CN107438093A - 用于从远程系统进行数据采集的系统和方法 - Google Patents
用于从远程系统进行数据采集的系统和方法 Download PDFInfo
- Publication number
- CN107438093A CN107438093A CN201710332370.9A CN201710332370A CN107438093A CN 107438093 A CN107438093 A CN 107438093A CN 201710332370 A CN201710332370 A CN 201710332370A CN 107438093 A CN107438093 A CN 107438093A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- controller
- braking
- vehicle according
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60T—VEHICLE BRAKE CONTROL SYSTEMS OR PARTS THEREOF; BRAKE CONTROL SYSTEMS OR PARTS THEREOF, IN GENERAL; ARRANGEMENT OF BRAKING ELEMENTS ON VEHICLES IN GENERAL; PORTABLE DEVICES FOR PREVENTING UNWANTED MOVEMENT OF VEHICLES; VEHICLE MODIFICATIONS TO FACILITATE COOLING OF BRAKES
- B60T17/00—Component parts, details, or accessories of power brake systems not covered by groups B60T8/00, B60T13/00 or B60T15/00, or presenting other characteristic features
- B60T17/18—Safety devices; Monitoring
- B60T17/22—Devices for monitoring or checking brake systems; Signal devices
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Regulating Braking Force (AREA)
Abstract
车辆包括制动器系统,其配置成阻止车辆移动。该车辆还包括与该制动器系统进行通信的至少一个控制器。该控制器编程为检测性能事件的起始并且监测在制动事件期间与制动器系统相关联的原始信号数据。该控制器还编程为基于原始信号数据生成特征数据集,其指示制动器系统的至少一个部件的性能。该控制器进一步编程为基于车辆移动的变化率识别车辆机动类别、将特征数据集和识别的车辆机动类别作为数据向量来存储,并且将数据向量传输至处理器。
Description
技术领域
本发明涉及从远程装置进行的数据采集。
背景技术
操作不同子系统的组合的车辆可以生成大量数据。可以由远离车辆本身的功能更强的计算处理器来对数据执行大规模处理和分析。另外,可以编译来自多个车辆的数据以生成趋势并且评估各个子系统的性能。大量子系统数据从一辆或多辆车至非车载计算系统的传递可能是费时和/或昂贵的。
发明内容
车辆包括制动器系统,其配置成阻止车辆移动。该车辆还包括与该制动器系统进行通信的至少一个控制器。该控制器编程为检测制动事件的起始并且监测在制动事件期间与制动器系统相关联的原始信号数据。该控制器还编程成基于原始信号数据生成特征数据集,其指示制动器系统的至少一个部件的性能。该控制器进一步编程为基于车辆移动的变化率来识别车辆机动类别、将特征数据集和识别的车辆机动类别作为数据向量来存储,并且将数据向量传输至处理器。
一种传输车辆数据的方法包括响应于检测到驾驶机动的起始而监测来自至少一个车辆部件的原始信号数据。该方法还包括基于原始信号数据生成特征数据集,其指示驾驶机动期间该至少一个车辆部件的性能。该方法进一步包括基于车辆移动的变化率来识别车辆机动类别。该方法进一步包括将特征数据集和识别的车辆机动类别作为数据向量来存储,并且将数据向量传输至非车载处理器。
一种数据采集系统包括非车载服务器,以及车载控制器,该车载控制器与该服务器和至少一个车载部件进行通信。该控制器编程为检测性能事件的起始并且监测在性能事件期间与至少一个部件相关联的原始信号数据。该控制器还编程为基于原始信号数据生成指示该至少一个部件的性能的特征数据集,并且基于性能属性来识别性能事件类别。该控制器进一步编程为将特征数据集和识别的性能事件类别作为数据向量来存储,并且将数据向量传输至非车载服务器。
附图说明
图1是车辆数据采集系统的示意图。
图2是用于驾驶循环的速度和加速度的示例性标绘图。
图3是用于车辆制动事件的数据采集的方法的流程图。
具体实施方式
本文描述了本发明的实施例。然而,应当理解的是,所公开的实施例在本质上仅仅是示例性的,且其它实施例可采取各种和替代形式。图式不一定按比例绘制;某些特征可以被放大或最小化以示出特定部件的细节。因此,本文公开的具体结构和功能细节并不解释为限制,而仅仅解释为用于教导本领域技术人员以各种方式采用本发明的代表性基础。如本领域一般技术人员将理解的是,参考任何一个图式说明并描述的各个特征可结合一个或多个其它图式中说明的特征以产生未明确说明或描述的实施例。所说明的特征组合提供用于各个应用的代表性实施例。然而,特定应用或实施方案可期望与本发明的教导一致的特征的各个组合和修改。
参考图1,车辆10包括制动器系统12,其配置成通过对至少一个车轮14施用阻力转矩来抑制车辆移动。制动器系统12可以包括设置在车轮14处的摩擦制动器,其接合随着车轮14旋转的转子部分。制动器系统12可以液压方式驱动使得液压制动器管线内的流体压力的变化致动车轮处的摩擦制动器。当希望减速时,提供减速要求信号以启动制动器系统12。减速要求信号可以基于诸如按下制动器踏板的驾驶员输入而生成。替代地,制动要求可以由车载处理器、非车载处理器或不同位置处的处理器之间的协作而自动地确定。该处理器可以计算对减速的需要,接着使制动器系统12自动地启动以使车辆10减慢。例如,在无人驾驶自主车辆的情况中,可能不需要驾驶员输入来主动地控制车辆的推进和减速。
提供控制器16以监测并且控制制动器系统12的操作。控制器16包括一个或多个数字计算机,其各自具有微处理器或中央控制单元(CPU)、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、高速时钟、模数转换(A/D)和数模转换(D/A)电路、输入/输出电路和装置(I/O)以及适当的信号调节和缓冲电路。控制器16还可以存储发出命令以执行根据本发明的动作所需要的许多算法或计算机可执行指令。
控制器16还监测来自各个传感器和部件的许多信号,其指示车辆操作。例如,传感器可以设置在制动器踏板(未示出)附近并且可以输出信号,其指示制动器踏板的位置和/或由驾驶员施用至踏板的压力。附加的传感器可以沿着制动器管线定位以输出信号,其指示沿着液压制动器管线的各个位置处的制动器流体压力。其它传感器可以设置在车轮14附近,并且输出指示施用在车轮14处的轮速和制动压力的信号。在制动系统12的至少一部分是由电动马达驱动的情况中,该控制器可以控制供应至马达的电流和电压以及接收信号,该信号指示马达的转矩、速度和位置。虽然上文提及的每个传感器均涉及制动器系统的某些方面,但是任何数量的传感器可以设置在制动器系统的附加位置处以输出信号,该信号代表制动器系统性能的其它方面。另外,可以从其它车辆子系统获取数据以根据本发明的附加方面来评估车辆部件的性能。
控制器16进一步与车载收发器18进行通信以将数据传输至远离车辆的非车载装置。收发器18可以配置成经由无线网络将所获取数据的至少一部分传输至非车载处理器。在一个实例中,包括信号塔20的蜂窝网络用于将无线信号中继至服务器22和从服务器22中继无线信号。
服务器22使用非车载收发器24与车辆10交换数据。服务器22还包括非车载处理器26用于执行计算机可执行指令。服务器22进一步包括存储数据30的存储器28,该数据将至少一个远程部件的期望性能特征化。数据30指示多个已知操作状态期间该远程部件的性能。存储器28还存储一个或多个应用程序32,其具有可执行以响应于接收自远程部件的数据而执行控制动作的指令。如下文更详细地讨论,获取数据并且将其分组成数据向量以促进非车载处理和统计分析。服务器可以编程为比较接收自远程部件的任何数量的数据向量与预定性能特征。
应用程序32还可以包括代表远程部件的性能的各个物理方面的数学模型的算法。在一个实例中,远程部件是车辆10的制动器系统12,且一个或多个应用程序32评估制动系统的性能和健康状态。制动器系统10的操作的数学模型可以用于预测系统性能并且比较预测与实际性能。可以使用基准数学模型来对系统健康进行基于模型的评估。即,可以将接收自控制器16的数据识别为例证与部件质量下降或即将失效相关联的某些特征系统行为。
控制器16还编程为在将车辆处获取的数据传输至非车载处理器26之前调节该数据。接收自车辆的各个部件和/或传感器的原始信号数据被转换为特征数据集,其代表驾驶事件期间的系统性能。特征数据集可以包括参数估计值、状态估计值或测量值与模型估计值之间的偏差。更具体地,特征数据集可以至少从以下项中推导出来:1)多个数据信号的组合、2)预定时间段内的原始数据信号的统计图示(例如,原始信号数据的平均值、中间值、方差等)、3)施用至原始信号数据以促进数据处理的数学变换(例如,标准化、平均值漂移或算法变换),和/或4)原始信号数据测量值与基于模型的估计值之间的偏差。
远程部件的测量输出与基于模型的估计输出之间偏差值或差在理论操作条件下应当接近零。在故障的情况下,一个或多个程序行为将不同于基于模型的行为,因为模型结构化成模拟无故障情况。可以(例如)使用传递函数或使用状态空间模型化方法来确定使用哪个信号来创建偏差。可以选择偏差类型使得偏差值仅受希望被检测的特定故障类型影响。偏差可至少连续地与输出原始数据和模型化误差的波动有关。为了克服波动和误差,推导偏差原始数据的特征以消除噪声的影响以及减少整体数据负担。取决于检测特定故障的难度,相关偏差可以唯一的采样率来计算和/或相对于与不同故障类型相关联的其它偏差类型具有唯一的敏感度。在某些实例中,与偏差进行比较的阈值可以是自适应阈值。即,阈值可以基于输入数据的特性(例如,输入数据的变化率、输入数据的趋势方向、输入数据的变化函数的形状)来自动地调整。通常选择偏差的设置以使得偏差对故障敏感且同时是稳定的以免受到干扰影响。
参考图2,标绘图200和202在时间上对应并且指示检测车辆性能事件的实例。标绘图200描绘驾驶循环的分段的速度与时间。水平轴204代表时间,垂直轴206代表车辆纵向速度,且曲线208代表驾驶循环的一部分期间的示例性速度分布。标绘图202描绘与标绘图200相同的时间段内的车辆加速度。水平轴210代表时间,垂直轴212代表加速度,且曲线214代表驾驶循环的相同部分期间的加速度分布。
控制器可以编程为基于监测原始信号数据检测车辆性能事件。特征从信号数据中提取、与性能事件类别相关联,并且接着传输至非车载处理器。在图2的实例中,性能事件是车辆驾驶机动。更具体地,示例性车辆驾驶机动是制动事件。控制器可以通过观察车速的降低和/或负加速度值来检测制动事件的起始。响应于检测到制动事件,控制器可进行某个程序来收集并且存储与制动事件有关的数据。在制动事件开始时启动数据收集程序之后,根据所获取数据迭代地更新数据向量。在制动事件结束时,数据向量被冻结并且记录在车辆处的数据缓冲器中,且在点火循环的剩余持续时间期间不再改变。每个新的制动事件可以触发新数据向量的生成。所存储数据的大小大幅降低,因为与存储完全跨越每个车辆机动的所有原始数据相比,针对每个事件仅收集一个向量。
根据图2的实例,控制器检测到制动事件并且在时间T1处开始更新数据向量。制动事件的起始是通过车速的降低(如由曲线208所说明)以及由曲线214所说明的负加速度值这二者来标示。控制器还可以例如通过车速停止下降(其还对应于基本上零加速度)来确定制动事件的终止。在图2的情况中,时间T1与时间T2之间发生第一制动事件。控制器使用此事件确定作为用于监测车辆制动参数的开始和结束指标。如上文所讨论,控制器监测被选择为与一种或多种特定类型的性能事件有关的原始数据信号。特征数据集是基于原始信号数据而生成,该特征数据集代表时间T1与T2之间的性能事件(即,第一制动事件)期间的系统性能。在事件终止之后,将特征数据集存储在车辆处的数据缓冲器中以供后续使用。
在具有多个性能事件的驾驶循环的过程中可产生多个数据向量。继续参考图2,基于驾驶循环中的后续车速和加速度值检测附加制动事件。每个附加制动事件均包括不同的减速速率并且可被分类为制动事件的独特类别。生成第二数据向量,其包括时间T3与T4之间的持续时间内代表第二制动事件的制动数据。类似地,针对时间T5与T6之间的持续时间内代表第三制动事件的制动数据生成第三数据向量。如可从标绘图得知,每个制动事件均展现出独特的减速幅度和/或持续时间,并且因此可以基于车辆移动的不同变化率而分类为不同的车辆机动类别。即,车辆制动强度可以用于区分不同类别的制动事件。基于制动事件类别,可以比较期望制动器系统部件性能与特定制动事件类别的预定性能特征。
虽然制动事件是借助实例来讨论,但是也可以检测到附加类型的性能事件,其中控制器监测在事件发生期间涉及该事件的数据信号。另外,性能事件可以指示许多不同类型的远程部件的操作。例如,至少交通流量监测器、天气模式监测器、生物特征监测器、航空监视器和制造系统监测器各自可以包括具有与远程处理器进行通信的控制器的本地装置。控制器可以编程为监测涉及特定类型的本地装置的性能的数据信号。控制器还可以从数据信号生成特征数据集。控制器可以进一步基于一个或多个特定性能参数对事件分配性能事件分类。控制器可以进一步将特征数据集和性能事件分类编译为数据向量。控制器可以进一步将一个或多个数据向量暂时存储在本地装置处的数据缓冲器中。控制器可以进一步定期地或响应于数据缓冲器基本上已经充满了来将一个或多个数据向量传输至非车载处理器。
参考图3,方法300描绘了用于获取并且传输代表车辆性能事件的数据的算法。制动事件是借助实例来使用,但是应当明白的是,该方法可以施用于各种其它类型的车辆性能事件。在步骤302处,控制器基于制动要求、车速和车辆加速度中的至少一个来检测制动事件。控制器接着评估用于生成代表制动性能的一个或多个数据向量的任何车辆状态先决条件。例如,在步骤304处,控制器评估车速是否大于速度阈值VX,TH。在步骤304处,如果速度不大于速度阈值(即,VX≯VX,TH),那么控制器可以返回至方法300的开始并且继续监测另一个制动事件的起始。
在步骤304处,如果速度大于速度阈值(即,VX>VX,TH),那么控制器在步骤306处评估制动器系统已启动的时间是否长于预定时间阈值Y。在步骤306处,如果制动器系统已启动的时间并未长于预定时间阈值Y,那么控制器可以返回至方法300的开始并且继续监测另一个制动事件的起始。
在步骤306处,如果制动器系统已启动的时间长于时间阈值Y,那么控制器在步骤308处评估其它制动相关超驰功能是否有效。例如,主动安全系统(诸如防抱死制动系统、自动牵引力控制系统和电子稳定性控制系统)可以超驰制动系统启动并且在正常操作之外创建操作条件。这些操作条件可能会使制动系统性能评估偏斜,因为它们可能不代表实际的制动系统性能。更具体地,此类主动安全系统可以使制动系统部件以标准操作条件之外的行为来启动。在步骤308处,如果涉及制动器系统的车辆主动安全系统是有效的,那么控制器可以返回至方法300的开始并且继续监测另一个制动事件的起始。
在步骤308处,如果涉及制动器系统的主动安全系统是无效的,那么控制器在步骤310处将数据收集标志设定为“真”。在数据收集期间,控制器监测在制动事件期间与制动器系统相关联的原始信号数据。受监测的特定信号被选择为指示制动器系统的性能,并且还高亮显示系统部件的任何质量下降。在涉及不同子系统的替代实例中,选择特定子系统性能的信号特性来进行监测。
在步骤312处,控制器基于受监测的原始信号数据生成特征数据集。如上文所讨论,特征数据集可以至少包括原始信号数据的变换、组合、滤波和/或标准化。特征数据集指示制动器系统的至少一个部件的性能。
在步骤314处,控制器将程序初始化以基于车辆移动的变化率来识别车辆机动类别。即,控制器编程为将车辆机动分类为多个预定义机动中的一个。控制器可以存储由车辆加速度条件特征化的不同机动的数据库。例如,正常、急剧和紧急制动中的每一种均可以操作以基于所施用的制动压力来将分类等级分离。另外,直线、平缓弯曲和急转弯中的每一个也可以操作以基于横向弯曲的程度将分类等级进一步分离。提前已知并且存储理论的部件操作状态使得控制器可以再调用最代表当前车辆加速度状态的机动类别号。
在步骤316处,控制器评估驾驶员制动意图DBI,其代表施用制动器的积极和迫切需要的程度。在一个实例中,DBI是基于如以下等式(1)中所述的制动器踏板状态。
DBI=min(Pospd,norm,Pin,norm) (1)
其中Pospd,norm)和Pin,norm是分别由等式(2)和(3)限定的标准化的制动器踏板位置和标准化的制动器踏板输入压力。
Pospd,norm=Pospd/Pospd,max (2)
Pin,norm=Pin/Pinn,max (3)
标准化的制动器踏板位置Pospd,norm是当前制动器踏板位置Pospd与最大制动器踏板位置Pospd,max的比。类似地,标准化的制动器踏板输入压力Pin,norm是当前输入压力Pin与最大输入压力Pin,max的比。每个比均大致上携带零与一之间的值。这两个比中的较小比用于评估制动意图并且生成DBI值。如上文所讨论,制动意图还可以由车载处理器和/或非车载处理器而非踏板处的驾驶员输入来自动地确定。在此情况中,其它变量可以用于形成用于制动意图的代表值。
在步骤316处,控制器比较DBI与预定低阈值。在步骤316处,如果DBI不大于第一预定阈值(即,DBI≯DBIth,low),那么可能没有足够的制动要求来将车辆机动分类为已知制动事件。在步骤318处,机动分类可以被分配MCN=0的值、对应于基本上零制动。在步骤338处,特征集和与机动相关联的MCN作为数据向量而存储。
在步骤316处,如果DBI大于第一预定阈值(即,DBI>DBIth,low),那么控制器评估驾驶员制动意图是否大于预定高阈值。在步骤320处,如果DBI不大于第二预定阈值(即,DBI≯DBIth,high),那么驾驶员制动意图可以被分类在平缓制动范围中或被视为“正常”制动。在此平缓制动期间,控制器还评估车辆从其中行驶通过的弯曲程度。横向弯曲可以由转向角传感器、加速度计或能够输出指示横向速度移动的信号的其它传感器类型来测量。在制动时沿着弯曲行驶可影响各个车辆部件的期望性能。在步骤322处,如果车辆正沿着基本上直线路径行驶,那么机动在324处可以被分配MCN=1的值、对应于车辆沿着直线路径进行正常或平缓制动。
在步骤322处,如果车辆沿着横向弯曲路径行驶,那么机动在324处可以被分配MCN=3的值、对应于车辆在转弯期间进行正常制动。虽然本发明将“直线”行驶与“弯曲”行驶之间的二进制选择描述为实例,但是应当明白的是,任何数量的分段弯曲范围均可以适用于基于制动期间车辆行驶的各种弯曲程度来分类并且区分机动。
在步骤320处,如果DBI大于第二预定阈值(即,DBI>DBIth,high),那么驾驶员制动意图可以被分类在高制动范围中或被视为“急剧”制动。在急剧制动期间,控制器还将如上文所讨论般考虑行驶的弯曲程度。在步骤328处,如果车辆正沿着基本上直线路径行驶,那么机动在步骤330处可以被分配MCN=2的值、对应于车辆沿着直线路径进行急剧制动。
在步骤328处,如果车辆正沿着横向弯曲路径行驶,那么机动在336处可以被分配MCN=4的值、对应于车辆在转弯期间进行急剧制动。类似于上文关于弯曲分类进行的描述,制动程度可以被分为仅仅超出“无制动”、“正常制动”和“急剧制动”之外的附加子组。单独参数的更多次数的分类可以允许机动分类种类更精确。
一旦在步骤318、326、324、330或336中的任一个步骤处确定了机动分类次数,在步骤338处将特征数据集和所分配的MCN值作为数据向量存储。各自涉及特定驾驶事件的数据向量的数量存储在车辆处的存储器中。当在驾驶循环期间生成数据向量时,它们可以存储在数据缓冲器中。控制器可以编程为监测存储在数据缓冲器中的数据量。在步骤340处,如果数据缓冲器基本上已经充满了,那么控制器可以在步骤342处将数据向量传输至非车载处理器或服务器。替代地,数据缓冲器可存在预定大小阈值,超过该阈值,可以触发控制器来执行所存储数据向量的上传。
在步骤340处,如果数据缓冲器基本上没有充满,那么控制器评估驾驶循环是否完成。在步骤344处,如果驾驶循环仍然正在进行,那么控制器返回至步骤302以继续监测驾驶循环期间的下一个驾驶事件的发生。在步骤344处如果驾驶循环已完成,那么控制器在步骤342处将数据向量上传至非车载服务器。
在某些实例中,还使用驾驶员制动意图的变化率DBIrate来确定机动类别号。DBIrate可以指示需要制动的迫切程度。例如,DBIrate的值高于速率阈值(即,DBIrate>DBIth,rate)可以自动地触发“紧急制动”分类以及对应的MCN紧急制动值的分配。在另一个实例中,DBIrate的值基本上为零可以指示保持状态,诸如车辆静止,或指示无制动状态。取决于车速和其它因素,控制器至少部分基于车辆制动意图的变化率来分配对应的MCN值。在进一步实例中,DBIrate的负值可以指示制动器的松开,其可以对应于制动事件即将终止。在此情况中,控制器可以分配MCN值,这是至少部分基于车辆制动意图的负变化率。
虽然车辆制动意图是参考制动器踏板处的驾驶员输入而描述的,但是应当明白的是,在替代性实例中,除人为驾驶员输入之外的不同输入也可以确定制动意图。更具体地,在无人驾驶自主车辆的情况中,一个或多个车辆控制器可以自动地确定制动要求。在此情况中,制动意图和其变化率可以是来自控制车辆推进的处理器的直接输出。
服务器可以使用接收自车辆的特征数据集和MCN值来对一个或多个车辆部件执行预后。在某些实例中,服务器对所接收车辆数据和性能事件类别值与相同性能事件类别的预定性能特征做出比较。以此方式,服务器可以做出关于部件健康状态的预后(包括例如预测质量下降的性能和估计剩余使用寿命)。另外,某些性能事件类别的发生频率的变化还可以指示部件健康的变化。在一个实例中,“急剧制动”事件类别内的事件发生的增加可表明制动器系统部件质量下降。
服务器还可以存储可执行以响应于一个或多个数据向量与预定性能特征相差阈值以上而执行控制动作的指令。数据向量与预定性能特征的比较可以指示一个或多个故障状态。一旦识别了特定故障特征,服务器可以取决于故障类型、严重程度和完全失效的内在性来调整独特响应。服务器可以导致记录诊断代码。服务器可以发出指示车辆部件的健康状态的预后消息。在一个实例中,服务器可以导致在车辆处显示消息以告知驾驶员部件健康状态。在某些实例中,多层预后消息组可以包括集中关注质量下降的制动器系统部件的健康状态的普通警告等级。多层预后消息组还可以包括告知驾驶员和/或服务供应商即将发生部件失效的紧急警告等级。例如,服务器可以导致在车辆处显示迫切警告消息使得驾驶员被通知需要车辆服务的状态。取决于消息的迫切性,还可以将通知发送至用户移动装置或车辆服务供应商。
本文所公开的程序、方法或算法可交付给处理装置、控制器或计算机(可包括任何现有的可编程电子控制单元或专用电子控制单元)和/或由其实施。类似地,该程序、方法或算法可存储为可由控制器或计算机执行的呈许多形式的数据和指令,该形式包括(但不限于)永久地存储在诸如ROM装置的不可写存储媒介上的信息以及可变地存储在诸如软盘、磁带、CD、RAM装置以及其它磁性和光学媒介的可写存储媒介上的信息。该程序、方法或算法还可在软件可执行对象中实施。替代地,该程序、方法或算法可全部或部分使用合适的硬件部件(诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其它硬件部件或装置)或硬件、软件和固件部件的组合来实施。此类示例性装置可以是车载的作为车辆计算系统的部分或定位成非车载的,并且与一辆或多辆车上的装置进行远程通信。
虽然上文描述了示例性实施例,但是并不希望这些实施例描述由权利要求书涵盖的所有可能形式。用在说明书中的词汇是描述性词汇,而不是限制性的词汇,且应当理解,可以进行各种变化而并不脱离本发明的精神和范围。如先前所述,各个实施例的特征可组合成形成可以不明确描述或说明的本发明的进一步实施例。虽然各个实施例就一个或多个所需特性而言可能已经描述为提供优点或优于其它实施例或现有技术实施方案,但是本领域一般技术人员认识到,可牺牲一个或多个特征或特性以实现取决于具体应用和实施方案的所需整体系统属性。这些属性可包括(但不限于)成本、强度、耐用性、生命周期成本、市场适销性、外观、包装、大小、服务能力、重量、可制造性、便于组装等。因而,就一个或多个特性而言,描述为所需性不及其它实施例或现有技术实施方案的实施例不在本发明的范围之外并且对于特定应用可为所需的。
Claims (10)
1.一种车辆,其包括:
制动器系统,其配置成阻止车辆移动;以及
至少一个控制器,其配置成
检测制动事件的起始,
监测在所述制动事件期间与所述制动器系统相关联的原始信号数据,
基于所述原始信号数据生成特征数据集,其指示所述制动器系统的至少一个部件的性能,
基于车辆移动的变化率来识别车辆机动类别,
将所述特征数据集和所述识别的车辆机动类别作为数据向量来存储,以及
将所述数据向量传输至处理器。
2.根据权利要求1所述的车辆,其中所述控制器进一步编程为响应于驾驶循环的终止而将所述数据向量传输至所述处理器。
3.根据权利要求1所述的车辆,其中所述控制器进一步编程为将多个数据向量存储在所述车辆处的数据缓冲器中并且响应于所述数据缓冲器基本上已经充满了而将所述多个数据向量中的至少一个传输至所述处理器。
4.根据权利要求1所述的车辆,其中所述车辆机动类别是代表多个预定车辆机动中的一个的整数值。
5.根据权利要求1所述的车辆,其中所述控制器进一步编程为基于所述数据向量和与所述识别的车辆机动类别相关联的预定性能特征之间的比较来接收预后消息。
6.根据权利要求1所述的车辆,其中所述车辆机动类别是进一步基于以下至少一项:车辆制动意图、所述车辆制动意图的变化率以及车辆转向角。
7.根据权利要求1所述的车辆,其中所述控制器进一步编程为响应于所述制动事件的终止而存储特征数据集。
8.根据权利要求1所述的车辆,其中所述处理器存储可执行以比较所述数据向量和与所述识别的车辆机动类别相关联的预定性能特征的指令。
9.根据权利要求1所述的车辆,其中所述处理器存储可执行以基于所述数据向量和与所述识别的车辆机动类别相关联的预定性能特征之间的比较来将预后消息发送至所述控制器的指令。
10.根据权利要求1所述的车辆,其中所述控制器设置在所述车辆上,且所述处理器设置在非车载服务器处。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/166,756 US20170345229A1 (en) | 2016-05-27 | 2016-05-27 | Systems and Methods For Data Acquisition From A Remote System |
US15/166756 | 2016-05-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107438093A true CN107438093A (zh) | 2017-12-05 |
Family
ID=60269021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710332370.9A Pending CN107438093A (zh) | 2016-05-27 | 2017-05-11 | 用于从远程系统进行数据采集的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170345229A1 (zh) |
CN (1) | CN107438093A (zh) |
DE (1) | DE102017111505A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110780608A (zh) * | 2019-11-26 | 2020-02-11 | 北京百度网讯科技有限公司 | 仿真测试方法及装置 |
CN111724501A (zh) * | 2019-03-22 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 应用于无人设备的数据同步采集方法和装置 |
CN112884943A (zh) * | 2021-03-10 | 2021-06-01 | 北京车和家信息技术有限公司 | 用户驾驶行为还原方法、装置、介质以及电子设备 |
CN113196345A (zh) * | 2018-12-20 | 2021-07-30 | 采埃孚股份公司 | 用于对机动车辆进行分类的方法以及系统 |
CN114475481A (zh) * | 2022-03-24 | 2022-05-13 | 四川野马汽车股份有限公司 | 一种微型电动汽车零部件配置信息的传输系统及方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE539154C2 (sv) * | 2012-12-04 | 2017-04-18 | Scania Cv Ab | Anordning och förfarande för förbättring av säkerhet vid framförande av ett fordon |
US9809159B1 (en) | 2016-12-28 | 2017-11-07 | Allstate Insurance Company | System and methods for detecting vehicle braking events using data from fused sensors in mobile devices |
US10600261B2 (en) * | 2017-10-05 | 2020-03-24 | GM Global Technology Operations LLC | Vehicle with health-based active self-testing method |
DE102018213010A1 (de) * | 2018-08-03 | 2020-02-06 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren sowie Vorrichtung zur Bereitstellung einer ersten Information in Bezug auf mehrere Fahrzeuge |
GB2579202A (en) * | 2018-11-23 | 2020-06-17 | Caterpillar Sarl | A method of monitoring the brake performance of a machine |
DE102019213512A1 (de) * | 2019-09-05 | 2021-03-11 | Robert Bosch Gmbh | Verfahren zum Betreiben einer Bremsvorrichtung |
US11967189B2 (en) * | 2020-04-20 | 2024-04-23 | Innova Electronics Corporation | Router for communicating vehicle data to a vehicle resource |
DE102021205087A1 (de) * | 2021-05-19 | 2022-11-24 | Robert Bosch Gesellschaft mit beschränkter Haftung | Prognosevorrichtung und Prognoseverfahren für zumindest eine Bremssystemkomponente eines Bremssystems eines Eigenfahrzeugs |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101174140A (zh) * | 2007-11-07 | 2008-05-07 | 徐州智龙电子科技有限公司 | 基于多技术集成的工程机械智能化车载终端 |
CN201562167U (zh) * | 2009-12-24 | 2010-08-25 | 上海景格汽车科技有限公司 | 汽车故障诊断数据采集装置 |
US20110251752A1 (en) * | 2010-04-09 | 2011-10-13 | Isaac Instruments Inc. | Vehicle telemetry system and method for evaluating and training drivers |
CN102968107A (zh) * | 2012-11-28 | 2013-03-13 | 北京理工大学 | 电动汽车远程监控方法和系统 |
CN104054118A (zh) * | 2012-01-13 | 2014-09-17 | 脉冲函数F6有限公司 | 带有三维惯性传感器的远程信息处理系统 |
US20150088335A1 (en) * | 2013-09-26 | 2015-03-26 | Lytx, Inc. | Dynamic uploading protocol |
-
2016
- 2016-05-27 US US15/166,756 patent/US20170345229A1/en not_active Abandoned
-
2017
- 2017-05-11 CN CN201710332370.9A patent/CN107438093A/zh active Pending
- 2017-05-25 DE DE102017111505.6A patent/DE102017111505A1/de not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101174140A (zh) * | 2007-11-07 | 2008-05-07 | 徐州智龙电子科技有限公司 | 基于多技术集成的工程机械智能化车载终端 |
CN201562167U (zh) * | 2009-12-24 | 2010-08-25 | 上海景格汽车科技有限公司 | 汽车故障诊断数据采集装置 |
US20110251752A1 (en) * | 2010-04-09 | 2011-10-13 | Isaac Instruments Inc. | Vehicle telemetry system and method for evaluating and training drivers |
CN104054118A (zh) * | 2012-01-13 | 2014-09-17 | 脉冲函数F6有限公司 | 带有三维惯性传感器的远程信息处理系统 |
CN102968107A (zh) * | 2012-11-28 | 2013-03-13 | 北京理工大学 | 电动汽车远程监控方法和系统 |
US20150088335A1 (en) * | 2013-09-26 | 2015-03-26 | Lytx, Inc. | Dynamic uploading protocol |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113196345A (zh) * | 2018-12-20 | 2021-07-30 | 采埃孚股份公司 | 用于对机动车辆进行分类的方法以及系统 |
CN111724501A (zh) * | 2019-03-22 | 2020-09-29 | 北京京东尚科信息技术有限公司 | 应用于无人设备的数据同步采集方法和装置 |
CN110780608A (zh) * | 2019-11-26 | 2020-02-11 | 北京百度网讯科技有限公司 | 仿真测试方法及装置 |
CN110780608B (zh) * | 2019-11-26 | 2023-03-10 | 北京百度网讯科技有限公司 | 仿真测试方法及装置 |
CN112884943A (zh) * | 2021-03-10 | 2021-06-01 | 北京车和家信息技术有限公司 | 用户驾驶行为还原方法、装置、介质以及电子设备 |
CN114475481A (zh) * | 2022-03-24 | 2022-05-13 | 四川野马汽车股份有限公司 | 一种微型电动汽车零部件配置信息的传输系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102017111505A1 (de) | 2017-11-30 |
US20170345229A1 (en) | 2017-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107438093A (zh) | 用于从远程系统进行数据采集的系统和方法 | |
CN109689470B (zh) | 异常诊断装置、异常诊断方法和计算机程序 | |
CN113748030B (zh) | 用于车辆轮胎性能建模和反馈的系统和方法 | |
US11407409B2 (en) | System and method for trajectory validation | |
US11397434B2 (en) | Consistency validation for vehicle trajectory selection | |
JP2019056482A (ja) | 車両のブレーキ摩耗を判定する方法および装置 | |
US20210300132A1 (en) | Tire state estimation system and method utilizing a physics-based tire model | |
JP6796527B2 (ja) | 車両状態監視装置、車両状態監視システム及び車両状態監視方法 | |
CN104540701A (zh) | 用于确定驾驶员的操作状态的方法 | |
US20210046926A1 (en) | Feasibility validation for vehicle trajectory selection | |
US20230256778A1 (en) | Vehicle tire localization system and method using temperature rise data | |
CN109751349B (zh) | 自适应地监测制动器衬垫磨损的方法和系统 | |
US20230196854A1 (en) | Tire replacement system | |
KR20220039531A (ko) | 자율 주행 차량의 운행 패턴 해석 방법 | |
CN114222690A (zh) | 修改轨迹的车辆动力学限制 | |
US11761858B2 (en) | Hierarchical data structure and method for prediction of tire wear | |
CN109795501A (zh) | 轮胎振动和松动轮检测 | |
CN114330952A (zh) | 用于递送跟踪、路线规划和评级的设备、方法和系统 | |
US20210065482A1 (en) | Vehicle wheel impact detection and response | |
CN114450647B (zh) | 技术系统的诊断 | |
US20240053231A1 (en) | System and method for estimating tire wear using acoustic footprint analysis | |
US11872850B2 (en) | System and method for tire vertical load prediction | |
WO2023250236A1 (en) | Vehicle tire localization system and method using tire and/or wheel sensors and directional antennas | |
CN116278523A (zh) | 轮胎更换系统 | |
EP4304876A1 (en) | System and method for estimation of tread depth from tire pressure and/or temperature measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171205 |
|
WD01 | Invention patent application deemed withdrawn after publication |