技术摘要：
本发明公开了一种矿用自卸车故障收集、存储和预测系统及方法，其中的矿用自卸车故障数据收集模块将收集的故障数据传输到矿用自卸车故障数据存储库中，矿用自卸车故障数据存储库中的数据送入到矿用自卸车故障数据库编码模块中进行编码，矿用自卸车故障数据库编码模块将  全部
背景技术：
矿用自卸车是在露天矿山为完成岩石土方剥离与矿石运输任务而使用的一种重 型自卸车，其工作特点为运程短、承载重，往返于露天矿山的采掘点。由于矿用自卸车价值 量是百万级以上，停工维修经济损失相当大，由此可见矿用自卸车的可靠性尤为重要。目前 矿用自卸车遇到故障，都是现场排查故障和寻求故障解决策略，不能对故障做到尽可能地 预知，此种做法周期比较长，耗费比较大。对于矿用自卸的车况信息、保养记录和故障记录， 主要是通过人工每日的记录和报告，人工每天去更新矿用自卸车的车况信息和故障库，劳 动量巨大。虽然在收集大量故障数据上付出巨大的工作量，由于未对数据进行统一标准化 的管理，数据利用率很低。
技术实现要素：
本发明旨在克服上述缺陷，目的是提供一种半自动化数据收集，故障数据自动上 传、故障数据存储，数据利用率较高，可对故障进行预测一种矿用自卸车故障收集、存储和 预测系统。 为了实现上述目的，本发明采用的技术方案是： 一种矿用自卸车故障收集、存储和预测系统，包括矿用自卸车故障数据收集模块、 矿用自卸车故障数据存储库、矿用自卸车故障数据库编码模块和矿用自卸车故障预测模 块；所述矿用自卸车故障数据收集模块与矿用自卸车故障数据存储库的输入端相连，矿用 自卸车故障数据收集模块将收集的故障数据传输到矿用自卸车故障数据存储库中；所述矿 用自卸车故障数据存储库的输出端与矿用自卸车故障数据库编码模块的输入端相连，矿用 自卸车故障数据存储库中的数据送入到矿用自卸车故障数据库编码模块中进行编码；所述 矿用自卸车故障数据库编码模块的输出端与矿用自卸车故障预测模块相连，矿用自卸车故 障数据库编码模块将编码后的故障数据送入矿用自卸车故障预测模块，矿用自卸车故障预 测模块用于预测故障的发生以及故障解决策略。 进一步，所述矿用自卸车故障数据收集模块包括手机APP和GPS；人工收集的矿用 自卸车故障数据通过手机APP上传；矿用自卸车本体的故障数据通过GPS上传。 进一步，所述矿用自卸车故障数据存储库包括车况信息、故障描述和故障解决策 略；其中，所述车况信息是矿用自卸车日常工作的参数记录；所述故障描述是在特定的参数 记录下出现的故障描述；所述故障解决策略是基于某个特定故障下的故障解决策略。 进一步，所述矿用自卸车故障数据库编码模块包括车况信息编码、故障编码和故 障解决策略编码。 进一步，所述矿用自卸车故障预测模块包括决策树模型和故障训练模型；其中，所 述决策树模型是采用树形数据结构处理故障数据；所述故障训练模型是具备边学习边预测 4 CN 111597395 A 说　明　书 2/5 页 功能的；所述矿用自卸车故障预测模块中具有输入和输出端口，对于相同型号的矿用自卸 车投入使用，输入其车况信息，即可预测可能发生的故障以及故障解决策略。 一种矿用自卸车故障收集、存储和预测方法，方法如下： 通过矿用自卸车故障数据收集模块将矿用自卸车的车况信息和保养记录自动传 输到矿用自卸车故障数据存储库中，然后矿用自卸车故障数据编码模块对故障数据库数据 进行编码，将编码后的故障数据送入矿用自卸车故障预测模块中，进行机器学习，随着车况 信息的不断增多，训练的故障模型预测能力会不断增强，矿用自卸车故障预测模块根据矿 用自卸车的车况信息，即可预测该车的可能故障。 进一步，在矿用自卸车故障收集模块中： 当矿用自卸车发往矿山后，驻外人员通过对车辆的定期检查，发现故障后，会通过 手机APP进行故障数据收集，并且还能够通过手机APP上传故障照片和故障描述和车况信 息；技术人员会立即响应并给出解决方案，对应的故障解决方案也会更新在手机APP中，然 后驻外人员按照手机APP更新的故障解决方案处理相应的故障；同时，矿用自卸车内在的传 感器也会出现相应的故障，这些故障通过GPS传输，GPS也会传输故障描述和车况信息；手机 APP和GPS收集的数据会统一地自动地传输到矿用自卸车故障数据存储库中。 进一步，在矿用自卸车故障数据存储库中： 从手机APP和GPS收集的故障数据，统一按照固定的数据格式，存储在矿用自卸车 数据存储库中，在矿用自卸车故障数据存储库中，列名称包括车况信息、故障描述和故障解 决策略；车况信息包括工况信息、试验时间、有效试验时间、公里数、有效试验公里数车况信 息；故障描述是对单一故障的描述：风扇皮带移位故障、举升回油过滤器堵塞报警故障；故 障解决策略是针对对应的故障描述提出的解决策略。 进一步，在矿用自卸车故障数据库编码模块： 由于矿用自卸车故障数据库中的数据机器学习模型识别不了，需要对矿用自卸车 数据故障存储库的数据进行编码，基于python软件平台，编写特定的代码，其会自动将矿用 自卸车故障数据库的数据按照特定的格式进行标签编码； 编码格式如下：矿用自卸车故障数据存储库中的车况信息、故障描述和故障解决 策略全部采用标签编码，标签编码就是根据字符串形式，为其制定一个数字标签；标签编码 方式如下：路况平坦编码为0，路况颠簸编码为1，路面泥泞编码为2；将故障描述进行标签编 码：车架开裂开裂编码为数字301：3代表车架，01代表断裂故障；将故障解决方案编码：车架 倒角过小，需增大倒角角度，3代表对于车架系列的故障解决策略，301代表针对于故障描述 中301故障描述提出的故障解决策略。 进一步，在矿用自卸车故障预测模块中： 矿用自卸车故障数据库编码模块已经将矿用自卸车的数据存储库中的数据编码 成机器学习所需的数据格式；构建决策树模型通常需要三个步骤：1特征选择；2决策树生 成；3决策树减枝。本故障预测模块是基于DecisionTreeClassifier实现分类决策树；矿用 自卸车故障预测模型建立好之后，新下线的量产的矿用自卸车发往矿山，可以输入：X_ Predict＝[0,2,1 .5,20,14]，其中0-道路平坦，2-试验时间，1.5-有效试验时间，20-公里 数，14有效公里数；矿用自卸车故障预测模块会显示：y_Predict＝[301,3301]，其中301-车 架开裂，302-车架倒角过小，需增大倒角角度，这样，该车可能在某个节点出现的故障，公司 5 CN 111597395 A 说　明　书 3/5 页 的驻外人员即可提前检查可能会发生故障的位置，从而降低公司的风险成本。 本发明有益效果： 由于采用上述方案，提供了一种半自动化数据收集，故障数据自动上传、故障数据 存储，数据利用率较高，可对故障进行预测一种矿用自卸车故障收集、存储和预测系统，尽 可能提前预测故障，对可能发生故障的位置进行检修和保养，避免不必要的经济损失。 附图说明 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。下面结合附 图及实施例对本发明进行详细说明。 图1为一种矿用自卸车故障收集、存储和预测系统流程图。