一种高原高寒运水车故障预测系统

技术领域

本发明涉及运水车故障预测技术领域，特别是涉及一种高原高寒运水车故障预测系统。

背景技术

随着国家建设与发展的需要，专用汽车已成为经济建设中的重要运输与作业装备，将有着良好的发展前景。运水车多为非饮用水提供载体，在高原高寒地区行驶时，一是由于极冷会导致水和车内部的部件及运送的水受冻结冰，储水罐和连接管内的水很容易结冰，导致水直接被冻封在储水罐内或连接管中，导致运水车无法完成送水任务，更有甚者，由于水结冰体积变大，很容易导致储水罐破损，造成经济损伤；且在高寒环境下因为环境温度低，机油粘度增加等整车阻力变大，发动机需要提高转速来增大扭矩，提高转速必须增大节气门开度，节气门开度增大，进气歧管真空度下降，进而造成制动系统真空助力器真空度下降，以及在低温状态时，摩擦片的摩擦系数会降低，非常容易造成交通事故。二是随着海拔的上升，会造成运水车储水罐内部压强与外部压强差增大，对储水罐造成破坏；且运水车的制动系统中真空助力器压力降低，造成制动系统助力减小，甚至失效，也容易造成交通事故。

因此，亟需一种高原高寒运水车故障预测系统，来实现对运水车的状态监测，以及故障预测，保证安全行驶的条件下完成运水任务。

发明内容

本发明的目的是提供一种高原高寒运水车故障预测系统，实现对高原高寒环境下行驶的运水车的行驶状态监测和故障预测，保证在安全行驶的条件下完成运水任务。

为实现上述目的，本发明提供了如下方案：

一种高原高寒运水车故障预测系统,包括：数据采集模块、数据处理模块、故障预测模块和通信模块；

所述数据采集模块，用于采集运水车运行参数以及储水罐状态参数，发送至所述数据处理模块；

所述数据处理模块，用于对所述运水车运行参数和储水罐状态参数进行处理，发送至所述故障预测模块；

所述故障预测模块，用于基于处理后的数据进行运水车行驶故障预测和储水罐破损预测，获取故障预测结果；

所述通信模块，用于所述数据采集模块、所述数据处理模块和所述故障预测模块之间的信息交互。

进一步地，所述数据采集模块包括：

运行检测单元，与运水车连接，用于获取运水车行驶时的运行状态参数，发送至所述数据处理模块；

储水罐状态检测单元，与储水罐连接，用于获取运水车行驶过程中储水罐的状态参数，发送至所述数据处理模块。

进一步地，所述运行检测单元包括：

发动机检测子单元，与运水车发动机连接，用于获取运水车行驶时的发动机运行参数；

压力检测子单元，用于检测运水车行驶时油门和刹车踩下时所受的压力；

气体检测子单元，用于检测运水车行驶时排气口积气情况。

进一步地，所述发动机检测子单元包括：

转速检测装置，用于检测发动机的转速；

电压电流检测装置，用于检测发动机的工作电压、工作电流；

输出检测装置，用于检测发动机的输出频率、输出功率；

第一温度检测装置，用于检测发动机工作时的温度；

噪声检测装置，用于检测发动机工作时产生的噪声。

进一步地，所述储水罐状态检测单元包括：

距离检测子单元，用于获取行驶过程中储水罐外壁与障碍物之间的距离；

温度检测子单元，用于检测储水罐内水的温度情况；

压强检测子单元，用于检测储水罐内水所受压强情况。

进一步地，所述距离检测子单元包括：

第一距离检测装置，用于获取行驶过程中储水罐左侧壁与障碍物之间的图像，判断储水罐左侧壁与障碍物之间的距离，作为第一间距；

第二距离检测装置，用于获取行驶过程中储水罐右侧壁与障碍物之间的图像，判断储水罐右侧壁与障碍物之间的距离，作为第二间距。

进一步地，所述数据处理模块包括：

存储单元，用于存储采集的所述运水车运行参数和储水罐状态参数；

预处理单元，用于对所述运水车运行参数和储水罐状态参数进行预处理，包括数据的清洗，极大、极小值的剔除。

进一步地，所述故障预测模块包括：

初步判断单元，用于对预处理后的运水车运行参数和储水罐状态参数进行初步判断；

故障预测单元，用于通过识别模型对预处理后的运水车运行参数和储水罐状态参数进行故障识别，获取故障预测结果。

进一步地，对所述预处理后的运水车运行参数和储水罐状态参数进行初步判断包括：

通过设置安全运行情况下的所述运水车运行参数和储水罐状态参数作为预设阈值，判断各参数是否超出阈值，若未超出阈值，则将数据传输至所述识别模型进行故障预测；若超出阈值，则说明出现较大故障，停止故障预测，及时维修。

本发明的有益效果为：

本发明通过检测运水车运行参数以及储水罐状态参数，对其进行分析判断，能够分别监测运水车在高原高寒环境下行驶时的行驶状态，以及储水罐内水的情况和储水罐外壁的碰撞破损情况，能够及时预测运水车的行驶故障，预测储水罐的冰冻状况和压强即将对储水罐壁造成的影响，实现及时采取措施和故障维修。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的一种高原高寒运水车故障预测系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本实施例提供了一种高原高寒运水车故障预测系统，如图1所示，包括：

数据采集模块，用于采集运水车运行参数以及储水罐状态参数，发送至数据处理模块；

数据处理模块，用于对运水车运行参数和储水罐状态参数进行处理，发送至故障预测模块；

故障预测模块，用于基于处理后的数据进行运水车行驶故障预测和储水罐破损预测，获取故障预测结果；

通信模块，用于数据采集模块、数据处理模块和故障预测模块之间的信息交互，采用5G通信技术通过无线数据传输的方式进行数据传输，保证数据传输的实时准确。

进一步地，数据采集模块包括：

运行检测单元，与运水车连接，用于获取运水车行驶时的运行状态参数，具体包括：

发动机检测子单元，与运水车发动机连接，用于获取运水车行驶时的发动机运行参数；

压力检测子单元：即压力传感器，设置于运水车的油门和刹车处，用于检测运水车油门和刹车踩下时所受的压力；

气体检测子单元：即气体传感器，设置于运水车的排气口处，用于检测运水车排气口积气情况。

发动机检测子单元具体包括：

转速检测装置：即转速传感器，用于检测发电机的转速；

电压电流检测装置：即电压传感器和电流传感器，用于检测发电机的工作电压、工作电流；

输出检测装置：即频率传感器和功率传感器，用于检测发电机的输出频率、输出功率；

第一温度检测装置：即温度传感器，用于检测发电机工作时的温度；

噪声检测装置：即噪声传感器，用于检测发电机工作时产生的噪声。

储水罐状态检测单元，与储水罐连接，用于获取运水车行驶过程中储水罐的状态参数，具体包括：

距离检测子单元：采用图像传感器，设置在运水车储水罐的外壁，用于获取行驶过程中储水罐外壁与障碍物之间的距离；

温度检测子单元，采用温度传感器，设置在储水罐内壁，用于检测储水罐内的水的温度情况；

压强检测子单元：采用压强传感器，设置在储水罐内壁，用于检测储水罐内的水所受压强情况。

距离检测子单元具体包括：

第一距离检测装置，设置于运水车储水罐左侧壁，用于获取行驶过程中储水罐左侧壁与障碍物之间的图像，判断储水罐左侧壁与障碍物之间的距离，为第一间距；

第二距离检测装置，设置于运水车储水罐的右侧壁，用于获取行驶过程中储水罐的右侧壁与障碍物之间的图像，判断储水罐右侧壁与障碍物之间的距离，为第二间距。

数据处理模块包括：

存储单元，用于存储采集的所述运水车运行参数和储水罐状态参数；

预处理单元，用于对运水车运行参数和储水罐状态参数进行预处理，包括数据的清洗，极大、极小值的剔除等。

故障预测模块包括：

初步判断单元，用于对预处理后的运水车运行参数和储水罐状态参数进行初步判断，通过设置安全运行情况下的运水车运行参数和储水罐状态参数作为预设阈值，判断各参数是否超出阈值，如未出现问题，则将数据传输至故障预测单元进行故障预测；若超出阈值，则说明出现较大故障，应直接终止识别，及时维修；

故障预测单元，用于通过识别模型对运水车运行参数和储水罐状态参数进行故障识别，获取故障预测结果。

其中，识别模型为深度学习模型，通过深度学习模型对运水车运行参数和储水罐状态参数进行识别处理，本实施例中的识别模型结构包括CNN-LSTM网络，其中CNN-LSTM网络中包含输入层、两个卷积模块、一个LSTM隐藏层结构及一个输出层，不同类型的数据对应一个CNN-LSTM网络；深度学习网络还包括两个全连接层及输出层，将CNN-LSTM网络的输出层与两个连接层、输出层依次连接。本实施例通过上述网络结构对不同的数据进行识别，最终深度学习网络的输出层设置输出为运水车行驶状态、储水罐破损状态、是否出现故障以及故障类型、故障位置，将不同数据输入到识别模型中，生成识别结果。通过CNN-LSTM网络对不同数据及数值的空间及时间下的低级特征进行识别，识别完成后，通过全连接层将低级特征进行组合判断转换为高级特征的识别，获取不同故障下与数据异常的关系。

本实施例中，运水车部分和储水罐部分分别通过两个识别模型进行运行状态识别。运水车部分，通过传感器采集发动机的转速、电压、电流、输出频率、输出功率、温度和噪声，以及油门和刹车所受压力以及排气口排气情况等数据，输入识别模型中，通过CNN-LSTM网络和深度学习网络对上述数据进行识别，判断发电机工作状态、是否出现故障以及故障类型、故障位置；

储水罐部分，通过传感器采集储水罐外壁与障碍物的距离、储水罐内部温度和压强等数据，输入识别模型中，通过CNN-LSTM网络和深度学习网络对上述数据进行识别，判断储水罐在行驶过程中是否出现碰撞破损及破损类型、破损位置，判断储水罐内水是否会冰冻以及压强对储水罐内壁造成的影响。

为进一步优化技术方案，本实施例提供的一种高原高寒运水车故障预测系统还包括终端显示模块，用于将采集的数据进行存储，并将故障预测结果进行显示。采用显示屏或者远程终端，便于人为对具体数据的查看和分析。

为进一步优化技术方案，本实施例提供的一种高原高寒运水车故障预测系统还包括报警模块，用于根据故障预测结果进行报警，采用蜂鸣器或者LED灯控制器的一种或者两种组合，根据出现的不同故障类型设置不同的报警模式，及时提醒相关人员进行有效查看及维修。具体为当检测到发生故障，蜂鸣器发出警报，并根据不同故障类型，LED灯控制器控制LED灯闪烁不同颜色。例如，当检测到温度过低，低至储水罐内水结冰温度，蜂鸣器发出警报，显示屏弹出提示，LED灯闪烁蓝色。

本发明通过检测运水车运行参数以及储水罐状态参数，对其进行分析判断，能够分别监测运水车在高原高寒环境下行驶时的行驶状态，以及储水罐内水的情况和储水罐外壁的碰撞破损情况，能够及时预测运水车的行驶故障，预测储水罐的冰冻状况和压强即将对储水罐壁造成的影响，实现及时采取措施和故障维修。

以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。