CN111624433A - 纯电动汽车状态评估方法、系统及计算机可读取存储介质 - Google Patents
纯电动汽车状态评估方法、系统及计算机可读取存储介质 Download PDFInfo
- Publication number
- CN111624433A CN111624433A CN202010651268.7A CN202010651268A CN111624433A CN 111624433 A CN111624433 A CN 111624433A CN 202010651268 A CN202010651268 A CN 202010651268A CN 111624433 A CN111624433 A CN 111624433A
- Authority
- CN
- China
- Prior art keywords
- state
- automobile
- information
- parameter
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
- G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Abstract
本发明提供了一种纯电动汽车状态评估方法,包括:从多个汽车结构采集传感数据;获取多个状态数据阈值,将传感数据与状态阈值范围进行匹配,分析汽车状态;当传感数据处于第一阈值范围时,确认汽车状态处于第一状态。整体上,从汽车的多个结构中,分别搜集信息,形成传感数据,再通过将传感数据与预设的信息进行对比获取汽车状态。在电动汽车中,电池、驱动电机及车体之间存在一定的关联度,通过实时监控的方式,高精度地检测到这些汽车结构的变化情况。由于在一定范围内的变化不会影响汽车状态,因而可以设定阈值,对这些传感数据进行分类,然后根据汽车不同结构的状态对汽车进行评价。
Description
技术领域
本发明涉及汽车状态评估,尤其是指一种纯电动汽车状态评估方法、系统及计算机可读存储介质。
背景技术
纯电动汽车作为国家重点发展的产业,是未来汽车发展的主要趋势。近些年,随着国家的有关政策和指导意见的出台,纯电动汽车的发展受到广泛关注。为了判断纯电动汽车车辆的可靠性,车辆各项状态数据信息的监测与评估则成为了最重要的环节之一。而随着技术的不断进步与需求的日益变化,单纯使用某一数据对电动汽车的评价准确度较低,难以对运行状态下的汽车行正确评估,可能因此对用户的人身安全带来一定的影响。
发明内容
本发明所要解决的技术问题是:提供一种纯电动汽车状态评估方法、系统及计算机可读存储介质,用以正确评价汽车状态,避免因为硬件结构而导致的汽车问题。
为了解决上述技术问题,本发明采用的技术方案为:一种纯电动汽车状态评估方法,方法包括如下步骤:从多个汽车结构采集传感数据,其中,传感数据包括第一汽车电池信息、第一驱动电机信息及第一车体信息;获取多个状态数据阈值,将传感数据与状态阈值范围进行匹配,分析汽车状态;当传感数据处于第一阈值范围时,确认汽车状态处于第一状态。
进一步地,当所述传感数据处于所述第二阈值范围时,所述汽车状态为第二状态,所述方法还包括:
对所述传感数据进行分析,筛选出目标汽车结构信息;
根据所述目标汽车结构状态信息,生成维护建议。
进一步地,当所述传感数据处于所述第三阈值范围时,所述汽车状态为第三状态,所述方法还包括:
在预设时间后,从所述多个汽车结构采集验证数据,其中,所述验证数据包括第二汽车电池信息、第二驱动电机信息及第二车体信息;
根据所述验证数据,提取运动数据;
若所述运动数据表明汽车仍可运行,根据所述验证数据修正所述汽车状态为第二状态;
其中,所述运动数据包括车体运行速度及加速度中的至少一项。
进一步地,所述根据所述验证数据修正所述汽车状态为第二状态的步骤之后,所述方法还包括如下步骤:
根据所述验证数据,对所述汽车结构进行分析,获取误判因素;
根据所述误判因素,修正所述第二阈值范围及所述第三阈值范围。
其中,当所述运动数据表明汽车故障时,所述方法还包括如下步骤:
根据所述传感数据及所述验证数据,确定故障结构;
对所述故障结构进行故障分析,获取故障类型;
根据所述故障类型,生成维修建议。
具体的,所述根据所述误判因素,修正所述第二阈值范围及所述第三阈值范围的步骤中,包括:
根据所述误判因素,建立汽车模型;
应用所述汽车模型进行神经网络训练,获取修正数据;
根据所述修正数据,对所述第二阈值范围及所述第三阈值范围进行调整。
可选地,所述第一汽车电池信息包括电路参数组合信息,所述状态数据阈值包括预设电池组别信息,
所述获取多个状态数据阈值,将所述传感数据与所述状态阈值范围进行匹配,分析汽车状态的步骤中,具体包括:
将所述电路参数组合信息与所述电池参数组别信息进行对比,确认所述电池组别;
根据所述电池组别,分析所述汽车状态;
其中,所述电路参数组合信息包括电压参数、电流参数、电阻参数及充放电状态参数;
其中,在不同的所述电池组别中,所述电压参数、所述电流参数、所述电阻参数及所述充放电状态参数中的一项或多项不同。
可选地,所述第一驱动电机信息包括驱动参数组合信息,所述状态数据阈值包括预设驱动组别信息,
所述获取多个状态数据阈值,将所述传感数据与所述状态阈值范围进行匹配,分析汽车状态的步骤中,还包括:
将所述驱动参数组合信息与所述预设驱动组别信息进行对比,确认所述驱动组别;
根据所述驱动组别及所述电池组别,分析所述汽车状态;
其中,所述驱动参数组合信息包括转速参数、扭矩参数、转子状态参数及偏心现象参数;
其中,在不同的所述驱动组别中,所述转速参数、所述扭矩参数、所述转子状态参数及所述偏心现象参数中的一项或多项不同。
本发明第二方面提供一种纯电动汽车状态评估系统,所述系统包括:
获取模块,用于从多个汽车结构采集传感数据,其中,所述传感数据包括第一汽车电池信息、第一驱动电机信息及第一车体信息;
比较模块,用于获取多个状态数据阈值,将所述传感数据与所述状态阈值范围进行匹配,分析汽车状态;
判断模块,用于当所述传感数据处于所述第一阈值范围时,确认所述汽车状态处于第一状态。
本发明第三方面提供了一种计算机可读取存储介质,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行所述的方法。
本发明的有益效果在于:整体上,从汽车的多个结构中,分别搜集信息,形成传感数据,再通过将传感数据与预设的信息进行对比获取汽车状态。在电动汽车中,电池、驱动电机及车体之间存在一定的关联度,通过实时监控的方式,高精度地检测到这些汽车结构的变化情况。由于在一定范围内的变化不会影响汽车状态,因而可以设定阈值,对这些传感数据进行分类,然后根据汽车不同结构的状态对汽车进行评价。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明的第一实施例中纯电动汽车状态评估方法的流程图;
图2为本发明的第二实施例中分析汽车状态的流程图;
图3为本发明的第三实施例中分析汽车状态的流程图;
图4为本发明的第四实施例中判断传感数据处于第二阈值范围的流程图;
图5为本发明的第五实施例中判断传感数据处于第三阈值范围的流程图;
图6为本发明的第六实施例中修正第二阈值范围及第三阈值范围的整体流程图;
图7为本发明的第七实施例中修正第二阈值范围及第三阈值范围的流程图;
图8为本发明的第八实施例中生成维修建议的流程图;
图9为本发明的第一实施例中纯电动汽车状态评估系统。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果,以下结合实施方式并配合附图详予说明。
请参阅图1,图1为本发明的第一实施例中纯电动汽车状态评估方法的流程图。本发明提供了一种纯电动汽车状态评估方法,包括如下步骤:
步骤S100、从多个汽车结构采集传感数据,其中,传感数据包括第一汽车电池信息、第一驱动电机信息及第一车体信息。
步骤S200、获取多个状态数据阈值,将传感数据与状态阈值范围进行匹配,分析汽车状态;
步骤S300、当传感数据处于第一阈值范围时,确认汽车状态处于第一状态。
本发明的有益效果在于:从汽车的多个结构中,分别搜集信息,形成传感数据,再通过将传感数据与预设的信息进行对比获取汽车状态。因为在电动汽车中,电池、驱动电机及车体之间存在一定的关联度,通过实时监控的方式,高精度地检测到这些汽车结构的变化情况,可以从这些关联结构中推导出不同结构所存在的问题。由于在一定范围内的变化不会影响汽车状态,因而可以设定阈值,对这些传感数据进行分类,然后根据汽车不同结构的状态对汽车进行评价。
在具体的实施例中,步骤S100、从多个汽车结构采集传感数据,其中,传感数据包括第一汽车电池信息、第一驱动电机信息及第一车体信息。
本实施例中,汽车上各个位置的分别设置有至少一个传感器,这些传感器在汽车的对应结构上,分别采集第一汽车电池信息、第一驱动电机信息及第一车体信息。由于获取了三个汽车结构的信息,可以形成一定的冗余信息,通过一个汽车结构,对另一个汽车结构进行监测,有助于准确汽车状态的判断。
步骤S200、获取多个状态数据阈值,将传感数据与状态阈值范围进行匹配,分析汽车状态。
上述中的第一汽车电池信息包括电路参数组合信息,状态数据阈值包括预设电池组别信息。请参阅图2,图2为本发明的第二实施例中分析汽车状态的流程图。步骤S200具体包括:
步骤S210、将电路参数组合信息与电池参数组别信息进行对比,确认电池组别。
本实施例中,将电路参数组合信息作为匹配值,将电路参数组合信息作为判断信息,用组合信息而不是单独的一个电路参数来进行匹配,从多个参数的结合对整体的电池状态进行组别判断。
上述电路参数组合信息包括电压参数、电流参数、电阻参数及充放电状态参数;其中,在不同的电池组别中,电压参数、电流参数、电阻参数及充放电状态参数中的一项或多项不同。
可以理解的是,在预设的不同电池组别中,将电压参数、电流参数、电阻参数、充放电状态参数可以是相应的参数范围,而充放电状态参数还可以是一个布尔变量。
其中,电池组别至少有两电池组,电池第一状态组表示电路产生异常,电池第二状态组表示电路正常。电池组别也可以有三个电池组,电池第一状态组表示电路正常,电池第二状态组表示电路存在不严重的异常,电池第三状态组表示电路存在严重异常。电池组别也可以有很多个电池组,这些电池组可以是表示电路的受损程度,也可以是显示电路损坏位置。
步骤S220、根据电池组别,分析汽车状态;
可以理解的是,根据电池组别来判断汽车状态是有一定优势的,因为电池组别可以直观地反应电动汽车的状态。在汽车任意电路结构上的损坏,都可以在电池的电路中反应出来。
当存在多个电池组时,可能存在如下电池组。在一个电池组的实施例中,如果仅考虑纯电动汽车出现问题的情况时,如果电池处于充电状态,然而电压参数过小,电阻参数较小,电流参数过大,此时可以判断电池中,有部分电路是短路状态,且这部分电路是与充电相关的。当这一问题产生时,车体的某一位置有一定的可能会出现问题,比如,与电池相邻的车体部分可能会收到电池所散发出的高温而受到影响。
在另一个电池组的实施例中,如果仅考虑纯电动汽车出现问题的情况时,电池处于放电状态,然而电压参数过小,电阻参数较小,电流参数过大,此时可以判断整个汽车中的某一位置存在电路问题,有部分电路是短路状态,且这部分电路是与汽车运行相关的。因此,此时可能出现问题的汽车结构中,除了电池本身,还包括驱动电机。
基于此,为了更好地确定汽车出现问题的原因,产生了一个进一步地实施例,第一驱动电机信息包括驱动参数组合信息,状态数据阈值包括预设驱动组别信息。请参阅图3,图3为本发明的第三实施例中分析汽车状态的流程图。
步骤S230、将驱动参数组合信息与预设驱动组别信息进行对比,确认驱动组别。
本实施例中,将驱动参数组合信息作为匹配值,将驱动参数组合信息作为判断信息,用组合信息而不是单独的一个驱动参数来进行匹配,从多个参数的结合对整体的驱动状态进行组别判断。
上述中的驱动参数组合信息包括转速参数、扭矩参数、转子状态参数及偏心现象参数;
其中,在不同的驱动组别中,转速参数、扭矩参数、转子状态参数及偏心现象参数中的一项或多项不同。
本实施例中,驱动组别至少有两组,电机第一状态组表示驱动电机产生异常,电机第二状态组表示驱动电机正常。驱动组别也可以有三个驱动组,电机第一状态组表示驱动电机正常,电机第二状态组表示驱动电机存在不严重的异常,电机第三状态组表示驱动电机存在严重异常。驱动组别也可以有很多个驱动组,这些组可以是表示驱动电机的受损程度,也可以是显示驱动电机损坏位置。
本实施例中,应用转速参数、扭矩参数、转子状态参数及偏心现象参数可以较为准确地发现驱动电机产生问题的位置及损坏程度。
步骤S240、根据驱动组别及电池组别,分析汽车状态。
可以理解的是,应用驱动组别及电池组别这两个组别进行分析,其结果是更为客观的。在一个实施例中,可能存在因电池问题而导致驱动电机受损的问题,也可能存在驱动电机损坏而导致的电池受损。但是,在大多数情况下是存在先后顺序的,因此,应用这两个组别,可以更有优势地判断汽车所损坏的结构及损坏程度。
在一实施例中,驱动组别与电池组别均为三个,电机第一状态组表示驱动电机正常,电机第二状态组表示驱动电机存在不严重的异常,电机第三状态组表示驱动电机存在严重异常。电池第一状态组表示电路正常,电池第二状态组表示电路存在不严重的异常,电池第三状态组表示电路存在严重异常。
基于此,上述方法包括,步骤S300、当传感数据处于第一阈值范围时,确认汽车状态处于第一状态。
本实施例中,若电路参数组合信息及驱动参数组合信息均表示,电池为电池第一状态组,驱动电机处于电机第一状态组,则整体上可以确定汽车处于第一状态,也就是正常的状态。
在另一实施例中,步骤S300的传感数据,是第一传感信息、第一监测信息及第二监测信息中的至少一项信息。上述中的第一传感信息包括多个物理域下的各个传感器中的信息,由于本发明的分布式传感器的物理域包括加速度、温湿度、霍尔开关、电压计、电流计、电机速度、压力、质量、扭矩等,每一物理域中都存在至少一个传感器。而车联网的边缘计算端也可以称为边缘计算节点,每个边缘计算节点可以只针对一个物理域的至少一个传感器的数据进行处理,也可以对多个物理域的任意传感器数据进行处理。
根据传感器的置信度,对第一传感信息进行加权,即可获得第一监测信息。而对第一传感信息进行神经网络训练,生成传感信息最佳权值;并且,将第一传感信息进行多物理域融合,生成多物理域反馈信息,将传感信息最佳权值与多物理域反馈信息作为要点,从而对第一传感信息进行重组,即可生成第二监测信息。
本实施例中,可以通过改变第一监测信息权重的方式,既可以检测传感器的状态,也可以检测汽车各结构的状态;改变第一监测信息权重的方式可以有如下三种情况:
在第一种情况下,置信度较低的传感器权重较高,置信度较高的传感器权重较低,主要是针对应用第一监测信息对传感器进行进行监控,当某一传感器出现故障时,可以快速对传感器进行监测。
在第二种情况下,置信度较高的传感器权重较高,置信度较低的传感器权重较低,主要是针对应用第一监测信息对汽车各个结构进行进行监控,当某一传感器出现故障时,尽可能降低这一传感器所带来的影响。可以理解的是,由于本实施例中的传感器是分布式传感器,所以各传感器可能分布在车体、电池、驱动机乃至汽车上的各个位置。
在第三种情况下,可以根据实际需要,设定时间对第一种情况及第二种情况进行转换,同时具有上述两种优势,只是并不能兼具二者的全部优势。
而第二监测信息是经过神经网络计算及多物理域信息融合之后所获得的,是计算云端中的运算。将多物理域的传感信息进行融合时,多物理域信息融合就是把分布在不同位置的多个传感器所提供的局部不完整观察量加以综合,消除多传感器信息之间可能存在的冗余和矛盾,加以互补,降低其不确定性,以形成对系统环境相对完整一致的感知描述,从而提高智能系统决策、规划和反应的快速性和正确性,同时降低其决策风险。
基于此,步骤S300中,传感数据处于第一阈值范围,这一步骤中包括三种情况:第一传感信息、第一监测信息及第二监测信息中的至少一项处于其对应的阈值范围,此范围称为第一阈值范围。
进一步地,还包括步骤S400、当传感数据处于第二阈值范围时,汽车状态为第二状态。
在一个实施例中,判断传感数据处于第二阈值范围的方法仅需要若干传感数据所处阈值进行判断,这些传感数据包括加速度、温湿度、霍尔开关、电压计、电流计、电机速度、压力、质量、扭矩等种类,分布在汽车的各个位置。
在本实施例中,在第一种情况下,电池是电池第二状态组,驱动电机是电机第二状态组;在第二种情况下,电池是电池第一状态组,驱动电机是电机第二状态组;在第三种情况下,电池是电池第二状态组,驱动电机是电机第一状态组。可以理解的是,第三种情况出现的情况比较少,因为当电池损坏时,大多数会导致驱动电机受损。
在另一个实施例中,请参阅图4,图4为本发明的第四实施例中判断传感数据处于第二阈值范围的流程图。步骤S400包括:
步骤S410、对传感数据进行分析,筛选出目标汽车结构信息。
可以理解的是,在对传感数据进行分析之后,可以根据传感数据对汽车状态进行判断,以此获得需要保养的汽车结构。本实施例中,这些汽车结构可能是轻微受损结构,也可能是因为某一受损结构而成为的易受损结构,这些轻微损结构构及易受损结构就成了目标汽车结构状态信息。
步骤S420、根据目标汽车结构状态信息,生成维护建议。
可以理解的是,本实施例的维护建议中,是针对目标汽车结构的状态进行的。易受损结构的维护建议可能只需要对这一结构进行关注,也可能是需要更换一些零件。而轻微受损结构可能需要更换零件,也可能对整个轻微受损结构进行维修,还可能对整个结构进行更换。
在进一步的实施例中,存在汽车损坏严重的情况。
步骤S500、传感数据处于第三阈值范围时,汽车状态为第三状态。
在一可选的实施例中,判断传感数据处于第三阈值范围的标准是,若干传感数据中的任意一项数据超过或者低于某一预设阈值。这些传感数据包括加速度、温湿度、霍尔开关、电压计、电流计、电机速度、压力、质量、扭矩等种类,分布在汽车的各个位置。
在另一个本实施例中,在第一种情况下,电池是电池第三状态组,驱动电机是电机第三状态组;在第二种情况下,电池是电池第三状态组,驱动电机是电机第二状态组或电机第三状态组;在第三种情况下,电池是电池第三状态组,驱动电机是电机第二状态组或者电机第一状态组。可以理解的是,在本实施例中的第一种情况中,往往是由驱动电机损坏所导致的,也可能是电池损坏所导致的。本实施例中的第二种情况,大多发生在电池出现严重损害不久。本实施例中的第三种情况,本实施例中的第三种情况出现的概率较低,因为当电池损坏时,大多数会导致驱动电机受损。
在一具体的实施例中,主要针对汽车的某些结构严重损害之后,从汽车车体运行的角度出发,针对已有数据进行的改良。基于此,请参阅图5,图5为图5为本发明的第五实施例中判断传感数据处于第三阈值范围的流程图。步骤S500还包括:
步骤S510、在预设时间后,从多个汽车结构采集验证数据,其中,验证数据包括第二汽车电池信息、第二驱动电机信息及第二车体信息。
步骤S510是基于汽车处于第三状态下进行的,在预设时间之后,从多个汽车结构采集第二汽车电池信息、第二驱动电机信息及第二车体信息。以此避免因数据获取的失误所产生的问题。
步骤S520、根据验证数据,提取运动数据。
需要了解的是,验证数据是相对于确定了汽车状态而言的,其包括大量的传感数据,在本实施例中,只需要提取车体的速度及加速度,即可确定汽车是否在运行。如果运动数据在理论上认为,这一汽车处于无法运行的状态,则可以认为这一汽车处于第三状态。然而,理论不一定是正确的。基于此,还包括步骤S530、若运动数据表明汽车仍可运行,根据验证数据修正汽车状态为第二状态。由此,可以更准确地评价汽车状态,修正理论数据。
进一步地实施例中,在步骤S530之后,请参阅图6,图6为本发明的第六实施例中修正第二阈值范围及第三阈值范围的整体流程图。上述方法还包括:
步骤S540、根据验证数据,对汽车结构进行分析,获取误判因素。
可以理解的是,在本实施例中,验证数据含有大量的传感器信息。这些传感器信息中,可能含有速度信息、加速度信息、温度信息、电压信息、扭矩信息及传动比信息等传感信息。应用这些传感信息,对汽车结构进行逐一分析,使得每个汽车结构都获得评估,从而找出导致误判的汽车结构。在一个实施例中,导致误判的汽车结构是一个误判因素。在另一个实施例中,误判的汽车结构中的某一项参数是一个误判因素。
步骤S550、根据误判因素,修正第二阈值范围及第三阈值范围。
可以理解的是,第一阈值范围与第二阈值范围的边界可能存在一定的跳跃性。第二阈值范围与第三阈值范围均是针对各个传感参数设定的,每一个传感参数都具有其预设的预设范围。第二阈值范围与第三阈值范围二者与第一阈值范围是相对应的。只是,第二阈值范围与第三阈值范围的阈值边界是相同的。
在一个实施例中,第一阈值范围与第二阈值范围的边界并不相同,若第二阈值范围中仅针对一个具体的参数,且这一参数仅有一个第二阈值范围,那么这一参数的第二阈值范围的边界为维护阈值最小值和维护阈值最大值,则维护阈值最小值和维护阈值最大值之间的为这一参数第二阈值范围;相对应的,第三阈值范围有两个,一个是小于维护阈值最小值,一个是大于维护阈值最大值。因此需要对二者进行修正。
可以理解的是,具体参数可以是多个,且每一个具体参数可以有多个第二阈值范围及第三阈值范围。
可以理解的是,上述实施例为了说明第二阈值范围与第三阈值范围的关系。为了说明第一阈值范围、第二阈值范围、第三阈值范围之间的关系,用一个具体的实施例来进行说明,而这一实施例中是仅针对一个具体参数的,且也这一具体参数也仅仅包括一个第一阈值范围,两个第二阈值范围,四个第三阈值范围。
具体的,第一阈值范围包括常态阈值最小值及常态最大值,当传感数据处于常态阈值最小值及常态阈值最大值之间,则这一参数表明该汽车处于第一阈值范围;而当传感数据处于常态阈值最小值及维护阈值最小值之间,那么这一参数表明该汽车处于第二阈值范围;而当传感数据小于维护阈值最小值时,这一参数表明该汽车处于第三阈值范围。
上述评价步骤可以称之为专家库,通过数据库可以实现检测出汽车所损坏的位置及汽车的状态。
进一步的实施例中,请参阅图7,图7为本发明的第七实施例中修正第二阈值范围及第三阈值范围的流程图。上述方法具体包括如下步骤:
步骤S551、根据误判因素,建立汽车模型。
本实施例中,将误判因素作为自变量,以此建立汽车模型,可以有选择性地将车辆的历史数据整合起来,以此实现状态的模拟,为车辆的检修和更换配件提供依据,以此来保障车辆行驶过程中的安全。可以理解的是,误判因素的产生不一定是前期估计错误,也可能是因为某一零件的制作技术发展所产生的,此时可以通过增加这一信息到数据库中,以此保证评估的准确。
步骤S552、应用汽车模型进行神经网络训练,获取修正数据。
本实施例中,使用神经网络进行训练,通过反向推理来验证整个机制的正确性,最终混合推理来实时的更新和改进现有的推理机制,能够做到更加准确地状态预测,此时的修正数据去掉了无关因素,相对于上一实施例中的修正,更为客观。
步骤S553、根据修正数据,对第二阈值范围及第三阈值范围进行调整。步骤S551~步骤S553这一过程可以称之为推理机,可以更好的完善评估的客观性与普遍性。
可以理解的是,步骤S560、当运动数据表明汽车故障时,请参阅图8,图8为本发明的第七实施例中生成维修建议的流程图,方法还包括如下步骤:
步骤S561、根据传感数据及验证数据,确定故障结构。
步骤S562、对故障结构进行故障分析,获取故障类型。
步骤S563、根据故障类型,生成维修建议。
当运动数据表明汽车故障时,运动数据表明,汽车无法运行。可以应用验证数据与传感数据来确定具体的故障结构,方便维修。本实施例中,在第三状态中,设有大量范围值,每一范围中设有对应的数据阈值,这些范围值均有相对应的故障类型及维修建议。
其中,多个范围值可以对应一个故障类型,而每个范围值可以对应一个故障类型。而故障类型与维修建议可以是一一对应的,也可以不是。
由此,可以根据故障类型,生成维修建议,方便车辆的维护。
请参阅图9,图9为本发明的第一实施例中纯电动汽车状态评估系统。本发明第二方面提供了一种纯电动汽车状态评估系统,系统包括:
获取模块100,用于从多个汽车结构采集传感数据,其中,传感数据包括第一汽车电池信息、第一驱动电机信息及第一车体信息;
比较模块200,用于获取多个状态数据阈值,将传感数据与状态阈值范围进行匹配,分析汽车状态;
判断模块300,用于当传感数据处于第一阈值范围时,确认汽车状态处于第一状态。
上述各模块本质上是虚拟模块,承载了上述各实施例中的方法。上述各模块可以是任意实际产品组合而成的。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
本发明第三发明提供了一种计算机可读取存储介质,计算机可读取存储介质中存储有程序代码,程序代码可被处理器调用执行上述的方法。本发明还提供了一种电子终端,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行所述计算机程序时,实现上述的任意实施例所述的环路检测方法。处理器执行软件程序时,实现上述方法。需要说明的是,本发明实施例中的电子终端包括但不限于移动电话、移动电脑、平板电脑、个人数字助理、媒体播放器、智能电视、智能手表、智能眼镜、智能手环等用户设备。
需要说明的是,本发明实施例中的电子终端各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种纯电动汽车状态评估方法,其特征在于,所述方法包括如下步骤:
从多个汽车结构采集传感数据,其中,所述传感数据包括第一汽车电池信息、第一驱动电机信息及第一车体信息;
获取多个状态数据阈值,将所述传感数据与所述状态阈值范围进行匹配,分析汽车状态;
当所述传感数据处于所述第一阈值范围时,确认所述汽车状态处于第一状态。
2.如权利要求1所述的纯电动汽车状态评估方法,其特征在于,当所述传感数据处于所述第二阈值范围时,所述汽车状态为第二状态,所述方法还包括:
对所述传感数据进行分析,筛选出目标汽车结构信息;
根据所述目标汽车结构状态信息,生成维护建议。
3.如权利要求1所述的纯电动汽车状态评估方法,其特征在于,当所述传感数据处于所述第三阈值范围时,所述汽车状态为第三状态,所述方法还包括:
在预设时间后,从所述多个汽车结构采集验证数据,其中,所述验证数据包括第二汽车电池信息、第二驱动电机信息及第二车体信息;
根据所述验证数据,提取运动数据;
若所述运动数据表明汽车仍可运行,根据所述验证数据修正所述汽车状态为第二状态;
其中,所述运动数据包括车体运行速度及加速度中的至少一项。
4.如权利要求3所述的纯电动汽车状态评估方法,其特征在于,所述根据所述验证数据修正所述汽车状态为第二状态的步骤之后,所述方法还包括如下步骤:
根据所述验证数据,对所述汽车结构进行分析,获取误判因素;
根据所述误判因素,修正所述第二阈值范围及所述第三阈值范围。
5.如权利要求3所述的纯电动汽车状态评估方法,其特征在于,当所述运动数据表明汽车故障时,所述方法还包括如下步骤:
根据所述传感数据及所述验证数据,确定故障结构;
对所述故障结构进行故障分析,获取故障类型;
根据所述故障类型,生成维修建议。
6.如权利要求4所述的纯电动汽车状态评估方法,其特征在于,所述根据所述误判因素,修正所述第二阈值范围及所述第三阈值范围的步骤中,具体包括:
根据所述误判因素,建立汽车模型;
应用所述汽车模型进行神经网络训练,获取修正数据;
根据所述修正数据,对所述第二阈值范围及所述第三阈值范围进行调整。
7.如权利要求1所述的纯电动汽车状态评估方法,其特征在于,所述第一汽车电池信息包括电路参数组合信息,所述状态数据阈值包括预设电池组别信息,
所述获取多个状态数据阈值,将所述传感数据与所述状态阈值范围进行匹配,分析汽车状态的步骤中,具体包括:
将所述电路参数组合信息与所述电池参数组别信息进行对比,确认所述电池组别;
根据所述电池组别,分析所述汽车状态;
其中,所述电路参数组合信息包括电压参数、电流参数、电阻参数及充放电状态参数;
其中,在不同的所述电池组别中,所述电压参数、所述电流参数、所述电阻参数及所述充放电状态参数中的一项或多项不同。
8.如权利要求7所述的纯电动汽车状态评估方法,其特征在于,所述第一驱动电机信息包括驱动参数组合信息,所述状态数据阈值包括预设驱动组别信息,
所述获取多个状态数据阈值,将所述传感数据与所述状态阈值范围进行匹配,分析汽车状态的步骤中,还包括:
将所述驱动参数组合信息与所述预设驱动组别信息进行对比,确认所述驱动组别;
根据所述驱动组别及所述电池组别,分析所述汽车状态;
其中,所述驱动参数组合信息包括转速参数、扭矩参数、转子状态参数及偏心现象参数;
其中,在不同的所述驱动组别中,所述转速参数、所述扭矩参数、所述转子状态参数及所述偏心现象参数中的一项或多项不同。
9.一种纯电动汽车状态评估系统,其特征在于,所述系统包括:
获取模块,用于从多个汽车结构采集传感数据,其中,所述传感数据包括第一汽车电池信息、第一驱动电机信息及第一车体信息;
比较模块,用于获取多个状态数据阈值,将所述传感数据与所述状态阈值范围进行匹配,分析汽车状态;
判断模块,用于当所述传感数据处于所述第一阈值范围时,确认所述汽车状态处于第一状态。
10.一种计算机可读取存储介质,其特征在于,所述计算机可读取存储介质中存储有程序代码,所述程序代码可被处理器调用执行如权利要求1-8任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010651268.7A CN111624433B (zh) | 2020-07-08 | 2020-07-08 | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 |
PCT/CN2020/122409 WO2022007236A1 (zh) | 2020-07-08 | 2020-10-21 | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010651268.7A CN111624433B (zh) | 2020-07-08 | 2020-07-08 | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111624433A true CN111624433A (zh) | 2020-09-04 |
CN111624433B CN111624433B (zh) | 2022-08-16 |
Family
ID=72270613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010651268.7A Active CN111624433B (zh) | 2020-07-08 | 2020-07-08 | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111624433B (zh) |
WO (1) | WO2022007236A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022007236A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳技术大学 | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115792629B (zh) * | 2022-11-21 | 2024-04-02 | 惠州因博利电子科技有限公司 | 一种锂电池储能的报警监测系统和方法 |
CN117706379B (zh) * | 2024-02-06 | 2024-04-12 | 北京航空航天大学 | 一种电池动态安全边界构建方法、装置及可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105416199A (zh) * | 2014-07-24 | 2016-03-23 | 冯春魁 | 车辆运行监控、参数测算、超载监控和监视的方法及系统 |
CN106647275A (zh) * | 2016-12-29 | 2017-05-10 | 上海巽晔计算机科技有限公司 | 一种新能源汽车的远程监控系统 |
CN107804191A (zh) * | 2017-09-18 | 2018-03-16 | 深圳市沃特玛电池有限公司 | 一种提高电动汽车续航里程的系统 |
CN108507797A (zh) * | 2018-03-30 | 2018-09-07 | 北京长城华冠汽车技术开发有限公司 | 汽车故障实时监测方法及实时监测系统 |
CN108710084A (zh) * | 2018-06-01 | 2018-10-26 | 王泽霖 | 一种电动汽车电源监控及能源管理系统 |
CN110077340A (zh) * | 2019-04-28 | 2019-08-02 | 北京长城华冠汽车技术开发有限公司 | 电动汽车的故障状态诊断装置和系统 |
CN110706039A (zh) * | 2019-10-16 | 2020-01-17 | 爱驰汽车有限公司 | 电动汽车残值率评估系统、方法、设备及介质 |
CN111382937A (zh) * | 2020-03-06 | 2020-07-07 | 广东工业大学 | 一种基于fsae赛车的安全状态评估处理方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6323157B2 (ja) * | 2014-05-14 | 2018-05-16 | 株式会社デンソー | 診断データ抽出装置、車両診断装置 |
CN110059325B (zh) * | 2018-01-19 | 2024-05-03 | 罗伯特·博世有限公司 | 车辆故障预警系统及对应的车辆故障预警方法 |
CN111624433B (zh) * | 2020-07-08 | 2022-08-16 | 深圳技术大学 | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 |
-
2020
- 2020-07-08 CN CN202010651268.7A patent/CN111624433B/zh active Active
- 2020-10-21 WO PCT/CN2020/122409 patent/WO2022007236A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105416199A (zh) * | 2014-07-24 | 2016-03-23 | 冯春魁 | 车辆运行监控、参数测算、超载监控和监视的方法及系统 |
CN106647275A (zh) * | 2016-12-29 | 2017-05-10 | 上海巽晔计算机科技有限公司 | 一种新能源汽车的远程监控系统 |
CN107804191A (zh) * | 2017-09-18 | 2018-03-16 | 深圳市沃特玛电池有限公司 | 一种提高电动汽车续航里程的系统 |
CN108507797A (zh) * | 2018-03-30 | 2018-09-07 | 北京长城华冠汽车技术开发有限公司 | 汽车故障实时监测方法及实时监测系统 |
CN108710084A (zh) * | 2018-06-01 | 2018-10-26 | 王泽霖 | 一种电动汽车电源监控及能源管理系统 |
CN110077340A (zh) * | 2019-04-28 | 2019-08-02 | 北京长城华冠汽车技术开发有限公司 | 电动汽车的故障状态诊断装置和系统 |
CN110706039A (zh) * | 2019-10-16 | 2020-01-17 | 爱驰汽车有限公司 | 电动汽车残值率评估系统、方法、设备及介质 |
CN111382937A (zh) * | 2020-03-06 | 2020-07-07 | 广东工业大学 | 一种基于fsae赛车的安全状态评估处理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022007236A1 (zh) * | 2020-07-08 | 2022-01-13 | 深圳技术大学 | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111624433B (zh) | 2022-08-16 |
WO2022007236A1 (zh) | 2022-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111624433B (zh) | 纯电动汽车状态评估方法、系统及计算机可读取存储介质 | |
Li et al. | Big data driven lithium-ion battery modeling method based on SDAE-ELM algorithm and data pre-processing technology | |
Rezvanizaniani et al. | Review and recent advances in battery health monitoring and prognostics technologies for electric vehicle (EV) safety and mobility | |
CN107329088B (zh) | 电池的健康状态诊断装置和方法 | |
CN103163781A (zh) | 利用健康信息状态优化系统性能 | |
CN113696786B (zh) | 电池均衡方法及系统 | |
CN110568360B (zh) | 一种基于模糊逻辑算法的锂电池老化诊断方法 | |
CN112101597A (zh) | 电动汽车租赁运营平台车辆故障预判系统、方法及装置 | |
CN113728242A (zh) | 对可充电电池中的析锂进行表征 | |
CN112041819B (zh) | 用于监测和识别电驱动系统中的传感器故障的方法 | |
CN111257753A (zh) | 一种电池系统故障诊断方法 | |
CN113866641A (zh) | 一种锂离子电池的故障检测方法及装置 | |
CN116224075A (zh) | 动力电池单体异常预警方法、装置、电子设备和存储介质 | |
Wang et al. | Charging diagnosis of power battery based on adaptive STCKF and BLS for electric vehicles | |
Chen et al. | Multifault diagnosis of Li-ion battery pack based on hybrid system | |
US20220352558A1 (en) | Method for matching data of a first control unit with a second control unit for determining precise predictive values | |
CN111775711B (zh) | 纯电动汽车状态监测方法及系统 | |
Wang et al. | Research on interactive multi‐model fault diagnosis method of Li‐ion battery based on noise suppression | |
US20230324463A1 (en) | Method and Apparatus for Operating a System for Detecting an Anomaly of an Electrical Energy Store for a Device by Means of Machine Learning Methods | |
KR20220121932A (ko) | 차량 배터리 모니터링 시스템 | |
CN116973782A (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
CN116338454A (zh) | 一种新能源汽车的电性能检测方法及装置 | |
CN115336084A (zh) | 电池控制装置及电池系统 | |
CN114200331B (zh) | 车辆电池的检测方法、装置、车辆以及存储介质 | |
Pace et al. | Unsupervised anomaly detection using batteries in electric aerial vehicle propulsion test-bed |
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 |