CN111968268A - 一种新能源车辆健康状况远程评估方法和系统 - Google Patents
一种新能源车辆健康状况远程评估方法和系统 Download PDFInfo
- Publication number
- CN111968268A CN111968268A CN202010601833.9A CN202010601833A CN111968268A CN 111968268 A CN111968268 A CN 111968268A CN 202010601833 A CN202010601833 A CN 202010601833A CN 111968268 A CN111968268 A CN 111968268A
- Authority
- CN
- China
- Prior art keywords
- health
- vehicle
- sample
- fault
- 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.)
- Pending
Links
Images
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
-
- 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
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
Abstract
一种新能源车辆健康状况远程评估方法,包括:车载终端获取新能源车辆故障码数据和车况数据,并通过T‑box上传至云平台;云平台获取新能源车辆维保记录数据,并与车辆故障码特征和车况数据特征进行融合,生成故障健康特征、车况健康特征和维保健康特征;对故障健康特征、车况健康特征和维保健康特征进行数据清洗;对数据清洗后的特征进行权重计算;根据权重计算后的故障健康特征、车况健康特征和维保健康计算新能源车辆健康综合得分。本发明能够基于车辆大数据远程评估车辆健康状况,以数值打分的形式展示给驾驶人员,算法构造了多维度的特征,能准确的评价车辆健康状况,基于健康特征的统计分布确定权重,能够客观准确识别特征的重要性。
Description
技术领域
本发明属于新能源车辆技术领域,特别是一种新能源车辆健康状况远程评估方法和系统。
背景技术
在现有的车载设备中,车辆故障诊断系统已经是一个比较成熟的技术,通过与车辆内部电子控制单元相连接的车辆信息采集模块,能够精准的获取车辆各控制系统的详细参数。在车机端,司机能够看到车辆的胎压、soc、温度、故障码指标数据,但是对于这些数据都是孤立的使用,于Tbox采集的车辆大数据,目前尚未充分利用起来对进行综合评估,车辆的健康状况缺乏定量区分的手段。
并且,只有当车辆已发生问题或故障时,车辆才会通过特定的标识符,代码或简单的文字提供用户有限的信息,当用户获取到车辆故障信息时,车辆可能已经无法使用,用户无法在车辆发生事故前对车辆健康信息进行获取,容易造成安全事故。
发明内容
鉴于上述问题,本发明提供一种克服上述问题或者至少部分地解决上述问题的一种新能源车辆健康状况远程评估方法和系统。
一种新能源车辆健康状况远程评估方法,包括:
S100.车载终端获取新能源车辆故障码数据和车况数据,并通过T-box上传至云平台;
S200.云平台获取新能源车辆维保记录数据,并与车辆故障码特征和车况数据特征进行融合,生成故障健康特征、车况健康特征和维保健康特征;
S300.对故障健康特征、车况健康特征和维保健康特征进行数据清洗;
S400.对数据清洗后的故障健康特征、车况健康特征和维保健康特征进行权重计算;
S500.根据权重计算后的故障健康特征、车况健康特征和维保健康计算新能源车辆健康综合得分。
进一步地,S200中,新能源车辆故障码特征包括:首次故障时间间隔、首次故障里程、平均故障时间间隔、平均故障里程间隔、故障累计发生次数、24h故障码总数、一周故障码总数、当前故障部位总数。
进一步地,S200中,新能源车辆车况健康特征包括:蓄电池电压、蓄电池电量、动力电池电压、动力电池极值温度、驱动电机温度、驱动电机控制器温度、汽车胎压。
进一步地,S200中,新能源车辆维保健康特征包括:上次维保距今时间、上次维保距今里程。
进一步地,S300中,对于和汽车健康度负相关的特征,具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1)。
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x1=(Up-x)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
进一步地,S300中,对于和汽车健康度正相关的特征,具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1)。
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x=(x-Down)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
进一步地,S300中,对于存在一个最优区间,汽车健康程度可依据最优区间的偏离程度定义的特征,具体清洗规则为:
收集该特征的样本数据x,确定这类特征最优区间范围(down,up),计算样本和最优区间的偏离bias,如果样本数据x值落在最优范围内,则bias=0;如果x<down,bias=down-x;如果x>up,bias=x-up;
统计bias的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1);
处理bias异常值,对于任意样本bias,如果bias<Down,令bias=Down;如果bias>Up,令bias=Up;
特样本值进行征归一化,令x:=(Up-bias)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
进一步地,S400中,进行权重计算具体方法为:
S401.计算第j项特征下第i个样本值占该指标的比重pij:
其中,i=1,....,n;j=1,...,m;xij表示第i个样本的第j项特征的,n代表样本总数,m代表特征的总数;
S402.计算第j项特征的熵ej:
其中,j=1,...,m;k=1/ln(n)>0,且ej>0;
S403.计算信息熵的冗余度dj:
dj=1-ej,j=1,…,m;
S404.计算各项特征的客观权重wj:
S405.基于专家意见为各特征进行主观权重矫正,每项特征的主观权重为αj;
S406.根据专家意见和客观权重计算综合权重βj:
进一步地,S500中,根据权重计算后的故障健康特征、车况健康特征和维保健康特征计算新能源车辆健康综合得分Si,公式为:
其中,βj为综合权重,xxij表示第i个样本的第j项特征。
本发明还公开了一种新能源车辆健康状况远程评估系统,包括:数据获取模块、数据清洗模块、权重计算模块、健康得分计算模块;其中:
数据获取模块,获取新能源车辆故障码数据、车况数据和车辆维保记录数据,并将所述数据进行融合,生成故障健康特征、车况健康特征和维保健康特征;
数据清洗模块,对于不同的特征类型,采用不同规则对车辆特征数据进行清洗;
权重计算模块,.对数据清洗后的故障健康特征、车况健康特征和维保健康特征进行权重计算;
健康得分计算模块,根据权重计算后的故障健康特征、车况健康特征和维保健康计算新能源车辆健康综合得分。
本发明的有益效果是:
本发明提出一种新能源车辆健康状况远程评估方法和系统,能够综合考虑多项信号因子,并结合车辆健康领域专家意见权重,为车辆进行综合健康评估,并将评估结果以健康评分的形式远程推送到用户APP端,展示给用户。
本发明能够基于车辆大数据远程评估车辆健康状况,以数值打分的形式展示给驾驶人员,算法构造了多维度的特征,能够较为全面准确的评价车辆健康状况,基于健康特征的统计分布确定权重,能够客观准确识别特征的重要性,此外基于专家意见的特征权重调整能够提升算法的准确度和专业性。能够在车辆健康出现问题前,提醒用户,防止因车辆健康而发生的交通事故。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例1中,一种新能源车辆健康状况远程评估方法流程图;
图2为本发明实施例1中,对故障健康特征、车况健康特征和维保健康特征进行权重计算流程图;
图3为本发明实施例2中,一种新能源车辆健康状况远程评估系统结构图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例1
本实施例公开了一种新能源车辆健康状况远程评估方法,包括:
S100.车载终端获取新能源车辆故障码数据和车况数据,并通过T-box上传至云平台。
具体的,新能源车辆故障码数据和车况数据通过车载电脑和车载诊断系统获取。
S200.云平台获取新能源车辆维保记录数据,并与车辆故障码特征和车况数据特征进行融合,生成故障健康特征、车况健康特征和维保健康特征.
具体的,新能源车辆故障码特征包括:首次故障时间间隔、首次故障里程、平均故障时间间隔、平均故障里程间隔、故障累计发生次数、24h故障码总数、一周故障码总数、当前故障部位总数。在一些优选实施例中,故障累计发生次数还包括:一级故障累计发生次数、二级故障累计发生次数、三级故障累计发生次数。车辆故障等级为GB/T 32960.3—2016国标中规定的分级,为车辆上传法规数据,进行故障分级。
新能源车辆车况健康特征包括:蓄电池电压、蓄电池电量、动力电池电压、动力电池极值温度、驱动电机温度、驱动电机控制器温度、汽车胎压。
新能源车辆维保健康特征包括:上次维保距今时间、上次维保距今里程。
S300.对故障健康特征、车况健康特征和维保健康特征进行数据清洗。具体的对于不同的特征数据,采取不同的清理规则,可以理解的,有一些特征数据是和车辆健康度时负相关的关系,例如故障累计发生次数、24h故障码总数等,对于此类和汽车健康度负相关的特征,具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1)。
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x1=(Up-x)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
对于一些和车辆健康度正相关的特征,例如首次故障里程、平均故障时间间隔、平均故障里程间隔等。具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1)。
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x=(x-Down)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
对于存在一个最优区间,汽车健康程度可依据最优区间的偏离程度定义的特征,例如蓄电池电压、蓄电池电量、动力电池电压等特征,具体清洗规则为:收集该特征的样本数据x,确定这类特征最优区间范围(down,up),计算样本和最优区间的偏离bias,如果样本数据x值落在最优范围内,则bias=0;如果x<down,bias=down-x;如果x>up,bias=x-up;
统计bias的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1);
处理bias异常值,对于任意样本bias,如果bias<Down,令bias=Down;如果bias>Up,令bias=Up;
特样本值进行征归一化,令x:=(Up-bias)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
S400.对数据清洗后的故障健康特征、车况健康特征和维保健康特征进行权重计算。具体的,S400中,进行权重计算具体方法为:
S401.计算第j项特征下第i个样本值占该指标的比重pij:
其中,i=1,....,n;j=1,...,m;xij表示第i个样本的第j项特征的,n代表样本总数,m代表特征的总数;
S402.计算第j项特征的熵ej:
其中,j=1,...,m;k=1/ln(n)>0,且ej>0;
S403.计算信息熵的冗余度dj:
dj=1-ej,j=1,…,m;
S404.计算各项特征的客观权重wj:
S405.基于专家意见为各特征进行主观权重矫正,每项特征主观权重为αj;
S406.根据专家意见和客观权重计算综合权重βj:
S500.根据权重计算后的故障健康特征、车况健康特征和维保健康计算新能源车辆健康综合得分.具体的,计算车辆健康综合得分Si:
其中,βj为综合权重,xxij表示第i个样本的第j项特征。
本实施例提出一种新能源车辆健康状况远程评估方法,能够综合考虑多项信号因子,并结合车辆健康领域专家意见权重,为车辆进行综合健康评估,并将评估结果以健康评分的形式远程推送到用户APP端,展示给用户。
本实施例能够基于车辆大数据远程评估车辆健康状况,以数值打分的形式展示给驾驶人员,算法构造了多维度的特征,能够较为全面准确的评价车辆健康状况,基于健康特征的统计分布确定权重,能够客观准确识别特征的重要性,此外基于专家意见的特征权重调整能够提升算法的准确度和专业性。能够在车辆健康出现问题前,提醒用户,防止因车辆健康而发生的交通事故。
实施例2
本实施例公开了一种新能源车辆健康状况远程评估系统,包括:数据获取模块1、数据清洗模块2、权重计算模块3、健康得分计算模块4;其中:
数据获取模块1,获取新能源车辆故障码数据、车况数据和车辆维保记录数据,并将所述数据进行融合,生成故障健康特征、车况健康特征和维保健康特征;具体的,新能源车辆故障码数据和车况数据通过车载电脑和车载诊断系统传输给数据获取模块1。
数据清洗模块2,对于不同的特征类型,采用不同规则对车辆特征数据进行清洗;具体的对于不同的特征数据,采取不同的清理规则,可以理解的,有一些特征数据是和车辆健康度时负相关的关系,例如故障累计发生次数、24h故障码总数等,对于此类和汽车健康度负相关的特征,具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1)。
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x1=(Up-x)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
对于一些和车辆健康度正相关的特征,例如首次故障里程、平均故障时间间隔、平均故障里程间隔等。具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1)。
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x=(x-Down)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
对于存在一个最优区间,汽车健康程度可依据最优区间的偏离程度定义的特征,例如蓄电池电压、蓄电池电量、动力电池电压等特征,具体清洗规则为:收集该特征的样本数据x,确定这类特征最优区间范围(down,up),计算样本和最优区间的偏离bias,如果样本数据x值落在最优范围内,则bias=0;如果x<down,bias=down-x;如果x>up,bias=x-up;
统计bias的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1);
处理bias异常值,对于任意样本bias,如果bias<Down,令bias=Down;如果bias>Up,令bias=Up;
特样本值进行征归一化,令x:=(Up-bias)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
权重计算模块3,对数据清洗后的故障健康特征、车况健康特征和维保健康特征进行权重计算;进行权重计算具体方法为:
S401.计算第j项特征下第i个样本值占该指标的比重pij:
其中,i=1,....,n;j=1,...,m;xij表示第i个样本的第j项特征的,n代表样本总数,m代表特征的总数;
S402.计算第j项特征的熵ej:
其中,j=1,...,m;k=1/ln(n)>0,且ej>0;
S403.计算信息熵的冗余度dj:
dj=1-ej,j=1,…,m;
S404.计算各项特征的客观权重wj:
S405.基于专家意见为各特征进行主观权重矫正,每项特征主观权重为αj;
S406.根据专家意见和客观权重计算综合权重βj:
健康得分计算模块4,根据权重计算后的故障健康特征、车况健康特征和维保健康计算新能源车辆健康综合得分。具体的,计算车辆健康综合得分Si:
其中,βj为综合权重,xxij表示第i个样本的第j项特征。
本实施例提出一种新能源车辆健康状况远程评估系统,能够综合考虑多项信号因子,并结合车辆健康领域专家意见权重,为车辆进行综合健康评估,并将评估结果以健康评分的形式远程推送到用户APP端,展示给用户。
本实施例能够基于车辆大数据远程评估车辆健康状况,以数值打分的形式展示给驾驶人员,算法构造了多维度的特征,能够较为全面准确的评价车辆健康状况,基于健康特征的统计分布确定权重,能够客观准确识别特征的重要性,此外基于专家意见的特征权重调整能够提升算法的准确度和专业性。能够在车辆健康出现问题前,提醒用户,防止因车辆健康而发生的交通事故。
应该明白,公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好,应该理解,过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素,并且不是要限于所述的特定顺序或层次。
本领域技术人员还应当理解,结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性,上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件,取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用,以变通的方式实现所描述的功能,但是,这种实现决策不应解释为背离本公开的保护范围。
结合本文的实施例所描述的方法或者算法的步骤可直接体现为硬件、由处理器执行的软件模块或其组合。软件模块可以位于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、移动磁盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质连接至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。该ASIC可以位于用户终端中。当然,处理器和存储介质也可以作为分立组件存在于用户终端中。
对于软件实现,本申请中描述的技术可用执行本申请所述功能的模块(例如,过程、函数等)来实现。这些软件代码可以存储在存储器单元并由处理器执行。存储器单元可以实现在处理器内,也可以实现在处理器外,在后一种情况下,它经由各种手段以通信方式耦合到处理器,这些都是本领域中所公知的。
上文的描述包括一个或多个实施例的举例。当然,为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的,但是本领域普通技术人员应该认识到,各个实施例可以做进一步的组合和排列。因此,本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外,就说明书或权利要求书中使用的术语“包含”,该词的涵盖方式类似于术语“包括”,就如同“包括,”在权利要求中用作衔接词所解释的那样。此外,使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
Claims (10)
1.一种新能源车辆健康状况远程评估方法,其特征在于,包括:
S100.车载终端获取新能源车辆故障码数据和车况数据,并通过T-box上传至云平台;
S200.云平台获取新能源车辆维保记录数据,并与车辆故障码特征和车况数据特征进行融合,生成故障健康特征、车况健康特征和维保健康特征;
S300.对故障健康特征、车况健康特征和维保健康特征进行数据清洗;
S400.对数据清洗后的故障健康特征、车况健康特征和维保健康特征进行权重计算;
S500.根据权重计算后的故障健康特征、车况健康特征和维保健康特征计算新能源车辆健康综合得分。
2.如权利要求1的一种新能源车辆健康状况远程评估方法,其特征在于,S200中,新能源车辆故障码特征包括:首次故障时间间隔、首次故障里程、平均故障时间间隔、平均故障里程间隔、故障累计发生次数、24h故障码总数、一周故障码总数、当前故障部位总数。
3.如权利要求1的一种新能源车辆健康状况远程评估方法,其特征在于,S200中,新能源车辆车况健康特征包括:蓄电池电压、蓄电池电量、动力电池电压、动力电池极值温度、驱动电机温度、驱动电机控制器温度、汽车胎压。
4.如权利要求1的一种新能源车辆健康状况远程评估方法,其特征在于,S200中,新能源车辆维保健康特征包括:上次维保距今时间、上次维保距今里程。
5.如权利要求1的一种新能源车辆健康状况远程评估方法,其特征在于,S300中,对于和汽车健康度负相关的特征,具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1);
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x1=(Up-x)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
6.如权利要求1的一种新能源车辆健康状况远程评估方法,其特征在于,S300中,对于和汽车健康度正相关的特征,具体清洗规则为:
统计样本的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1);
处理样本特征异常值,对于任意样本x,将样本x与上界值Up和下界值Down进行比较,如果x<Down,令x=Down,如果x>Up,令x=Up;
将负相关的特征转化正相关并归一化,令正相关转化并归一化数值x=(x-Down)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
7.如权利要求1的一种新能源车辆健康状况远程评估方法,其特征在于,S300中,对于存在一个最优区间,汽车健康程度可依据最优区间的偏离程度定义的特征,具体清洗规则为:
收集该特征的样本数据x,确定这类特征最优区间范围(down,up),计算样本和最优区间的偏离bias,如果样本数据x值落在最优范围内,则bias=0;如果x<down,bias=down-x;如果x>up,bias=x-up;
统计bias的下四分位数Q1,中位数Q2,上四分位数Q3,计算样本上界值Up=Q3+1.5(Q3-Q1),样本下界值Down=Q1-1.5(Q3-Q1);
处理bias异常值,对于任意样本bias,如果bias<Down,令bias=Down;如果bias>Up,令bias=Up;
特样本值进行征归一化,令x:=(Up-bias)/(Up-Down),经此处理后样本的值与健康度正相关,且值分布在(0,1)区间内。
8.如权利要求1的一种新能源车辆健康状况远程评估方法,其特征在于,S400中,进行权重计算具体方法为:
S401.计算第j项特征下第i个样本值占该指标的比重pij:
其中,i=1,....,n;j=1,...,m;xij表示第i个样本的第j项特征,n代表样本总数,m代表特征的总数;
S402.计算第j项特征的熵ej:
其中,j=1,...,m;k=1/ln(n)>0,且ej>0;
S403.计算信息熵的冗余度dj:
dj=1-ej,j=1,…,m;
S404.计算各项特征的客观权重wj:
S405.基于专家意见为各特征进行主观权重矫正,每项特征主观权重为αj;
S406.根据专家意见和客观权重计算综合权重βj:
10.一种新能源车辆健康状况远程评估系统,其特征在于,包括:数据获取模块、数据清洗模块、权重计算模块、健康得分计算模块;其中:
数据获取模块,获取新能源车辆故障码数据、车况数据和车辆维保记录数据,并将所述数据进行融合,生成故障健康特征、车况健康特征和维保健康特征;
数据清洗模块,对于不同的特征类型,采用不同规则对车辆特征数据进行清洗;
权重计算模块,.对数据清洗后的故障健康特征、车况健康特征和维保健康特征进行权重计算;
健康得分计算模块,根据权重计算后的故障健康特征、车况健康特征和维保健康计算新能源车辆健康综合得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601833.9A CN111968268A (zh) | 2020-06-29 | 2020-06-29 | 一种新能源车辆健康状况远程评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010601833.9A CN111968268A (zh) | 2020-06-29 | 2020-06-29 | 一种新能源车辆健康状况远程评估方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111968268A true CN111968268A (zh) | 2020-11-20 |
Family
ID=73360909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010601833.9A Pending CN111968268A (zh) | 2020-06-29 | 2020-06-29 | 一种新能源车辆健康状况远程评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111968268A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581654A (zh) * | 2020-12-29 | 2021-03-30 | 华人运通(江苏)技术有限公司 | 一种车辆功能的使用频度评价系统及方法 |
CN113297033A (zh) * | 2021-05-28 | 2021-08-24 | 长安大学 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
CN113868236A (zh) * | 2021-09-29 | 2021-12-31 | 东风汽车有限公司东风日产乘用车公司 | 电动交通工具故障监测方法、设备及计算机可读存储介质 |
CN114024820A (zh) * | 2021-09-24 | 2022-02-08 | 北京华控智加科技有限公司 | 一种设备健康画像方法 |
CN114527729A (zh) * | 2022-02-21 | 2022-05-24 | 重庆长安汽车股份有限公司 | 一种基于云平台的车辆健康状态远程监控系统及方法 |
CN114863581A (zh) * | 2022-04-01 | 2022-08-05 | 深圳市超越智能电子有限公司 | 一种新能源车辆用智能声光终端系统 |
CN115214700A (zh) * | 2022-05-26 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种车辆健康管理方法及系统 |
WO2023221587A1 (zh) * | 2022-05-16 | 2023-11-23 | 深圳市道通合创数字能源有限公司 | 电动车辆的动力电池的健康状态确定方法及服务器 |
WO2024055346A1 (zh) * | 2022-09-13 | 2024-03-21 | 武汉理工光科股份有限公司 | 一种车辆状态监测模型训练方法、应用方法、装置和车辆 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976074A (zh) * | 2015-10-21 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种车辆健康参数的生成、展现方法以及装置 |
CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
CN106651169A (zh) * | 2016-12-19 | 2017-05-10 | 国家电网公司 | 基于模糊综合评价的配电自动化终端状态评价方法及系统 |
CN107220764A (zh) * | 2017-05-25 | 2017-09-29 | 北京中电普华信息技术有限公司 | 一种基于前导分析和因素补偿的售电量预测方法及装置 |
CN107784518A (zh) * | 2017-09-20 | 2018-03-09 | 国网浙江省电力公司电力科学研究院 | 一种基于多维指标的电力客户细分方法 |
CN107786492A (zh) * | 2016-08-24 | 2018-03-09 | 北京计算机技术及应用研究所 | 基于集成分类器的网络安全态势评估方法 |
CN109460910A (zh) * | 2018-10-29 | 2019-03-12 | 成都云科新能汽车技术有限公司 | 一种新能源汽车健康监控评估方法及系统 |
CN110070461A (zh) * | 2019-04-17 | 2019-07-30 | 南瑞集团有限公司 | 一种电力信息系统健康度评估方法及其评估系统 |
CN110197332A (zh) * | 2019-05-30 | 2019-09-03 | 重庆跃途科技有限公司 | 一种社会治安综合治理评价方法 |
CN110428151A (zh) * | 2019-07-18 | 2019-11-08 | 国网山东省电力公司电力科学研究院 | 一种同步调相机油系统的状态评价方法 |
CN110658807A (zh) * | 2019-10-16 | 2020-01-07 | 上海仁童电子科技有限公司 | 一种车辆故障诊断方法、装置及系统 |
CN110826934A (zh) * | 2019-11-21 | 2020-02-21 | 广州供电局有限公司 | 中压开关柜健康度评价方法、装置及系统 |
CN111222740A (zh) * | 2019-10-28 | 2020-06-02 | 吉林大学 | 基于三角模糊分析法和熵值法的制动踏板感觉评价方法 |
-
2020
- 2020-06-29 CN CN202010601833.9A patent/CN111968268A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105976074A (zh) * | 2015-10-21 | 2016-09-28 | 乐卡汽车智能科技(北京)有限公司 | 一种车辆健康参数的生成、展现方法以及装置 |
CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
CN107786492A (zh) * | 2016-08-24 | 2018-03-09 | 北京计算机技术及应用研究所 | 基于集成分类器的网络安全态势评估方法 |
CN106651169A (zh) * | 2016-12-19 | 2017-05-10 | 国家电网公司 | 基于模糊综合评价的配电自动化终端状态评价方法及系统 |
CN107220764A (zh) * | 2017-05-25 | 2017-09-29 | 北京中电普华信息技术有限公司 | 一种基于前导分析和因素补偿的售电量预测方法及装置 |
CN107784518A (zh) * | 2017-09-20 | 2018-03-09 | 国网浙江省电力公司电力科学研究院 | 一种基于多维指标的电力客户细分方法 |
CN109460910A (zh) * | 2018-10-29 | 2019-03-12 | 成都云科新能汽车技术有限公司 | 一种新能源汽车健康监控评估方法及系统 |
CN110070461A (zh) * | 2019-04-17 | 2019-07-30 | 南瑞集团有限公司 | 一种电力信息系统健康度评估方法及其评估系统 |
CN110197332A (zh) * | 2019-05-30 | 2019-09-03 | 重庆跃途科技有限公司 | 一种社会治安综合治理评价方法 |
CN110428151A (zh) * | 2019-07-18 | 2019-11-08 | 国网山东省电力公司电力科学研究院 | 一种同步调相机油系统的状态评价方法 |
CN110658807A (zh) * | 2019-10-16 | 2020-01-07 | 上海仁童电子科技有限公司 | 一种车辆故障诊断方法、装置及系统 |
CN111222740A (zh) * | 2019-10-28 | 2020-06-02 | 吉林大学 | 基于三角模糊分析法和熵值法的制动踏板感觉评价方法 |
CN110826934A (zh) * | 2019-11-21 | 2020-02-21 | 广州供电局有限公司 | 中压开关柜健康度评价方法、装置及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581654A (zh) * | 2020-12-29 | 2021-03-30 | 华人运通(江苏)技术有限公司 | 一种车辆功能的使用频度评价系统及方法 |
CN113297033A (zh) * | 2021-05-28 | 2021-08-24 | 长安大学 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
CN113297033B (zh) * | 2021-05-28 | 2024-03-01 | 长安大学 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
CN114024820A (zh) * | 2021-09-24 | 2022-02-08 | 北京华控智加科技有限公司 | 一种设备健康画像方法 |
CN114024820B (zh) * | 2021-09-24 | 2024-04-16 | 北京华控智加科技有限公司 | 一种设备健康画像方法 |
CN113868236A (zh) * | 2021-09-29 | 2021-12-31 | 东风汽车有限公司东风日产乘用车公司 | 电动交通工具故障监测方法、设备及计算机可读存储介质 |
CN114527729A (zh) * | 2022-02-21 | 2022-05-24 | 重庆长安汽车股份有限公司 | 一种基于云平台的车辆健康状态远程监控系统及方法 |
CN114863581A (zh) * | 2022-04-01 | 2022-08-05 | 深圳市超越智能电子有限公司 | 一种新能源车辆用智能声光终端系统 |
CN114863581B (zh) * | 2022-04-01 | 2023-12-22 | 金联兴电子(深圳)有限公司 | 一种新能源车辆用智能声光终端系统 |
WO2023221587A1 (zh) * | 2022-05-16 | 2023-11-23 | 深圳市道通合创数字能源有限公司 | 电动车辆的动力电池的健康状态确定方法及服务器 |
CN115214700A (zh) * | 2022-05-26 | 2022-10-21 | 广州汽车集团股份有限公司 | 一种车辆健康管理方法及系统 |
WO2024055346A1 (zh) * | 2022-09-13 | 2024-03-21 | 武汉理工光科股份有限公司 | 一种车辆状态监测模型训练方法、应用方法、装置和车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111968268A (zh) | 一种新能源车辆健康状况远程评估方法和系统 | |
CN111289829B (zh) | 一种基于多源信息融合的配电变压器在线监测方法及系统 | |
CN105046402B (zh) | 一种应用于智能变电站二次设备的状态评估方法 | |
KR101617349B1 (ko) | 운전 습관 분석 진단 시스템 및 방법 | |
CN105335692B (zh) | 一种轮胎x光图像检测识别方法及系统 | |
CN111242484B (zh) | 基于转移概率的车辆风险综合评价方法 | |
CN113173104B (zh) | 一种新能源车辆动力电池预警方法及系统 | |
CN114239734B (zh) | 一种分布式车载健康管理系统 | |
CN113159435B (zh) | 一种新能源车辆剩余驾驶里程预测方法及系统 | |
CN112466149B (zh) | 提高实时停车空余泊位统计准确度的停车管理方法及系统 | |
CN116482536A (zh) | 基于数据驱动的动力电池故障预警与安全风险评估方法 | |
CN112700156A (zh) | 一种新能源汽车运行安全性能评价体系构建方法 | |
CN112541161B (zh) | 一种区域多源降水数据质量控制方法及系统 | |
CN113297033B (zh) | 基于云端监测数据的车辆电控系统健康评估方法和系统 | |
CN114036647A (zh) | 一种基于实车数据的动力电池安全风险评估方法 | |
CN116466241B (zh) | 一种单体电池热失控定位方法 | |
US20100106357A1 (en) | Combined evidence vehicle health monitoring | |
CN116451554A (zh) | 考虑多种气象因子的电网气象风险预测方法 | |
CN113361730B (zh) | 一种检修计划的风险预警方法、装置、设备和介质 | |
CN106462908B (zh) | 维护管理指标计算装置以及维护管理指标计算方法 | |
DE102019209357B3 (de) | Verfahren zum Ermitteln zumindest eines aktuellen Vertrauenswerts eines Datensatzes eines Kraftfahrzeugs sowie ein Rechensystem hierzu | |
CN111832834B (zh) | 一种机场道面使用性能预测方法、装置和电子设备 | |
CN111337764A (zh) | 充电桩故障诊断系统、方法及存储介质 | |
CN110705833A (zh) | 一种用于列车控制和管理系统的可靠性评估方法 | |
CN112884352B (zh) | 一种架空输电线路雷击故障风险评估方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201120 |