摘要
本发明涉及轮式载运平台技术领域,特别涉及一种复杂路况下基于多源数据融合的轮式载运平台传动装置故障监测方法。包括:确定轮式载运平台行驶路面的颠簸等级;根据路面颠簸等级,确定深度学习诊断模型;通过传感器采集传动装置的故障信号;对采集到的故障信号进行预处理;完成轮式载运平台传动装置故障监测。本发明能够更全面地捕捉传动装置的运行状态变化,及时发现潜在故障,减少因故障导致的停机时间,提高装备的使用效率。而且针对轮式载运平台复杂的路况环境尤其是泥泞坑洼等路段会导致震动频率异常的问题。本专利通过检测并比较,判断路况状态,从而切换到相应的模型来进行故障预测,进而提高故障预测的准确性。
技术关键词
传动装置
载运平台
故障监测方法
深度学习模型
轮式
信号
统计特征
路面
路况
噪声
激光测距传感器
滑动窗口
图像特征提取
方差特征
训练集数据
序列
时间同步
插值法
系统为您推荐了相关专利信息
网络流量数据
入侵检测方法
机器学习模型
集成学习方法
集成学习模型
状态评估系统
分系统
视觉相机
北斗技术
迁移学习策略
车辆异常检测方法
深度学习模型
车辆三维模型
策略
计算机程序产品
智能识别分析
分支
空间金字塔池化
深度学习模型
注意力