[发明专利]基于云计算的机动车监控系统

摘要

本发明提供了基于云计算的机动车监控系统，包括现场控制器、机电设备能耗参数采集器、云计算中心和机电设备故障检测器；该现场控制器用于根据用户设定参数对机动车的各个机电设备进行现场控制并将所述用户设定参数传送给云计算中心；该机电设备能耗参数采集器用于采集与各个机电设备的能耗有关的参数并传送给云计算中心；该机电设备故障检测器用于对机电设备进行故障检测，并将故障检测结果传送给云计算中心；所述云计算中心用于根据采集到的与各个机电设备的能耗有关的参数和用户设定参数调整所述现场控制器对所述各个机电设备的现场控制模式，并根据故障检测结果进行相应的报警。本发明能够实现能源的最优化配置，达到更好的节能效果。

主权项

1.基于云计算的机动车监控系统，其特征是，包括现场控制器、机电设备能耗参数采集器、云计算中心和机电设备故障检测器；该现场控制器用于根据用户设定参数对机动车的各个机电设备进行现场控制并将所述用户设定参数传送给云计算中心；该机电设备能耗参数采集器用于采集与所述各个机电设备的能耗有关的参数并传送给云计算中心；该机电设备故障检测器用于对机电设备进行故障检测，并将故障检测结果传送给云计算中心；所述云计算中心用于根据所述采集到的与所述各个机电设备的能耗有关的参数和所述用户设定参数调整所述现场控制器对所述各个机电设备的现场控制模式，并根据故障检测结果进行相应的报警；所述现场控制器与所述云计算中心之间、所述机电设备能耗参数采集器与所述云计算中心之间、所述机电设备故障检测器与云计算中心之间均通过无线通讯网络相互通信；所述无线通讯网络为SPRS系统、3S网络、北斗星系统或者下一代互联网中的任一种；所述现场控制器和机电设备能耗参数采集器均为带有IP地址的设备；所述机电设备故障检测器包括依次连接的样本数据采集模块、振动信号数据预处理模块、历史故障特征提取模块、实时故障诊断特征向量采集模块、故障诊断模型建立模块和故障诊断识别模块；所述样本数据采集模块用于通过传感器采集机电设备在正常状态下及各种故障状态下运行时多个测点的历史振动信号数据；所述振动信号数据预处理模块用于对采集到的原始历史振动信号数据进行预处理；所述历史故障特征提取模块用于从过滤后的历史振动信号数据中提取小波包奇异值特征，并将提取的小波包奇异值特征作为故障诊断特征向量样本；所述实时故障诊断特征向量采集模块用于获取机电设备的实时故障诊断特征向量；所述故障诊断模型建立模块用于建立基于改进的支持向量机的故障诊断模型，并使用故障诊断特征向量样本对故障诊断模型进行训练，计算出故障诊断模型参数的最优解，得到训练完成的故障诊断模型；所述故障诊断识别模块用于将该机电设备的实时故障诊断特征向量输入到训练完成的故障诊断模型中，完成故障的诊断识别；所述历史故障特征提取模块具体执行：(1)设机电设备处于状态H时从测点L测量到的固定时刻的历史振动信号为H_L(W)，L＝1,…,B，B为测点的个数，对H_L(W)进行β层离散小波包分解，提取第β层中的2^β个分解系数，对所有的分解系数进行重构，以X_j(j＝0,1,…,2^β‑1)表示第β层各节点的重构信号，构建特征矩阵其中β的值根据历史经验和实际情况结合确定；(2)对特征矩阵T[HL(W)]进行奇异值分解，获得该特征矩阵T[HL(W)]的特征向量：其中η1,η2,…,ηv为由特征矩阵T[HL(W)]分解的奇异值，v为由特征矩阵T[HL(W)]分解的奇异值的个数；(3)定义H_L(W)对应的故障诊断特征向量为：式中，为特征向量中的最大奇异值，为特征向量中的最小奇异值；(4)对计算得到的故障诊断特征向量进行筛选，排除不合格的故障诊断特征向量，则该机电设备处于状态H时在该固定时刻的故障诊断特征向量样本为：式中，B′为排除的不合格的故障诊断特征向量的数量。