CN108549943A - 用于车辆部件的基于云的实时预测性维护 - Google Patents

用于车辆部件的基于云的实时预测性维护 Download PDF

Info

Publication number
CN108549943A
CN108549943A CN201810150955.3A CN201810150955A CN108549943A CN 108549943 A CN108549943 A CN 108549943A CN 201810150955 A CN201810150955 A CN 201810150955A CN 108549943 A CN108549943 A CN 108549943A
Authority
CN
China
Prior art keywords
service life
vehicle
determinant
component
data
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
Application number
CN201810150955.3A
Other languages
English (en)
Inventor
叶海忠
陈鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Zhixing New Energy Automotive Technology Development Co Ltd
Original Assignee
Nanjing Zhixing New Energy Automotive Technology Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Zhixing New Energy Automotive Technology Development Co Ltd filed Critical Nanjing Zhixing New Energy Automotive Technology Development Co Ltd
Publication of CN108549943A publication Critical patent/CN108549943A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G07C5/006—Indicating maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • 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
    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • 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
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • 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
    • H04L67/131—Protocols for games, networked simulations or virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing

Abstract

本发明公开的实施方案包括耦接到车辆部件的直接传感器、代理传感器、或这两者。控制器通信地耦接到所述直接传感器和/或所述代理传感器。用户界面和收发器通信地耦接到所述控制器。所述控制器可以采样频率对来自所述直接传感器的寿命决定因素的测量结果、来自所述代理传感器的代理寿命决定因素的测量结果、或这两者进行采样；对所述寿命决定因素和所述代理寿命决定因素的每个样本进行时间标记；在报告周期结束时，汇编数据集，所述数据集包括车辆标识符、部件标识符、所述寿命决定因素或所述代理寿命决定因素中的至少一个的样本、以及与所述寿命决定因素或所述代理寿命决定因素的每个样本相关联的时间标记；并且经由所述收发器和所述天线将所述数据集传输到云计算中心。

Description

用于车辆部件的基于云的实时预测性维护
技术领域
所公开的实施方案整体涉及用于车辆部件的预防性维护，并且具体地但不排他地涉及用于车辆部件的基于云的实时预测性维护。
背景技术
大多数车辆包括许多寿命短于车辆寿命的部件，这意味着这些部件在车辆寿命期间需要修理或更换至少一次。对于影响车辆的性能、可靠性或安全性的部件，尤其重要的是在它们达到其寿命的终点之前，也就是说在它们发生故障并且造成不便或事故以及它们带来的所有经济后果之前进行修理或更换。
为了避免部件故障并提高可靠性，车辆目前主要基于由车辆制造商设定的固定里程间隔或固定时间间隔进行维护。但是驾驶员对每台车辆的不同使用情况意味着里程或时间间隔可能不合适—对于某些人来说太长，对其他人来说太短。对于其来说固定间隔太短的驾驶员最终花费的维护费用超出了需要，而对于其来说固定间隔太长的驾驶员可能会遇到部件故障，该部件故障可能会造成超出部件本身的损害(例如，如果部件故障导致事故)，并且还会导致比所需更高的维护成本。
发明内容
描述了在车辆中用以提供用于车辆部件的基于云的实时预测性维护的设备的实施方案。该设备包括耦接到车辆中的部件的直接传感器、代理传感器、或这两者。控制器通信地耦接到直接传感器和/或代理传感器。用户界面和收发器通信地耦接到控制器。控制器包括存储在其上的指令，该指令在被执行时使控制器以采样频率对来自直接传感器的寿命决定因素的测量结果、来自代理传感器的代理寿命决定因素的测量结果、或这两者进行采样；对寿命决定因素和代理寿命决定因素的每个样本进行时间标记；在报告周期结束时，汇编数据集，该数据集包括车辆标识符、部件标识符、寿命决定因素或代理寿命决定因素中的至少一个的样本、以及与寿命决定因素或代理寿命决定因素的每个样本相关联的时间标记；并且经由收发器和天线将数据集传输到云计算中心。
描述了用于基于云计算以提供用于车辆部件的基于云的实时预测性维护的设备的实施方案。该设备包括通信接口，一个或多个数据库，以及耦接到通信接口并且耦接到一个或多个数据库的服务器。服务器可通过通信接口接收数据集，该数据集包括车辆标识符、部件标识符、寿命决定因素或代理寿命决定因素中的至少一个的样本、以及与寿命决定因素或代理寿命决定因素的每个样本相关联的时间标记。服务器可访问一个或多个数据库，以将来自所接收的数据集的数据添加到在所接收的数据集中识别的部件和与车辆标识符相关联的车辆的寿命决定因素或代理寿命决定因素的存储时间历史，提取在所接收的数据集中识别的部件的寿命数据，并且基于寿命数据、寿命决定因素或代理寿命决定因素中的至少一个、以及寿命决定因素或代理寿命决定因素的时间历史，计算量化部件的剩余寿命的健康状态。如果部件的健康状态落入临近阈值内，则向与车辆标识符相关联的车辆的操作者传输警告。
描述了在车辆中用以提供用于车辆部件的基于云的实时预测性维护的方法的实施方案。该方法包括以采样频率对来自直接传感器的寿命决定因素的测量结果、来自代理传感器的代理寿命决定因素的测量结果、或这两者进行采样，其中直接传感器和代理传感器耦接到车辆中的部件。对寿命决定因素或代理寿命决定因素的每个样本进行时间标记。在报告周期结束时，汇编数据集，该数据集包括车辆标识符、部件标识符、寿命决定因素或代理寿命决定因素中的至少一个的样本、以及与寿命决定因素或代理寿命决定因素的每个样本相关联的时间标记。将数据集传输到云计算中心。
描述了用于基于云计算以提供用于车辆部件的基于云的实时预测性维护的方法的实施方案。该方法包括接收来自车辆的数据集，该车辆包括耦接到部件的直接传感器或代理传感器中的一者或两者，该数据集包括车辆标识符、部件标识符、寿命决定因素或代理寿命决定因素中的至少一个的样本、以及与寿命决定因素或代理寿命决定因素的每个样本相关联的时间标记。访问一个或多个数据库以将来自所接收的数据集的数据添加到在所接收的数据集中识别的部件和与车辆标识符相关联的车辆的寿命决定因素或代理寿命决定因素的存储时间历史，提取在所接收的数据集中识别的部件的寿命数据，并且基于寿命数据、寿命决定因素或代理寿命决定因素中的至少一个、以及寿命决定因素或代理寿命决定因素的时间历史，计算量化部件的剩余寿命的健康状态。如果部件的健康状态落入临近阈值内，则可向与车辆标识符相关联的车辆的操作者传输警告。
附图说明
参考以下附图来描述本发明的非限制性和非穷举性实施方案，其中除非另外指明，否则相同附图标记在各种不同视图中指代相同的部件。
图1是用于车辆部件的基于云的实时预测性维护的系统的实施方案的框图。
图2是由图1的车辆使用的过程的实施方案的流程图。
图3是由图1的云计算中心使用的过程的实施方案的流程图。
图4是包括车载报告系统的实施方案的车辆的框图。
具体实施方式
下文描述了用于车辆部件的基于云的实时预测性维护的设备和方法的实施方案。设备的一部分在车辆中，另一部分在云计算中心中。在设备的车辆部分中，车辆中的一个或多个部件利用直接感测部件的寿命决定因素(即，诸如其历史主要决定部件寿命的温度之类的数量)或代理寿命决定因素(即，可由其推导出寿命决定因素的数量)的传感器来监测。传感器由部件的电子控制单元[ECU]以一定的采样频率并且在报告周期内进行采样。然后，将传感器数据发送到车辆控制单元[VCU]，该VCU汇编数据集，该数据集包括车辆标识符、部件标识符、寿命决定因素或代理寿命决定因素的样本以及与每个样本相关联的时间标记。使用耦接到VCU的收发器，将数据集传输到云计算中心以进行处理并且新的报告周期开始。在收集和发送数据的同时，VCU监听来自云计算中心的警告。基于来自传感器的数据，如果云计算中心确定部件中的任一者接近其寿命终点，则将会发出警告。
云计算中心包括通过其可与车辆通信的通信接口，耦接到通信接口的一个或多个服务器，以及耦接到服务器的一个或多个数据库。云计算中心从车辆接收数据集并且利用该车辆中正被监测的每个部件的寿命决定因素或代理寿命决定因素的历史(即，随时间推移的变化)来编译数据库。使用特定车辆中特定部件的寿命决定因素或代理寿命决定因素的历史，以及针对该特定部件的数据库中存储的数据—例如，通过实验确定的寿命数据或通过从一队车辆收集该部件的历史来确定的寿命数据—云计算中心计算部件的健康状态(SOH)。如果SOH指示部件接近其寿命终点，则云计算中心可向车辆驾驶员发送警告，告知他们部件必须尽快更换。云计算中心也可通知修理机构或服务中心，使得在车辆进入之前可以订购更换部件。
其中，所公开的实施方案的目的包括通过改进其性能、安全性和可靠性来鼓励采用和使用电动车辆；通过降低其修理成本来鼓励采用和使用电动车辆；减小过早丢弃车辆部件造成的环境影响；以及降低由操作车辆超过关键部件的使用寿命而造成的事故和事件的社会成本。
图1示出用于车辆部件的实时预测性维护的系统100的实施方案。系统100实现用于部件(诸如在电动车辆上的牵引逆变器中使用的功率半导体模块)的基于云的健康状态(SOH)估计方法，使得电动车辆可以通知驾驶员即将发生的部件故障并提供预测性维护能力。此外，车辆服务中心或修理机构可接收对应的部件订单，使得他们可以提前准备更换或修理部件。尽管下面的实施方案大多数被描述为用于全电动车辆中，但是系统100的其他实施方案也可用于部分电动(即，混合动力)车辆和非电动车辆中，诸如具有传统内燃机的车辆。虽然大多数在汽车的上下文中描述，但所示的系统和方法也可用于其他轮式车辆，诸如卡车、摩托车、公共汽车、火车等。所示的系统和方法也可用于非轮式车辆，诸如船舶、飞机(动力式或滑翔机)和火箭。实际上，所示实施方案可用于任何情况，其中监测部件的健康状态并通知其寿命即将结束是有用的。例如，所示系统可用于与运输无关的情况，诸如家庭、办公室、空间站等。
系统100包括通信地耦接到云计算中心104的车辆102。云计算中心104继而通信地耦接到修理机构128和供应商工厂130。在该申请的上下文中，“通信地耦接”意指以这样的方式耦接，即可以沿一个或两个方向在两个实体或部件之间交换数据。虽然仅示出一台车辆102，但在其他实施方案中，车辆和云计算中心之间不需要一一对应。在其他实施方案中，例如，云计算中心104(其例如可由车辆制造商建立并运行)可通信地耦接到来自该制造商的多台车辆，最多至并且包括该制造商的车辆的整个车队。虽然仅示出一个修理机构128和一个工厂130，但在其他实施方案中，云计算中心104可通信地耦接到多个修理机构和多个工厂。
车辆102包括一个或多个部件101，每个部件具有耦接对应传感器103的电子控制单元(ECU)105，并且每个ECU 105经由控制器区域网络(CAN)总线107通信地耦接到车辆控制单元(VCU)106。VCU 106继而通信地耦接到时钟108、GPS单元110、用户界面112和收发器114。虽然在图中示为与VCU 106分离的部件，但是在一些实施方案中，时钟108可以是VCU106内的实时专用集成电路(ASIC)时钟。收发器114通信地耦接到天线116，车辆102可通过该天线将数据无线地传输到云计算中心104，并且从该云计算中心接收数据。在所示实施方案中，车辆102经由天线116与塔架132无线地通信，该塔架然后可经由网络124与云计算中心104通信。
部件101通常是这样的部件，其寿命对于车辆102的性能、可靠性或安全性是重要的，使得非常有益的是能够预测部件101何时处于或接近故障—换句话说，所述部件何时处于或接近其寿命终点。在所示实施方案中，存在三个部件101a-101c，但是其他实施方案可具有比所示更多或更少的部件101。例如，部件101可以是对性能、可靠性和安全性重要的，并且具有低的平均无故障时间(MTBF)的部件。例如，在电池供电的电动车辆中，功率电子系统诸如牵引逆变器在向构成车辆的动力传动系的电动马达递送电力方面起着重要的作用。这些功率电子系统的高可靠性对于电动车辆是期望的，因为它们对于安全性是至关重要的。对功率电子器件的可靠性的基于工业的调查显示，功率电子转换器(例如，牵引逆变器)的可靠性是重要的问题，并且功率半导体是最脆弱的部件中的一些。根据基于来自80家公司的200多种产品的调查，功率半导体模块中的半导体和焊接故障总共占功率电子转换器故障的34％。
每个部件101具有寿命决定因素—也就是说，其历史(即，随时间推移的变化)已通过分析、观察、实验等确定的数量，以最大程度地影响部件的寿命。寿命决定因素可用于预测部件的故障—即，其寿命的终点。例如，在用于电池供电的电动车辆的牵引逆变器中，功率半导体的结温度是寿命决定因素，因为考虑到逆变器的故障机制，可以使用结温度历史来预测其寿命。由于模块中不同材料层的温度摆动和不同的热膨胀系数，在牵引逆变器的功率半导体模块中引入高的热应力。可能的故障机制包括焊料破裂和导线剥离。如果牵引逆变器在车辆进行操作时发生故障，则牵引逆变器的故障可能造成事故。
传感器103耦接到每个部件101：传感器103a耦接到部件101a，传感器103b耦接到部件101b，以此类推。虽然在附图中示为单个单元，但每个传感器103a-103c可包括多个传感器，使得传感器和部件之间不需要一一对应。传感器103可包括直接传感器和代理传感器中的一者或两者，该直接传感器直接测量对应部件的寿命决定因素，该代理传感器反而测量代理寿命决定因素，从该代理寿命决定因素可通过分析、观察或实验来推导寿命决定因素。在上述牵引逆变器中，传感器103可为测量功率半导体的结温度的直接传感器。但是，如果制造商没有将温度传感器构建在功率半导体中，则不存在直接的测量温度。然而，可通过使用冷却剂温度和电热模型来估计结温度。在这样的实施方案中，传感器103可以是代理传感器，该代理传感器测量牵引逆变器的冷却剂温度，而不是功率半导体本身的温度。
功率半导体模块的结温度可根据模块供应商来估计或测量。如果功率半导体模块在硅芯片上不具有温度传感器，则可以使用结温度估计算法来估计结温度。如果功率半导体在硅芯片中具有热二极管，则可以直接测量温度。
车辆控制单元(VCU)106是控制器，该控制器包括微处理器、存储器、存储装置和通信接口，利用该通信接口，该控制器可与其他部件通信，诸如传感器103a-103c、时钟108、全球定位系统(GPS)110、用户界面112和收发器114。在一个实施方案中，VCU 106是车辆的主计算机，但是在其他实施方案中，该VCU可以是与车辆的主计算机或主要计算机分离的部件。
云计算中心104包括通信接口118、服务器120以及一个或多个数据库122。通信接口118通信地耦接到服务器120并且耦接到网络124和126，使得云计算中心104可通过网络124将数据与车辆102进行交换，并且也可经由网络126将信息发送到修理机构128和/或工厂130。虽然被示为单个服务器，但是在其他实施方案中，服务器120可包括多个服务器，其中每个服务器包括一个或多个微处理器、存储器和存储装置。
使用云计算而不是车辆自身的VCU或其他车载计算资源，来更好地实现与车辆部件(诸如功率半导体模块)的寿命估计相关联的计算复杂性和海量数据存储。可以节省珍贵的车载计算资源、微控制器的执行时间以及成本。而且，由于每台车辆的寿命决定因素简档数据可被收集在云中，因此可以将该简档的统计信息提供给部件供应商以进行进一步分析和诊断，从而帮助部件供应商提高可靠性或改进其产品以满足客户的要求。
图2示出由车辆使用的过程200的实施方案。过程200在系统100的上下文中讨论，但是也可用于系统100的其他实施方案中。在系统100中，过程200主要由车辆控制单元(VCU)106执行，但是在其他实施方案中，该过程可由车辆上的不同部件执行。该过程开始于框202并且包括同时或基本上同时执行的两个分支：包括框204-216的报告分支，该报告分支将车辆数据报告给云计算中心；以及包括框218-226的警告分支，该警告分支根据需要提供从云计算中心接收的警告，这取决于云数据中心对在框204-216中收集和报告的车辆数据的分析。
过程的报告分支开始于框204，其中报告周期(在此期间该过程收集传感器输出以用于报告给云计算中心的周期)开始。在框206处，ECU105a-105c以采样频率对来自传感器103a-103c的输出进行采样。报告周期和采样频率可被选择以使得过程200和300实时或基本上实时地进行。例如，在一个实施方案中，报告周期和采样周期(即，采样频率的倒数)可以相等，使得每个样本被立即传输到云计算中心。在其他实施方案中，报告周期可长于采样周期，使得多个样本在被发送到云计算中心之前被汇集。
在框207处，将采样的传感器数据发送到VCU 106，并且在框208处，例如使用时钟108的输出对每个采样的传感器输出进行时间标记。在框210处，该过程检查报告周期是否已结束。如果报告周期尚未结束，则该过程返回到框206，其中该过程继续以采样频率对传感器103的输出进行采样。但是如果在框210处，报告周期已结束，则该过程移动到框212，其中该过程例如使用GPS 110任选地确定车辆的当前位置，使得车辆的当前位置也可被报告给云计算中心。
在框214处，该过程汇编数据集以便传送到云计算中心104。在一个实施方案中，数据集可包括车辆标识符、每个部件101的部件标识符(其中传感器103的输出被采样)，来自每个传感器的采样输出，以及与来自每个传感器的每个样本相关联的时间标记。在其他实施方案中，数据集可包括附加信息，诸如车辆的当前位置。在框216处，在框214处汇编的数据集经由收发器114和天线116被传输到云计算中心104以用于分析。在将数据集传输到云计算中心之后，该过程返回到框204，其中新的报告周期开始，然后该过程再次通过框204-216进行。
过程200的警告分支开始于框218，其中该过程监听来自云计算中心的寿命终点(EOL)警告。基于在框216处发送到云计算中心的数据，如果云计算中心104确定部件101a-101c中的任一者在其寿命终点的某个临近阈值内，则云计算中心将向车辆发送警告，过程200在框218处监听该警告。
在框220处，该过程检查是否已从云计算中心104接收到EOL警告。如果在框220处尚未接收到寿命终点警告，则该过程返回到框218并且继续监听。但是如果在框220处接收到EOL警告，则该过程移动到框222，其中该过程通过在用户界面112上显示警告来警告车辆的驾驶员正在监测的部件中的一个或多个的即将发生的故障。EOL警告可包括部件的SOH值(参见下文)，部件剩余估计时间或范围，以及优选或注册的修理机构的位置，驾驶员可以选择的多个附近修理机构的位置，以及其他相关信息。
在框222处接收到EOL警告之后，在框224处，该过程可使用GPS110以将车辆的驾驶员引导至修理机构，该修理机构可更换或修理即将发生故障的部件。在各种实施方案中，在框220处在EOL警告中识别的修理机构可以是在数据库122中预先为车辆注册的上门修理机构或优选的修理机构，或者可以是靠近车辆当前位置的一个或多个修理机构。在过程200的上下文中，如果在与EOL警告相关联的部件发生故障之前，修理机构在一定的里程范围(例如，0-100英里)内，在一定的行驶时间(例如，0-2小时)内，或者在车辆可用的时间或范围内，则修理机构可被认为是在车辆的当前位置附近。过程200的警告分支在框226处结束。
图3示出由云计算中心使用以预测部件的寿命的过程300的实施方案。过程300在以下在系统100的上下文中讨论，但是也可用于系统100的其他实施方案中。在系统100中，过程300主要由服务器120执行。该过程开始于框302。
在框304处，该过程监听数据集从车辆102的接收。如果在框306处没有接收到数据集，则该过程返回到框304，其中该过程继续监听数据集的接收。但是如果在框306处该过程注意到数据集已被接收，则在框308处，该过程访问其中保存车辆数据的数据库122，并且在框310处将来自所接收的数据集的数据添加到数据库，特别是将其添加到在数据集中识别的车辆的现有数据中，以便为车辆编译历史记录。
该过程从框310直接或经由框312移动到框314。在框312处，除了将来自所接收的数据集的数据添加到在数据集中识别的车辆的现有数据中之外，在框312处，该过程可将所接收的数据添加到车队数据库，例如覆盖来自特定车辆制造商的多台车辆和/或多个模型的数据库。车队数据库然后可用于提取关于存在于制造商的车辆中的部件的寿命信息，使得车队数据可用于计算部件的健康状态。
在框314处，基于所识别的车辆的历史数据和来自所识别的车辆的最近接收的数据，该过程对于接收到数据的每个部件计算健康状态(SOH)度量。在其中部件是牵引逆变器的功率半导体器件的实施方案中，SOH可被定义为：
其中Nfi是在ΔTi的温度波动下测量的寿命周期数，Ni是在ΔTi的温度波动下的累积周期数，并且Nfi代表定义部件的寿命的周期数。Nfi的值可从各种来源获得。在一个实施方案中，Nfi可从部件制造商所提供的数据中获得，例如基于以下实验：其中首先通过使用加速功率循环和温度循环测试来获得在不同ΔT下的寿命周期。然后，通过使用预定的任务简档(诸如驾驶周期)可以获得功率模块的温度周期。通常，雨流循环计数是最常用的循环计数技术之一，用于疲劳分析。最后，假定损坏线性累积的Miner法则通常应用于计算累积的疲劳损坏。当损坏累积到1时，装置发生故障。另一种方法提供了非常复杂的公式来将模拟的温度摆动在测试条件下转变为周期数。由于不同的制造过程，不同的功率半导体供应商可具有不同的转换公式。这些实验方法在实际应用中预测部件(诸如功率半导体)的寿命具有两个缺点：1)由于车辆的不同使用情况以及其独特的任务简档，预定的任务简档与实际简档不同；2)该方法不能预测何时需要更换功率模块。
在另一个实施方案中，Nfi可由储存在车队数据库中的车队数据来确定，在这种情况下，Nfi将基于实际的车队经验而不是实验结果。如果应用寿命估计模型，则SOH被定义为总寿命周期数内的剩余寿命周期数。在SOH的上述公式中，当部件是全新的(即，它没有经历温度周期)时其SOH为1，并且当部件达到其寿命终点时其SOH为0。
在框316处，过程300检查已经接收到数据的任何部件是否具有指示该部件接近其寿命终点的SOH。如果部件的SOH在设定的临近范围内(即，指示故障即将发生的SOH的范围)，则部件可接近其寿命的终点。例如，在其中SOH被如上计算并且具有在0和1之间的值范围的实施方案中，触发EOL警告的临近范围可以是在SOH≤0.05时。在具有多个部件101的实施方案中，并非每个部件都需要具有相同临近阈值。如果在框316处该过程确定没有部件具有在其临近范围内的SOH，则该过程返回到框304并且监听来自车辆的新数据集。但是如果在框316处该过程确定任何部件具有在其临近范围内的SOH，则该过程进行到框318，其中该过程确定或检索修理机构位置。
在框320处，该过程将EOL警告传输到车辆102。EOL警告可包括一个或多个修理机构的位置和标识。在框322处该过程可通知适当的修理机构，此后该过程在框330处结束。例如，如果云计算机构104由车辆制造商运行，则车辆的所有者可能已经预先注册了车辆的家庭地址，优选的修理机构或这两者。如果车辆的所有者已指出家庭或优选的修理机构，则可通知该机构。否则，可以通知离车辆的家庭地址最近的修理机构。
或者，在框324处，可基于车辆的当前位置将多个修理机构的修理机构信息传输给车辆。例如，可将若干附近修理机构的位置传输给车辆并且显示在用户界面112上，使得驾驶员可选择他们偏爱哪个修理机构。驾驶员然后可从用户界面选择优选的修理机构，使得在框326处，该过程监听驾驶员偏爱哪个修理机构，并且在框328处，该过程通知由驾驶员选择的修理机构128，使得修理机构可以知道车辆将要接受修理并且他们需要订购更换部件。该过程还可通知部件工厂130，使得如果修理机构没有库存，则部件可被立即运送到修理机构。该过程在框330处结束。
图4示出包括车载报告系统(诸如在图1中以框图形式示出的系统102)的车辆400的实施方案。在所示实施方案中，车辆400是电动客车，但是在其他实施方案中，该车辆可以是另一种类型的电动车辆，诸如卡车。在另外的其他实施方案中，该车辆可以是部分电动(即，混合动力)车辆或非电动车辆，诸如具有传统内燃机的车辆。
车辆400具有车身402和动力传动系统，其中至少一个电动马达耦接到汽车的车轮。在所示实施方案中，电动马达408a-408d耦接到车辆的所有四个车轮，但是在其他实施方案中，并非所有汽车的车轮都需要具有对应的电动马达。电动马达408a-408d经由牵引逆变器406耦接到电池404。牵引逆变器406用于调节电能并将其引导至汽车中适当的部件。例如，当车辆运行时，牵引逆变器可将来自电池404的直流电流转换成到电动马达408a-408d的交流电流，或反之亦然。
车辆400还包括汽车系统412，该汽车系统可包括用于汽车的系统(诸如电动马达210a-210d)的冷却装置，用于车辆车厢的空调装置，燃气发动机控制电子器件(在混合或内燃实施方案中)以及在汽车内侧或外侧上的其他电子部件或附件。
车辆控制单元(VCU)410也定位在车辆400中。VCU 410经由每个部件(在图4中未示出，但是参见图1)内的电子控制单元(ECU)通信地耦接到定位在各种系统(电池404、牵引逆变器406和汽车系统412)中的传感器414。VCU 410可在其自身内包括传感器414，使得其可自我监测。如在系统100中，传感器414可以是测量寿命决定因素的直接传感器或者测量代理寿命决定因素的代理传感器，并且传感器414不必是与它们耦接的每个系统或部件中的相同类型的传感器。虽然在图4中未示出，但车辆102(参见图1)内的其他部件也将存在于车辆400中，诸如VCU 106(具有内部或外部时钟108)、GPS单元、用户界面、收发器和天线，车辆400可通过该天线将数据无线地传输到云计算中心并且从该云计算中心接收数据。车辆400中的部件的操作如上文对于图1-图3所述。
所述设备和过程具有若干优点。部件(诸如功率半导体模块)的当前寿命评估方法基于预定的任务简档。因此，这些评估方法是离线的，并且不能提供功率半导体模块的实时SOH估计，从而不能用于预测性维护。所述基于云的预测性维护方法可通过三个步骤来解决这些问题。首先，牵引逆变器中的部件(诸如功率模块)的实时温度数据，而不是通过预定的指定任务简档获得的离线温度，被发送到云。第二，收集的实时长期温度数据可用于寿命模型，然后用于计算功率模块的SOH，这是由云资源而不是本地VCU来完成的。这节省了执行时间、计算资源和成本。最后，通过使用部件(诸如功率半导体模块)的SOH信息，车辆可在模块接近使用寿命终点时向车辆发送EOL警告。另外，车辆修理机构可订购对应的部件以用于更换准备，从而为客户提供更好的服务。除了预测性维护之外，可将云中收集的简档的统计信息提供给功率半导体供应商，从而帮助半导体供应商提高可靠性或改进其产品以满足客户的要求。
包括在说明书摘要中描述的内容的实施方案的以上描述不旨在是穷举性的或者将本发明限制为所描述的形式。如本领域技术人员将认识到的，鉴于以上详细描述，在本文中出于说明目的描述了本发明的具体实施方案和示例，但是各种等同修改形式在本发明的范围内是可能的。

Claims (50)

1.一种设备，包括：
定位在车辆中的部件；
耦接到所述部件的直接传感器、代理传感器、或这两者；
通信地耦接到所述直接传感器、所述代理传感器或这两者的控制器；
通信地耦接到所述控制器并且耦接到天线的收发器；
通信地耦接到所述控制器的用户界面；
其中所述控制器包括存储在其上的指令，所述指令在被所述控制器执行时使所述控制器：
以采样频率对来自所述直接传感器的寿命决定因素的测量结果、来自所述代理传感器的代理寿命决定因素的测量结果、或这两者进行采样；
对所述寿命决定因素和所述代理寿命决定因素的每个样本进行时间标记；
在报告周期结束时，汇编数据集，所述数据集包括车辆标识符、部件标识符、所述寿命决定因素或所述代理寿命决定因素中的至少一个的所述样本、以及与所述寿命决定因素或所述代理寿命决定因素的每个样本相关联的所述时间标记；并且
经由所述收发器和所述天线将所述数据集传输到云计算中心。
2.根据权利要求1所述的设备，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器：
经由所述收发器从所述云计算中心接收所述部件的寿命终点警告；并且
将所述寿命终点警告显示在所述用户界面上。
3.根据权利要求2所述的设备，其中所述寿命终点警告指示所述部件的所述剩余寿命。
4.根据权利要求3所述的设备，其中所述寿命终点警告指示修理机构的所述位置。
5.根据权利要求4所述的设备，其中所述修理机构靠近所述车辆的家庭。
6.根据权利要求1所述的设备，其中所述数据集还包括所述车辆的当前位置。
7.根据权利要求6所述的设备，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器显示所述车辆的当前位置附近的一个或多个修理机构的列表。
8.根据权利要求7所述的设备，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器从所述车辆的当前位置附近的一个或多个修理机构的所述列表接收修理机构的用户选择。
9.根据权利要求8所述的设备，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器将所述用户选择经由所述收发器传输到所述云计算中心。
10.一种用于基于云的计算的设备，所述设备包括：
通信接口；
一个或多个数据库；
耦接到所述通信接口并且耦接到所述一个或多个数据库的服务器，其中所述服务器包括存储在其上的指令，所述指令在被所述服务器执行时使所述服务器：
通过所述通信接口接收数据集，所述数据集包括车辆标识符、部件标识符、所述寿命决定因素或所述代理寿命决定因素中的至少一个的样本、以及与所述寿命决定因素或所述代理寿命决定因素的每个样本相关联的时间标记；
访问所述一个或多个数据库以：
将来自所述所接收的数据集的所述数据添加到在所述所接收的数据集中识别的所述部件和与所述车辆标识符相关联的所述车辆的所述寿命决定因素或所述代理寿命决定因素的存储时间历史，
提取在所述所接收的数据集中识别的所述部件的寿命数据，并且
基于所述寿命数据、所述寿命决定因素或所述代理寿命决定因素中的至少一个、以及所述寿命决定因素或所述代理寿命决定因素的所述时间历史，计算量化所述部件的所述剩余寿命的健康状态；
如果所述部件的所述健康状态落入临近阈值内，则向与所述车辆标识符相关联的所述车辆的所述操作者传输警告。
11.根据权利要求10所述的设备，其中所述服务器还包括存储在其上的指令，所述指令在被所述服务器执行时使所述服务器将来自所述数据集的所述数据添加到车队数据库，所述车队数据库汇集从多台车辆接收的数据集的所述数据。
12.根据权利要求11所述的设备，其中所述寿命数据基于来自所述车队数据库的寿命周期数据。
13.根据权利要求11所述的设备，其中所述寿命信息基于所述部件的实验室测试。
14.根据权利要求10所述的设备，其中所述寿命决定因素是温度T并且所述健康状态(SOH)使用以下公式来计算：
其中Nfi是在ΔTi温度波动下测量的所述寿命周期数，并且Ni是在ΔTi的温度波动下的所述累积周期数。
15.根据权利要求10所述的设备，其中所述服务器还包括存储在其上的指令，所述指令在被所述服务器执行时使所述服务器通知修理机构所述车辆标识符以及由在所述数据集中识别的所述部件识别的所述部件的所述即将发生的故障。
16.根据权利要求15所述的设备，其中被通知的所述修理机构是最靠近所述车辆的家庭的所述修理机构，或者是预先由所述车辆的所有者识别并且存储在所述一个或多个数据库之一中的修理机构。
17.根据权利要求15所述的设备，其中所述数据集包括所述车辆的当前位置，并且被通知的所述修理机构是最靠近所述车辆的当前位置的所述修理机构。
18.一种用于车辆维护的系统，包括：
车辆，所述车辆包括：
耦接到所述车辆中的部件的直接传感器、代理传感器、或这两者；
通信地耦接到所述直接传感器、所述代理传感器或这两者的控制器；
通信地耦接到所述控制器并且耦接到天线的收发器；
通信地耦接到所述控制器的用户界面；
其中所述控制器包括存储在其上的指令，所述指令在被所述控制器执行时使所述控制器：
以采样频率对来自所述直接传感器的寿命决定因素的测量结果、来自所述代理传感器的代理寿命决定因素的测量结果、或这两者进行采样；
对所述寿命决定因素和所述代理寿命决定因素的每个样本进行时间标记；
在报告周期结束时，汇编数据集，所述数据集包括车辆标识符、部件标识符、所述寿命决定因素或所述代理寿命决定因素中的至少一个的所述样本、以及与所述寿命决定因素或所述代理寿命决定因素的每个样本相关联的所述时间标记；并且
经由所述收发器传输所述数据集；以及
云计算中心，所述云计算中心包括：
通信接口；
一个或多个数据库；
耦接到所述通信接口并且耦接到所述一个或多个数据库的服务器，其中所述服务器包括存储在其上的指令，所述指令在被所述服务器执行时使所述服务器：
经由所述通信接口从所述车辆接收所述数据集；
访问所述一个或多个数据库以：
将来自所述所接收的数据集的所述数据添加到在所述所接收的数据集中识别的所述部件和与所述车辆标识符相关联的所述车辆的所述寿命决定因素或所述代理寿命决定因素的存储时间历史，
提取在所述所接收的数据集中识别的所述部件的寿命数据，并且
基于所述寿命数据、所述寿命决定因素或所述代理寿命决定因素中的至少一个、以及所述寿命决定因素或所述代理寿命决定因素的所述时间历史，计算量化所述部件的所述剩余寿命的健康状态；并且
如果所述部件的所述健康状态落入临近阈值内，则向与所述车辆标识符相关联的所述车辆的所述操作者传输警告。
19.根据权利要求18所述的系统，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器：
经由所述收发器从所述云接收所述部件的寿命终点警告；并且
将所述寿命终点警告显示在所述用户界面上。
20.根据权利要求19所述的系统，其中所述寿命终点警告指示所述部件的所述剩余寿命。
21.根据权利要求20所述的系统，其中所述寿命终点警告指示修理机构的所述位置。
22.根据权利要求21所述的系统，其中所述修理机构靠近所述车辆的家庭或靠近所述车辆的当前位置。
23.根据权利要求18所述的系统，其中所述数据集还包括所述车辆的当前位置。
24.根据权利要求23所述的系统，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器显示所述车辆的当前位置附近的一个或多个修理机构的列表。
25.根据权利要求24所述的系统，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器从所述车辆的当前位置附近的一个或多个修理机构的所述列表接收修理机构的用户选择。
26.根据权利要求25所述的系统，其中存储在所述控制器上的所述指令还包括这样的指令，所述指令在被所述控制器执行时使所述控制器将所述用户选择经由所述收发器传输到所述云。
27.根据权利要求18所述的系统，其中所述服务器还包括存储在其上的指令，所述指令在被所述服务器执行时使所述服务器将来自所述数据集的所述数据添加到车队数据库，所述车队数据库包括从多台车辆接收的数据集的所述数据。
28.根据权利要求27所述的系统，其中所述寿命数据基于来自所述车队数据库的寿命周期数据。
29.根据权利要求18所述的系统，其中所述寿命信息基于所述部件的实验室测试。
30.根据权利要求18所述的系统，其中所述寿命决定因素是温度T并且所述健康状态(SOH)使用以下公式来计算：
其中Nfi是在ΔTi温度波动下测量的所述寿命周期数，并且Ni是在ΔTi的温度波动下的所述累积周期数。
31.根据权利要求18所述的系统，其中所述服务器还包括存储在其上的指令，所述指令在被所述服务器执行时使所述服务器通知修理机构所述车辆标识符以及由在所述数据集中识别的所述部件识别的所述部件的所述即将发生的故障。
32.根据权利要求31所述的系统，其中被通知的所述修理机构是最靠近所述车辆的家庭的所述修理机构，或者是预先由所述车辆的所有者识别并且存储在所述数据库中的修理机构。
33.根据权利要求31所述的系统，其中所述数据集包括所述车辆的当前位置，并且被通知的所述修理机构是最靠近所述车辆的当前位置的所述修理机构。
34.一种方法，包括：
以采样频率对来自直接传感器的寿命决定因素的测量结果、来自代理传感器的代理寿命决定因素的测量结果、或这两者进行采样，其中所述直接传感器和所述代理传感器耦接到车辆中的部件；
对所述寿命决定因素或所述代理寿命决定因素的每个样本进行时间标记；
在报告周期结束时，汇编数据集，所述数据集包括车辆标识符、部件标识符、所述寿命决定因素或所述代理寿命决定因素中的至少一个的所述样本、以及与所述寿命决定因素或所述代理寿命决定因素的每个样本相关联的时间标记；以及
将所述数据集传输到云计算中心。
35.根据权利要求34所述的方法，还包括：
从所述云计算中心接收所述部件的寿命终点警告；以及
将所述寿命终点警告显示在所述车辆中的用户界面上。
36.根据权利要求35所述的方法，其中所述寿命终点警告指示所述部件的所述剩余寿命。
37.根据权利要求36所述的方法，其中所述寿命终点警告指示修理机构的所述位置。
38.根据权利要求37所述的方法，其中所述修理机构靠近所述车辆的家庭或靠近所述车辆的当前位置。
39.根据权利要求34所述的方法，其中所述数据集还包括所述车辆的当前位置。
40.根据权利要求39所述的方法，还包括显示靠近所述车辆的当前位置的一个或多个修理机构的列表。
41.根据权利要求40所述的方法，还包括从靠近所述车辆的当前位置的一个或多个修理机构的所述列表接收修理机构的用户选择。
42.根据权利要求41所述的方法，还包括将所述用户选择传输到所述云计算中心。
43.一种用于基于云的计算的方法，所述方法包括：
接收来自车辆的数据集，所述车辆包括耦接到部件的直接传感器或代理传感器中的一者或两者，所述数据集包括车辆标识符、部件标识符、所述寿命决定因素或所述代理寿命决定因素中的至少一个的样本、以及与所述寿命决定因素或所述代理寿命决定因素的每个样本相关联的时间标记；
访问一个或多个数据库以：
将来自所述所接收的数据集的所述数据添加到在所述所接收的数据集中识别的所述部件和与所述车辆标识符相关联的所述车辆的所述寿命决定因素或所述代理寿命决定因素的存储时间历史，
提取在所述所接收的数据集中识别的所述部件的寿命数据，并且
基于所述寿命数据、所述寿命决定因素或所述代理寿命决定因素中的至少一个、以及所述寿命决定因素或所述代理寿命决定因素的时间历史，计算量化所述部件的所述剩余寿命的健康状态；
如果所述部件的所述健康状态落入临近阈值内，则向与所述车辆标识符相关联的所述车辆的所述操作者传输警告。
44.根据权利要求43所述的方法，还包括将来自所述数据集的所述数据添加到车队数据库，所述车队数据库包括从多台车辆接收的数据集的所述数据。
45.根据权利要求44所述的方法，其中所述寿命数据是基于来自所述车队数据库的寿命周期数据。
46.根据权利要求44所述的方法，其中所述寿命信息是基于所述部件的实验室测试。
47.根据权利要求10所述的方法，其中所述寿命决定因素是温度T并且所述健康状态(SOH)使用以下公式来计算：
其中Nfi是在ΔTi温度波动下测量的所述寿命周期数，并且Ni是在ΔTi的温度波动下的所述累积周期数。
48.根据权利要求43所述的方法，还包括通知修理机构所述车辆标识符以及由在所述数据集中识别的所述部件识别的所述部件的所述即将发生的故障。
49.根据权利要求48所述的方法，其中被通知的所述修理机构是最靠近所述车辆的家庭的所述修理机构，或者是预先由所述车辆的所有者识别并且存储在所述数据库中的修理机构。
50.根据权利要求48所述的方法，其中所述数据集包括所述车辆的当前位置，并且被通知的所述修理机构是最靠近所述车辆的当前位置的所述修理机构。
CN201810150955.3A 2018-01-05 2018-02-13 用于车辆部件的基于云的实时预测性维护 Pending CN108549943A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/863,842 2018-01-05
US15/863,842 US20190213803A1 (en) 2018-01-05 2018-01-05 Cloud-based real-time predictive maintenance for vehicle components

Publications (1)

Publication Number Publication Date
CN108549943A true CN108549943A (zh) 2018-09-18

Family

ID=63515941

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201810150955.3A Pending CN108549943A (zh) 2018-01-05 2018-02-13 用于车辆部件的基于云的实时预测性维护
CN201820257676.2U Active CN208538174U (zh) 2018-01-05 2018-02-13 用于车辆部件的基于云的实时预测性维护的设备及系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201820257676.2U Active CN208538174U (zh) 2018-01-05 2018-02-13 用于车辆部件的基于云的实时预测性维护的设备及系统

Country Status (3)

Country Link
US (1) US20190213803A1 (zh)
CN (2) CN108549943A (zh)
WO (1) WO2019135807A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992515A (zh) * 2018-10-02 2020-04-10 霍尼韦尔国际公司 使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统
CN111223208A (zh) * 2019-12-30 2020-06-02 潍柴动力股份有限公司 一种发动机零部件的保养提醒方法、装置、存储介质及电子设备
WO2020140897A1 (en) * 2019-01-04 2020-07-09 Byton Limited Detecting vehicle intrusion using command pattern models
CN113687642A (zh) * 2021-08-13 2021-11-23 合肥维天运通信息科技股份有限公司 一种物流车辆隐患智能预警方法及系统
US11400944B2 (en) 2019-01-04 2022-08-02 Byton North America Corporation Detecting and diagnosing anomalous driving behavior using driving behavior models

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11232650B2 (en) * 2018-09-14 2022-01-25 Conduent Business Services, Llc Modelling operational conditions to predict life expectancy and faults of vehicle components in a fleet
CN111104047B (zh) * 2018-10-25 2023-08-25 伊姆西Ip控股有限责任公司 管理冗余磁盘阵列的方法、设备和计算机可读存储介质
WO2020243466A1 (en) * 2019-05-30 2020-12-03 Cummins Inc. Method and system for estimating an end of life of a rechargeable energy storage device
DE102019213192A1 (de) * 2019-09-02 2020-10-08 Zf Friedrichshafen Ag Verfahren zur Ermittlung einer Schädigung oder Restlebensdauer von Bauteilen in Mobilfahrzeugen
US11482056B2 (en) * 2019-09-09 2022-10-25 Panasonic Avionics Corporation Operations management system for commercial passenger vehicles
US11868909B2 (en) * 2020-01-30 2024-01-09 Ford Global Technologies, Llc Enhanced vehicle maintenance
DE102020105066B4 (de) 2020-02-26 2022-08-25 Audi Aktiengesellschaft Verfahren zum Betreiben einer Kontrollanzeigeeinrichtung, Wartungsüberwachungseinrichtung, Kraftfahrzeug, und Servervorrichtung
JP2022025408A (ja) * 2020-07-29 2022-02-10 株式会社日立産機システム 電力変換装置および遠隔監視システム
CN114390434A (zh) * 2020-10-19 2022-04-22 北京大码技术有限公司 电子设备的元器件管理系统和方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110130916A1 (en) * 2009-12-01 2011-06-02 Ise Corporation Location Based Vehicle Data Logging and Diagnostic System and Method
US20160133070A1 (en) * 2014-03-07 2016-05-12 Hitachi Systems, Ltd. Vehicle preventive maintenance system

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110992515A (zh) * 2018-10-02 2020-04-10 霍尼韦尔国际公司 使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统
US11681929B2 (en) 2018-10-02 2023-06-20 Honeywell International Inc. Methods and systems for predicting a remaining useful life of a component using an accelerated failure time model
WO2020140897A1 (en) * 2019-01-04 2020-07-09 Byton Limited Detecting vehicle intrusion using command pattern models
US11400944B2 (en) 2019-01-04 2022-08-02 Byton North America Corporation Detecting and diagnosing anomalous driving behavior using driving behavior models
CN111223208A (zh) * 2019-12-30 2020-06-02 潍柴动力股份有限公司 一种发动机零部件的保养提醒方法、装置、存储介质及电子设备
CN111223208B (zh) * 2019-12-30 2022-04-26 潍柴动力股份有限公司 一种发动机零部件的保养提醒方法、装置、存储介质及电子设备
CN113687642A (zh) * 2021-08-13 2021-11-23 合肥维天运通信息科技股份有限公司 一种物流车辆隐患智能预警方法及系统

Also Published As

Publication number Publication date
WO2019135807A1 (en) 2019-07-11
CN208538174U (zh) 2019-02-22
US20190213803A1 (en) 2019-07-11

Similar Documents

Publication Publication Date Title
CN208538174U (zh) 用于车辆部件的基于云的实时预测性维护的设备及系统
US10692053B2 (en) Predictive maintenance
US9157383B2 (en) System, method and computer program for simulating vehicle energy use
US20200376979A1 (en) Managing and monitoring car-battery and tires to assure safe operation and providing arrival ready battery and tire services
CN107247998B (zh) 一种提醒并指导车辆维修保养系统和方法
US6876908B2 (en) Method for creating a maintenance algorithm
US6810312B2 (en) Method for identifying a loss of utilization of mobile assets
US7783507B2 (en) System and method for managing a fleet of remote assets
CA2382972C (en) Apparatus and method for managing a fleet of mobile assets
US20030055666A1 (en) System and method for managing a fleet of remote assets
WO2001084506A2 (en) System and method for managing mobile assets
US20200307413A1 (en) Selection apparatus, selection method, and storage medium
CN106324514B (zh) 车辆电池性能试验方法及其系统
US20210146933A1 (en) Method and system for monitoring and evaluating a performance of a driver of a vehicle
KR20080040936A (ko) 텔레매틱스를 이용한 차량 진단 서비스 장치 및 방법
Rymarz et al. Reliability evaluation of the city transport buses under actual conditions
US11403889B2 (en) Part maintenance and value estimation system
CN105974904A (zh) 地铁车辆安全防护系统及其方法
Zvolenský et al. Improved method of processing the output parameters of the diesel locomotive engine for more efficient maintenance
US20230140771A1 (en) Managing and monitoring car-battery and tires to assure safe operation and providing arrival ready battery and tire services
Liu et al. Research of prognostics and health management for EMU
Grimaldi An innovative approach to maintenance for a bus fleet
CN109727338A (zh) 电动车辆控制方法、装置、存储介质、电动车辆及服务器
Jung et al. Prognostic and health management trend in automotive industry: An overview
Tigadi et al. Predictive maintenance of shared electric vehicle battery using telematics data

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