用于工程机械的基于物联网技术的远程智能分析服务系统

摘要

一种用于工程机械的基于物联网技术的远程智能分析服务系统，包括工程机械数据采集部分和远程诊断部分，二者通过公共无线网络通信；本系统的工作流程包括：1)输入故障信息；2)对故障信息进行集合；3)提取综合数据库存储工程机械相关的原始特征数据信息；4)把步骤2)的故障信息与步骤3)的原始特征数据信息进行比较；如果步骤2)的故障信息是已知故障，则直接输出故障原因；如果步骤2)的故障信息是未知故障，则把故障信息送智能专家分析知识库进行分析后，输出故障原因。本发明解决了工程机械远程故障诊断、维修调度服务困难的问题。

主权项

一种用于工程机械的基于物联网技术的远程智能分析服务系统，其特征是包括工程机械数据采集部分和远程诊断部分，二者通过公共无线网络通信；A、所述工程机械数据采集部分包括定位数据采集模块、工程机械工作状态数据采集模块、逻辑控制模块和无线数据传输模块；工程机械数据采集部分内的各个模块通过无线局域网通信；B、所述远程诊断部分包括智能专家分析知识库、智能决策推理机、综合数据库、人机接口、决策辅助机构和知识学习程序；a、所述人机接口实现输入/输出和显示功能；b、所述智能决策推理机根据当前的输入数据，运用智能专家分析知识库中的知识，按策略进行推理；所述智能决策推理机包括第一决策推理、第二决策推理和人工神经网络；第一决策推理包括含有征兆参数的逻辑知识，第一决策推理利用这些逻辑知识对输入的数据进行处理，从而得到人工神经网络的输入信号；人工神经网络通过其包含的故障诊断知识来实现从故障征兆到故障类型的映射，得到诊断结果；第二决策推理对人工神经网络的诊断结果进行解释；在第二决策推理中，根据不同的诊断对象总结了诊断对象的决策推理规则，用来对人工神经网络的诊断输出进行处理，把处理的结果以故障表的形式输出，即通过第二决策推理和故障表来对人工神经网络的诊断结果进行解释；c、所述决策辅助机构向用户解释本系统的推理过程并回答用户提出的问题；在每次咨询结束后主动向用户展示推理过程，并从动态数据库中调出保存用过的决策推理规则名去查寻智能专家分析知识库，并显示所采用规则的内容；d、所述知识学习程序是指人工神经网络利用专家所建立的故障样本进行人工神经网络的训练，从而把故障诊断知识以人工神经网络权值和阈值的形式存储在人工神经网络的各个神经元当中，即知识学习程序的建立就是神经网络模型的建立；e、所述综合数据库用于存储工程机械相关的原始特征数据信息；f、所述智能专家分析知识库记载所要解决的问题领域中的事实和规则；本系统的工作流程包括：1）输入故障信息；2）对故障信息进行集合；3）提取综合数据库存储工程机械相关的原始特征数据信息；4）把步骤2）的故障信息与步骤3）的原始特征数据信息进行比较；如果步骤2）的故障信息是已知故障，则直接输出故障原因；如果步骤2）的故障信息是未知故障，则把故障信息送智能专家分析知识库进行分析后，输出故障原因；本方法的具体实施时所采用的技术说明：BP神经网络，即误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成；输入层各神经元负责接收来自外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果；当实际输出与期望输出不符时，进入误差的反向传播阶段；误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传；周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度，或者预先设定的学习次数为止；BP神经网络模型包括其输入输出模型、作用函数模型、误差计算模型和自学习模型；（1）节点输出模型隐节点输出模型：Oj=f(∑Wij×Xi‑qj)输出节点输出模型：Yk=f(∑Tjk×Oj‑qk)f‑非线形作用函数；q‑神经单元阈值；（2）作用函数模型作用函数是反映下层输入对上层节点刺激脉冲强度的函数又称刺激函数，一般取为(0,1)内连续取值Sigmoid函数：f(x)=1/(1+e)（3）误差计算模型误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数：Ep=1/2×∑(tpi‑Opi)tpi‑i节点的期望输出值；Opi‑i节点计算输出值；（4）自学习模型神经网络的学习过程，即连接下层节点和上层节点之间的权重矩阵Wij的设定和误差修正过程；BP网络有师学习方式‑需要设定期望值和无师学习方式‑只需输入模式之分；自学习模型为△Wij(n+1)=h×Фi×Oj+a×△Wij(n)h‑学习因子；Фi‑输出节点i的计算误差；Oj‑输出节点j的计算输出；a‑动量因子。