CN112441020A - 基于大数据分析由绝缘破坏引起的故障原因的装置和方法 - Google Patents
基于大数据分析由绝缘破坏引起的故障原因的装置和方法 Download PDFInfo
- Publication number
- CN112441020A CN112441020A CN202010432781.7A CN202010432781A CN112441020A CN 112441020 A CN112441020 A CN 112441020A CN 202010432781 A CN202010432781 A CN 202010432781A CN 112441020 A CN112441020 A CN 112441020A
- Authority
- CN
- China
- Prior art keywords
- fault
- data set
- data
- insulation resistance
- resistance value
- 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
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
-
- 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
-
- 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
- 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
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
- G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G07C5/006—Indicating maintenance
-
- 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
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- 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
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Combustion & Propulsion (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Chemical & Material Sciences (AREA)
- Automation & Control Theory (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Human Computer Interaction (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Hybrid Electric Vehicles (AREA)
Abstract
本发明提供一种基于大数据分析由绝缘破坏引起的故障原因的装置和方法。当测量绝缘电阻值为最小正常值以下时,生成故障诱发因子数据集、正常状态数据集或恢复状态数据集,并且将故障诱发因子数据集、正常状态数据集或恢复状态数据集传送到大数据服务器。通过从大数据服务器接收与数据集对应的数据,针对故障诱发因子计算影响指标,并且基于影响指标选择故障诱发因子来分析故障原因。
Description
技术领域
本公开涉及一种利用周期性地收集的车辆的绝缘电阻值来判断故障并分析故障原因的系统和方法,并且更具体地,涉及一种基于大数据分析由绝缘破坏(dielectricbreakdown)引起的故障原因的装置和方法。
背景技术
根据传统的分析故障原因的方法,仅当在车辆中包括的特定设备发生故障之后将设备入库到服务中心时当车辆中再次出现故障情况时才可以通过分析故障原因来维修设备。此外,由于必须在再次出现相同故障状态的情况下拆卸并拆开设备以及与该设备联动的多个设备来分析故障原因,因此用于分析故障原因和维修设备的时间和成本增加。此外,在发生故障的设备是车辆的主要部件的情况下,如果不能准确地判断故障原因,则必须更换所有部件,从而导致错误的维修或不必要的维修。
发明内容
本公开提供一种基于大数据分析由绝缘破坏引起的故障原因的装置和方法,通过该装置和方法,即使在间歇性地出现故障症状的情况下,也可以通过分析通过附接到车辆的传感器收集的行驶信息和绝缘电阻值数据,针对预测的故障诱发因子计算影响指标并且通过影响指标的相对大小或基准以上的影响指标计算累积次数选择故障诱发因子来更准确地识别故障原因。
根据示例性实施例,一种基于大数据分析由绝缘破坏引起的故障原因的装置可以包括:电阻值数据监测单元,被配置为监测车辆的绝缘电阻值是否减小到最小正常值以下;数据集生成单元,被配置为当绝缘电阻值为最小正常值以下时,根据预设基准来设置故障状态区间和正常状态区间,并生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集;数据集传送/接收单元,被配置为将生成的数据集传送到大数据服务器,并且从大数据服务器接收与数据集对应的数据;影响指标计算单元,被配置为利用接收的数据来针对故障诱发因子计算影响指标;以及结果信息生成单元,被配置为通过基于计算的影响指标选择故障诱发因子来生成分析结果信息。
该装置可以进一步包括分析结果输出单元,该分析结果输出单元被配置为将分析结果信息输出给用户。数据集生成单元可以被配置为当绝缘电阻值为最小正常值以下时,将从测量绝缘电阻值的时间点到预设时间之前的区间设置为故障状态区间,并可以被配置为将从故障状态区间的开始时间点到预设时间之前的区间设置为正常状态区间。
电阻值数据监测单元可以被配置为监测在故障状态区间之后接收的绝缘电阻值是否恢复到最小正常值以上,数据集生成单元可以被配置为当绝缘电阻值再次达到最小正常值以上时,将从绝缘电阻值达到最小正常值的时间点到预设时间之前的区间设置为恢复状态区间,并且生成针对恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集,数据集传送/接收单元可以被配置为将生成的恢复时间点数据集传送到大数据服务器,并且从大数据服务器接收与数据集对应的数据。
另外,结果信息生成单元可以被配置为通过反映计算的影响指标和根据影响指标的累积次数来选择故障诱发因子。影响指标计算单元可以被配置为周期性地接收故障状态数据集和恢复状态数据集,并且利用与接收的故障状态数据集和恢复状态数据集对应的数据来针对故障诱发因子计算影响指标,结果信息生成单元可以被配置为基于计算的影响指标来选择故障诱发因子,并将选择的故障诱发因子反映在分析结果信息。
结果信息生成单元可以被配置为每当测量的车辆的绝缘电阻值为最小正常值以下并判断为出现故障状态时,根据分析结果来生成故障诱发因子分析表。故障诱发因子分析表可以包括用于判断计算的影响指标和影响的相对大小的信息、故障诱发因子怀疑信息和诱发因子怀疑选择累积次数信息中的至少一个。
根据示例性实施例,结果信息生成单元可以被配置为当影响指标为预设值以下时,判断为不能判断影响,并且不将次数累加到累积次数。特别地,分析结果信息可以包括可靠性值,并且可靠性值随着累积次数增加而增加,相反,可靠性值随着累积次数减少而减少。最小正常值可以为约1000kΩ。此外,该装置可以包括大数据服务器,大数据服务器被配置为从数据集传送/接收单元接收数据集,提取与数据集对应的数据,并将提取的数据传送到数据集传送/接收单元。
根据示例性实施例,一种基于大数据分析由绝缘破坏引起的故障原因的方法可以包括:监测车辆的绝缘电阻值是否减小到最小正常值以下;当绝缘电阻值为最小正常值以下时,根据预设基准来设置故障状态区间和正常状态区间,并生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集;将生成的数据集传送到大数据服务器,并且从大数据服务器接收与数据集对应的数据;利用接收的数据来针对故障诱发因子计算影响指标;以及通过基于计算的影响指标选择故障诱发因子来生成分析结果信息。
该方法可以进一步包括:将分析结果信息输出给用户。生成数据集可以包括:当绝缘电阻值为最小正常值以下时,将从测量绝缘电阻值的时间点到预设时间之前的区间设置为故障状态区间,并将从故障状态区间的开始时间点到预设时间之前的区间设置为正常状态区间。
另外,该方法可以包括:监测在故障状态区间之后接收的绝缘电阻值是否达到最小正常值以上;当绝缘电阻值再次达到最小正常值以上时,将从绝缘电阻值达到最小正常值的时间点到预设时间之前的区间设置为恢复状态区间,并且生成针对恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集;以及将生成的恢复时间点数据集传送到大数据服务器,并且从大数据服务器接收与数据集对应的数据。
根据示例性实施例,生成分析结果信息可以包括:通过反映计算的影响指标和根据影响指标的累积次数来选择故障诱发因子。可以周期性地接收故障状态数据集和恢复状态数据集,并且可以利用与接收的故障状态数据集和恢复状态数据集对应的数据来针对故障诱发因子计算影响指标,并且可以基于计算的影响指标来选择故障诱发因子,并且可以将选择的故障诱发因子反映在分析结果信息。
此外,生成分析结果信息可以包括:每当测量的车辆的绝缘电阻值为最小正常值以下并判断为出现故障状态时,根据分析结果来生成故障诱发因子分析表。故障诱发因子分析表可以包括用于判断计算的影响指标和影响的相对大小的信息、故障诱发因子怀疑信息和诱发因子怀疑选择累积次数信息中的至少一个。
根据示例性实施例,在生成分析结果信息中,当影响指标为预设值以下时,可以判断为不能判断影响,并且不将次数累加到累积次数。在生成分析结果信息中,分析结果信息可以包括可靠性值,并且可靠性值随着累积次数增加而增加,相反,可靠性值随着累积次数减少而减少。根据实施例,最小正常值可以为约1000kΩ。
该方法可以进一步包括:大数据服务器接收数据集,提取与数据集对应的数据并传送提取数据。
根据本公开,即使在间歇地出现故障症状的情况下,也可以通过分析包括车辆的绝缘电阻值的行驶信息并选择故障诱发因子来从车辆的行驶数据提取设备的数值数据,通过分析数值数据并选择故障诱发因子可以节省出现故障症状时的检查和维修所需的时间和成本,并可以防止错误的维修或不必要的维修。
附图说明
从以下结合附图的详细描述中,本公开的上述和其它方面、特征及优点将变得更加明显,其中:
图1是根据本公开的第一示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置的示图;
图2是根据本公开的第二示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置的示图;
图3是示出根据本公开的示例性实施例的当绝缘电阻值为最小正常值以下时设置的故障状态区间和正常状态区间的视图;
图4是示出根据本公开的示例性实施例的当绝缘电阻值为最小正常值以下然后再次变到最小正常值以上时设置的故障状态区间、正常状态区间和恢复状态区间的视图;
图5是示出在选择恢复诱发因子并反映在分析结果信息的本公开的示例性实施例中当绝缘电阻值为最小正常值以下然后再次恢复到最小正常值以上时的数据流的视图;
图6是示出根据本公开的示例性实施例生成的数据集的视图;
图7是示出根据本公开的示例性实施例的针对故障诱发因子计算影响指标的过程的流程图;
图8是示出根据本公开的示例性实施例的为了针对故障诱发因子计算影响指标而每当出现故障症状时生成的多个故障诱发因子分析表的视图;
图9是示出根据本公开的示例性实施例的由利用包括绝缘电阻值的行驶信息的分析故障原因的装置实际生成的分析结果信息的视图;以及
图10是根据本公开的示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的方法的流程图。
具体实施方式
理解的是,如本文所使用的术语“车辆”或“车辆的”或其它类似术语通常包括机动车辆,例如包括运动型多用途车(SUV)、巴士、卡车、各种商用车辆的乘用车辆,包括各种轮船和船舰的水运工具,航空器等,并包括混合动力车辆、电动车辆、插电式混合动力车辆、氢动力车辆以及其它替代燃料(例如,除石油以外的资源衍生的燃料)车辆。如本文所指,混合动力车辆是具有两个或更多个动力源的车辆,例如汽油和电双动力车辆。
尽管示例性实施例被描述为使用多个单元来执行示例性过程,但理解的是,示例性过程也可以通过一个或多个模块执行。另外,理解的是,术语“控制器”/“控制单元”是指包括存储器和处理器的硬件装置。存储器被配置为存储模块,处理器具体被配置为执行所述模块以执行下面进一步描述的一个或多个过程。
此外,本公开的控制逻辑可以被实施为包含由处理器、控制器/控制单元等执行的可执行程序指令的计算机可读介质上的非临时性计算机可读介质。计算机可读介质的示例包括但不限于ROM、RAM、光盘(CD)-ROM、磁带、软盘、闪存驱动器、智能卡和光学数据存储装置。计算机可读记录介质也可以分布在联网计算机系统中,从而计算机可读介质例如通过远程信息处理服务器或控制器局域网(CAN)以分布式方式存储和执行。
本文使用的术语仅用于描述特定实施例,而不旨在限制本公开。除非上下文另有明确说明,否则如本文使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式。将进一步理解的是,术语“包括”和/或“包含”在本说明书中使用时,说明所述特征、整数、步骤、操作、元件和/或组件的存在,但不排除一个或多个其它特征、整数、步骤、操作、元件、组件和/或其组的存在或添加。如本文使用的,术语“和/或”包括一个或多个相关所列项目的任何一个和所有组合。
除非特别说明或从上下文明显看出,否则如本文使用的,术语“约”被理解为在本领域的正常公差范围内,例如在平均值的2个标准偏差内。“约”可以被理解为在所述值的10%、9%、8%、7%、6%、5%、4%、3%、2%、1%、0.5%、0.1%、0.05%或0.01%内。除非上下文另有明确说明,否则本文提供的所有数值均由术语“约”修饰。
在下文中,将参照附图更详细地描述本公开的示例性实施例,以使本领域技术人员能够容易地实现本公开。但是,本公开可以以各种不同的形式来实现,并且不限于在此描述的示例性实施例。
此外,在附图中省略了与本公开无关的部件以使本公开清楚,并且在整个说明书中,相同的附图标记指代相同或相似的组件。在整个说明书中,当描述部件包括元件时,除非做出相反的描述,否则这可以意味着该部件可以进一步包括第二元件而不排除第二元件。
在下文中,将参照附图来描述根据本公开的示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置和方法。
图1是根据本公开的第一示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置的示图。参照图1,根据本公开的示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置可以包括电阻值数据监测单元100、数据集生成单元200、数据集传送/接收单元300、影响指标计算单元400和结果信息生成单元500。每个单元可以由具有存储器和处理器的控制器来操作,其中处理器被配置为执行单元的过程。
特别地,电阻值数据监测单元100可以被配置为监测车辆的绝缘电阻值是否减小到最小正常值以下。电阻值数据监测单元100可以被配置为通过利用附接到车辆的传感器来周期性地收集绝缘电阻值,并且连续地监测收集的绝缘电阻值是否减小到最小正常值以下。绝缘电阻值可以包括在车辆的行驶信息中来被接收,或者可以被单独地接收。
行驶信息可以指从车辆中包括的大量部件获取的算法数值数据,并且根据本公开的示例性实施例,行驶信息可以指马达的温度、马达的每分钟转数(RPM)、加热器的输出、空调压缩机的RPM等,然而本公开不限于此,而是可以不受限制地使用利用传感器和其它测量仪器测量的任何数值数据。
根据本公开的示例性实施例,当绝缘电阻值为最小正常值以下时,可以判断为出现故障症状,并且可以请求数据集生成单元200生成包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集以分析故障原因。特别地,最小正常值可以指可以将车辆的状态判断为正常的最小(例如,下限)的电阻值。
最小正常值可以为约1000kΩ,当绝缘电阻值为约300kΩ以下时,可以判断为发生绝缘破坏故障,并且当测量的绝缘电阻值为约300kΩ至1000kΩ时,可以判断为预备故障步骤,并可以执行本公开的故障原因分析过程。当测量的绝缘电阻值减小到约1000kΩ以下时,可以判断为出现故障状态而不是正常状态,并且设置故障状态区间和正常状态区间以分析原因,并且可以生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。
根据本公开的示例性实施例,电阻值数据监测单元100可以被配置为监测在故障状态区间之后接收的绝缘电阻值是否再次达到预设基准范围。当在故障状态区间之后接收的绝缘电阻值再次达到预设正常状态值时,可以判断为恢复正常状态,并且可以将从达到正常状态值的时间点到预设时间之前的区间设置为恢复状态区间,并可以请求数据集生成单元200生成针对恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集。
数据集生成单元200可以被配置为当绝缘电阻值为最小正常值以下时,根据预设基准来设置故障状态区间和正常状态区间,并生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。数据集生成单元200可以被配置为当电阻值数据监测单元100的监测结果绝缘电阻值为最小正常值以下时,判断为出现故障症状,并且根据预设基准来设置故障状态区间和正常状态区间以分析故障原因。
根据示例性实施例,在设置故障状态区间和正常状态区间之后,可以生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。特别地,可以以数据表的形式生成数据集,该数据表包括在相应区间期间行驶信息中包括的各种信息中可以分析故障原因的数据项,但是,本公开不限于此,可以不受限制地利用可以传递用于推测引起故障的因子的数据的任何数据集。
此外,根据本公开的示例性实施例,区间中的马达的平均RPM、区间中的发电机的平均RPM、空调压缩机的RPM的变化斜率、高压加热器(PTC)的平均功率、低压直流-直流转换器(LDC)的平均输出和车辆的平均速度等可以作为数据项存在于数据集中,并且可以以数据表的形式形成。数据集生成单元200可以被配置为将从测量绝缘电阻值为最小正常值以下的时间点到预设时间之前的区间设置为故障状态区间。
另外,根据示例性实施例,可以将从故障状态区间的开始时间点到预设时间之前的区间设置为正常状态区间。根据示例性实施例,数据集生成单元200可以被配置为将从测量绝缘电阻值为最小正常值以下的时间点到预设时间之前的区间设置为故障状态区间,并可以被配置为将从故障状态区间的开始时间点到预设时间之前的区间设置为正常状态区间。
数据集生成单元200可以被配置为当在故障状态区间之后接收的绝缘电阻值再次达到预设基准范围时,当绝缘电阻值再次达到最小电阻值以上时,将从达到最小电阻值的时间点到预设时间之前的区间设置为恢复状态区间。数据集生成单元200可以被配置为生成针对恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集。
当在分别设置正常状态区间、故障状态区间和恢复状态区间时用于测量绝缘电阻的时间是x秒时,从绝缘电阻故障时间点开始的故障状态区间可以是绝缘电阻异常的时间点前的x秒,正常状态区间可以是x秒前的2x秒,并且恢复状态区间可以是绝缘电阻恢复时间点前的x秒。
数据集传送/接收单元300可以被配置为将生成的数据集传送到大数据服务器,并且从大数据服务器接收与该数据集对应的数据。另外,数据集传送/接收单元300可以被配置为将生成的恢复时间点数据集传送到大数据服务器,并且从大数据服务器接收与该数据集对应的数据。可以以数据表的形式来接收数据集,这里,数据表可以指包括多个故障诱发因子的数值数据的数据形式,但是,本公开不限于此。
根据本公开的示例性实施例,可以将生成的故障状态区间、正常状态区间和恢复状态区间的数据集中的至少一个传送到大数据服务器,并且大数据服务器可以以数据表的形式生成与相应的数据集匹配的数据,并且将生成的数据再次传送到数据集传送/接收单元300。数据集传送/接收单元300可以被配置为将生成的恢复区间数据集传送到大数据服务器。
影响指标计算单元400可以被配置为利用接收的数据来针对故障诱发因子计算影响指标。特别地,影响指标计算单元400可以被配置为通过针对相同的故障诱发因子分别比较故障状态区间和正常状态区间的数值数据来计算影响指标。影响指标计算单元400可以被配置为利用等式1来计算影响指标。
等式1
因子(影响指标)=y/x
其中,y是正常状态区间中的故障诱发因子的数值数据,x是故障状态区间中的故障诱发因子的数值数据。
根据示例性实施例,可以认为,随着影响指标远离1,影响指标相对较大。影响指标计算单元400可以被配置为周期性地接收故障状态数据集和恢复状态数据集,并且利用与接收的恢复状态数据集和故障状态数据集对应的数据来针对恢复诱发因子计算影响指标。
影响指标计算单元400可以被配置为利用等式2来计算反映恢复状态区间的数据的影响指标。
等式2
因子(影响指标)=y/x
其中,y是故障状态区间中的故障诱发因子的数值数据,x是恢复状态区间中的故障诱发因子的数值数据。
根据示例性实施例,可以认为,随着影响指标远离1,影响指标相对较大。影响指标计算单元400可以被配置为即使当在计算影响指标时利用恢复状态区间中的故障诱发因子的数值数据时,也利用与利用故障状态区间中的故障诱发因子的数值数据的情况相似的影响指标计算过程来计算影响指标。
另外,影响指标计算单元400可以被配置为周期性地接收故障状态数据集和恢复状态数据集,并利用与接收的故障状态数据集和恢复状态数据集对应的数据来针对故障诱发因子计算影响指标。结果信息生成单元500可以被配置为通过基于计算的影响指标选择故障诱发因子来生成分析结果信息。
根据本公开的示例性实施例,结果信息生成单元500可以被配置为利用等式1和等式2来针对故障诱发因子计算影响指标,并通过比较计算的影响指标来判断对故障的影响是相对较小还是相对较大。另外,可以通过比较针对故障诱发因子计算的影响指标并且选择其中具有最大影响指标的故障诱发因子作为故障原因来生成结果信息。
根据本公开的另一示例性实施例,可以通过选择针对故障诱发因子计算的影响指标在预设值以上的故障诱发因子作为故障原因来生成结果信息。当绝缘电阻异常时,当计算的影响指标发生约5%以上的变化时,可以选择对应的故障诱发因子作为故障原因,或者可以反映在累积次数。
结果信息生成单元500可以被配置为通过反映计算的影响指标和根据影响指标的累积次数来选择故障诱发因子。根据本公开的示例性实施例,可以认为,随着累积次数增加,相应部件成为故障诱发因子的可能性增加,相反,随着累积次数减少,精度相对降低。另外,在10次以上的情况下,可以将可靠性设置为100%。
当特定故障诱发因子的影响指标的大小为预设值以下时,可以判断为不能判断影响并且可以不计数累积次数。特别地,当影响指标大于约0.95并且小于约1.05时,可以判断为不能判断影响并且可以不计数累积次数。
结果信息生成单元500可以被配置为通过反映计算的影响指标和根据影响指标的累积次数来计算最终影响度,并且可以利用等式3来计算最终影响度。
等式3
最终影响度=abs(1-因子)*累积次数
其中,因子=影响指标
结果信息生成单元500可以被配置为每当测量车辆的绝缘电阻值为最小正常值以下并且判断为出现故障状态时,根据分析结果生成故障诱发因子分析表。故障诱发因子分析表可以包括用于判断计算的影响指标和影响的相对大小的信息、故障诱发因子怀疑信息和诱发因子怀疑选择累积次数信息中的至少一个。
此外,结果信息生成单元500可以被配置为当影响指标为预设值以下时判断为不能判断影响,并且可以不将次数累加到累积次数。分析结果信息可以包括可靠性值,并且可靠性值可以随着累积次数增加而增加,相反,可靠性值可以随着累积次数减少而减少。
基于大数据分析由绝缘破坏引起的故障原因的装置可以进一步包括大数据服务器,该大数据服务器被配置为从数据集传送/接收单元接收数据集,提取与该数据集对应的数据,并将提取的数据传送到数据集传送/接收单元。大数据服务器可以被配置为从车辆连续地接收绝缘电阻值和行驶信息并存储绝缘电阻值和行驶信息,并且可以处理并复归存储由分析故障原因的装置请求的数据集中包括的数据项的数据的行驶信息,但是,本公开不限于此。换言之,大数据服务器可以被配置为将用于提取数据集中包括的数据项的原始(raw)数据传送到分析故障原因的装置,使得数据本身的处理可以由分析故障原因的装置执行。
图2是根据本公开的另一示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置的示图。参照图2,除了根据第一示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置的元件之外,根据本公开的示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的装置可以进一步包括分析结果输出单元600。
特别地,分析结果输出单元600可以被配置为将由结果信息生成单元500生成的分析结果信息输出给用户。根据本公开的示例性实施例,分析结果输出单元600可以连接到安装在车辆内的显示器,并且可以被配置为将分析结果信息传送到显示器并将分析结果信息输出给用户,但是,本公开不限于此,可以无限制地利用能够将信息输出给用户的任何设备,例如扬声器。
图3是示出根据本公开的示例性实施例的当绝缘电阻值为最小正常值以下时设置的故障状态区间和正常状态区间的视图。参照图3,根据本公开的示例性实施例,示出了当绝缘电阻值为最小正常值以下时设置的故障状态区间(A)和正常状态区间(B-1),并且可以将从测量绝缘电阻值的时间点到预设时间之前的区间设置为故障状态区间(A),并可以将从故障状态区间的开始时间点到预设时间之前的区间设置为正常状态区间(B-1)。
根据本公开的示例性实施例,最小正常值可以为约1000kΩ,并且在示例性实施例中,当周期性地收集的绝缘电阻值为约1000kΩ时,可以设置故障状态区间和正常状态区间,并可以生成包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。
图4是示出根据本公开的示例性实施例的当绝缘电阻值为最小正常值以下然后再次变到最小正常值以上时设置的故障状态区间、正常状态区间和恢复状态区间的视图。参照图4,根据本公开的示例性实施例,示出了当绝缘电阻值为最小正常值以下然后再次变到最小正常值以上时设置的故障状态区间(A)、正常状态区间(B-1)和恢复状态区间(B-2),并且可以将从达到最小正常值以上的时间点到预设时间之前的区间设置为恢复状态区间(B-2)。
根据本公开的示例性实施例,最小正常值可以为约1000kΩ,并且在示例性实施例中,当周期性地收集的绝缘电阻值减小到约1000kΩ以下然后再次恢复到约1000kΩ以上时,可以设置故障状态区间和恢复状态区间,并可以生成包括多个故障诱发因子数据的故障诱发因子数据集和恢复状态数据集。
图5是示出在选择恢复诱发因子并反映在分析结果信息的本公开的示例性实施例中当绝缘电阻值为最小正常值以下然后再次恢复到最小正常值以上时的数据流的视图。参照图5,示出了在选择恢复诱发因子并反映在分析结果信息的示例性实施例中当绝缘电阻值超出基准范围时的数据流。
根据本公开的示例性实施例,当监测绝缘电阻值的结果测量绝缘电阻值为最小正常值以下然后再次恢复到最小正常值以上并且从正常状态复归到故障状态然后复归到恢复状态时,可以将针对故障状态区间、正常状态区间和恢复状态区间的包括多个故障诱发因子数据的故障诱发因子数据集传送到大数据服务器。此外,根据示例性实施例,可以从大数据服务器将与接收的数据集对应的数据传送到分析故障原因的装置。
图6是示出根据本公开的示例性实施例生成的数据集的视图。参照图6,根据本公开的示例性实施例,可以以具有预设故障诱发因子作为如图6中所示的项的数据目录的形式来生成数据集。
故障诱发因子可以包括特定区间中的马达的平均RPM、特定区间中的发电机的平均RPM、空调压缩机的变化斜率、PTC的平均功率、LDC的平均输出以及车辆的平均速度等。但是,本公开不限于此,可以不受限制地利用可以分析可以影响绝缘电阻值的变化的故障原因的任何因子。
图7是示出根据本公开的示例性实施例的针对故障诱发因子计算影响指标的过程的流程图。参照图7,根据本公开的示例性实施例,可以使用利用故障状态区间和正常状态区间中的故障诱发因子的数据的等式1或利用故障状态区间和恢复状态区间中的故障诱发因子的数据的等式2来计算影响指标,并且可以通过将其与其它故障诱发因子的影响指标进行比较来比较由故障引起的影响的大小。
图8是示出根据本公开的示例性实施例的为了针对故障诱发因子计算影响指标而每当出现故障症状时生成的多个故障诱发因子分析表的视图。参照图8,根据本公开的示例性实施例,示出了为了针对故障诱发因子计算影响指标而每当出现故障症状时生成的多个故障诱发因子分析表。
参照图8,根据本公开的示例性实施例,如果结果信息生成单元500判断为测量绝缘电阻值为最小正常值以下并出现故障状态,则根据出现故障状态的次数生成故障诱发因子分析表。每个故障诱发因子分析表可以包括用于通过计算的影响指标来判断影响的相对大小的信息,可以将诱发因子表示为怀疑、确定或不是诱发因子等,并且可以生成并包括关于根据影响指标的累积次数的信息,即,关于诱发因子怀疑选择累积次数的信息。
当影响指标为预设值以下时,可以判断为不能判断影响,并且可以根据故障项、车辆的类型等来改变和设置预设值。因此,可以防止由于测量误差或计算误差而导致的误判,并且可以使过度拟合最小化。由于当累积次数或影响指标为预设值以下时不能判断影响,因此可以不累积次数。
图9是示出根据本公开的示例性实施例的由利用包括绝缘电阻值的行驶信息的分析故障原因的装置实际生成的分析结果信息的视图。参照图9,示出了通过利用当监测并测量实际绝缘电阻值为最小正常值以下时生成的如图8所示的故障诱发因子分析表来选择故障诱发因子而生成的分析结果信息。分析结果信息可以包括可靠性值,并且可靠性值可以随着累积次数增加而增加,相反,可靠性值可以随着累积次数减少而减少。
图10是根据本公开的示例性实施例的基于大数据分析由绝缘破坏引起的故障原因的方法的流程图。下面描述的方法可以由控制器执行。特别地,控制器可以被配置为监测车辆的绝缘电阻值是否减小到最小正常值以下(S10)。特别地,控制器可以被配置为监测车辆的绝缘电阻值是否减小到最小正常值以下。可以利用附接到车辆的传感器来周期性地收集绝缘电阻值,并且控制器可以连续地监测收集的绝缘电阻值是否减小到最小正常值以下。
绝缘电阻值可以包括在车辆的行驶信息中来被接收,或者可以被单独地接收。特别地,行驶信息可以指由车辆中包括的大量部件获取的算法数值数据,并且根据本公开的示例性实施例,行驶信息可以指马达的温度、马达的RPM、加热器的输出、空调压缩机的RPM等。但是,本公开不限于此,而是可以无限制地利用通过传感器和其它测量仪器测量的任何数值数据。
控制器可以被配置为判断绝缘电阻值是否为最小正常值以下(S20)。根据本公开的示例性实施例,控制器可以被配置为当绝缘电阻值为最小正常值以下时,判断为出现故障症状。特别地,最小正常值可以指可以将车辆的状态判断为正常的最小(例如,下限)的电阻值。
最小正常值可以为约1000kΩ,并且控制器可以被配置为当绝缘电阻值减小到约1000kΩ以下时,判断为出现故障状态而不是正常状态。当绝缘电阻值超出预设基准范围时,可以根据预设基准来设置故障状态区间和正常状态区间(S30)。控制器可以被配置为当测量的绝缘电阻值减小到约1000kΩ以下时,判断为出现故障状态而不是正常状态,并且可以设置故障状态区间和正常状态区间以分析故障原因,并且生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。
另外,控制器可以被配置为当在故障状态区间之后接收的绝缘电阻值再次达到最小正常值以上时,判断为恢复正常状态,并且可以将从达到正常状态值的时间点到预设时间之前的区间设置为恢复状态区间,并可以请求生成针对恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集。当绝缘电阻值为最小正常值以下时,可以根据预设基准来设置故障状态区间和正常状态区间,并且可以生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。
根据本公开的示例性实施例,当绝缘电阻值为最小正常值以下时,可以根据预设基准来设置故障状态区间或正常状态区间,并且可以生成针对故障状态区间或正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。控制器可以被配置为当绝缘电阻值为最小正常值以下时,判断为出现故障症状,并且可以根据预设基准来设置故障状态区间和正常状态区间以分析故障原因。
在设置故障状态区间和正常状态区间之后,可以生成针对故障状态区间和正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集。特别地,可以以数据表的形式生成数据集,该数据表包括在相应区间期间行驶信息中包括的各种信息中可以分析故障原因的数据项。但是,本公开不限于此,可以不受限制地利用可以传递用于推测引起故障的因子的数据的任何数据集。
此外,区间中的马达的平均RPM、区间中的发电机的平均RPM、空调压缩机的RPM的变化斜率、高压加热器(PTC)的平均功率、LDC的平均输出和车辆的平均速度等可以作为数据项存在于数据集中,并且可以以数据表的形式形成。可以将从测量绝缘电阻值为最小正常值以下的时间点到预设时间之前的区间设置为故障状态区间。
此外,根据示例性实施例,可以将从故障状态区间的开始时间点到预设时间之前的区间设置为正常状态区间。可以将从测量绝缘电阻值为最小正常值以下的时间点到预设时间之前的区间设置为故障状态区间,并可以将从故障状态区间的开始时间点到预设时间之前的区间设置为正常状态区间。
当在故障状态区间之后接收的绝缘电阻值再次达到预设基准范围时,当绝缘电阻值再次达到最小电阻值以上时,将从达到最小电阻值的时间点到预设时间之前的区间设置为恢复状态区间。可以生成针对恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集。
可以生成针对正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集(S40)。可以将生成的数据集传送到大数据服务器,并且可以从大数据服务器接收与该数据集对应的数据。另外,可以将生成的恢复时间点数据集传送到大数据服务器,并且可以从大数据服务器接收与该数据集对应的数据。
根据本公开的示例性实施例,可以以数据表的形式来接收数据集,这里,数据表可以指包括多个故障诱发因子的数值数据的数据形式,但是,本公开不限于此。可以将生成的故障状态区间、正常状态区间和恢复状态区间的数据集中的至少一个传送到大数据服务器,并且大数据服务器可以以数据表的形式生成与相应的数据集匹配的数据,并且可以将生成的数据传送到分析故障原因的装置。
可以将生成的恢复区间数据集传送到大数据服务器。可以利用与故障诱发因子数据集和正常状态数据集对应的数据来针对故障诱发因子计算影响指标(S50)。可以利用接收的数据来针对故障诱发因子计算影响指标。另外,可以通过针对相同的故障诱发因子分别比较故障状态区间和正常状态区间的数值数据来计算影响指标。特别地,可以通过等式1来计算影响指标。可以认为,随着影响指标远离1,影响指标增加。
根据本公开的示例性实施例,可以周期性地接收故障状态数据集和恢复状态数据集,并且可以利用与接收的恢复状态数据集和故障状态数据集对应的数据来针对恢复诱发因子计算影响指标。可以通过等式2来计算反映恢复状态区间的数据的影响指标。可以认为,随着影响指标远离1,影响指标增加。
此外,即使当在计算影响指标时利用恢复状态区间中的故障诱发因子的数值数据时,也可以利用与利用故障状态区间中的故障诱发因子的数值数据的情况相似的影响指标计算过程来计算影响指标。可以周期性地接收故障状态数据集和恢复状态数据集,并可以利用与接收的恢复状态数据集和故障状态数据集对应的数据来针对恢复诱发因子计算影响指标。
可以通过基于计算的影响指标选择故障诱发因子来生成分析结果信息(S60)。特别地,可以通过基于计算的影响指标选择故障诱发因子来生成分析结果信息。可以利用等式1和等式2来针对故障诱发因子计算影响指标,并且控制器可以被配置为通过比较计算的影响指标来判断对故障的影响是相对较小还是相对较大。
可以通过比较针对故障诱发因子计算的影响指标并且选择其中具有最大影响指标的故障诱发因子作为故障原因来生成结果信息。特别地,可以通过选择针对故障诱发因子计算的影响指标在预设值以上的故障诱发因子作为故障原因来生成结果信息。可以通过反映计算的影响指标和根据计算的影响指标的累积次数来选择故障诱发因子。
另外,每当测量车辆的绝缘电阻值为最小正常值以下并且判断为出现故障状态时,可以根据分析结果生成故障诱发因子分析表。故障诱发因子分析表可以包括用于判断计算的影响指标和影响的相对大小的信息、故障诱发因子怀疑信息和诱发因子怀疑选择累积次数信息中的至少一个。
根据本公开的示例性实施例,当影响指标为预设值以下时判断为不能判断影响,并且可以不将次数累加到累积次数。分析结果信息可以包括可靠性值,并且可靠性值可以随着累积次数增加而增加,相反,可靠性值可以随着累积次数减少而减少。大数据服务器可以被配置为从基于大数据分析由绝缘破坏引起的故障原因的装置接收数据集,并且可以提取与该数据集对应的数据,并将提取的数据传送到分析故障原因的装置。
此外,大数据服务器可以被配置为从车辆连续地接收绝缘电阻值和行驶信息并存储绝缘电阻值和行驶信息,并且可以处理并复归存储由分析故障原因的装置请求的数据集中包括的数据项的数据的行驶信息。但是,本公开不限于此,大数据服务器可以被配置为将用于提取数据集中包括的数据项的原始数据传送到分析故障原因的装置,使得数据本身的处理可以由分析故障原因的装置执行。
根据本公开的示例性实施例,可以将生成的分析结果信息输出给用户。另外,分析结果输出单元可以连接到安装在车辆内的显示器,并且可以将分析结果信息传送到显示器并将分析结果信息输出给用户。但是,本公开不限于此,可以无限制地利用能够将信息输出给用户的任何设备,例如扬声器。
Claims (20)
1.一种基于大数据分析由绝缘破坏引起的故障原因的装置,包括:
存储器,存储程序指令;以及
处理器,执行所述程序指令,
其中,所述程序指令在执行时被配置为:
监测车辆的绝缘电阻值是否减小到最小正常值以下;
当所述绝缘电阻值为所述最小正常值以下时,根据预设基准来设置故障状态区间和正常状态区间,并生成针对所述故障状态区间和所述正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集;
将生成的数据集传送到大数据服务器,并且从所述大数据服务器接收与所述数据集对应的数据;
利用接收的所述数据来针对故障诱发因子计算影响指标;并且
通过基于计算的影响指标选择故障诱发因子来生成分析结果信息。
2.根据权利要求1所述的装置,其中,
所述程序指令在执行时被配置为:
当所述绝缘电阻值为所述最小正常值以下时,将从测量所述绝缘电阻值的时间点到预设时间之前的区间设置为所述故障状态区间,并将从所述故障状态区间的开始时间点到预设时间之前的区间设置为所述正常状态区间。
3.根据权利要求1所述的装置,其中,
所述程序指令在执行时被配置为:
监测在所述故障状态区间之后接收的所述绝缘电阻值是否恢复到所述最小正常值以上;
当所述绝缘电阻值再次达到所述最小正常值以上时,将从所述绝缘电阻值达到所述最小正常值的时间点到预设时间之前的区间设置为恢复状态区间,并且生成针对所述恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集;并且
将生成的所述恢复时间点数据集传送到所述大数据服务器,并且从所述大数据服务器接收与数据集对应的数据。
4.根据权利要求1所述的装置,其中,
所述程序指令在执行时被配置为:
通过反映计算的影响指标和根据影响指标的累积次数来选择故障诱发因子。
5.根据权利要求3所述的装置,其中,
所述程序指令在执行时被配置为:
周期性地接收故障状态数据集和恢复状态数据集,并且利用与接收的所述故障状态数据集和所述恢复状态数据集对应的数据来针对故障诱发因子计算影响指标;并且
基于计算的影响指标来选择故障诱发因子,并将选择的故障诱发因子反映在所述分析结果信息。
6.根据权利要求1所述的装置,其中,
所述程序指令在执行时被配置为:
每当测量的所述车辆的绝缘电阻值为所述最小正常值以下并且判断为出现故障状态时,根据分析结果来生成故障诱发因子分析表。
7.根据权利要求6所述的装置,其中,
所述故障诱发因子分析表包括用于判断计算的影响指标和影响的相对大小的信息、故障诱发因子怀疑信息和诱发因子怀疑选择累积次数信息中的至少一个。
8.根据权利要求1所述的装置,其中,
所述程序指令在执行时被配置为:
当影响指标为预设值以下时,判断为不能判断影响,并且不将次数累加到累积次数。
9.根据权利要求1所述的装置,其中,
所述分析结果信息包括可靠性值,并且所述可靠性值随着累积次数增加而增加,相反,所述可靠性值随着累积次数减少而减少。
10.根据权利要求1所述的装置,其中,
所述大数据服务器接收所述数据集,提取与所述数据集对应的数据,并将提取的所述数据传送到所述处理器。
11.一种基于大数据分析由绝缘破坏引起的故障原因的方法,包括:
处理器监测车辆的绝缘电阻值是否减小到最小正常值以下;
当所述绝缘电阻值为所述最小正常值以下时,所述处理器根据预设基准来设置故障状态区间和正常状态区间,并生成针对所述故障状态区间和所述正常状态区间的包括多个故障诱发因子数据的故障诱发因子数据集和正常状态数据集;
所述处理器将生成的数据集传送到大数据服务器,并且从所述大数据服务器接收与所述数据集对应的数据;
所述处理器利用接收的所述数据来针对故障诱发因子计算影响指标;以及
所述处理器通过基于计算的影响指标选择故障诱发因子来生成分析结果信息。
12.根据权利要求11所述的方法,其中,
生成所述数据集包括:
当所述绝缘电阻值为所述最小正常值以下时,所述处理器将从测量所述绝缘电阻值的时间点到预设时间之前的区间设置为所述故障状态区间,并将从所述故障状态区间的开始时间点到预设时间之前的区间设置为所述正常状态区间。
13.根据权利要求11所述的方法,进一步包括:
所述处理器监测在所述故障状态区间之后接收的所述绝缘电阻值是否达到所述最小正常值以上;
当所述绝缘电阻值再次达到所述最小正常值以上时,所述处理器将从所述绝缘电阻值达到所述最小正常值的时间点到预设时间之前的区间设置为恢复状态区间,并且生成针对所述恢复状态区间的包括多个故障诱发因子数据的恢复时间点数据集;以及
所述处理器将生成的所述恢复时间点数据集传送到所述大数据服务器,并且从所述大数据服务器接收与数据集对应的数据。
14.根据权利要求11所述的方法,其中,
生成所述分析结果信息包括:
所述处理器通过反映计算的影响指标和根据影响指标的累积次数来选择故障诱发因子。
15.根据权利要求13所述的方法,进一步包括:
所述处理器周期性地接收故障状态数据集和恢复状态数据集,并且利用与接收的所述故障状态数据集和所述恢复状态数据集对应的数据来针对故障诱发因子计算影响指标;以及
所述处理器基于计算的影响指标来选择故障诱发因子,并将选择的故障诱发因子反映在所述分析结果信息。
16.根据权利要求11所述的方法,其中,
生成所述分析结果信息包括:
每当测量的所述车辆的绝缘电阻值为所述最小正常值以下并且判断为出现故障状态时,所述处理器根据分析结果来生成故障诱发因子分析表。
17.根据权利要求16所述的方法,其中,
所述故障诱发因子分析表包括用于判断计算的影响指标和影响的相对大小的信息、故障诱发因子怀疑信息和诱发因子怀疑选择累积次数信息中的至少一个。
18.根据权利要求11所述的方法,其中,
在生成所述分析结果信息中,当影响指标为预设值以下时,判断为不能判断影响,并且不将次数累加到累积次数。
19.根据权利要求11所述的方法,其中,
在生成所述分析结果信息中,所述分析结果信息包括可靠性值,并且所述可靠性值随着累积次数增加而增加,相反,所述可靠性值随着累积次数减少而减少。
20.根据权利要求11所述的方法,进一步包括:
所述处理器将所述数据集传送到所述大数据服务器;
所述处理器从所述大数据服务器接收与所述数据集对应的提取数据。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190107338A KR20210026484A (ko) | 2019-08-30 | 2019-08-30 | 주행 중 차량 장비 수치 데이터를 이용하는 빅데이터 기반의 고장 원인 분석 시스템 및 그 방법 |
KR10-2019-0107338 | 2019-08-30 | ||
KR1020190131821A KR20210048036A (ko) | 2019-10-23 | 2019-10-23 | 빅데이터 기반의 절연 파괴로 인한 고장 원인 분석 장치 및 그 방법 |
KR10-2019-0131821 | 2019-10-23 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112441020A true CN112441020A (zh) | 2021-03-05 |
Family
ID=74565656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010432781.7A Pending CN112441020A (zh) | 2019-08-30 | 2020-05-20 | 基于大数据分析由绝缘破坏引起的故障原因的装置和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210063459A1 (zh) |
CN (1) | CN112441020A (zh) |
DE (1) | DE102020207014B4 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117347807A (zh) * | 2023-12-04 | 2024-01-05 | 山东航天正和电子有限公司 | 一种电连接器绝缘耐压综合测试装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115361246B (zh) * | 2022-07-04 | 2024-04-12 | 广州番禺电缆集团有限公司 | 基于历史故障数据的电缆节点唤醒装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9824064B2 (en) * | 2011-12-21 | 2017-11-21 | Scope Technologies Holdings Limited | System and method for use of pattern recognition in assessing or monitoring vehicle status or operator driving behavior |
KR101637768B1 (ko) | 2014-12-08 | 2016-07-07 | 현대자동차주식회사 | 차량 배터리 관리 시스템의 절연파괴 고장 부품 진단 및 안내 방법 |
DE102015214739B4 (de) | 2015-08-03 | 2022-12-29 | Volkswagen Aktiengesellschaft | Verfahren zur Bestimmung einer Fehlerursache bei einem Fahrzeug und Server zum Durchführen der Bestimmung der Fehlerursache |
JP2020189516A (ja) * | 2019-05-20 | 2020-11-26 | 本田技研工業株式会社 | 影響度合表示装置、影響度合表示方法、及びプログラム |
-
2020
- 2020-04-28 US US16/860,694 patent/US20210063459A1/en active Pending
- 2020-05-20 CN CN202010432781.7A patent/CN112441020A/zh active Pending
- 2020-06-04 DE DE102020207014.8A patent/DE102020207014B4/de active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117347807A (zh) * | 2023-12-04 | 2024-01-05 | 山东航天正和电子有限公司 | 一种电连接器绝缘耐压综合测试装置 |
CN117347807B (zh) * | 2023-12-04 | 2024-03-26 | 山东航天正和电子有限公司 | 一种电连接器绝缘耐压综合测试装置 |
Also Published As
Publication number | Publication date |
---|---|
DE102020207014A1 (de) | 2021-03-04 |
US20210063459A1 (en) | 2021-03-04 |
DE102020207014B4 (de) | 2023-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102375452B (zh) | 改善故障代码设定和隔离故障的事件驱动的数据挖掘方法 | |
JP4928532B2 (ja) | 車両の故障診断装置 | |
CN107271839B (zh) | 用于监测车辆的车载电气系统的方法和控制装置 | |
US8831816B2 (en) | Electrical leakage diagnosis apparatus for vehicle using insulation resistance sensor and control method thereof | |
EP2161664B1 (en) | System and method for detecting temporal relationships uniquely associated with an underlying root cause | |
JP5416630B2 (ja) | 移動体異常判断支援システム | |
KR101757075B1 (ko) | 차량 고장 진단 분석을 위한 주행 데이터 모니터링 시스템 및 방법 | |
CN112441020A (zh) | 基于大数据分析由绝缘破坏引起的故障原因的装置和方法 | |
CN110825779A (zh) | 用于识别飞行器中的相关联事件的方法和系统 | |
EP2803048A1 (en) | System and method for providing diagnostic fault information | |
US20170115370A1 (en) | Apparatus and method of diagnosing current sensor of eco-friendly vehicle | |
CN105762427A (zh) | 用于控制车辆中高压电池的装置和方法 | |
CN113232462B (zh) | 胎压管理方法、装置及计算机存储介质 | |
EP3096196B1 (en) | System and method for diagnosing line replaceable unit failure | |
EP1792158B1 (en) | Fuel leak estimator | |
CN115436789A (zh) | 继电器故障检测方法、装置、电子设备和存储介质 | |
CN112446979A (zh) | 利用车辆设备的数值数据的故障原因分析系统及方法 | |
WO2022209832A1 (ja) | 非接触給電システムの異常検知装置及び異常検知方法 | |
CN112446980B (zh) | 提出最小概率故障的增强型部件故障诊断方法 | |
CN114074574B (zh) | 一种车辆的电流采集方法、装置、控制设备及汽车 | |
US9092315B2 (en) | Method and software program product for determining the quality of an information technology system | |
WO2022064843A1 (ja) | 機器診断システム | |
JP5455795B2 (ja) | 情報処理装置 | |
CN111597634A (zh) | 一种确定动车组性能参数的方法及装置 | |
Scully | The integration of vehicular diagnostics and prognostics with autonomic logistics |
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 |