【技术实现步骤摘要】
本专利技术涉及设备健康管理，具体涉及一种自动驾驶矿车转向系统的健康评估与预测方法。
技术介绍
1、露天矿区运输环境恶劣复杂、安全风险高、事故造成的损失巨大，矿区无人驾驶可以保障运输的“本质安全”。但矿区无人运输设备在恶劣环境下故障易发生，存在安全隐患。转向系统负责控制矿车的行驶方向，是矿车最关键的系统之一，转向性能的好坏直接影响矿车的安全稳定，因此矿车转向系统的安全性尤为重要。车辆的故障往往不是不可预见、突然发生的，而是随着车辆各系统健康状态的下降到一定程度导致的。
2、目前自动驾驶矿车的运维模式依然采用事后维修的方式，矿区运维成本居高不下。非好即坏的二元评估无法准确掌握车辆的健康状态，缺乏对运输车辆故障的预警能力，更无法在故障发生前合理安排维修保养计划。此外，高动态的运行环境下，准确评估车辆的真实健康状态更加困难。
3、因此，需要一种针对自动驾驶矿车转向系统的全生命周期健康评估与预测方法，能够实现设备自主维修决策，保证车辆安全可靠运行。
技术实现思路
1、鉴于上述问题，本专利技术提供了一种自动驾驶矿车转向系统的健康评估与预测方法，解决了现有技术中自动驾驶矿车运维模式存在的不足以及动态行驶环境下健康状态评价困难的技术问题。
2、本专利技术提供了一种自动驾驶矿车转向系统的健康评估与预测方法，包括以下步骤：
3、步骤s1、确定自动驾驶矿车车辆转向系统的健康指标，积累自动驾驶矿车历史运行过程中的多组车辆运行工况向量和健康指标向量，形成历史车
4、步骤s2、对所述历史车辆行驶数据集进行加权聚类处理，得到多个聚类簇，并且得到聚类模型；
5、步骤s3、基于所述历史车辆行驶数据集，确定所述多个聚类簇的健康指标评估准则；
6、步骤s4、基于所述聚类模型和所述各个聚类簇的健康指标评估准则，对当前自动驾驶矿车的运行工况数据和健康指标数据进行分析，得到实时综合健康得分；
7、步骤s5、积累所述实时综合健康得分，得到历史健康状态评估结果；根据所述历史健康状态评估结果进行非线性预测，获取未来一时间段的综合健康得分。
8、优选地，步骤s1中所述车辆运行工况向量和健康指标向量具体为：
9、自动矿车转向系统的健康指标向量为h＝h1,...,hn，具体包括：转向响应时间、转向角偏差、横向偏差、航向偏差等共n个；
10、影响转向系统性能的运行工况向量为c＝c1,...,cm，具体包括：路径曲率、车速、道路坡度、道路横向坡度、车辆载重等共m个。
11、优选地，步骤s2具体包括：
12、步骤s2-1、计算健康指标向量h与运行工况向量c之间的相关性rij，根据rij计算各运行工况的权重wi；其中，i＝1,...,m；j＝1,...,n，rij表示第i个健康指标hi和第j个运行工况cj之间的相关性，wi为第i个运行工况的权重；
13、步骤s2-2、对历史车辆行驶数据集中的所有运行工况向量进行加权聚类，得到k个聚类簇以及各个聚类簇的聚类中心，并且得到聚类模型。
14、优选地，步骤s2-2具体包括：
15、步骤s2-2-1、预先设定聚类簇数目k；
16、步骤s2-2-2、将历史车辆行驶数据集中的所有运行工况向量作为待聚类的运行工况样本点集合，从所述待聚类的运行工况样本点集合中随机为每个预设聚类簇选择一个运行工况样本点，作为每个聚类簇的聚类中心的初始值；
17、步骤s2-2-3、计算运行工况样本点到聚类中心的加权距离，权重为各运行工况的权重wi，将运行工况样本点集合按照最小距离原则分配到距离最近的聚类簇内；
18、步骤s2-2-4、使用聚类簇的运行工况样本点的均值更新每个聚类簇的聚类中心；
19、步骤s2-2-5、回到步骤s2-2-3，直到聚类中心不再发生变化时，输出最终的k个聚类簇以及各个聚类簇的聚类中心，并且得到聚类模型。
20、优选地，步骤s3具体包括：
21、基于所述历史车辆行驶数据集，得到每一个聚类簇中的运行工况样本点以及对应的健康指标，对聚类得到的每一个聚类簇，由以下要求确定各聚类簇的所述健康指标评估准则：
22、(1)将健康指标按从最优秀到最差的顺序排列，健康指标最优秀的前50％，健康评分为100分；
23、(2)健康指标最优秀的前80％，健康评分为80分；
24、(3)健康指标最差的0.3％，临界值的健康评分为60分；
25、(4)健康评分从60至80和从80至100分关于健康指标线性下降；
26、(5)健康评分60分以下关于健康指标线性下降，下降斜率为60至80的两倍，下降至0分为止。
27、优选地，步骤s4具体包括：
28、步骤s4-1、实时输入矿车的运行工况，根据所述聚类模型，得到当前运行工况所属的聚类簇；
29、步骤s4-2、由所述当前运行工况所属的聚类簇的健康指标评估准则进行分析判断，得到当前运行工况的各项健康指标的得分
30、步骤s4-3、计算所述各项健康评价指标的健康得分的平均值，作为所述实时综合健康得分。
31、优选地，步骤s5具体包括：
32、步骤s5-1、积累所述实时综合健康得分，得到历史健康状态评估结果，基于当前时刻前一段时间的历史健康状态评估结果，建立多项式非线性回归模型；
33、步骤s5-2、基于所述多项式非线性回归模型，预测未来半个小时的综合健康得分。
34、优选地，还包括：
35、步骤s6、根据所述实时综合健康得分，基于评估结果维护策略对自动驾驶矿车进行维护，具体包括：
36、步骤s6-1、根据所述实时综合健康得分，得到1分钟内的平均综合健康得分序列值；确定健康等级对应的综合健康得分：一级为90～100分，二级为80～90分，三级为60～80分，四级为0～60分；
37、步骤s6-2、根据所述健康等级设置对应的维护策略，对于1小时内的60个平均综合健康得分序列值进行分类处理。
38、(1)1小时内66％以上的序列值属于三级或33％以上的序列值属于四级，策略为立即停止运营，并根据具体的各项健康指标的得分进行针对性检修；
39、(2)1小时内33％以上的序列值属于三级，策略为车辆可继续运行，但需要在完成此次运输后尽快安排点检，根据具体的各项健康指标的得分进行针对性检查；
40、(3)1小时内33％以上的序列值属于二级，策略为车辆正常运输，设置半个月一次的维护保养；
41、(4)1小时内66％以上的序列值属于一级，策略为正常运营，无需安排维保。
42、优选地，还包括：
43、步骤s7、根据所述未来一时间段的综合健康得分，基于预测结果维护策略对自动驾驶矿车进行维护，具体包括：
44、对于预本文档来自技高网...
【技术保护点】
1.一种自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤S1中所述车辆运行工况向量和健康指标向量具体为：
3.根据权利要求2所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤S2具体包括：
4.根据权利要求3所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤S2-2具体包括：
5.根据权利要求4所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤S3具体包括：
6.根据权利要求5所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤S4具体包括：
7.根据权利要求6所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤S5具体包括：
8.根据权利要求7所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，还包括：
9.根据权利要求8所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，还包括：
【技术特征摘要】
1.一种自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤s1中所述车辆运行工况向量和健康指标向量具体为：
3.根据权利要求2所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤s2具体包括：
4.根据权利要求3所述的自动驾驶矿车转向系统的健康评估与预测方法，其特征在于，步骤s2-2具体包括：
5.根据权利要求4所述的自动驾...
【专利技术属性】
技术研发人员：张超祺，李菲，朱玉垒，周泰，张义雨，
申请(专利权)人：踏歌智行科技有限公司，
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。