无人驾驶物流车、负载健康管理方法及云边协同平台与流程
本技术涉及车载负载健康评估,特别涉及一种无人驾驶物流车、负载健康管理方法及云边协同平台。
背景技术:
1、随着无人驾驶技术在园区运输、末端配送及冷链物流等场景中的应用,无人驾驶物流车通常配置有灯光、喇叭、风机、水泵、电磁阀、电子锁及冷机等多种车载负载。车载负载的运行状态直接影响车辆的行驶安全、作业执行及货物运输。由于无人驾驶物流车在运行过程中缺少驾驶员现场巡查,因此,如何及时发现车载负载的异常状态并对其进行有效维护,已成为无人驾驶物流车运营管理中需要关注的问题。
2、现有的车载负载维护方式主要包括故障后维修和定期保养更换。故障后维修方式通常是在车载负载出现功能失效后,由远程监控系统根据任务执行异常现象发现故障,再安排维修人员到场检查和更换故障部件。部分车辆的控制器能够在负载回路发生开路、短路等异常时生成相应故障码并上报,以供维修人员在车辆返场后读取并处理。定期保养更换方式则主要针对水泵、电磁阀、电子锁等关键或有使用寿命限制的负载,按照预设行驶里程或时间周期定期进行强制性检查或更换。
3、然而,故障后维修方式通常只能在车载负载已经出现明显异常或功能失效后进行处理,难以及时识别负载性能逐渐劣化、间歇性接触不良或者偶发过流等早期异常。对于无人驾驶物流车而言,车载负载的突发失效可能导致运输或作业任务中断,需要紧急派工救援,例如,电子锁失效可能导致货柜无法正常开启,冷机失效可能影响货物的储运环境导致货物变质。故障发生后,还需要维修人员逐一排查负载、供电线路、控制器及保险装置等环节,因而故障定位及维修所需时间较长,影响车辆的运营效率。
4、定期保养更换方式通常以统一的行驶里程或时间周期作为维护依据,未充分考虑不同车载负载的实际工作时长、启停次数、负载电流、工作环境及性能衰减程度等差异。因此,部分仍处于正常状态的车载负载可能被提前更换,造成维护资源浪费;部分车载负载也可能在预定保养周期到达前发生故障,难以通过定期维护有效避免非计划停运。
5、此外,现有维护方式通常缺乏对车载负载运行数据的持续采集和趋势分析,难以根据车载负载的实际运行状态评估其健康程度或者预测其性能变化趋势,运维人员因而难以提前制定有针对性的维护计划。特别是在无人驾驶物流车远离运维基地运行的情况下,负载故障还可能带来救援距离较远、维修响应时间较长以及备件准备缺乏针对性等问题。
6、因此,现有技术难以及时、准确地识别无人驾驶物流车车载负载的早期异常并评估其健康状态,导致故障定位效率低、维护决策不精准、维护成本高以及非计划停运风险较高等。
技术实现思路
1、鉴于以上所述现有技术的缺点,本技术的目的在于提供一种无人驾驶物流车、负载健康管理方法及云边协同平台,用于解决现有技术难以及时、准确地识别无人驾驶物流车车载负载的早期异常并评估其健康状态导致的故障定位效率低、维护决策不精准、维护成本高以及非计划停运风险较高的技术问题。
2、为实现上述目的及其他相关目的,本技术的第一方面提供一种无人驾驶物流车负载健康管理方法,所述无人驾驶物流车负载健康管理方法应用于无人驾驶物流车的底盘域控制器,所述底盘域控制器分别连接该无人驾驶物流车的自动驾驶域控制器以及运维平台,所述无人驾驶物流车负载健康管理方法包括:实时采集无人驾驶物流车中多个目标负载的原始运行数据,并分别对各原始运行数据进行特征提取,生成每个目标负载的健康特征数据;基于预构建的每个目标负载的健康度评估模型,根据各健康特征数据,分别评估每个目标负载的健康度;根据各健康度,基于预构建的每个目标负载的剩余寿命预测模型,分别预测每个目标负载的剩余使用寿命,并识别每个目标负载的故障类型,确定每个目标负载的维修所需备件,生成每个目标负载的检修备忘录并上报至运维平台以及自动驾驶域控制器,以供运维平台生成该目标负载的维修工单,以及自动驾驶域控制器调整无人驾驶物流车的车辆任务策略。
3、于本技术的第一方面的一些实施例中,所述原始运行数据至少包括:对应目标负载在当前时间窗口内的开关事件监测数据、连续运行监测数据以及环境补偿数据中的一种或多种的组合;其中,所述开关事件监测数据至少包括:对应目标负载在当前时间窗口内的开关开启事件数量、每个开关开启事件产生的浪涌电流的峰值和持续时间、开关关闭事件数量以及每个开关关闭事件的反电动势下降波形中的一种或多种的组合;所述连续运行监测数据至少包括:对应目标负载在当前时间窗口内的通电时间以及多个采样时刻的稳态电流值和导通压降数据;所述环境补偿数据至少包括:环境温度以及蓄电池电压;所述健康特征数据至少包括:对应目标负载在当前时间窗口内浪涌电流健康特征数据、稳态电流健康特征数据、导通压降健康特征数据、反电动势衰减健康特征数据、累计开关次数以及累计运行时间中的一种或多种的组合;其中,所述浪涌电流健康特征数据至少包括:对应目标负载在当前时间窗口内每次开关开启事件的浪涌电流冲击系数以及最大浪涌电流冲击系数;所述稳态电流健康特征数据至少包括:对应目标负载在当前时间窗口内多个采样时刻的稳态电流相对偏差以及在当前时间窗口内的稳态电流平均值、稳态电流峰峰值、稳态电流波纹率和稳态电流平均相对偏差中的一种或多种的组合;所述导通压降健康特征数据至少包括:对应目标负载在当前时间窗口内的导通压降趋势;所述反电动势衰减健康特征数据至少包括:对应目标负载在当前时间窗口内每次开关关闭事件的反电动势衰减时间常数以及最大反电动势衰减时间常数。
4、于本技术的第一方面的一些实施例中,各健康度评估模型采用的相同数学模型框架,该数学模型框架可表示为:;其中,为目标负载的健康度,采用百分制表示;为目标负载的第一健康度子项,根据目标负载在当前时间窗口内的稳态电流平均相对偏差与目标负载的允许电流偏移之间的比值确定;为目标负载的第二健康度子项,根据目标负载在当前时间窗口内的最大浪涌电流冲击系数与目标负载的允许浪涌电流冲击系数之间的比值确定;为目标负载的第三健康度子项,根据目标负载在当前时间窗口内的稳态电流峰峰值与目标负载的允许电流波动幅度之间的比值确定;为目标负载的第四健康度子项,根据目标负载在当前时间窗口内的导通压降趋势确定;为目标负载的第五健康度子项,根据目标负载在当前时间窗口内的最大反电动势衰减时间常数的变化趋势确定;为目标负载的第六健康度子项,根据累计开关次数或累计通电时间与目标负载的标称使用寿命之间的百分比确定;、、、、、分别为第一健康度子项、第二健康度子项、第三健康度子项、第四健康度子项、第五健康度子项、第六健康度子项的权重系数;为环境修正因子。
5、于本技术的第一方面的一些实施例中,获得各目标负载的健康度后,还包括:根据各健康度,分别确定各目标负载的健康等级;其中,确定目标负载的健康等级的方式包括:将目标负载的健康度与预设的第一健康度阈值、第二健康度阈值以及第三健康度阈值进行对比,判定该目标负载的健康等级;其中,所述的第一健康度阈值大于所述第二健康度阈值,所述第二健康度阈值大于所述第三健康度阈值;若该目标负载的健康度大于等于所述第一健康度阈值,则判定该目标负载的健康等级为第一健康等级,提示该目标负载处于良好状态;若该目标负载的健康度小于所述第一健康度阈值且大于等于所述第二健康度阈值,则判定该目标负载的健康等级为第二健康等级,提示该目标负载处于注意状态;若该目标负载的健康度小于所述第二健康度阈值且大于等于所述第三健康度阈值,则判定该目标负载的健康等级为第三健康等级,提示该目标负载处于警告状态;若该目标负载的健康度小于所述第三健康度阈值,则判定该目标负载的健康等级为第四健康等级,提示该目标负载处于危急状态。
6、于本技术的第一方面的一些实施例中,若目标负载的健康等级为第二健康等级,则基于预构建的该目标负载的剩余寿命预测模型,预测该目标负载的剩余使用寿命,并生成该目标负载的第一检修备忘录上报至运维平台,以供运维平台生成该目标负载的维修工单;若目标负载的健康等级为第三健康等级,则基于预构建的该目标负载的剩余寿命预测模型,预测该目标负载的剩余使用寿命,并识别该目标负载的故障类型,确定该目标负载的维修所需备件,生成该目标负载的第二检修备忘录上报至运维平台以及自动驾驶域控制器,以供运维平台生成该目标负载的维修工单,以及自动驾驶域控制器调整无人驾驶物流车的车辆任务策略;若目标负载的健康等级为第四健康等级,则识别该目标负载的故障类型,并确定该目标负载的维修所需备件,生成该目标负载的第三检修备忘录上报至运维平台以及自动驾驶域控制器,以供运维平台生成该目标负载的维修工单,以及自动驾驶域控制器调整无人驾驶物流车的车辆任务策略。
7、于本技术的第一方面的一些实施例中,预测目标负载的剩余使用寿命的方式包括:若目标负载具有动作次数限制,则根据该目标负载的累计开关次数构建对应的剩余寿命预测模型,以预测该目标负载当前的剩余可用次数;若目标负载健康度呈线性衰减,则获取该目标负载的多个历史健康度以及各历史健康度对应的累计运行时间,并对各累计运行时间时的历史健康度进行线性拟合,建立该目标负载健康度随运行时间变化的趋势模型作为其剩余寿命预测模型,以预测该目标负载当前的剩余运行时间;若目标负载健康度呈指数衰减,则获取该目标负载的多个历史健康度以及各历史健康度对应的累计运行时间,并对各累计运行时间时的历史健康度进行指数拟合,建立该目标负载健康度随运行时间变化的趋势模型作为其剩余寿命预测模型,以预测该目标负载的剩余运行时间。
8、于本技术的第一方面的一些实施例中,识别目标负载的故障类型的方式包括:若目标负载的所述原始运行数据中连续多个采样时刻的导通压降数据大于0,但稳态电流值为0,则判定该目标负载发生开路故障;若目标负载的所述原始运行数据中有稳态电流值超过标称稳态电流的预设短路阈值,即所述健康特征数据中有稳态电流相对偏差超过预设的短路阈值,则判定该目标负载发生短路故障;若目标负载的所述原始运行数据中多个采样时刻的稳态电流值逐渐下降或波动增大,即所述健康特征数据中的稳态电流相对偏差下降或稳态电流波纹率增大,则判定该目标负载发生老化故障;若目标负载的所述原始运行数据中一个或多个互相间隔的采样时刻的稳态电流值为0,则判定该目标负载发生间歇性故障;若目标负载的所述原始运行数据中连续多个采样时刻的导通压降数据为0且稳态电流值为0,则判定该目标负载的负载信号采样电路发生故障。
9、于本技术的第一方面的一些实施例中,确定目标负载的维修所需备件的方式包括:若目标负载可更换,则维修所需备件确定为该目标负载的标准备件;若目标负载的故障类型为间歇性故障,则维修所需备件确定为该目标负载中的连接结构;若目标负载的故障类型为负载信号采样电路故障,则维修所需备件确定为底盘域控制器维修备件。
10、为实现上述目的及其他相关目的,本技术的第二方面提供一种无人驾驶物流车,所述无人驾驶物流车包括:车体以及设置于所述车体的底盘域控制器和自动驾驶域控制器;其中,所述底盘域控制器分别与所述自动驾驶域控制器以及运维平台连接,被配置为执行如上述各实施例任一项所述的无人驾驶物流车负载健康管理方法;所述自动驾驶域控制器,与运维平台连接,被配置为根据每个目标负载的检修备忘录,调整无人驾驶物流车的车辆任务策略。
11、为实现上述目的及其他相关目的,本技术的第三方面提供一种无人驾驶物流车负载健康管理云边协同平台,所述无人驾驶物流车负载健康管理云边协同平台包括:多个无人驾驶物流车,每个无人驾驶物流车包括:车体以及设置于所述车体的底盘域控制器和自动驾驶域控制器;其中,所述底盘域控制器分别与所述自动驾驶域控制器以及运维平台连接,被配置为执行如上述各实施例任一项所述的无人驾驶物流车负载健康管理方法;所述自动驾驶域控制器与运维平台连接,被配置为根据每个目标负载的检修备忘录,调整无人驾驶物流车的车辆任务策略;云服务器,分别与各无人驾驶物流车连接,被配置为构建每个目标负载的健康度评估模型以及剩余寿命预测模型,并实时获取每个目标负载的原始运行数据、健康特征数据以及健康度,定期更新各健康度评估模型以及各剩余寿命预测模型。
12、如上所述,本技术具有有益效果:本技术提供一种无人驾驶物流车、负载健康管理方法及云边协同平台,通过无人驾驶物流车的底盘域控制器,实时采集多个目标负载的原始运行数据,从而有效利用底盘域控制器现有的模拟量采样和计算资源,实现非侵入式负载健康监测;基于多个健康度评估模型,差异化评估每个目标负载的健康度,从而有效提高健康度评估的适配性和准确性;根据各健康度,对每个目标负载分别执行预测性维护措施和分级管理,自动识别目标负载的故障类型,并精准确定其维修所需备件,生成检修备忘录上报至运维平台以及自动驾驶域控制器,从而形成负载健康管理的应用闭环,能够最大化无人驾驶物流车运营效率的同时保障其作业安全。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com