CN110077234A - 一种电动车辆安全树更新方法和电动车辆 - Google Patents
一种电动车辆安全树更新方法和电动车辆 Download PDFInfo
- Publication number
- CN110077234A CN110077234A CN201910317229.0A CN201910317229A CN110077234A CN 110077234 A CN110077234 A CN 110077234A CN 201910317229 A CN201910317229 A CN 201910317229A CN 110077234 A CN110077234 A CN 110077234A
- Authority
- CN
- China
- Prior art keywords
- failure
- tree
- probability
- motor vehicle
- mechanism model
- 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
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种电动车辆安全树更新方法,包括:S1.安全树的结构更新,所述安全树的结构更新包括:采用定性故障因果关系辨识方法对安全树的故障机理进行增加或删除;和/或S2.安全树的数据更新,所述安全树的数据更新包括:对底层事件的发生概率进行修正。实施本发明的电动车辆安全树更新方法,可以有效实时地对安全树进行更新,从而实现对电动车辆的安全状态进行实时有效地管控。
Description
技术领域
本发明涉及运输工具,更具体地说,涉及一种电动车辆安全树更新方法和电动车辆。
背景技术
随着世界经济的快速发展和对环保意识的重视,汽车的普及率越来越高,同时对汽车尾气排放要求也越来越高,节能、安全、无污染的电动车辆是未来的发展趋势。然而,电动车辆一般有高达上百伏的电气系统,这就超过了直流的安全电压范围,如不进行合理的设计与防护,将可能带来人员电击等高压安全问题。此外,电动车辆包括诸如转向系统、制动系统、安全控制系统等多个组成部门,每个组成部分又包括多个组成部件。任何部件的失效或者故障都可能造成整个车辆的失控,或者故障,从而导致驾驶者或者乘客遭遇危险。然而目前仍然缺乏能够系统有效的理论分析和工程经验相结合的电动车辆整车安全管理与控制方法;以及缺乏定量描述整车安全状态、精确体现各系统安全特性电动车辆安全状态的方法。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种电动车辆安全树更新方法和电动车辆。
本发明解决其技术问题所采用的技术方案是:构造一种电动车辆安全树更新方法,包括:
S1.安全树的结构更新,所述安全树的结构更新包括:采用定性故障因果关系辨识方法对安全树的故障机理进行增加或删除;和/或
S2.安全树的数据更新,所述安全树的数据更新包括:对底层事件的发生概率进行修正。
在本发明所述的电动车辆安全树更新方法中,所述步骤S1进一步包括:
S11.基于现有安全树建立底层事件的“IF..THEN”故障机理模型,并基于定性故障因果关系辨识方法的辨识结果生成底层事件的新故障“IF..THEN”机理模型;
S12.判定所述安全树是否包含所述新故障“IF..THEN”机理模型,如果是无需更新安全树,否则执行步骤S13;
S13.判定所述“IF..THEN”故障机理模型与所述新故障“IF..THEN”机理模型是否冲突,如果是执行步骤S14,否则将所述新故障“IF..THEN”机理模型加入到所述安全树中;
S14.判定所述新故障“IF..THEN”机理模型是否合理,如果是则采用所述新故障“IF..THEN”机理模型替换所述“IF..THEN”故障机理模型,否则无需更新安全树。
在本发明所述的电动车辆安全树更新方法中,在所述步骤S14中,判定所述“IF..THEN”故障机理模型是否合理,如果是则无需更新安全树,否则采用所述新故障“IF..THEN”机理模型替换所述“IF..THEN”故障机理模型。
在本发明所述的电动车辆安全树更新方法中,所述步骤S1进一步包括:
S15.对比安全树的底层事件的“IF..THEN”故障机理模型和新故障“IF..THEN”机理模型,以判定所述“IF..THEN”故障机理模型是否消亡,如果是则执行步骤S16,否则无需更新安全树;
S16.删除安全树中的所述“IF..THEN”故障机理模型。
在本发明所述的电动车辆安全树更新方法中,所述步骤S2进一步包括:
S21.采用经验法则对底层事件的发生概率进行更新;和/或
S22.采用贝叶斯推理算法对底层事件的发生概率进行更新。
在本发明所述的电动车辆安全树更新方法中,所述步骤S22进一步包括:
S221.选择现有基础故障概率为底事件的先验概率;
S222.采集后期正常运行及故障案例情况下的运行参数、运行条件、外部因素条件等数据,针对运行参数偏差和突发失效报警的动态变化,分析可能存在的参数偏差,标准化故障相关参数,统计和计算影响表层安全顶事件发生的新基础故障概率。
S223.基于所述先验发生概率和新基础故障概率采用贝叶斯推理方法计算新条件下的更新基础故障概率,最终得到当前最新观察下的基础故障后验概率
S224.采用所述后验发生概率更新所述先验发生概率。
在本发明所述的电动车辆安全树更新方法中,进一步包括:
S3.基于更新后的所述安全树对所述电动车辆进行安全控制。
在本发明所述的电动车辆安全树更新方法中,所述步骤S3进一步包括:基于更新后的所述安全树计算各个底层事件对各个顶层事件发生概率的贡献度,以评价各个底层事件对各个顶层事件的影响大小,进而为电动汽车的设计生产、工艺改进和运维保养提供定量依据。
本发明解决其技术问题采用的另一技术方案是,构造一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的电动车辆安全树更新方法。
本发明解决其技术问题采用的另一技术方案是,构造一种电动车辆,包括处理器,存储在所述处理器中的计算机程序,所述程序被处理器执行时实现所述的电动车辆安全树更新方法。
实施本发明的电动车辆安全树更新方法、计算机可读存储介质和电动车辆,可以有效实时地对安全树进行更新,从而实现对电动车辆的安全状态进行实时有效地管控。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明的第一优选实施例的电动车辆安全树更新方法的流程图;
图2是本发明的第二优选实施例的电动车辆安全树更新方法的安全树的结构更新步骤的流程图;
图3a-3c是本发明的优选实施例的电动车辆安全树的示意图;
图4是本发明的第三优选实施例的电动车辆安全树更新方法的安全树的数据更新步骤的流程图;
图5a-5b是图3a-3c所示的电动车辆安全树的仪表损坏底层事件的概率示意图;
图6示出了图5中仪表损坏事件的概率与观察次数的比较。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明涉及一种电动车辆安全树更新方法,包括:S1.安全树的结构更新,所述安全树的结构更新包括:采用定性故障因果关系辨识方法对安全树的故障机理进行增加或删除;和/或S2.安全树的数据更新,所述安全树的数据更新包括:对底层事件的发生概率进行修正。实施本发明的电动车辆安全树更新方法,可以有效实时地对安全树进行更新,从而实现对电动车辆的安全状态进行实时有效地管控。
在本发明中,电动车辆的安全树是全面解决电动车辆安全问题的系统方法,是由通过顶层事件、底层事件、相关逻辑和数据建立相关逻辑体系,通过整车安全需求分析和整车系统构建事件模型建立树状图,是对车辆不同层次事件之间逻辑关系的描述,针对例如制动系统、转向系统、车身零部件等多个子系统或部件进行图形表征和定性描述。安全树专注于已真实发生事件,追踪穿透系统设置壁垒,模块化开放型体系设计。在本发明中,底层事件可以理解为基础故障,而顶层事件可以理解为表层故障。底层事件与顶层事件之间存在直接的因果关系,或者间接的因果关系。底层事件和顶层事件之间,可能存在中间层事件。
而安全树在整车运行实践过程中,需要与实际发生的安全故障状态实时对应,随着整车安全的各子系统重新设计、零部件更新和系统优化,必须要对安全树进行对应的结构重要度更新。同时,随着安全故障数据的积累和迭代,也必须要从数据的角度对安全树进行更新。更新专业经验所提出的故障机理新模型;表征产品制造过程发生重要变化的重要参数,如工艺参数、器件性能参数等;表征环境或运行条件发生重要变化的重要参数,如温湿度、振动、道路参数等;产品制造过程发生重要变化后的实验室测试、道路测试及现场运行中的故障报告。更新之后的安全树会随着整车进一步的运行和测试,获得新的表层安全故障信息、新的结构重要度和关键重要度,从而形成一个螺旋上升的闭环更新安全树体系,这就是安全树的进化。
图1是本发明的第一优选实施例的电动车辆安全树更新方法的流程图。在本发明的图1所示的优选实施例中,安全树的更新可以包括步骤S1.安全树的结构更新和步骤S2.安全树的数据更新。本领域技术人员知悉,安全树的结构更新和安全树的数据更新可以二者择一,可以同时实施,也可以先后实施,其先后顺序可以根据实际需要进行调整。
如前所述,安全树在整车运行实践过程中,需要与实际发生的安全故障状态实时对应。随着整车安全的各子系统重新设计、零部件更新和系统优化,安全故障数据的积累和迭代,产品制造过程发生重要变化的重要参数,如工艺参数、器件性能参数等的变化;表征环境或运行条件发生重要变化的重要参数,如温湿度、振动、道路参数等的变化;产品制造过程发生重要变化后的实验室测试、道路测试及现场运行中的故障报告,这些内容都可以作为安全树更新的基础故障数据。
在本发明的优选实施例中,在步骤S1中,所述安全树的结构更新包括采用定性故障因果关系辨识方法对这些基础数据进行故障机理辨识,然后根据故障机理辨识结果对安全树的故障机理进行增加或删除,进而实现安全树更新。
同理,在本发明的优选实施例中,在步骤S2中,所述安全树的数据更新包括:对底层事件的发生概率进行修正和对重要度重新计算。例如,对于底层事件的发生概率,可以采用实际运行过程中的实际统计数据,采用经验法则对底层事件的发生概率进行更新;而对于由制造技术改进或运行条件变化所可能带来的底层事件的发生概率,可采用贝叶斯推理方法进行更新。
在本发明的进一步的优选实施例中,可以基于更新后的所述安全树对所述电动车辆进行安全控制。在本发明所述的电动车辆安全树更新方法中,所述步骤S3进一步包括:基于更新后的所述安全树计算各个底层事件对各个顶层事件发生概率的贡献度,以评价各个底层事件对各个顶层事件的影响大小,进而为电动汽车的设计生产、工艺改进和运维保养提供定量依据。
实施本发明的电动车辆安全树更新方法,可以有效实时地对安全树进行更新,从而实现对电动车辆的安全状态进行实时有效地管控。
图2是本发明的第二优选实施例的电动车辆安全树更新方法的安全树的结构更新步骤的流程图。如图2所示,在步骤S1中,基于现有安全树建立底层事件的“IF..THEN”故障机理模型,并基于定性故障因果关系辨识方法的辨识结果生成底层事件的新故障“IF..THEN”机理模型。在本发明的一个优选实施例中,可以同时执行“IF..THEN”故障机理模型和新故障“IF..THEN”机理模型的建立,也可以先后执行这两个步骤。
如前所述,安全树在整车运行实践过程中,需要与实际发生的安全故障状态实时对应。随着整车安全的各子系统重新设计、零部件更新和系统优化,安全故障数据的积累和迭代,产品制造过程发生重要变化的重要参数,如工艺参数、器件性能参数等的变化;表征环境或运行条件发生重要变化的重要参数,如温湿度、振动、道路参数等的变化;产品制造过程发生重要变化后的实验室测试、道路测试及现场运行中的故障报告,这些内容都可以作为安全树更新的基础故障数据。可以采用定性故障因果关系辨识方法对这些基础故障数据进行分析,并基于辨识结果生成底层事件的新故障“IF..THEN”机理模型。本领域技术人员可以采用已知的任何定性故障因果关系辨识方法获得而该新故障“IF..THEN”机理模型。
在安全树构建中,针对一个顶层事件和其对应的全部底层事件,根据其多层因果关系,逐层建立“IF…THEN…”规则描述事件之间的因果关系,直至遍历所有的“顶层事件-底层事件”对。然后基于所述顶层事件,所述底层事件以及其之间的因果关系和经历的中间层事件生成表达所述顶层事件和所述底层事件的逻辑关系的规则集合;最后基于所述规则集合,所述顶层事件,所述底层事件以及所述中间层事件,以及所述安全树模块构建所述安全树。在本发明的优选实施例中,可以针对一个顶层事件及其对应的所有底层事件,根据顶层事件和各个底层事件之间的多层因果逻辑关系,逐层建立“IF…THEN…”规则描述事件之间的因果关系,直至遍历所有的“表层故障-基础故障”对。然后输入顶层事件,底层事件,两种事件之间的逻辑关系(含与门、或门、非门及中间事件)。最后输出描述表层故障同基础故障之间逻辑关系的“IF…THEN…”规则集。可以将表层故障同基础故障的逻辑关系表达为数学模型,列出故障间支持、包含、制约、先于、导致、取决于等逻辑关系,最终将复杂的系统分解成多级递阶结构形式,为后续的模型验证及数学分析提供支撑体系。
图3a-3c是本发明的优选实施例的电动车辆安全树的示意图,通过安全树,我们可以获得任何一个底层事件的“IF…THEN…”规则集。例如,我们可以获得仪表损坏事件的“IF…THEN…”规则集。而如前所述,随着实际情况的变化,例如仪表制造过程变化(工艺缺陷)或者表征环境和运行环境(外部因数)的变化,可能导致仪表损坏事件的“IF…THEN…”规则集发生变化,这时,我们采用任何定性故障因果关系辨识方法获得构建新故障“IF..THEN”机理模型。
在步骤S2中,我们判定所述安全树是否包含所述新故障“IF..THEN”机理模型,如果是我们即执行步骤S6,无需更新安全树。否则我们将执行步骤S3。
在步骤S3中,我们判定所述“IF..THEN”故障机理模型与所述新故障“IF..THEN”机理模型是否冲突,如果是执行步骤S4,否则我们执行步骤S7将所述新故障“IF..THEN”机理模型加入到所述安全树中,从而获得安全树的更新。
在步骤S4中,我们可以判定所述新故障“IF..THEN”机理模型是否合理,如果是我们执行步骤S5则采用所述新故障“IF..THEN”机理模型替换所述“IF..THEN”故障机理模型,否则执行步骤S6,无需更新安全树。或者我们可以不判断新故障“IF..THEN”机理模型,而是改为判断所述“IF..THEN”故障机理模型是否合理,如果是则无需更新安全树,否则采用所述新故障“IF..THEN”机理模型替换所述“IF..THEN”故障机理模型。
在本发明的进一步的优选实施例中,我们还可以对比安全树的底层事件的“IF..THEN”故障机理模型和新故障“IF..THEN”机理模型,以判定所述“IF..THEN”故障机理模型是否消亡,如果是则删除安全树中的所述“IF..THEN”故障机理模型,否则无需更新安全树。
图4是本发明的第三优选实施例的电动车辆安全树更新方法的安全树的数据更新步骤的流程图。如图4所示,所述安全树的数据更新步骤包括S1.采用经验法则对底层事件的发生概率进行更新;和/或S2.采用贝叶斯推理算法对底层事件的发生概率进行更新。上述两个更新步骤可以选择其中的一者或者两者执行,并且可以同时执行,也可以分别执行。在本发明的优选实施例中,贝叶斯推理算法对底层事件的发生概率进行更新的步骤可以包括选择现有基础故障概率为底事件的先验概率;采集后期正常运行及故障案例情况下的运行参数、运行条件、外部因素条件等数据,针对运行参数偏差和突发失效报警的动态变化,分析可能存在的参数偏差,标准化故障相关参数,统计和计算影响表层安全顶事件发生的新基础故障概率。基于所述先验发生概率和新基础故障概率采用贝叶斯推理方法计算新条件下的更新基础故障概率,最终得到当前最新观察下的基础故障后验概率;采用所述后验发生概率更新所述先验发生概率。
图5a-5b是图3a-3c所示的电动车辆安全树的仪表损坏底层事件的概率示意图。图6示出了图5中仪表损坏底层事件的后验发生概率与观察次数的比较。下面结合图5说明如下。假定将仪表损坏的底层事件的先验发生概率选定为其可以是安全树中的原始概率值。当然本领域技术人员也可以根据实际需要选择其他数值。然后计算所述底层事件发生次数与电动汽车运行的总次数之商。如图5a-5b所示,可以分别观察20次,在第一次中,选择电动汽车运行的总次数为1046,观察到仪表损坏的次数为30,因此仪表损坏的发生概率(概率1)是0.0287,具体这20次观察的数据参见图5a。获得观察到的故障观察概率序列{x1,...,xn},在本实施例中,n=20,该序列的具体数值参见图5a最右栏。接着基于所述先验发生概率和所述故障观察概率序列融合计算预估后验发生概率序列。例如可以采用加权平均的方式进行计算。本领技术人员可以根据实际需要选择加权值,也可以直接进行平均。具体计算可以根据实际需要进行。每一次观察可以计算一个后验发生概率。n=20次观察可以获得n=20的后验发生概率具体数值可以参见图5b。然后采用极大似然算法基于预估后验发生概率序列计算所述底层事件的后验发生概率。采用所述后验发生概率更新所述先验发生概率。
实施本发明的电动车辆安全树更新方法,可以有效实时地对安全树进行更新,从而实现对电动车辆的安全状态进行实时有效地管控。
本发明还可以通过硬件、软件或者软、硬件结合来实现。本发明可以在至少一个计算机系统中以集中方式实现,或者由分布在几个互连的计算机系统中的不同部分以分散方式实现。任何可以实现本发明方法的计算机系统或其它设备都是可适用的。常用软硬件的结合可以是安装有计算机程序的通用计算机系统,通过安装和执行程序控制计算机系统,使其按本发明方法运行。
本发明还可以通过计算机程序产品进行实施,程序包含能够实现本发明方法的全部特征,当其安装到计算机系统中时,可以实现本发明的方法。本文件中的计算机程序所指的是:可以采用任何程序语言、代码或符号编写的一组指令的任何表达式,该指令组使系统具有信息处理能力,以直接实现特定功能,或在进行下述一个或两个步骤之后实现特定功能:a)转换成其它语言、编码或符号;b)以不同的格式再现。
因此本发明还涉及一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的电动车辆的安全树构建方法。
本发明还涉及电动车辆,包括处理器,存储在所述处理器中的计算机程序,所述程序被处理器执行时实现所述的电动车辆的安全树构建方法。
实施本发明的基于安全树概率计算和安全重要度的电动车辆安全控制方法、计算机可读存储介质以及电动车辆,可以有效实时地对安全树进行更新,从而实现对电动车辆的安全状态进行实时有效地管控。
虽然本发明是通过具体实施例进行说明的,本领域技术人员应当明白,在不脱离本发明范围的情况下,还可以对本发明进行各种变换及等同替代。另外,针对特定情形或材料,可以对本发明做各种修改,而不脱离本发明的范围。因此,本发明不局限于所公开的具体实施例,而应当包括落入本发明权利要求范围内的全部实施方式。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电动车辆安全树更新方法,其特征在于,包括:
S1.安全树的结构更新,所述安全树的结构更新包括:采用定性故障因果关系辨识方法对安全树的故障机理进行增加或删除;和/或
S2.安全树的数据更新,所述安全树的数据更新包括:对底层事件的发生概率进行修正。
2.根据权利要求1所述的电动车辆安全树更新方法,其特征在于,所述步骤S1进一步包括:
S11.基于现有安全树建立底层事件的“IF..THEN”故障机理模型,并基于定性故障因果关系辨识方法的辨识结果生成底层事件的新故障“IF..THEN”机理模型;
S12.判定所述安全树是否包含所述新故障“IF..THEN”机理模型,如果是无需更新安全树,否则执行步骤S13;
S13.判定所述“IF..THEN”故障机理模型与所述新故障“IF..THEN”机理模型是否冲突,如果是执行步骤S14,否则将所述新故障“IF..THEN”机理模型加入到所述安全树中;
S14.判定所述新故障“IF..THEN”机理模型是否合理,如果是则采用所述新故障“IF..THEN”机理模型替换所述“IF..THEN”故障机理模型,否则无需更新安全树。
3.根据权利要求2所述的电动车辆安全树更新方法,其特征在于,在所述步骤S14中,判定所述“IF..THEN”故障机理模型是否合理,如果是则无需更新安全树,否则采用所述新故障“IF..THEN”机理模型替换所述“IF..THEN”故障机理模型。
4.根据权利要求2或3所述的电动车辆安全树更新方法,其特征在于,所述步骤S1进一步包括:
S15.对比安全树的底层事件的“IF..THEN”故障机理模型和新故障“IF..THEN”机理模型,以判定所述“IF..THEN”故障机理模型是否消亡,如果是则执行步骤S16,否则无需更新安全树;
S16.删除安全树中的所述“IF..THEN”故障机理模型。
5.根据权利要求1所述的电动车辆安全树更新方法,其特征在于,所述步骤S2进一步包括:
S21.采用经验法则对底层事件的发生概率进行更新;和/或
S22.采用贝叶斯推理算法对底层事件的发生概率进行更新。
6.根据权利要求5所述的电动车辆安全树更新方法,其特征在于,所述步骤S22进一步包括:
S221.选择现有基础故障概率为底事件的先验概率;
S222.采集后期正常运行及故障案例情况下的运行参数、运行条件、外部因素条件等数据,针对运行参数偏差和突发失效报警的动态变化,分析可能存在的参数偏差,标准化故障相关参数,统计和计算影响表层安全顶事件发生的新基础故障概率;
S223.基于所述先验发生概率和新基础故障概率采用贝叶斯推理方法计算新条件下的更新基础故障概率,最终得到当前最新观察下的基础故障后验概率;
S224.采用所述后验发生概率更新所述先验发生概率。
7.根据权利要求1所述的电动车辆安全树更新方法,其特征在于,进一步包括:
S3.基于更新后的所述安全树对所述电动车辆进行安全控制。
8.根据权利要求7所述的电动车辆安全树更新方法,其特征在于,所述步骤S3进一步包括:基于更新后的所述安全树计算各个底层事件对各个顶层事件发生概率的贡献度,以评价各个底层事件对各个顶层事件的影响大小,进而为电动汽车的设计生产、工艺改进和运维保养提供定量依据。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现根据权利要求1-8中任意一项权利要求所述的电动车辆安全树更新方法。
10.一种电动车辆,其特征在于,包括处理器,存储在所述处理器中的计算机程序,所述程序被处理器执行时实现权利要求1-8中任意一项权利要求所述的电动车辆安全树更新方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910317229.0A CN110077234B (zh) | 2019-04-19 | 2019-04-19 | 一种电动车辆安全树更新方法和电动车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910317229.0A CN110077234B (zh) | 2019-04-19 | 2019-04-19 | 一种电动车辆安全树更新方法和电动车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110077234A true CN110077234A (zh) | 2019-08-02 |
CN110077234B CN110077234B (zh) | 2020-06-02 |
Family
ID=67415666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910317229.0A Active CN110077234B (zh) | 2019-04-19 | 2019-04-19 | 一种电动车辆安全树更新方法和电动车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110077234B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010181212A (ja) * | 2009-02-04 | 2010-08-19 | Toyota Central R&D Labs Inc | 故障診断システム、故障診断方法 |
WO2014050256A1 (ja) * | 2012-09-25 | 2014-04-03 | ジヤトコ株式会社 | 装置又は部品の製造方法 |
CN103927335A (zh) * | 2014-03-25 | 2014-07-16 | 北京航天发射技术研究所 | 车辆诊断可视化建模管理系统与方法 |
CN106529581A (zh) * | 2016-10-24 | 2017-03-22 | 杭州电子科技大学 | 一种基于贝叶斯网络的桥式起重机故障诊断方法 |
CN106844775A (zh) * | 2017-03-02 | 2017-06-13 | 上海交通大学 | 航天器故障快速检测系统 |
CN108550263A (zh) * | 2018-06-01 | 2018-09-18 | 哈尔滨工业大学 | 一种基于故障树模型的高速公路交通事故成因分析方法 |
-
2019
- 2019-04-19 CN CN201910317229.0A patent/CN110077234B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010181212A (ja) * | 2009-02-04 | 2010-08-19 | Toyota Central R&D Labs Inc | 故障診断システム、故障診断方法 |
WO2014050256A1 (ja) * | 2012-09-25 | 2014-04-03 | ジヤトコ株式会社 | 装置又は部品の製造方法 |
CN103927335A (zh) * | 2014-03-25 | 2014-07-16 | 北京航天发射技术研究所 | 车辆诊断可视化建模管理系统与方法 |
CN106529581A (zh) * | 2016-10-24 | 2017-03-22 | 杭州电子科技大学 | 一种基于贝叶斯网络的桥式起重机故障诊断方法 |
CN106844775A (zh) * | 2017-03-02 | 2017-06-13 | 上海交通大学 | 航天器故障快速检测系统 |
CN108550263A (zh) * | 2018-06-01 | 2018-09-18 | 哈尔滨工业大学 | 一种基于故障树模型的高速公路交通事故成因分析方法 |
Non-Patent Citations (2)
Title |
---|
彭华亮等: "《基于故障树的故障诊断专家系统设计》", 《控制工程》 * |
谢彬: "《基于故障树的ATO故障诊断专家》", 《中国优秀硕士学位论文全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110077234B (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112202736B (zh) | 基于统计学习和深度学习的通信网络异常分类方法 | |
KR101713985B1 (ko) | 예지 정비 방법 및 장치 | |
Lin et al. | Development and assessment of a nearly autonomous management and control system for advanced reactors | |
Manco et al. | Fault detection and explanation through big data analysis on sensor streams | |
Moradi et al. | Modernizing risk assessment: A systematic integration of PRA and PHM techniques | |
CN109800127A (zh) | 一种基于机器学习的系统故障诊断智能化运维方法及系统 | |
KR20180108446A (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
Liu et al. | Improvement of fault diagnosis efficiency in nuclear power plants using hybrid intelligence approach | |
Qian et al. | LUBRES: An expert system development and implementation for real-time fault diagnosis of a lubricating oil refining process | |
CN117494292A (zh) | 一种基于bim和ai大模型的工程进度管理方法及系统 | |
CN112488541A (zh) | 面向工地用电设备多模态故障预警方法及系统 | |
CN116720324A (zh) | 基于预测模型的牵引变电所关键设备故障预警方法及系统 | |
CN115481726A (zh) | 一种工业机器人整机健康评估方法及系统 | |
Nadjafi et al. | Dynamic fault tree analysis using fuzzy LU bounds failure distributions | |
Yao et al. | A fault diagnosis expert system based on aircraft parameters | |
CN113689072A (zh) | 一种基于马尔科夫链的海上风电机组运行状态评估方法 | |
Borissova et al. | A concept of intelligent e-maintenance decision making system | |
Hou et al. | Fault detection and diagnosis of air brake system: A systematic review | |
Smirnov | Intelligent decision support system for the control of complex technical systems | |
CN110077234A (zh) | 一种电动车辆安全树更新方法和电动车辆 | |
Cauffriez et al. | A new formalism for designing and specifying RAMS parameters for complex distributed control systems: the Safe-SADT formalism | |
Pisica et al. | Feature selection filter for classification of power system operating states | |
Wei et al. | A new BRB model for cloud security-state prediction based on the large-scale monitoring data | |
CN110084500A (zh) | 基于安全树概率和安全重要度的电动车辆安全控制方法和电动车辆 | |
Guohua et al. | Distributed fault diagnosis framework for nuclear power plants |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 518000 101, 301, building 1, No.1, rongshou Road, Shatian community, Kengzi street, Pingshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen deta Industrial Intelligent Electric Vehicle Co., Ltd Address before: 518000 Guangdong province Shenzhen City Pingshan Kengzi streets rongshou Ludeta high-tech factory 1 layer Patentee before: DELTA INDUSTRIAL EXPLOSION-PROOF ELECTRIC VEHICLE Co.,Ltd. |