无信号场景下的井下矿车故障诊断方法及系统技术方案

本发明专利技术公开一种无信号场景下的井下矿车故障诊断方法及系统，方法包括：获取井下矿车的监测数据；将所述监测数据输入优化的随机森林模型进行故障诊断，输出故障等级及故障定位信息；根据所述故障等级及故障定位信息，在预先设置的故障查询表中查询到对应的二维码，并通过井下矿车显示所述二维码；捕获井下矿车上显示的二维码图像，并将所述二维码图像光纤传输至井上监控平台；解析所述二维码图像，获取井下矿车的运行状态。井下矿车的运行状态。井下矿车的运行状态。

【技术实现步骤摘要】
无信号场景下的井下矿车故障诊断方法及系统


[0001]本专利技术属于自动驾驶
，尤其涉及一种针对井下井下矿车的故障诊断方法，具体为一种无信号场景下的井下矿车故障诊断方法及系统。

技术介绍

[0002]矿业是我国经济发展坚实的物质保障和重要支撑：矿业经济贡献占全国GDP的比重超30％。由于招人难、运输成本占比高、运输环节安全事故风险等痛点，无人运输逐渐成为矿企刚需。智能矿车的使用，提升了矿区的生产效率，但同时也存在着安全隐患，为了保障智能矿车的安全运行，故障诊断是十分重要的一个环节。
[0003]目前随着智能车的逐渐普及，为了保障智能车的安全运行，针对智能车的故障诊断得到了飞速发展，基于人工智能方法与车辆历史故障数据相结合方式的故障诊断，时刻监测着车辆的运行状态，判断车辆是否正常运行，从而快速正确进行故障诊断以及给出合理建议。智能车的故障诊断方法早已从传统的单纯凭借经验发展为通过人工智能方法与人工经验相结合的方式，使故障诊断更加信息化、智能化。
[0004]现有研究中，针对车辆的局部系统以及非自动驾驶车辆进行故障诊断的研究成果颇丰。但针对井下矿区这种特殊工况，则存在以下缺陷：第一，现在大部分井下矿区场景存在无网络信号或者网络信号铺设困难的情况，通过传统网络传输信息不可行，导致该场景下井上人员与井下信息不能及时交互；第二，运行的智能矿车采用自动驾驶方式进行工作，缺乏人员监控车辆的运行状态，且井下工作环境恶劣导致车辆容易发生故障，一旦智能矿车出现故障，会造成重大安全事故。目前为止，有关针对井下矿区无信号场景的智能车实时故障诊断的文献与研究较少。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术提供一种无信号场景下的井下矿车故障诊断方法及系统，用以解决上述至少一个技术问题。
[0006]根据本专利技术说明书的一方面，无信号场景下的井下矿车故障诊断方法，包括：
[0007]获取井下矿车的监测数据；
[0008]将所述监测数据输入优化的随机森林模型进行故障诊断，输出故障等级及故障定位信息；
[0009]根据所述故障等级及故障定位信息，在预先设置的故障查询表中查询到对应的二维码，并通过井下矿车显示所述二维码；
[0010]捕获井下矿车上显示的二维码图像，并将所述二维码图像光纤传输至井上监控平台；
[0011]解析所述二维码图像，获取井下矿车的运行状态。
[0012]作为进一步的技术方案，所述方法还包括：
[0013]建立井下矿车的故障库，所述故障库包括故障名称、监测变量、变量数值、故障等
级、故障定位；
[0014]将所述故障库中的故障等级、故障定位信息与二维码格式建立对应关系，形成故障查询表。
[0015]上述技术方案针对大部分井下矿区场景由于地理位置偏僻与信号基站距离远，井下环境不适合铺设网络的情况，通过车载传感器等获取车辆状态数据，通过数据处理操作获得数据集，训练模型对获得的数据进行预测分类，判断车辆是否故障以及故障定位信息，从而达到智能矿车的实时故障诊断，智能矿车根据诊断结果采取相应故障对应措施。
[0016]进一步地，通过故障诊断结果、故障定位信息等信息通过查表形式找到对应的二维码，矿区两壁的光纤摄像头捕捉智能矿车电子显示器上的二维码传输至矿上监控平台，平台对二维码进行解析获取诊断数据，实现井上远程监控智能矿车运行状态。
[0017]作为进一步的技术方案，所述故障库的建立，进一步包括：
[0018]获取井下矿车的历史监测数据；
[0019]根据监测变量对存储的监测数据进行筛选；
[0020]将筛选后的监测数据按照监测变量名称进行对应存储，形成多个特征类；
[0021]针对每一所述特征类引入特定故障，将故障数据与正常数据统一存储，并对存储的数据添加上“正常”、“一级故障”、“二级故障”、“三级故障”或“四级故障”标签，形成故障库。
[0022]具体地，故障库包括故障名称、监测变量、变量数值、故障等级划分、故障定位等内容。针对井下矿车运行的恶劣环境，选择一些较容易出错的信号(例如定位感知、规划控制、车身系统等)作为监测变量进行数据采集。
[0023]根据故障对矿车的影响，对故障进行等级划分，主要分为以下四个等级：一级故障，涉及车辆行驶安全，需要紧急停车，不能启动；二级故障，必须马上进行维修，但矿车能够跛行；三级故障，故障不影响本次任务，可在下次例行维修中进行检修；四级故障，该级故障只针对部分用户才有影响。为了更好的提示监控人员故障信息，在井上监控平台安装相应显示灯进行报警。
[0024]进一步地，为了采集到特定故障数据，在特定时间引入该故障并标注故障等级，形成故障数据。
[0025]作为进一步的技术方案，所述随机森林模型的优化，进一步包括：
[0026]选择待优化的模型参数，根据所述待优化的模型参数构建目标函数及约束条件；
[0027]在给定约束条件下求解所述目标函数，得到最优参数解；
[0028]根据所述最优参数解构建优化的随机森林模型；
[0029]利用故障库中的数据集对所述优化的随机森林模型进行训练，得到训练好的优化的随机森林模型。
[0030]作为进一步的技术方案，所述待优化的模型参数包括：特征数、树的数量、树中的节点数和树的深度。
[0031]作为进一步的技术方案，所述目标函数为min S(f，k，d，p)，所述约束条件为
[0032]其中，S(f，k，d，p)＝a*n*log(n)*f*k+b*d*k+c*p*k，a、b、c表示模型训练时间复杂度、预测时间复杂度和运行时空间复杂度三者之间的系数，n表示训练样本数，f表示特征数，k表示树的数量，d表示树的深度，p表示树中的节点，Te1表示预测准确率的下限取值，Te2表示预测精度的下限取值。
[0033]作为进一步的技术方案，所述方法还包括：利用井下矿壁摄像头捕获井下矿车上显示的二维码图像。
[0034]作为进一步的技术方案，所述方法还包括：将井下矿车的监测数据通过CAN线或ROS话题订阅发布方式传输至车载控制器，所述车载控制器对监测数据进行处理，输出诊断结果并显示在车载显示器上。
[0035]根据本专利技术说明书的一方面，提供一种无信号场景下的井下矿车故障诊断系统，包括：
[0036]获取模块，获取井下矿车的监测数据；
[0037]故障诊断模块，用于将所述监测数据输入优化的随机森林模型进行故障诊断，输出故障等级及故障定位信息；
[0038]故障查询显示模块，用于根据所述故障等级及故障定位信息，在预先设置的故障查询表中查询到对应的二维码，并通过井下矿车显示所述二维码；
[0039]图像捕获传输模块，用于捕获井下矿车上显示的二维码图像，并将所述二维码图像光纤传输至井上监控平台；
[0040]解析模块，用于解析所述二维码图像，获取井下矿车的运行状态。
[0041]与现有技术相比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.无信号场景下的井下矿车故障诊断方法，其特征在于，包括：获取井下矿车的监测数据；将所述监测数据输入优化的随机森林模型进行故障诊断，输出故障等级及故障定位信息；根据所述故障等级及故障定位信息，在预先设置的故障查询表中查询到对应的二维码，并通过井下矿车显示所述二维码；捕获井下矿车上显示的二维码图像，并将所述二维码图像光纤传输至井上监控平台；解析所述二维码图像，获取井下矿车的运行状态。2.根据权利要求1所述无信号场景下的井下矿车故障诊断方法，其特征在于，所述方法还包括：建立井下矿车的故障库，所述故障库包括故障名称、监测变量、变量数值、故障等级、故障定位；将所述故障库中的故障等级、故障定位信息与二维码格式建立对应关系，形成故障查询表。3.根据权利要求2所述无信号场景下的井下矿车故障诊断方法，其特征在于，所述故障库的建立，进一步包括：获取井下矿车的历史监测数据；根据监测变量对存储的监测数据进行筛选；将筛选后的监测数据按照监测变量名称进行对应存储，形成多个特征类；针对每一所述特征类引入特定故障，将故障数据与正常数据统一存储，并对存储的数据添加上“正常”、“一级故障”、“二级故障”、“三级故障”或“四级故障”标签，形成故障库。4.根据权利要求3所述无信号场景下的井下矿车故障诊断方法，其特征在于，所述随机森林模型的优化，进一步包括：选择待优化的模型参数，根据所述待优化的模型参数构建目标函数及约束条件；在给定约束条件下求解所述目标函数，得到最优参数解；根据所述最优参数解构建优化的随机森林模型；利用故障库中的数据集对所述优化的随机森林模型进行训练，得到训练好的优化的随机森林模型。5.根据权利要求4所述无信...

【专利技术属性】
技术研发人员：黄珍，汪长海，陈志军，张宇航，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：