CN109017630A - 集卡车的故障监控方法、装置、电子设备、存储介质 - Google Patents
集卡车的故障监控方法、装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN109017630A CN109017630A CN201810673664.2A CN201810673664A CN109017630A CN 109017630 A CN109017630 A CN 109017630A CN 201810673664 A CN201810673664 A CN 201810673664A CN 109017630 A CN109017630 A CN 109017630A
- Authority
- CN
- China
- Prior art keywords
- module
- truck
- assessed
- value
- reliability
- 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.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种自动驾驶的集卡车的故障监控方法、装置、电子设备、存储介质,自动驾驶的集卡车的故障监控方法,包括:集卡车运行前初始化故障检查;集卡车运行时实时故障检查,包括:所述集卡车运行使所述集卡车的各模块处于自稳定阶段,在所述自稳定阶段,各所述待评估模块每隔T时间将各待评估模块的运行状态信息发送至一监控模块;所述监控模块根据各模块的运行状态信息计算出运行可靠性评估值;所述监控模块将所述运行可靠性评估值发送至自动驾驶车辆管理系统;当所述运行可靠性评估值低于第一预设阈值时,所述自动驾驶车辆管理系统自动接管所述集卡车。本发明提供的方法及装置适用于港区作业、处理和排除卡车软硬件故障。
Description
技术领域
本发明涉及无人驾驶领域,尤其涉及一种自动驾驶的集卡车的故障监控方法、装置、电子设备、存储介质。
背景技术
随着经济与航运业不断发展,集装箱码头面临着比以往更大集装箱运输成本、效率方面的挑战。传统码头主要通过卡车司机在码头内驾驶卡车搬运集装箱。然而全天候的作业强度以及人力缺口不断增大的大环境下,通过人力完成作业存在着效率低,安全性不够,成本高等问题。作为运输工具,集装箱卡车也会出现问题,而卡车司机排除解决故障往往依靠经验,很难系统性地解决故障。自动驾驶技术的不断演进以及机器传感器成本的降低使得无人驾驶集卡在港口逐渐替代司机驾驶成为可能。
发明内容
本发明为了克服上述现有技术存在的缺陷,提供自动驾驶的集卡车的故障监控方法、装置、电子设备、存储介质,以适用于港区作业、处理和排除卡车软硬件故障。
根据本发明的一个方面,提供一种自动驾驶的集卡车的故障监控方法,包括:
集卡车运行前初始化故障检查;
集卡车运行时实时故障检查,包括:
所述集卡车运行使所述集卡车的各模块处于自稳定阶段,在所述自稳定阶段,各所述待评估模块每隔T时间将各待评估模块的运行状态信息发送至一监控模块,T为大于0的整数;
所述监控模块根据各模块的运行状态信息计算出运行可靠性评估值;
所述监控模块将所述运行可靠性评估值发送至自动驾驶车辆管理系统;
当所述运行可靠性评估值低于第一预设阈值时,所述自动驾驶车辆管理系统自动接管所述集卡车。
可选地,所述集卡车运行前初始化故障检查包括:
静态检查步骤,检查集卡车本体以及与自动驾驶关联的硬件连接部件是否故障;
硬件启动检查步骤,检查集卡车各硬件在供电和启动后的上电及通信状态;
软件启动检查步骤,检查集卡车的计算机操作系统、自动驾驶系统、自动驾驶系统与传感器的连接及自动驾驶系统的子模块的状态是否正常;
初始化可靠性评估步骤,所述监控模块根据各待评估模块的初始化状态信息计算出初始化可靠性评估值,若所述初始化可靠性评估值不低于第二预设阈值,则完成所述初始化可靠性评估步骤。
可选地,所述监控模块根据各待评估模块的运行状态信息计算出运行可靠性评估值包括:
所述监控模块根据各待评估模块的运行状态信息计算出运行可靠性评估值指示该待评估模块的可靠性评估值低于第一预设阈值超过预设时间时,所述监控模块开启该待评估模块的备用模块。
可选地,所述待评估模块包括定位模块和/或感知模块,所述定位模块提供的所述运行状态信息包括定位可靠性评估值,所述感知模块提供的所述运行状态信息包括感知可靠性评估值,所述运行可靠性评估值根据定位可靠性评估值和/或感知可靠性评估值计算。
可选地,定位可靠性评估值根据定位计算耗时度、定位离散度及定位平滑度计算获得,其中,
定位计算耗时度为获得当前定位数据的迭代次数与最大允许定位迭代次数之比;
定位离散度为集卡车在一时间段内的定位数据的平均差或标准差的归一化值;
定位平滑度为集卡车的定位数据随时间形成的轨迹的平滑程度。
可选地,感知可靠性评估值根据感知计算耗时度、感知检测失误率、感知平滑度计算,其中,
感知计算耗时度为获得当前感知数据的迭代次数与最大允许感知迭代次数之比;
感知检测失误率为一时间段内,感知检测出错的概率;
感知平滑度为所感知对象的像素值随时间的平滑程度和/或所感知对象的与集卡车之间的距离随时间的平滑程度。
可选地,所述初始化可靠性评估值与所述运行可靠性评估值按同样的方式计算。
根据本发明的又一方面,还提供一种自动驾驶的集卡车的故障监控装置,包括:
第一检查模块,用于集卡车运行前初始化故障检查;
第二检查模块,用于集卡车运行时实时故障检查,包括:
发送模块,当所述集卡车运行使所述集卡车的各待评估模块处于自稳定阶段,所述发送模块用于将各所述待评估模块每隔T时间将各待评估模块的运行状态信息发送至一监控模块,T为大于0的整数;
监控模块,用于根据各模块的运行状态信息计算出运行可靠性评估值,并将所述运行可靠性评估值发送至自动驾驶车辆管理系统,当所述运行可靠性评估值低于第一预设阈值时,所述自动驾驶车辆管理系统自动接管所述集卡车。
根据本发明的又一方面,还提供一种电子设备,所述电子设备包括:处理器;存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面,还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术,本发明的优势在于:
自动驾驶的集卡车的运行依赖于一套搭载各种算法和软硬件的异步系统,系统中每一个模块独立运作,模块之间相互调用。故障的排除通过模块的状态信息和系统可靠性评估值来完成。每个软硬件模块会自行评估其运行可靠性值并提供状态信息。该状态信息都会实时地发送到监控模块。依赖于软件故障自动排除机制,软件故障将自动排除。如果无法排除,将故障问题发送给自动驾驶车辆管理系统,由该系统转发到维修部门派出相应人员解决问题。本发明旨在提出一种在港口环境下,一种高效的无人集卡故障处理实时监控的流程。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的自动驾驶的集卡车的故障监控方法的流程图;
图2示出了根据本发明实施例的集卡车运行前初始化故障检查的流程图;
图3和图4示出了根据本发明实施例的定位离散度的示意图;
图5示出了根据本发明实施例的定位平滑度的示意图;
图6示出了根据本发明实施例的感知平滑度的示意图;
图7示出了根据本发明实施例的自动驾驶的集卡车的故障监控装置的模块图;
图8示意性示出本公开示例性实施例中一种计算机可读存储介质示意图;
图9示意性示出本公开示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
为了解决现有技术的缺陷,本发明提供一种自动驾驶的集卡车的故障监控方法,如图1至图5所示。图1示出了根据本发明实施例的自动驾驶的集卡车的故障监控方法的流程图。图2示出了根据本发明实施例的集卡车运行前初始化故障检查的流程图。图3和图4示出了根据本发明实施例的定位离散度的示意图。图5示出了根据本发明实施例的定位平滑度的示意图。
图1共示出2个步骤:
步骤S110:集卡车运行前初始化故障检查。
具体而言,步骤S110的具体执行可以参见图2,包括:
步骤S111:静态检查步骤,检查集卡车本体以及与自动驾驶关联的硬件连接部件是否故障。
具体而言,步骤S111即检查车辆本体以及自动驾驶包含的相应硬件连接无故障。例如,各部件(传感器,车载控制器,计算机等)电源线,信号线是否插线正常。若步骤S111检查正常,则执行下一步骤。若步骤S111检查不正常,则可通过系统通知相应的人员进行硬件的连接。
步骤S112:硬件启动检查步骤,检查集卡车各模块在供电和启动后的上电及通信状态。
具体而言,步骤S112即检查车辆各硬件在供电和启动后的状态。检查车辆启动后的故障指示,车载控制器(VCU)是否正常上电,车载计算机是否已上电开机,各传感器是否已上电打开,以上硬件间通信正常。若步骤S112检查正常,则执行下一步骤。若步骤S112检查不正常,则可通过系统通知相应的人员进行硬件的检查和维修。
步骤S113:软件启动检查步骤,检查集卡车的计算机操作系统、自动驾驶系统、自动驾驶系统与传感器的连接及自动驾驶系统的子模块的状态是否正常。
具体而言,步骤S113先检查集卡车的计算机操作系统是否正常,若正常,则打开自动驾驶系统软件。启动自动驾驶系统首先会建立与激光雷达、相机、毫米波雷达、组合导航等传感器的连接,然后会初始化规划,定位,导航,控制,监控等子软件模块。以上阶段完成则人为控制器全部初始化成功则认为初始化阶段完成。若步骤S113初始化正常,则执行下一步骤。若步骤S113检查初始化不正常,则可通过系统通知相应的人员进行软件的检查和维修。
步骤S114:初始化可靠性评估步骤,所述监控模块根据各待评估模块的初始化状态信息计算出初始化可靠性评估值,若所述初始化可靠性评估值不低于第二预设阈值,则完成所述初始化可靠性评估步骤。
具体而言,步骤S114中,车辆本体的故障(例如胎压低,发动机故障等)由车载控制器(VCU)接收并转发到车载计算机。车载控制器的故障(例如锁死或过热)由车载计算机接收并评估。自动驾驶系统各个模块的可靠性由各自模块自行评估,并将其发送至自动驾驶监控模块,由监控模块完成初始化可靠性评估值。初始化可靠性评估值的计算可与运行可靠性评估值的计算相同,在此不予赘述。
步骤S120:集卡车运行时实时故障检查。
具体而言,步骤S120包括:
步骤S121:所述集卡车运行使所述集卡车的各待评估模块处于自稳定阶段,在所述自稳定阶段,各所述待评估模块每隔T时间将各待评估模块的运行状态信息发送至一监控模块,T为大于0的整数。
可选的,T可以例如是2秒-5秒中的任一数值。
具体而言,本发明各实施例中所述的自稳定阶段表示一个可以容忍故障的系统能够从突发错误中恢复的阶段。这样的设计可以让开发者及其使用者从底层错误中解放出来,并提供一定程度的抽象。每个待评估模块都有各自的处理周期,即每隔一段时间内进行一次处理,进入该循环状态即进入自稳定阶段,即各待评估模块自行管理起内部的故障,错误,并且能够按照实现设定好的准则从错误中恢复,而不打断周期性处理的流程。进入初始化阶段后,没有故障即进入自稳定阶段。
步骤S122:所述监控模块根据各模块的运行状态信息计算出运行可靠性评估值。
步骤S123:所述监控模块将所述运行可靠性评估值发送至自动驾驶车辆管理系统;
步骤S124:当所述运行可靠性评估值低于第一预设阈值时,所述自动驾驶车辆管理系统自动接管所述集卡车。
具体而言,在本发明实施例中,所述待评估模块包括定位模块和/或感知模块。所述定位模块提供的所述运行状态信息包括定位可靠性评估值。所述感知模块提供的所述运行状态信息包括感知可靠性评估值。所述运行可靠性评估值根据定位可靠性评估值和/或感知可靠性评估值计算。具体而言,当运行可靠性评估值为100%的形式,那么第一预定阈值和第二预定阈值可以设定为60%、80%或任意其它数值。
进一步地,定位可靠性评估值可以根据定位计算耗时度、定位离散度及定位平滑度计算获得。
定位计算耗时度为获得当前定位数据的迭代次数与最大允许定位迭代次数之比。定位模块需要对传感器数据进行处理,当定位状况良好时,定位模块只需要处理一小部分数据就可以得出当前位置的可靠估计,即可以跳过其他待处理数据,反之,如果定位模块需要对周围环境的数据做大量处理时,说明在已经做过处理的数据中找不到当前位置的可靠估计,此时需要花费超出预期的时间去处理当前时间帧的数据。
具体而言,定位数据通过迭代计算收敛。在每个定位周期,只有达到最大迭代次数itermax,或者达到计算精度时输出定位数据。
定位计算耗时度可以采用如下公式计算
Dtime=iteri/(itermax),Dtime∈[0,1]
其中,Dtime为定位计算耗时度,iteri为当前周期的迭代次数,itermax为最大允许迭代次数。具体而言,iteri为完成本次计算周期所需要的迭代次数,可以提高本次计算精度。例如,对于定位模块,多次的迭代会使得定位值逐渐收敛。
迭代次数一般会受到环境的影响。对于定位模块,环境越复杂,定位时扫描到的周边做参照的物体越多,需要花费更多的计算资源去完成一个周期的计算,处理时间与物体数量成线性关系。为了防止定位数据由于迭代次数较多而无法输出,程序一般会对迭代次数设置上限itermax。对本次计算周期,最多会迭代不超过上限值itermax。为了达到相同的计算精度,迭代次数越少,Dtime越小,代表定位模块的运行可靠度越高。
定位离散度可以为集卡车在在一时间段内的定位数据的平均差或标准差的归一化值。定位模块在一时间段内输出的定位数据越离散说明定位越不可靠,反之,如果点集中,说明定位可靠。如图3和图4所示,一时间段内,两个定位模块的定位数据分别如区域A内和区域A’内多个定位点所示,且区域A与区域A’中定位点数量相等。根据图3和图4所示,图4中的采样点更为集中,其定位离散度小于图3的定位离散度。
具体而言,定位离散度可以按如下公式计算:
Ddeviation=r0*STD(∑Pt),Pt∈RN,Ddeviation∈[0,1]
其中,Ddeviation为定位离散度,r0为归一化系数,Pt为定位数据,定位数据在N维空间内。STD表示对Pt求标准差。Ddeviation越小,代表定位数据的离散度越低,可靠性越高。
定位平滑度为集卡车的定位数据随时间形成的轨迹的平滑程度。在真实情况下,车的位置随时间是连续变化的。如果当前位置出现跳变,即不是连续变化的,说明跳变前后的点必定有定位不可靠的时候。如图5,该车沿着曲线行进,在t1至t5时刻位置应该连续,如果出现t4,t5所示的点,即偏离行进轨迹一定值,则说明定位输出不平滑。具体而言,定位平滑度可以根据如下公式计算:
Dsmooth=(r1*norm(ΣVt)+r2*norm(Σφt))/(r1+r2),Dsmooth∈[0,1]
其中,Vt为t时刻速度,t为T0到TN中的一时刻。φt为t时刻车辆航向角速度。s(t)为t时刻的车辆行驶弧长,Φ(t)为t时刻的车辆转动角度。r1和r2分别为速度和角度的权重系统。Norm表示对Vt和φt的归一化计算。Dsmooth越小,代表定位平滑越平滑,定位可靠度越高。
在本实施例中,定位可靠性评估值可以为(Dtime+Ddeviation+Dsmooth)/3来计算,定位可靠性评估值为0至1中的任一值,且定位可靠性评估值越小,定位模块的可靠性越高。在该实施例中,定位离散度及定位平滑度初始可具有相同的权重。在又一些实施例中,定位计算耗时度、定位离散度及定位平滑度初始的权重可随后序的可靠性计算而有所更改。
进一步地,感知可靠性评估值根据感知计算耗时度、感知检测失误率、感知平滑度计算。
具体而言,感知计算耗时度为感知计算耗时度为获得当前感知数据的迭代次数与最大允许感知迭代次数之比。感知模块的感知计算耗时度与定位模块类似。
具体而言,感知数据也通过迭代计算收敛。在每个定位周期,只有达到最大迭代次数iterSmax,或者达到计算精度时输出感知数据。
感知计算耗时度可以采用如下公式计算
DStime=iterSi/(iterSmax),DStime∈[0,1]
其中,DS_time为感知计算耗时度,iterSi为当前周期的迭代次数,iterSmax为最大允许迭代次数。具体而言,iterSi为完成本次计算周期所需要的迭代次数,可以提高本次计算精度。例如,对于感知模块,当在多个迭代计算中连续监测到相同的物体,则可以提高对该物体检测的置信度。
迭代次数一般会受到环境的影响。对于感知模块,环境越复杂,则感知到的物体越多,处理时间与物体数量成线性关系。为了防止感知数据由于迭代次数较多而无法输出,程序一般会对迭代次数设置上限iterSmax。对本次计算周期,最多会迭代不超过上限值iterSmax。为了达到相同的计算精度,迭代次数越少,DStime越小,代表感知模块的运行可靠度越高。
具体而言,感知检测失误率为一时间段内,感知检测出错的概率。当传感器通过算法如果无法检测到需要感知的物体或者时,则认为未检测到环境,(检测出错)。例如:在车辆得知自己在有车道线的地方做车道保持时,此时认为车所在位置必有车道线,但是根据感知的结果来看,传感器无法检测到车道线,则认为感知工作不可靠。
感知检测失误率可以根据一小段时间窗内(即上次计算周期时刻t0到本次计算周期时刻t1间)误检或者漏检的概率:
Pem=(Nm+Ne)/N
其中,Pem为感知检测失误率,Nm为该时间窗内漏检的次数,Ne为该时间窗内误检的次数,N为该时间窗内检测的总次数。Pem越小,感知模块越可靠。
具体而言,感知平滑度为所感知对象的像素值随时间的平滑程度和/或所感知对象的与集卡车之间的距离随时间的平滑程度。与定位模块类似,车辆对于物体的距离/颜色/行为感知在大多数情况下都是连续的,在感知中若发现对物体的感知值发生跳边,则说明感知模块不可靠。例如,在车道保持的过程中,首先认为车的位置随着时间是连续变化的,车相对于需要感知的临近车道线202及203的横向距离(如图6,L1与L2)也应该为连续值(车一点点向左或者向右并道),从1.2,1.1米,1.0米连续变化为向右行驶。如果在数据中出现1.2,1.1,1.5,1.0米类似的值,则认为在中间感知模块有跳变帧,此时感知不是很可靠。感知平滑度越低,所感知对象的像素值随时间的平滑程度越高(和/或所感知对象的与集卡车之间的距离随时间的平滑程度越高),感知模块越可靠。
在本实施例中,与定位模块的可靠性评估类似,感知计算耗时度、感知检测失误率、感知平滑度的范围都为0至1,且感知可靠性评估值与感知计算耗时度、感知检测失误率、感知平滑度皆正相关。
在本发明的又一些实施例中,在感知模块的可靠性评估中,还可以引入感知离散度,感知离散度的计算与定位离散度的计算类似,通过计算一段时间内感知数据的方差或者标准差,并对其进行归一化处理,以与感知计算耗时度、感知检测失误率、感知平滑度一起评估感知模块的可靠性。
进一步地,在本发明的一些实施例中,在工作时车辆,车载控制器,计算机,自动驾驶各模块自稳定阶段。处于自稳定阶段的各待评估模块按照各自的运行要求工作,各待评估模块需要每隔T时间(例如3秒)为监控模块发送模块运行状态信息,该运行状态信息可以包含:心跳,该模块的可靠值,故障码等。监控模块会对每个待评估模块发出每一时刻的运行状态信息作评估,以此来确定该待评估模块的工作状态。如果有待评估模块返回故障码或者可靠值低且持续一段时间Tm(例如10秒至1分钟),监控模块将尝试关闭此模块,并且开启该模块的备用模块,备用模块将替代故障模块进行工作。如果备用模块在工作时出现相同的故障码,则认为该故障不可通过软件方式自动恢复。
在运行状态中,监控模块实时接收各个模块返回的心跳,运行可靠性评估值和故障码,每隔T时间计算出运行可靠性评估值,通过阈值和规则来得到评级,并将该评估值和故障码通过车载专用无线网络发送给自动驾驶车辆管理系统。该系统可24小时由港区人工监控可靠性评级和故障,如若发现作业环境恶劣自动驾驶系统无法安全执行,则可以选择手动接管当前自动驾驶车辆;如若发现车辆存在软件系统无法解决的故障或者其他硬件故障需要维护,则可以将该故障码转给相应的港区车辆维修部门,由该部门根据故障码执行相应的维护操作。
在港区中,通过集卡车与无人驾驶车辆管理系统对接,可以使得车辆获得实时在港区的位置。同时也可以从码头管理系统(terminal operation system)中获得集装箱,以及港区机械设备,例如跨运车,轨道吊的位置。因为需要港区车辆管理系统的交互,因此,本发明所述的方法仅针对集装箱港区环境。与传统集装箱卡车不同,当车辆出现问题时,卡车司机往往需要根据经验来判断出现故障问题,然后通过电话联系港区维护人员维修车辆,该过程会耗费人力检测、排除故障。而本发明所述的自动驾驶集卡车则使用一套自动、完整的流程来追踪、监控、记录与解决故障,对于港区这种封闭并且规则的作业场所来说可以精简流程,提高效率。
本发明还提供一种自动驾驶的集卡车的故障监控装置,图7示意性示出本公开示例性实施例中一种计算机可读存储介质示意图;自动驾驶的集卡车的故障监控装置900包括第一检查模块910及第二检查模块920。
第一检查模块910用于集卡车运行前初始化故障检查。
第二检查模块920用于集卡车运行时实时故障检查。第二检查模块920包括发送模块921及监控模块922。当所述集卡车运行使所述集卡车的各待评估模块处于自稳定阶段,所述发送模块921用于将各所述待评估模块每隔T时间将各待评估模块的运行状态信息发送至一监控模块,T为大于0的整数。监控模块922用于根据各模块的运行状态信息计算出运行可靠性评估值,并将所述运行可靠性评估值发送至自动驾驶车辆管理系统,当所述运行可靠性评估值低于第一预设阈值时,所述自动驾驶车辆管理系统自动接管所述集卡车。
在本公开的示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被例如处理器执行时可以实现上述任意一个实施例中所述电子处方流转处理方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到租户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本公开的示例性实施例中,还提供一种电子设备,该电子设备可以包括处理器,以及用于存储所述处理器的可执行指令的存储器。其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述电子处方流转处理方法的步骤。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1至图2任一幅中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得租户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述电子处方流转处理方法。
相比现有技术,本发明的优势在于:
自动驾驶的集卡车的运行依赖于一套搭载各种算法和软硬件的异步系统,系统中每一个模块独立运作,模块之间相互调用。故障的排除通过模块的状态信息和系统可靠性评估值来完成。每个软硬件模块会自行评估其运行可靠性值并提供状态信息。该状态信息都会实时地发送到监控模块。依赖于软件故障自动排除机制,软件故障将自动排除。如果无法排除,将故障问题发送给自动驾驶车辆管理系统,由该系统转发到维修部门派出相应人员解决问题。本发明旨在提出一种在港口环境下,一种高效的无人集卡故障处理实时监控的流程。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种自动驾驶的集卡车的故障监控方法,其特征在于,包括:
集卡车运行前初始化故障检查;
集卡车运行时实时故障检查,包括:
所述集卡车运行使所述集卡车的各待评估模块处于自稳定阶段,在所述自稳定阶段,各所述待评估模块每隔T时间将各待评估模块的运行状态信息发送至一监控模块,T为大于0的整数;
所述监控模块根据各模块的运行状态信息计算出运行可靠性评估值;
所述监控模块将所述运行可靠性评估值发送至自动驾驶车辆管理系统;
当所述运行可靠性评估值低于第一预设阈值时,所述自动驾驶车辆管理系统自动接管所述集卡车。
2.如权利要求1所述的自动驾驶的集卡车的故障监控方法,其特征在于,所述集卡车运行前初始化故障检查包括:
静态检查步骤,检查集卡车本体以及与自动驾驶关联的硬件连接部件是否故障;
硬件启动检查步骤,检查集卡车各硬件在供电和启动后的上电及通信状态;
软件启动检查步骤,检查集卡车的计算机操作系统、自动驾驶系统、自动驾驶系统与传感器的连接及自动驾驶系统的子模块的状态是否正常;
初始化可靠性评估步骤,所述监控模块根据各待评估模块的初始化状态信息计算出初始化可靠性评估值,若所述初始化可靠性评估值不低于第二预设阈值,则完成所述初始化可靠性评估步骤。
3.如权利要求1所述的自动驾驶的集卡车的故障监控方法,其特征在于,所述监控模块根据各待评估模块的运行状态信息计算出运行可靠性评估值包括:
所述监控模块根据各待评估模块的运行状态信息计算出运行可靠性评估值指示该待评估模块的可靠性评估值低于第一预设阈值超过预设时间时,所述监控模块开启该待评估模块的备用模块。
4.如权利要求1所述的自动驾驶的集卡车的故障监控方法,其特征在于,
所述待评估模块包括定位模块和/或感知模块,所述定位模块提供的所述运行状态信息包括定位可靠性评估值,所述感知模块提供的所述运行状态信息包括感知可靠性评估值,所述运行可靠性评估值根据定位可靠性评估值和/或感知可靠性评估值计算。
5.如权利要求4所述的自动驾驶的集卡车的故障监控方法,其特征在于,
定位可靠性评估值根据定位计算耗时度、定位离散度及定位平滑度计算获得,其中,
定位计算耗时度为获得当前定位数据的迭代次数与最大允许定位迭代次数之比;
定位离散度为集卡车在一时间段内的定位数据的平均差或标准差的归一化值;
定位平滑度为集卡车的定位数据随时间形成的轨迹的平滑程度。
6.如权利要求4所述的自动驾驶的集卡车的故障监控方法,其特征在于,
感知可靠性评估值根据感知计算耗时度、感知检测失误率、感知平滑度计算,其中,
感知计算耗时度为获得当前感知数据的迭代次数与最大允许感知迭代次数之比;
感知检测失误率为一时间段内,感知检测出错的概率;
感知平滑度为所感知对象的像素值随时间的平滑程度和/或所感知对象的与集卡车之间的距离随时间的平滑程度。
7.如权利要求2所述的自动驾驶的集卡车的故障监控方法,其特征在于,所述初始化可靠性评估值与所述运行可靠性评估值按同样的方式计算。
8.一种自动驾驶的集卡车的故障监控装置,其特征在于,包括:
第一检查模块,用于集卡车运行前初始化故障检查;
第二检查模块,用于集卡车运行时实时故障检查,包括:
发送模块,当所述集卡车运行使所述集卡车的各模块处于自稳定阶段,所述发送模块用于将各所述待评估模块每隔T时间将各待评估模块的运行状态信息发送至一监控模块,T为大于0的整数;
监控模块,用于根据各模块的运行状态信息计算出运行可靠性评估值,并将所述运行可靠性评估值发送至自动驾驶车辆管理系统,当所述运行可靠性评估值低于第一预设阈值时,所述自动驾驶车辆管理系统自动接管所述集卡车。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储介质,其上存储有计算机程序,所述计算机程序被所述处理器运行时执行如权利要求1至7任一项所述的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810673664.2A CN109017630B (zh) | 2018-06-26 | 2018-06-26 | 集卡车的故障监控方法、装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810673664.2A CN109017630B (zh) | 2018-06-26 | 2018-06-26 | 集卡车的故障监控方法、装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109017630A true CN109017630A (zh) | 2018-12-18 |
CN109017630B CN109017630B (zh) | 2020-06-12 |
Family
ID=64611368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810673664.2A Active CN109017630B (zh) | 2018-06-26 | 2018-06-26 | 集卡车的故障监控方法、装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109017630B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887125A (zh) * | 2019-02-02 | 2019-06-14 | 北京主线科技有限公司 | 故障检测方法及装置 |
CN110696744A (zh) * | 2019-07-23 | 2020-01-17 | 广州中国科学院计算机网络信息中心 | 一种基于车联网架构的车辆异常检测方法及系统 |
CN111124821A (zh) * | 2019-12-13 | 2020-05-08 | 苏州智加科技有限公司 | 行车软件检测方法、装置及存储介质 |
CN113821014A (zh) * | 2021-09-18 | 2021-12-21 | 江苏小牛电动科技有限公司 | 一种车辆故障检测方法、装置、设备及存储介质 |
CN116030550A (zh) * | 2023-03-24 | 2023-04-28 | 中国汽车技术研究中心有限公司 | 车辆状态数据的异常识别和处理方法、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923325A (zh) * | 2009-06-12 | 2010-12-22 | 上海振华重工(集团)股份有限公司 | 码头集卡引导系统及方法 |
CN106080606A (zh) * | 2016-07-08 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 用于控制无人驾驶车辆的方法和装置 |
CN107908186A (zh) * | 2017-11-07 | 2018-04-13 | 驭势科技(北京)有限公司 | 用于控制无人驾驶车辆运行的方法及系统 |
CN107909268A (zh) * | 2017-11-15 | 2018-04-13 | 吉林大学 | 一种公交车失火事故风险评估的方法 |
CN207264194U (zh) * | 2017-07-31 | 2018-04-20 | 张天雷 | 集装箱卡车自动驾驶系统 |
CN107991938A (zh) * | 2017-12-27 | 2018-05-04 | 广东博鑫工业科技有限公司 | 一种基于物联网的叉车远程监控系统 |
JP2018077802A (ja) * | 2016-11-11 | 2018-05-17 | 東芝インフラシステムズ株式会社 | 監視装置 |
-
2018
- 2018-06-26 CN CN201810673664.2A patent/CN109017630B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101923325A (zh) * | 2009-06-12 | 2010-12-22 | 上海振华重工(集团)股份有限公司 | 码头集卡引导系统及方法 |
CN106080606A (zh) * | 2016-07-08 | 2016-11-09 | 百度在线网络技术(北京)有限公司 | 用于控制无人驾驶车辆的方法和装置 |
JP2018077802A (ja) * | 2016-11-11 | 2018-05-17 | 東芝インフラシステムズ株式会社 | 監視装置 |
CN207264194U (zh) * | 2017-07-31 | 2018-04-20 | 张天雷 | 集装箱卡车自动驾驶系统 |
CN107908186A (zh) * | 2017-11-07 | 2018-04-13 | 驭势科技(北京)有限公司 | 用于控制无人驾驶车辆运行的方法及系统 |
CN107909268A (zh) * | 2017-11-15 | 2018-04-13 | 吉林大学 | 一种公交车失火事故风险评估的方法 |
CN107991938A (zh) * | 2017-12-27 | 2018-05-04 | 广东博鑫工业科技有限公司 | 一种基于物联网的叉车远程监控系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887125A (zh) * | 2019-02-02 | 2019-06-14 | 北京主线科技有限公司 | 故障检测方法及装置 |
CN109887125B (zh) * | 2019-02-02 | 2021-12-14 | 北京主线科技有限公司 | 故障检测方法及装置 |
CN110696744A (zh) * | 2019-07-23 | 2020-01-17 | 广州中国科学院计算机网络信息中心 | 一种基于车联网架构的车辆异常检测方法及系统 |
CN111124821A (zh) * | 2019-12-13 | 2020-05-08 | 苏州智加科技有限公司 | 行车软件检测方法、装置及存储介质 |
CN113821014A (zh) * | 2021-09-18 | 2021-12-21 | 江苏小牛电动科技有限公司 | 一种车辆故障检测方法、装置、设备及存储介质 |
CN116030550A (zh) * | 2023-03-24 | 2023-04-28 | 中国汽车技术研究中心有限公司 | 车辆状态数据的异常识别和处理方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109017630B (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109017630A (zh) | 集卡车的故障监控方法、装置、电子设备、存储介质 | |
EP3756118B1 (en) | Cyber-attack detection, localization, and neutralization for unmanned aerial vehicles | |
US10335962B1 (en) | Comprehensive fault detection and diagnosis of robots | |
US9728014B2 (en) | Sensor fault detection and diagnosis for autonomous systems | |
US20230385186A1 (en) | Resilient estimation for grid situational awareness | |
Dearden et al. | Automated fault diagnosis for an autonomous underwater vehicle | |
EP3617824B1 (en) | System, apparatus and method of managing an asset using an asset model | |
WO2019116354A1 (en) | Training of artificial neural networks using safe mutations based on output gradients | |
Raanan et al. | Detection of unanticipated faults for autonomous underwater vehicles using online topic models | |
Wu et al. | Unsupervised anomaly detection for underwater gliders using generative adversarial networks | |
US11775400B2 (en) | Redundant processing fabric for autonomous vehicles | |
EP4075726A1 (en) | Unified multi-agent system for abnormality detection and isolation | |
Brito et al. | Analysis of causation of loss of communication with marine autonomous systems: A probability tree approach | |
Dash et al. | Pid-piper: Recovering robotic vehicles from physical attacks | |
CN110045211A (zh) | 一种无人船艇故障诊断与处理方法 | |
Danielsen-Haces | Digital twin development-condition monitoring and simulation comparison for the revolt autonomous model ship | |
Khalastchi et al. | A hybrid approach for improving unsupervised fault detection for robotic systems | |
Ernits et al. | Automatic fault detection and execution monitoring for AUV missions | |
US8108146B2 (en) | Method and device for determining a consolidated position of a traveling object, particularly an aircraft | |
US20200033870A1 (en) | Fault Tolerant State Estimation | |
Shar et al. | Dronlomaly: runtime detection of anomalous drone behaviors via log analysis and deep learning | |
Jeon et al. | Detecting structural anomalies of quadcopter UAVs based on LSTM autoencoder | |
KR20200063538A (ko) | 위치 추정 상태 진단 방법 및 이를 수행하는 자율주행로봇 | |
Pace et al. | Unsupervised anomaly detection using batteries in electric aerial vehicle propulsion test-bed | |
US11341743B2 (en) | Apparatus and computer implemented method in marine vessel data system for generating anomaly heatmap information using neural network |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Patentee after: Shanghai Xijing Technology Co.,Ltd. Address before: Room 503-3, 398 Jiangsu Road, Changning District, Shanghai 200050 Patentee before: SHANGHAI WESTWELL INFORMATION AND TECHNOLOGY Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |