本申请涉及无人矿卡健康诊断，特别涉及一种基于在线自适应采样的无人矿卡健康诊断系统。
背景技术：
1、无人矿卡是一种自动化的矿用卡车，作为智能矿山的重要组成部分，推动了矿山行业向智能化、绿色化方向发展。为了确保无人矿卡安全运行，提高矿卡的运行效率，使矿卡能够适应复杂的环境条件，需要对无人矿卡的健康诊断进行研究。
2、现有技术中，中国专利cn117784761a公开了一种基于数据驱动的无人驾驶矿卡故障预诊断方法，该无人驾驶矿卡故障预诊断方法考虑无人驾驶矿卡日常稳定运行需求，结合无人驾驶矿卡的复杂结构，在检测到异常后进行故障诊断，作为维修建议反馈给维修人员，突破传统无人驾驶矿卡健康管理在预警诊断方面的不足，达到提高无人驾驶矿卡故障预诊断及时性和有效性的效果，增强无人驾驶矿卡日常行驶的稳定性和可靠性。
3、由于无人矿卡的健康诊断需要实时采集各类运行数据，数据量较大，若不进行筛选，会造成较大的计算资源消耗，然而，上述现有技术未对该问题进行考虑或解决，数据利用率和数据处理效率较差；此外，当环境和条件发生变化时，无人矿卡的数据分析模型的精度会受到影响，上述现有技术也未对该问题进行研究或解决，模型准确性和适应性较差。
技术实现思路
1、本申请提供了一种基于在线自适应采样的无人矿卡健康诊断系统，用以解决现有技术中无人矿卡健康诊断系统的数据利用率和数据处理效率较差，模型准确性和适应性较差的问题。
2、一方面，本申请提供了一种基于在线自适应采样的无人矿卡健康诊断系统，包括：数据采集模块、趋势分析模块、健康诊断模块、自适应采样控制模块、主动学习控制模块和增量学习更新模块。
3、所述数据采集模块用于采集无人矿卡运行数据。
4、所述趋势分析模块用于根据所述无人矿卡运行数据进行趋势分析，得到运行预测数据。
5、所述健康诊断模块用于根据所述运行预测数据进行健康诊断，得到健康诊断结果。
6、所述自适应采样控制模块用于根据所述运行预测数据调整所述数据采集模块的采样策略。
7、所述主动学习控制模块用于根据所述运行预测数据对所述无人矿卡运行数据进行筛选并标注，得到运行标注数据。
8、所述增量学习更新模块用于根据所述运行标注数据对所述趋势分析模块进行模型实时更新。
9、在一种可能的实现方式中，所述数据采集模块包括：速度采集单元、振动采集单元和温度采集单元。
10、所述速度采集单元用于采集无人矿卡速度数据。
11、所述振动采集单元用于采集无人矿卡振动数据。
12、所述温度采集单元用于采集无人矿卡温度数据。
13、所述无人矿卡运行数据包括所述无人矿卡速度数据、所述无人矿卡振动数据和所述无人矿卡温度数据。
14、在一种可能的实现方式中，所述趋势分析模块用于采用趋势分析模型根据所述无人矿卡运行数据进行趋势分析，得到运行预测数据。
15、所述趋势分析模型是采用运行数据训练集对时间序列神经网络进行训练得到。
16、在一种可能的实现方式中，所述时间序列神经网络包括：长短期记忆网络、递归神经网络、门控循环网络和时间序列图神经网络。
17、在一种可能的实现方式中，所述健康诊断模块采用机器学习方法根据所述运行预测数据进行健康诊断，得到健康诊断结果。
18、在一种可能的实现方式中，所述机器学习方法包括：支持向量机算法、随机森林算法、逻辑回归算法、线性回归算法、聚类分析算法和q学习算法。
19、在一种可能的实现方式中，所述自适应采样控制模块用于根据所述运行预测数据的波动程度调整所述数据采集模块的采样策略。
20、在一种可能的实现方式中，所述自适应采样控制模块用于根据所述运行预测数据与对应的实际运行数据的偏差程度调整所述数据采集模块的采样策略。
21、在一种可能的实现方式中，所述主动学习控制模块用于采用不确定性选择策略根据所述运行预测数据对所述无人矿卡运行数据进行筛选并标注，得到运行标注数据。
22、在一种可能的实现方式中，所述增量学习更新模块用于将所述运行标注数据添加至所述趋势分析模块的运行数据训练集中，采用新的运行数据训练集对所述趋势分析模块进行模型实时更新。
23、本申请中的一种基于在线自适应采样的无人矿卡健康诊断系统，具有以下优点：
24、通过结合在线自适应采样技术和主动学习技术，提高了数据利用率和数据处理效率；通过结合主动学习技术和增量学习技术，提高了模型准确性和适应性。
25、提出的趋势分析模块采用趋势分析模型根据无人矿卡运行数据进行趋势分析，得到运行预测数据，趋势分析模型是采用运行数据训练集对时间序列神经网络进行训练得到，提高了运行预测数据的准确性。
26、提出的健康诊断模块采用机器学习方法根据运行预测数据进行健康诊断，得到健康诊断结果，提高了无人矿卡健康诊断结果的可靠性。
27、提出的自适应采样控制模块根据运行预测数据的波动程度调整数据采集模块的采样策略，自适应采样控制模块根据运行预测数据与对应的实际运行数据的偏差程度调整数据采集模块的采样策略，提高了数据采样有效性。
28、提出的主动学习控制模块采用不确定性选择策略根据运行预测数据对无人矿卡运行数据进行筛选并标注，得到运行标注数据，并用运行标注数据替代无人矿卡运行数据，提高了趋势分析效率和精度。
29、提出的增量学习更新模块将运行标注数据添加至趋势分析模块的运行数据训练集中，采用新的运行数据训练集对趋势分析模块进行模型实时更新，提高了模型更新的灵活性。
1.一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，包括：数据采集模块、趋势分析模块、健康诊断模块、自适应采样控制模块、主动学习控制模块和增量学习更新模块；
2.根据权利要求1所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述数据采集模块包括：速度采集单元、振动采集单元和温度采集单元；
3.根据权利要求1所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述趋势分析模块用于采用趋势分析模型根据所述无人矿卡运行数据进行趋势分析，得到运行预测数据；
4.根据权利要求3所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述时间序列神经网络包括：长短期记忆网络、递归神经网络、门控循环网络和时间序列图神经网络。
5.根据权利要求1所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述健康诊断模块采用机器学习方法根据所述运行预测数据进行健康诊断，得到健康诊断结果。
6.根据权利要求5所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述机器学习方法包括：支持向量机算法、随机森林算法、逻辑回归算法、线性回归算法、聚类分析算法和q学习算法。
7.根据权利要求1所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述自适应采样控制模块用于根据所述运行预测数据的波动程度调整所述数据采集模块的采样策略。
8.根据权利要求1所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述自适应采样控制模块用于根据所述运行预测数据与对应的实际运行数据的偏差程度调整所述数据采集模块的采样策略。
9.根据权利要求1所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述主动学习控制模块用于采用不确定性选择策略根据所述运行预测数据对所述无人矿卡运行数据进行筛选并标注，得到运行标注数据。
10.根据权利要求1所述的一种基于在线自适应采样的无人矿卡健康诊断系统，其特征在于，所述增量学习更新模块用于将所述运行标注数据添加至所述趋势分析模块的运行数据训练集中，采用新的运行数据训练集对所述趋势分析模块进行模型实时更新。
