CN112446979A - 利用车辆设备的数值数据的故障原因分析系统及方法 - Google Patents
利用车辆设备的数值数据的故障原因分析系统及方法 Download PDFInfo
- Publication number
- CN112446979A CN112446979A CN202010102628.8A CN202010102628A CN112446979A CN 112446979 A CN112446979 A CN 112446979A CN 202010102628 A CN202010102628 A CN 202010102628A CN 112446979 A CN112446979 A CN 112446979A
- Authority
- CN
- China
- Prior art keywords
- data
- data set
- fault
- induction factor
- numerical 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
- 238000000034 method Methods 0.000 title claims description 23
- 230000006698 induction Effects 0.000 claims abstract description 155
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000011084 recovery Methods 0.000 claims description 77
- 238000007405 data analysis Methods 0.000 claims description 49
- 238000012544 monitoring process Methods 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000001939 inductive effect Effects 0.000 claims description 8
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 abstract description 11
- 238000012423 maintenance Methods 0.000 abstract description 7
- 238000007689 inspection Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 18
- 230000035508 accumulation Effects 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 6
- 238000000556 factor analysis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000007257 malfunction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 239000000411 inducer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- 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
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- 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
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- 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
- G07C5/0808—Diagnosing performance data
-
- 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
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
- B60W2050/046—Monitoring control system parameters involving external transmission of data to or from the vehicle, e.g. via telemetry, satellite, Global Positioning System [GPS]
-
- 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
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种故障原因分析系统,该故障原因分析系统利用车辆行驶期间车辆设备的数值数据并分析包括在车辆的行驶数据中的设备数值数据以选择故障诱导因子,从而即使在故障症状不持续并间歇地出现的情况下,也从车辆的行驶数据中提取每个设备的数值数据,并且分析设备数值数据以选择故障诱导因子,从而减少故障症状出现时进行车辆设备的检查和维修所需的时间和成本,并避免错误的维修或过度的维修。
Description
技术领域
本公开涉及一种用于在发生故障时分析车辆行驶期间车辆中包括的设备的数值数据的系统及方法,更具体地,涉及一种利用车辆行驶期间车辆设备的数值数据的故障原因分析系统及方法,当判断车辆设备的数值数据值在预定基准范围外时,可以针对每个故障诱导因子计算影响指标。
背景技术
根据传统的故障原因分析方法,仅当在服务中心接收到故障情况后在车辆中可以再现故障情况时,才能对相应的故障原因进行分析并进行维修。
此外,在再现相同故障情况的情况下拆除和拆卸多个联动装置以分析故障原因的方法可能导致分析故障原因和维修故障所需的时间和成本过多。
此外,在发生故障的装置是车辆的重要组件的情况下,如果未能准确地判断故障原因,则只能更换整个装置(或联动装置),从而可能由于不正确地进行车辆维修而出现问题。
发明内容
本公开的目的是提供一种例如基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析系统,该故障原因分析系统可以分析包括在车辆的行驶信息中的车辆设备的数值数据以针对每个预期的故障诱导因子计算影响指标,并通过影响指标的相对大小和计算影响指标的累积次数大于或等于基准值来选择故障诱导因子,从而即使在故障诱导因子的出现不持续且间歇地出现的情况下,也能确认故障诱导原因。
根据本公开的实施例的一种利用车辆行驶期间车辆设备的数值数据的故障原因分析系统可以包括:设备数值数据分析装置,当通过监测车辆的设备数值数据而测量到设备数值数据值在预定基准范围外时生成故障诱导因子数据集、正常状态数据集和恢复状态数据集中的至少一个数据集并将该数据集传送到大数据服务器,从大数据服务器接收与数据集对应的数据并针对每个故障诱导因子计算影响指标,并且基于所计算的影响指标选择故障诱导因子;以及大数据服务器,将与所接收的数据集对应的数据传送到设备数值数据分析装置。
根据本公开的实施例,一种设备数值数据分析装置可以包括:设备数值数据监测单元,从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;数据集生成单元,当设备数值数据值在预定基准范围外时,根据预定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导因子数据的故障诱导因子数据集和正常状态数据集;数据集传送单元,将生成的数据集传送到大数据服务器;影响指标计算单元,从大数据服务器接收与数据集对应的数据,并且通过利用所接收的数据来针对每个故障诱导因子计算影响指标;以及结果信息生成单元,通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息。
根据本公开的实施例,数据集生成单元可以将从当设备数值数据值在预定基准范围外时测量到设备数值数据值的时间点到预定时间之前的区间设置为故障状态区间,并且将从故障状态区间的开始时间点到预定时间之前的区间设置为正常状态区间。
根据本公开的实施例,设备数值数据监测单元可以监测在故障状态区间之后接收的设备数值数据值是否再次落入预定基准范围内,数据集生成单元可以将从落入预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集,并且数据集传送单元可以将生成的恢复时间点数据集传送到大数据服务器。
根据本公开的实施例,结果信息生成单元可以通过反映所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导因子。
根据本公开的实施例,影响指标计算单元可以周期性地接收故障状态数据集和恢复状态数据集,并通过利用与所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每个恢复诱导因子计算影响指标,并且结果信息生成单元可以基于所计算的影响指标来选择故障诱导因子,以将故障诱导因子反映到分析结果信息。
根据本公开的实施例,一种基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析装置可以包括:设备数值数据监测单元,从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;数据集生成单元,当设备数值数据值在预定基准范围外时,根据预定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导因子数据的故障诱导因子数据集和正常状态数据集;影响指标计算单元,通过利用与故障诱导因子数据集和正常状态数据集对应的数据来针对每个故障诱导因子计算影响指标;以及结果信息生成单元,通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息。
根据本公开的实施例,一种基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析方法可以包括以下步骤:监测车辆的设备数值数据,当测量到设备数值数据值在预定基准范围外时生成故障诱导因子数据集、正常状态数据集和恢复状态数据集中的至少一个数据集并将该数据集传送到大数据服务器,从大数据服务器接收与数据集对应的数据并针对每个故障诱导因子计算影响指标,并且基于所计算的影响指标选择故障诱导因子;以及将与所接收的数据集对应的数据传送到设备数值数据分析装置。
根据本公开的实施例,一种设备数值数据分析方法可以包括以下步骤:从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;当设备数值数据值在预定基准范围外时,根据预定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导因子数据的故障诱导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;从大数据服务器接收与数据集对应的数据,并通过利用所接收的数据来针对每个故障诱导因子计算影响指标;以及通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息。
根据本公开的实施例,生成数据集的步骤中,可以将从当设备数值数据值在预定基准范围外时测量到设备数值数据值的时间点到预定时间之前的区间设置为故障状态区间,并且将从故障状态区间的开始时间点到预定时间之前的区间设置为正常状态区间。
根据本公开的实施例,监测的步骤中,可以监测在故障状态区间之后接收的设备数值数据值是否再次落入预定基准范围内,生成数据集的步骤中,可以将从落入预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集,并且将数据集传送到大数据服务器的步骤中,可以将生成的恢复时间点数据集传送到大数据服务器。
根据本公开的实施例,生成分析结果信息的步骤中,可以通过反映所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导因子。
根据本公开的实施例,计算影响指标的步骤中,可以周期性地接收正常状态数据集和恢复状态数据集,并通过利用与所接收的恢复状态数据集和正常状态数据集对应的数据来针对每个恢复诱导因子计算影响指标,并且生成分析结果信息的步骤中,可以基于所计算的影响指标来选择故障诱导因子,以将故障诱导因子反映到分析结果信息。
根据本公开的实施例,一种设备数值数据分析装置可以包括:设备数值数据监测单元,从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;数据集生成单元,当设备数值数据值在预定基准范围外时,根据预定基准来设置故障状态区间和恢复状态区间,并生成针对故障状态区间和恢复状态区间的包括多个故障诱导因子数据的故障诱导因子数据集和正常状态数据集;数据集传送单元,将生成的数据集传送到大数据服务器;影响指标计算单元,从大数据服务器接收与数据集对应的数据,并且通过利用所接收的数据来针对每个故障诱导因子计算影响指标;以及结果信息生成单元,通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息。
根据本公开的实施例,设备数值数据监测单元可以监测在故障状态区间之后接收的设备数值数据值是否再次落入预定基准范围内,数据集生成单元可以将从落入预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集,并且数据集传送单元可以将生成的恢复时间点数据集传送到大数据服务器。
根据本公开的实施例,一种设备数值数据分析方法可以包括以下步骤:从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;当设备数值数据值在预定基准范围外时,根据预定基准来设置故障状态区间和恢复状态区间,并生成针对故障状态区间和恢复状态区间的包括多个故障诱导因子数据的故障诱导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;从大数据服务器接收与数据集对应的数据,并通过利用接收的数据来针对每个故障诱导因子计算影响指标;以及通过基于计算的影响指标选择故障诱导因子来生成分析结果信息。
根据本公开的实施例,设备数值数据分析方法可以进一步包括:监测在故障状态区间之后接收的设备数值数据值是否再次落入预定基准范围内;将从落入预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对恢复状态区间的包括多个故障诱导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。
根据本公开,可以分析包括在车辆的行驶数据中的设备的数值数据以选择故障诱导因子,从而即使在故障症状不持续并间歇地出现的情况下,也从车辆的行驶数据中提取每个设备的数值数据,并且分析数值数据以选择故障诱导因子,从而减少故障症状出现时进行检查和维修的时间和成本,并防止错误的维修或过度的维修。
附图说明
从以下结合附图的详细描述中,将更清楚地理解本公开的上述和其它目的、特征及其它优点,其中:
图1是根据本公开的实施例的基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析系统的配置框图。
图2是根据本公开的第一实施例的设备数值数据分析装置的详细配置框图。
图3是根据本公开的第二实施例的设备数值数据分析装置的详细配置框图。
图4是示出根据本公开的实施例的当设备数值数据值在预定基准范围外时设置的故障状态区间和正常状态区间的示图。
图5是示出根据本公开的实施例的当设备数值数据值在预定基准范围外后恢复到预定基准范围内时设置的故障状态区间、正常状态区间和恢复状态区间的示图。
图6是示出根据本公开的在选择恢复诱导因子以将其反映到分析结果信息的实施例中设备数值数据值在预定基准范围外的情况的数据流的示图。
图7是示出根据本公开的实施例生成的数据集的示图。
图8是示出根据本公开的实施例的针对每个故障诱导因子计算影响指标的过程的流程图。
图9是示出根据本公开的实施例的为了针对每个故障诱导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导因子分析表的示图。
图10是示出根据本公开的实施例的由基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析系统实际生成的分析结果信息的示图。
图11是根据本公开的实施例的基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析方法的流程图。
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、各种商用车的乘用车,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。
本文所使用的术语仅出于描述特定实施例的目的,并不旨在限制本公开。如本文所使用的,单数形式“一”、“一个”和“该”也旨在包括复数形式,除非上下文另外明确指出。还将理解的是,术语“包括”和/或“包含”在本说明书中使用时,指定存在所述特征、整数、步骤、操作、元件和/或组件,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。如本文所使用的,术语“和/或”包括一个或多个相关所列项目的任一个和所有组合。在整个说明书中,除非明确地相反描述,否则词语“包括”和诸如“包括有”或“包含”的变体将被理解为暗示包括所述元件,但不排除任何其它元件。另外,说明书中描述的术语“单元”、“件”、“-器”和“模块”是指用于处理至少一个功能和操作的单元,并且可以由硬件组件或软件组件及其组合来实现。
此外,本公开的控制逻辑可以实现为包含由处理器、控制器等执行的可执行程序指令的计算机可读介质上的非暂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。
在下文中,将参照附图详细描述本公开的示例性实施例,使得本公开所属领域的技术人员可以容易地实施本公开。然而,本公开可以以各种不同的形式来实现,并且不限于本文描述的实施例。
此外,在附图中,为了清楚地描述本公开,省略了与描述无关的部分,并且在整个说明书中,相同的附图标记表示相同的部分。
在整个说明书中,当部件被描述成“包括”某个组件时,意味着该部件可以进一步包括其它组件,而不是排除其它组件,除非另有特别说明。
在下文中,将参照附图描述根据本公开的实施例的基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析系统及方法。
图1是根据本公开的实施例的基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析系统的配置框图。
参照图1,根据本公开的实施例的基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析系统可以包括设备数值数据分析装置10和大数据服务器20。
设备数值数据分析装置10监测车辆的设备数值数据,当测量到设备数值数据值在预定基准范围外时,设备数值数据分析装置10可以生成故障诱导因子数据集、正常状态数据集和恢复状态数据集中的至少一个数据集并将该数据集传送到大数据服务器。
此外,根据实施例,设备数值数据分析装置10可以通过接收与数据集对应的数据来针对每个故障诱导因子计算影响指标,并且通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息。
将参照图2更详细地描述设备数值数据分析装置10。
大数据服务器20可以将与接收的数据集对应的数据传送到设备数值数据分析装置10。
根据本公开的实施例,大数据服务器20可以从设备数值数据分析装置10接收数据集,并且提取与该数据集对应的数据并将该数据传送到设备数值数据分析装置。
这里,大数据服务器20可以是具有大容量的存储装置和运算能力的服务器,并且不限于具有特定硬件标准的服务器。
根据本公开的实施例,大数据服务器20可以通过利用设备数值数据来提取与包括在所接收的数据集中的数据项对应的数据,并且通过在提取过程中利用大数据服务器的运算资源来执行处理。
例如,如果在数据集中存在区间内马达RPM平均值的项,则大数据服务器可以通过执行获得相应区间内设备数值数据中的马达RPM值的平均值的处理来提取与该区间内马达RPM平均值对应的数据。
根据本公开的实施例,大数据服务器20可以从车辆周期性地接收行驶数据并将行驶数据存储在大数据服务器20中,并且提取与从设备数值数据分析装置10接收的故障诱导因子数据集和正常状态数据集对应的行驶数据中包括的数据,以数据表的形式生成该数据,并将该数据传送到设备数值数据分析装置10。
根据本公开的实施例,大数据服务器可以从车辆连续地接收设备数值数据并存储设备数值数据,并且处理并返回存储设备数值数据分析装置请求的关于数据集中包括的数据项的数据的设备数值数据,但是不限于此,并且可以将用于提取数据集中包括的数据项的原始数据传送到设备数值数据分析装置,使得处理本身也在设备数值数据分析装置中执行。
图2是根据本公开的第一实施例的设备数值数据分析装置的详细配置框图。
参照图2,根据本公开的第一实施例的设备数值数据分析装置10可以进一步包括设备数值数据监测单元100、数据集生成单元200、数据集传送单元300、影响指标计算单元400和结果信息生成单元500。
设备数值数据监测单元100可以从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并且监测所接收的设备数值数据值是否在预定基准范围外。
这里,设备数值数据可以指从车辆中包括的多个组件获得的算术数值数据,并且根据本公开的实施例,设备数值数据可以指马达温度、马达RPM、加热器输出、空调压缩机RPM等,但不限于此,并且如果设备数值数据是通过传感器和其它测量设备测量的数值数据,则可以不受限制地使用设备数值数据。
根据本公开的实施例,设备数值数据监测单元100可以连续地监测每个设备的设备数值数据值是否在预定基准范围外,并且如果设备数值数据值在预定基准范围外,则设备数值数据监测单元100可以判断出现故障症状,并请求数据集生成单元200生成包括多个故障诱导因子数据的故障诱导因子数据集和正常状态数据集,以分析故障原因。
根据本公开的实施例,设备数值数据监测单元100可以监测在故障状态区间之后接收的设备数值数据值是否再次落入预定基准范围内。
根据本公开的实施例,如果在故障状态区间之后接收的设备数值数据值再次达到预定正常状态值,则判断恢复到正常状态并将从达到正常状态值的时间点到预定时间之前的区间设置为恢复状态区间,并且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导因子数据的恢复时间点数据集。
如果设备数值数据值在预定基准范围外,则数据集生成单元200可以根据预定基准来设置故障状态区间或正常状态区间,并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导因子数据的故障诱导因子数据集和正常状态数据集。
根据本公开的实施例,作为设备数值数据监测单元100的监测结果,如果设备数值数据值在预定基准范围外,则数据集生成单元200可以判断出现故障症状,并且根据预定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。
根据该实施例,数据集生成单元200设置故障状态区间和正常状态区间,然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导因子数据的故障诱导因子数据集和正常状态数据集。
这里,数据集可以以数据表的形式生成,该数据表包括相应区间期间设备数值数据中包括的各种信息中能够分析故障原因的数据项,但是不限于此,并且如果可以传递关于能够推断故障诱导因子的数据的项信息,则可以不受限制地使用数据集。
根据本公开的实施例,数据集可以包括区间内马达RPM平均值、区间内发电机RPM平均值、空调压缩机RPM变化斜率、PTC(高电压加热器)功率平均值、LDC输出平均值、车速平均值等作为数据项,并且可以以数据表的形式形成。
根据本公开的实施例,数据集生成单元200可以将从测量到设备数值数据值在预定基准范围外的时间点到预定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定时间之前的区间设置为正常状态区间。
根据该实施例,数据集生成单元200可以将从测量到设备数值数据值在预定基准范围外的时间点到预定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定时间之前的区间设置为正常状态区间。
根据本公开的实施例,数据集生成单元200可以将从当设备数值数据值在预定基准范围外时测量到设备数值数据值的时间点到预定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定时间之前的区间设置为正常状态区间。
根据本公开的实施例,数据集生成单元200可以将从达到正常状态值的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集。
根据该实施例,可以将恢复状态区间设置为从达到正常状态值的时间点到预定时间之前的区间。
数据集传送单元300可以将所生成的恢复时间点数据集传送到大数据服务器。
根据本公开的实施例,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可以被传送到大数据服务器20,并且大数据服务器可以以数据表的形式生成与对应数据集匹配的数据,并将该数据再次传送到设备数值数据分析装置10。
根据本公开的实施例,数据集传送单元300可以将所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可以从大数据服务器接收与数据集对应的数据,并且通过利用接收的数据来针对每个故障诱导因子计算影响指标。
根据本公开的实施例,设备数值数据分析装置10可以从大数据服务器20接收与数据集对应的数据,并且以数据表的形式接收该数据。
这里,数据表可以表示包括多个故障诱导因子中的每一个的数值数据的数据格式,但是不限于此。
根据本公开的实施例,影响指标计算单元400可以通过针对相同的故障诱导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。
根据本公开的实施例,影响指标计算单元400可以通过以下公式1来计算影响指标:
[公式1]
y>x*因子(影响指标)
y:正常状态区间的故障诱导因子的数值数据;并且
x:故障状态区间的故障诱导因子的数值数据。
根据该实施例,随着影响指标远离1,将影响指标视为相对较大。
根据本公开的实施例,影响指标计算单元400可以周期性地接收故障状态数据集和恢复状态数据集,并通过利用与所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每个恢复诱导因子计算影响指标。
根据本公开的实施例,影响指标计算单元400可以通过以下公式2来计算反映恢复状态区间的数据的影响指标:
[公式2]
y>x*因子(影响指标)
y:故障状态区间的故障诱导因子的数值数据;并且
x:恢复状态区间的故障诱导因子的数值数据。
根据该实施例,随着影响指标远离1,可以将影响指标视为相对较大。
根据本公开的实施例,在影响指标的计算中,即使在利用恢复状态区间的故障诱导因子的数值数据的情况下,影响指标计算单元400也可以通过利用与利用故障状态区间的故障诱导因子的数值数据的情况一样的影响指标计算过程来计算影响指标。
结果信息生成单元500可以通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息。
根据本公开的实施例,可以通过诸如公式1和公式2的公式来针对每个故障诱导因子计算影响指标,并且可以通过比较所计算的影响指标来判断对故障的相对较小和较大的影响。
根据本公开的实施例,可以通过比较针对每个故障诱导因子计算的影响指标以选择其中具有最大影响指标的故障诱导因子作为故障原因来生成结果信息。
根据本公开的另一实施例,可以通过选择针对每个故障诱导因子计算的影响指标中的具有预定特定值或更大值的故障诱导因子作为故障原因来生成结果信息。
根据本公开的实施例,结果信息生成单元500可以通过反映所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导因子。
图3是根据本公开的第二实施例的设备数值数据分析装置的详细配置框图。
参照图3,根据本公开的第二实施例的设备数值数据分析装置可以在根据第一实施例的设备数值数据分析装置中进一步包括分析结果输出单元600。
分析结果输出单元600可以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。
根据本公开的实施例,分析结果输出单元600可以与安装在车辆中的显示器连接,并且可以将分析结果信息传送到显示器以将分析结果信息输出给用户,但是不限于此,并且如果分析结果输出单元600是能够向用户输出信息的例如扬声器的装置,则可以不受限制地使用分析结果输出单元600。
图4是示出根据本公开的实施例的当设备数值数据值在预定基准范围外时设置的故障状态区间和正常状态区间的示图。
参照图4,示出了根据本公开的实施例的当设备数值数据值在预定基准范围外时设置的故障状态区间(A)和正常状态区间(B-1),将从测量到设备数值数据值的时间点到预定时间之前的区间设置为故障状态区间(A),并将从故障状态区间的开始时间点到预定时间之前的区间设置为正常状态区间(B-1)。
图5是示出根据本公开的实施例的当设备数值数据值在预定基准范围外后再次恢复到预定基准范围内时设置的故障状态区间、正常状态区间和恢复状态区间的示图。
参照图5,示出了根据本公开的实施例的当设备数值数据值在预定基准范围外后再次恢复到预定基准范围内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),并且恢复状态区间(B-2)可以被设置为从达到正常状态值的时间点到预定时间之前的区间。
图6是示出根据本公开的在选择恢复诱导因子以将其反映到分析结果信息的实施例中设备数值数据是设置值以上的情况的数据流的示图。
参照图6,示出了在选择恢复诱导因子以将其反映到分析结果信息的实施例中设备数值数据值在预定基准范围外的情况的数据流。
根据本公开的实施例,作为监测设备数值数据的结果,如果测量到设备数值数据值在预定基准范围外后再次恢复到预定基准范围内,从正常状态返回到故障状态和恢复状态,则设备数值数据分析装置可以将故障状态区间、正常状态区间和恢复状态区间的包括多个故障诱导因子数据的故障诱导因子数据集传送到大数据服务器。
此外,根据实施例,可以将从大数据服务器接收的与数据集对应的数据传送到设备数值数据分析装置。
图7是示出根据本公开的实施例生成的数据集的示图。
参照图7,示出了根据本公开的实施例生成的数据集。
根据本公开的实施例,可以以具有预定的故障诱导因子作为项的数据目录的形式来生成数据集。
根据本公开的实施例,故障诱导因子可以是区间内马达RPM平均值、区间内发电机RPM平均值、空调压缩机RPM变化斜率、PTC功率平均值、LDC输出平均值、车速平均值等,但不限于此,只要故障诱导因子是能够影响故障的因子,就可以不受限制地使用故障诱导因子。
图8是示出根据本公开的实施例的针对每个故障诱导因子计算影响指标的过程的流程图。
参照图8,示出了根据本公开的实施例的针对每个故障诱导因子计算影响指标的过程。
根据本公开的实施例,可以通过使用利用故障状态区间和正常状态区间内的每个故障诱导因子的数据的公式1或利用故障状态区间和恢复状态区间内的每个故障诱导因子的数据的公式2来计算影响指标,并且可以将该影响指标与其它故障诱导因子的影响指标进行比较,以相对比较故障引起的影响的大小。
图9是示出根据本公开的实施例的为了针对每个故障诱导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导因子分析表的示图。
根据本公开的实施例,图9示出了根据本公开的实施例的为了针对每个故障诱导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导因子分析表。
根据本公开的实施例,如果判断测量到设备数值数据值在预定基准范围外并且出现故障状态,则可以生成与出现次数一样多的故障诱导因子分析表。
根据本公开的实施例,每个故障诱导因子分析表可以包括所计算的影响指标的影响因子的相对大小判断信息,可以表示为怀疑、确认、不是诱导因子等,并且可以生成并包括根据影响指标的累积次数,即关于诱导因子怀疑选择的累积次数的信息。
根据本公开的实施例,如果影响指标为预定值以下,则可以判断为不能判断影响,并且可以根据故障项、车辆类型等来改变和设置预定值。
因此,可以防止由于测量和计算误差引起的误判,并且可以使过度拟合最小化。
根据本公开的实施例,由于如果影响指标为预定值以下,则累积次数还处于不能判断影响的状态,因此可以不累积次数。
图10是示出根据本公开的实施例的由基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析系统实际生成的分析结果信息的示图。
参照图10,示出了当监测实际设备数值数据并测量到实际设备数值数据值在预定基准范围外时通过利用如图9中的故障诱导因子分析结果表来选择故障诱导因子而生成的分析结果信息。
根据本公开的实施例,可靠性数值可以包括在分析结果信息中,并且可靠性数值可以随着累积次数增加而增加,相反,随着累积次数减少而减少。
图11是根据本公开的实施例的基于利用车辆行驶期间车辆设备的数值数据的大数据的故障原因分析方法的流程图。
监测所接收的设备数值数据值是否在预定基准范围外(操作S10)。
根据本公开的实施例,可以从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并且监测所接收的设备数值数据值是否在预定基准范围外。
根据本公开的实施例,可以监测在故障状态区间之后接收的设备数值数据值是否再次落入预定基准范围内。
判断设备数值数据值是否在预定基准范围外(操作S20)。
根据本公开的实施例,可以连续地监测每个设备的设备数值数据是否在预定基准范围外,并且当超出预定基准范围时判断出现故障症状,从而为了分析故障原因,请求生成包括多个故障诱导因子数据的故障诱导因子数据集和正常状态数据集。
根据本公开的实施例,如果在故障状态区间之后接收的设备数值数据值再次落入预定基准范围内,则可以判断恢复到正常状态,并将从落入预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并请求生成针对恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集。
如果设备数值数据值在预定基准范围外,则根据预定基准来设置故障状态区间和正常状态区间(操作S30)。
根据本公开的实施例,如果设备数值数据值在预定基准范围外,则可以根据预定基准来设置故障状态区间或正常状态区间。
根据本公开的实施例,如果设备数值数据值在预定基准范围外,则可以判断出现故障症状,从而为了分析故障原因而根据预定基准设置故障状态区间和正常状态区间。
根据本公开的实施例,可以将从测量到设备数值数据值在预定基准范围外的时间点到预定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定时间之前的区间设置为正常状态区间。
根据该实施例,可以将从测量到设备数值数据值在预定基准范围外的时间点到预定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定时间之前的区间设置为正常状态区间。
根据本公开的实施例,可以将从当设备数值数据值在预定基准范围外时测量到设备数值数据值的时间点到预定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定时间之前的区间设置为正常状态区间。
根据本公开的实施例,可以将从落入预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间。
生成针对正常状态区间的包括多个故障诱导因子数据的故障诱导因子数据集和正常状态数据集(操作S40)。
根据本公开的实施例,可以在设置故障状态区间和正常状态区间之后,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导因子数据的故障诱导因子数据集和正常状态数据集。
根据本公开的实施例,可以将从落入预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集。
通过利用与故障诱导因子数据集和正常状态数据集对应的数据来针对每个故障诱导因子计算影响指标(操作S50)。
根据本公开的实施例,可以从大数据服务器接收与数据集对应的数据,并且可以通过利用所接收的数据来针对每个故障诱导因子计算影响指标。
根据本公开的实施例,可以接收与数据集对应的数据,并以数据表的形式来接收该数据。
这里,数据表可以表示包括多个故障诱导因子中的每一个的数值数据的数据格式,但是不限于此。
根据本公开的实施例,可以通过针对相同的故障诱导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。
根据本公开的实施例,可以通过诸如公式1的公式来计算影响指标。
根据该实施例,随着影响指标远离1,可以将影响指标视为相对较大。
根据本公开的实施例,可以周期性地接收正常状态数据集和恢复状态数据集,并且可以通过利用与所接收的恢复状态数据集和正常状态数据集对应的数据来针对每个恢复诱导因子计算影响指标。
根据本公开的实施例,可以通过诸如公式2的公式来计算反映恢复状态区间的数据的影响指标。
根据该实施例,随着影响指标远离1,可以将影响指标视为相对较大。
通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息(操作S60)。
根据本公开的实施例,可以通过基于所计算的影响指标选择故障诱导因子来生成分析结果信息。
根据本公开的实施例,可以通过诸如公式1和公式2的公式来针对每个故障诱导因子计算影响指标,并且可以通过比较所计算的影响指标来判断对故障的相对较小和较大的影响。
根据本公开的实施例,可以通过比较针对每个故障诱导因子计算的影响指标选择具有最大影响指标的故障诱导因子作为故障原因来生成结果信息。
根据本公开的另一实施例,可以通过选择针对每个故障诱导因子计算的影响指标中的具有预定特定值或更大值的故障诱导因子作为故障原因来生成结果信息。
根据本公开的实施例,可以通过反映所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导因子。
本公开的实施例不仅仅通过上述装置和/或方法来实现,并且尽管如上所述详细地描述了本公开的实施例,但是本公开的范围不限于此,本领域技术人员利用如所附权利要求书中限定的本公开的基本概念的各种修改和改进也包括在本公开的范围内。
Claims (17)
1.一种利用车辆行驶期间车辆设备的数值数据的故障原因分析系统,包括:
设备数值数据分析装置,当通过监测车辆的设备数值数据而测量到设备数值数据值在预定基准范围外时生成故障诱导因子数据集、正常状态数据集和恢复状态数据集中的至少一个数据集并将所述数据集传送到大数据服务器,从所述大数据服务器接收与所述数据集对应的数据并针对每个故障诱导因子计算影响指标,并且基于所计算的所述影响指标选择故障诱导因子;以及
所述大数据服务器,将与所接收的所述数据集对应的数据传送到所述设备数值数据分析装置。
2.一种设备数值数据分析装置,包括:
设备数值数据监测单元,从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;
数据集生成单元,当所述设备数值数据值在所述预定基准范围外时,根据预定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导因子数据的故障诱导因子数据集和正常状态数据集;
数据集传送单元,将生成的数据集传送到大数据服务器;
影响指标计算单元,从所述大数据服务器接收与所述数据集对应的数据,并且通过利用所接收的所述数据来针对每个故障诱导因子计算影响指标;以及
结果信息生成单元,通过基于所计算的所述影响指标选择故障诱导因子来生成分析结果信息。
3.根据权利要求2所述的设备数值数据分析装置,其中,
所述数据集生成单元将从当所述设备数值数据值在所述预定基准范围外时测量到所述设备数值数据值的时间点到预定时间之前的区间设置为所述故障状态区间,并且将从所述故障状态区间的开始时间点到预定时间之前的区间设置为所述正常状态区间。
4.根据权利要求2所述的设备数值数据分析装置,其中,
所述设备数值数据监测单元监测在所述故障状态区间之后接收的所述设备数值数据值是否再次落入所述预定基准范围内,
所述数据集生成单元将从落入所述预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间并生成针对所述恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集,并且
所述数据集传送单元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。
5.根据权利要求2所述的设备数值数据分析装置,其中,
所述结果信息生成单元通过反映所计算的所述影响指标和根据所述影响指标的累积次数来选择所述故障诱导因子。
6.根据权利要求4所述的设备数值数据分析装置,其中,
所述影响指标计算单元周期性地接收故障状态数据集和恢复状态数据集,并通过利用与所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每个恢复诱导因子计算所述影响指标,并且
所述结果信息生成单元基于所计算的所述影响指标来选择所述故障诱导因子,以将所述故障诱导因子反映到所述分析结果信息。
7.一种利用车辆行驶期间车辆设备的数值数据的故障原因分析装置,包括:
设备数值数据监测单元,从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;
数据集生成单元,当所述设备数值数据值在所述预定基准范围外时,根据预定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导因子数据的故障诱导因子数据集和正常状态数据集;
影响指标计算单元,通过利用与所述故障诱导因子数据集和所述正常状态数据集对应的数据来针对每个故障诱导因子计算影响指标;以及
结果信息生成单元,通过基于所计算的所述影响指标选择故障诱导因子来生成分析结果信息。
8.一种利用车辆行驶期间车辆设备的数值数据的故障原因分析方法,包括以下步骤:
当通过监测车辆的设备数值数据而测量到设备数值数据值在预定基准范围外时生成故障诱导因子数据集、正常状态数据集和恢复状态数据集中的至少一个数据集并将所述数据集传送到大数据服务器,从所述大数据服务器接收与所述数据集对应的数据并针对每个故障诱导因子计算影响指标,并且基于所计算的所述影响指标选择故障诱导因子;以及
将与所接收的所述数据集对应的数据传送到设备数值数据分析装置。
9.一种设备数值数据分析方法,包括以下步骤:
从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;
当所述设备数值数据值在所述预定基准范围外时,根据预定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导因子数据的故障诱导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;
从所述大数据服务器接收与所述数据集对应的数据,并且通过利用所接收的所述数据来针对每个故障诱导因子计算影响指标;以及
通过基于所计算的所述影响指标选择故障诱导因子来生成分析结果信息。
10.根据权利要求9所述的设备数值数据分析方法,其中,
生成数据集的步骤中,将从当所述设备数值数据值在所述预定基准范围外时测量到所述设备数值数据值的时间点到预定时间之前的区间设置为所述故障状态区间,并且将从所述故障状态区间的开始时间点到预定时间之前的区间设置为所述正常状态区间。
11.根据权利要求9所述的设备数值数据分析方法,其中,
监测的步骤中,监测在所述故障状态区间之后接收的所述设备数值数据值是否再次落入所述预定基准范围内,
生成数据集的步骤中,将从落入所述预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对所述恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集,并且
将所述数据集传送到所述大数据服务器的步骤中,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。
12.根据权利要求9所述的设备数值数据分析方法,其中,
生成所述分析结果信息的步骤中,通过反映所计算的所述影响指标和根据所述影响指标的累积次数来选择所述故障诱导因子。
13.根据权利要求9所述的设备数值数据分析方法,其中,
计算所述影响指标的步骤中,周期性地接收正常状态数据集和恢复状态数据集,并通过利用与所接收的所述恢复状态数据集和所述正常状态数据集对应的数据来针对每个恢复诱导因子计算所述影响指标,并且
生成所述分析结果信息的步骤中,基于所计算的所述影响指标来选择所述故障诱导因子,以将所述故障诱导因子反映到所述分析结果信息。
14.一种设备数值数据分析装置,包括:
设备数值数据监测单元,从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;
数据集生成单元,当所述设备数值数据值在所述预定基准范围外时,根据预定基准来设置故障状态区间和恢复状态区间,并且生成针对所述故障状态区间和所述恢复状态区间的包括多个故障诱导因子数据的故障诱导因子数据集和正常状态数据集;
数据集传送单元,将生成的数据集传送到大数据服务器;
影响指标计算单元,从所述大数据服务器接收与所述数据集对应的数据,并且通过利用所接收的所述数据来针对每个故障诱导因子计算影响指标;以及
结果信息生成单元,通过基于所计算的所述影响指标选择故障诱导因子来生成分析结果信息。
15.根据权利要求14所述的设备数值数据分析装置,其中,
所述设备数值数据监测单元监测在所述故障状态区间之后接收的所述设备数值数据值是否再次落入所述预定基准范围内,
所述数据集生成单元将从落入所述预定基准范围内的时间点到预定时间之前的区间设置为恢复状态区间,并生成针对所述恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集,并且
所述数据集传送单元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。
16.一种设备数值数据分析方法,包括以下步骤:
从安装在车辆中的多个传感器周期性地接收包括设备数值数据的车辆状态信息,并监测所接收的设备数值数据值是否在预定基准范围外;
当所述设备数值数据值在所述预定基准范围外时,根据预定基准来设置故障状态区间和恢复状态区间,并生成针对所述故障状态区间和所述恢复状态区间的包括多个故障诱导因子数据的故障诱导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;
从所述大数据服务器接收与所述数据集对应的数据,并且通过利用所接收的所述数据来针对每个故障诱导因子计算影响指标;以及
通过基于所计算的所述影响指标选择故障诱导因子来生成分析结果信息。
17.根据权利要求16所述的设备数值数据分析方法,进一步包括:
监测在所述故障状态区间之后接收的所述设备数值数据值是否再次落入所述预定基准范围内;
将从落入所述预定基准范围内的时间点到预定时间之前的区间设置为所述恢复状态区间,并生成针对所述恢复状态区间的包括多个故障诱导因子数据的恢复时间点数据集;以及
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。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2019-0107338 | 2019-08-30 | ||
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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446979A true CN112446979A (zh) | 2021-03-05 |
Family
ID=69187594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102628.8A Pending CN112446979A (zh) | 2019-08-30 | 2020-02-19 | 利用车辆设备的数值数据的故障原因分析系统及方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11482055B2 (zh) |
EP (1) | EP3786749A1 (zh) |
KR (1) | KR20210026484A (zh) |
CN (1) | CN112446979A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114740303B (zh) * | 2022-06-13 | 2022-08-26 | 山东中安电力科技有限公司 | 一种无线无源高压开关柜的故障监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102245437A (zh) * | 2008-12-10 | 2011-11-16 | 本田技研工业株式会社 | 车辆的故障诊断装置 |
US20140379201A1 (en) * | 2013-06-20 | 2014-12-25 | Denso Corporation | Apparatus and method for vehicular self-diagnosis |
CN107628036A (zh) * | 2016-07-19 | 2018-01-26 | 通用汽车环球科技运作有限责任公司 | 传感器故障的检测和重建 |
CN109636949A (zh) * | 2017-10-09 | 2019-04-16 | 贝尔直升机德事隆公司 | 用于部件状况指示符数据的可适应趋势检测的系统和方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4940779B2 (ja) | 2006-06-22 | 2012-05-30 | マツダ株式会社 | 遠隔故障診断システム |
US20170169625A1 (en) | 2011-12-21 | 2017-06-15 | Scope Technologies Holdings Limited | Developing and using a vehicle diagnostic distributed database |
KR101664594B1 (ko) | 2014-11-26 | 2016-10-10 | 현대자동차주식회사 | 차량 부품 절연파괴 진단 시스템 및 그 방법 |
US10657450B2 (en) | 2015-09-30 | 2020-05-19 | Deere & Company | Systems and methods for machine diagnostics based on stored machine data and available machine telematic data |
US20180276913A1 (en) | 2016-09-30 | 2018-09-27 | Faraday&Future Inc. | Remote vehicle network monitoring and failure prediction system |
US11095741B2 (en) * | 2019-07-11 | 2021-08-17 | Ghost Locomotion Inc. | Value-based transmission in an autonomous vehicle |
-
2019
- 2019-08-30 KR KR1020190107338A patent/KR20210026484A/ko active IP Right Grant
-
2020
- 2020-01-15 US US16/743,859 patent/US11482055B2/en active Active
- 2020-01-22 EP EP20153016.9A patent/EP3786749A1/en active Pending
- 2020-02-19 CN CN202010102628.8A patent/CN112446979A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102245437A (zh) * | 2008-12-10 | 2011-11-16 | 本田技研工业株式会社 | 车辆的故障诊断装置 |
US20140379201A1 (en) * | 2013-06-20 | 2014-12-25 | Denso Corporation | Apparatus and method for vehicular self-diagnosis |
CN107628036A (zh) * | 2016-07-19 | 2018-01-26 | 通用汽车环球科技运作有限责任公司 | 传感器故障的检测和重建 |
CN109636949A (zh) * | 2017-10-09 | 2019-04-16 | 贝尔直升机德事隆公司 | 用于部件状况指示符数据的可适应趋势检测的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20210026484A (ko) | 2021-03-10 |
EP3786749A1 (en) | 2021-03-03 |
US20210065466A1 (en) | 2021-03-04 |
US11482055B2 (en) | 2022-10-25 |
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 | |
CN106813926B (zh) | 用于车辆的故障诊断方法 | |
US8831816B2 (en) | Electrical leakage diagnosis apparatus for vehicle using insulation resistance sensor and control method thereof | |
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 | |
EP2803048B1 (en) | System and method for providing diagnostic fault information | |
KR101757075B1 (ko) | 차량 고장 진단 분석을 위한 주행 데이터 모니터링 시스템 및 방법 | |
CN105762427A (zh) | 用于控制车辆中高压电池的装置和方法 | |
CN111506048B (zh) | 车辆故障预警方法及相关设备 | |
US20170115370A1 (en) | Apparatus and method of diagnosing current sensor of eco-friendly vehicle | |
CN108153286B (zh) | 故障诊断方法、装置及跟随器诊断系统 | |
CN113232462B (zh) | 胎压管理方法、装置及计算机存储介质 | |
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 | |
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 | |
CN114633709A (zh) | 一种车辆故障处理系统和方法 | |
CN115436789A (zh) | 继电器故障检测方法、装置、电子设备和存储介质 | |
CN112034820A (zh) | 基于云端的硬件在环系统测试方法、系统以及存储介质 | |
US12051288B2 (en) | Fault sign detection device, fault sign detection system, fault sign method, and fault sign detection program | |
US9092315B2 (en) | Method and software program product for determining the quality of an information technology system | |
US20130226745A1 (en) | Method and system for abuse pattern detection | |
CN114384887B (zh) | 一种排放诊断方法、装置与电子设备 | |
JP5455795B2 (ja) | 情報処理装置 | |
JP2024011340A (ja) | 検出装置、学習装置、検出方法、学習方法及びプログラム | |
CN112685827A (zh) | 数据记录装置以及数据记录方法 | |
CN115824488A (zh) | 一种油罐车的异常分析方法、装置、设备及介质 |
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 |