CN110084919B - 一种电动车辆的安全树构建方法以及电动车辆 - Google Patents
一种电动车辆的安全树构建方法以及电动车辆 Download PDFInfo
- Publication number
- CN110084919B CN110084919B CN201910316872.1A CN201910316872A CN110084919B CN 110084919 B CN110084919 B CN 110084919B CN 201910316872 A CN201910316872 A CN 201910316872A CN 110084919 B CN110084919 B CN 110084919B
- Authority
- CN
- China
- Prior art keywords
- safety
- fault
- event
- electric vehicle
- 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.)
- Active
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种电动车辆的安全树构建方法,包括:S1.采集电动车辆的整车安全故障数据;S2.将所述整车安全故障数据映射归类到不同的安全事件组别中,并计算各个安全事件组别占全部安全故障的概率;S3.采用联合分析方法对各个安全事件组别中的所述整车安全故障数据进行分类构建安全树。实施本发明的所述的电动车辆的安全树构建方法、计算机可读存储介质以及电动车辆,能够有效对电动车辆的安全状态进行分析,识别各类故障的层级关系,从而为电动车辆的安全控制提供指导,减少电动车辆的失效或故障。
Description
技术领域
本发明涉及运输工具,更具体地说,涉及一种电动车辆的安全树构建方法以及电动车辆。
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。因此需要一种能够分析控制电动车辆的安全风险,避免电动车辆在正常使用情况下造成失效或者故障,导致电动车辆出现安全问题,能够精确体现电动车辆的各组成系统或者部件的安全性能的方法。
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,提供一种电动车辆的安全树构建方法,通过构建电动车辆的安全树,对电动车辆的安全状态进行分析,识别各类故障的层级关系,从而为电动车辆的安全控制提供指导。
本发明解决其技术问题所采用的技术方案是:构造一种电动车辆的安全树构建方法,包括:
S1.采集电动车辆的整车安全故障数据;
S2.将所述整车安全故障数据映射归类到不同的安全事件组别中,并计算各个安全事件组别占全部安全故障的概率;
S3.采用联合分析方法对各个安全事件组别中的所述整车安全故障数据进行分类构建安全树。
在本发明所述的电动车辆的安全树构建方法中,所述步骤S1进一步包括:
S11.通过CAN总线将所述电动车辆的整车控制器、安全控制器和行车记录仪中的数据传送到平台数据库;
S12.从所述数据中获取所述电动车辆的整车安全故障数据。
在本发明所述的电动车辆的安全树构建方法中,所述步骤S3进一步包括:
S31.将所述整车安全故障数据至少分为第一故障类别、第二故障类别、第三故障类别和第四故障类别;
S32.采用不同的分析方法分析所述第一故障类别、所述第二故障类别、所述第三故障类别和所述第四故障类别的所述整车安全故障数据,以确定所述整车安全故障数据之间的层级关系;
S33.逐层建立故障因果关系直至遍历所有的所述整车安全故障数据以完成电动车辆的安全树构建。
在本发明所述的电动车辆的安全树构建方法中,在所述步骤S31中,所述第一故障类别为机理清晰或者机理可验证故障,所述第二故障类别为机理不清晰但具有经验验证基础的故障,所述第三故障类别为机理不清楚但有运行数据支持的故障;第四类故障类别为机理清晰但系统结构复杂故障。
在本发明所述的电动车辆的安全树构建方法中,所述步骤S32进一步包括:
S321.将第一故障类别的所述整车安全故障数据按照机理划分为顶层事件、中间层事件以及底层事件;
S322.采用贝叶斯推理法分析第二故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第二故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件;
S323采用机器学习法分析第三故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第三故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件;
S324采用解释结构法解析第四故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第四故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件。
在本发明所述的电动车辆的安全树构建方法中,所述步骤S33进一步包括:
S331.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;
S332.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;
S333.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。
在本发明所述的电动车辆的安全树构建方法中,所述步骤S33进一步包括:
S334.验证所述规则集合以去除逻辑关系错误或事件错误。
在本发明所述的电动车辆的安全树构建方法中,进一步包括
S4.绘制所述安全树,并基于所述安全树对所述电动车辆进行维护。
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的安全树构建方法。
本发明解决其技术问题采用的再一技术方案是,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的安全树构建方法。
实施本发明的所述的电动车辆的安全树构建方法、计算机可读存储介质以及电动车辆,能够有效对电动车辆的安全状态进行分析,识别各类故障的层级关系,从而为电动车辆的安全控制提供指导,减少电动车辆的失效或故障。
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是本发明的优选实施例的电动车辆的安全树构建方法的流程图;
图2是本发明的优选实施例的电动车辆的安全树构建方法的整车安全故障数据的归类示意图;
图3a-3c是本发明的优选实施例的电动车辆的安全树构建方法的构建的部分安全树的示意图。
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的安全树构建方法,包括:S1.采集电动车辆的整车安全故障数据;S2.将所述整车安全故障数据映射归类到不同的安全事件组别中,并计算各个安全事件组别占全部安全故障的概率;S3.采用联合分析方法对各个安全事件组别中的所述整车安全故障数据进行分类构建安全树。实施本发明的所述的电动车辆的安全树构建方法、计算机可读存储介质以及电动车辆,能够有效对电动车辆的安全状态进行分析,识别各类故障的层级关系,从而为电动车辆的安全控制提供指导,减少电动车辆的失效或故障。
图1是本发明的优选实施例的电动车辆的安全树构建方法的流程图。如图1所示,在步骤S1中,采集电动车辆的整车安全故障数据。在本发明的一个优选实施例中,首先通过CAN总线将所述电动车辆的整车控制器、安全控制器和行车记录仪中的数据传送到平台数据库。然后从所述数据中获取所述电动车辆的整车安全故障数据。例如,可以从所述电动车辆的整车控制器采集车辆数据,从安全控制器采集安全数据,从行车记录仪采用视频音频数据。又例如,还可以从电动车辆的其他数据采集部件,获取相关数据,然后将这些数据通过蓝牙,无线或者红外等无线方式传送给平台数据库。该平台数据库将从所述数据中获取所述电动车辆的整车安全故障数据,从而为管理者和应用者提供监测和分析结果。
在步骤S2中,将所述整车安全故障数据映射归类到不同的安全事件组别中,并计算各个安全事件组别占全部安全故障的概率。例如,可以将整车安全故障数据映射归类制动系统、转向系统、车身零部件等多个子系统或部件,这样就将所述整车安全故障数据按照映射归类的原理计入不同的组别当中,并且统计各个安全事件组别占全部安全故障的概率。图2是本发明的优选实施例的电动车辆的安全树构建方法的整车安全故障数据的归类示意图。如图2所示,在本发明的一个优选实施例中,可以将所述整车安全故障数据分别映射到结构安全事件、电气安全事件、功能逻辑安全事件、碰撞安全事件、热安全事件、防爆安全事件、运营维修安全事件、环境安全事件和全生命周期安全事件。并且,根据数据归类和分析,可以获得其概率分别为结构安全事件30%、电气安全事件10%、功能逻辑安全事件20%、碰撞安全事件5%、热安全事件5%、防爆安全事件8%、运营维修安全事件9%、环境安全事件8%、全生命周期安全事件5%。上述归纳分析过程可以采用本领域中已知的各种方法,也可以采用已知方法计算各个安全事件组别占全部安全故障的概率,还可以采用电动车辆制造商各自的测量和采集经验数据。
在步骤S3中,采用联合分析方法对各个安全事件组别中的所述整车安全故障数据进行分类构建安全树。在本发明的优选实施例中,应用新型联合分析方法进行安全树建模,可以根据安全故障实际情况,选择合适的一种或者多种分析方法,以避免单独使用某种模型构建方法数据状况不适应的弊端,在实际运用过程中能应用方法优势针对性分析,有效简化选择过程。
在本发明的一个优选实施例中,建立最小安全故障模式集合,并在量级上进行对比分析,对最小安全故障模式按从大到小进行排列。举例来说,可以首先将所述整车安全故障数据至少分为第一故障类别、第二故障类别、第三故障类别和第四故障类别;然后采用不同的分析方法分析所述第一故障类别、所述第二故障类别、所述第三故障类别和所述第四故障类别的所述整车安全故障数据,以确定所述整车安全故障数据之间的层级关系;逐层建立故障因果关系直至遍历所有的所述整车安全故障数据以完成电动车辆的安全树构建。
在本发明的一个优选实施例中,对于机理清晰或者机理可验证故障,可以将所述整车安全故障数据按照机理划分为顶层事件、中间层事件以及底层事件。对于机理不清晰但具有经验验证基础的故障,采用贝叶斯推理法分析所述整车安全故障数据的故障因数相关性,从而基于分析结果将所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件。对于机理不清楚但有运行数据支持的故障,可以采用机器学习法分析所述整车安全故障数据的故障因数相关性,从而基于分析结果将所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件。对于机理清晰但系统结构复杂故障;采用解释结构法解析第四故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第四故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件
根据安全故障实际情况,选择合适的一种或者多种分析方法,以避免单独使用某种模型构建方法数据状况不适应的弊端。新型安全故障联合分析方法的提出为故障分析的模型化方法做出了总结和归纳,在实际运用过程中能应用方法优势针对性分析,有效简化选择过程。
接着,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的安全树构建方法的构建的部分安全树的示意图。下面基于图3a-3b对本发明的电动车辆的安全树构建方法进一步说明如下。如图3a-3c所示,结构安全事件下面可以细分三个中间事件,即制动安全事件,行驶传动安全事件,和转向安全事件,我们可以分别对各个事件构建安全树。我们接着以制动安全事件为例进行说明。如图3b,将所述制动安全事件作为顶事件,我们发现,其实际上与多个中间安全事件和多个底层安全事件之间存在因果关系。对于第一类,机理清晰或者机理可验证故障的事件,比如制动阀损坏X14、管路接头损坏X16、液压控制器异常X21、液压油量不足X24、液压电机异常X22,可以直接获得他们的因果关系,这时可以直接根据机理确定制动阀损坏X14、管路接头损坏X16、液压控制器异常X21、液压油量不足X24、液压电机异常X22为底层事件,采用“IF…THEN…”规则描述事件之间的因果关系为如果制动阀损坏X14、管路接头损坏X16、液压控制器异常X21、液压油量不足X24、液压电机异常X22,那么发生制动安全事件。
对于第二类,机理不清晰但具有经验验证基础的故障,采用贝叶斯推理法分析第二故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第二故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件。同如图3c所示,将所述制动安全事件作为顶事件,我们通过贝叶斯算法,可以发现转向安全事件作为第一中间层事件,分别与第二中间层事件转向操作机构故障、转向机故障、转向执行机构故障因果关联。而转向操作机构故障分别与多个底层事件方向盘紧固异常、方向管轴承损坏、方向管柱花键磨损花键紧、固螺丝滑牙、花键润滑油不足的直接因果关联。转向机故障分别与多个底层事件转向机润滑油不足X6、转向机花键损坏X7、转向机齿轮磨损损坏X8、转向机紧固螺丝松X9、转向机浸水X10直接因果关联。转向执行机构故障分别与多个底层事件转向节臂损坏X11、转向球头损坏X12、转向羊角变形/断裂X13、转向稳定杆断裂X14、转向干涉X15直接因果关联。
对于第三类,对于机理不清楚但有运行数据支持的故障,可以采用机器学习法分析第三故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第三故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件。同如图3b所示,将所述制动安全事件作为顶事件,我们通过相似状态比较法可以发现,驻车制动故障实际上可以作为第一层中间事件,而其和作为第一层中间事件的行车制动故障一样与第二层中间事件制动压力异常存因果关系。而该制动压力异常又与多个底层事件制动油封损坏X6、制动器漏油X5以及制动器底板变形X8存在因果关系。同时驻车制动故障还与多个底层事件手柄损坏X8、摩檫片磨损X1、制动油缸卡滞X2、制动弹簧损坏X3、传动轴损坏X12直接存在因果关系。
对于第四类,机理清晰但系统结构复杂故障;采用解释结构法解析第四故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第四故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件。同如图3b所示,将所述制动安全事件作为顶事件,我们通过解释结构法可以发现,行车制动故障实际上可以作为第一层中间事件,而其与多个底层事件摩檫片磨损X1、制动油缸卡滞X2、制动弹簧损坏X3、支架轴承损坏X4直接存在因果关系,同时又与第二层中间事件制动压力异常存因果关系。而制动压力异常又与底层事件制动油封损坏X6和制动器漏油X5存在因果关系。
因此,本领域技术人员可以根据上述教导,构建电动车辆的整个安全树,和/或其中一部分安全树在本发明的优选实施例中,在构建安全树之后,验证所述规则集合以去除逻辑关系错误或事件错误。针对描述安全树的“IF…THEN…”规则集,查找其中事件逻辑关系的错误,常见的事件关系错误。
最后,可以在电脑,或者其他终端上绘制所述安全树,并基于所述安全树对所述电动车辆进行维护。本发明的安全树是一种基于数据驱动、概率计算和重要度分析的综合型、开放式、全周期的安全体系,其是用于评价车辆安全状态的系统模型,是定量化分析系统安全性的有力工具。该安全树体系可针对不同的安全故障分类进行设计,突破单独针对各系统部件进行安全性分析的局限,能够更好地反映电动车辆安全状况。安全树针对安全领域故障数据设立,各层次安全故障数据之间的相关性除了基于逻辑推演之外,也由故障事件的统计特征和数据所决定。安全树模型专注于已真实发生故障事件,按设计思路或系统展开追踪并穿透系统设置壁垒,模块化开放型体系设计。基于新的故障数据可实时更新安全树,形成良性循环并不断优化。安全树应用面向实际的设计生产运维过程,更加符合工程实践要求。
因此,本发明可以通过硬件、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。
实施本发明的所述的电动车辆的安全树构建方法、计算机可读存储介质以及电动车辆,能够有效对电动车辆的安全状态进行分析,识别各类故障的层级关系,从而为电动车辆的安全控制提供指导,减少电动车辆的失效或故障。
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 (6)
1.一种电动车辆的安全树构建方法,其特征在于,包括:
S1.采集电动车辆的整车安全故障数据;
S2.将所述整车安全故障数据映射归类到不同的安全事件组别中,并计算各个安全事件组别占全部安全故障的概率;
S3.采用联合分析方法对各个安全事件组别中的所述整车安全故障数据进行分类构建安全树;
S4.绘制所述安全树,并基于所述安全树对所述电动车辆进行维护;
所述步骤S3进一步包括:
S31.将所述整车安全故障数据至少分为第一故障类别、第二故障类别、第三故障类别和第四故障类别;
S32.采用不同的分析方法分析所述第一故障类别、所述第二故障类别、所述第三故障类别和所述第四故障类别的所述整车安全故障数据,以确定所述整车安全故障数据之间的层级关系;
S33.逐层建立故障因果关系直至遍历所有的所述整车安全故障数据以完成电动车辆的安全树构建;
在所述步骤S31中,所述第一故障类别为机理清晰或者机理可验证故障,所述第二故障类别为机理不清晰但具有经验验证基础的故障,所述第三故障类别为机理不清楚但有运行数据支持的故障,第四类故障类别为机理清晰但系统结构复杂故障;
所述步骤S32进一步包括:;
S321.将第一故障类别所述整车安全故障数据按照机理划分为顶层事件、中间层事件以及底层事件;
S322.采用贝叶斯推理法分析第二故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第二故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件;
S323采用机器学习法分析第三故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第三故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件;
S324采用解释结构法解析第四故障类别的所述整车安全故障数据的故障因数相关性,从而基于分析结果将第四故障类别的所述整车安全故障数据划分为顶层事件、中间层事件以及底层事件。
2.根据权利要求1所述的电动车辆的安全树构建方法,其特征在于,所述步骤S1进一步包括:
S11.通过CAN总线将所述电动车辆的整车控制器、安全控制器和行车记录仪中的数据传送到平台数据库;
S12.从所述数据中获取所述电动车辆的整车安全故障数据。
3.根据权利要求1所述的电动车辆的安全树构建方法,其特征在于,所述步骤S33进一步包括:
S331.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;
S332.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;
S333.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。
4.根据权利要求3所述的电动车辆的安全树构建方法,其特征在于,所述步骤S33进一步包括:
S334.验证所述规则集合以去除逻辑关系错误或事件错误。
5.一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1-4中任意一项权利要求所述的电动车辆的安全树构建方法。
6.一种电动车辆,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根据权利要求1-5中任意一项权利要求所述的电动车辆的安全树构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910316872.1A CN110084919B (zh) | 2019-04-19 | 2019-04-19 | 一种电动车辆的安全树构建方法以及电动车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910316872.1A CN110084919B (zh) | 2019-04-19 | 2019-04-19 | 一种电动车辆的安全树构建方法以及电动车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110084919A CN110084919A (zh) | 2019-08-02 |
CN110084919B true CN110084919B (zh) | 2020-06-23 |
Family
ID=67415748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910316872.1A Active CN110084919B (zh) | 2019-04-19 | 2019-04-19 | 一种电动车辆的安全树构建方法以及电动车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110084919B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113619509B (zh) * | 2021-09-17 | 2024-05-03 | 中国第一汽车股份有限公司 | 一种车辆故障报警方法、装置、车辆及存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7373225B1 (en) * | 2005-07-25 | 2008-05-13 | Snap-On Incorporated | Method and system for optimizing vehicle diagnostic trees using similar templates |
CN205721347U (zh) * | 2016-04-15 | 2016-11-23 | 宝沃汽车(中国)有限公司 | 车辆故障诊断系统 |
CN106354118B (zh) * | 2016-08-25 | 2019-08-09 | 株洲中车时代电气股份有限公司 | 一种基于故障树的列车故障诊断系统及方法 |
CN106647724B (zh) * | 2017-02-15 | 2017-12-26 | 北京航空航天大学 | 一种基于车辆异常数据监测的t‑box信息安全检测及防护方法 |
CN108639062B (zh) * | 2018-05-08 | 2019-11-19 | 徐州徐工环境技术有限公司 | 一种车辆智能控制系统 |
CN109522718A (zh) * | 2018-10-16 | 2019-03-26 | 北京航空航天大学 | Fadec软件安全性分析方法及装置 |
-
2019
- 2019-04-19 CN CN201910316872.1A patent/CN110084919B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110084919A (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2064106A1 (en) | Diagnostic system and method for monitoring a rail system | |
CN110097219B (zh) | 一种基于安全树模型的电动车辆运维优化方法 | |
WO2020233428A1 (zh) | 一种电动车辆的安全失效风险预测方法以及电动车辆 | |
CN110084919B (zh) | 一种电动车辆的安全树构建方法以及电动车辆 | |
CN110084500B (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 | |
CN115220413A (zh) | 车辆故障诊断方法、车载诊断装置 | |
CN110110401B (zh) | 一种基于安全树模型的电动车辆安全设计优化方法 | |
Gopalakrishnan et al. | IIoT Framework Based ML Model to Improve Automobile Industry Product. | |
CN115016428A (zh) | 一种应用于特种车辆的立体化多级诊断系统及方法 | |
Panda et al. | ML-based vehicle downtime reduction: A case of air compressor failure detection | |
Aravind et al. | Machine Learning Applications in Predictive Maintenance for Vehicles: Case Studies | |
Bedi et al. | Smart automobile health monitoring system | |
EP4167040A1 (en) | Fault model editor and diagnostic tool | |
KR20200141239A (ko) | 차량 고장 진단 서비스 제공 시스템 및 방법 | |
CN111143752B (zh) | 一种电动车辆的安全重要度的计算方法以及电动车辆 | |
CN111144681B (zh) | 一种电动车辆的关键重要度的计算方法以及电动车辆 | |
WO2024004313A1 (ja) | 不具合診断システム、不具合診断装置および不具合診断方法 | |
WO2020233429A1 (zh) | 一种电动车辆的安全状态评估方法以及电动车辆 | |
Frank | AI-based fault diagnosis and troubleshooting in automotive systems | |
KR20230157806A (ko) | 클러스터링 알고리즘에 기반하여 차량 내 모터의 고장 여부를 판단하는 방법 및 그를 이용한 시스템 | |
Frank | The role of AI in predicting automotive failures | |
GB2612362A (en) | Fault prediction for machines | |
KR20240002786A (ko) | 정규화 알고리즘에 기반하여 차량 내 모터의 고장 여부를 판단하는 방법 및 그를 이용한 시스템 | |
Bracke | System Analysis: Function, Fault Tree and Failure Mode and Effects | |
Lin et al. | Summary of Fault Diagnosis of Electric Vehicle Braking System |
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 |
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. |
|
CP03 | Change of name, title or address |