一种无人驾驶车辆电控部件故障监测与预警方法

本发明涉及故障监测及预警，具体涉及基于威布尔分布与支持向量机的无人集卡电控部件监测与故障预警方法。

背景技术：

1、无人集卡电控设备监测与故障预警对于企业尤其是码头行业的正常运作有着极其重要的作用，同时也在整个无人驾驶集卡安全策略里有着举足轻重的地位。

2、目前对于无人集卡一些部件设备的监测与故障预警的计算方法存在较大问题：一是从数据源而言，对无人集卡行驶的场地内最小颗粒，全方面覆盖感应器，部署成本较大，基于有缺失的数据，随机数据或局部数据，导致监测不够可靠，延迟及准确性较低；二是计算手段凭借人为经验或基于简单的损坏与总投入时间比值，预测误差较大，准确度较低，预警效果差。因此，亟需提供一种方法能够有效预测设备使用寿命与损坏情况，并且能较好解决电控设备的失效、以及寿命的监测并进行预警效果。

技术实现思路

1、本发明的目的就是解决上述背景中感应设备成本过大、车辆电控设备的失效度不精确和寿命到期预警效果差的问题，提出一种无人驾驶车辆电控部件故障监测与预警方法，包括以下步骤：

2、s1、将采集到的特征、设备使用损耗状态和故障情况数据进行数据清洗与处理，确定输入特征数据与输出标签；

3、s2、根据输入的特征与输出的标签构造svm预测模型；

4、s3、对svm预测模型进行训练；

5、s4、将模型预测与实际值进行对比，判断模型的精确率、召回率、f值、准确率是否小于预先设定阈值以决定模型是否可用；

6、s5、根据svm预测模型得到的数据，对损耗状态数据、故障情况进行数据扩充与缺失情况数据的补充，将特征标签损耗状态数据与故障情况进行数据处理合并为损耗故障情况；

7、s6、对由svm预测模型所得的新数据集，采用威布尔分布对设备损耗故障率进行预测；

8、s7、采用中位秩回归法作为参数估计方法，拟合后将平方差降低至最小，进而得到损耗故障率函数，参数含第一个为形状参数与第二个特征寿命参数；

9、采用所建立的svm预测模型对目标电控部件所对应的故障率情况并作出预警。

10、优选的方案中，当步骤s4中模型判断可用时，则跳过步骤s4直接到步骤s5；

11、当步骤s4中判断不可用时，则进行与s5并列的步骤s8，步骤s8具体包括：进行svm预测模型的超参数调优、阈值移动调优和class_weight调优方法进行调整，直到满足预先设定阈值为止。

12、优选的方案中，步骤s1还包括以下步骤：

13、s11、由svm预测模型所需的传递值特征，对采集到的所有数据进行标准化：

14、

15、其中，zij是标准化后的变量值，xij实际变量值，xi是数学期望，si为标准差；

16、s12、采用以下公式对数据进行归一化：

17、

18、其中，xk表示输入原数据，xmin表示输入原数据里的最小值，xmax表示输入原数据里的最大值，xk*输入原数据归一化后的数据；

19、s13、进行连续变量的分箱处理。

20、优选的方案中，步骤s13还包括以下步骤：

21、s131、根据业务指标确定，对损耗情况分为多级的不同故障程度分布，对喇叭所发出声音的分贝采集，进行分箱处理，0分贝为人刚能听到的最微弱的声音等级为1；大于0且小于等于10分贝等级为2；大于10且小于等于20分贝等级为3；大于20且小于等于30分贝等级为4；大于30且小于等于40分贝等级为5；大于40且小于等于50分贝等级为6；大于50分贝等级为7；

22、s132、根据计算流程确定，同时结合采用等频分箱与无监督聚类分箱，为连续特征变量分箱处理后的数据结果。

23、优选的方案中，步骤s2还包括以下步骤：

24、s21、对多分类离散变量进行独热编码处理，对连续变量进行分箱后，创建机器学习流封装这两步；

25、s22、构建转化器，转化器针对离散字段的多分类独热编码、连续字段基于k-means的三分箱创建转化流columntransformer()；

26、s23、构建评估器，评估器包含评估指标：准确率作为模型评估指标，同时参考混淆矩阵评估指标、f1-score和roc-aux值。

27、优选的方案中，在步骤s3中，对构造好的svm模型训练集和测试集结合交叉验证法进行训练，其中训练含有的参数包括：训练次数、训练目标和学习速率。

28、优选的方案中，在步骤s4中，召回率是指模型预测正确的样本数与实际正类样本数之比，代表了模型的召回正类能力、准确率是指模型预测正确的样本数与总样本数之比，表示模型预测的准确率。

29、优选的方案中，在步骤s8中，新的故障情况为不同时刻、不同位子安装的感应器所获取到的数据，以及svm预测模型符合设定阈值要求的数据的合并。

30、优选的方案中，步骤s6中，新数据集在基于威布尔分布对设备损耗故障率进行预测后所得数据为一个周期，下个周期依旧的新数据集为上一个周期预测得到的数据结合新周期感应器获取到的数据。

31、优选的方案中，在步骤s7中，采用中位秩回归法作为参数估计方法，拟合后将平方差降低至最小，进而得到损耗故障率函数，参数包括形状参数和寿命参数，进一步对威布尔分布进行参数估计分析，双参数韦伯分布累计分布函数为：

32、

33、其中，x为随机变量，β为形状参数，η为缩放因子

34、定义f(t)作为无人集卡电控设备的失效率函数：

35、

36、其中，t为时间变量，β为形状参数，η为缩放因子；

37、判断无人集卡电控设备可靠性的函数：

38、r(t)＝1-f(t)，

39、其中f(t)作为无人集卡电控设备的失效率函数，代入得：

40、

41、其中，r(t)为无人集卡电控设备可靠性，t为时间变量，β为形状参数，η为缩放因子；

42、对可靠性函数两边取对数，则：

43、

44、

45、即：

46、

47、

48、即：

49、y＝βx-βlnη

50、则此时已为线性方程：

51、yi＝wxi+b

52、对已知时间与失效度最小二乘法拟合，得参数估计值。通过中位秩法得每个损失故障时刻点对应中位秩数，即为失效度，其中b为形状参数β，

53、w＝(1-lnη)，

54、η为缩放因子，

55、xi＝ln(ti)

56、其中，ti表示监测的损失故障数据的时间，f(ti)表示中位秩。

57、本发明的有益效果为：本方法采用了威布尔分布结合支持向量机对无人集卡的电控部件进行监测与故障预警，对无人集卡电控设备的损坏，基于svm预测数据构建较为完备的有效数据，实现无人集卡电控设备的完整准确监测；对无人集卡电控设备即将到来的设备故障情况结合生产业务状况进行有效预警，便于企业维修及管理人员根据预测结果与预警提示做出对应措施；通过数据扩增结合威布尔分布的思想，可在已部署好传感器的场地内，进一步提升车辆的电控部件故障的预测与监控效果。