CN111046496A - 汽车刹车盘的磨损量评估方法、装置及电子设备 - Google Patents
汽车刹车盘的磨损量评估方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111046496A CN111046496A CN201911346063.1A CN201911346063A CN111046496A CN 111046496 A CN111046496 A CN 111046496A CN 201911346063 A CN201911346063 A CN 201911346063A CN 111046496 A CN111046496 A CN 111046496A
- Authority
- CN
- China
- Prior art keywords
- data
- brake disc
- severity
- wear
- automobile brake
- 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
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Braking Arrangements (AREA)
Abstract
本发明提供一种汽车刹车盘的磨损量评估方法、装置、电子设备及计算机可读存储介质,其中,汽车刹车盘的磨损量评估方法包括如下步骤:步骤S1,获取待评估车辆的车辆运行数据和环境数据;步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。根据本发明的汽车刹车盘的磨损量评估方法,能够准确预测刹车盘更换周期,推动保养的智能化。
Description
技术领域
本发明涉及车辆领域,具体涉及一种汽车刹车盘的磨损量评估方法、装置、电子设备及计算机可读存储介质。
背景技术
刹车系统作为影响行车安全的重要子系统,其磨损程度对刹车距离的影响非常重要。
普通车主对刹车盘的磨损乃至失效缺乏经验,不清楚刹车盘保养和更换的周期,长期不保养或更换,会导致刹车距离较长,有可能导致安全事故。
发明内容
有鉴于此,本发明提供一种汽车刹车盘的磨损量评估方法、装置、电子设备及计算机可读存储介质,能够准确预测刹车盘更换周期,推动保养的智能化。
为解决上述技术问题,一方面,本发明提供一种汽车刹车盘的磨损量评估方法,包括如下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
进一步地,所述车辆运行数据包括车辆数据、Tbox数据、行程数、驾驶行为数据中的一种或多种;所述环境数据包括地理数据和/或天气数据。
进一步地,所述步骤S2包括:
步骤S21,分别提取所述车辆运行数据和所述地理数据中的特征数据;
步骤S22,基于所述特征数据,通过累积磨损严重度模型确定所述累积磨损严重度。
进一步地,所述特征数据包括:刹车开合度、行程数、车辆位置、以及天气数据。
进一步地,所述累积磨损严重度模型通过如下方法形成:
获取所述车辆运行数据和所述地理数据中的特征数据样本;
确定不同的特征数据样本的磨损因子;
对于不同特征数据样本的磨损因子进行归一化处理,生成所述累积磨损严重度模型。
进一步地,所述步骤S3包括:基于所述累积磨损严重度,根据所述累积磨损严重度与所述汽车刹车盘的磨损量的映射矩阵,确定所述汽车刹车盘的磨损量。
进一步地,所述累积磨损严重度与所述汽车刹车盘的磨损量的映射矩阵通过如下方法确定:
获取多个汽车刹车盘样本;
对于每个所述汽车刹车盘样本的磨损量进行标注;
对于每个所述刹车盘样本,分别获取其车辆运行数据和环境数据,并基于所述累积磨损严重度模型确定所述累积磨损严重度;
基于每个汽车刹车盘样本及其累积磨损严重度,构建所述映射矩阵。
第二方面,本发明提供汽车刹车盘的磨损量评估装置,包括:
获取模块,用于获取待评估车辆的车辆运行数据和环境数据;
累积磨损严重度确定模块,用于基于所述运行数据和环境数据确定累积磨损严重度;
磨损量确定模块,用于基于所述累积磨损严重度确定所述汽车刹车盘的磨损量。
第三方面,本发明提供用于汽车刹车盘的磨损量评估的电子设备,包括:
一个或多个处理器;
一个或多个存储器,其中存储了计算机可读代码,所述计算机可读代码当由所述一个或多个处理器运行时,使得所述处理器执行如下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
第四方面,本发明提供一种计算机可读存储介质,其中存储了计算机可读代码,所述计算机可读代码当由一个或多个处理器运行时,使得所述处理器执行如下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
本发明的上述技术方案至少具有如下有益效果之一:
根据本发明的汽车刹车盘的磨损量评估方法,基于累积磨损严重度模型和映射矩阵(累积磨损严重度与汽车刹车盘的磨损量的映射矩阵),确定所述汽车刹车盘的磨损量,能够准确预测刹车盘更换周期,推动保养的智能化。
附图说明
图1为根据本发明一实施例的汽车刹车盘的磨损量评估方法的流程图;
图2为本发明实施例的刹车开合度与夹持力关系的示意图;
图3为本发明一具体实施例的汽车刹车盘的磨损量评估方法的流程图;
图4为根据本发明实施例的汽车刹车盘的磨损量评估装置的示意图;
图5为为根据本发明实施例的用于汽车刹车盘的磨损量评估的电子设备的示意图。
具体实施方式
下面将结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
刹车系统作为影响行车安全的重要子系统,其磨损程度对刹车距离的影响非常重要。
普通车主对刹车盘的磨损乃至失效缺乏经验,不清楚刹车盘保养和更换的周期,长期不保养或更换,会导致刹车距离较长,有可能导致安全事故。
现有刹车系统保养基本取决于有经验的专业人士判断或工具检查。
本发明基于机器学习的刹车盘磨损预测模型,能让车主能直观的获取刹车系统健康度的信息,使得车主更加方便。
下面,首先,结合图1说明根据本发明实施例的汽车刹车盘的磨损量评估方法。
如图1所示,本发明实施例的汽车刹车盘的磨损量评估方法,包括如下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据。
可选地,车辆运行数据可以包括以下一种或多种:车辆数据(汽车刹车盘的型号的数据)、Tbox数据(行驶速度、刹车开合度、车辆位置(与天气可以结合))、行程数、驾驶行为数据(驾驶习惯、急刹车行为等)。
可选地,环境数据可以包括地理数据(平原地区、丘陵地带、海边咸湿环境、北方干燥环境、南方潮湿环境等等,影响不同)和/或天气数据。
当然,以上只是可选地示例,任何影响刹车盘磨损量的车辆运行数据和环境数据均应该理解在本发明范围内。
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度。
根据本发明一些实施例,步骤S2包括:
步骤S21,分别提取车辆运行数据和地理数据中的特征数据。
可选地,特征数据包括:刹车开合度、行程数、车辆位置、以及天气数据。
当然,以上只是可选地示例,还可以包括车辆数据(汽车刹车盘的型号的数据),即任何与刹车盘磨损量有关的特征数据均应该理解在本发明范围内。
步骤S22,基于特征数据,通过累积磨损严重度模型确定所述累积磨损严重度。
进一步地,累积磨损严重度模型通过如下方法形成:
1)获取车辆运行数据和地理数据中的特征数据样本;
2)确定不同的特征数据样本的磨损因子;
其中,所谓磨损因子是造成累积磨损严重度(理论累积磨损量)的参数。
例如,刹车开合度(磨损因子)与累积磨损严重度(理论累积磨损量)的对应关系可以通过如下计算:
根据刹车盘磨损的物理机理,判断其磨损属于金属材料间的粘着磨损,与卡钳的加持力、摩擦时间等密切相关。
即由刹车开合度对应刹车摩擦力(卡钳夹持力,可以通过刹车开合度表征,根据车型不同,两者呈非线性关系,如图2所示,从刹车开合度数据,即可推算夹持力的大小),刹车摩擦力对应累积磨损严重度(理论累积磨损量)。
通过Archard理论,推导出累积磨损严重度(理论累积磨损量),对应函数如下:
K为粘着磨损系数,H为布氏硬度,W为法向载荷,L为滑动距离。
3)对于不同特征数据样本的磨损因子进行归一化处理,生成所述累积磨损严重度模型。
也就是说,将各个磨损因子根据其影响累积磨损严重度(理论累积磨损量)进行归一化输出累积磨损严重度(理论累积磨损量),生成累积磨损严重度模型。
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
根据本发明一些实施例,基于累积磨损严重度,根据累积磨损严重度与汽车刹车盘的磨损量的映射矩阵,确定汽车刹车盘的磨损量。
也就是说,通过映射矩阵,可以由累积磨损严重度推导出汽车刹车盘的磨损量(实际磨损量)。
进一步地,累积磨损严重度与汽车刹车盘的磨损量的映射矩阵通过如下方法确定:
1)获取多个汽车刹车盘样本;
2)对于每个汽车刹车盘样本的磨损量进行标注;
3)对于每个刹车盘样本,分别获取其车辆运行数据和环境数据,并基于累积磨损严重度模型确定累积磨损严重度;
4)基于每个汽车刹车盘样本及其累积磨损严重度,构建映射矩阵。
当然,以上只是可选地示例,还可以包括将上述累计磨损严重度模型和映射矩阵封装成实际磨损预测模型,即获取待评估车辆的车辆运行数据和环境数据,通过实际磨损预测模型,即可确定所述汽车刹车盘的磨损量。
作为示例,如图3所示,具体说明本发明汽车刹车盘的磨损量评估方法。
分为两个阶段:
第一阶段,形成累计磨损严重度模型,包括:
1)工程输入(磨损的物理机理,制动荷载传递路径,关键参数筛选);
2)数据准备(从数据仓库提取Tbox数据、行程数据、环境数据、驾驶行为数据);
3)提取特征数据(提取车辆运行数据和地理数据中的特征数据);
4)磨损因子分析;
5)生成累积磨损严重度模型。
以上,第一阶段不需要实际磨损测试样本,基于物理原理,建立磨损严重度预测模型。
第二阶段,形成实际磨损量预测模型,包括:
1)建立映射矩阵(基于汽车刹车盘样本及累积磨损严重度模型,构建所述映射矩阵);
2)形成实际磨损量预测模型。
以上,第二阶段需要车厂的刹车盘实际磨损厚度,建立磨损严重度和实际磨损厚度的映射矩阵,从而建立实际磨损厚度预测模型。
最后,通过实际磨损量预测模型对获取的车辆运行数据和环境数据进行处理,确定汽车刹车盘的磨损量(实际磨损量)。
下面,结合图4,说明根据本发明实施例的汽车刹车盘的磨损量评估装置1000。
如图4所示,本发明实施例的汽车刹车盘的磨损量评估装置1000包括:
获取模块1001,用于获取待评估车辆的车辆运行数据和环境数据;
累积磨损严重度确定模块1002,用于基于所述运行数据和环境数据确定累积磨损严重度;
磨损量确定模块1003,用于基于所述累积磨损严重度确定所述汽车刹车盘的磨损量。
进一步地,汽车刹车盘的磨损量评估装置1000还可以分别用于汽车刹车盘的磨损量评估方法中的相应步骤,在此省略其详细说明。
此外,结合图5,说明根据本发明实施例的用于汽车刹车盘的磨损量评估的电子设备1400。
如图5所示,本发明实施例的用于汽车刹车盘的磨损量评估的电子设备1400包括:
处理器1401和存储器1402,在存储器1402中存储有计算机程序指令,其中,在计算机程序指令被处理器运行时,使得处理器1401执行以下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
进一步地,处理器1401还可以执行汽车刹车盘的磨损量评估方法中的相应步骤,在此省略其详细说明。
上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器1401代表的一个或者多个中央处理器(CPU),以及由存储器1402代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解,总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外,还包括电源总线、控制总线和状态信号总线,这些都是本领域所公知的,因此本文不再对其进行详细描述。
所述网络接口1403,可以连接至网络(如因特网、局域网等),从网络中获取相关数据,并可以保存在硬盘1405中。
所述输入设备1404,可以接收操作人员输入的各种指令,并发送给处理器1401以供执行。所述输入设备1404可以包括键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
所述显示设备1406,可以将处理器1401执行指令获得的结果进行显示。
所述存储器1402,用于存储操作系统运行所必须的程序和数据,以及处理器1401计算过程中的中间结果等数据。
可以理解,本发明实施例中的存储器1402可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。本文描述的装置和方法的存储器1402旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器1402存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作系统14021和应用程序14014。
其中,操作系统14021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序14014,包含各种应用程序,例如浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序14014中。
上述处理器1401,当调用并执行所述存储器1402中所存储的应用程序和数据,具体的,可以是应用程序14014中存储的程序或指令时,首先,获取待评估车辆的车辆运行数据和环境数据;接着,基于所述运行数据和环境数据确定累积磨损严重度;最后,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
本发明上述实施例揭示的方法可以应用于处理器1401中,或者由处理器1401实现。处理器1401可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1401可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1402,处理器1401读取存储器1402中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
另外,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器运行时,使得所述处理器执行以下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
进一步地,所述处理器还可以执行汽车刹车盘的磨损量评估方法中的相应步骤,在此省略其详细说明。
更进一步地,本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在可读存储介质中。电子设备(例如可以是服务器、云服务器、或者服务器的一部分等)的至少一个处理器可以从可读存储介质读取该执行指令,至少一个处理器执行该执行指令使得汽车刹车盘的磨损量评估装置1000实施上述各种实施方式提供的汽车刹车盘的磨损量评估方法。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁盘或者光盘等各种可以存储程序代码的介质。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种汽车刹车盘的磨损量评估方法,其特征在于,包括如下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
2.根据权利要求1所述的汽车刹车盘的磨损量评估方法,其特征在于,所述车辆运行数据包括车辆数据、Tbox数据、行程数、驾驶行为数据中的一种或多种;所述环境数据包括地理数据和/或天气数据。
3.根据权利要求2所述的汽车刹车盘的磨损量评估方法,其特征在于,所述步骤S2包括:
步骤S21,分别提取所述车辆运行数据和所述地理数据中的特征数据;
步骤S22,基于所述特征数据,通过累积磨损严重度模型确定所述累积磨损严重度。
4.根据权利要求3所述的汽车刹车盘的磨损量评估方法,其特征在于,所述特征数据包括:刹车开合度、行程数、车辆位置、以及天气数据。
5.根据权利要求3所述的汽车刹车盘的磨损量评估方法,其特征在于,所述累积磨损严重度模型通过如下方法形成:
获取所述车辆运行数据和所述地理数据中的特征数据样本;
确定不同的特征数据样本的磨损因子;
对于不同特征数据样本的磨损因子进行归一化处理,生成所述累积磨损严重度模型。
6.根据权利要求3所述的汽车刹车盘的磨损量评估方法,其特征在于,所述步骤S3包括:基于所述累积磨损严重度,根据所述累积磨损严重度与所述汽车刹车盘的磨损量的映射矩阵,确定所述汽车刹车盘的磨损量。
7.根据权利要求3所述的汽车刹车盘的磨损量评估方法,其特征在于,所述累积磨损严重度与所述汽车刹车盘的磨损量的映射矩阵通过如下方法确定:
获取多个汽车刹车盘样本;
对于每个所述汽车刹车盘样本的磨损量进行标注;
对于每个所述刹车盘样本,分别获取其车辆运行数据和环境数据,并基于所述累积磨损严重度模型确定所述累积磨损严重度;
基于每个汽车刹车盘样本及其累积磨损严重度,构建所述映射矩阵。
8.一种汽车刹车盘的磨损量评估装置,其特征在于,包括:
获取模块,用于获取待评估车辆的车辆运行数据和环境数据;
累积磨损严重度确定模块,用于基于所述运行数据和环境数据确定累积磨损严重度;
磨损量确定模块,用于基于所述累积磨损严重度确定所述汽车刹车盘的磨损量。
9.一种用于汽车刹车盘的磨损量评估的电子设备,其特征在于,包括:
一个或多个处理器;
一个或多个存储器,其中存储了计算机可读代码,所述计算机可读代码当由所述一个或多个处理器运行时,使得所述处理器执行如下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
10.一种计算机可读存储介质,其特征在于,其中存储了计算机可读代码,所述计算机可读代码当由一个或多个处理器运行时,使得所述处理器执行如下步骤:
步骤S1,获取待评估车辆的车辆运行数据和环境数据;
步骤S2,基于所述运行数据和环境数据确定累积磨损严重度;
步骤S3,基于所述累积磨损严重度,确定所述汽车刹车盘的磨损量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911346063.1A CN111046496B (zh) | 2019-12-24 | 2019-12-24 | 汽车刹车盘的磨损量评估方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911346063.1A CN111046496B (zh) | 2019-12-24 | 2019-12-24 | 汽车刹车盘的磨损量评估方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111046496A true CN111046496A (zh) | 2020-04-21 |
CN111046496B CN111046496B (zh) | 2023-06-23 |
Family
ID=70238836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911346063.1A Active CN111046496B (zh) | 2019-12-24 | 2019-12-24 | 汽车刹车盘的磨损量评估方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046496B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112113504A (zh) * | 2020-09-18 | 2020-12-22 | 深圳市道通科技股份有限公司 | 一种刹车盘磨损诊断方法及磨损诊断系统 |
CN113011852A (zh) * | 2021-03-25 | 2021-06-22 | 深圳市元征科技股份有限公司 | 车辆保养提醒方法、装置、车载设备及存储介质 |
CN113781752A (zh) * | 2021-08-24 | 2021-12-10 | 武汉依迅北斗时空技术股份有限公司 | 刹车片预警方法、装置、电子设备及存储介质 |
CN114919558A (zh) * | 2022-05-09 | 2022-08-19 | 中国第一汽车股份有限公司 | 一种摩擦蹄片的磨损监控方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9286735B1 (en) * | 2014-09-26 | 2016-03-15 | International Business Machines Corporation | Generating cumulative wear-based indicators for vehicular components |
US20160093116A1 (en) * | 2014-09-26 | 2016-03-31 | International Business Machines Corporation | Integrating Economic Considerations to Develop a Component Replacement Policy Based on a Cumulative Wear-Based Indicator for a Vehicular Component |
CN106274878A (zh) * | 2015-05-20 | 2017-01-04 | 比亚迪股份有限公司 | 基于汽车管路压力的制动片磨损预警系统和方法 |
US20190017561A1 (en) * | 2017-07-17 | 2019-01-17 | GM Global Technology Operations LLC | Brake rotor prognosis |
CN109544351A (zh) * | 2018-10-12 | 2019-03-29 | 平安科技(深圳)有限公司 | 车辆风险评估方法、装置、计算机设备及存储介质 |
CN110126878A (zh) * | 2018-02-09 | 2019-08-16 | 比亚迪股份有限公司 | 轨道交通车辆的车轮磨损评估方法、装置及系统 |
CN110411729A (zh) * | 2019-08-07 | 2019-11-05 | 科大讯飞股份有限公司 | 刹车片使用寿命预测方法及装置 |
-
2019
- 2019-12-24 CN CN201911346063.1A patent/CN111046496B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9286735B1 (en) * | 2014-09-26 | 2016-03-15 | International Business Machines Corporation | Generating cumulative wear-based indicators for vehicular components |
US20160093116A1 (en) * | 2014-09-26 | 2016-03-31 | International Business Machines Corporation | Integrating Economic Considerations to Develop a Component Replacement Policy Based on a Cumulative Wear-Based Indicator for a Vehicular Component |
CN106274878A (zh) * | 2015-05-20 | 2017-01-04 | 比亚迪股份有限公司 | 基于汽车管路压力的制动片磨损预警系统和方法 |
US20190017561A1 (en) * | 2017-07-17 | 2019-01-17 | GM Global Technology Operations LLC | Brake rotor prognosis |
CN110126878A (zh) * | 2018-02-09 | 2019-08-16 | 比亚迪股份有限公司 | 轨道交通车辆的车轮磨损评估方法、装置及系统 |
CN109544351A (zh) * | 2018-10-12 | 2019-03-29 | 平安科技(深圳)有限公司 | 车辆风险评估方法、装置、计算机设备及存储介质 |
CN110411729A (zh) * | 2019-08-07 | 2019-11-05 | 科大讯飞股份有限公司 | 刹车片使用寿命预测方法及装置 |
Non-Patent Citations (3)
Title |
---|
刘柏希;陈宏石;屈涛;王锦程;: "多因素耦合下机构运动精度可靠性仿真试验及寿命评估" * |
崔建国;李胜男;于明月;蒋丽英;江秀红;: "基于组合预测模型的飞机刹车系统性能趋势预测分析" * |
徐占;李松松;项小雷;单华强;: "汽车变速器同步器磨损寿命的预测及评价" * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112113504A (zh) * | 2020-09-18 | 2020-12-22 | 深圳市道通科技股份有限公司 | 一种刹车盘磨损诊断方法及磨损诊断系统 |
CN113011852A (zh) * | 2021-03-25 | 2021-06-22 | 深圳市元征科技股份有限公司 | 车辆保养提醒方法、装置、车载设备及存储介质 |
CN113781752A (zh) * | 2021-08-24 | 2021-12-10 | 武汉依迅北斗时空技术股份有限公司 | 刹车片预警方法、装置、电子设备及存储介质 |
CN113781752B (zh) * | 2021-08-24 | 2023-01-31 | 武汉依迅北斗时空技术股份有限公司 | 刹车片预警方法、装置、电子设备及存储介质 |
CN114919558A (zh) * | 2022-05-09 | 2022-08-19 | 中国第一汽车股份有限公司 | 一种摩擦蹄片的磨损监控方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111046496B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111046496A (zh) | 汽车刹车盘的磨损量评估方法、装置及电子设备 | |
CN104217094A (zh) | 用于计算结构的疲劳以及疲劳破坏的方法 | |
CN110059894B (zh) | 设备状态评估方法、装置、系统及存储介质 | |
CN111435557A (zh) | 用于检测机器部件问题的故障检测装置 | |
Oses et al. | Uncertainty reduction in measuring and verification of energy savings by statistical learning in manufacturing environments | |
CN115618269B (zh) | 基于工业传感器生产的大数据分析方法及系统 | |
CN115660513B (zh) | 一种基于水利工程渡槽变形的监测方法及系统 | |
Abou Jaoude | Analytic and linear prognostic model for a vehicle suspension system subject to fatigue | |
Wu et al. | Development of sensor placement optimization tool and application to large-span cable-stayed bridge | |
Nouri Qarahasanlou et al. | Operating environment-based availability importance measures for mining equipment (case study: sungun copper mine) | |
Matarazzo et al. | Are today’s SHM procedures suitable for tomorrow’s BIGDATA? | |
Scherbakov et al. | Destruction of Welded Metal Structures of Construction Machines Operated in Corrosive Environments | |
CN117928982A (zh) | 基于路况信息的实验平台测试方法、运维方法和存储介质 | |
Golubev et al. | Modernizing machines to extend their life | |
CN110991939A (zh) | 车辆的机油性能评价方法、装置及电子设备 | |
CN116052813A (zh) | 一种全数值驱动的实时蠕变疲劳损伤监测方法 | |
US20240144104A1 (en) | Workload performance prediction | |
Zhao et al. | An efficient method for predictive-failure-probability-based global sensitivity analysis | |
Sadhu et al. | Blind source separation-based optimum sensor placement strategy for structures | |
Park et al. | Consecutive adaptive Kriging method for high-dimensional reliability analysis based on multi-fidelity framework | |
JP6285467B2 (ja) | 保守運用支援システム、保守運用支援方法、保守運用支援プログラム | |
Arif et al. | Extreme wind load analysis using non-stationary risk-based approach | |
Lamnauer et al. | A Probabilistic-Statistical Model of Durability of Parts Under Cyclic Loading | |
Huang et al. | Parameter estimation of Gumbel distribution and its application to pitting corrosion depth of concrete girder bridges | |
Heiat et al. | A model for estimating efforts required for developing small-scale business applications |
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 |