1.一种基于IMU的工程车辆运行状态监测方法,包括以下步骤:步骤1) 建立SVM分类器模型,并利用历史数据进行模型训练;采用时间序列交叉验证方法进行识别效果验证,如验证后模型的精确度和准确率未满足设定要求则继续训练模型,直达满足为止;
步骤2) 读取IMU数据,并对IMU实时采集到的x、y、z轴加速度数据进行插值和滤波预处理;
步骤3) 根据三轴加速度方差判断当前是否为静止态,若是则进行安装角度标定,否则等待静止态出现;进而,在计算安装角度后,将设备坐标系转换到车体坐标系并存储标定安装角度;
步骤4) 对坐标系转换后的z轴加速度数据进行时域与频域的多特征值提取,并构成特征向量;采用Z-score归一化方法对所提取的的特征向量进行归一化处理,并对归一化的特征向量进行主成分分析,提取出车辆三维特征向量;具体包括:将转换后的作为车辆震动数据,选取一定窗口数据,进行该窗口的震动数据特征值提取,设,则当前时刻采样为,上一时刻采样为,计算数据时域特征梯度和梯度方差:(11)
(12)
其中,N为窗口长度;将窗口内数据划分为t份,使用第一份数据作为参照数据,计算第一份数据与其他数据的相关系数,求出最大值作为该窗口数据的相关系数值,设窗口数据为,分窗口数据为,其中N与t根据实际情况取值,公式如下:(13)
(14)
在时域特征值计算完成后计算频域特征值,首先利用快速傅里叶变换(FFT)将时域信号转化为频域信号,然后将频谱转为能量谱,计算谱最大值即为基频;之后进行频谱信噪比的求取,设频谱函数为,为频率,采样频率为,信噪比为,则计算公式如下:(15)
设高低频能量比为,计算公式如下:
(16)
其中为频谱函数,为频率,为基频,为采样频率;
在所有特征值计算完成后将特征值进行归一化处理,采用Z-score 归一化方法来进行归一化处理,设为原始特征向量,是特征向量的标准差,为特征向量的特征值个数;其计算公式如下:(17)
对归一化后的特征向量进行主成分分析,计算各个特征向量组成的协方差矩阵,寻找协方差矩阵特征值最大的三组特征向量作为分类器的输入特征向量;
步骤 5) 使用训练好的SVM分类器来进行实时车辆状态识别,对实时识别结果进行逻辑滤波;进而,对最终识别情况进行统计,计算车辆运行时间;
步骤 6) 将状态识别情况与统计结果上传远程终端,同时显示屏显示当前车辆总运行时长与车辆持续运行时长。
2.如权利要求1 所述的一种基于IMU的工程车辆运行状态监测方法,其特征在于:步骤1)所述时间序列交叉验证方法,包括:先按照时间顺序将数据集分为k个连续的子集;每个子集的数据应连续排列;然后,将前k-1个子集作为训练集训练模型;利用第k个子集作为测试集评估模型性能,同时利用准确率、精确度指标进行评估。
3.如权利要求1 所述的一种基于IMU的工程车辆运行状态监测方法,其特征在于:步骤1)中训练SVM分类器模型包括:根据历史样本建立一个的初始化核矩阵;进而,利用一个新的样本,将其添加到核矩阵中,从而计算出新的核矩阵;具体包括:第一,计算新样本与原来个样本之间的高斯RBF核函数值,得到一个的向量:(1)
其中,为与第i个样本之间的高斯RBF核函数值,为向量的二阶范数,为高斯核函数参数,为第个样本;然后计算新样本z与自身的核函数值,得到一个标量:(2)
第二,将和添加到原来的核矩阵中,得到一个更新后的核矩阵,表示的转置;
(3)
在计算完新的核矩阵后,更新拉格朗日乘子,计算公式如下:(4)
表示第个拉格朗日乘子在第次迭代时的值;是学习率,控制每次迭代时拉格朗日乘子的更新幅度;和分别是第和第个样本的标签;是第个样本和第个样本之间的核函数值;是训练样本的数量;
基于更新后的拉格朗日乘子,可确定新的支持向量,其中,支持向量为训练样本中与分类边界最接近的数据点;设选用的支持向量为,其对应的类别标签为,截距项计算公式如下:(5)
其中,为样本集,为拉格朗日乘子,为第个样本,是第个样本的标签,表示和的内积;最终SVM的决策函数为:(6)
其中,是样本类别标签,是所选核函数,是训练样本,是新的未标记的样本,是决策函数截距项;通过测试集计算模型的识别率,当满足要求时模型训练结束,存储当前模型参数。
4.如权利要求1 所述的一种基于IMU的工程车辆运行状态监测方法,其特征在于:步骤2)所述IMU的采样频率取待监测车辆发动机最快转速所产生车体震动频率的两倍以上;同时对数据预处理采用的低通滤波需要根据实际情况确定阶数。
5.如权利要求1 所述的一种基于IMU的工程车辆运行状态监测方法,其特征在于:步骤2)包括:对采集到的X、Y和Z轴的原始加速度数据、、进行缺失值处理、异常值处理和噪声处理;缺失值处理采取插值法,用临近的已知数据点来估算缺失值;异常值处理采取四分位距法;噪声处理使用低通滤波进行处理,设采样频率为,截止频率为,输入为,输出为,上一时刻输出为,则滤波公式如下:(7)
其中为低通滤波系数,为圆周率。
6.如权利要求1 所述的一种基于IMU的工程车辆运行状态监测方法,其特征在于:步骤3)所述标定过程,计算横滚角和俯仰角,不标定航向角;标定完成后设备记录标定结果,重启设备无需重新标定;在标定过程中车辆需在水平地面且静止,如不满足要求则需重新标定;如设备更换安装位置则需重新标定。
7.如权利要求1所述的一种基于IMU的工程车辆运行状态监测方法,其特征在于:步骤3)具体包括:安装角度标定中使用处理后的三轴加速度值进行横滚角和俯仰角的计算,计算公式如下:(8)
(9)
其中,航向角设置为默认值,通过安装角生成状态转移矩阵,将设备坐标系投影到车体坐标系,设车体坐标系下三轴加速度值为、、,设备坐标系下三轴加速度值为、、,转换公式如下:(10)。
8.如权利要求1 所述的一种基于IMU的工程车辆运行状态监测方法,其特征在于:步骤4)所述的Z-score归一化方法将特征值转换为均值为0,标准差为1的标准正态分布;通过特征值归一化来消除不同特征之间的量纲和数值范围差异,且采用主成分分析提取分类效果好且相关性低的特征向量作为分类器的输入。
9.一种基于IMU的工程车辆运行状态监测装置,其特征在于:包括:数据采集模块,用于采集车辆的震动信息;
人机交互模块,用于设备初次安装时进行初始标定通知和识别结果显示;
算法模块,对采集到的数据进行预处理、时域频域多特征提取、主成分分析、支持向量机(SVM)分类和识别情况后处理统计,以识别车辆状态;具体包括:将转换后的作为车辆震动数据,选取一定窗口数据,进行该窗口的震动数据特征值提取,设,则当前时刻采样为,上一时刻采样为,计算数据时域特征梯度和梯度方差:(11)
(12)
其中,N为窗口长度;将窗口内数据划分为t份,使用第一份数据作为参照数据,计算第一份数据与其他数据的相关系数,求出最大值作为该窗口数据的相关系数值,设窗口数据为,分窗口数据为,其中N与t根据实际情况取值,公式如下:(13)
(14)
在时域特征值计算完成后计算频域特征值,首先利用快速傅里叶变换(FFT)将时域信号转化为频域信号,然后将频谱转为能量谱,计算谱最大值即为基频;之后进行频谱信噪比的求取,设频谱函数为,为频率,采样频率为,信噪比为,则计算公式如下:(15)
设高低频能量比为,计算公式如下:
(16)
其中为频谱函数,为频率,为基频,为采样频率;
在所有特征值计算完成后将特征值进行归一化处理,采用Z-score 归一化方法来进行归一化处理,设为原始特征向量,是特征向量的标准差,为特征向量的特征值个数;其计算公式如下:(17)
对归一化后的特征向量进行主成分分析,计算各个特征向量组成的协方差矩阵,寻找协方差矩阵特征值最大的三组特征向量作为分类器的输入特征向量;
网络传输模块,用于车辆状态识别情况上传。