基于VCU与PDU数据同步的叉式移动机器人工况关联分析方法与流程
本发明涉及工业车辆,尤其涉及基于vcu与pdu数据同步的叉式移动机器人工况关联分析方法。
背景技术:
1、在现有的叉式移动机器人工况分析技术中,配电数据与整车工况数据通常分属不同的采集链路与记录体系,两者之间缺乏统一的时间轴基准与结构化关联机制。由于pdu配电数据反映了电气系统的实时能量消耗状态,而vcu相关的整车工况数据反映了机械执行机构的操作动作与负载状态,两者在时间戳对齐、采样频率匹配及数据帧归属方面存在显著差异,导致实际作业过程中电气消耗与机械动作之间的对应关系难以被准确建立。这种数据孤岛状态使得单次举升操作所对应的实际消耗电荷量无法与具体的举升高度、负载状态及操作手柄动作进行精确时序匹配,进而无法有效判别同一举升过程中电能消耗的合理波动范围,制约了工况分析的数据基础完整性。
2、在现有技术条件下,对于叉式移动机器人能效退化的判定多依赖单一时间截面的瞬时电流或电压偏离度进行阈值比对,缺乏基于举升全过程的累积电荷量偏差反演机制,也缺乏对衰减率在连续作业窗口内统计分布特性的持续追踪能力。由于单次举升操作的瞬态能效衰减率受负载高度、母线电压波动及操作节奏等多因素耦合影响,若不采用滑动窗口均值滤波与持续时间累积判别相结合的处理方式,则瞬时扰动极易被误判为系统性退化,而真正呈累积恶化趋势的早期缓慢衰减又难以被有效捕获。同时,在判定发生不可逆退化趋势后,现有方案缺少从退化时间窗口回溯至原始融合时序数据并截取关联波形的方法,无法在配电参数与工况参数的联合时序图谱中定位异常区段,导致故障根因分析缺乏可追溯的数据切片支持,使得工况关联分析的整体准确性与可解释性明显不足,因此如何提升叉式移动机器人的工况关联分析效率,成为了亟待解决的问题。
技术实现思路
1、本发明提供基于vcu与pdu数据同步的叉式移动机器人工况关联分析方法,以解决上述背景技术中提出的问题。
2、为实现上述目的,本发明提供的基于vcu与pdu数据同步的叉式移动机器人工况关联分析方法,包括:
3、s01、对pdu配电数据与叉式移动机器人的整车工况数据进行时序归并,得到融合时序排列表;
4、s02、在单次举升过程中,对所述融合时序排列表的pdu电流响应曲线进行时间轴累积,得到实测消耗电荷量;
5、s03、根据所述实测消耗电荷量与所述叉式移动机器人的额定消耗电荷量,反推所述单次举升过程的瞬态能效衰减率;
6、s04、对所述瞬态能效衰减率进行滑动窗口均值滤波,得到所述叉式移动机器人的窗口平均衰减率;
7、s05、对所述窗口平均衰减率进行持续时间累积判别,得到所述窗口平均衰减率的不可逆退化判定结果,并基于所述不可逆退化判定结果,对所述融合时序排列表进行异常趋势区段回溯,得到故障定位;
8、s06、基于所述故障定位,截取所述融合时序排列表的关联波形,并生成工况关联分析记录。
9、在一个优选的实施方式中,所述对pdu配电数据与叉式移动机器人的整车工况数据进行时序归并,得到融合时序排列表,包括:
10、对pdu配电数据进行时间戳层级归属配置,得到所述pdu配电数据的pdu配电归属帧;
11、对叉式移动机器人的手柄操纵位移量、货叉举升缸压力值以及驱动轮转速值进行采集时刻点对齐归并,得到所述叉式移动机器人的工况传感归并集;
12、以时间戳为关联主键,将所述pdu配电归属帧与所述工况传感归并集进行时序配对归拢,得到融合时序排列表。
13、在一个优选的实施方式中,所述在单次举升过程中,对所述融合时序排列表的pdu电流响应曲线进行时间轴累积,得到实测消耗电荷量,包括:
14、逐点扫描所述融合时序排列表中手柄操纵位移量曲线的斜率值;
15、以斜率由零转正的首个采样点为上升沿起始采样点,以斜率由正转零的首个采样点为上升沿终止采样点,由所述起始采样点与所述终止采样点划定举升操作的起止时刻边界,得到单次举升过程的位移波形片段;
16、基于所述位移波形片段的起止时刻边界,对所述融合时序排列表中的pdu电流响应曲线进行电流波形截取,得到单次举升电流有效片段;
17、对所述单次举升电流有效片段中采样间隔与电流幅值的乘积进行逐点累加,以所述终止采样点为终止边界,将累加终值作为实测消耗电荷量。
18、在一个优选的实施方式中,所述根据所述实测消耗电荷量与所述叉式移动机器人的额定消耗电荷量,反推所述单次举升过程的瞬态能效衰减率,包括:
19、基于所述融合时序排列表,提取所述单次举升过程的举升高度值与当前母线电压值,对预设的额定电荷量对照表进行匹配查找,得到所述单次举升过程的额定消耗电荷量;
20、基于所述额定消耗电荷量,对所述实测消耗电荷量进行参照偏差幅度反演,得到所述单次举升过程的初始能效衰减率;
21、基于所述举升高度值,对所述初始能效衰减率进行归一化补偿,得到所述单次举升过程的瞬态能效衰减率。
22、在一个优选的实施方式中,所述基于所述额定消耗电荷量,对所述实测消耗电荷量进行参照偏差幅度反演,得到所述单次举升过程的初始能效衰减率,包括:
23、基于所述实测消耗电荷量与所述额定消耗电荷量,计算所述单次举升过程的偏差融合值,其中,所述偏差融合值的计算公式为:
24、;
25、式中,为第次单次举升过程的偏差融合值,为所述单次举升过程的序次数,为所述实测消耗电荷量,为所述额定消耗电荷量,为预设的负载补偿系数,为预设的基准举升高度值,为所述举升高度值,为自然指数函数,为预设的非线性增强系数;
26、对所述偏差融合值进行量值降维映射,得到所述单次举升过程的初始能效衰减率。
27、在一个优选的实施方式中,所述基于所述举升高度值,对所述初始能效衰减率进行归一化补偿,得到所述单次举升过程的瞬态能效衰减率,包括:
28、将所述初始能效衰减率除以所述举升高度值,得到所述单次举升过程的单位高度衰减贡献值;
29、将所述单位高度衰减贡献值乘以所述基准举升高度值,得到所述单次举升过程的瞬态能效衰减率。
30、在一个优选的实施方式中,所述对所述瞬态能效衰减率进行滑动窗口均值滤波,得到所述叉式移动机器人的窗口平均衰减率,包括:
31、以当前时刻为窗口终点,从所述瞬态能效衰减率向前追溯预设窗口长度的衰减率值进行汇集,得到瞬态能效衰减率批次;
32、对所述瞬态能效衰减率批次的衰减率值进行逐项累加,得到所述瞬态能效衰减率批次的累加总量值;
33、将所述累加总量值与所述预设窗口长度的商值作为所述叉式移动机器人的窗口平均衰减率。
34、在一个优选的实施方式中,所述对所述窗口平均衰减率进行持续时间累积判别,得到所述窗口平均衰减率的不可逆退化判定结果,包括:
35、以预设的衰减容限为比对基准,将所述窗口平均衰减率超出所述衰减容限的窗口位置判定为超限窗口;
36、对连续出现的超限窗口的数量进行逐次累加汇总,得到累加窗口数量;
37、将所述累加窗口数量的持续时长与预设时间容限进行比较,当所述累加窗口数量超出所述预设时间容限时,判定所述单次举升过程呈不可逆退化趋势,得到不可逆退化判定结果。
38、在一个优选的实施方式中,所述基于所述不可逆退化判定结果,对所述融合时序排列表进行异常趋势区段回溯,得到故障定位,包括:
39、基于所述不可逆退化判定结果,以所述超限窗口的起始位置在所述融合时序排列表中的首个数据行时间戳为区段左边界时刻,以所述超限窗口的终止位置在所述融合时序排列表中的末个数据行时间戳为区段右边界时刻;
40、基于所述区段左边界时刻与所述区段右边界时刻,对所述融合时序排列表进行连续行截取,得到异常趋势原始区段;
41、将所述异常趋势原始区段的左边界向前偏移预设行数,将所述异常趋势原始区段的右边界向后偏移预设行数,得到异常趋势扩展区段;
42、基于所述异常趋势扩展区段,对所述融合时序排列表进行连续行号范围标记,将连续行号范围作为故障定位。
43、在一个优选的实施方式中,所述基于所述故障定位,截取所述融合时序排列表的关联波形,并生成工况关联分析记录,包括:
44、基于所述故障定位,以所述连续行号范围的起始行号为截取起点,以所述连续行号范围的终止行号为截取终点,对所述融合时序排列表进行逐行数据行提取,得到异常趋势关联波形序列;
45、将所述异常趋势关联波形序列中具有相同原始采集时刻的数据行归入同一时刻集,将所述融合时序排列表中归属于同一时刻集的工况参数值与配电参数值进行等时汇集排列,得到工况-配电关联波形图谱;
46、基于所述不可逆退化判定结果,对所述工况-配电关联波形图谱进行时空标记嵌入,并将嵌入标记后的工况-配电关联波形图谱作为工况关联分析记录。
47、与现有技术相比,本发明具有以下有益效果:
48、1.本发明确立了从配电数据与工况数据时序归并出发,经实测电荷量累积、瞬态能效衰减率反推、滑动窗口均值滤波,直至不可逆退化判定与故障定位的完整分析链路。通过将pdu电流响应曲线在举升操作起止边界内进行时间轴累积,获得实测消耗电荷量,并将其与额定消耗电荷量进行偏差融合计算,同时引入举升高度归一化补偿机制,使得瞬态能效衰减率能够真实反映举升操作本身的能效变化,消除了负载高度和母线电压波动对衰减量值的干扰。在此基础上,采用滑动窗口均值滤波对瞬态衰减率进行平滑处理,有效抑制了作业过程中非系统性随机波动对统计结果的影响,使得窗口平均衰减率能够稳定表征叉式移动机器人在连续作业周期内的能效演变趋势。
49、2.本发明进一步建立了从窗口平均衰减率持续时间累积判别到融合时序排列表异常区段回溯的完整映射机制。通过对超出衰减容限的连续窗口进行数量累加和持续时长判别,实现不可逆退化趋势的准确判定,避免瞬时扰动导致的误触发。基于退化判定结果,以超限窗口的起止边界在融合时序排列表中划定异常趋势原始区段,并通过前后扩展得到故障定位行号范围,使得异常数据切片能够被精准截取。在此基础上,将故障定位范围内的工况参数值与配电参数值按原始采集时刻进行等时汇集排列,生成工况-配电关联波形图谱,并将不可逆退化判定结果作为时空标记嵌入该图谱,形成可供后续回溯分析的工况关联分析记录,显著提升了工况分析结果的可追溯性和数据切片复用效率。
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