矿用电动轮自卸卡车制动器异常检测

针对矿用电动轮自卸卡车制动器异常工况检测需求,设计了制动器状态采集系统,并基于长短时记忆(LSTM)网络实现了监测数据的特征提取及异常检测.制动器状态采集系统主要由车载监控端、云服务端、用户端构成,实现制动器的数据采集、数据传输、异常预警等.基于监测数据,采用长短时记忆网络构建了异常工况检测模型,对矿用自卸卡车实况作业产生的多元时间序列数据进行特征提取.模型将早期输入序列信息传播到较后的记忆单元中,有效解决了时序数据的长期依赖性问题.实验结果表明,所提方法对异常工况的识别准确率高于93%,明显优于基于阈值的检测方法.