憋车故障预测方法、装置及作业机械与流程

1.本发明涉及工程机械技术领域，尤其涉及一种憋车故障预测方法、装置及作业机械。


背景技术：

2.憋车故障，指作业机械中的发动机在受力情况下转速急剧下掉或者熄火的故障。多种原因可以导致憋车故障，例如：作业机械的发动机功率与液压系统中的主泵功率不匹配、发动机进气量不足、负载过大、油路阻塞以及空气滤芯堵塞等。频繁的出现憋车故障可能会对作业机械中的传动系统造成损坏，影响作业机械的使用寿命。
3.现有的憋车故障预测方法可以依据预先确定的转速阈值，在实时检测到的发动机转速发生掉速且掉速值大于上述转速阈值的情况下，认为作业机械可能会发生憋车故障。但是，基于上述现有的憋车故障预测方法对是否会发生憋车故障进行预测，往往在确定实时检测到的发动机转速发生掉速且掉速值大于上述转速阈值时，作业机械已经发生憋车故障，难以预留足够的时间对作业机械进行检修或控制，预测憋车故障的实用性不强。


技术实现要素：

4.本发明提供一种憋车故障预测方法、装置及作业机械，用以解决现有技术中预测憋车故障的实用性不强的缺陷，实现提高预测憋车故障的实用性。
5.本发明提供一种憋车故障预测方法，包括：
6.获取目标数据，所述目标数据包括第一时段内作业机械的发动机的转速、工作档位和动力工况数据；
7.将所述目标数据输入憋车故障预测模型，获取所述憋车故障预测模型输出的第二时段内所述作业机械发生憋车故障的预测结果；
8.其中，所述第一时段的结束时刻早于所述第二时段的起始时刻；所述动力工况数据包括：液压系统的回油压力、主泵压力和主泵电流；所述憋车故障预测模型，是基于第一样本时段内样本作业机械的发动机的转速、工作档位和所述动力工况数据，以及第二样本时段内所述样本作业机械是否发生憋车故障构建的；所述第一样本时段的结束时刻早于所述第二样本时段的起始时刻。
9.根据本发明提供的一种憋车故障预测方法，所述将所述目标数据输入憋车故障预测模型，获取所述憋车故障预测模型输出的第二时段内所述作业机械发生憋车故障的预测结果，具体包括：
10.将所述目标数据输入所述憋车故障预测模型，获取所述憋车故障预测模型输出的所述预测结果，所述预测结果表示所述第二时段内所述作业机械不会发生憋车故障；
11.其中，所述憋车故障预测模型用于获取所述目标数据对应的第一特征数据，基于所述第一特征数据，获取所述第二时段内所述作业机械发生憋车故障的第一概率，在所述第一概率不大于第一预设值的情况下，输出所述预测结果。
12.根据本发明提供的一种憋车故障预测方法，所述将所述目标数据输入憋车故障预测模型，获取所述憋车故障预测模型输出的第二时段内所述作业机械发生憋车故障的预测结果，具体包括：
13.将所述目标数据输入所述憋车故障预测模型，获取所述憋车故障预测模型输出的所述预测结果，所述预测结果包括所述第二时段内所述作业机械发生憋车故障的第二概率；
14.其中，所述憋车故障预测模型用于获取所述目标数据对应的第一特征数据，基于所述第一特征数据，获取所述第二时段内所述作业机械发生憋车故障的第一概率，在所述第一概率大于第一预设值的情况下，获取所述目标数据对应的第二特征数据，基于所述第二特征数据，获取所述第二时段内所述作业机械发生憋车故障的第二概率。
15.根据本发明提供的一种憋车故障预测方法，所述憋车故障预测模型用于基于所述目标数据中的所述转速和所述工作档位，分别对所述目标数据中每一类型的动力工况数据进行特征提取，获取所述每一类型的动力工况数据对应的特征数据，作为所述第一特征数据。
16.根据本发明提供的一种憋车故障预测方法，所述憋车故障预测模型用于获取所述目标数据的残差和决定系数，作为所述第二特征数据。
17.根据本发明提供的一种憋车故障预测方法，所述预测结果，还包括：所述第二概率对应的风险等级。
18.本发明还提供一种憋车故障预测装置，包括：
19.数据获取模块，用于获取目标数据，所述目标数据包括第一时段内作业机械的发动机的转速、工作档位和动力工况数据；
20.故障预测模块，用于将所述目标数据输入憋车故障预测模型，获取所述憋车故障预测模型输出的第二时段内所述作业机械发生憋车故障的预测结果；
21.其中，所述第一时段的结束时刻早于所述第二时段的起始时刻；所述动力工况数据包括：液压系统的回油压力、主泵压力和主泵电流；所述憋车故障预测模型，是基于第一样本时段内样本作业机械的发动机的转速、工作档位和所述动力工况数据，以及第二样本时段内所述样本作业机械是否发生憋车故障构建的；所述第一样本时段的结束时刻早于所述第二样本时段的起始时刻。
22.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述憋车故障预测方法。
23.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述憋车故障预测方法。
24.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述憋车故障预测方法。
25.本发明提供的憋车故障预测方法、装置及作业机械，通过获取包括第一时段内作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流的目标数据，将上述目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果，第一时段的结束时刻早于第二时段的起始时刻，憋车故
障预测模型是基于第一样本时段内样本作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流，以及第二样本时段内样本作业机械是否发生憋车故障构建的，第一样本时段的结束时刻早于第二样本时段的起始时刻，能对憋车故障进行提前预测，能提高憋车故障预测的实用性，通过提前预测憋车故障，能在憋车故障发生之前预留足够的时间对作业机械进行检修和维护，能更有效的避免憋车故障的发生，能提高作业机械的可用性，能减少维护工作量，能降低维护成本。
附图说明
26.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
27.图1是本发明提供的憋车故障预测方法的流程示意图之一；
28.图2是本发明提供的憋车故障预测方法中第一时段内未经过数据处理的发动机的转速的数据示意图；
29.图3是本发明提供的憋车故障预测方法中第一时段内经过数据处理后的发动机的转速的数据示意图；
30.图4是本发明提供的憋车故障预测方法中憋车故障预测模型的结构示意图；
31.图5是本发明提供的憋车故障预测方法中第二概率对应的置信区间的数据示意图；
32.图6是本发明提供的憋车故障预测方法中目标数据中的液压系统的回油压力的数据示意图；
33.图7是本发明提供的憋车故障预测方法中目标数据中单位转速下的液压系统的回油压力的数据示意图；
34.图8是本发明提供的憋车故障预测方法中第二特征数据的数据示意图；
35.图9是本发明提供的憋车故障预测方法中第二概率的数据示意图；
36.图10是本发明提供的憋车故障预测装置的结构示意图；
37.图11是本发明提供的电子设备的结构示意图。
具体实施方式
38.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
39.在发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
40.需要说明的是，基于传统的智能诊断技术，可以对作业机械的发动机、动力头以及轴承等零部件进行诊断，判断上述零部件是否发生故障，对于憋车故障的智能诊断技术较少。
41.通常情况下，可以依据预先确定的转速阈值，在实时检测到的发动机转速发生掉速且掉速值大于预设的转速阈值的情况下，认为作业机械可能会发生憋车故障，此时可以通过对作业机械的液压系统中的电比例阀电流、主泵马达供油压力以及主泵电压等进行调节，控制作业机械的负载和扭矩，避免憋车故障的发生。但是对于由于作业机械油路阻塞、空气滤芯堵塞等问题造成的憋车故障，难以通过调节电比例阀电流、主泵马达供油压力以及主泵电压等避免憋车故障的发生，使得作业机械的速度和扭矩将持续保持不匹配的状态，容易造成作业机械的损坏。因此，对于由于作业机械油路阻塞、空气滤芯堵塞等问题造成的憋车故障，只能通过对作业机械的及时检修，排除作业机械油路阻塞、空气滤芯堵塞等问题，才能避免憋车故障的发生。但是，对作业机械进行频繁的检修不仅影响作业机械的工作效率，还需要投入大量的人力成本和维修成本。
42.传统的憋车故障预测方法基于对发动机的转速的实时检测，判断作业机械是否发生憋车故障，在确定实时检测到的发动机转速发生掉速且掉速值大于预设的转速阈值时，作业机械可能已经出现憋车故障，难以预留足够的时间对作业机械进行检修或控制，时效性较差，局限性较强。
43.因此，本发明提供一种憋车故障预测方法。基于本发明提供的憋车故障预测方法，可以提前对作业机械是否会出现憋车故障进行预测，从而可以预留足够的时间对作业机械进行检修或控制，避免因为憋车故障造成作业机械的损坏，提高作业机械的可用性，减少维护工作量，降低维护成本。
44.图1是本发明提供的憋车故障预测方法的流程示意图。下面结合图1描述本发明的憋车故障预测方法。如图1所示，该方法包括：步骤101、获取目标数据，目标数据包括第一时段内作业机械的发动机的转速、工作档位和动力工况数据；其中，第一时段的结束时刻早于第二时段的起始时刻；动力工况数据包括：液压系统的回油压力、主泵压力和主泵电流。
45.具体地，第一时段早于第二时段且第一时段与第二时段不交叉。基于本发明提供的憋车故障预测方法，可以基于第一时段内作业机械的工况数据，对第二时段内作业机械是否出现憋车故障进行预测，获取第二时段内作业机械发生憋车故障的预测结果。
46.可选地，第一时段的结束时刻可以为第二时段的起始时刻。第一时段的时长可以与第二时段的时长可以相同。例如：第一时段可以为2022年1月1日的00:00至23:59，第二时段可以为2022年1月2日的00:00至23:59，基于本发明提供的憋车故障预测方法，可以基于2022年1月1日的00:00至23:59内作业机械的工况数据，对2022年1月2日的00:00至23:59内作业机械是否出现憋车故障进行预测，获取2022年1月2日的00:00至23:59内作业机械发生憋车故障的预测结果。
47.可以理解的是，憋车故障主要是由于发动机在工作过程中发生动力不匹配导致的，因此，本发明实施例中可以获取能够描述作业机械在作业过程中发动机动力匹配情况的动力工况数据用于憋车故障预测。
48.动力工况数据可以包括但不限于液压系统的回油压力、主泵压力和主泵电流。
49.可以理解的是，动力工况数据中包括多种不同类型的动力工况数据，液压系统的
回油压力、主泵压力和主泵电流分别为三种不同类型的动力工况数据。
50.可以基于作业机械的控制器持续获取第一时段内作业机械的发动机的转速和作业机械的工作档位。例如：可以在第一时段内每隔预设采样周期，获取作业机械的发动机的转速和作业机械当前的工作档位(当前档位)。
51.可以通过多种方式持续获取第一时段内作业机械的动力工况数据，例如：可以基于作业机械的控制器，在第一时段内每隔上述预设采样周期获取作业机械在当前档位下液压系统的主泵电流；还可以基于各类传感器，在第一时段内每隔上述预设采样周期获取作业机械在上述当前档位下液压系统的回油压力和主泵压力。
52.获取第一时段内作业机械的发动机的转速、工作档位和动力工况数据之后，可以直接将第一时段内作业机械的发动机的转速、工作档位和动力工况数据作为目标数据。
53.可选地，由于用于获取第一时段内作业机械的动力工况数据的传感器种类不同、型号不同，各传感器的采样频率亦不同。并且，由于作业机械的工作环境复杂，作业机械作业时会产生较大幅度的震动，造成上述各传感器采集到的数据具有很大的噪声，信噪比较低且包括较多的异常值和空缺值。为了提高憋车故障预测的准确率，获取第一时段内作业机械的发动机的转速、工作档位和动力工况数据之后，可以将上述数据作为原始数据，并对上述原始数据进行数据处理之后，将经过数据处理后的原始数据作为目标数据。
54.可以基于数理统计、线性插值以及降采样等方式，对上述原始数据进行数据处理。具体的数据处理过程以对第一时段内发动机的转速进行数据处理为例进行说明。
55.图2是本发明提供的憋车故障预测方法中第一时段内未经过数据处理的发动机的转速的数据示意图。如图2所示，第一时段为2019年11月19日08:10:57至2019年11月20日08:10:56，第一时段内未经过数据处理的发动机的转速噪声较大，存在多个波动较大的异常值。
56.基于数理统计的方法对第一时段内未经过数据处理的发动机的转速中的异常值进行识别之后，可以利用线性插值的方法对异常值进行替换。
57.对第一时段内未经过数据处理的发动机的转速中的异常值进行替换之后，可以基于先验知识对替换后的异常值进行校验，在替换后的异常值满足校验的情况下，确认对异常值的替换。
58.图3是本发明提供的憋车故障预测方法中第一时段内经过数据处理后的发动机的转速的数据示意图。如图3所示，第一时段内经过数据处理后的发动机转速噪声较小，可以将上述第一时段内经过数据处理后的发动机的转速作为目标数据。
59.还可以对第一时段内作业机械的作业机械的发动机的转速、工作档位和动力工况数据进行降采样处理，统一发动机转速、工作档位和目标工况数据的采样频率。
60.需要说明的是，目标数据中的作业机械的发动机的转速、工作档位与动力工况数据具有对应关系。
61.需要说明的是，本发明实施例中的“第一”、“第二”是用于区别类似的对象，而不是用于描述或表示特定的顺序或先后次序。
62.步骤102、将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果；其中，憋车故障预测模型，是基于第一样本时段内样本作业机械的发动机的转速、工作档位和动力工况数据，以及第二样本时段内样本作
业机械是否发生憋车故障构建的；第一样本时段的结束时刻早于第二样本时段的起始时刻。
63.具体地，在将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果之前，可以获取第一样本时段内样本作业机械的发动机的转速、工作档位和动力工况数据作为样本数据，获取第二样本时段内样本作业机械是否发生憋车故障作为样本标签，基于上述样本数据和样本标签构建憋车故障预测模型。其中，第一样本时段早于第二样本时段，且第一样本时段与第二样本时段不交叉。
64.可选地，第一样本时段的结束时刻可以为第二样本时段的起始时刻。第一样本时段的时长可以与第二样本时段的时长可以相同。
65.需要说明的是，第一样本时段和第二样本时段，与第一时段和第二时段具有对应关系，即第一时段的时长与第一样本时段的时长相同，第二时段的时长与第二样本时段的时长相同，第一时段与第二时段之间间隔的时长，与第一样本时段与第二样本时段之间间隔的时长相同。
66.需要说明的是，样本作业机械为处于正常工作状态的作业机械。如上所述的作业机械与样本作业机械的类型相同、型号相同。
67.可以通过多种方法获取上述样本数据，例如：可以基于样本作业机械的控制器，在第一样本时段内每隔预设采样周期获取样本作业机械的发动机的转速、样本作业机械当前的工作档位(当前档位)以及样本作业机械在上述当前档位下液压系统的主泵电流，作为样本数据；还可以基于各类传感器，在第一样本时段内每隔预设采样周期获取样本作业机械在上述当前档位下液压系统的回油压力和主泵压力，作为样本数据。
68.可以基于先验数据确定第二样本时段内样本作业机械是否发生憋车故障，作为样本标签。
69.获取上述样本数据和上述样本标签之后，可以基于上述样本数据和上述样本标签构建憋车故障预测模型。
70.构建好憋车估计预测模型之后，可以将目标数据输入上述憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果。
71.需要说明的是，上述预测结果可以包括第二时段内作业机械会出现憋车故障，或者不会出现憋车故障；上述预测结果还可以包括第二时段内作业机械发生憋车故障的概率和/或风险等级；上述预测结果还可以包括第二时段内的目标时刻作业机械发生憋车故障的概率和/或风险等级。本发明实施例中对上述预测结果不作具体限定。
72.本发明实施例通过获取包括第一时段内作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流的目标数据，将上述目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果，第一时段的结束时刻早于第二时段的起始时刻，憋车故障预测模型是基于第一样本时段内样本作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流，以及第二样本时段内样本作业机械是否发生憋车故障构建的，第一样本时段的结束时刻早于第二样本时段的起始时刻，能对憋车故障进行提前预测，能提高憋车故障预测的实用性，通过提前预测憋车故障，能在憋车故障发生之前预留足够的时间对作业机械进行检修和维护，能更有效的避免憋车故障的发生，能提高作业机械的可用性，能减少维护工作量，能降低维护
成本。
73.基于上述各实施例的内容，将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的预测结果，预测结果表示第二时段内作业机械不会发生憋车故障；其中，憋车故障预测模型用于获取目标数据对应的第一特征数据，基于第一特征数据，获取第二时段内作业机械发生憋车故障的第一概率，在第一概率不大于第一预设值的情况下，输出预测结果。
74.图4是本发明提供的憋车故障预测方法中憋车故障预测模型的结构示意图。如图4所示，憋车故障预测模型，包括：第一特征提取层和第一预测层。
75.具体地，获取目标数据之后，将目标数据输入憋车故障预测模型中的第一特征提取层，可以获取第一特征提取层输出的目标数据对应的第一特征数据。
76.第一特征提取层可以用于对目标数据进行第一次特征提取，获取并输出上述第一特征数据。
77.获取上述第一特征数据之后，可以将上述第一特征数据输入第一预测层，获取第一预测层输出的表示第二时段内作业机械不会发生憋车故障的预测结果。
78.需要说明的是，将第一特征数据输入憋车故障预测模型中的第一预测层之前，可以基于上述样本数据和样本标签，对第一预测层进行训练，获得训练好的第一预测层。
79.具体地，对上述样本数据进行第一次特征提取，可以获取上述样本数据对应的第一样本特征数据。
80.可选地，可以将上述样本数据输入第一特征提取层，获取第一特征提取层输出的上述样本数据对应的第一样本特征数据。
81.基于先验知识和第二样本时段内样本作业机械是否发生憋车故障，可以获取第二样本时段内样本作业机械发生憋车故障的第一样本概率，例如：若第二样本时段内样本作业机械未发生憋车故障，则上述第一样本概率为0。
82.基于先验知识还可以确定出现憋车故障时每一类型的动力工况数据的阈值范围以及每一类型的动力工况数据对发生憋车故障的贡献度，作为训练第一预测层的训练参数。
83.基于上述训练参数、第一样本特征数据和第一样本概率，可以对第一预测层进行训练，获得训练好的第一预测层。
84.获得训练好的第一预测层之后，可以将第一特征数据输入训练好的第一预测层。
85.第一预测层可以基于第一特征数据，获取第二时段内作业机械发生憋车故障的第一概率。若第一概率不大于预设的概率阈值，则第一预测层可以确定第二时段内作业机械发生憋车故障的可能性较小，则第一预测层可以输出表示第二时段内作业机械不会发生憋车故障的预测结果，进而可以获取憋车故障预测模型输出的表示第二时段内作业机械不会发生憋车故障的预测结果。
86.可选地，憋车故障预测模型输出的预测结果中，还可以包括第二时段内作业机械发生憋车故障的第一概率。
87.本发明实施例通过将目标数据输入憋车故障预测模型，憋车故障预测模型对目标数据进行第一次特征提取，获取第二时段内作业机械发生憋车故障的第一概率，在确定上述第一概率不大于第一预设值的情况下，输出表示第二时段内作业机械不会发生憋车故障
的预测结果，能作业机械处于正常状态的情况下，更高效、更准确的获取憋车故障的预测结果。
88.基于上述各实施例的内容，将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果，具体包括：将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的预测结果，预测结果包括第二时段内作业机械发生憋车故障的第二概率；其中，憋车故障预测模型用于获取目标数据对应的第一特征数据，基于第一特征数据，获取第二时段内作业机械发生憋车故障的第一概率，在第一概率大于第一预设值的情况下，获取目标数据对应的第二特征数据，基于第二特征数据，获取第二时段内作业机械发生憋车故障的第二概率。
89.如图4所示，憋车故障预测模型，还包括：第二特征提取层和第二预测层。
90.具体地，将目标数据输入第一特征提取层，获取第一特征提取层输出的目标数据对应的第一特征数据之后，将第一特征数据输入训练好的第一预测层。
91.第一预测层可以基于第一特征数据，获取第二时段内作业机械发生憋车故障的第一概率。若第一概率大于第一预设值，则第一预测层可以确定第二时段内作业机械发生憋车故障的可能性较大，则第一预测层可以调用第二特征提取层，将目标数据输入第二特征提取层。
92.第二特征提取层可以对目标数据进行第二次特征提取，获取并输出目标数据对应的第二特征数据。
93.将第二特征数据输入第二预测层，获取第二预测层输出的预测结果，预测结果包括第二时段内作业机械发生憋车故障的概率。
94.需要说明的是，将第二特征数据输入第二预测层之前，可以基于上述样本数据以及上述样本标签对第二预测层进行训练，获取训练好的第二预测层。
95.具体地，对上述样本数据进行第二次特征提取，可以获取上述样本数据对应的第二样本特征数据。
96.可选地，可以将上述样本数据输入第二特征提取层，获取第一特征提取层输出的上述样本数据对应的第二样本特征数据。
97.可以基于先验知识和第二样本时段内样本作业机械是否发生憋车故障，获取第二样本时段内样本作业机械发生憋车故障的第二样本概率。第二样本概率可以与第一样本概率相同。
98.基于上述第二样本特征数据和上述第二样本概率，可以对第二预测层进行训练，获得训练好的第二预测层。
99.获得训练好的第二预测层之后，可以将第二特征数据输入第二预测层。
100.第二预测层可以基于第二特征数据，获取第二时段内作业机械发生憋车故障的第二概率，作为第二时段内作业机械发生憋车故障的预测结果，进而可以获取第二预测层输出的包括第二时段内作业机械发生憋车故障的预测结果。
101.需要说明的是，上述第二概率，可以为第二时段内作业机械发生憋车故障的平均概率，例如：第二时段内作业机械发生憋车故障的概率为85％；上述第二概率，还可以为第二时段内的目标时刻作业机械发生憋车故障的概率，其中，任意相邻两个目标时刻之间的时间间隔可以为预设时长。本发明实施例中对上述第二概率不作具体限定。
102.需要说明的是，可以基于先验知识和第二样本时段内样本作业机械发生憋车故障的时刻，还可以获取第二样本概率的置信区间。
103.相应地，基于上述第二样本特征数据、上述第二样本概率和上述第二样本概率的置信区间，对第二预测层进行训练，获得训练好的第二预测层之后，将第二特征数据输入上述第二预测层，上述第二预测层可以基于第二特征数据，获取上述第二概率以及上述第二概率对应的置信区间。
104.图5是本发明提供的憋车故障预测方法中第二概率对应的置信区间的数据示意图。如图5所示，在置信区间为0.5的情况下，上述第二概率为85％。
105.本发明实施例通过将目标数据输入憋车故障预测模型，憋车故障预测模型对目标数据进行第一次特征提取，获取第二时段内作业机械发生憋车故障的第一概率，在确定上述第一概率大于第一预设值的情况下，基于目标数据获取目标数据对应的第二特征数据，基于第二特征数据获取第二时段内作业机械发生憋车故障的第二概率作为第二时段内作业机械发生憋车故障的预测结果，能在初次预测第二时段内作业机械发生憋车故障的可能性较大的情况下，进一步对第二时段内作业机械发生憋车故障进行预测，尤其能对作业机械中油路堵塞、空气滤芯堵塞等问题造成的憋车故障进行提前预测，能更直观的获取第二时段内作业机械发生憋车故障的预测结果，能基于上述预测结果进行更有针对性的举措，更有效的避免憋车故障的发生，能减少维护工作量，能降低维护成本投入。
106.基于上述各实施例的内容，憋车故障预测模型用于基于目标数据中的转速和工作档位，分别对目标数据中每一类型的动力工况数据进行特征提取，获取每一类型的动力工况数据对应的特征数据，作为第一特征数据。
107.具体地，将目标数据输入第一特征提取层之后，第一特征提取层可以基于目标数据中的发动机的转速和工作档位，对每一类型的动力工况数据进行特征提取，从而可以将每一类型的动力工况数据量化为特征数据，获取每一类型的动力工况数据对应的特征数据作为目标数据对应的第一特征数据。例如：第一特征提取层可以对目标数据中作业机械发动机的转速进行特征提取，获取目标数据中发动机的转速对应的特征数据作为第一特征数据。
108.可选地，对于任一类型的动力工况数据，第一特征提取层可以对每一工作档位下该类型的动力工况数据进行特征提取，获取每一工作档位下该类型的动力工况数据对应的特征数据作为该类型的动力工况数据对应的特征数据。例如：第一特征提取层可以对目标数据中作业机械在第一工作档位下的发动机的转速进行特征提取，获取目标数据中第一工作档位下的发动机的转速对应的特征数据，作为目标数据中发动机的转速对应的特征数据。
109.第一特征提取层可以通过如下方式对目标数据中作业机械在任一工作档位下任一类型的动力工况数据进行特征提取，具体包括：第一特征提取层可以获取目标数据中该工作档位下该类型的动力工况数据与对应的发动机的转速之间的比值，获取第一时段内该工作档位下单位转速下的该类型的动力工况数据，基于第一时段内该工作档位下单位转速下的该类型的动力工况数据和该工作档位下该类型的动力工况数据，通过数值计算的方法可以对该工作档位下该类型的动力工况数据进行特征提取，将第一时段内该工作档位下单位转速下的该类型的动力工况数据和该工作档位下该类型的动力工况数据量化为该工作
档位下该类型的动力工况数据对应的特征数据，作为该类型的动力工况数据对应的特征数据。
110.图6是本发明提供的憋车故障预测方法中目标数据中液压系统的回油压力的数据示意图。图7是本发明提供的憋车故障预测方法中目标数据中单位转速下的液压系统的回油压力的数据示意图。第一特征提取层可以获取目标数据中液压系统的回油压力与对应的发动机的转速之间的比值，获取目标数据中单位转速下的液压系统的回油压力。
111.第一特征提取层可以基于目标数据中单位转速下的液压系统的回油压力，将目标数据中单位转速下的液压系统的回油压力量化为液压系统的回油压力对应的特征数据[0.0182,0.0184,0.0180,0.00006]。
[0112]
本发明实施例中憋车故障预测模型基于目标数据中第一时段内作业机械的发动机的转速和工作档位，分别对目标数据中每一类型的动力工况数据进行特征提取，获取每一类型的动力工况数据对应的特征数据作为目标数据对应的第一特征数据，能更准确、更高效的获取目标数据的特征，进而能基于目标数据的特征更准确的推断第一时段内作业机械的运行状态，为更准确的获取憋车故障的预测结果提供数据基础。
[0113]
基于上述各实施例的内容，憋车故障预测模型用于获取目标数据的残差和决定系数，作为第二特征数据。
[0114]
可以理解的是，样本作业机械处于正常工作状态，因此样本作业机械的动力系统满足速度特性曲线，可以利用回归算法获取第一样本时段内样本作业机械的发动机的转速和样本作业机械的动力工况数据的回归模型。
[0115]
获取上述回归模型之后，可以基于上述回归模型构建第二特征提取层。
[0116]
第一预测层将目标数据输入构建好的第二特征提取层之后，第二特征提取层可以基于目标数据和上述回归模型，对目标数据进行第二次特征提取，获取目标数据的残差和决定系数，作为目标数据对应的第二特征数据，进而可以获取第二特征提取层输出的第二特征数据。
[0117]
图8是本发明提供的憋车故障预测方法中第二特征数据的数据示意图。图8中的图(a)为目标数据的残差的示意图，图8中的图(b)为目标数据的决定系数的示意图。如图8所示，图(a)和图(b)中出现较大的波动点，表示在上述波动点作业机械的动力工况数据与样本作业机械的动力系统的速度特性曲线偏差较大，上述波动点所在时刻作业机械可能发生憋车故障。
[0118]
需要说明的是，决定系数，表示一个随机变量与多个随机变量关系的数字特征，用来反映回归模式说明因变量变化可靠程度的一个统计指标，一般用符号“r”表示。
[0119]
图9是本发明提供的憋车故障预测方法中第二时段内作业机械发生憋车故障的概率的数据示意图。如图9所示，实线为第二时段内作业机械的发动机的转速的实际值，虚线为第二时段内作业机械的发动机的转速的预测值，预测值发生较大波动的波动点，表示该波动点所在时刻作业机械发生憋车故障的概率较高。
[0120]
本发明实施例中的憋车故障预测模型获取目标数据的残差和决定系数，作为目标数据对应的第二特征数据，能提高憋车故障预测模型的可解释性、计算效率和精确率，降低憋车故障预测模型的误报率，能更准确、更高效的对憋车故障进行提前预测。
[0121]
基于上述各实施例的内容，预测结果，还包括：第二概率对应的风险等级。
[0122]
可选地，将第二特征数据输入训练好的第二预测层，第二预测层可以基于第二特征数据，获取第二时段内作业机械发生憋车故障的第二概率和上述第二概率的置信区间。第二预测层基于第二概率和上述第二概率的置信区间，可以确定第二时段内作业机械发生憋车故障的风险等级。
[0123]
可选地，将第二特征数据输入训练好的第二预测层，第二预测层可以基于第二特征数据，获取第二时段内作业机械发生憋车故障的第二概率，第二预测层可以基于上述第二概率与第二预设值，确定第二时段内作业机械发生憋车故障的风险等级。例如：第二预设值可以包括80％、60％、40％和20％，若上述第二概率大于80％，则确定上述风险等级为高风险，若上述第二概率大于60％，则确定上述风险等级为中高风险，若上述第二概率大于40％，则确定上述风险等级为中风险，若上述第二概率大于20％，则确定上述风险但各级为中低风险，若上述第二概率小于20％，则确定上述风险等级为低风险。
[0124]
需要说明的是，第二时段内作业机械发生憋车故障的风险等级，可以为第二时段内作业机械发生憋车故障的平均风险等级，例如：第二时段内作业机械发生憋车故障的风险等级为中高风险；第二时段内作业机械发生憋车故障的风险等级，还可以为第二时段内的目标时刻作业机械发生憋车故障的风险等级，其中，任意相邻两个目标时刻之间的时间间隔可以为预设时长。本发明实施例中对第二时段内作业机械发生憋车故障的风险等级不作具体限定。
[0125]
基于获取到的第二时段内作业机械发生憋车故障的风险等级，可以进行有针对性的举措，避免作业机械发生憋车故障，例如：在第二时段内作业机械发生憋车故障的风险等级为高风险的情况下，需要对作业机械进行停机检修，重点检测作业机械是否出现油路阻塞、空气滤芯堵塞等。
[0126]
本发明实施例通过憋车故障预测模型基于第二特征数据获取第二时段内作业机械发生憋车故障的第二概率之后，基于上述第二概率获取第二时段内作业机械发生憋车故障的风险等级，从而输出包括上述风险等级的预测结果，能更灵活、更直观的展示第二时段内作业机械发生憋车故障的预测结果，能基于上述预测结果包括的风险等级进行更有针对性的举措，避免憋车故障的发生，能减少维护工作量，能降低维护成本投入。
[0127]
基于上述各实施例的内容，第二样本时段内样本作业机械是否发生憋车故障，是基于第二样本时段内样本作业机械发生憋车故障的时刻确定的，在第二样本时段内样本作业机械未发生憋车故障的情况下，第二样本时段内样本作业机械发生憋车故障的时刻为空；第二概率，包括：第二时段内的目标时刻作业机械发生憋车故障的概率。
[0128]
具体地，基于第二样本时段内样本作业机械发生憋车故障的时刻和先验知识，可以获取第二样本时段内的样本时刻发生憋车故障的样本概率，其中，任意相邻两个样本时刻的时间间隔相等。例如：某一样本时刻未发生憋车故障，则该样本时刻样本作业机械发生憋车故障的概率为0；某一样本时刻发生憋车故障，则该样本时刻样本作业机械发生憋车故障的概率为100％。
[0129]
基于上述第二样本特征数据和上述第二样本时段内的样本时刻发生憋车故障的样本概率，可以对第二预测层进行训练，获得训练好的第二预测层。
[0130]
将上述第二特征数据输入上述训练好的第二预测层，可以获取上述第二预测层输出的第二概率，上述第二概率可以包括第二时段内的目标时刻作业机械发生憋车故障的概
率，其中，任意相邻两个目标时刻之间的时间间隔可以为预设时长。例如：第二时段内第一个目标时刻作业机械发生憋车故障的概率为1％，第二个目标时刻作业机械发生憋车故障的概率为2％，
…
，第n个目标时段目标时刻作业机械发生憋车故障的概率为85％。
[0131]
本发明实施例中的第二预测层基于第二特征数据，获取第二时段内作业机械发生憋车故障的第二概率，上述第二概率包括第二时段内目标时刻作业机械发生憋车故障的概率，能更准确、更直观获取第二时段内作业机械发生憋车故障的预测结果，尤其能对作业机械中油路堵塞、空气滤芯堵塞等问题造成的憋车故障进行提前预测，能基于上述预测结果进行更有针对性的举措，能更有效的避免憋车故障的发生。
[0132]
图10是本发明提供的憋车故障预测装置的结构示意图。下面结合图10对本发明提供的憋车故障预测装置进行描述，下文描述的憋车故障预测装置与上文描述的本发明提供的憋车故障预测方法可相互对应参照。如图10所示，该装置包括：数据获取模块1001和故障预测模块1002。
[0133]
数据获取模块1001，用于获取目标数据，目标数据包括第一时段内作业机械的发动机的转速、工作档位和动力工况数据。
[0134]
故障预测模块1002，用于将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果。
[0135]
其中，第一时段的结束时刻早于第二时段的起始时刻；动力工况数据包括：液压系统的回油压力、主泵压力和主泵电流；憋车故障预测模型，是基于第一样本时段内样本作业机械的发动机的转速、工作档位和动力工况数据，以及第二样本时段内样本作业机械是否发生憋车故障构建的；第一样本时段的结束时刻早于第二样本时段的起始时刻。
[0136]
具体地，数据获取模块1001和故障预测模块1002电连接。
[0137]
数据获取模块1001可以通过多种方式持续获取第一时段内作业机械的动力工况数据，例如：可以基于作业机械的控制器，在第一时段内每隔上述预设采样周期获取作业机械在当前档位下液压系统的主泵电流；还可以基于各类传感器，在第一时段内每隔上述预设采样周期获取作业机械在上述当前档位下液压系统的回油压力和主泵压力。
[0138]
数据获取模块1001获取第一时段内作业机械的发动机的转速、工作档位和动力工况数据之后，可以直接将第一时段内作业机械的发动机的转速、工作档位和动力工况数据作为目标数据。
[0139]
为了提高憋车故障预测的准确率，数据获取模块1001获取第一时段内作业机械的发动机的转速、工作档位和动力工况数据之后，可以将上述数据作为原始数据，并对上述原始数据进行数据处理之后，将经过数据处理后的原始数据作为目标数据。
[0140]
故障预测模块1002可以将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果。
[0141]
可选地，故障预测模块1002可以具体用于将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的预测结果，预测结果表示第二时段内作业机械不会发生憋车故障；其中，憋车故障预测模型用于获取目标数据对应的第一特征数据，基于第一特征数据，获取第二时段内作业机械发生憋车故障的第一概率，在第一概率不大于第一预设值的情况下，输出预测结果。
[0142]
可选地，故障预测模块1002可以具体用于将目标数据输入憋车故障预测模型，获
取憋车故障预测模型输出的预测结果，预测结果包括第二时段内作业机械发生憋车故障的第二概率；其中，憋车故障预测模型用于获取目标数据对应的第一特征数据，基于第一特征数据，获取第二时段内作业机械发生憋车故障的第一概率，在第一概率大于第一预设值的情况下，获取目标数据对应的第二特征数据，基于第二特征数据，获取第二时段内作业机械发生憋车故障的第二概率。
[0143]
本发明实施例通过获取包括第一时段内作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流的目标数据，将上述目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果，第一时段的结束时刻早于第二时段的起始时刻，憋车故障预测模型是基于第一样本时段内样本作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流，以及第二样本时段内样本作业机械是否发生憋车故障构建的，第一样本时段的结束时刻早于第二样本时段的起始时刻，能对憋车故障进行提前预测，能提高憋车故障预测的实用性，通过提前预测憋车故障，能在憋车故障发生之前预留足够的时间对作业机械进行检修和维护，能更有效的避免憋车故障的发生，能提高作业机械的可用性，能减少维护工作量，能降低维护成本。
[0144]
基于上述各实施例的内容，一种作业机械，包括如上述所述的憋车故障预测装置。
[0145]
具体地，作业机械可以包括桩工机械、挖掘机、汽车等。其中，桩工机械指在各种桩基础施工中，用来钻孔、打桩、沉桩的作业机械，例如打桩机、振动沉桩机、灌注桩钻孔机和旋挖钻机。
[0146]
作业机械包括如上所述的憋车故障预测装置，可以对憋车故障进行提前预测，尤其可以对作业机械中油路堵塞、空气滤芯堵塞等问题造成的憋车故障进行提前预测，从而可以提高憋车故障预测的实用性。憋车故障预测装置的结构和具体工作过程可以参见上述各实施例的内容，本发明实施例中不再赘述。
[0147]
本发明实施例通过获取包括第一时段内作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流的目标数据，将上述目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果，第一时段的结束时刻早于第二时段的起始时刻，憋车故障预测模型是基于第一样本时段内样本作业机械的发动机的转速、工作档位、液压系统的回油压力、主泵压力和主泵电流，以及第二样本时段内样本作业机械是否发生憋车故障构建的，第一样本时段的结束时刻早于第二样本时段的起始时刻，能对憋车故障进行提前预测，能提高憋车故障预测的实用性，通过提前预测憋车故障，能在憋车故障发生之前预留足够的时间对作业机械进行检修和维护，能更有效的避免憋车故障的发生，能提高作业机械的可用性，能减少维护工作量，能降低维护成本。
[0148]
图11示例了一种电子设备的实体结构示意图，如图11所示，该电子设备可以包括：处理器(processor)1110、通信接口(communications interface)1120、存储器(memory)1130和通信总线1140，其中，处理器1110，通信接口1120，存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器1130中的逻辑指令，以执行憋车故障预测方法，该方法包括：获取目标数据，目标数据包括第一时段内作业机械的发动机的转速、工作档位和动力工况数据；将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的
第二时段内作业机械发生憋车故障的预测结果；其中，第一时段的结束时刻早于第二时段的起始时刻；动力工况数据包括：液压系统的回油压力、主泵压力和主泵电流；憋车故障预测模型，是基于第一样本时段内样本作业机械的发动机的转速、工作档位和动力工况数据，以及第二样本时段内样本作业机械是否发生憋车故障构建的；第一样本时段的结束时刻早于第二样本时段的起始时刻。
[0149]
此外，上述的存储器1130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0150]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的憋车故障预测方法，该方法包括：获取目标数据，目标数据包括第一时段内作业机械的发动机的转速、工作档位和动力工况数据；将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果；其中，第一时段的结束时刻早于第二时段的起始时刻；动力工况数据包括：液压系统的回油压力、主泵压力和主泵电流；憋车故障预测模型，是基于第一样本时段内样本作业机械的发动机的转速、工作档位和动力工况数据，以及第二样本时段内样本作业机械是否发生憋车故障构建的；第一样本时段的结束时刻早于第二样本时段的起始时刻。
[0151]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的憋车故障预测方法，该方法包括：获取目标数据，目标数据包括第一时段内作业机械的发动机的转速、工作档位和动力工况数据；将目标数据输入憋车故障预测模型，获取憋车故障预测模型输出的第二时段内作业机械发生憋车故障的预测结果；其中，第一时段的结束时刻早于第二时段的起始时刻；动力工况数据包括：液压系统的回油压力、主泵压力和主泵电流；憋车故障预测模型，是基于第一样本时段内样本作业机械的发动机的转速、工作档位和动力工况数据，以及第二样本时段内样本作业机械是否发生憋车故障构建的；第一样本时段的结束时刻早于第二样本时段的起始时刻。
[0152]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0153]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该
计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0154]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。