基于运行数据的矿用自卸车电池寿命预测方法及系统与流程

本发明涉及机器学习，特别是指基于运行数据的矿用自卸车电池寿命预测方法及系统。

背景技术：

1、机器学习技术领域围绕样本数据、特征变量、训练程序和推理程序开展数据采集、标注、存储、计算和结果输出，终端设备、服务器、数据库和传感器通过接口、总线或网络传递运行记录，处理程序依据历史样本中的数值字段、时序关系和标签信息建立输入与输出之间的计算关系。其中，传统矿用自卸车电池寿命预测方法及系统是指针对矿山运输工况下动力电池的使用状态和寿命记录进行预测处理的技术，由电池管理系统采集电压、电流、温度、荷电状态、充放电次数、行驶里程、载重和作业时长等运行数据，经车辆控制器或车载终端写入本地存储区或上传服务器，预测程序调用历史运行记录和电池检测记录，按照时间序列、工况类别、充放电区间和寿命标签进行特征整理、模型训练和推理计算，并输出电池寿命状态或剩余使用时间估计值。

2、传统矿用自卸车电池寿命预测流程以电压、电流、温度、荷电状态、充放电次数、行驶里程、载重和作业时长等记录作为模型输入，连续记录与装载、重载行驶、空载返回、充电和停放等作业过程之间对应关系不清，电池运行状态与车辆作业状态之间的一致性差异难以参与样本质量判断，预测结果与后续检测记录之间缺少面向工况来源的修正依据，导致寿命状态估计和剩余使用时间估计难以区分不同运输工况产生的数据影响。

技术实现思路

1、本发明的目的在于提供一种基于运行数据的矿用自卸车电池寿命预测方法及系统，使矿用自卸车的电池状态数据与车辆作业数据按照矿山运输作业过程建立对应关系，并将不同作业片段中的老化应力、数据一致性和后续运行反馈纳入寿命预测处理过程，为矿山运输工况下电池寿命状态或剩余使用时间预测提供适配运行数据特征的技术方案。

2、为了实现上述目的，本发明采用如下技术方案，提供一种基于运行数据的矿用自卸车电池寿命预测方法，包括以下步骤：获取电池状态数据以及车辆控制器或车载终端输出的车辆作业数据，并按时间戳生成运行数据集合；根据载重变化、电流方向、荷电状态变化和车辆行驶状态，将所述运行数据集合划分为多个矿山运输作业片段；从所述矿山运输作业片段中提取电流持续特征、温度区间特征、荷电状态摆幅特征、载重持续特征、单位里程能耗特征、充电深度特征和静置电压恢复特征，生成周期级老化应力特征；当所述电池状态数据与所述车辆作业数据满足时间一致、方向一致和状态一致时提高样本可信度权重，当任一一致条件不满足时降低样本可信度权重；将所述周期级老化应力特征和所述样本可信度权重输入包含lstm隐藏层的预测模型，输出电池寿命状态或剩余使用时间预测结果；根据后续运行数据或电池检测记录与所述预测结果之间的差异生成预测残差，并按照所述预测残差对应的作业片段类型更新后续预测中的校正系数或输入权重。

3、进一步地，所述电池状态数据包括电压、电流、温度、荷电状态和充放电次数，所述车辆作业数据包括行驶里程、载重、作业时长和车辆行驶状态；按时间戳生成所述运行数据集合时，以同一采集周期内的所述电池状态数据和所述车辆作业数据建立数据行，当所述电池状态数据和所述车辆作业数据的采集时间差满足预设同步间隔时保留数据行，当采集时间差不满足预设同步间隔时舍弃对应数据行或将对应数据行标记为待校验数据行。

4、优选地，将所述运行数据集合划分为多个所述矿山运输作业片段时，按照时间顺序读取保留的数据行和待校验数据行；当相邻数据行之间的载重变化满足装载或卸载状态变化条件时确定片段边界，当相邻数据行之间的电流方向与荷电状态变化趋势满足充电或放电方向一致条件时确定充电片段或运行片段，当车辆行驶状态满足停放条件且电流处于静置区间时确定停放片段；根据片段边界、充电片段、运行片段和停放片段生成所述矿山运输作业片段的片段类型、开始时间和结束时间。

5、进一步地，生成所述周期级老化应力特征时，按照矿山运输作业片段的片段类型分别统计电流持续区间、温度持续区间、荷电状态变化范围、载重持续时间、行驶里程变化量和充电深度；当矿山运输作业片段属于运行片段时，将单位里程能耗变化和载重持续时间写入片段级老化应力特征，当矿山运输作业片段属于充电片段时，将充电深度和温度持续区间写入片段级老化应力特征，当矿山运输作业片段属于停放片段时，将静置电压恢复特征写入片段级老化应力特征；根据片段级老化应力特征在同一作业周期内的片段类型和时间顺序生成所述周期级老化应力特征。

6、进一步地，生成所述样本可信度权重时，当所述电池状态数据与所述车辆作业数据的时间戳连续且采集时间差满足预设同步间隔时判定为时间一致；当荷电状态变化方向与电流方向对应的充放电方向相匹配时判定为方向一致；当载重变化、车辆行驶状态和电流持续区间之间满足预设工况匹配关系时判定为状态一致；当时间一致、方向一致和状态一致均成立时生成第一样本可信度权重，当任一判定不成立时生成低于所述第一样本可信度权重的第二样本可信度权重，并将所述第二样本可信度权重写入对应的所述矿山运输作业片段。

7、进一步地，将所述周期级老化应力特征和所述样本可信度权重输入包含lstm隐藏层的预测模型时，将同一作业周期内的所述周期级老化应力特征按照片段类型、开始时间和结束时间形成特征序列；按照与所述特征序列对应的所述样本可信度权重对所述特征序列中的片段级特征设置参与权重；将设置参与权重后的所述特征序列输入所述包含lstm隐藏层的预测模型，获得电池寿命状态和剩余使用时间中的至少一项作为预测结果。

8、进一步地，生成所述预测残差时，将所述预测结果对应的预测输出时间、作业周期和作业片段类型与后续运行数据或电池检测记录建立对应关系；当所述后续运行数据或所述电池检测记录的记录时间落入所述预测结果对应的后续校正周期时，计算所述预测结果与所述后续运行数据或所述电池检测记录中寿命状态之间的差异量；按照所述差异量对应的所述作业片段类型更新后续预测中的校正系数或输入权重。

9、进一步地，更新所述校正系数或所述输入权重时，按照所述预测残差对应的作业片段类型读取同类型历史作业片段的残差记录；当同类型历史作业片段的残差记录与所述预测残差的偏移方向一致时，提高对应作业片段类型在后续预测中的所述校正系数；当同类型历史作业片段的残差记录与所述预测残差的偏移方向不一致时，降低对应作业片段类型在后续预测中的所述输入权重或保持所述输入权重不变。

10、可选地，当待校验数据行存在字段缺失或字段跳变时，读取同一矿用自卸车最近一次满足预设同步间隔的数据行作为第一替代数据来源；当所述第一替代数据来源不存在与所述待校验数据行相同片段类型的数据行时，读取同类型矿用自卸车历史作业片段中片段类型相同的数据行作为第二替代数据来源；根据所述第一替代数据来源或所述第二替代数据来源生成替代输入，并将所述替代输入的样本可信度权重设置为低于满足预设同步间隔的数据行对应的样本可信度权重。

11、本发明还提供一种基于运行数据的矿用自卸车电池寿命预测系统，上述系统用于支持前述矿用自卸车电池寿命预测方法，上述系统包括运行数据接入单元、工况片段生成单元、老化应力特征生成单元、样本可信度处理单元、寿命预测处理单元和预测反馈校正单元；运行数据接入单元接收电池状态数据和车辆作业数据，并按时间戳写入统一存储区域；工况片段生成单元依据载重变化、电流方向、荷电状态变化和车辆行驶状态生成矿山运输作业片段；老化应力特征生成单元从所述矿山运输作业片段提取片段特征并形成周期级老化应力特征；样本可信度处理单元依据所述电池状态数据与所述车辆作业数据的时间一致性、方向一致性和状态一致性生成样本可信度权重；寿命预测处理单元将所述周期级老化应力特征和所述样本可信度权重输入包含lstm隐藏层的预测模型，输出电池寿命状态或剩余使用时间预测结果；预测反馈校正单元依据后续运行数据或电池检测记录与所述预测结果之间的差异更新校正系数或输入权重。

12、与现有技术相比，本发明的优点和积极效果在于：

13、本发明中，通过按时间戳生成运行数据集合，并依据载重变化、电流方向、荷电状态变化和车辆行驶状态划分矿山运输作业片段，电池状态数据与车辆作业过程形成对应关系，减少由单一连续记录直接输入带来的工况混同；通过提取周期级老化应力特征，包含lstm隐藏层的预测模型获得包含工况来源的输入；通过时间一致、方向一致和状态一致判定生成样本可信度权重，训练和推理过程能够区分不同片段的数据参与程度；通过预测残差更新校正系数或输入权重，后续预测结果获得运行反馈约束。