CN111368366A - 车辆零部件健康状态分析的方法和装置、及存储介质 - Google Patents
车辆零部件健康状态分析的方法和装置、及存储介质 Download PDFInfo
- Publication number
- CN111368366A CN111368366A CN201811488423.7A CN201811488423A CN111368366A CN 111368366 A CN111368366 A CN 111368366A CN 201811488423 A CN201811488423 A CN 201811488423A CN 111368366 A CN111368366 A CN 111368366A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- parts
- parameters
- dynamic
- 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.)
- Withdrawn
Links
- 230000036541 health Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 238000007405 data analysis Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 238000011156 evaluation Methods 0.000 claims description 53
- 238000012423 maintenance Methods 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000003862 health status Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000008439 repair process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007418 data mining Methods 0.000 description 4
- 238000012827 research and development Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种车辆零部件健康状态分析的方法和装置、及存储介质，以解决相关技术中的车辆零部件相关数据来源单一导致车辆零部件健康状况分析不准确不全面的问题。所述车辆零部件健康状态分析的方法包括：通过大数据信息平台采集车辆零部件的网络数据；获取车辆运营时的零部件动态数据；基于所述网络数据和所述车辆运营时的零部件动态数据，通过预建立的数据分析动态模型进行运算处理以得到与零部件健康状态相关的指示数据；通过数据展示应用平台对所述指示数据进行可视化处理。
Description
技术领域
本公开涉及车辆零部件技术领域，具体地，涉及一种车辆零部件健康状态分析的方法和装置、及存储介质。
背景技术
随着车辆的使用越来越高，车辆零部件的分析技术也变得越来越重要。
传统的车辆零部件分析思路只局限于寿命预测或故障报警，即使考虑到采用车联网大数据的方法，也不过是从车载监控系统中采集数据进行分析判断，数据来源太单一，分析的不全面，分析结果自然就会产生偏差。而且传统的车辆零部件分析方案仅实现单一零部件的寿命预测或故障报警，无法满足当今驾驶员或车辆公司对车辆的全方位需求。
发明内容
本公开提供一种车辆零部件健康状态分析的方法和装置、及存储介质，以解决相关技术中的车辆零部件相关数据来源单一导致车辆零部件健康状况分析不准确不全面的问题。
为实现上述目的，本公开实施例的第一方面，提供一种车辆零部件健康状态分析的方法，所述方法包括：
通过大数据信息平台采集车辆零部件的网络数据；
获取车辆运营时的零部件动态数据；
基于所述网络数据和所述车辆运营时的零部件动态数据，通过预建立的数据分析动态模型进行运算处理以得到与零部件健康状态相关的指示数据；
通过数据展示应用平台对所述指示数据进行可视化处理。
可选地，所述获取车辆运营时的零部件动态数据包括：
通过设置于车辆的传感器获取车辆运营时的零部件动态数据；
将车辆运营时的所述零部件动态数据传输给所述大数据信息平台。
可选地，所述方法还包括：
建立数据分析动态模型，所述数据分析动态模型输出的指示数据为零部件健康状态指数，所述零部件健康状态指数为PHSI，则：
PHSI＝[Ks*S(t)+Kw*W(t)+Kh*H(t)+Ky*Y(t)+KjJ(t)]*100％；
所述的
所述大数据信息平台采集的有关车辆零部件的数据包括：零部件属性数据、车辆运营记录数据、维修保养记录数据、互联网评价数据；
所述的S(t)来源于零部件属性数据，W(t)来源于维修保养记录数据，H(t)来源于互联网评价数据，Y(t)来源于车辆运营记录数据，J(t)来源于车辆运营时的零部件动态数据；
其中所述S1为使用t时间后车辆零部件的实际属性参数，所述S0为车辆零部件的出厂属性参数；所述W1为使用t时间后车辆的性能评分，所述W0为车辆零部件的出厂性能评分；所述H1为当前时间点车辆零部件的评价参数，所述H0为车辆零部件的最优评价参数；所述Y1为车辆当前运营状态参数，所述Y0为车辆的最优运营状态参数；所述J1为车辆零部件当前运营时的动态参数，所述J0为车辆零部件的最优动态参数；所述Ks、Kw、Kh、Ky、Kj为各参数的影响因子，Ks+Kw+Kh+Ky+Kj＝1。
可选地，所述数据分析动态模型中：
所述
所述
所述
所述
所述
其中，所述a为被分析的来自于车辆零部件属性数据的参数的数量，所述Sa1为使用t时间后车辆零部件的实际属性参数，所述Sa0为车辆零部件的出厂属性参数；所述W2为使用t时间后车辆的维修保养参数，所述W0为车辆零部件的出厂性能评分；所述z1为车辆零部件的正面评价数，所述z0为车辆零部件的总评价数，所述H0为车辆零部件的最优评价参数；所述b为被分析的来自于车辆运营记录数据的参数的数量，所述Yb1为车辆当前运营状态参数，所述Yb0为车辆的最优运营状态参数；所述c为被分析的来自于车辆零部件动态数据的参数的数量，所述Jc1为车辆零部件当前运营时的动态参数，所述Jc0为车辆零部件的最优动态参数。
本公开实施例的第二方面，提供一种车辆零部件健康状态分析的装置，所述装置包括：
大数据信息平台，用于采集车辆零部件的网络数据；
零部件监测系统，用于获取车辆运营时的零部件动态数据；
分析运算模块，用于基于所述网络数据和所述车辆运营时的零部件动态数据，通过预建立的数据分析动态模型进行运算处理以得到与零部件健康状态相关的指示数据；
数据展示应用平台，用于对所述指示数据进行可视化处理。
可选地，所述零部件监测系统包括：
设置于车辆的传感器；
获取子模块，用于通过设置于车辆的传感器获取车辆运营时的零部件动态数据；
传输子模块，用于将车辆运营时的所述零部件动态数据传输给所述大数据信息平台。
可选地，还包括：
模型建立模块，用于建立数据分析动态模型；
所述数据分析动态模型输出的指示数据为零部件健康状态指数，所述零部件健康状态指数为PHSI，则：
PHSI＝[Ks*S(t)+Kw*W(t)+Kh*H(t)+Ky*Y(t)+KjJ(t)]*100％；
所述的
所述大数据信息平台采集的有关车辆零部件的数据包括：零部件属性数据、车辆运营记录数据、维修保养记录数据、互联网评价数据；
所述的S(t)来源于零部件属性数据，W(t)来源于维修保养记录数据，H(t)来源于互联网评价数据，Y(t)来源于车辆运营记录数据，J(t)来源于车辆运营时的零部件动态数据；
其中所述S1为使用t时间后车辆零部件的实际属性参数，所述S0为车辆零部件的出厂属性参数；所述W1为使用t时间后车辆的性能评分，所述W0为车辆零部件的出厂性能评分；所述H1为当前时间点车辆零部件的评价参数，所述H0为车辆零部件的最优评价参数；所述Y1为车辆当前运营状态参数，所述Y0为车辆的最优运营状态参数；所述J1为车辆零部件当前运营时的动态参数，所述J0为车辆零部件的最优动态参数；所述Ks、Kw、Kh、Ky、Kj为各参数的影响因子，Ks+Kw+Kh+Ky+Kj＝1。
可选地，所述模型建立模块建立的数据分析动态模型中：
所述
所述
所述
所述
所述
其中，所述a为被分析的来自于车辆零部件属性数据的参数的数量，所述Sa1为使用t时间后车辆零部件的实际属性参数，所述Sa0为车辆零部件的出厂属性参数；所述W2为使用t时间后车辆的维修保养参数，所述W0为车辆零部件的出厂性能评分；所述z1为车辆零部件的正面评价数，所述z0为车辆零部件的总评价数，所述H0为车辆零部件的最优评价参数；所述b为被分析的来自于车辆运营记录数据的参数的数量，所述Yb1为车辆当前运营状态参数，所述Yb0为车辆的最优运营状态参数；所述c为被分析的来自于车辆零部件动态数据的参数的数量，所述Jc1为车辆零部件当前运营时的动态参数，所述Jc0为车辆零部件的最优动态参数。
本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面中任一项所述方法的步骤。
本公开实施例的第四方面，提供一种车辆零部件健康状态分析的装置，其特征在于，包括：
存储器，其上存储有上述第三方面中所述的计算机可读存储介质；以及处理器，用于执行所述存储器中的所述计算机程序。
采用上述技术方案，通过大数据信息平台获取相关各个零部件网络的数据；通过车载零部件检测系统获取车辆运营过程中车辆零部件的动态数据。建立分析模型，根据大数据信息平台和零部件检测系统获取的数据计算得出与零部件健康状态相关的指示数据，最后通过数据展示应用平台将车辆零部件健康状况直观的展示出来，指导驾驶员或车辆公司对车辆进行维修保养或升级改造。至少能够达到如下技术效果：解决了相关技术中的车辆零部件相关数据来源单一导致车辆零部件健康状况分析不准确不全面的问题。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是本公开根据一示例性实施例示出的一种车辆零部件健康状态分析的方法流程图。
图2是本公开根据一示例性实施例示出的获取车辆运营时的零部件动态数据的方法流程图。
图3是本公开根据一示例性实施例示出的大数据信息平台数据来源示意图。
图4是本公开根据一示例性实施例示出的车辆零部件监测系统示意图。
图5是本公开根据一示例性实施例示出的一种车辆零部件健康状态分析的装置框图。
图6是本公开根据一示例性实施例示出的零部件监测系统装置框图。
图7是本公开根据一示例性实施例示出的一种车辆零部件健康状态分析的装置的另一框图。
图8是本公开根据一示例性实施例示出的一种车辆零部件健康状态分析的装置的另一框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
在本公开中，所述大数据信息平台指车联网信息平台，所述数据展示应用平台可以使手机、平板电脑、笔记本电脑等展示平台，本公开对此不做限定，所述车辆可以是客车、货车、私家车等车辆，本公开对此不做限定，在下文的描述中，将以数据展示平台是平板电脑，车辆是客车为例进行说明。
图1是根据一示例性实施例示出的一种车辆零部件健康状态分析的方法流程图，如图所示，该方法包括以下步骤：
S10、通过大数据信息平台采集车辆零部件的网络数据；
S20、获取车辆运营时的零部件动态数据；
S30、基于所述网络数据和所述车辆运营时的零部件动态数据，通过预建立的数据分析动态模型进行运算处理以得到与零部件健康状态相关的指示数据；
S40、通过数据展示应用平台对所述指示数据进行可视化处理。
S10中，所述大数据信息平台可以是通过多渠道来收集有关车辆零部件的大量网络数据，包括收集零部件属性数据、车辆运营记录数据、维修保养记录数据、互联网评价数据。
图3是本公开根据一示例性实施例示出的大数据信息平台数据来源示意图，如图3所示，用户通过大数据信息平台收集有关车辆零部件的全方面数据信息，所述零部件属性数据，可以是零部件的型号、零部件的规格、零部件的性能参数、零部件的生产厂商、零部件的生产日期等数据；所述车辆运营记录数据，可以是司机驾驶感受、乘客乘坐意见、运营时间长短、经常运营路段、运营区域气候温度等数据；所述维修保养记录数据，可以是零部件的使用时长、零部件的维修次数、零部件的维修深度、零部件的保养次数、零部件的受损情况等数据；所述互联网评价数据，可以是客户意见反馈、网友评价数据、网友建议等数据。以上数据只是举例，本公开不做具体限定。
同时，大数据信息平台将收集到的各方面的数据进行分类整理并进行存储。
S20中，由零部件监测系统实时采集车辆在运营中的零部件的动态数据，值得说明的是，所述零部件监测系统是通过安装在车辆零部件上的各类传感器来采集动态数据。
图2是本公开根据一示例性实施例示出的获取车辆运营时的零部件动态数据的方法流程图。
S21、通过设置于车辆的传感器获取车辆运营时的零部件动态数据；
S22、将车辆运营时的所述零部件动态数据传输给所述大数据信息平台；
S21和S22中，图4是本公开根据一示例性实施例示出的车辆零部件监测系统示意图，如图所示，位于车辆各零部件上的各类传感器如温度传感器、电压传感器、电流传感器等，采集车辆运营中零部件的动态数据，包括温度数据、电流数据、电压数据等，每相隔一定的时间，各类传感器将采集到的动态数据通过CAN网传输给网关，然后，网关再在一定的相隔时间内通过CAN网将接收到的所述动态数据传输给车载终端，最后，车载终端通过无线网络将接收到的所述动态数据传输给车联网信息平台进行分类存储。其中，相隔时间自行设定。
值得说明的是，所述各类传感器、所述网关、所述车载终端之间的数据传输并不局限于CAN网，还可以通过其他能达到目的的手段实施，本公开不做限定；所述车载终端与所述车联网信息平台之间的无线网络连接可以是4G网、5G网、WIFI、蓝牙等方式，本公开不做限定。
S30中，基于所述网络数据和所述车辆运营时的零部件动态数据，按照预先建立好的运算公式进行分析运算，输出处理结果，得到与零部件健康状态相关的指示数据，以应用于生产、研发、售后、运营等车辆的各个环节中。
本步骤中，要用到的数据分析动态模型为已经建立好的运算公式，运算公式的建立如下:
建立数据分析动态模型，所述数据分析动态模型输出的指示数据为零部件健康状态指数，所述零部件健康状态指数为PHSI，则：
PHSI＝[Ks*S(t)+Kw*W(t)+Kh*H(t)+Ky*Y(t)+KjJ(t)]*100％；
所述的
所述大数据信息平台采集的有关车辆零部件的数据包括：零部件属性数据、车辆运营记录数据、维修保养记录数据、互联网评价数据；
所述的S(t)来源于零部件属性数据，W(t)来源于维修保养记录数据，H(t)来源于互联网评价数据，Y(t)来源于车辆运营记录数据，J(t)来源于车辆运营时的零部件动态数据；
其中所述S1为使用t时间后车辆零部件的实际属性参数，所述S0为车辆零部件的出厂属性参数；所述W1为使用t时间后车辆的性能评分，所述W0为车辆零部件的出厂性能评分；所述H1为当前时间点车辆零部件的评价参数，所述H0为车辆零部件的最优评价参数；所述Y1为车辆当前运营状态参数，所述Y0为车辆的最优运营状态参数；所述J1为车辆零部件当前运营时的动态参数，所述J0为车辆零部件的最优动态参数；所述Ks、Kw、Kh、Ky、Kj为各参数的影响因子，Ks+Kw+Kh+Ky+Kj＝1。
可选地，所述数据分析动态模型中：
所述
所述
所述
所述
所述
其中，所述a为被分析的来自于车辆零部件属性数据的参数的数量，所述Sa1为使用t时间后车辆零部件的实际属性参数，所述Sa0为车辆零部件的出厂属性参数；所述W2为使用t时间后车辆的维修保养参数，所述W0为车辆零部件的出厂性能评分；所述z1为车辆零部件的正面评价数，所述z0为车辆零部件的总评价数，所述H0为车辆零部件的最优评价参数；所述b为被分析的来自于车辆运营记录数据的参数的数量，所述Yb1为车辆当前运营状态参数，所述Yb0为车辆的最优运营状态参数；所述c为被分析的来自于车辆零部件动态数据的参数的数量，所述Jc1为车辆零部件当前运营时的动态参数，所述Jc0为车辆零部件的最优动态参数。
其中，所述最优评价参数为在某车辆零部件同一品牌同一规格的产品的最好的评价参数。
所述Sa1可以通过对车辆零部件进行实时检查获取，所述Sa0可以通过车辆厂商记录数据、车辆数据手册或网络数据获取。
所述W0可以通过车辆厂商记录数据、车辆数据手册或网络数据获取，所述W2可以通过车主的记录获取，也可以通过4S店的车辆维修保养记录数据和网络数据获取。
所述z1可以通过网络数据获取，所述z0可以通过网络数据获取。
所述Yb1可以通过车主的记录或网络数据获取，也可以通过查询车辆常跑路段的情况或地区的天气情况获取，所述Yb0可以通过车主的记录或网络数据获取，也可以通过查询车辆常跑路段的情况或地区的天气情况获取。
所述Jc1可以通过零部件监测系统获取，所述Jc0可以通过车辆厂商记录数据、车辆数据手册或网络数据获取，也可以通过零部件监测系统获取。
通过计算车辆零部件出厂时的PHSI和车辆零部件报废时的PHSI可得到车辆零部件健康状况的分布区域。
可选地，还可根据对应车型反馈匹配零部件的建议参数、计算零部件的使用寿命指数、计算故障发生指数等。
理解为，某车型或许有其特殊的参数会影响所述车型的健康状态指数，则在对所述车型进行健康状态分析时，需要将所述特殊的参数加入到上述健康状态指数计算的公式中进行针对性的计算，即除了上述说到的S(t)、W(t)、H(t)、Y(t)、J(t)参数和说到的Ks、Kw、Kh、Ky、Kj影响因子时，还要加入所述车型的特殊参数和对应所述参数的影响因子。
可选地，还可以根据所述数据分析动态模型输出的所述零部件健康状态指数、实际维修报废情况和零部件的改进情况等，优化各参数对应的影响因子。
理解为，随着时间的变化，车辆零部件的生产情况、材质情况和应用情况会发生变化，则在进行车辆健康状态分析时，要及时更新零部件的更改情况，根据这些更改情况重新设置各影响因子的值。同时还会存在健康状态指数的结果与实际情况中车辆零部件的维修报废情况存在较大差异，这时也需要根据健康状态指数和实际维修报废情况重新设置各影响因子的值。
例如，计算一种已使用2年的客车轮胎健康指数，其中轮胎未经过更换，且轮胎品牌为米其林，计算分析如下：
在保证Ks+Kw+Kh+Ky+Kj＝1及科学的前提下，基于该轮胎的零部件属性、维修保养记录、互联网评价、车辆运营记录和车辆动态运营情况等数据，可定义各影响因子：Ks＝0.3，Kw＝0.2，Kh＝0.15，Ky＝0.15，Kj＝0.2；
再基于该轮胎的零部件属性数据、维修保养记录数据、互联网评价数据、车辆运营记录数据和车辆运营时的零部件动态数据得到如下参数公式：
其中，
其中，
其中，
其中，所述
所述最优正评率为在同一品牌统一规格的轮胎中的最高的正评率；
其中，
其中，所述
其中，
所述S(t)中，所述出厂轮胎花纹深度和所述出厂轮胎圆度可以通过车辆厂商记录数据、车辆数据手册或网络数据获取，所述当前轮胎花纹深度和所述当前轮胎圆度可以通过对轮胎进行实时检查获取。
所述W(t)中，所述出厂评分可以通过车辆厂商记录数据、车辆数据手册或网络数据获取，通常可以默认为100分，所述维修次数、大修和小修可以通过车主的记录获取，也可以通过4S店的车辆维修保养记录数据和网络数据获取。
所述H(t)中，所述最优正评率和所述当前时间点的正评率可以通过网络数据获取。
所述Y(t)中，所述当前司机驾驶满意度和所述乘客乘坐满意度可以通过车主的记录或网络数据获取，所述优良运营里程率可以通过车主的记录或网络数据获取，也可以通过查询车辆常跑路段的情况或地区的天气情况获取。
所述J(t)中，所述最优胎压数据和所述最优温度数据可以通过车辆厂商记录数据、车辆数据手册或网络数据获取，也可以通过零部件监测系统获取，所述当前胎压平均数或所述当前轮胎温度平均值可以通过零部件监测系统获取。
假设经过网络、汽车4S店以及车辆厂商等的数据收集，上述参数计算得到：S(t)＝0.85，W(t)＝0.91，H(t)＝0.95，Y(t)＝0.92，J(t)＝0.96。
则：PHSI(轮胎)＝Ks*S(t)+Kw*W(t)+Kh*H(t)+Ky*Y(t)+KjJ(t)＝0.85*0.3+0.91*0.2+0.95*0.15+0.92*0.15+0.96*0.2＝90.95％
可以得出该客车轮胎的健康状态指数为90.95％，根据所述客车轮胎出厂时的PHSI和同品牌同类型同规格客车轮胎报废时的PHSI可得到客车轮胎健康状况的分布区域，将所述运算得到的健康状态指数90.95％放在健康状况的分布区域里对比，可给出建议与报警。如所述客车轮胎的健康状况分布区域为：
60％及以下，健康情况为差，进行危险报警，建议谨慎驾驶并及时更换该零部件或其他建议；
60％-70％，健康情况为及格，不用报警，建议谨慎驾驶并对该零部件进行深层次维修与保养，或更换该零部件或其他建议；
70％-90％，健康情况为良，不用报警，建议谨慎驾驶并对该零部件进行维修与保养或其他建议；
90％及以上，健康情况为优，不用报警，该零部件状况好，建议谨慎驾驶，进行定期的保养与维修或其他建议。
由以上数据可知，所述客车轮胎的健康状态指数为90.95％，90.95％处于90％及以上的区间内，健康情况为优，不用报警，该零部件状况好，建议谨慎驾驶，进行定期的保养与维修或其他建议。
S40中，通过平板电脑对S30中得到的健康状态指数90.95％进行可视化处理，让需求者能直观全面的查看不同因素对零部件健康状态的影响程度，进而实现科学化的应用。如通过平板电脑将所述车辆零部件的分析运算结果和建议显示出来。如对所述客车轮胎的分析情况进行直观展示，可以展示如下内容；
所述客车轮胎的零部件属性数据的分析运算结果，即展示S(t)的结果，如展示所述客车轮胎的轮胎花纹深度变化情况，如所述轮胎花纹深度变化较大，即说明所述轮胎磨损较严重。
所述客车轮胎的维修保养记录数据的分析运算结果，即展示W(t)的结果，如展示所述客车轮胎维修3次且3次都是大修后的整体评分比率，由上述的公式可以得到维修3次且3次都是大修后整体评分比率为0.94，平分比率越高，则说明所述客车轮胎的损坏不严重。
所述客车轮胎的互联网评价数据的分析运算结果，即展示H(t)的结果，如当前时间点所述客车轮胎的正评率与最优正评率的比率，通过这个比率可以看出在当前时间所述客车轮胎在同一品牌同一规格的轮胎中的正评情况。
所述客车轮胎的车辆运营记录数据的分析运算结果，即展示Y(t)的结果，如展示所述客车轮胎的优良运营里程率，即优良运营里程率＝(总行驶里程-恶劣情况行驶里程)/总行驶里程，假如所述总行驶里程为100公里，所述恶劣情况行驶里程为40公里，则所述优良运营里程率为0.6。
所述客车轮胎的车辆运营时的零部件动态数据的分析运算结果，即展示J(t)的结果，如展示所述客车轮胎运营时的温度情况，若温度变化大或温度过高等，则说明所述客车轮胎的受损比较严重。
最后展示以上情况带入健康状况分析指数的公式得出的健康状况指数，并将所述运算得到的健康状态指数放在健康状况的分布区域里对比，展示出对比情况和最终建议等。本公开在零部件的研发设计方面，通过大数据信息平台分析处理后得出的各项指数，结合车辆研发设计的各项指标与重要参数进行数据挖掘，根据挖掘结果进行分析，得出分析结果，根据分析结果针对不同地区不同类型的车辆，指导相应零部件的研发或改善。
本公开在运营车辆服务方面，将大数据信息平台分析处理后得出的各项指数结合车辆服务的各项指标与重要参数进行数据挖掘，根据挖掘结果进行分析，得出分析结果，将分析结果应用到零部件故障的预警、计算零部件的剩余寿命、规范司机的驾驶行为等。
本公开在车辆售后维修保养方面，将大数据信息平台分析处理后得出的各项指数结合车辆维修保养的各项指标与重要参数进行数据挖掘，根据挖掘结果进行分析，得出分析结果，根据分析结果可以提前了解零部件的健康状况，从而在未发生车辆报废甚至引发事故之前，及时维修或者更换零部件，保证行驶安全。
以上三个方面的应用均是通过将大数据信息平台分析处理后得出的各项指数与不同应用方面的各项指标和重要参数结合起来进行数据的挖掘与结果的分析，现有技术可以实现该技术，故本公开对此不作阐述。
图5是本公开根据一示例性实施例示出的一种车辆零部件健康状态分析装置100框图，本装置用于实现上述方法S10-S40步骤。
由图可知，该车辆零部件健康状态分析装置100包括：
大数据信息平台101，用于采集车辆零部件的网络数据；
零部件监测系统102，用于获取车辆运营时的零部件动态数据；
分析运算模块103，用于基于所述网络数据和所述车辆运营时的零部件动态数据，通过预建立的数据分析动态模型进行运算处理以得到与零部件健康状态相关的指示数据；
数据展示应用平台104，用于对所述指示数据进行可视化处理。
图6是本公开根据一示例性实施例示出的零部件监测系统装置框图，本装置用于实现上述方法S21-S22步骤。
由图可知，零部件监测系统102包括：
设置于车辆的传感器1021；
获取子模块1022，用于通过设置于车辆的传感器获取车辆运营时的零部件动态数据；
传输子模块1023，用于将车辆运营时的所述零部件动态数据传输给所述大数据信息平台。
图7是本公开根据一示例性实施例示出的一种车辆零部件健康状态分析装置100的另一框图。
由图可知，车辆零部件健康状态分析装置100还包括模型建立模块105，用于建立数据分析动态模型。
所述数据分析动态模型输出的指示数据为零部件健康状态指数，所述零部件健康状态指数为PHSI，则：
PHSI＝[Ks*S(t)+Kw*W(t)+Kh*H(t)+Ky*Y(t)+KjJ(t)]*100％；
所述的
所述大数据信息平台采集的有关车辆零部件的数据包括：零部件属性数据、车辆运营记录数据、维修保养记录数据、互联网评价数据；
所述的S(t)来源于零部件属性数据，W(t)来源于维修保养记录数据，H(t)来源于互联网评价数据，Y(t)来源于车辆运营记录数据，J(t)来源于车辆运营时的零部件动态数据；
其中所述S1为使用t时间后车辆零部件的实际属性参数，所述S0为车辆零部件的出厂属性参数；所述W1为使用t时间后车辆的性能评分，所述W0为车辆零部件的出厂性能评分；所述H1为当前时间点车辆零部件的评价参数，所述H0为车辆零部件的最优评价参数；所述Y1为车辆当前运营状态参数，所述Y0为车辆的最优运营状态参数；所述J1为车辆零部件当前运营时的动态参数，所述J0为车辆零部件的最优动态参数；所述Ks、Kw、Kh、Ky、Kj为各参数的影响因子，Ks+Kw+Kh+Ky+Kj＝1。
可选地，所述模型建立模块建立的数据分析动态模型中：
所述
所述
所述
所述
所述
其中，所述a为被分析的来自于车辆零部件属性数据的参数的数量，所述Sa1为使用t时间后车辆零部件的实际属性参数，所述Sa0为车辆零部件的出厂属性参数；所述W2为使用t时间后车辆的维修保养参数，所述W0为车辆零部件的出厂性能评分；所述z1为车辆零部件的正面评价数，所述z0为车辆零部件的总评价数，所述H0为车辆零部件的最优评价参数；所述b为被分析的来自于车辆运营记录数据的参数的数量，所述Yb1为车辆当前运营状态参数，所述Yb0为车辆的最优运营状态参数；所述c为被分析的来自于车辆零部件动态数据的参数的数量，所述Jc1为车辆零部件当前运营时的动态参数，所述Jc0为车辆零部件的最优动态参数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
图8是本公开根据一示例性实施例示出的一种车辆零部件健康状态分析的装置的框图。如图8所示，该装置200可以包括：处理器201，存储器202，多媒体组件203，输入/输出(I/O)接口204，以及通信组件205。
其中，处理器201用于控制该装置200的整体操作，以完成上述的车辆零部件健康状态分析的方法中的全部或部分步骤。存储器202用于存储各种类型的数据以支持在该装置200的操作，这些数据例如可以包括用于在该装置200上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器202可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-OnlyMemory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件203可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器202或通过通信组件205发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口204为处理器201和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件205用于该装置200与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near Field Communication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件205可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，装置200可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的车辆零部件健康状态分析的方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，例如包括程序指令的存储器202，上述程序指令可由装置200的处理器201执行以完成上述的车辆零部件健康状态分析的方法。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。
Claims (10)
1.一种车辆零部件健康状态分析的方法，其特征在于，包括：
通过大数据信息平台采集车辆零部件的网络数据；
获取车辆运营时的零部件动态数据；
基于所述网络数据和所述车辆运营时的零部件动态数据，通过预建立的数据分析动态模型进行运算处理以得到与零部件健康状态相关的指示数据；
通过数据展示应用平台对所述指示数据进行可视化处理。
2.根据权利要求1所述的方法，其特征在于，所述获取车辆运营时的零部件动态数据包括：
通过设置于车辆的传感器获取车辆运营时的零部件动态数据；
将车辆运营时的所述零部件动态数据传输给所述大数据信息平台。
3.根据权利要求1所述的方法，其特征在于，还包括：
建立数据分析动态模型，所述数据分析动态模型输出的指示数据为零部件健康状态指数，所述零部件健康状态指数为PHSI，则：
PHSI＝[Ks*S(t)+Kw*W(t)+Kh*H(t)+Ky*Y(t)+KjJ(t)]*100％；
所述的
所述大数据信息平台采集的有关车辆零部件的数据包括：零部件属性数据、车辆运营记录数据、维修保养记录数据、互联网评价数据；
所述的S(t)来源于零部件属性数据，W(t)来源于维修保养记录数据，H(t)来源于互联网评价数据，Y(t)来源于车辆运营记录数据，J(t)来源于车辆运营时的零部件动态数据；
其中所述S1为使用t时间后车辆零部件的实际属性参数，所述S0为车辆零部件的出厂属性参数；所述W1为使用t时间后车辆的性能评分，所述W0为车辆零部件的出厂性能评分；所述H1为当前时间点车辆零部件的评价参数，所述H0为车辆零部件的最优评价参数；所述Y1为车辆当前运营状态参数，所述Y0为车辆的最优运营状态参数；所述J1为车辆零部件当前运营时的动态参数，所述J0为车辆零部件的最优动态参数；所述Ks、Kw、Kh、Ky、Kj为各参数对应的影响因子，Ks+Kw+Kh+Ky+Kj＝1。
4.根据权利要求3所述的方法，其特征在于，所述数据分析动态模型中：
所述
所述
所述
所述
所述
其中，所述a为被分析的来自于车辆零部件属性数据的参数的数量，所述Sa1为使用t时间后车辆零部件的实际属性参数，所述Sa0为车辆零部件的出厂属性参数；所述W2为使用t时间后车辆的维修保养参数，所述W0为车辆零部件的出厂性能评分；所述z1为车辆零部件的正面评价数，所述z0为车辆零部件的总评价数，所述H0为车辆零部件的最优评价参数；所述b为被分析的来自于车辆运营记录数据的参数的数量，所述Yb1为车辆当前运营状态参数，所述Yb0为车辆的最优运营状态参数；所述c为被分析的来自于车辆零部件动态数据的参数的数量，所述Jc1为车辆零部件当前运营时的动态参数，所述Jc0为车辆零部件的最优动态参数。
5.一种车辆零部件健康状态分析的装置，其特征在于，包括：
大数据信息平台，用于采集车辆零部件的网络数据；
零部件监测系统，用于获取车辆运营时的零部件动态数据；
分析运算模块，用于基于所述网络数据和所述车辆运营时的零部件动态数据，通过预建立的数据分析动态模型进行运算处理以得到与零部件健康状态相关的指示数据；
数据展示应用平台，用于对所述指示数据进行可视化处理。
6.根据权利要求5所述的装置，其特征在于，所述零部件监测系统包括：
设置于车辆的传感器；
获取子模块，用于通过设置于车辆的传感器获取车辆运营时的零部件动态数据；
传输子模块，用于将车辆运营时的所述零部件动态数据传输给所述大数据信息平台。
7.根据权利要求5所述的装置，其特征在于，还包括：
模型建立模块，用于建立数据分析动态模型；
所述数据分析动态模型输出的指示数据为零部件健康状态指数，所述零部件健康状态指数为PHSI，则：
PHSI＝[Ks*S(t)+Kw*W(t)+Kh*H(t)+Ky*Y(t)+KjJ(t)]*100％；
所述的
所述大数据信息平台采集的有关车辆零部件的数据包括：零部件属性数据、车辆运营记录数据、维修保养记录数据、互联网评价数据；
所述的S(t)来源于零部件属性数据，W(t)来源于维修保养记录数据，H(t)来源于互联网评价数据，Y(t)来源于车辆运营记录数据，J(t)来源于车辆运营时的零部件动态数据；
其中所述S1为使用t时间后车辆零部件的实际属性参数，所述S0为车辆零部件的出厂属性参数；所述W1为使用t时间后车辆的性能评分，所述W0为车辆零部件的出厂性能评分；所述H1为当前时间点车辆零部件的评价参数，所述H0为车辆零部件的最优评价参数；所述Y1为车辆当前运营状态参数，所述Y0为车辆的最优运营状态参数；所述J1为车辆零部件当前运营时的动态参数，所述J0为车辆零部件的最优动态参数；所述Ks、Kw、Kh、Ky、Kj为各参数的影响因子，Ks+Kw+Kh+Ky+Kj＝1。
8.根据权利要求7所述的装置，其特征在于，所述模型建立模块建立的数据分析动态模型中：
所述
所述
所述
所述
所述
其中，所述a为被分析的来自于车辆零部件属性数据的参数的数量，所述Sa1为使用t时间后车辆零部件的实际属性参数，所述Sa0为车辆零部件的出厂属性参数；所述W2为使用t时间后车辆的维修保养参数，所述W0为车辆零部件的出厂性能评分；所述z1为车辆零部件的正面评价数，所述z0为车辆零部件的总评价数，所述H0为车辆零部件的最优评价参数；所述b为被分析的来自于车辆运营记录数据的参数的数量，所述Yb1为车辆当前运营状态参数，所述Yb0为车辆的最优运营状态参数；所述c为被分析的来自于车辆零部件动态数据的参数的数量，所述Jc1为车辆零部件当前运营时的动态参数，所述Jc0为车辆零部件的最优动态参数。
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，该程序被处理器执行时实现权利要求1至4中任一项所述方法的步骤。
10.一种车辆零部件健康状态分析的装置，其特征在于，包括：
存储器，其上存储有计算机程序；以及
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1至4中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811488423.7A CN111368366A (zh) | 2018-12-06 | 2018-12-06 | 车辆零部件健康状态分析的方法和装置、及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811488423.7A CN111368366A (zh) | 2018-12-06 | 2018-12-06 | 车辆零部件健康状态分析的方法和装置、及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111368366A true CN111368366A (zh) | 2020-07-03 |
Family
ID=71209722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811488423.7A Withdrawn CN111368366A (zh) | 2018-12-06 | 2018-12-06 | 车辆零部件健康状态分析的方法和装置、及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111368366A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417861A (zh) * | 2020-11-06 | 2021-02-26 | 明觉科技（北京）有限公司 | 车辆数据清洗方法、装置及存储介质 |
| CN113196230A (zh) * | 2021-03-24 | 2021-07-30 | 华为技术有限公司 | 终端升级的方法及装置 |
| WO2022012837A1 (fr) * | 2020-07-15 | 2022-01-20 | Vitesco Technologies GmbH | Procede et systeme de maintenance predictive |
| WO2022237266A1 (zh) * | 2021-05-13 | 2022-11-17 | 北京车和家信息技术有限公司 | 车辆保养信息的确定方法、装置、设备及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046088A (zh) * | 2015-08-10 | 2015-11-11 | 彩虹无线（北京）新技术有限公司 | 一种基于知识库的汽车远程智能诊断方法和系统 |
| US9846978B1 (en) * | 2016-06-15 | 2017-12-19 | Ford Global Technologies, Llc | Remaining useful life estimation of vehicle component |
| CN108229832A (zh) * | 2018-01-17 | 2018-06-29 | 东南大学 | 基于道路运营测试和模糊层次法的纯电动公交车选型方法 |
-
2018
- 2018-12-06 CN CN201811488423.7A patent/CN111368366A/zh not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046088A (zh) * | 2015-08-10 | 2015-11-11 | 彩虹无线（北京）新技术有限公司 | 一种基于知识库的汽车远程智能诊断方法和系统 |
| US9846978B1 (en) * | 2016-06-15 | 2017-12-19 | Ford Global Technologies, Llc | Remaining useful life estimation of vehicle component |
| CN108229832A (zh) * | 2018-01-17 | 2018-06-29 | 东南大学 | 基于道路运营测试和模糊层次法的纯电动公交车选型方法 |
Non-Patent Citations (1)
| Title |
|---|
| 韩跃进: "汽车电器设备故障分析及诊断策略", 《电子技术与软件工程》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022012837A1 (fr) * | 2020-07-15 | 2022-01-20 | Vitesco Technologies GmbH | Procede et systeme de maintenance predictive |
| FR3112622A1 (fr) * | 2020-07-15 | 2022-01-21 | Vitesco Technologies | Procédé et système de maintenance prédictive |
| CN112417861A (zh) * | 2020-11-06 | 2021-02-26 | 明觉科技（北京）有限公司 | 车辆数据清洗方法、装置及存储介质 |
| CN113196230A (zh) * | 2021-03-24 | 2021-07-30 | 华为技术有限公司 | 终端升级的方法及装置 |
| WO2022237266A1 (zh) * | 2021-05-13 | 2022-11-17 | 北京车和家信息技术有限公司 | 车辆保养信息的确定方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111368366A (zh) | 车辆零部件健康状态分析的方法和装置、及存储介质 | |
| US20210042841A1 (en) | Systems and methods for maintaining a distributed ledger pertaining to smart contracts | |
| CN103209220B (zh) | 基于车联网的车辆抛锚智慧服务系统的服务方法 | |
| US20140322676A1 (en) | Method and system for providing driving quality feedback and automotive support | |
| US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
| CN109754595B (zh) | 车辆风险的评估方法、装置及接口设备 | |
| DE102018108050A1 (de) | Verfahren und vorrichtung zur bestimmung der verbleibenden lebensdauer eines reifens basierend auf daten der strassenschwingungen und reifenprofiltiefe | |
| CN104777762A (zh) | 一种车载系统监测方法及其终端 | |
| CN105303645A (zh) | 一种车载设备、行车监控系统及方法 | |
| CN105139648A (zh) | 驾驶习惯数据生成方法及系统 | |
| TW201741976A (zh) | 交通工具資料處理方法、裝置和終端設備 | |
| US10984479B1 (en) | System and method for tracking the operation of a vehicle and/or the actions of a driver | |
| JP7346397B2 (ja) | 侵入地点特定装置、および、侵入地点特定方法 | |
| CN103543252A (zh) | 使用多个预先选择的油性质来确定发动机油的变质状态的系统和方法 | |
| US20230281744A1 (en) | Vehicle rating system | |
| CN108556770A (zh) | 车辆性能监测系统的实现方法、系统以及可读存储介质 | |
| CN113423063B (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
| DE102015221389A1 (de) | Schnittstellenvorrichtung, Fahrzeugprüfvorrichtung, die sich mit der Schnittstellenvorrichtung verbindet, und Steuerverfahren der Fahrzeugprüfvorrichtung | |
| CN203133605U (zh) | 一种基于汽车经销商管理系统的远程诊断系统装置 | |
| CN106394445A (zh) | 一种车辆故障监测提示方法及系统 | |
| CN104916099A (zh) | 一种维护车辆健康的系统和方法 | |
| CN111291916A (zh) | 驾驶行为安全性预测方法、装置、电子设备及存储介质 | |
| CN108810850A (zh) | 车载故障播报系统、方法、设备及存储介质 | |
| Weis et al. | Rapid deployment of IoT enabled system for automobile fuel range and gas price location | |
| US10528989B1 (en) | Vehicle rating 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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200703 |
|
| WW01 | Invention patent application withdrawn after publication |