CN102200465A - 一种油位传感器故障的检测方法及检测*** - Google Patents

Abstract

本发明提供一种油位传感器故障的检测方法，该方法包括：油位传感器实时检测油箱的油位，将油位数据发送到处理器；处理器依据油位数据建立原始灰色模型，对原始灰色模型进行平滑修正；依据修正的灰色模型预测下一时间点的油位数据，判断下一时间点的预测油位数据与实测油位数据的差值是否大于设定门槛值，如是，则油位传感器异常，第一计数器记(1)，依次循环，若第一计数器连续计数次数超过第一设定值，则进行传感器故障警示。本发明还提供一种油位传感器故障的检测***。本发明可有效提高油位传感器故障检测的可靠性和精度。

Description

一种油位传感器故障的检测方法及检测***

技术领域

本发明涉及工程车辆检测技术领域，特别涉及一种油位传感器故障的检测方法及检测***。

背景技术

工程机械在实际的施工过程中耗油十分严重，为了远程实时地对油耗情况进行监管，常用油位传感器对油箱的油位进行监测。但由于工程车辆工作环境以及行驶路况十分恶劣，使油位传感器故障频发，导致工程车辆有时因漏油或燃油不足而出现停工，影响施工效率。

参见图1，示出现有油位传感器故障的检测***，油位传感器22安装在工程车辆23的油箱上，实时读取油位数据，将油位数据通过车载信息终端24发送到油耗关系***25，油耗关系***25依据该油位数据，并结合工程车辆的加油量、车辆行使里程、车辆行使速度等车辆状态数据，判断油位数据是否满足：

油量数据＝车辆的加油量-K1*车辆行使里程；或

油量数据＝车辆的加油量-K2*车辆行使速度；

如果满足，判断油位传感器22正常，否则判断油位传感器异常，进行油位异常警示。

该方法简单利用车辆行使里程、车辆行使速度等数据计算工程车辆的耗油量，但是，很多情况下，工程车辆的耗油量与车辆行使里程和车辆行使速度并不成线性正比，且参数K1、K2很难精确设置，这就导致计算结果不准确，难以准确、及时检测出油位传感器故障。

发明内容

本发明的目的是提供一种油位传感器故障的检测方法，该方法可有效提高油位传感器故障检测的可靠性和精度。

本发明一种油位传感器故障的检测方法，该方法包括：油位传感器实时检测油箱的油位，将油位数据发送到处理器；处理器依据油位数据建立原始灰色模型，对原始灰色模型进行平滑修正；依据修正的灰色模型预测下一时间点的油位数据，判断下一时间点的预测油位数据与实测油位数据的差值是否大于设定门槛值，如是，确认油位传感器异常。

优选的，还包括：如果油位传感器异常，则将第一计数器计数次数加1，如果第一计数器连续计数次数大于等于第一设定值r1，则进行传感器故障警示；如果第一计数器连续计数次数小于第二预设数值r2，则将第二计数器清零。

优选的，还包括：如果第一计数器连续计数次数小于第一设定值r1大于等于第二设定值r2，则将第二计数器加1；如果第二计数器计数次数大于第三设定值r3，则进行传感器故障警示。

优选的，如果下一时间点的预测油位数据与实测油位数据的差值小于门槛值，还包括：利用下一时间点实测油位数据更新输入修正的灰色模型的油位数据序列。

优选的，如果下一时间点的预测油位数据与实测油位数据的差值大于设置数值，还包括：利用下一时间点预测油位数据更新输入修正的灰色模型的油位数据序列。

优选的，将油位数据发送到处理器具体为：将油位数据传输到移动通信终端；移动通信终端利用无线发送方式将油位数据发送到处理器。

优选的，对原始灰色模型进行平滑修正包括：

设原始测取的油位数据序列为

对其按如下算式进行变换：

$x^{\left(0\right)}\left(i\right)={\stackrel{\‾}{x}}^{\left(0\right)}\left(i\right)\×\frac{1}{10\×i}+1---\left(1\right)$

基于原始灰色模型GM(1，1)，原始油位数据x⁽⁰⁾的三阶累加生成序列x⁽³⁾可表示为：

$x^{\left(3\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(2\right)}\left(j\right)---\left(2\right)$

式(2)中x⁽²⁾为一阶累加生成序列x⁽¹⁾的二阶累加生成序列：

$x^{\left(2\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(1\right)}\left(j\right)---\left(3\right)$

式(3)中x⁽¹⁾为原始油位数据x⁽⁰⁾的一阶累加生成序列：

$x^{\left(1\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(0\right)}\left(j\right)---\left(4\right)$

则对生成序列x⁽³⁾建立的一阶微分方程为：

$\frac{{\mathrm{dx}}^{\left(3\right)}}{\mathrm{dt}}+a{x}^{\left(3\right)}=b---\left(5\right)$

经化简可得：

x⁽²⁾(k)＝-ag(k)+b                                    (6)

式(6)中

$g\left(k\right)=\frac{1}{2}\left[(x^{\left(3\right)}\left(k\right)+x^{\left(3\right)}(k-1))\right]---\left(7\right)$

综合上面各式，通过最小二乘法可求得：

$\left[\begin{array}{c}{x}^{\left(2\right)}\left(2\right)\\ x^{\left(2\right)}\left(3\right)\\ \·\\ \·\\ \·\\ x^{\left(2\right)}\left(n\right)\end{array}\right]=\left[\begin{array}{cc}-g\left(2\right)& 1\\ -g\left(3\right)& 1\\ \·& \·\\ \·& \·\\ \·& \·\\ -g\left(n\right)& 1\end{array}\right]\left[\begin{array}{cc}a& b\end{array}\right]---\left(8\right)$

Y′＝BA                                              (9)

$A={\left[\begin{array}{cc}\hat{a}& \hat{b}\end{array}\right]}^T={\left(B^{T}B\right)}^{-1}{B}^T{Y}^{\′}---\left(10\right)$

式(10)中：

Y′＝[x⁽²⁾(2)x⁽²⁾(3)...x⁽²⁾(n)]^T

$B={\left[\begin{array}{cccc}-g\left(2\right)& -g\left(3\right)& \·\·\·& -g\left(n\right)\\ 1& 1& \·\·\·& 1\end{array}\right]}^T$

则式(5)所求得的解为：

${\hat{x}}^{\left(3\right)}(k+1)=({\hat{x}}^{\left(3\right)}\left(1\right)-\frac{\hat{b}}{\hat{a}})e^{-\hat{a}k}+\frac{\hat{b}}{\hat{a}}---\left(11\right)$

则通过逆反累加生成操作就可得：

${\hat{x}}^{\left(0\right)}\left(k\right)={\hat{x}}^{\left(3\right)}\left(k\right)-3{\hat{x}}^{\left(3\right)}(k-1)+3{\hat{x}}^{\left(3\right)}(k-2)-{\hat{x}}^{\left(3\right)}(k-3)---\left(12\right)$

根据式(1)进行反变换，得到原始油位曲线预测的值，即：

${\stackrel{\widehat{\‾}}{x}}^{\left(0\right)}\left(k\right)=[{\hat{x}}^{\left(3\right)}\left(k\right)-3{\hat{x}}^{\left(3\right)}(k-1)+3{\hat{x}}^{\left(3\right)}(k-2)-{\hat{x}}^{\left(3\right)}(k-3)-1]\×10k---\left(13\right)$

依据式(13)建立修正的灰色模型。

本发明还提供一种油位传感器故障的检测***，该***可有效提高油位传感器故障检测的可靠性和精度。

本发明一种油位传感器故障的检测***，该***包括油位传感器和处理器：油位传感器，用于实时检测油箱的油位，将油位数据发送到处理器；处理器，用于依据油位数据建立原始灰色模型，对原始灰色模型进行平滑修正，依据修正的灰色模型预测下一时间点的油位数据，判断下一时间点的预测油位数据与实测油位数据的差值是否大于设定门槛值，如是，确认油位传感器异常。

优选的，所述处理器还包括第一故障警示单元，用于当确认该油位传感器异常时，将第一计数器次数加1，如果第一计数器连续计数次数大于等于第一设定值r1，则进行传感器故障警示；如果第一计数器连续计数次数小于第二设定值r2，则将第二计数器清零。

优选的，所述处理器还包括第二故障警示单元，用于如果第一计数器连续计数次数小于第一设定值r1大于等于第二设定值r2，则将第二计数器加1；

若第二计数器计数次数大于第三设定值r3，则进行传感器故障警示。

与现有技术相比，本发明具有以下优点：

本发明通过修正的灰色模型对实测的油位数据进行整理，去除原始灰色模型的毛刺和无规则数据点，提高灰色模型的可靠性，再利用修正的灰色模型预测下一时间点的油位数据，判断预测的油位数据同实测油位数据的差值，如果差值较大，则表明油位传感器异常，并根据特定的条件进行油位传感器故障警示。该检测方法没有简单采用工程车辆的行使里程和行使速度等参数，提高检测的可靠性和精度。

附图说明

图1为现有的现有油位传感器故障的检测***示意图；

图2为本发明油位传感器故障的检测方法流程图；

图3为本发明确认该油位传感器故障的方法流程图；

图4为本发明油位传感器故障的检测***示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明利用油位传感器测取的数据，结合修正的灰色模型远程、实时、准确地对油位传感器是否发生故障进行识别，且简单易行。

参见图2，示出本发明油位传感器故障的检测方法，具体包括以下步骤。

步骤S201、油位传感器实时检测油箱的油位，将油位数据发送到移动通信终端。

步骤S202、移动通信终端利用无线发送方式将油位数据发送到处理器。

步骤S203、处理器依据油位数据建立原始灰色模型GM(1，1)，并对原始灰色模型进行平滑修正。原始灰色模型的建立采用油位数据序列

具体修正方法如下。

1)设原始测取的油位数据序列为

考虑到油位数据的非光滑性，及实测数据的取值范围，对其按如下算式进行变换：

$x^{\left(0\right)}\left(i\right)={\stackrel{\‾}{x}}^{\left(0\right)}\left(i\right)\×\frac{1}{10\×i}+1---\left(1\right)$

2)考虑到原始的油位数据并非呈指数变化，基于原始灰色模型GM(1，1)，原始油位数据x⁽⁰⁾的三阶累加生成序列x⁽³⁾可表示为：

$x^{\left(3\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(2\right)}\left(j\right)---\left(2\right)$

式(2)中x⁽²⁾为一阶累加生成序列x⁽¹⁾的二阶累加生成序列：

$x^{\left(2\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(1\right)}\left(j\right)---\left(3\right)$

式(3)中x⁽¹⁾为原始油位数据x⁽⁰⁾的一阶累加生成序列：

$x^{\left(1\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(0\right)}\left(j\right)---\left(4\right)$

则对生成序列x⁽³⁾建立的一阶微分方程为：

$\frac{{\mathrm{dx}}^{\left(3\right)}}{\mathrm{dt}}+a{x}^{\left(3\right)}=b---\left(5\right)$

经化简可得：

x⁽²⁾(k)＝-ag(k)+b                                (6)

式(6)中

$g\left(k\right)=\frac{1}{2}\left[(x^{\left(3\right)}\left(k\right)+x^{\left(3\right)}(k-1))\right]---\left(7\right)$

综合上面各式，通过最小二乘法可求得：

$\left[\begin{array}{c}{x}^{\left(2\right)}\left(2\right)\\ x^{\left(2\right)}\left(3\right)\\ \·\\ \·\\ \·\\ x^{\left(2\right)}\left(n\right)\end{array}\right]=\left[\begin{array}{cc}-g\left(2\right)& 1\\ -g\left(3\right)& 1\\ \·& \·\\ \·& \·\\ \·& \·\\ -g\left(n\right)& 1\end{array}\right]\left[\begin{array}{cc}a& b\end{array}\right]---\left(8\right)$

Y′＝BA                                          (9)

$A={\left[\begin{array}{cc}\hat{a}& \hat{b}\end{array}\right]}^T={\left(B^{T}B\right)}^{-1}{B}^T{Y}^{\′}---\left(10\right)$

式(10)中：

Y′＝[x⁽²⁾(2)x⁽²⁾(3)...x⁽²⁾(n)]^T

$B={\left[\begin{array}{cccc}-g\left(2\right)& -g\left(3\right)& \·\·\·& -g\left(n\right)\\ 1& 1& \·\·\·& 1\end{array}\right]}^T$

则式(5)所求得的解为：

${\hat{x}}^{\left(3\right)}(k+1)=({\hat{x}}^{\left(3\right)}\left(1\right)-\frac{\hat{b}}{\hat{a}})e^{-\hat{a}k}+\frac{\hat{b}}{\hat{a}}---\left(11\right)$

则通过逆反累加生成操作就可得：

${\hat{x}}^{\left(0\right)}\left(k\right)={\hat{x}}^{\left(3\right)}\left(k\right)-3{\hat{x}}^{\left(3\right)}(k-1)+3{\hat{x}}^{\left(3\right)}(k-2)-{\hat{x}}^{\left(3\right)}(k-3)---\left(12\right)$

然后根据式1进行反变换，就可得到原始油位曲线预测的值，即：

${\stackrel{\widehat{\‾}}{x}}^{\left(0\right)}\left(k\right)=[{\hat{x}}^{\left(3\right)}\left(k\right)-3{\hat{x}}^{\left(3\right)}(k-1)+3{\hat{x}}^{\left(3\right)}(k-2)-{\hat{x}}^{\left(3\right)}(k-3)-1]\×10k---\left(13\right)$

依据式13建立修正的灰色模型。

步骤S204、依据修正的灰色模型预测下一时间点的油位数据，判断下一时间点的预测油位数据与实测油位数据的差值是否大于设定门槛值，如是，确认该油位传感器异常，并在满足一定条件下进行故障警示；如否，转到步骤S201。该下一时间点可为油位传感器的下一采样时间点，时间间隔可为60秒。

本发明通过修正的灰色模型对实测的油位数据进行整理，去除原始灰色模型的毛刺和无规则数据点，提高灰色模型的可靠性，再利用修正的灰色模型预测下一时间点的油位数据，判断预测的油位数据同实测油位数据的差值，如果差值较大，则表明油位传感器异常，并根据特定的条件进行油位传感器故障警示。该检测方法没有简单采用工程车辆的行使里程和行使速度等参数，提高检测的可靠性和精度。

参见图3，示出本发明进行传感器故障警示的具体过程，步骤如下。

步骤S301、记录传感器前m个时间点输出的数据列X_m。

步骤S302、利用修正的灰色模型预测第m+1时间点的数据x′_m+1。

步骤S303、判断是否到第m+1时间点，如否，等待实测的油位数据；如是，转到步骤S304；

步骤S304、判断第m+1时间点的预测油位数据x′_m+1与实测油位数据x_m+1的差值是否大于设置数值e，如否，表示实测油位数据x_m+1相对可靠，将第一计数器count1清零，利用实测的油位数据x_m+1更新数据列X_m；如是，表示实测油位数据x_m+1可能是异常数据，利用预测油位数据x′_m+1更新数据列X_m，转到步骤S305；

步骤S305、确认该油位传感器异常，将第一计数器count1加1；

步骤S306、如果第一计数器count1连续计数次数大于等于第一设定值r1，进行传感器故障警示；如果第一计数器count1连续计数次数小于第二设定值r2，将第二计数器count2清零；如果第一计数器count1连续计数次数小于第一设定值大于等于第二设定值，转到步骤S307；

步骤S307、将第二计数器count2加1；

步骤S308、如第二计数器count2计数次数大于等于第三设定值r3，则进行传感器故障警示，否则不进行传感器故障警示。

本发明通过设置可能异常次数的数量，在可能异常次数满足一定要求后再进行警示，这样可较大程度的避免误报，进一步提高传感器故障检测的可靠性。

基于上述在线检测油位传感器故障的方法，本发明还公开一种在线检测油位传感器故障的***。参见图4，该***包括油位传感器41、移动通信终端42和处理器43，其中处理器43包括灰色模型修正单元431、第一故障警示单元432和第二故障警示单元433。

油位传感器41实时检测油箱的油位，将油位数据发送到移动通信终端42，移动通信终端42利用无线发送方式将油位数据发送到处理器43，处理器43依据油位数据建立原始灰色模型，对原始灰色模型进行平滑修正，依据修正的灰色模型预测下一时间点的油位数据，判断下一时间点的预测油位数据与实测油位数据的差值是否大于设定门槛值，如是，确认油位传感器异常。

第一故障警示单元432用于当确认该油位传感器异常时，将第一计数器次数加1，如果第一计数器连续计数次数大于等于第一设定值r1，则进行传感器故障警示；如果第一计数器计数次数小于第二预设数值r2，则将第二计数器清零。第二故障警示单元433用于当第一计数器计数次数小于第一设定值r1大于等于第二设定值r2时，将第二计数器加1；如第二计数器计数次数大于第三设定值r3，则进行传感器故障警示。

灰色模型修正单元431对原始灰色模型的修正方法同图2所示的式(1)-式(13)，不再重复。

以上所述仅为本发明的优选实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (10)

1.一种油位传感器故障的检测方法，其特征在于，该方法包括：

油位传感器实时检测油箱的油位，将油位数据发送到处理器；

处理器依据油位数据建立原始灰色模型，对原始灰色模型进行平滑修正；

依据修正的灰色模型预测下一时间点的油位数据，判断下一时间点的预测油位数据与实测油位数据的差值是否大于设定门槛值，如是，确认油位传感器异常。

2.如权利要求1所述的方法，其特征在于，还包括：

如果油位传感器异常，则将第一计数器计数次数加1，如果第一计数器连续计数次数大于等于第一设定值r1，则进行传感器故障警示；如果第一计数器连续计数次数小于第二预设数值r2，则将第二计数器清零。

3.如权利要求2所述的方法，其特征在于，还包括：

如果第一计数器连续计数次数小于第一设定值r1大于等于第二设定值r2，则将第二计数器加1；

如果第二计数器计数次数大于第三设定值r3，则进行传感器故障警示。

4.如权利要求1所述的方法，其特征在于，如果下一时间点的预测油位数据与实测油位数据的差值小于门槛值，还包括：

利用下一时间点实测油位数据更新输入修正的灰色模型的油位数据序列。

5.如权利要求1所述的方法，其特征在于，如果下一时间点的预测油位数据与实测油位数据的差值大于设置数值，还包括：

利用下一时间点预测油位数据更新输入修正的灰色模型的油位数据序列。

6.如权利要求1所述的方法，其特征在于，将油位数据发送到处理器具体为：

将油位数据传输到移动通信终端；

移动通信终端利用无线发送方式将油位数据发送到处理器。

7.如权利要求1-6任一项所述的方法，其特征在于，对原始灰色模型进行平滑修正包括：

设原始测取的油位数据序列为

对其按如下算式进行变换：

$x^{\left(0\right)}\left(i\right)={\stackrel{\‾}{x}}^{\left(0\right)}\left(i\right)\×\frac{1}{10\×i}+1---\left(1\right)$

基于原始灰色模型GM(1，1)，原始油位数据x⁽⁰⁾的三阶累加生成序列x⁽³⁾可表示为：

$x^{\left(3\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(2\right)}\left(j\right)---\left(2\right)$

式(2)中x⁽²⁾为一阶累加生成序列x⁽¹⁾的二阶累加生成序列：

$x^{\left(2\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(1\right)}\left(j\right)---\left(3\right)$

式(3)中x⁽¹⁾为原始油位数据x⁽⁰⁾的一阶累加生成序列：

$x^{\left(1\right)}=\underset{j=1}{\overset{k}{\mathrm{\Σ}}}{x}^{\left(0\right)}\left(j\right)---\left(4\right)$

则对生成序列x⁽³⁾建立的一阶微分方程为：

$\frac{{\mathrm{dx}}^{\left(3\right)}}{\mathrm{dt}}+a{x}^{\left(3\right)}=b---\left(5\right)$

经化简可得：

x⁽²⁾(k)＝-ag(k)+b                                    (6)

式(6)中

$g\left(k\right)=\frac{1}{2}\left[(x^{\left(3\right)}\left(k\right)+x^{\left(3\right)}(k-1))\right]---\left(7\right)$

综合上面各式，通过最小二乘法可求得：

$\left[\begin{array}{c}{x}^{\left(2\right)}\left(2\right)\\ x^{\left(2\right)}\left(3\right)\\ \·\\ \·\\ \·\\ x^{\left(2\right)}\left(n\right)\end{array}\right]=\left[\begin{array}{cc}-g\left(2\right)& 1\\ -g\left(3\right)& 1\\ \·& \·\\ \·& \·\\ \·& \·\\ -g\left(n\right)& 1\end{array}\right]\left[\begin{array}{cc}a& b\end{array}\right]---\left(8\right)$

Y′＝BA                                        (9)

$A={\left[\begin{array}{cc}\hat{a}& \hat{b}\end{array}\right]}^T={{\left(B^{T}B\right)}^{-1}B}^T{Y}^{\′}---\left(10\right)$

式(10)中：

Y′＝[x⁽²⁾(2)x⁽²⁾(3)...x⁽²⁾(n)]T

$B={\left[\begin{array}{cccc}-g\left(2\right)& -g\left(3\right)& \·\·\·& -g\left(n\right)\\ 1& 1& \·\·\·& 1\end{array}\right]}^T$

则式(5)所求得的解为：

${\hat{x}}^{\left(3\right)}(k+1)=({\hat{x}}^{\left(3\right)}\left(1\right)-\frac{\hat{b}}{\hat{a}})e^{-\hat{a}k}+\frac{\hat{b}}{\hat{a}}---\left(11\right)$

则通过逆反累加生成操作就可得：

${\hat{x}}^{\left(0\right)}\left(k\right)={\hat{x}}^{\left(3\right)}\left(k\right)-3{\hat{x}}^{\left(3\right)}(k-1)+3{\hat{x}}^{\left(3\right)}(k-2)-{\hat{x}}^{\left(3\right)}(k-3)---\left(12\right)$

根据式(1)进行反变换，得到原始油位曲线预测的值，即：

${\stackrel{\widehat{\‾}}{x}}^{\left(0\right)}\left(k\right)=[{\hat{x}}^{\left(3\right)}\left(k\right)-3{\hat{x}}^{\left(3\right)}(k-1)+3{\hat{x}}^{\left(3\right)}(k-2)-{\hat{x}}^{\left(3\right)}(k-3)-1]\×10k---\left(13\right)$

依据式(13)建立修正的灰色模型。

8.一种油位传感器故障的检测***，其特征在于，该***包括油位传感器和处理器：

油位传感器，用于实时检测油箱的油位，将油位数据发送到处理器；

处理器，用于依据油位数据建立原始灰色模型，对原始灰色模型进行平滑修正，依据修正的灰色模型预测下一时间点的油位数据，判断下一时间点的预测油位数据与实测油位数据的差值是否大于设定门槛值，如是，确认油位传感器异常。

9.如权利要求8所述的***，其特征在于，所述处理器还包括第一故障警示单元，用于当确认该油位传感器异常时，将第一计数器次数加1，如果第一计数器连续计数次数大于等于第一设定值r1，则进行传感器故障警示；如果第一计数器连续计数次数小于第二设定值r2，则将第二计数器清零。

10.如权利要求8所述的***，其特征在于，所述处理器还包括第二故障警示单元，用于如果第一计数器连续计数次数小于第一设定值r1大于等于第二设定值r2，则将第二计数器加1；

若第二计数器计数次数大于第三设定值r3，则进行传感器故障警示。

Images