自卸车故障预测方法、系统、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113962095A(43)申请公布日2022.01.21(21)申请号202111247018.8G06Q50/02(2012.01)(22)申请日2021.10.26G06F119/02(2020.01)(71)申请人中车大同电力机车有限公司地址037038山西省大同市平城区前进街1号(72)发明人穆岩岩李立山王坤(74)专利代理机构北京律智知识产权代理有限公司11438代理人孙宝海袁礼君(51)Int.Cl.G06F30/20(2020.01)G06F17/13(2006.01)G06F17/16(2006.01)G06Q10/04(2012.01)G06Q10/06(2012.01)权利要求书2页说明书10页附图4页(54)发明名称自卸车故障预测方法、系统、设备及存储介质(57)摘要本发明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。CN113962095ACN113962095A权利要求书1/2页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：(1)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表示一次累加生成序列，且x(1)＝{x(1)(1),x(1)(2),…,x(1)(n)}，2CN113962095A权利要求书2/2页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。7.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；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：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；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。8.如权利要求7所述的自卸车故障预测方法，其特征在于，所述方