CN112406895A - 车辆底盘磕碰事件的监控方法、监控装置和服务器 - Google Patents

车辆底盘磕碰事件的监控方法、监控装置和服务器 Download PDF

Info

Publication number
CN112406895A
CN112406895A CN202011286538.5A CN202011286538A CN112406895A CN 112406895 A CN112406895 A CN 112406895A CN 202011286538 A CN202011286538 A CN 202011286538A CN 112406895 A CN112406895 A CN 112406895A
Authority
CN
China
Prior art keywords
signal
vehicle
chassis
battery
fault
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
Application number
CN202011286538.5A
Other languages
English (en)
Other versions
CN112406895B (zh
Inventor
龙荣深
邓俊松
何锐邦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN202011286538.5A priority Critical patent/CN112406895B/zh
Publication of CN112406895A publication Critical patent/CN112406895A/zh
Application granted granted Critical
Publication of CN112406895B publication Critical patent/CN112406895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/021—Means for detecting failure or malfunction

Abstract

本申请公开了一种车辆底盘磕碰事件的监控方法、监控装置、服务器和存储介质。监控方法包括：获取车辆行驶信号；根据车辆行驶信号识别车身起伏的程度以确定车身是否发生起伏；在车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号；根据车身起伏程度、电池参数信号、车辆故障信号和驾驶员行为信号监测车辆是否发生底盘磕碰事件。本申请实施方式的车辆底盘磕碰事件的监控方法、监控装置、服务器和存储介质中，对于底盘磕碰事件的监测较为精准，且能够检测轻微程度到严重程度的磕碰，检测范围更广。此外，在车辆底盘发生磕碰后主动检测事件的发生并进行相应的处理，能够改进车辆售后服务，提升用户体验。

Description

车辆底盘磕碰事件的监控方法、监控装置和服务器
技术领域
本申请涉及车辆技术领域，特别涉及一种车辆底盘磕碰事件的监控方法、监控装置、服务器和存储介质。
背景技术
随着汽车技术的不断发展，汽车逐渐成为人们主要的出行工具。车辆在恶劣路况中行驶，例如地面存在凸起或坑洼，车辆底盘容易发生刮擦事故，甚至影响汽车的行驶安全和使用寿命。相关技术中，通常依赖于用户主观感受，仅能对程度较为严重的底盘磕碰有所感知，而无法对轻微程度的底盘磕碰进行感知。
发明内容
有鉴于此，本申请的实施例提供了一种车辆底盘磕碰事件的监控方法、监控装置、服务器和存储介质。
本申请提供了一种车辆底盘磕碰事件的监控方法，所述监控方法包括：
获取车辆行驶信号；
根据车辆行驶信号识别车身起伏的程度以确定所述车身是否发生起伏；
在所述车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号；
根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件。
在某些实施方式中，所述获取车辆行驶信号包括：
获取当前时间前第一预定时间至当前时间的第一时间段内每个单位时间的车辆行驶信号。
在某些实施方式中，所述根据车辆行驶信号确定车身是否发生起伏包括；
根据预存储的车辆异常起伏识别模型对所述车辆行驶信号进行识别以判断所述车身的起伏程度。
在某些实施方式中，所述车辆行驶信号包括车辆的垂直加速度信号，所述根据预存储的车辆异常起伏识别模型对所述车辆行驶信号进行识别以判断所述车身的起伏程度包括：
根据所述车辆的垂直加速度信号确定垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值；
根据所述车辆异常起伏识别模型对所述垂直加速度信号的最大值、所述垂直加速度信号的最小值、所述垂直加速度信号的平均值、所述垂直加速度信号的方差、所述垂直加速度信号的均方值、所述垂直加速度信号的一阶差分的平均值和所述垂直加速度信号的一阶差分的最大值进行处理以得到所述车身的起伏程度。
在某些实施方式中，所述在所述车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号包括；
在所述车身发生起伏的情况下，获取当前时间至当前时间后第二预定时间的第二时间段内每个单位时间的电池参数信号；
获取当前时间至当前时间后第三预定时间的第三时间段内每个单位时间的车辆故障信号；
获取当前时间前第四预定时间至当前时间后第五预定时间的第四时间段内每个单位时间的车辆故障信号和驾驶员行为信号。
在某些实施方式中，所述根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件包括：
根据预存储的电池异常识别模型对所述电池参数信号进行识别以判断电池的异常等级；
根据预存储的车辆底盘异常识别模型对所述车辆故障信号进行识别以判断所述车辆底盘的异常等级。
在某些实施方式中，所述电池参数信号包括电池的电压信号、电池的温度信号和电池的故障信号，所述根据预存储的电池异常识别模型对所述电池参数信号进行识别以判断电池的异常等级包括：
根据所述电池的电压信号确定电压信号的最大值、电压信号的最小值、电压信号的平均值、第一电压偏差和第二电压偏差；
根据所述电池的温度信号确定温度信号的最大值、温度信号的最小值、温度信号的平均值、第一温度偏差和第二温度偏差；
根据预设定的第一评级规则、所述电压信号、所述温度信号和所述故障信号判断所述电池的异常等级。
在某些实施方式中，所述车辆故障信号包括自动驻车系统故障信号、电子稳定系统故障信号、电子助力转向系统故障信号、防锁死制动系统故障信号、电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号，所述根据预存储的车辆底盘异常识别模型对所述车辆信号进行识别以判断所述车辆底盘的异常等级包括：
根据预设定的第二评级规则、所述自动驻车系统故障信号、所述电子稳定系统故障信号、所述电子助力转向系统故障信号、所述防锁死制动系统故障信号、所述电子制动力分配系统故障信号、所述陡坡缓降控制系统故障信号、所述胎压监控系统故障信号和所述电驱系统故障信号判断所述电池的异常等级。
在某些实施方式中，所述根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件包括：
根据预存储的底盘磕碰识别模型对所述车身起伏程度、所述电池的异常等级、所述车辆底盘的异常等级、所述车辆故障信号和所述驾驶员行为信号进行识别以判断所述车辆是否发生所述底盘磕碰事件。
在某些实施方式中，所述车辆故障信号包括车身电子稳定系统激活信号和打滑信号，所述驾驶员行为信号包括方向盘转角信号、主驾车门信号、车辆上锁信号、挡位信号和双闪灯信号，所述根据预存储的底盘磕碰识别模型对所述车身起伏程度、所述电池的异常等级、所述车辆底盘的异常等级、所述车辆故障信号和所述驾驶员行为信号进行识别以判断所述车辆是否发生所述底盘磕碰事件包括：
根据所述预存储的底盘磕碰识别模型对由所述车身起伏程度、所述电池的异常等级、所述车辆底盘的异常等级、所述车辆故障信号和所述驾驶员行为信号构成的特征向量进行处理以得到所述车辆发生所述底盘磕碰事件的概率；
在所述概率大于预定阈值时确定所述车辆发生所述底盘磕碰事件。
本申请提供了一种车辆底盘磕碰事件的监控装置，所述监控装置包括：
获取模块，所述获取模块用于获取车辆行驶信号；
判断模块，所述判断模块用于根据车辆行驶信号识别车身起伏的程度以确定所述车身是否发生起伏；
所述获取模块还用于在所述车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号；
所述判断模块还用于根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件。
本申请提供了一种服务器，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器用于执行所述计算机程序时实现上述任一实施方式的车辆底盘磕碰事件的监控方法。
本申请提供了一个或多个存储有计算机程序的非易失性计算机可读存储介质，当所述计算机程序被一个或多个处理器执行时，实现上述任一实施方式的车辆底盘磕碰事件的监控方法。
本申请实施方式的车辆底盘磕碰事件的监控方法、监控装置、服务器和存储介质中，通过获取车辆行驶信号识别车身的起伏程度，从而确定车身是否发生起伏，并在车身发生起伏的情况下，获取电池参数信号、车辆故障信号和驾驶员行为信号。接着根据车身起伏程度、电池参数信号、车辆故障信号和驾驶员行为信号，综合判定车辆是否发生底盘磕碰事件。如此，对于底盘磕碰事件的监测较为精准，且能够检测轻微程度到严重程度的磕碰，检测范围更广。此外，在车辆底盘发生磕碰后主动检测事件的发生并进行相应的处理，能够改进车辆售后服务，提升用户体验。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图2是本申请某些实施方式的服务器的结构示意图。
图3是本申请某些实施方式的车辆底盘磕碰事件的监控装置的模块示意图。
图4是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图5是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图6是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图7是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图8是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图9是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图10是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图11是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图12是本申请某些实施方式的车辆底盘磕碰事件的监控方法的模型示意图。
图13是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
图14是本申请某些实施方式的车辆底盘磕碰事件的监控方法的流程示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
请参阅图1，本申请提供一种车辆底盘磕碰事件的监控方法，包括：
S11：获取车辆行驶信号；
S12：根据车辆行驶信号识别车身起伏的程度以确定车身是否发生起伏；
S13：在车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号；
S14：根据车身起伏程度、电池参数信号、车辆故障信号和驾驶员行为信号监测车辆是否发生底盘磕碰事件。
请参阅图2，本申请实施方式提供了一种服务器100。服务器100包括处理器102和存储器104，存储器104存储有计算机程序106，当计算机程序106被一个或多个处理器102执行时，实现：获取车辆行驶信号，根据车辆行驶信号识别车身起伏的程度以确定车身是否发生起伏，在车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号，根据车身起伏程度、电池参数信号、车辆故障信号和驾驶员行为信号监测车辆是否发生底盘磕碰事件。其中，处理器102可以是为实施车辆底盘磕碰事件的监控方法而独立设置的处理器102，也可以是服务器100自身的处理器102，在此不做限制。
请参阅图3，本申请实施方式还提供了一种车辆底盘磕碰事件的监控装置110，本申请实施方式的车辆底盘磕碰事件的监控方法可以由车辆底盘磕碰事件的监控装置110实现。车辆底盘磕碰事件的监控装置110包括获取模块112和判断模块114。S11和S13可以由获取模块112实现，S12和S14可以由判断模块114实现。或者说，获取模块112用于获取车辆行驶信号，以及用于在车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号。判断模块114用于根据车辆行驶信号识别车身起伏的程度以确定车身是否发生起伏，以及用于根据车身起伏程度、电池参数信号、车辆故障信号和驾驶员行为信号监测车辆是否发生底盘磕碰事件。
具体地，车辆底盘搭载着车辆发动机、传动轴、排气管、输油管、电池和/或通信线路等重要零部件，车辆在存在凸起或坑洼等起伏剧烈的路段中行驶时，由于底盘与地面的距离较小，底盘容易与地面发生刮擦，导致车辆底盘磨损，甚至导致车辆零部件故障，影响驾驶安全。例如，对纯电动汽车而言，车辆动力电池安装于车辆底盘上，在车辆底盘受到撞击的情况下，动力电池的外壳会因受到挤压而发生故障，严重时可能导致电芯短路，引发电池热失控。因此，随着汽车的日渐普及，对于车辆底盘的磕碰事件的监测，成为亟待解决的问题。
相关技术中，对于车辆底盘的磕碰事件的监测，通常依赖于用户的主观感受，由用户根据驾驶经验或主观猜测判断底盘是否发生磕碰以及磕碰的严重程度，对于较轻微程度的底盘磕碰无法感知，而轻微程度的磕碰也有可能影响驾驶安全。
本申请实施方式的车辆底盘磕碰事件的监控方法、服务器100和车辆底盘磕碰事件的监控装置110中，通过获取车辆行驶信号识别车身的起伏程度，从而确定车身是否发生起伏，并在车身发生起伏的情况下，获取电池参数信号、车辆故障信号和驾驶员行为信号。接着根据车身起伏程度、电池参数信号、车辆故障信号和驾驶员行为信号，综合判定车辆是否发生底盘磕碰事件。如此，对于底盘磕碰事件的监测较为精准，且能够检测轻微程度到严重程度的磕碰，检测范围更广。此外，在车辆底盘发生磕碰后主动检测事件的发生并进行相应的处理，能够改进车辆售后服务，提升用户体验。
请参阅图4，在某些实施方式中，S11包括：
S111：获取当前时间前第一预定时间至当前时间的第一时间段内每个单位时间的车辆行驶信号。
在某些实施方式中，S111可以由获取模块112实现。或者说，获取模块112用于获取当前时间前第一预定时间至当前时间的第一时间段内每个单位时间的车辆行驶信号。
在某些实施方式中，处理器102用于获取当前时间前第一预定时间至当前时间的第一时间段内每个单位时间的车辆行驶信号。
具体地，在车辆行驶过程中，获取第一时间段内每个单位时间的车辆行驶信号，根据车辆行驶信号识别车身起伏的程度，从而确定车身是否发生起伏。其中，第一时间段可以是当前时间t以前的预定时间t11至当前时间t的时间范围，也可以是当前时间t以前预定时间t11至当前时间t以后预定时间t12的时间范围。
在一些实施例中，第一时间段可以是当前时间t以前的预定时间t11至当前时间t的时间范围。其中，t11为5秒。在车辆行驶过程中，获取t11-t的时间范围内每个单位时间的车辆行驶信号，对每个单位时间的车辆行驶信号进行分析和处理，识别车身起伏的程度，从而确定车身是否发生起伏。
如此，能够将当前时间的车身起伏的程度与当前时间以前的车身起伏的程度进行比较分析，准确判断当前时间车身是否发生起伏，确保分析底盘磕碰事件结果的准确性。
在另一些实施例中，第一时间段可以是当前时间t以前预定时间t11至当前时间t以后预定时间t12的时间范围。其中，t11为5秒，t12为2秒。在车辆行驶过程中，获取t11-t12的时间范围内每个单位时间的车辆行驶信号，对每个单位时间的车辆行驶信号进行分析和处理，识别车身起伏的程度，从而确定车身是否发生起伏。
如此，能够将当前时间的车身起伏程度、当前时间以前的车身起伏程度和当前时间以后的车身起伏程度进行比较分析，准确判断当前时间车身是否发生起伏，确保分析底盘磕碰事件结果的准确性。
需要说明地，第一时间段的时间范围长短可以根据路况、车辆使用年限、车辆维修记录、车辆性能等因素设定，具体不做限定，例如可以是3秒、5秒、10秒、13秒、17秒等。相应地，当前时间t以前的预定时间t11和当前时间t以后的预定时间t12可以根据路况、车辆使用年限、车辆维修记录、车辆性能等因素设定，具体不做限定，例如可以是1秒、3秒、5秒、8秒、10秒等，t11和t12的具体数值可以相等，也可以不相等。
请参阅图5，在某些实施方式中，S12包括：
S121：根据预存储的车辆异常起伏识别模型对车辆行驶信号进行识别以判断车身的起伏程度。
在某些实施方式中，S121可以由判断模块114实现。或者说，判断模块114用于根据预存储的车辆异常起伏识别模型对车辆行驶信号进行识别以判断车身的起伏程度。
在某些实施方式中，处理器102用于根据预存储的车辆异常起伏识别模型对车辆行驶信号进行识别以判断车身的起伏程度。
具体地，可根据预存储的车辆异常起伏识别模型对车辆行驶信号进行识别，判断出车身的起伏程度，从而确定车身是否发生起伏。车辆异常起伏识别模型的具体处理方法可以根据数据类别、数据量大小等因素选定，具体不做限定，例如可以是决策树分类和回归(Classification And Regression Tree，CART)算法，也可以是支持向量机(SupportVector Machine，SVM)算法，还可以采用梯度提升树(Gradient Boosting Decision Tree，GBDT)算法等。
将对车辆行驶信号的识别过程以模型的形式进行开发和存储，如此，能够提高车辆底盘磕碰事件的监控装置110的开发效率。在后续使用过程中出现故障，也便于查看和修改。完成模型开发后，基于模型复用率高的特点，车辆异常起伏识别模型能够适用于多种车型和/或系统，缩短研发周期，减少开发成本。
请参阅图6，在某些实施方式中，车辆行驶信号包括车辆的垂直加速度信号，S121包括：
S1211：根据车辆的垂直加速度信号确定垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值；
S1212：根据车辆异常起伏识别模型对垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值进行处理以得到车身的起伏程度。
在某些实施方式中，S1211和S1212可以由判断模块114实现。或者说，判断模块114用于根据车辆的垂直加速度信号确定垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值，以及用于根据车辆异常起伏识别模型对垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值进行处理以得到车身的起伏程度。
在某些实施方式中，处理器102用于根据车辆的垂直加速度信号确定垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值，以及用于根据车辆异常起伏识别模型对垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值进行处理以得到车身的起伏程度。
具体地，可以通过对车辆垂直加速度信号的处理判断车身是否发生起伏。其中，根据采集到的垂直加速度信号x1～xn，可以确定n个垂直加速度信号中的最大值max、n个垂直加速度信号中的最小值min、n个垂直加速度信号中的平均值
Figure BDA0002782577930000081
n个垂直加速度信号中的方差s2、n个垂直加速度信号中的均方值E、n个垂直加速度信号中的一阶差分的平均值
Figure BDA0002782577930000082
和n个垂直加速度信号中的一阶差分的最大值max2。
进一步地，n个垂直加速度信号中的平均值
Figure BDA0002782577930000083
可以根据均值公式
Figure BDA0002782577930000084
得出。n个垂直加速度信号中的方差s2可以用公式
Figure BDA0002782577930000085
得出。n个垂直加速度信号中的均方值E可以用公式
Figure BDA0002782577930000086
得出。至于n个垂直加速度信号中的一阶差分的平均值
Figure BDA0002782577930000087
和n个垂直加速度信号中的一阶差分的最大值max2，则需先算出n个垂直加速度信号的(n-1)个一阶差分Δx1～Δxn-1，再从中得出一阶差分的最大值max2和根据均值公式
Figure BDA0002782577930000088
得出一阶差分的平均值
Figure BDA0002782577930000089
车辆异常起伏识别模型对上述7种特征值进行处理，得出0、1、2三种判断结果。其中，0表示车身无起伏，1表示车身起伏程度较小，2表示车身起伏程度较大。可以理解地，车辆异常起伏识别模型输出的判断结果为0时，并不一定意味着车身绝对平稳，也可以是指，在车辆异常起伏识别模型的处理过程中，认为当前时间车身的起伏程度相对于当前时间以前或相对于当前时间以后的车身起伏程度而言，是相对无起伏的。
如此，根据车辆的实际行驶情况输出不同的判断结果，准确判断车身的起伏程度，确保后续判断结果的可信度。
在一些实施例中，根据在预定时间内采集到的100个垂直加速度信号x1～x100，可以确定100个垂直加速度信号中的最大值max、100个垂直加速度信号中的最小值min、100个垂直加速度信号中的平均值
Figure BDA0002782577930000091
100个垂直加速度信号中的方差s2、100个垂直加速度信号中的均方值E、100个垂直加速度信号中的一阶差分的平均值
Figure BDA0002782577930000092
和100个垂直加速度信号中的一阶差分的最大值max2。车辆异常起伏识别模型对上述7种特征值进行处理，输出的判断结果为1，则表示车身起伏程度较小。如此，根据车辆的实际行驶情况输出不同的判断结果，准确判断车身的起伏程度，确保后续判断结果的可信度。
请参阅图7，在某些实施方式中，S13包括：
S131：在车身发生起伏的情况下，获取当前时间至当前时间后第二预定时间的第二时间段内每个单位时间的电池参数信号；
S132：获取当前时间至当前时间后第三预定时间的第三时间段内每个单位时间的车辆故障信号；
S133：获取当前时间前第四预定时间至当前时间后第五预定时间的第四时间段内每个单位时间的车辆故障信号和驾驶员行为信号。
在某些实施方式中，S131-S133可以由获取模块112实现。或者说，获取模块112用于在车身发生起伏的情况下，获取当前时间至当前时间后第二预定时间的第二时间段内每个单位时间的电池参数信号，及用于获取当前时间至当前时间后第三预定时间的第三时间段内每个单位时间的车辆故障信号，以及用于获取当前时间前第四预定时间至当前时间后第五预定时间的第四时间段内每个单位时间的车辆故障信号和驾驶员行为信号。
在某些实施方式中，处理器102用于在车身发生起伏的情况下，获取当前时间至当前时间后第二预定时间的第二时间段内每个单位时间的电池参数信号，及用于获取当前时间至当前时间后第三预定时间的第三时间段内每个单位时间的车辆故障信号，以及用于获取当前时间前第四预定时间至当前时间后第五预定时间的第四时间段内每个单位时间的车辆故障信号和驾驶员行为信号。
具体地，在判断出车身发生起伏的情况下，获取第二时间段内每个单位时间的电池参数信号、第三时间段内每个单位时间的车辆故障信号以及第四时间段内每个单位时间的车辆故障信号和驾驶员行为信号，根据车身起伏程度、电池参数信号、车辆故障信号和驾驶员行为信号监测车辆是否发生底盘磕碰事件。其中，第二时间段可以是当前时间t至当前时间t以后的预定时间t22的时间范围，也可以是当前时间t以前预定时间t21至当前时间t以后预定时间t22的时间范围。第三时间段可以是当前时间t至当前时间t以后的预定时间t32的时间范围，也可以是当前时间t以前预定时间t31至当前时间t以后预定时间t32的时间范围。第四时间段可以是当前时间t以前的预定时间t41至当前时间t的时间范围，也可以是当前时间t以前预定时间t41至当前时间t以后预定时间t42的时间范围，还可以是当前时间t至当前时间t以后的预定时间t42的时间范围。
在一些实施例中，第二时间段可以是当前时间t至当前时间t以后的预定时间t22的时间范围。其中，t22为60秒。在判断出车身发生起伏的情况下，获取t-t22的时间范围内每个单位时间的电池参数信号，对每个单位时间的电池参数信号进行分析和处理，从而判断车辆是否发生底盘磕碰事件。
如此，能够将当前时间的电池参数信号与当前时间以后的电池参数信号进行比较分析，准确判断当前时间电池参数是否异常，确保分析底盘磕碰事件的结果的准确性。
在另一些实施例中，第二时间段可以是当前时间t以前预定时间t21至当前时间t以后预定时间t22的时间范围。其中，t21为5秒，t22为60秒。在判断出车身发生起伏的情况下，获取t21-t22的时间范围内每个单位时间的电池参数信号，对每个单位时间的电池参数信号进行分析和处理，从而判断车辆是否发生底盘磕碰事件。
如此，能够将当前时间以前、当前时间和当前时间以后的电池参数信号进行比较分析，准确判断当前时间电池参数是否异常，确保分析底盘磕碰事件结果的准确性。
在一些实施例中，第三时间段可以是当前时间t至当前时间t以后的预定时间t32的时间范围。其中，t32为30秒。在判断出车身发生起伏的情况下，获取t-t32的时间范围内每个单位时间的车辆故障信号，对每个单位时间的车辆故障信号进行分析和处理，从而判断车辆是否发生底盘磕碰事件。
如此，能够将当前时间的车辆故障信号与当前时间以后的车辆故障信号进行比较分析，准确判断当前时间车辆是否发生故障，确保分析底盘磕碰事件的结果的准确性。
在另一些实施例中，第三时间段可以是当前时间t以前预定时间t31至当前时间t以后预定时间t32的时间范围。其中，t31为5秒，t32为30秒。在判断出车身发生起伏的情况下，获取t31-t32的时间范围内每个单位时间的车辆故障信号，对每个单位时间的车辆故障信号进行分析和处理，从而判断车辆是否发生底盘磕碰事件。
如此，能够将当前时间以前、当前时间和当前时间以后的车辆故障信号进行比较分析，准确判断当前时间车辆是否发生故障，确保分析底盘磕碰事件结果的准确性。
在一些实施例中，第四时间段可以是当前时间t以前预定时间t41至当前时间t以后预定时间t42的时间范围。其中，t41为10秒，t42为80秒。在判断出车身发生起伏的情况下，获取t41-t42的时间范围内每个单位时间的车辆故障信号和驾驶员行为信号，对每个单位时间的车辆故障信号和驾驶员行为信号进行分析和处理，从而判断车辆是否发生底盘磕碰事件。
如此，能够将当前时间以前、当前时间和当前时间以后的车辆故障信号和驾驶员行为信号进行比较分析，准确判断当前时间车辆是否发生故障，以及判断驾驶员行为是否异常，确保分析底盘磕碰事件结果的准确性。
在另一些实施例中，第四时间段可以是当前时间t以前的预定时间t41至当前时间t的时间范围，也可以是当前时间t至当前时间t以后的预定时间t42的时间范围。
如此，能够将预定时间内的车辆故障信号和驾驶员行为信号进行比较分析，准确判断当前时间车辆是否发生故障，以及判断驾驶员行为是否异常，确保分析底盘磕碰事件的结果的准确性。
需要说明地，第二时间段、第三时间段和第四时间段的时间范围长短可以根据路况、车辆使用年限、车辆维修记录、车辆性能以及监测对象的不同等因素设定，具体不做限定，例如可以是10秒、30秒、50秒、60秒、100秒、120秒等等。t21、t22、t31、t32、t41和t42可以根据路况、车辆使用年限、车辆维修记录、车辆性能等因素设定，具体不做限定，例如可以是5秒、10秒、30秒、50秒、80秒等，t21、t22、t31、t32、t41和t42的具体数值可以相等，也可以不相等。
请参阅图8，在某些实施方式中，S14包括：
S141：根据预存储的电池异常识别模型对电池参数信号进行识别以判断电池的异常等级；
S142：根据预存储的车辆底盘异常识别模型对车辆故障信号进行识别以判断车辆底盘的异常等级。
在某些实施方式中，S141和S142可以由判断模块114实现。或者说，判断模块114用于根据预存储的电池异常识别模型对电池参数信号进行识别以判断电池的异常等级，以及用于根据预存储的车辆底盘异常识别模型对车辆故障信号进行识别以判断车辆底盘的异常等级。
在某些实施方式中，处理器102用于根据预存储的电池异常识别模型对电池参数信号进行识别以判断电池的异常等级，以及用于根据预存储的车辆底盘异常识别模型对车辆故障信号进行识别以判断车辆底盘的异常等级。
具体地，可根据预存储的电池异常识别模型对电池参数信号进行识别，判断出电池是否异常，评定电池的异常等级，并根据预存储的车辆底盘异常识别模型对车辆故障信号进行识别，判断出车辆底盘是否异常，评定车辆底盘的异常等级，从而确定车辆是否发生底盘磕碰事件。电池异常识别模型和车辆底盘异常识别模型的具体处理方法可以根据数据类别、数据量大小等因素选定，具体不做限定，例如可以是计数模型，可以是GBDT算法，可以是SVM算法，还可以是CART算法等。
将对电池参数信号和车辆故障信号的识别过程以模型的形式进行开发和存储，如此，能够提高监控装置110的开发效率。在后续使用过程中出现故障，也便于查看和修改。完成模型开发后，基于模型复用率高的特点，电池异常识别模型和车辆底盘异常识别模型能够适用于多种车型和/或系统，缩短开发周期，减少开发成本。
请参阅图9，在某些实施方式中，电池参数信号包括电池的电压信号、电池的温度信号和电池的故障信号，S141包括：
S1411：根据电池的电压信号确定电压信号的最大值、电压信号的最小值、电压信号的平均值、第一电压偏差和第二电压偏差；
S1412：根据电池的温度信号确定温度信号的最大值、温度信号的最小值、温度信号的平均值、第一温度偏差和第二温度偏差；
S1413：根据预设定的第一评级规则、电压信号、温度信号和故障信号判断电池的异常等级。
在某些实施方式中，S1411-S1413可以由判断模块114实现。或者说，判断模块114用于根据电池的电压信号确定电压信号的最大值、电压信号的最小值、电压信号的平均值、第一电压偏差和第二电压偏差，及用于根据电池的温度信号确定温度信号的最大值、温度信号的最小值、温度信号的平均值、第一温度偏差和第二温度偏差，以及用于根据预设定的第一评级规则、电压信号、温度信号和故障信号判断电池的异常等级。
在某些实施方式中，处理器102用于根据电池的电压信号确定电压信号的最大值、电压信号的最小值、电压信号的平均值、第一电压偏差和第二电压偏差，及用于根据电池的温度信号确定温度信号的最大值、温度信号的最小值、温度信号的平均值、第一温度偏差和第二温度偏差，以及用于根据预设定的第一评级规则、电压信号、温度信号和故障信号判断电池的异常等级。
具体地，电动汽车动力电池模组中包含多个单体电芯。可以通过获取每一个电芯的电池参数信号，判断单个电芯是否发生故障。在单个电芯发生故障时，认为整个动力电池模组发生故障。
具体而言，获取第二时间段内每个单位时间的电池的电压信号，对于获取到的多个电压信号进行分析和处理，得出电压信号的最大值maxv、电压信号的最小值minv、电压信号的平均值
Figure BDA0002782577930000131
从而得出第一电压偏差Δv1和第二电压偏差Δv2。其中，第一电压偏差Δv1可以是Δv1＝maxv-minv，即电压信号的最大值与最小值的差值。第二电压偏差Δv2可以是
Figure BDA0002782577930000132
在第一电压偏差大于第一预定阈值或第二电压偏差大于第二预定阈值的情况下，认为电池电压存在异常，电池异常识别模型输出电池电压异常信号。其中，第一预定阈值和第二预定阈值可以根据路况、车辆使用年限、车辆维修记录、车辆性能等参数设定，具体不做限定，例如可以是0.1、0.2、0.5、0.7、0.8等。
获取第二时间段内每个单位时间的电池的温度信号，对于获取到的多个温度信号进行分析和处理，得出温度信号的最大值maxt、温度信号的最小值mint、温度信号的平均值
Figure BDA0002782577930000133
从而得出第一温度偏差Δt1和第二温度偏差Δt2。其中，第一温度偏差Δt1可以是Δt1＝maxt-mint，即温度信号的最大值与最小值的差值。第二温度偏差Δt2可以是
Figure BDA0002782577930000134
在第一温度偏差大于第三预定阈值或第二温度偏差大于第四预定阈值的情况下，认为电池温度存在异常，电池异常识别模型输出电池温度异常信号。其中，第三预定阈值和第四预定阈值可以根据路况、车辆使用年限、车辆维修记录、车辆性能等参数设定，具体不做限定，例如可以是6、5、3、2、1、0.7、0.8等。
同时，获取第二时间段内每个单位时间的电池的故障信号。电池故障信号包括电池轻微故障信号和电池严重故障信号。其中，电池轻微故障信号包括：高压回路断路故障信号、电芯温度传感器短路信号、电芯温度传感器开路信号、电流传感器故障信号和电压传感器故障信号。电池严重故障信号包括：单体极限欠压信号、单体极限过压信号、极限过流故障信号和绝缘阻值过低故障信号。
电池异常识别模型对上述异常信号进行处理，得出0、1、2三种判断结果。其中，0表示电池无异常，1表示电池出现轻微故障，2表示电池出现严重故障。
第一评级规则为：在不存在上述异常信号的情况下，电池异常识别模型输出0，表示电池无异常。在电池电压异常信号、电池温度异常信号以及5个电池轻微故障信号中，出现小于或等于3个异常信号，且电池严重故障信号为0个的情况下，电池异常识别模型输出1，表示电池出现轻微故障。在电池电压异常信号、电池温度异常信号以及5个电池轻微故障信号中，出现大于3个异常信号，或出现电池严重故障信号的情况下，电池异常识别模型输出2，表示电池出现严重故障。
在一些实施例中，根据获取到的电池的电压信号和温度信号，判断电池电压异常和电池温度异常，且检测到电池中电流传感器的故障信号，根据第一评级规则，此时电池电压异常信号、电池温度异常信号以及5个电池轻微故障信号中，出现3个异常信号，且电池严重故障信号为0个，则电池异常识别模型输出1，表示电池出现轻微故障。
在另一些实施例中，根据获取到的电池的电压信号和温度信号，判断电池电压异常和电池温度异常，且检测到电池中电流传感器的故障信号和电压传感器的故障信号，根据第一评级规则，此时电池电压异常信号、电池温度异常信号以及5个电池轻微故障信号中，出现4个异常信号，则电池异常识别模型输出2，表示电池出现严重故障。
如此，能够将电池在第二时间段内的参数信号进行比较分析，准确判断电池的异常等级，确保分析底盘磕碰事件结果的准确性。
请参阅图10，在某些实施方式中，车辆故障信号包括自动驻车系统故障信号、电子稳定系统故障信号、电子助力转向系统故障信号、防锁死制动系统故障信号、电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号，S142包括：
S1421：根据预设定的第二评级规则、自动驻车系统故障信号、电子稳定系统故障信号、电子助力转向系统故障信号、防锁死制动系统故障信号、电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号判断电池的异常等级。
在某些实施方式中，S1421可以由判断模块114实现。或者说，判断模块114用于根据预设定的第二评级规则、自动驻车系统故障信号、电子稳定系统故障信号、电子助力转向系统故障信号、防锁死制动系统故障信号、电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号判断电池的异常等级。
在某些实施方式中，处理器102用于根据预设定的第二评级规则、自动驻车系统故障信号、电子稳定系统故障信号、电子助力转向系统故障信号、防锁死制动系统故障信号、电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号判断电池的异常等级。
具体地，获取第三时间段内每个单位时间的车辆故障信号，对于获取到的多个电车辆故障信号进行分析和处理。自动驻车系统故障信号、电子稳定系统故障信号、电子助力转向系统故障信号、防锁死制动系统故障信号、电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号这8种故障信号均可通过CAN信号获得。
第二评级规则为：在不存在上述8种异常信号的情况下，车辆底盘异常识别模型输出0，表示车辆底盘无异常。在8种故障信号中出现小于或等于3种故障信号的情况下，车辆底盘异常识别模型输出1，表示车辆底盘出现轻微故障。在8种故障信号中出现大于3种异常信号的情况下，车辆底盘异常识别模型输出2，表示车辆底盘出现严重故障。
在一些实施例中，根据获取到的车辆故障信号，检测到自动驻车系统故障信号、电子稳定系统故障信号和电子助力转向系统故障信号，根据第二评级规则，此时8种故障信号中出现3种故障信号，则车辆底盘异常识别模型输出1，表示车辆底盘出现轻微故障。
在另一些实施例中，根据获取到的车辆故障信号，检测到电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号，根据第二评级规则，此时8种故障信号中出现4种故障信号，则车辆底盘异常识别模型输出2，表示车辆底盘出现严重故障。
如此，能够将车辆底盘在第三时间段内的参数信号进行比较分析，准确判断车辆底盘的异常等级，确保分析底盘磕碰事件结果的准确性。
请参阅图11，在某些实施方式中，S14包括：
S143：根据预存储的底盘磕碰识别模型对车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号进行识别以判断车辆是否发生底盘磕碰事件。
在某些实施方式中，S143可以由判断模块114实现。或者说，判断模块114用于根据预存储的底盘磕碰识别模型对车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号进行识别以判断车辆是否发生底盘磕碰事件。
在某些实施方式中，处理器102用于根据预存储的底盘磕碰识别模型对车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号进行识别以判断车辆是否发生底盘磕碰事件。
具体地，请参阅图12，可根据预存储的底盘磕碰识别模型对车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号进行识别，判断车辆是否发生底盘磕碰事件。底盘磕碰识别模型的具体处理方法可以根据数据类别、数据量大小等因素选定，具体不做限定，例如可以是计数模型，可以是GBDT算法，可以是SVM算法，还可以是CART算法等。
将对车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号进行识别的过程以模型的形式进行开发和存储，如此，能够提高监控装置110的开发效率。在后续使用过程中出现故障，也便于查看和修改。完成模型开发后，基于模型复用率高的特点，底盘磕碰识别模型能够适用于多种车型和/或系统，缩短研发周期，减少开发成本。
请参阅图13，在某些实施方式中，车辆故障信号包括车身电子稳定系统激活信号和打滑信号，驾驶员行为信号包括方向盘转角信号、主驾车门信号、车辆上锁信号、挡位信号和双闪灯信号，S143包括：
S1431：根据预存储的底盘磕碰识别模型对由车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号构成的特征向量进行处理以得到车辆发生底盘磕碰事件的概率；
S1432：在概率大于预定阈值时确定车辆发生底盘磕碰事件。
在某些实施方式中，S1431和S1432可以由判断模块114实现。或者说，判断模块114用于根据预存储的底盘磕碰识别模型对由车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号构成的特征向量进行处理以得到车辆发生底盘磕碰事件的概率，以及用于在概率大于预定阈值时确定车辆发生底盘磕碰事件。
在某些实施方式中，处理器102用于根据预存储的底盘磕碰识别模型对由车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号构成的特征向量进行处理以得到车辆发生底盘磕碰事件的概率，以及用于在概率大于预定阈值时确定车辆发生底盘磕碰事件。
具体地，车辆故障信号包括车身电子稳定系统激活信号和打滑信号。其中，车身电子稳定系统激活信号可以通过监测车辆CAN信号进行确认。由于车辆发生打滑现象时，车身电子稳定系统会激活，以确保车身的稳定。因此，监测车身电子稳定系统的激活信号可以帮助确认车辆是否发生打滑现象。车轮打滑信号可以通过计算前轮与后轮的速度差进行检测，在二者差值大于预定速度差值阈值时，可认为发生车轮打滑现象。
驾驶员行为信号包括方向盘转角信号、主驾车门信号、车辆上锁信号、挡位信号和双闪灯信号。其中，可以根据主驾车门信号和车辆上锁信号，判断驾驶员在第四时间段内是否存在下车后预定时长内未锁车的第一异常行为。主驾车门打开或关闭后预定时间内，车辆上锁信号为0，即车辆未上锁，此时可以判断驾驶员在第四时间段内存在下车后预定时长内未锁车的第一异常行为。
可以根据挡位信号和双闪灯信号，判断驾驶员在第二时间段内是否存在开启双闪灯的第二异常行为。其中，车辆当前挡位为停车挡，双闪灯信号为1，即双闪灯为发光状态，此时可以判断驾驶员在第四时间段存在开启双闪灯的第二异常行为。
可以通过计算当前时间的方向盘转角与当前时间以前的预定时间的方向盘转角的差值大于预定差值阈值的次数b，在b值大于或等于预定次数阈值时，则判断驾驶员存在反复操作方向盘的第三异常行为。
在主驾车门打开后的第四时间段内，方向盘转角的度数超过预定角度阈值，则判断驾驶员存在下车后方向盘未回正的第四异常行为。
综上，底盘磕碰识别模型结合车辆是否发生打滑现象、驾驶员是否存在第一异常行为、第二异常行为、第三异常行为、第四异常行为、车辆异常起伏识别模型的输出、电池异常识别模型的输出以及车辆底盘异常识别模型的输出，对这8种特征向量进行处理，可以得到车辆发生底盘磕碰事件的概率。在概率大于预定阈值时，判断车辆发生底盘磕碰事件。
如此，将车身起伏程度、电池的异常等级、车辆底盘的异常等级、车辆故障信号和驾驶员行为信号进行比较分析，能够准确判断车辆是否发生底盘磕碰事件，且能够检测轻微程度到严重程度的磕碰，检测范围更广。
需要说明地，预定速度差值阈值、判断车辆发生底盘磕碰事件的预定阈值、预定次数阈值、预定差值阈值、预定角度阈值等，均可根据车型、驾驶员行为习惯、车辆维修记录、车辆使用年限等参数设定，具体不做限定，例如预定速度差值阈值可以是1米每秒、2米每秒、3米每秒、5米每秒等，判断车辆发生底盘磕碰事件的预定阈值可以是0.5、0.7、0.8等，预定次数阈值可以是1次、2次、5次等，预定差值阈值可以是50、80、100等，预定角度阈值可以是250度、300度、350度、400度等。
请参阅图14，在某些实施方式中，监控方法还包括：
S15：在确定车辆发生底盘磕碰事件的情况下，发送报警信号至车辆的服务商以使得服务商可根据报警信号提供服务。
在某些实施方式中，S15可以由判断模块114实现。或者说，判断模块114用于在确定车辆发生底盘磕碰事件的情况下，发送报警信号至车辆的服务商以使得服务商可根据报警信号提供服务。
在某些实施方式中，处理器102用于在确定车辆发生底盘磕碰事件的情况下，发送报警信号至车辆的服务商以使得服务商可根据报警信号提供服务。
具体地，在确定车辆发生底盘磕碰事件的情况下，发送报警信号至车辆的服务商，服务商可根据报警信号实施救援，或与驾驶员进行联系，确认车辆发生底盘磕碰事件后，根据情况实施救援。
如此，在车辆发生底盘磕碰事件后，提供相应的服务和帮助，能够改进车辆售后服务，提升用户体验。
本申请实施方式还提供了一种计算机可读存储介质。一个或多个存储有计算机程序的非易失性计算机可读存储介质，当计算机程序被一个或多个处理器执行时，实现上述任一实施方式的车辆底盘磕碰事件的监控方法。
本申请实施方式还提供了一种车辆。车辆包括存储器及一个或多个处理器，一个或多个程序被存储在存储器中，并且被配置成由一个或多个处理器执行。程序包括用于执行上述任意一项实施方式的车辆底盘磕碰事件的监控方法的指令。
处理器可用于提供计算和控制能力，支撑整个车辆的运行。车辆的存储器为存储器其中的计算机可读指令运行提供环境。
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，程序可存储于一个或多个非易失性计算机可读存储介质中，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，存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (13)

1.一种车辆底盘磕碰事件的监控方法，其特征在于，所述监控方法包括：
获取车辆行驶信号；
根据车辆行驶信号识别车身起伏的程度以确定所述车身是否发生起伏；
在所述车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号；
根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件。
2.根据权利要求1所述的监控方法，其特征在于，所述获取车辆行驶信号包括：
获取当前时间前第一预定时间至当前时间的第一时间段内每个单位时间的车辆行驶信号。
3.根据权利要求1所述的监控方法，其特征在于，所述根据车辆行驶信号确定车身是否发生起伏包括；
根据预存储的车辆异常起伏识别模型对所述车辆行驶信号进行识别以判断所述车身的起伏程度。
4.根据权利要求3所述的监控方法，其特征在于，所述车辆行驶信号包括车辆的垂直加速度信号，所述根据预存储的车辆异常起伏识别模型对所述车辆行驶信号进行识别以判断所述车身的起伏程度包括：
根据所述车辆的垂直加速度信号确定垂直加速度信号的最大值、垂直加速度信号的最小值、垂直加速度信号的平均值、垂直加速度信号的方差、垂直加速度信号的均方值、垂直加速度信号的一阶差分的平均值和垂直加速度信号的一阶差分的最大值；
根据所述车辆异常起伏识别模型对所述垂直加速度信号的最大值、所述垂直加速度信号的最小值、所述垂直加速度信号的平均值、所述垂直加速度信号的方差、所述垂直加速度信号的均方值、所述垂直加速度信号的一阶差分的平均值和所述垂直加速度信号的一阶差分的最大值进行处理以得到所述车身的起伏程度。
5.根据权利要求1所述的监控方法，其特征在于，所述在所述车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号包括；
在所述车身发生起伏的情况下，获取当前时间至当前时间后第二预定时间的第二时间段内每个单位时间的电池参数信号；
获取当前时间至当前时间后第三预定时间的第三时间段内每个单位时间的车辆故障信号；
获取当前时间前第四预定时间至当前时间后第五预定时间的第四时间段内每个单位时间的车辆故障信号和驾驶员行为信号。
6.根据权利要求1所述的监控方法，其特征在于，所述根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件包括：
根据预存储的电池异常识别模型对所述电池参数信号进行识别以判断电池的异常等级；
根据预存储的车辆底盘异常识别模型对所述车辆故障信号进行识别以判断所述车辆底盘的异常等级。
7.根据权利要求6所述的监控方法，其特征在于，所述电池参数信号包括电池的电压信号、电池的温度信号和电池的故障信号，所述根据预存储的电池异常识别模型对所述电池参数信号进行识别以判断电池的异常等级包括：
根据所述电池的电压信号确定电压信号的最大值、电压信号的最小值、电压信号的平均值、第一电压偏差和第二电压偏差；
根据所述电池的温度信号确定温度信号的最大值、温度信号的最小值、温度信号的平均值、第一温度偏差和第二温度偏差；
根据预设定的第一评级规则、所述电压信号、所述温度信号和所述故障信号判断所述电池的异常等级。
8.根据权利要求6所述的监控方法，其特征在于，所述车辆故障信号包括自动驻车系统故障信号、电子稳定系统故障信号、电子助力转向系统故障信号、防锁死制动系统故障信号、电子制动力分配系统故障信号、陡坡缓降控制系统故障信号、胎压监控系统故障信号和电驱系统故障信号，所述根据预存储的车辆底盘异常识别模型对所述车辆信号进行识别以判断所述车辆底盘的异常等级包括：
根据预设定的第二评级规则、所述自动驻车系统故障信号、所述电子稳定系统故障信号、所述电子助力转向系统故障信号、所述防锁死制动系统故障信号、所述电子制动力分配系统故障信号、所述陡坡缓降控制系统故障信号、所述胎压监控系统故障信号和所述电驱系统故障信号判断所述电池的异常等级。
9.根据权利要求6所述的监控方法，其特征在于，所述根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件包括：
根据预存储的底盘磕碰识别模型对所述车身起伏程度、所述电池的异常等级、所述车辆底盘的异常等级、所述车辆故障信号和所述驾驶员行为信号进行识别以判断所述车辆是否发生所述底盘磕碰事件。
10.根据权利要求9所述的监控方法，其特征在于，所述车辆故障信号包括车身电子稳定系统激活信号和打滑信号，所述驾驶员行为信号包括方向盘转角信号、主驾车门信号、车辆上锁信号、挡位信号和双闪灯信号，所述根据预存储的底盘磕碰识别模型对所述车身起伏程度、所述电池的异常等级、所述车辆底盘的异常等级、所述车辆故障信号和所述驾驶员行为信号进行识别以判断所述车辆是否发生所述底盘磕碰事件包括：
根据所述预存储的底盘磕碰识别模型对由所述车身起伏程度、所述电池的异常等级、所述车辆底盘的异常等级、所述车辆故障信号和所述驾驶员行为信号构成的特征向量进行处理以得到所述车辆发生所述底盘磕碰事件的概率；
在所述概率大于预定阈值时确定所述车辆发生所述底盘磕碰事件。
11.一种车辆底盘磕碰事件的监控装置，其特征在于，所述监控装置包括：
获取模块，所述获取模块用于获取车辆行驶信号；
判断模块，所述判断模块用于根据车辆行驶信号识别车身起伏的程度以确定所述车身是否发生起伏；
所述获取模块还用于在所述车身发生起伏的情况下，分别获取电池参数信号、车辆故障信号和驾驶员行为信号；
所述判断模块还用于根据所述车身起伏程度、所述电池参数信号、所述车辆故障信号和所述驾驶员行为信号监测所述车辆是否发生所述底盘磕碰事件。
12.一种服务器，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，当所述计算机程序被一个或多个所述处理器执行时，实现权利要求1-10中任意一项所述的车辆底盘磕碰事件的监控方法。
13.一个或多个存储有计算机程序的非易失性计算机可读存储介质，其特征在于，当所述计算机程序被一个或多个处理器执行时，实现权利要求1-10中任意一项所述的车辆底盘磕碰事件的监控方法。
CN202011286538.5A 2020-11-17 2020-11-17 车辆底盘磕碰事件的监控方法、监控装置和服务器 Active CN112406895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011286538.5A CN112406895B (zh) 2020-11-17 2020-11-17 车辆底盘磕碰事件的监控方法、监控装置和服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011286538.5A CN112406895B (zh) 2020-11-17 2020-11-17 车辆底盘磕碰事件的监控方法、监控装置和服务器

Publications (2)

Publication Number Publication Date
CN112406895A true CN112406895A (zh) 2021-02-26
CN112406895B CN112406895B (zh) 2021-12-07

Family

ID=74831556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011286538.5A Active CN112406895B (zh) 2020-11-17 2020-11-17 车辆底盘磕碰事件的监控方法、监控装置和服务器

Country Status (1)

Country Link
CN (1) CN112406895B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113727211A (zh) * 2021-08-19 2021-11-30 广州小鹏汽车科技有限公司 数据处理方法、装置、服务器、系统
CN114793334A (zh) * 2022-06-21 2022-07-26 广州万协通信息技术有限公司 基于车联网的救援呼叫方法、装置、设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1448292A (zh) * 2002-04-03 2003-10-15 高田株式会社 碰撞检测装置和被动安全系统
JP2007126014A (ja) * 2005-11-04 2007-05-24 Denso Corp 車両用衝突判定装置
US20090132112A1 (en) * 2005-04-07 2009-05-21 Frank Ewerhart Plausibilization of Sensor Signals in the Event of a Collision
CN202089017U (zh) * 2011-04-20 2011-12-28 昆达电脑科技(昆山)有限公司 汽车底盘防碰撞侦测装置
CN108263312A (zh) * 2018-01-25 2018-07-10 奇瑞汽车股份有限公司 车辆故障报警方法及装置
CN108466616A (zh) * 2018-03-22 2018-08-31 广东翼卡车联网服务有限公司 一种自动识别碰撞事件的方法、存储介质及车载终端
CN110823603A (zh) * 2019-11-19 2020-02-21 上汽通用汽车有限公司 汽车底盘全时监测系统、方法、车辆和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1448292A (zh) * 2002-04-03 2003-10-15 高田株式会社 碰撞检测装置和被动安全系统
US20090132112A1 (en) * 2005-04-07 2009-05-21 Frank Ewerhart Plausibilization of Sensor Signals in the Event of a Collision
JP2007126014A (ja) * 2005-11-04 2007-05-24 Denso Corp 車両用衝突判定装置
CN202089017U (zh) * 2011-04-20 2011-12-28 昆达电脑科技(昆山)有限公司 汽车底盘防碰撞侦测装置
CN108263312A (zh) * 2018-01-25 2018-07-10 奇瑞汽车股份有限公司 车辆故障报警方法及装置
CN108466616A (zh) * 2018-03-22 2018-08-31 广东翼卡车联网服务有限公司 一种自动识别碰撞事件的方法、存储介质及车载终端
CN110823603A (zh) * 2019-11-19 2020-02-21 上汽通用汽车有限公司 汽车底盘全时监测系统、方法、车辆和存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113727211A (zh) * 2021-08-19 2021-11-30 广州小鹏汽车科技有限公司 数据处理方法、装置、服务器、系统
CN113727211B (zh) * 2021-08-19 2023-09-12 广州小鹏汽车科技有限公司 数据处理方法、装置、服务器、系统
CN114793334A (zh) * 2022-06-21 2022-07-26 广州万协通信息技术有限公司 基于车联网的救援呼叫方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112406895B (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
CN112406895B (zh) 车辆底盘磕碰事件的监控方法、监控装置和服务器
US9527385B2 (en) Battery power cut off system for vehicle and method thereof
CN104554215B (zh) 驾驶员辅助系统
CN111311914B (zh) 车辆行驶事故监控方法、装置和车辆
CN110687457B (zh) 一种电池包异常的检测方法、装置、存储介质及电子设备
KR20100011002A (ko) 차량용 게이트웨이 전자제어장치 및 그의 주행정보기록방법
CN110807436A (zh) 危险驾驶行为识别与危险事件预测方法、装置及存储介质
US20170345229A1 (en) Systems and Methods For Data Acquisition From A Remote System
US11653127B2 (en) Monitoring voltage measurements for a vehicle battery
CN113247008B (zh) 一种驾驶行为监控方法、装置及电子设备
CN108602449B (zh) 电池管理装置
US20010035757A1 (en) Method and apparatus for identification of an external power supply in a motor vehicle
CN112533773B (zh) 轮胎损坏检测系统和方法
CN114148321B (zh) 一种考虑碰撞风险的自动紧急制动及安全评价方法
CN111506048A (zh) 车辆故障预警方法及相关设备
EP3856538B1 (en) Tire damage detection system and method
US20100182142A1 (en) Method, system and computer program of issuing a tire pressure deviation warning
CN111800314B (zh) 自动驾驶故障监测系统
CN111800508B (zh) 基于大数据的自动驾驶故障监测方法
CN112406767B (zh) 车辆陷坑事故的监控方法、监控装置、服务器和存储介质
CN202448978U (zh) 一种油门踏板保护系统
CN115484282A (zh) 基于汽车主动提醒的消息推送方法、装置、设备及介质
CN115848160A (zh) 基于数据分析的移动充电车驱动保护系统
CN117382791A (zh) 一种应用于电动自行车的感应式自动报警系统
CN118014349A (zh) 一种隧道事故风险评估方法、系统及设备

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