络依据所述网络权重对所述二维时间序列不同的发展趋势进行聚类；其中，所述发展趋势包括平缓上升、平缓下降、剧烈上升和剧烈下降；基于评估聚类效果的内部度量指标，对聚类效果进行评价；当聚类效果的评价分数大于或等于预设分数，确定所述第二自组织映射网络训练完成。
8、作为一种可能的实现方式，在根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征之后，工程机械状态监测方法还包括：将所述状态监测特征转换为可视化图形；其中，所述可视化图形包括折线图；当所述状态监测特征的折线图中出现偏离预设波动范围的凸起部分，确定偏离预设波动范围的凸起部分对应的时间段出现故障。
9、作为一种可能的实现方式，在获取多个传感器采集的多种维度的传感器数据之后，工程机械状态监测方法还包括：对目标维度的传感器数据进行频率直方图分析，统计不同值域中传感器数据出现的频率；其中，所述目标维度为多种维度中的任意维度；基于不同值域中传感器数据出现的频率，确定目标维度中传感器数据的值域分布的控制上限与控制下限；基于所述目标维度中传感器数据的值域分布的控制上限与控制下限，对目标维度下传感器数据进行归一化处理，以获得归一化的目标维度数据；所述根据所述多种维度的传感器数据，确定所述多个传感器之间的数据相关程度以及同一维度的传感器数据在不同滞后时间中的数据相关程度，包括：根据所述归一化的多种维度的传感器数据，确定所述多个传感器之间的数据相关程度以及同一维度的传感器数据在不同滞后时间中的数据相关程度。
10、根据本申请的第二方面，提供了一种工程机械状态监测装置，包括：获取模块，用于获取多个传感器采集的多种维度的传感器数据；其中，一个传感器对应一种维度的传感器数据；确定模块，用于根据所述多种维度的传感器数据，确定所述多个传感器之间的数据相关程度以及同一维度的传感器数据在不同滞后时间中的数据相关程度；加权模块，用于基于所述同一维度的传感器数据在不同滞后时间中的数据相关程度，对同一维度中的传感器数据进行加权，以获得加权特征；构建模块，用于根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征；其中，所述状态监测特征的变化趋势反映工程机械的运行状态。
11、根据本申请的第三方面，提供了一种工程机械，包括：多个传感器，所述多个传感器用于采集工程机械中多种维度的传感器数据；其中，一个传感器采集一种维度的传感器数据；监测装置，所述监测装置与所述多个传感器通信连接，所述监测装置用于执行第一方面或第一方面中任意一种实现方式所述的工程机械状态监测方法。
12、本专利技术提供的工程机械状态监测方法、装置及工程机械，可以处理采集自复杂系统设备的多维传感器数据，基于多维传感器之间的相关性以及传感器数据之间的相关性，构建状态监测特征。状态监测特征可以直观反映工程机械的状态，提高了本文档来自技高网...
【技术保护点】
1.一种工程机械状态监测方法，其特征在于，包括：
2.根据权利要求1所述的工程机械状态监测方法，其特征在于，所述根据所述多种维度的传感器数据，确定所述多个传感器之间的数据相关程度，包括：
3.根据权利要求2所述的工程机械状态监测方法，其特征在于，所述基于所述同一维度的传感器数据在不同滞后时间中的数据相关程度，对同一维度中的传感器数据进行加权，以获得加权特征，包括：
4.根据权利要求3所述的工程机械状态监测方法，其特征在于，所述根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征，包括：
5.根据权利要求3所述的工程机械状态监测方法，其特征在于，所述基于同一维度的传感器数据以及对应的最大滞后阶数，确定最大滞后阶数的加权特征，包括：
6.根据权利要求5所述的工程机械状态监测方法，其特征在于，所述基于同一维度的传感器数据，训练第二自组织映射网络，包括：
7.根据权利要求1所述的工程机械状态监测方法，其特征在于，在根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征之后，工程机械状
8.根据权利要求1所述的工程机械状态监测方法，其特征在于，在获取多个传感器采集的多种维度的传感器数据之后，工程机械状态监测方法还包括：
9.一种工程机械状态监测装置，其特征在于，包括：
10.一种工程机械，其特征在于，包括：
...【技术特征摘要】
1.一种工程机械状态监测方法，其特征在于，包括：
2.根据权利要求1所述的工程机械状态监测方法，其特征在于，所述根据所述多种维度的传感器数据，确定所述多个传感器之间的数据相关程度，包括：
3.根据权利要求2所述的工程机械状态监测方法，其特征在于，所述基于所述同一维度的传感器数据在不同滞后时间中的数据相关程度，对同一维度中的传感器数据进行加权，以获得加权特征，包括：
4.根据权利要求3所述的工程机械状态监测方法，其特征在于，所述根据所述多个传感器之间的数据相关程度以及所述加权特征，构建状态监测特征，包括：
5.根据权利要求3所述的工程机械状态监测方法，其特征在于，所述基于同一维度的传感...
【专利技术属性】
技术研发人员：朱超，汪文峰，汪小祺，霍鑫，高赫蔚，孟姣，
申请(专利权)人：上海华兴数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。