混凝土搅拌运输车预测性维护的建模架构.pdf
《混凝土搅拌运输车预测性维护的建模架构.pdf》由会员分享,可在线阅读,更多相关《混凝土搅拌运输车预测性维护的建模架构.pdf(5页珍藏版)》请在咨信网上搜索。
1、54 建筑机械SURVEYING专题论述混凝土搅拌运输车预测性维护的建模架构邓志国,梁谷羿,朱 宏,何 琪(湖南汽车制造有限责任公司长沙分公司,湖南 长沙 410000)摘要本文研究分析了混凝土搅拌运输车(简称搅拌车)领域对预测性维护研究的现状,根据其研发预测模型存在的研发难、成本高、效果差等特点,提出了一种适用于搅拌车预测性维护研发的建模架构。该系统包含一套工业化的预测性维护模型研发和实施的系统方案,一条完整且明确的数据链路,一种适用于搅拌车各零部件和多维度的建模方式的架构。本文中的预测性维护系统和建模架构已经开发完成,并已建立预测模型对实际运营的搅拌车车辆实施监控预测,在提升预测性维护模型
2、的研发效率、参数调优、准确性评价一致性等方面效果良好,为企业预测性维护技术的研发奠定基础,具有一定的推广 价值。关键词混凝土搅拌运输车;预测性维护;预测故障;建模架构中图分类号TU646 文献标识码A 文章编号1001-554X(2024)01-0054-05Modeling architecture for predictive maintenance of concrete mixing transport vehiclesDENG Zhi-guo,LIANG Gu-yi,ZHU Hong,HE Qi一般来说,搅拌车的维护维修分为事后维护、预防性维护和预测性维护。事后维护是指当故障发生后,
3、由技术人员紧急赶往现场进行维修恢复,即售后维修。预防性维护是指通过了解部件或模块的平均使用寿命,从时间和运行里程等方面静态的预测该部件即将出现故障,开展的一系列固定性的维护,即保养计划。随着时代的发展和客户的需求,对于维护维修工作精确性、及时性、低成本的期望也变得越来越高,希望能够在对设备和系统无故障的前提下,通过一系列的分析决策来实现维护。这种维护工作需要根据车辆状态信息经过云端模型的逻辑运算,作出需要维护的决策判断,即预测性维护。搅拌车预测性维护技术的研发正在探索阶段,研发过程会更多的参考比如乘用车、工程机械等行业来开展,同时也要求我们要站在巨人的肩膀上,探索更高效的研发方案。1 搅拌车预
4、测性维护研究现状随着传感器和通信技术的发展,搅拌车各类场景的智能化应用也开始普及,使用数据采集、统计分析、大数据模型、数字孪生等技术,为设备建立模型,对设备状态进行监控和生命周期管理,研发人员可以更好的模拟和测试物理环境中的多个场景,达到更加精细的数据分析和参数优化1。其中,预测性维护是提高服务效率、降低服务成本和提升客户满意度永恒的话题。目前,预测性维护大多是基于状态的维护,利用零部件研发人员的经验和该行业的知识建成一个数字化模型,对故障进行预测,这只能针对部分有规律可循且已被研究的故障开展模型建立,更多的利用大数据模型和统计学等理论来扩充预测性维护建模的方式2。提升预测模型的准确性、适用性
5、,是我们重点研发的 方向。2 预测性维护研究存在的普遍问题基于企业多年的预测性维护研究工作的开展,我们团队总结现在预测性维护研究存在如下的普遍问题:(1)研究方向限制。一般预测性维护主要围绕已有的维修经验或者 DOI:10.14189/ki.cm1981.2024.01.003收稿日期2023-08-23通讯地址邓志国,湖南省长沙市长沙县星沙街道三一智联重卡零部件和工程机械产业园CONSTRUCTION MACHINERY 552024/01总第575期零部件研发工程师的研发数据进行研究,其研究方向的确定不是按照车辆故障的发生频率以及故障的影响大小排序,即不能自主的决定研究零部件的预测模型。(
6、2)重复研究。每个零部件的预测性维护研究可能交给不同的团队,研究过程和成果没有积累沉淀。比如数据采集-数据上传-数据存储这一套协议标准,应该定义好数据的种类、采集周期、上传周期、上报条件、存储时效、可扩充字段等。有需要新增加采集的数据,按照该协议标准增加即可,但目前的研究大多是通过增加新的协议来实现。(3)用户体验差。在没有系统定义用户触达方式并和故障等级匹配的情况下,最终呈现给用户的系统、频率和方式不一致,用户不知道怎么了解到车辆将会发生的故障,这让预测性维护研究失去了最终的意义。3 搅拌车预测性维护系统方案对于搅拌车预测性维护研究工作的开展,我们建立了一套工业化的预测性维护模型研发和实施系
7、统,其系统方案如图1所示。车机大屏(司机使用:弹窗提醒)用户APP(车主司机使用:列表汇总)后台管理系统(车联网运维人员:数据统计,短信下发,参数配置)车联网后台服务器(数据算法处理和转发)TD数据平台(数据存储和分析)TBox(数据采集和上传)PCan零部件1零部件2零部件n训练优化训练优化图1 预测性维护系统架构图(1)数据源。零部件发出运行数据至车辆CAN线。该类设备可以是车辆前装的零部件,由企业研发人员定义数据协议,供应商配合开发和测试;也可以是后装的设备,能符合国家道路安全法律法规要求和数据安全要求并与车辆配合开发的后装设备,满足系统的要求即可。(2)数据采集。T-Box进行数据采集
8、和上传。基于搅拌车的法规要求,车载终端具备数据采集、存储、处理、备份、上传等功能。针对采集频率小于1Hz的非高频数据,T-Box不需要对其进行处理,采集后按周期上传或按事件触发上传;针对采集频率大于1Hz的高频数据,T-Box需要使用其具有的边缘计算能力对数据进行初步处理,将预处理后的有效数据上传至平台3。(3)数据存储。大数据平台进行数据解析和存储。平台具有数据解析和存储功能,并能被其他系统通过特定的方式调用数据。调用平台的数据需进行身份鉴权、网关控制等,保证数据的安全使用。(4)数据分析。模型黑盒进行数据分析得出预测结果。对于一般可被感知或者在行业已有经验基础上的预测性维护模型,采用简单的
9、后台服务建模方式基于机理模型建模;对于混乱的且无规律可循的预测性维护模型,采用大数据建模方式基于数理统计模型建模。建模之后需根据实际的车辆运行数据进行训练和测试,当模型准确度高于对应故障的可接受值时,最终结果可通过以下方式呈现给用户。(5)结果输出。在车机大屏和用户使用的APP上进行展示和提醒。对于实时性要求高且被预测的故障影响大的情况,在车辆运行或车辆启动时,采用车机大屏弹窗的方式进行提醒;对于实时性要求低且故障影响不大的类型,可通过用户使用的APP进行展示。4 搅拌车预测性维护的建模架构基于预测性维护的系统方案,模型部分的建模架构是核心部分,预测性维护建模架构由以下部分组成(见图2):(1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 混凝土 搅拌 运输车 预测 维护 建模 架构
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。