基于物联网的机场车桥系统状态监测方法、装置与流程
本发明涉及工业设备故障诊断,特别涉及基于物联网的机场车桥系统状态监测方法、装置。
背景技术:
1、机场车桥系统是摆渡车安全作业的核心,其故障预测与健康管理对机场运营保障至关重要。现有技术多采用常规传感监测或人工巡检,在稳定工况下可实现基础状态检测,但机场摆渡车存在频繁启停、转向等复杂瞬态工况。传统手段无法精准适配工况切换,导致多源数据时空错位、异常识别片面,获取的状态数据不全面、不精准,难以满足对于车桥系统故障预测与健康管理的精准评估及风险预警需求。
技术实现思路
1、本申请提供了基于物联网的机场车桥系统状态监测方法、装置,解决了传统监测手段难以适配复杂瞬态工况,无法全面准确获取机场车桥系统状态并定位故障根因的技术问题。
2、本申请的第一个方面,提供了基于物联网的机场车桥系统状态监测方法,所述方法包括:在摆渡车执行机场摆渡作业过程中,同步采集机场车桥系统的多源异构传感时序数据,并识别标记驾驶工况切换事件;以所述驾驶工况切换事件为时空基准,对所述多源异构传感时序数据进行时空对齐切片,得到对应于多个瞬态驾驶工况片段的多个多源异构传感数据矩阵;将所述多个瞬态驾驶工况片段输入车桥系统孪生模型进行高保真动态模拟,输出多个标准工况特征矩阵,进行所述多个多源异构传感数据矩阵的多维特征偏差计算,得到多个特征级工况偏差向量;基于所述多个特征级工况偏差向量进行单工况异常模式识别,得到多个异常工况特征;对所述多个异常工况特征进行跨工况故障根因推理,输出机场车桥系统的全景多维异常风险向量。
3、本申请的第二个方面,提供了基于物联网的机场车桥系统状态监测装置,所述装置包括:传感时序数据获取模块,用于在摆渡车执行机场摆渡作业过程中,同步采集机场车桥系统的多源异构传感时序数据,并识别标记驾驶工况切换事件;传感数据矩阵获取模块,用于以所述驾驶工况切换事件为时空基准,对所述多源异构传感时序数据进行时空对齐切片,得到对应于多个瞬态驾驶工况片段的多个多源异构传感数据矩阵;工况偏差向量获取模块,用于将所述多个瞬态驾驶工况片段输入车桥系统孪生模型进行高保真动态模拟,输出多个标准工况特征矩阵,进行所述多个多源异构传感数据矩阵的多维特征偏差计算,得到多个特征级工况偏差向量;异常工况特征获取模块,基于所述多个特征级工况偏差向量进行单工况异常模式识别,得到多个异常工况特征;异常风险向量获取模块,用于对所述多个异常工况特征进行跨工况故障根因推理,输出机场车桥系统的全景多维异常风险向量。
4、本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
5、本申请通过在摆渡车作业中同步采集多源数据并识别工况切换事件,以其为基准进行数据时空对齐切片,经孪生模型模拟与偏差计算识别单工况异常特征,再通过跨工况故障根因推理输出全景多维异常风险向量,从而全面精准掌握机场车桥系统健康状态及故障根因,使机场车桥系统状态监测结果更精准可靠,满足故障预测与健康管理的需求,达到了机场车桥系统状态的全面精准评估及风险预警,提升故障管控有效性的技术效果。
1.基于物联网的机场车桥系统状态监测方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于物联网的机场车桥系统状态监测方法,其特征在于,对所述多个异常工况特征进行跨工况故障根因推理,输出机场车桥系统的全景多维异常风险向量,所述方法包括:
3.如权利要求2所述的基于物联网的机场车桥系统状态监测方法,其特征在于,以所述系统依赖拓扑图为固定图结构,以所述多组样本工况特征为动态节点特征,以所述多个全景样本多维风险向量为监督标签,对图神经网络模型进行监督训练,得到故障根因推理模型,所述方法包括:
4.如权利要求3所述的基于物联网的机场车桥系统状态监测方法,其特征在于,以所述系统依赖拓扑图为固定图结构,采用所述监督训练样本集对图神经网络模型进行监督训练,得到所述故障根因推理模型,所述方法包括:
5.如权利要求1所述的基于物联网的机场车桥系统状态监测方法,其特征在于,所述方法包括:
6.如权利要求2所述的基于物联网的机场车桥系统状态监测方法,其特征在于,以所述驾驶工况切换事件为时空基准,对所述多源异构传感时序数据进行时空对齐切片,得到对应于多个瞬态驾驶工况片段的多个多源异构传感数据矩阵,所述方法包括:
7.如权利要求6所述的基于物联网的机场车桥系统状态监测方法,其特征在于,将所述多个瞬态驾驶工况片段输入车桥系统孪生模型进行高保真动态模拟,输出多个标准工况特征矩阵,进行所述多个多源异构传感数据矩阵的多维特征偏差计算,得到多个特征级工况偏差向量,所述方法包括:
8.如权利要求7所述的基于物联网的机场车桥系统状态监测方法,其特征在于,基于所述多个特征级工况偏差向量进行单工况异常模式识别,得到多个异常工况特征,所述方法包括:
9.如权利要求1所述的基于物联网的机场车桥系统状态监测方法,其特征在于,所述全景多维异常风险向量包括系统级综合健康度、k个部件异常风险评分、k个潜在故障根因置信度和m组部件耦合风险强度。
10.基于物联网的机场车桥系统状态监测装置,其特征在于,用于实施权利要求1-9任意一项所述的基于物联网的机场车桥系统状态监测方法,所述装置包括:
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