CN110223416A - 一种电动车辆的原始数据分析方法以及电动车辆 - Google Patents
一种电动车辆的原始数据分析方法以及电动车辆 Download PDFInfo
- Publication number
- CN110223416A CN110223416A CN201910444828.9A CN201910444828A CN110223416A CN 110223416 A CN110223416 A CN 110223416A CN 201910444828 A CN201910444828 A CN 201910444828A CN 110223416 A CN110223416 A CN 110223416A
- Authority
- CN
- China
- Prior art keywords
- event
- electric vehicle
- operating condition
- safe failure
- frequency
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及一种电动车辆的原始数据分析方法，包括：S1、计算电动车辆的安全失效中间事件在设定统计时间区间中的事件发生数量；S2、基于所述事件发生数量计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次，并将所述事件发生频次标准化；S3、优化所述工作条件类别并将所述事件发生频次换算到标准工作条件下以获得标准化的安全失效事件发生频次。实施本发明的所述的电动车辆的原始数据分析方法，可以获得可以用于客观进行统计和比较的准确的安全失效中间事件，因此可以对电动车辆的安全性进行准确的分析，降低电动车辆的安全性风险。
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原始数据分析方法以及电动车辆。
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。
而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，是由通过表层安全故障事件、底层基础故障事件、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。安全树能够准确表达表层安全故障事件和底层基础故障事件(工艺缺陷、外部因素等)之间因果关系和逻辑。而在表达表层安全故障事件和底层基础故障事件的关系过程中，安全失效中间事件(参数偏差、突发失效)的统计信息是分析整车系统安全性构件安全树的基础数据。然而实际的安全失效中间事件，跟电动车辆累积工作时长、工作条件等因素相关，通常难以获得可以用于客观进行统计和比较的准确的安全失效中间事件，因此无法对电动车辆的安全性进行准确的分析，导致电动车辆的安全性风险增加。
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原始数据分析方法，可以获得可以用于客观进行统计和比较的准确的安全失效中间事件，因此可以对电动车辆的安全性进行准确的分析，降低电动车辆的安全性风险。
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原始数据分析方法，包括：
S1、计算电动车辆的安全失效中间事件在设定统计时间区间中的事件发生数量；
S2、基于所述事件发生数量计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次，并将所述事件发生频次标准化；
S3、优化所述工作条件类别并将所述事件发生频次换算到标准工作条件下以获得标准化的安全失效事件发生频次。
在本发明所述的电动车辆的原始数据分析方法中，所述步骤S1进一步包括：
S11、采集电动车辆的安全失效中间事件以及所述安全失效中间事件对应的车辆累积工作时长；
S12、基于所述车辆累积工作时长构建多个统计时间区间，将所述安全失效中间事件按照其对应的车辆累积工作时长划分到对应的统计时间区间；
S13、统计设定统计时间区间中的所述安全失效中间事件的事件发生数量。
在本发明所述的电动车辆的原始数据分析方法中，所述步骤S2进一步包括：
S21、依据所述安全失效中间事件的发生机理，分析影响所述安全失效中间事件的事件发生数量的工作条件；
S22、根据所述工作条件设置所述设定工作条件类别，并计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次；
S23、采用阿列纽斯模型或艾林模型，运用统计回归分析方法将所述事件发生频次标准化。
在本发明所述的电动车辆的原始数据分析方法中，所述步骤S23进一步包括：将多个工作条件类别引入所述阿列纽斯模型或艾林模型以获得改进的阿列纽斯模型或艾林模型，并基于所述改进的阿列纽斯模型或艾林模型，运用统计回归分析方法将所述事件发生频次标准化。
在本发明所述的电动车辆的原始数据分析方法中，所述步骤S3进一步包括：
S31、针对各个工作条件类别下的所述安全失效中间事件的所述事件发生频次Fi(i＝1，...ne)，两两计算|Fi-Fj|(i≠j)，其中i和j表示工作条件类别编号，ne为工作条件类别总数，判定|Fi-Fj|是否小于设定阈值，如果是执行步骤S32，否则将Fi和Fj分别列为一个工作条件类别；
S32、合并第i个工作条件类别和第j个工作条件类别，并计算合并后的工作条件类别下的所述安全失效中间事件的所述事件发生频次，并返回步骤S31直至任意两个工作条件类别下的所述事件发生频次之差均大于设定阈值；
S33、获得优化后的me个工作条件类别和对应的标准所述安全失效中间事件的所述标准化的安全失效事件发生频次Fi(i＝1，...me)。
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原始数据分析方法。
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原始数据分析方法。
实施本发明的所述的电动车辆的原始数据分析方法、计算机可读存储介质以及电动车辆，可以获得可以用于客观进行统计和比较的准确的安全失效中间事件，因此可以对电动车辆的安全性进行准确的分析，降低电动车辆的安全性风险。
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原始数据分析方法的第一实施例的流程图；
图2是本发明的电动车辆的安全失效中间事件的示意图。
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原始数据分析方法，包括：S1、计算电动车辆的安全失效中间事件在设定统计时间区间中的事件发生数量；S2、基于所述事件发生数量计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次，并将所述事件发生频次标准化；S3、优化所述工作条件类别并将所述事件发生频次换算到标准工作条件下以获得标准化的安全失效事件发生频次。实施本发明的所述的电动车辆的原始数据分析方法，可以获得可以用于客观进行统计和比较的准确的安全失效中间事件，因此可以对电动车辆的安全性进行准确的分析，降低电动车辆的安全性风险。
图1是本发明的优选实施例的电动车辆的原始数据分析方法的第一实施例的流程图。如图1所示，在步骤S1中，计算电动车辆的安全失效中间事件在设定统计时间区间中的事件发生数量。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安全失效中间事件以及所述安全失效中间事件对应的车辆累积工作时长。例如，如图2所示，所述安全失效中间事件可以是制动安全事件，行驶传动安全事件或者是转向安全事件。而发生制动安全事件的车辆累积工作时长可以是3、4、5年，发生行驶传动安全事件的车辆累积工作时长可以是5年、6年、7、15年等等，而发生转向安全事件的车辆累积工作时长可以是2年、4年、5年、12年等等。然后基于上述的车辆累积工作时长，可以构建多个统计时间区域，比如3-5年，5-10年，10-15年，将所述安全失效中间事件按照其对应的车辆累积工作时长划分到对应的统计时间区间，并统计设定统计时间区间中的所述安全失效中间事件的事件发生数量。比如在3-5年的时间周期中，制动安全事件发生了3次，行驶传动安全事件发生了5次，转向安全事件发生了6次。同理，可以划分5-10、10-15以及其他统计时间区间，并将所述安全失效中间事件按照其对应的车辆累积工作时长划分到对应的统计时间区间，并统计设定统计时间区间中的所述安全失效中间事件的事件发生数量。
在步骤S2中，基于所述事件发生数量计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次，并将所述事件发生频次标准化。在本发明的一个优选实施例中，依据所述安全失效中间事件的发生机理，分析影响所述安全失效中间事件的事件发生数量的工作条件。比如可以根据温度湿度等等工作条件，分析影响所述安全失效中间事件的事件发生数量。在湿度大的情况下，发生制动安全事件、转向安全事件和行驶传动安全事件的数量可能较大。基于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中记录的数据，可以完成上述分析判断。进一步地，根据所述工作条件设置所述设定工作条件类别，并计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次。在本发明的一个优选实施例中，可以划分湿度在设定范围，比如大于50％，设置为一个工作条件类别，温度在设定范围，比如高于30摄氏度为一个工作条件类别，从而计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次。当然，本领域技术人员可以根据实际情况，经验，或者大数据分析，划定不同的工作条件类别。在本发明的一个优选实施例中，可以将同一个安全失效基础事件导致的安全失效中间事件划分到一个工作条件类别。
在本发明的一个优选实施例中，采用阿列纽斯(Arrhenius)模型或艾林(Eyring)模型，运用统计回归分析方法将所述事件发生频次标准化。本领域技术人员知悉，阿列纽斯方程式，k＝Ae-Ea/RT。它描述了化学反应速率(k)与温度(T)和反应活化能Ea之间的关系。在本发明中，可以将阿列纽斯方程式用来计算在特定工作条件类别(例如温度T)下，事件发生频次(k)。艾林(Eyring)模型是从量子力学推导出来的，它表示某些电子元器件或材料参数退化的时间速率仅仅与由温度所引起的物理或化学反应速率有关。在加速寿命试验中，也有用湿度作为加速变量的，也有同时采用湿度应力和电应力进行加速的。如THB(高温、高湿、偏置)加速试验，其主要目的是评价器件的耐潮湿寿命。在此，本领域技术人员可以采用本领域中已知的计算过程，采用阿列纽斯(Arrhenius)模型或艾林(Eyring)模型，运用统计回归分析方法将所述事件发生频次标准化。在本发明中，可以运用多元统计回归方法估计方程中的未知参数。本领域技术人员知悉，阿列纽斯(Arrhenius)模型或艾林(Eyring)模型都是用来表示原件寿命与时间关系的模型，其实际是本领域中已知模型，本领域中已知这样的模型的使用方法。本领域技术人员知悉，可以采用威布尔分布、指数分布、对数正态分布等寿命分布中已知的任何寿命分布来描述在不同应力下的元件寿命和事件发生频次的关系。
在本发明的进一步的优选实施例中，将多个工作条件类别引入所述阿列纽斯模型或艾林模型以获得改进的阿列纽斯模型或艾林模型，并基于所述改进的阿列纽斯模型或艾林模型，运用统计回归分析方法将所述事件发生频次标准化。
在步骤S3中，优化所述工作条件类别并将所述事件发生频次换算到标准工作条件下以获得标准化的安全失效事件发生频次。在本发明的进一步的优选实施例中，针对各个工作条件类别下的所述安全失效中间事件的所述事件发生频次Fi(i＝1，...ne)，两两计算|Fi-Fj|(i≠j)，其中i和j表示工作条件类别编号，ne为工作条件类别总数，判定|Fi-Fj|是否大于设定阈值，如果合并第i个工作条件类别和第j个工作条件类别，并计算合并后的工作条件类别下的所述安全失效中间事件的所述事件发生频次；否则将Fi和Fj分别列为一个工作条件类别；直至任意两个工作条件类别下的所述事件发生频次之差均大于设定阈值。最后，将获得优化后的me个工作条件类别和对应的标准所述安全失效中间事件的所述标准化的安全失效事件发生频次Fi(i＝1，...me)。
由此，在本发明中，输入设定的统计时间区间，设定统计时间区间中的所述安全失效中间事件的事件发生数量，以及所述安全失效中间事件对应的设定工作条件类别，就可以获得设定的统计时间区间中标准化的安全失效事件发生频次，其体现了安全失效中间事件随时间变化的规律，在将其进行标准化处理之后，能够获得可以用于客观进行统计和比较的准确的安全失效中间事件，因此可以对电动车辆的安全性进行准确的分析，降低电动车辆的安全性风险。
在本发明的进一步的优选实施例中，可以采用标准化的安全失效事件发生频次构建安全树模型，从而用于电动车辆安全性能的准确分析，并对电动车辆的安全性能进行进一步的管理和优化。
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原始数据分析方法。
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原始数据分析方法。
实施本发明的所述的电动车辆的原始数据分析方法、计算机可读存储介质以及电动车辆，可以获得可以用于客观进行统计和比较的准确的安全失效中间事件，因此可以对电动车辆的安全性进行准确的分析，降低电动车辆的安全性风险。
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 (7)
1.一种电动车辆的原始数据分析方法，其特征在于，包括：
S1、计算电动车辆的安全失效中间事件在设定统计时间区间中的事件发生数量；
S2、基于所述事件发生数量计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次，并将所述事件发生频次标准化；
S3、优化所述工作条件类别并将所述事件发生频次换算到标准工作条件下以获得标准化的安全失效事件发生频次。
2.根据权利要求1所述的电动车辆的原始数据分析方法，其特征在于，所述步骤S1进一步包括：
S11、采集电动车辆的安全失效中间事件以及所述安全失效中间事件对应的车辆累积工作时长；
S12、基于所述车辆累积工作时长构建多个统计时间区间，将所述安全失效中间事件按照其对应的车辆累积工作时长划分到对应的统计时间区间；
S13、统计设定统计时间区间中的所述安全失效中间事件的事件发生数量。
3.根据权利要求1所述的电动车辆的原始数据分析方法，其特征在于，所述步骤S2进一步包括：
S21、依据所述安全失效中间事件的发生机理，分析影响所述安全失效中间事件的事件发生数量的工作条件；
S22、根据所述工作条件设置所述设定工作条件类别，并计算电动车辆的所述安全失效中间事件在设定工作条件类别中的事件发生频次；
S23、采用阿列纽斯模型或艾林模型，运用统计回归分析方法将所述事件发生频次标准化。
4.根据权利要求3所述的电动车辆的原始数据分析方法，其特征在于，所述步骤S23进一步包括：将多个工作条件类别引入所述阿列纽斯模型或艾林模型以获得改进的阿列纽斯模型或艾林模型，并基于所述改进的阿列纽斯模型或艾林模型，运用统计回归分析方法将所述事件发生频次标准化。
5.根据权利要求1所述的电动车辆的原始数据分析方法，其特征在于，所述步骤S3进一步包括：
S31、针对各个工作条件类别下的所述安全失效中间事件的所述事件发生频次Fi(i＝1，...ne)，两两计算|Fi-Fj|(i≠j)，其中i和j表示工作条件类别编号，ne为工作条件类别总数，判定|Fi-Fj|是否小于设定阈值，如果是执行步骤S32，否则将Fi和Fj分别列为一个工作条件类别；
S32、合并第i个工作条件类别和第j个工作条件类别，并计算合并后的工作条件类别下的所述安全失效中间事件的所述事件发生频次，并返回步骤S31直至任意两个工作条件类别下的所述事件发生频次之差均大于设定阈值；
S33、获得优化后的me个工作条件类别和对应的标准所述安全失效中间事件的所述标准化的安全失效事件发生频次Fi(i＝1，...me)。
6.一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1-5中任意一项权利要求所述的电动车辆的原始数据分析方法。
7.一种电动车辆，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原始数据分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910444828.9A CN110223416B (zh) | 2019-05-27 | 2019-05-27 | 一种电动车辆的原始数据分析方法以及电动车辆 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910444828.9A CN110223416B (zh) | 2019-05-27 | 2019-05-27 | 一种电动车辆的原始数据分析方法以及电动车辆 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110223416A true CN110223416A (zh) | 2019-09-10 |
| CN110223416B CN110223416B (zh) | 2021-05-14 |
Family
ID=67818014
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910444828.9A Active CN110223416B (zh) | 2019-05-27 | 2019-05-27 | 一种电动车辆的原始数据分析方法以及电动车辆 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110223416B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090295559A1 (en) * | 2008-06-02 | 2009-12-03 | Gm Global Technology Operations, Inc. | Integrated hierarchical process for fault detection and isolation |
| CN101814114A (zh) * | 2010-01-07 | 2010-08-25 | 北京航空航天大学 | 一种利用模型转换进行故障诊断的方法 |
| CN104392072A (zh) * | 2014-12-12 | 2015-03-04 | 北京交通大学 | 一种基于动态故障树的设备集成系统可靠性分析方法 |
| CN104657536A (zh) * | 2013-11-18 | 2015-05-27 | 波音公司 | 使用面向组件的故障树的复杂系统的安全分析 |
| CN105046421A (zh) * | 2015-07-02 | 2015-11-11 | 国家电网公司 | 电动汽车充换电设施安全综合评价方法 |
| CN106647724A (zh) * | 2017-02-15 | 2017-05-10 | 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 |
| CN108564313A (zh) * | 2018-06-14 | 2018-09-21 | 华北水利水电大学 | 基于故障树的风电机组状态监测与健康评估的方法及装置 |
| CN108956107A (zh) * | 2018-05-18 | 2018-12-07 | 合肥通用机械研究院有限公司 | 耦合三角模糊数的往复压缩机典型故障的故障树诊断方法 |
| 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
- 2019-05-27 CN CN201910444828.9A patent/CN110223416B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090295559A1 (en) * | 2008-06-02 | 2009-12-03 | Gm Global Technology Operations, Inc. | Integrated hierarchical process for fault detection and isolation |
| CN101814114A (zh) * | 2010-01-07 | 2010-08-25 | 北京航空航天大学 | 一种利用模型转换进行故障诊断的方法 |
| CN104657536A (zh) * | 2013-11-18 | 2015-05-27 | 波音公司 | 使用面向组件的故障树的复杂系统的安全分析 |
| CN104392072A (zh) * | 2014-12-12 | 2015-03-04 | 北京交通大学 | 一种基于动态故障树的设备集成系统可靠性分析方法 |
| CN105046421A (zh) * | 2015-07-02 | 2015-11-11 | 国家电网公司 | 电动汽车充换电设施安全综合评价方法 |
| CN106647724A (zh) * | 2017-02-15 | 2017-05-10 | 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 |
| CN108956107A (zh) * | 2018-05-18 | 2018-12-07 | 合肥通用机械研究院有限公司 | 耦合三角模糊数的往复压缩机典型故障的故障树诊断方法 |
| CN108564313A (zh) * | 2018-06-14 | 2018-09-21 | 华北水利水电大学 | 基于故障树的风电机组状态监测与健康评估的方法及装置 |
| 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 |
Non-Patent Citations (4)
| Title |
|---|
| GUOQIANG CAI: "System architecture of a train sensor network for automatic train safety monitoring", 《COMPUTERS & INDUSTRIAL ENGINEERING》 * |
| 王文晶: "基于故障树与实例推理的汽车故障诊断系统的研究与设计", 《中国优秀硕士学位论文全文数据库》 * |
| 罗雪: "基于故障树分析的纯电动车驱动系统的功能安全研究", 《中国优秀硕士学位论文全文数据库》 * |
| 胡玉娟: "基于FTA 法的电动车火灾事故的分析", 《防 灾 科 技 学 院 学 报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110223416B (zh) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103597417A (zh) | 状态监测方法及装置 | |
| CN104832418B (zh) | 一种基于局部均值变换和Softmax的液压泵故障诊断方法 | |
| CN104596780B (zh) | 一种动车组制动系统传感器故障的诊断方法 | |
| CN110826772A (zh) | 车辆尾气排放预测方法、装置、设备及存储介质 | |
| CN109062189A (zh) | 一种用于复杂故障的工业过程故障诊断方法 | |
| CN117471227B (zh) | 汽车线束参数性能测试方法及测试系统 | |
| CN110633729A (zh) | 一种面向智能网联车辆群组测试的驾驶风险分级聚类方法 | |
| CN111191324B (zh) | 一种考虑限制条件的签派可靠度预计方法及装置 | |
| CN115599077B (zh) | 车辆故障定界方法、装置、电子设备及存储介质 | |
| CN116245406B (zh) | 基于运维质量管理数据库的软件运维质量评价方法及系统 | |
| CN111144606A (zh) | 一种电动车辆的安全失效风险预测方法以及电动车辆 | |
| CN109580260A (zh) | 一种轨道车辆门系统的亚健康诊断方法 | |
| CN114594750B (zh) | 一种基于故障树的高铁塞拉门故障诊断方法 | |
| CN112434979B (zh) | 道岔系统健康评估方法 | |
| CN110223416A (zh) | 一种电动车辆的原始数据分析方法以及电动车辆 | |
| CN112836967B (zh) | 新能源汽车电池安全风险评估系统 | |
| El Mir et al. | Certification of machine learning algorithms for safe-life assessment of landing gear | |
| CN109408955A (zh) | 一种电动汽车的能耗分析方法及系统 | |
| CN110888850B (zh) | 一种基于电力物联网平台的数据质量检测方法 | |
| CN117852191A (zh) | 一种基于动车控制台的三维模型设计方法及系统 | |
| CN110245845A (zh) | 一种电动车辆的参数偏差分析方法以及电动车辆 | |
| Qin et al. | Reliability analysis based on the statistical models method for the subway door system | |
| CN113640607B (zh) | 一种针对高速列车逆变电路及电机的早期故障诊断方法 | |
| Zhang | Reliability analysis of high voltage electric system of pure electric passenger car based on polymorphic fuzzy fault tree | |
| CN109447306A (zh) | 基于最大似然回归树的地铁事故延误时间预测方法 |
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 High-tech Factory Area, Rongshou Luteta, Kengzi Street, Pingshan New District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN DELTA EXPLOSION-PROOF ELECTRIC VEHICLE Co.,Ltd. |