CN108665580B - 用于车辆系统磨损预测的方法和设备 - Google Patents

用于车辆系统磨损预测的方法和设备 Download PDF

Info

Publication number
CN108665580B
CN108665580B CN201810235250.1A CN201810235250A CN108665580B CN 108665580 B CN108665580 B CN 108665580B CN 201810235250 A CN201810235250 A CN 201810235250A CN 108665580 B CN108665580 B CN 108665580B
Authority
CN
China
Prior art keywords
wear
vehicle
level
data
vehicles
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.)
Active
Application number
CN201810235250.1A
Other languages
English (en)
Other versions
CN108665580A (zh
Inventor
奥马尔·马克
奥莱格·由里维奇·古斯京
帕特里克·劳伦斯·杰克逊·万·赫克
佩里·罗宾逊·麦克尼尔
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.)
Ford Global Technologies LLC
Original Assignee
Ford Global Technologies LLC
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 Ford Global Technologies LLC filed Critical Ford Global Technologies LLC
Publication of CN108665580A publication Critical patent/CN108665580A/zh
Application granted granted Critical
Publication of CN108665580B publication Critical patent/CN108665580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/04—Monitoring the functioning of the control system
    • B60W50/045—Monitoring control system parameters
    • B60W2050/046—Monitoring control system parameters involving external transmission of data to or from the vehicle, e.g. via telemetry, satellite, Global Positioning System [GPS]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2637—Vehicle, car, auto, wheelchair
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
    • 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
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Geometry (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开涉及一种用于车辆系统磨损预测的方法和设备。一种系统包括处理器，处理器被配置为：从多个车辆无线接收结合有磨损状态报告的第一使用数据，所述磨损状态报告指示感测的系统磨损的水平。处理器还被配置为：聚合并分析所述第一使用数据，以确定指示感测的系统磨损水平的公共参数和对应值。所述处理器还被配置为：从缺少能够感测所感测的系统磨损水平的传感器的车辆无线接收第二使用数据。此外，所述处理器被配置为：将第二使用数据中的公共参数的值与确定的指示感测的系统磨损水平的值进行比较，并且响应于所述比较指示系统磨损水平与感测的系统磨损水平近似，向缺少所述传感器的车辆报告可能的磨损状态。

Description

用于车辆系统磨损预测的方法和设备
技术领域
说明性实施例总体上涉及用于车辆系统磨损预测的方法和设备。
背景技术
用于从道路上的大量车辆收集数据的能力使得新的分析水平成为可能。感兴趣方可收集交通和天气、性能、道路特征以及所有其它类型的数据，聚合这些数据并执行大范围的分析。在远程信息处理单元存在之前，允许按需进行报告和/或定期进行报告、收集这种规模的数据是一项艰巨的任务。然而，现在许多车辆可根据请求报告数据，并且可在具有足够多的数据的情况下制定和细化调整关于许多系统的预测。
通过观察各种情况和驾驶状态，可聚合许多聚合的观测现状，以形成与类似状况(在此状况下类似的情况将再次发生)有关的合理预测。例如，如果100000辆电动车辆在温度下降至20度以下时报告能量效率下降0.2％，则该数据对于确定可能存在导致影响发生是有用的，并且该数据对于其它车辆试图预测在操作状况低于20度情况下剩余可行驶距离也是有用的。
在众包数据中存在广泛的有用性，并且说明性实施例展示了在这样的模型下可实现的有用的构思的一些示例。
发明内容
在第一说明性实施例中，一种系统包括处理器，所述处理器被配置为：从多个车辆无线接收结合有磨损状态报告的第一使用数据，所述磨损状态报告指示感测的系统磨损水平。处理器还被配置为：聚合并分析所述第一使用数据，以确定指示感测的系统磨损水平的公共参数和对应值。处理器还被配置为：从缺少能够感测所感测的系统磨损水平的传感器的车辆无线接收第二使用数据。此外，所述处理器被配置为：将第二使用数据中的公共参数的值与确定的指示感测的系统磨损水平的值进行比较，并且响应于所述比较指示系统磨损水平与感测的系统磨损水平近似，向缺少所述传感器的车辆报告可能的磨损状态。
在第二说明性实施例中，一种计算机实现的方法包括：从多个第一车辆接收与部件相关的使用数据，所述与部件相关的使用数据包括聚合的导致第一部件的磨损的车辆系统的使用，所述与部件相关的使用数据是结合报告测量的第一部件的磨损水平的每个第一车辆中的传感器来被报告的。所述方法还包括：分析所述与部件相关的使用数据，以确定指示磨损水平的使用参数值。所述方法还包括：基于从第二车辆接收的聚合的使用数据与所述使用参数值的比较，确定第二车辆中的第二部件的预计磨损水平是否已经达到测量的第一部件的磨损水平。此外，所述方法包括：当预计的磨损水平达到测量的第一部件的磨损水平时，警告第二车辆驾驶员。
在第三说明性实施例中，一种系统包括处理器，所述处理器被配置为：聚合并比较与部件相关的车辆系统使用数据，以构建导致磨损的因素的模型，其中，所述与部件相关的车辆系统使用数据连同指示测量的部件磨损水平的车辆传感器报告一起从多个第一车辆传感器被接收。所述处理器还被配置为：响应于确定从第二车辆接收的并且基于模型分析的与部件相关的车辆系统使用数据指示测量的部件磨损水平，向第二车辆报告预计的部件磨损。
根据本发明的一个实施例，车辆传感器感测机械磨损。
根据本发明的一个实施例，车辆传感器感测指示流体磨损的流体特性。
根据本发明的一个实施例，车辆传感器感测电气故障。
根据本发明的一个实施例，处理器被配置为：确定第二车辆没有所述车辆传感器；向第二车辆请求与部件相关的车辆系统使用数据。
附图说明
图1示出了说明性的车辆计算系统；
图2示出了用于数据追踪的说明性处理；
图3示出了用于预测使用的说明性处理；
图4示出了用于数据分析的说明性处理；
图5示出了用于数据报告的说明性处理；
图6示出用于磨损追踪和磨损警告的说明性处理。
具体实施方式
根据需要，在此公开了详细实施例；然而，将理解的是，所公开的实施例仅是说明性的，并且可以以各种形式和替代形式来实施。附图不必按比例绘制；一些特征可被夸大或最小化以示出特定组件的细节。因此，在此公开的具体结构和功能细节不应被解释为具有限制性，而仅作为用于教导本领域技术人员以多种形式利用所要求保护的主题的代表性基础。
图1示出了用于车辆31的基于车辆的计算系统(VCS)1的示例框式拓扑图。这种基于车辆的计算系统1的示例为由福特汽车公司制造的SYNC系统。设置有基于车辆的计算系统的车辆可包含位于车辆中的可视前端界面4。如果所述界面设置有例如触摸敏感屏幕，则用户还能够与所述界面进行交互。在另一说明性实施例中，通过按钮按压、具有自动语音识别和语音合成的口语对话系统来进行交互。
在图1所示的说明性实施例1中，处理器3控制基于车辆的计算系统的至少一部分操作。设置在车辆内的处理器允许对命令和程序进行车载处理。另外，处理器连接到非持久性存储器5和持久性存储器7两者。在该说明性实施例中，非持久性存储器是随机存取存储器(RAM)，持久性存储器是硬盘驱动器(HDD)或闪存。一般说来，持久性(非暂时性)存储器可包括当计算机或其它装置掉电时保存数据的所有形式的存储器。这些存储器包括但不限于HDD、CD、DVD、磁带、固态驱动器、便携式USB驱动器和任何其它适当形式的持久性存储器。
处理器还设置有允许用户与处理器进行交互的若干不同的输入。在该说明性实施例中，麦克风29、辅助输入25(用于输入33)、USB输入23、GPS输入24、屏幕4(其可以是触摸屏显示器)和蓝牙输入15全部被设置。还设置了输入选择器51，以允许用户在各种输入之间进行切换。对麦克风和辅助连接器两者的输入在被传送到处理器之前由转换器27对所述输入进行模数转换。尽管未示出，但是与VCS进行通信的众多车辆组件和辅助组件可使用车辆网络(诸如，但不限于CAN总线)向VCS(或其组件)传送数据并传送来自VCS(或其组件)的数据。
系统的输出可包括但不限于视觉显示器4以及扬声器13或立体声系统输出。扬声器连接到放大器11，并通过数模转换器9从处理器3接收其信号。还可分别沿19和21所示的双向数据流产生到远程蓝牙装置(诸如，个人导航装置(PND)54)或USB装置(诸如，车辆导航装置60)的输出。
在一个说明性实施例中，系统1使用蓝牙收发器15与用户的移动装置53(例如，蜂窝电话、智能电话、PDA或具有无线远程网络连接能力的任何其它装置)进行通信(17)。移动装置随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中，蜂窝塔57可以是WiFi接入点。
移动装置与蓝牙收发器之间的示例性通信由信号14表示。
可通过按钮52或类似的输入来指示将移动装置53与蓝牙收发器15进行配对。相应地，CPU被指示车载蓝牙收发器将与移动装置中的蓝牙收发器进行配对。
可利用例如与移动装置53关联的数据计划、话上数据或DTMF音在CPU 3与网络61之间传送数据。可选地，可期望包括具有天线18的车载调制解调器63，以便在CPU 3与网络61之间通过语音频带传送数据(16)。移动装置53随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中，调制解调器63可与蜂窝塔57建立通信(20)，以与网络61进行通信。作为非限制性示例，调制解调器63可以是USB蜂窝调制解调器，并且通信20可以是蜂窝通信。
在一个说明性实施例中，处理器设置有包括用于与调制解调器应用软件进行通信的API的操作系统。调制解调器应用软件可访问蓝牙收发器上的嵌入式模块或固件，以完成与(诸如在移动装置中发现的)远程蓝牙收发器的无线通信。蓝牙是IEEE 802 PAN(个域网)协议的子集。IEEE 802 LAN(局域网)协议包括WiFi并与IEEE 802 PAN具有相当多的交叉功能。两者都适合于车辆内的无线通信。可在本领域使用的另一种通信方式是自由空间光通信(诸如IrDA)和非标准化消费者IR协议。
在另一个实施例中，移动装置53包括用于语音频带或宽带数据通信的调制解调器。在话上数据的实施例中，当移动装置的拥有者可在数据被传送的同时通过装置说话时，可实施已知为频分复用的技术。在其它时间，当拥有者没有在使用装置时，数据传输可使用整个带宽(在一个示例中是300Hz到3.4kHz)。尽管频分复用对于车辆与互联网之间的模拟蜂窝通信而言会是常见的并且仍在被使用，但是其已经在很大程度上被用于数字蜂窝通信的码域多址(CDMA)、时域多址(TDMA)、空域多址(SDMA)的混合体所替代。如果用户具有与移动装置关联的数据计划，则所述数据计划可允许宽带传输且所述系统可使用宽得多的带宽(加速数据传输)。在另一个实施例中，移动装置53被安装至车辆31的蜂窝通信装置(未示出)所替代。在另一个实施例中，移动装置(ND)53可以是能够通过例如(但不限于)802.11g网络(即，WiFi)或WiMax网络进行通信的无线局域网(LAN)装置。
在一个实施例中，传入数据可经由话上数据或数据计划被传送通过移动装置、通过车载蓝牙收发器并进入车辆的内部处理器3。例如，在某些临时数据的情况下，数据可被存储在HDD或其它存储介质7上，直至不再需要所述数据时为止。
其它的可与车辆进行交互的源包括：具有例如USB连接56和/或天线58的个人导航装置54、具有USB 62或其它连接的车辆导航装置60、车载GPS装置24、或具有到网络61的连接能力的远程导航系统(未示出)。USB是一类串行联网协议中的一种。IEEE 1394(火线TM(苹果)、i.LINKTM(索尼)和LynxTM(德州仪器))、EIA(电子工业协会)串行协议、IEEE 1284(Centronics端口)、S/PDIF(索尼/飞利浦数字互连格式)和USB-IF(USB开发者论坛)形成了装置-装置串行标准的骨干。大多数协议可针对电通信或光通信来实施。
此外，CPU可与各种其它的辅助装置65进行通信。这些装置可通过无线连接67或有线连接69来连接。辅助装置65可包括但不限于个人媒体播放器、无线保健装置、便携式计算机等。
此外或可选地，可使用例如WiFi(IEEE 802.11)收发器71将CPU连接到基于车辆的无线路由器73。这可允许CPU在本地路由器73的范围内连接到远程网络。
除了由位于车辆中的车辆计算系统执行示例性处理之外，在特定实施例中，还可由与车辆计算系统通信的计算系统来执行示例性处理。这样的系统可包括但不限于无线装置(例如，但不限于，移动电话)或通过无线装置连接的远程计算系统(例如，但不限于，服务器)。这样的系统可被统称为与车辆关联的计算系统(VACS)。在特定实施例中，VACS的特定组件可根据系统的特定实施方式来执行处理的特定部分。通过示例而并非限制的方式，如果处理具有与配对的无线装置进行发送或者接收信息的步骤，则很可能由于无线装置不会与自身进行信息的“发送和接收”，而使得无线装置不执行该部分的处理。本领域普通技术人员将理解何时不适合对给定的解决方案应用特定的计算系统。
在在此讨论的每个说明性实施例中，示出了可由计算系统执行的处理的示例性的非限制性的示例。针对每个处理，执行该处理的计算系统为了执行该处理的有限目的而变为被配置为用于执行该处理的专用处理器是可行的。所有处理不需要被全部执行，并且应被理解为是可被执行以实现本发明的要素的多种类型的处理的示例。可根据需要添加额外步骤或者从示例性处理中去除额外步骤。
针对在示出说明性处理流程的附图中描述的说明性实施例，应注意的是，为了执行由这些附图示出的示例性方法中的一些或全部的目的，通用处理器可被暂时用作专用处理器。当执行提供用于执行所述方法的一些或全部步骤的指令的代码时，所述处理器可被暂时改用作专用处理器，直到所述方法完成时为止。在另一个示例中，在适当的程度上，根据预先配置的处理器运行的固件可使得所述处理器充当为了执行所述方法或所述方法的某种合理的变型的目的而被提供的专用处理器。
车辆配备了各种各样的传感器。传感器的类型和品种可随着车辆使用年限、型号、当前可用技术和原始设备制造商(OEM)规范不同而不同。例如，高端型号的车辆可配备有能够检测制动器磨损的传感器(这仅是说明性示例)。相同车辆的较便宜的版本可能不具有可用的传感器。例如，老型号也可能不具有可用的传感器，这是因为传感器可代表新开发的技术。
将传感器改装到缺少传感器的其它车辆上可能是一项成本很高的任务。尽管如此，通过这些传感器获得的数据可以会是有用的，因此在将这种信息传送给拥有缺少已安装的有用传感器的车辆的客户时存在挑战。
由于众包数据的构思允许进行大规模数据收集，所以可从包括传感器的车辆中收集与磨损相关的数据。该数据可以是宽泛的、具体的，并且/或者所请求的数据可随着时间被细化调整(refine)。例如，第一遍可包括：每当制动器被使用时收集与速度和制动能量(减速)相关的数据。然后，当车辆传感器记录特定的磨损水平时，用于该车辆的聚合数据可给出对于将制动器磨损到感测的水平所消耗的能量总量的近似值。
当然，还存在若干其它影响磨损的状况，但是一旦预期基准到位，则可随着时间对这些状况进行建模。因此，第二数据收集集合或第三组数据收集集合可与追踪导致磨损的额外状况相关，并且可随着时间对导致磨损的原因执行非常详细的分析。可对位置数据、天气数据、风速、温度以及各种其它状况进行追踪，使得当进行预测时，这对对其进行预测的车辆状况可以是越来越精确。
即使有基本的数据集合(诸如，在将制动片磨损到特定水平时所消耗的总能量)，OEM可向缺少适当感测技术的车辆提供有用的预测。
在前面的示例中，例如，每当安装新的一组制动片时，或者当当前制动器状态(X％)是已知的时，缺少传感器的车辆可开始进行数据收集并且对在制动中使用的能量进行报告。这些数据可被聚合，并且可将这些数据与预期基准进行比较，因此OEM分析处理可预测车辆何时可能会经历特定的制动磨损水平。也就是说，一旦报告的非感测车辆报告了适当的使用制动力的水平(如随着时间追踪的)，则系统可预测预期的磨损水平是存在的。这样即使在不存在实际传感器的情况下，也可通过收集与感测的原因相关的数据并且使用所述数据预测相同结果，来基本上实现虚拟感测状态。
如果磨损不是线性的，则在可从不完美的状态到需要维修的水平进行建模的情况下，得知当前制动状态(针对其它原因在维护期间可观察到的)会是有用的。尽管在经销商和服务中心处正在进行的数据收集可帮助快速细化调整模型，但是这可能需要进行额外建模。例如，如果客户车辆(具有传感器的客户车辆或没有传感器的客户车辆)在维护检查之间经历了特定的磨损水平，则该磨损水平及伴随数据可被报告(由经销商、由车辆来报告)，并且被用于以用于进行中期分析。
针对制动所讨论的相同构思可被应用于各种车辆系统。此外，可使用建模来确定哪些其它车辆模型可被应用哪个特定系统模型。对于制动器磨损，车辆质量、轮胎直径和各种其它规范可能会起作用，因而这种情况可能是，该数据仅精确用于特定的类似装备的车辆，该数据粗略用于其它不太类似的车辆(其它SUV，例如，如果基准是从SUV中取得的话)。然而，对于流体系统故障、火花塞磨损或其它某些系统磨损，车辆模型可能不起作用，因而基于感测数据的特定系统磨损的建模在各种各样的车辆模型中可以会是有用的。创建预测并且测量实际结果(即，当维护被实际执行时，预测是正确的)将有助于细化调整模型并且建立对将哪些系统模型应用于哪些车辆的理解。
最终，在充分细化调整的情况下，OEM可有意地在传送车队(例如，本地的所有车辆)中放置离散数量的特别适合的传感器，并且使用由这些车辆收集的数据向车队中的缺少所述传感器的其它车辆提供虚拟感测等同物。一旦模型已经在很长一段时间被验证(使得因果关系被已知)，则OEM甚至可完全忽略所述传感器，而是依靠已被反复证明具有高度的准确性的精心设计的模型。或者，OEM可提供传感器作为升级选项，但是与大多数客户的唯一实际差别将是：系统在预测磨损水平，而不是观测磨损水平，并且如果预测足够准确，则大多数客户不太可能介意这种差别。
图2示出了用于数据追踪的说明性处理。在该示例中，所述处理将识别具有传感器的特定车辆集合，并且向这些车辆发送针对数据的特定请求。这样允许OEM专注于至少收集被怀疑对于确定更宽泛的模型是有用的信息。如前所述，例如，这最初可开始于例如对制动能量的收集(同样地，制动仅用于示出所述构思)，并且在随后的时间内，这可请求具体的重量数据或环境数据。
收集所有可能想到的数据也是可行的，但是由于数据被传送给OEM，所以收集离散数量的目标数据可以是更有效的，并且数据传送密集程度会更低。一种方法相对于另一种方法的优势可取决于例如数据的大小和传输的便利性。情况也会是这样，一些变量甚至可能最初不被知道，因而在图2中示出构思甚至允许对“所有数据”进行更新的构思，因为先前甚至从未考虑的额外因素可以以动态的方式被添加到数据收集方法中。
这种方法也允许针对数据集合进行“理论测试”。如果变量被预期具有影响，则OEM可以很容易地发起动态收集更新，以指示适当配备的车辆收集与所述变量相关的数据。一旦收集到足够的数据，则OEM可对数据进行分析，并且查看是否能够得出有意义的结论。如果没有收集到足够的数据，则简单地指示目标车辆停止收集与该特定变量相关的数据是很容易的。
在该示例中，在201，所述处理识别具有能够检测到特定的系统磨损水平或特定的系统使用水平的传感器的车辆。示例包括但不限于低流体状态、制动器磨损、冲击磨损、轮胎磨损等。虽然任何传感器都可被考虑，但是关注点可能在于具有事实上未被广泛地设置到每个车辆中的传感器(例如，低油传感器)的车辆。另一方面，如果特定车辆具有更加详细的油传感器，则这种类型的数据可用于具有基本水平的传感器的车辆。例如，如果一种型号的车辆的可对油降解的水平和污染物的水平进行检测，并且导致这种油状态的变量是可追踪的，则这种信息可用于其它可能经历类似状况(如变量所表示的)的车辆，但是所述车辆可能缺少细化调整的感测能力。
系统随后识别可用于确定系统磨损的一个或更多个与追踪相关的变量，并且在203，请求识别的车辆开始对那些变量进行追踪。如果细节未被知晓，则该请求可以是针对宽泛数据追踪的请求，并且可稍后基于提取的状态影响变量(从模型中提取的状态影响变量)来被细化调整。车辆然后收集数据持续一段时间(例如，但不限于，直到车辆传感器指示警告状态为止)，并且随后报告回数据。
在205，远程系统从识别的车辆以及类似识别的所有其它车辆接收数据。在207，系统还接收部件数据/系统数据，所述部件数据/系统数据指示可用于对结果进行分析的部件信息或系统信息。例如，对于制动器，制动片可能具有不同的组成，因而用于特定制动片的数据对于具有不同组成的制动片可能不是特别有用。同样的情况对于特定流体也会是如此，这些特定流体可能会出现等级和类型，因而一种等级的劣化可无法用于确定另一等级的劣化。
在209，所述处理使用更大的数据集合来聚合接收的数据，并且随后执行分析，以查看任何特定的磨损原因是否可被识别或细化调整。这允许系统对预期导致磨损的变量进行描述，并且在211，系统随后可将更新的预测配置文件发布到缺少特定传感器的车辆，但是所述车辆可包括可被应用预测的部件或系统。
如果在云中(例如，与车载相反)完成针对各个车辆的分析(以确定可能的磨损状态)，则所述处理可使用更新的模型来对最近的数据进行重新建模，并且改进对于输入数据的预测。也就是说，如果模型改进通过额外分析来被揭示，则最近做出的预测可在改进模型下被重新建模，并且针对新报告的车辆对新的预测进行建模。
图3示出了用于预测使用的说明性处理。在该示例中，通过对大数据集合进行分析而产生的模型被用于预测报告使用数据的车辆的系统磨损状态。在该示例中，系统针对非感测车辆产生预测或指导，系统可使用所述预测或指导或将所述预测或指导传送给车辆，使得非感测车辆的驾驶员可被警告可能的磨损状态。
在该示例中，所述处理可访问道路上的大数量的车队车辆的车辆数据(例如，每次客户购买车辆时，所述车辆可被登记)。对于没有感测能力(301)的每个车辆，在303，所述处理可获得与部件/部件、流体等(所述部件/部件、流体等与该车辆相关)相关的配置数据。系统可使用该数据来确定哪些模型应用于非感测车辆(例如，特定制动片类型、特定照明功能等)。
在305，变量的预测集合可针对特定车辆被获得。例如，在305，使用参数可针对特定车辆被确定并且被聚合。这些参数可被云分析或车载分析用于确定针对特定车辆的磨损状态。如果车辆(例如，或者移动装置)将进行自我分析，则在307，所述处理可向车辆传送指示磨损的变量值。例如，如果云执行分析，则所述处理可存储关于车辆配置文件的模型值。
如果车辆正在执行分析，则车辆可从模型(云)接收总体磨损值。一旦车辆使用数据满足参数值，则车辆可发出关于可能的磨损状态的警告。如果模型随着时间被更新，则远程云系统可将更新的值传送给车辆。在另一种模型中，云计算可在车辆传送数据时执行分析，所述分析基于最近更新的预测模型。如果变量值在先前的点被传送，则基于车辆的分析具有在警告时无需进行连接的优点。云模型具有通常速度较快的优点，并且始终可访问更新的模型数据。哪一点被(车辆、云、电话)用于分析是衡量利弊的选择问题。
图4示出了用于数据分析的说明性处理。在该示例中，在401，所述处理获得(接收)车辆数据。在该示例中，当特定的传感器指示磨损状态时，车辆报告数据，但是车辆也可随着时间报告数据，以展示什么使用水平尚未触发磨损状态。
在该示例中，所述处理接收关于使用数据和传感器触发的值，并且在403，将接收到的值与关于传感器触发何时应该发生的已知预测进行比较。这将揭示预测模型对于当前车辆数据是否是准确的。如果在405不存在显著的偏差(如果所考虑的数据在数据被预期所处的预定义容差内)，则在407，所述处理将数据聚合到池中，从而对当前的模型进行强化。
如果存在非预期的偏差，则在409，所述处理可将未处于锁定步骤的一个或更多个数据值或部件数据与当前预测模型分离。也就是说，所述处理可识别数据值对于磨损是否是高的，但是这可能是因为制动片中的不同组成。如果制动片的值是一致的，则不同的变量可能是不正常的，并且在409，通过对各种模型的比较，所述处理可分离可能的差异。
一旦在411所述处理已经识别所述差异，则在413，所述处理可创建新的类别。这可以是新的部件或新的系统(代表不同的组成)的类别或用于追踪的新的数据类别。在示例中，所述处理可记录这样的异常值，直到相应的异常值的总的数量指示应该创建可能的新类别为止。相反，在415，所述处理随后对已经收集的数据进行重新分类，以防针对旧的分类模型/预测模型聚合的数据应该针对新模型被考虑。
例如，所述处理可接收关于制动器使用的数据，将所有的数据聚合为一个单元，但是随着时间的推移，可揭示出特定的制动片比另一个制动片磨损得更慢。一旦车辆已经报告了用于得出该结论的足够数据，则所述处理就可分离先前接收到的与每个制动片类型对应的数据(假设这种数据被存储)，并且根据制动片类型发布数据。这应该会导致两个新的预测，每个预测都适合于各种制动片类型，并且提供比所有数据的总体模型更好的模型，所述模型将所有制动片处理为等同物。如果道路上只有2％的车辆具有“更好”的制动片，则可能需要花费一些时间来产生这种差异，并且在此期间针对所有车辆使用总体估计值可能会更好，与此相反的，则不得不等待，直到在模型中实际产生差异为止。
图5示出了用于数据报告的说明性处理。在该示例中，在501，车辆车载处理从远程系统接收追踪请求，所述追踪请求指示将被追踪的特定使用参数(或其它参数，例如，环境参数)。在该示例中，所述追踪请求还包括相应传感器的标识，所述标识将被用作报告数据的基础。在503，车辆验证相应传感器存在并且车辆能够对请求的参数进行追踪。
每次在505使用由传感器感测到的系统时，在507，所述处理记录由请求标识的使用数据和伴随数据。可能存在所述处理始终记录的基准数据集合，并且各个请求可基于新识别的感兴趣的变量而被添加到该数据中。此外，在509，该所述处理检查磨损传感器以确定系统是否已经达到警告点。尽管被描述为磨损传感器，但是所述传感器是能够对车辆系统的退化进行检测的任何传感器。如前所述，尽管不是必要的，但是它通常是仅提供给道路上的一部分车辆的传感器。
如果车辆传感器指示磨损状态是存在的，则在511，所述处理对随着时间收集到的使用数据进行打包，并且在513，将所述使用数据发送至远程系统。这还可包括发送部件数据、系统数据或流体数据(模型或制造商标识符、参数等)以及任何其它数据，所述数据被认为在对具有类似的部件/组件、类似的系统、类似的流体使用等但却缺少磨损传感器的车辆上的磨损进行建模时会是有用的。
图6示出了磨损追踪和磨损警告的说明性处理。在该示例中，所述处理车载运行在非感测车辆或与非感测车辆(例如，乘客移动装置)关联的装置上。在601，这里所述处理还接收追踪指令(尽管在这种情况下追踪被用于识别可能的问题，这是因为传感器是不存在的)。
在603每次使用将被追踪的系统时，在605，所述处理将记录系统的使用。所述处理还记录与识别的导致磨损的使用方面相关的变量值，并且将在大多数情况下可能会对这些值进行聚合。在607，所述处理随后将聚合的值与在追踪指令中标识的阈值进行比较，所述阈值指示可能导致足以触发警告的磨损的使用总计。如果在609阈值被满足，则在611，所述处理可向驾驶员发出警告(并且出于追踪目的向远程系统发出警告)。
在某些时候，在613，无论是由于过度磨损和故障还是以预防性方式，处于问题中的系统将被修复。在此时，在615，车辆或经销商/服务系统可报告实际的磨损状态和任何总计使用数据。这些数据可由远程系统分析，以查看预测模型如何有效。因此也可以以这种方式对预测模型进行改进。
通过使用说明性实施例，可开发和使用预测磨损模型来向缺少用于特定部件、组件、系统和流体的实际磨损传感器的车辆提供虚拟传感器等同物。在具有足够的数据和进行建模的情况下，预测模型可以非常接近与实际传感器将产生警告的警告状况类似的警告状况。
虽然以上描述了示例性实施例，但是这些实施例并不意在描述本发明的所有可能形式。更确切地，说明书中所使用的词语是描述性词语而非限制性词语，并且应理解的是，可在不脱离本发明的精神和范围的情况下做出各种改变。此外，各种实现的实施例的特征可以以逻辑方式被组合，以产生在此描述的实施例的情境适当的变型。

Claims (15)

1.一种与车辆通信的系统，包括：
处理器，被配置为：
识别具有感测系统磨损水平的传感器的多个车辆；
请求所述多个车辆对用于确定系统磨损的一个或更多个变量进行追踪，以收集与所述一个或更多个变量相关的使用数据；
从所述多个车辆无线接收结合有磨损状态报告的第一使用数据，所述磨损状态报告指示由所述多个车辆的传感器感测的系统磨损水平；
聚合并且分析所述第一使用数据，以确定指示感测的系统磨损水平的公共参数和对应值；
从缺少能够感测所感测的系统磨损水平的传感器的车辆无线接收第二使用数据；
将第二使用数据中的公共参数的值与确定的指示感测的系统磨损水平的值进行比较；
响应于比较指示系统磨损水平与感测的系统磨损水平近似，向缺少所述传感器的车辆报告可能的磨损状态。
2.如权利要求1所述的系统，其中，处理器还被配置为：向所述多个车辆提供将被追踪以用于报告的一个或更多个参数。
3.如权利要求2所述的系统，其中，处理器还被配置为：将特定传感器与所述一个或更多个参数关联，所述一个或更多个参数的输出将被用作报告所述一个或更多个参数的追踪值的基础。
4.如权利要求1所述的系统，其中，处理器还被配置为：对缺少用于感测所感测的系统磨损水平的能力的无线连接的车辆进行识别。
5.如权利要求4所述的系统，其中，处理器还被配置为：将公共参数和对应值无线传输至识别的车辆。
6.如权利要求5所述的系统，其中，处理器还被配置为：接收与识别的车辆相关的维护报告，所述维护报告指示维护已经被执行以修正可能的磨损状态，所述维护报告包括实际车辆收集数据以及系统磨损的实际水平，实际车辆收集数据指示在维护时的公共参数的值。
7.如权利要求1所述的系统，其中，系统磨损与机械系统部件相关。
8.如权利要求1所述的系统，其中，系统磨损与流体特性相关。
9.如权利要求1所述的系统，其中，系统磨损与电气系统部件相关。
10.一种计算机实现的方法，包括：
识别具有测量磨损水平的传感器的多个第一车辆；
请求所述多个第一车辆对用于确定部件磨损的一个或更多个变量进行追踪，以收集与所述一个或更多个变量相关的使用数据；
从所述多个第一车辆接收与部件相关的使用数据，所述与部件相关的使用数据包括聚合的导致第一部件的磨损的车辆系统的使用，所述与部件相关的使用数据还包括由每个第一车辆中的传感器测量的第一部件的磨损水平；
分析所述与部件相关的使用数据，以确定指示磨损水平的使用参数值；
基于从缺少能够测量磨损水平的传感器的第二车辆接收的聚合的使用数据与所述使用参数值的比较，确定第二车辆中的第二部件的预计磨损水平是否已经达到测量的第一部件的磨损水平；
当预计的磨损水平达到测量的第一部件的磨损水平时，警告第二车辆驾驶员。
11.如权利要求10所述的方法，其中，系统磨损与机械系统部件相关。
12.如权利要求10所述的方法，其中，系统磨损与流体特性相关。
13.如权利要求10所述的方法，其中，系统磨损与电气系统部件相关。
14.如权利要求10所述的方法，还包括：
指示所述多个第一车辆收集指定类型的使用数据；
当报告测量的部件的磨损水平时，指示所述多个第一车辆报告收集的使用数据。
15.如权利要求10所述的方法，还包括：
确定第二车辆缺少所述传感器；
将所述使用参数值以及用于向驾驶员警告聚合的第二车辆中的车辆系统的使用是否达到与所述使用参数值同样的水平的指令发送到第二车辆。
CN201810235250.1A 2017-03-27 2018-03-21 用于车辆系统磨损预测的方法和设备 Active CN108665580B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/470,344 2017-03-27
US15/470,344 US10553041B2 (en) 2017-03-27 2017-03-27 Method and apparatus for vehicle system wear prediction

Publications (2)

Publication Number Publication Date
CN108665580A CN108665580A (zh) 2018-10-16
CN108665580B true CN108665580B (zh) 2022-10-11

Family

ID=63450375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810235250.1A Active CN108665580B (zh) 2017-03-27 2018-03-21 用于车辆系统磨损预测的方法和设备

Country Status (3)

Country Link
US (1) US10553041B2 (zh)
CN (1) CN108665580B (zh)
DE (1) DE102018106818A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11242051B1 (en) 2016-01-22 2022-02-08 State Farm Mutual Automobile Insurance Company Autonomous vehicle action communications
US11719545B2 (en) 2016-01-22 2023-08-08 Hyundai Motor Company Autonomous vehicle component damage and salvage assessment
US20210295439A1 (en) 2016-01-22 2021-09-23 State Farm Mutual Automobile Insurance Company Component malfunction impact assessment
US11441916B1 (en) 2016-01-22 2022-09-13 State Farm Mutual Automobile Insurance Company Autonomous vehicle trip routing
CN109269790B (zh) * 2018-10-30 2020-07-17 贵州云尚物联科技股份有限公司 基于物联网的车辆刹车片安全性监测系统及其方法
CN109472885B (zh) * 2018-11-14 2021-09-03 广州小鹏汽车科技有限公司 轮胎安全管理方法、装置、轮胎安全管理设备及汽车
RU2771551C1 (ru) * 2021-11-22 2022-05-05 Федеральное государственное казенное военное образовательное учреждение высшего профессионального образования "Военная академия материально-технического обеспечения имени генерала армии А.В. Хрулёва" Министерства обороны Российской Федерации Способ дистанционной автоматизированной диагностики технического состояния коробки переключения передач военной автомобильной техники

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101144515A (zh) * 2007-10-25 2008-03-19 上海交通大学 基于弹性波与无线网络的制动器摩擦片磨损程度监测系统
CN105122029A (zh) * 2013-04-22 2015-12-02 沃尔沃卡车集团 监视车辆系统的健康状态的方法
CN105667462A (zh) * 2014-12-08 2016-06-15 福特全球技术公司 连接的车辆系统的磨损估计与保养计划的方法和设备
CN106254455A (zh) * 2016-08-03 2016-12-21 深圳市永兴元科技有限公司 车辆保养提醒方法及云服务器

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10215865A1 (de) * 2002-04-11 2003-11-06 Bosch Gmbh Robert Verfahren und Steuergerät zur Ermittlung der Ausfallwahrscheinlichkeit einer Kraftfahrzeugkomponente
JP4286842B2 (ja) * 2005-03-30 2009-07-01 株式会社ピーシーエヌ 車載バッテリー管理装置
US20120296512A1 (en) 2011-04-26 2012-11-22 University Of Cincinnati Method and system for electric vehicle battery prognostics and health management
US20150094903A1 (en) 2013-09-30 2015-04-02 Ford Global Technologies, Llc Vehicle diagnostic and prognostic systems and methods
US9240082B2 (en) 2013-10-22 2016-01-19 At&T Intellectual Property I, L.P. Crowd sourced optimization of vehicle performance based on cloud based data
US9846978B1 (en) * 2016-06-15 2017-12-19 Ford Global Technologies, Llc Remaining useful life estimation of vehicle component

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101144515A (zh) * 2007-10-25 2008-03-19 上海交通大学 基于弹性波与无线网络的制动器摩擦片磨损程度监测系统
CN105122029A (zh) * 2013-04-22 2015-12-02 沃尔沃卡车集团 监视车辆系统的健康状态的方法
CN105667462A (zh) * 2014-12-08 2016-06-15 福特全球技术公司 连接的车辆系统的磨损估计与保养计划的方法和设备
CN106254455A (zh) * 2016-08-03 2016-12-21 深圳市永兴元科技有限公司 车辆保养提醒方法及云服务器

Also Published As

Publication number Publication date
CN108665580A (zh) 2018-10-16
DE102018106818A1 (de) 2018-09-27
US10553041B2 (en) 2020-02-04
US20180276905A1 (en) 2018-09-27

Similar Documents

Publication Publication Date Title
CN108665580B (zh) 用于车辆系统磨损预测的方法和设备
CN105551281B (zh) 通过众包数据个性化的路线指数
US20160163130A1 (en) Method and Apparatus for Connected Vehicle System Wear Estimation and Maintenance Scheduling
US11062536B2 (en) Method and apparatus for statistical vehicle element failure analysis
US11782691B2 (en) Method and apparatus for over the air updates
CN105389976B (zh) 用于道路风险指数产生的方法和设备
US20150331686A1 (en) Over-the-air vehicle issue resolution
US20150094929A1 (en) Vehicle diagnostic and prognostic systems and methods
US20150094903A1 (en) Vehicle diagnostic and prognostic systems and methods
CN104331066A (zh) 一种车辆故障远程诊断方法
WO2017053047A1 (en) Usage-based vehicle leasing and other services with a dongle module
US20220030385A1 (en) Method and apparatus for wireless proximity based component information provision
US20140208306A1 (en) Control system having automatic component software management
US20160035145A1 (en) Method and Apparatus for Vehicle Data Gathering and Analysis
CN111009119A (zh) 用于车辆调谐的道路评估和建议的方法和设备
CN105374084A (zh) 车队车辆售后设备监测
CN103121382A (zh) 一种汽车轮胎压力检测系统
JP6459874B2 (ja) 異常診断システム
CN107031395B (zh) 用于预期的全轮驱动接合和四轮驱动接合的方法和设备
US20160148447A1 (en) Method, system and computer-readable recording medium for managing abnormal state of vehicle
US20230054889A1 (en) Automatically tracking a trajectory of a vehicle
JP5682388B2 (ja) 障害診断方法及び障害診断システム
US11582060B2 (en) Telematics system for identifying manufacturer-specific controller-area network data
EP3360748A1 (en) Driving assistance of collaborative type
US20240194000A1 (en) Predictive maintenance platform

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
GR01 Patent grant
GR01 Patent grant