[发明专利]一种大功率拖拉机远程故障诊断系统及方法

权利要求书

1.一种大功率拖拉机远程故障诊断系统，其特征在于，包括与拖拉机CAN总线接口连接的数据采集模块，数据采集模块利用5G网络与云端服务器信号连接，云端服务器利用5G网络与故障诊断模块信号连接，故障诊断模块与显示模块信号连接；故障诊断模块利用优化的PSO-BP故障诊断模型进行故障诊断。

2.根据权利要求1所述的一种大功率拖拉机远程故障诊断系统，其特征在于，所述数据采集模块包括相互连接的树莓派4B和2-CH-CAN-HAT模块，2-CH-CAN-HAT模块采集拖拉机内各传感器检测到的拖拉机运行参数数据；数据采集模块将拖拉机运行参数数据以CAN报文数据的形式传递至云端服务器的MySQL数据库。

3.根据权利要求1所述的一种大功率拖拉机远程故障诊断系统，其特征在于，所述显示模块采用LabVIEW进行编程，对拖拉机运行参数数据进行数据流以及波形图显示，对拖拉机故障诊断结果以及故障诊断记录进行显示。

4.一种基于上述权利要求1至3中任一项所述大功率拖拉机远程故障诊断系统的故障诊断方法，其特征在于，包括如下步骤：

步骤1：数据采集模块采集拖拉机CAN报文数据并传递至云端服务器，云端服务器将CAN报文数据传递至故障诊断模块，故障诊断模块依次对CAN报文数据进行筛选、解析处理，获得拖拉机运行参数数据流；

步骤2：对解析后的数据进行归一化处理；

步骤3：建立PSO-BP故障诊断模型；

步骤3.1：建立3层BP神经网络拓扑结构，包括输入层、隐含层和输出层，向输入层中输入学习样本，与其相对应的期望输出记为，而BP神经网络的实际输出记为；初始化BP神经网络的各层节点数、权值、阈值；

步骤3.2：利用PSO对BP神经网络进行优化；

步骤3.2.1：计算PSO粒子的维度；

步骤3.2.2：利用多种群协同进化算法优化粒子群：

初始化种群并将种群平均分成四个群体，其中包含三个从群和一个主群，每个群体中均含有10个粒子；初始化各从群中粒子的速度及位置，在一个区间内随机产生粒子的初始速度及初始位置；将初始化后的每个从群中的粒子进行速度及位置更新；在各从群进行下一步更新之前，将各自搜寻到的最优值信息传递至主群，主群根据接收到的最优值信息，进一步进行粒子的速度及位置更新；

步骤3.2.3：以BP神经网络的实际输出与期望输出的均方误差作为PSO的适应度函数；

粒子群每更新一次速度和位置，则对BP网络的阈值和权值进行一次更新；判断粒子群更新的迭代数是否满足终止条件，当粒子群更新的迭代数满足终止条件则停止更新，BP神经网络权值和阈值也停止更新；当粒子群更新的迭代数不满足终止条件，则返回步骤3.2.2继续更新，继续对BP神经网络的权值和阈值进行更新；

粒子群更新的迭代数满足终止条件时获得最小适应度值，将该最小适应度值代入BP神经网络中，获得最优的BP神经网络权值和阈值，再次进行均方误差计算，直至满足期望误差为止；

步骤3.3：将归一化处理后的拖拉机运行参数数据输入故障诊断模型中，获取诊断结果，即实际输出；故障诊断模型输出诊断结果后，调取故障诊断数据库中该诊断结果映射的信息，判断故障类型。

5.根据权利要求4所述的故障诊断方法，其特征在于，所述步骤3.1中，初始化的BP神经网络各层节点数、权值、阈值包括：输出层节点数；输入层节点数；隐含层节点数；输入层至隐含层的权值；隐含层至输出层的权值；输入层至隐含层的阈值；隐含层至输出层的阈值；

PSO粒子的维度的计算公式为：。

6.根据权利要求4所述的故障诊断方法，其特征在于，所述步骤1中，筛选后的参数数据的计算公式为：

其中，表示实际参数值；表示参数分辨率；表示输入参数值；表示偏移量。