工程机械的部件剩余寿命预测系统及方法技术方案

本发明专利技术涉及工程机械的部件剩余寿命预测系统及方法，该系统包括可靠性分析模块、数据预处理模块以及剩余寿命预测模块。可靠性分析模块包括剩余寿命范围获取模块及当前评估对象确定模块，分别用于获取部件的剩余寿命范围以及确定该部件是否作为当前评估对象。数据预处理模块接收实时采集的作为当前评估对象的部件的特征参数信息、提取特征参数信息中的特征参数值、并对提取的特征参数值进行预处理以构建样本数据集。剩余寿命预测模块利用神经网络预测模型根据样本数据集获取预测的特征参数值、并利用预测的特征参数值参照部件处于故障状态的特征参数值获取部件的剩余寿命。本发明专利技术可较精确地预测部件的剩余寿命，作为对工程机械进行维护的依据。

【技术实现步骤摘要】

本专利技术涉及工程机械故障预测与维持
，尤其涉及。
技术介绍
当前工程机械的部件的剩余寿命预测采用的是单一的可靠性分析技术，缺乏实时性的信息以及寿命动态性的考虑，预测精度低，难以有效实现预警作用及降低维护费用，从而影响故障控制效果。
技术实现思路
因此，本专利技术提供，可较精确地预测部件的剩余寿命，以有效实现预警作用及降低维护费用，从而提升故障控制效果。具体地，本专利技术实施例提出的一种工程机械的部件剩余寿命预测系统，包括可靠性分析模块、数据预处理模块以及剩余寿命预测模块。其中，可靠性分析模块包括剩余寿命范围获取模块以及当前评估对象确定模块，而剩余寿命范围获取模块利用动态可靠性分析模型获取部件的剩余寿命范围，当前评估对象确定模块将剩余寿命范围的下限值小于预设的阈值的部件确定为当前评估对象。数据预处理模块接收实时采集的作为当前评估对象的部件的特征参数信息、提取特征参数信息中的特征参数值、并对提取的特征参数值进行预处理以构建样本数据集。剩余寿命预测模块利用神经网络预测模型根据样本数据集获取预测的特征参数值、并利用预测的特征参数值参照作为当前评估对象的部件处于故障状态的特征参数值以获取部件的剩余寿命。在本专利技术实施例中，上述部件剩余寿命预测系统还可包括通讯接口，连接数据预处理模块，以使得数据预处理模块通过此通讯接口以远程通讯方式接收特征参数信息。在本专利技术实施例中，上述部件剩余寿命预测系统还可包括数据采集模块，实时采集作为当前评估对象的部件的特征参数信息供数据预处理模块接收。在本专利技术实施例中，上述神经网络预测模型例如为径向基函数(Radical Basis Function, RBF)神经网络模型或反向传播(Back Propagation, BP)神经网络模型。在本专利技术实施例中，上述部件剩余寿命预测系统还可包括数据库，连接可靠性分析模块与剩余寿命预测模块，以储存利用动态可靠性分析模型进行动态可靠性分析所需数据、部件处于故障状态的特征参数值、以及剩余寿命预测模块输出的部件的剩余寿命。此外，本专利技术实施例还提出一种工程机械的部件剩余寿命预测方法，包括以下步骤利用动态可靠性分析模型对部件进行动态可靠性分析以获取部件的剩余寿命范围，并将剩余寿命范围的下限值小于预设的阈值的部件确定为当前评估对象；实时采集作为当前评估对象的部件的特征参数信息；提取特征参数信息中的特征参数值并进行预处理以构建样本数据集；以及利用神经网络预测模型对样本数据集进行回归拟合与趋势预测获取预测的特征参数值，并利用预测的特征参数值参照作为当前评估对象的部件处于故障状态的特征参数值获取此部件的剩余寿命。在本专利技术实施例中，上述利用动态可靠性分析模型对部件进行动态可靠性分析以获取部件的剩余寿命范围的步骤可包括引入随机过程和极值分布原理计算并建立部件的可靠度和失效率随使用时间变化的动态过程曲线，以确定部件的寿命周期范围；以及根据部件的当前已用工时与所确定的寿命周期范围，获取此剩余寿命范围。在本专利技术实施例中，利用神经网络预测模型对样本数据集进行回归拟合与趋势预测获取预测的特征参数值是通过径向基函数神经网络算法或反向传播神经网络算法实现。在本专利技术实施例中，在利用动态可靠性分析模型对部件进行动态可靠性分析以获取部件的剩余寿命范围，并将剩余寿命范围的下限值小于预设的阈值的部件确定为当前评估对象之前还可包括步骤依据重要度、易损性及性能衰退过程易检性选取该部件。此外， 上述部件剩余寿命预测方法还可包括步骤将获取的部件的剩余寿命作为对包含该部件的工程机械进行维护的依据。本专利技术上述实施例通过利用神经网络预测模型结合动态可靠性分析模型来获取工程机械的部件的剩余寿命，能准确预测出部件的剩余寿命，借此可确保寿命即将到期的部件得到及时更换，实现工程机械的预维护，确保了设备的安全运行。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段， 而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。附图说明图1是相关于本专利技术实施例的一种工程机械的部件剩余寿命预测系统的架构示意图。图2是相关于本专利技术实施例的一种工程机械的部件剩余寿命预测方法的步骤流程图。具体实施例方式为更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的其具体实施方式、方法、步骤及功效，详细说明如后。有关本专利技术的前述及其他
技术实现思路
、特点及功效，在以下配合参考图式的较佳实施例详细说明中将可清楚的呈现。通过具体实施方式的说明，当可对本专利技术为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用，并非用来对本专利技术加以限制。通常，工程机械的部件故障并非突然发生，而是经历一段时间的性能衰退过程，在其性能衰退期间一般都有一些特定的征兆，如果能尽早发现这些征兆，故障会减少或避免。 由此可见，经由对部件进行实时特征的提取以发现这些征兆，则可实现对工程机械的预维护，借此降低维护费用、提升故障控制效果。因此，本专利技术下述实施例提出的主要是结合实时参数信息与部件自身可靠度来实时预测部件的剩余寿命，以获取准确预测的部件剩余寿命，因而可确保寿命即将到期的部件得到及时更换，实现工程机械的预维护，确保了设备的安全运行。请参照图1，其示出一种工程机械的部件剩余寿命预测系统的架构示意图。如图 1所示，部件剩余寿命预测系统10适于对各种不同的部件例如100a，IlOb进行剩余寿命预测，其包括数据采集模块11、通讯接口 13、数据预处理模块15、数据库16、可靠性分析模块 17以及剩余寿命预测模块19。本实施例中，部件100a，IOOb例如分别为液压泵、轴承等其中之一。而部件的选取则可将重要度、易损性、性能衰退过程易检性作为选取用于剩余寿命预测的部件的指标。重要度依据部件对整个工程机械的功能正常工作的影响程度确定，易损性依据部件故障记录中发生故障频率确定，性能衰退过程易检性依据是否有输出参数衡量部件性能、输出参数衡量部件性能的完整性或外观观测判别部件的可行性等来确定。重要度、易损性、性能衰退过程易检性等级可通过设计人员、维护人员打分确定，并将部件重要度、易损性、性能衰退过程易检性的得分以一定的权重组合得到一个综合分Fi,Fi = Wil · fn+wi2 · fi2+wi3 · fi3式中wn、Wi2、Wi3分别为第i部件的重要度、易损性、性能衰退过程易检性的权重且 (wil+wi2+wi3 = 1)，fn、fi2、fi3分别为第i部件的重要度、易损性、性能衰退过程易检性的评估值。综合分较高且性能衰退过程易检性高的部件选定为用于剩余寿命预测的部件，如工程机械例如挖掘机或旋挖钻机液压系统中的液压泵等。数据采集模块11用于实时采集部件例如100a，IlOb的特征参数信息。在此需要说明的是，数据采集模块11可为工程机械本身带有的功能模块，或者为实现部件剩余寿命预测而额外增设的功能模块。数据预处理模块15通过通讯接口 13以有线或无线方式连接数据采集模块11，从而可以以远程通讯方式来接收现场实时采集的特征参数信息，并提取特征参数信息中的特征参数值以及对提取的特征参数值进行预处理以本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：费胜巍，李明，李昱，赵亮，吴飞，
申请(专利权)人：中联重科股份有限公司，
类型：发明
国别省市：