CN112682126B - 一种车辆机油粘度实时预测方法及装置 - Google Patents
一种车辆机油粘度实时预测方法及装置 Download PDFInfo
- Publication number
- CN112682126B CN112682126B CN202011572923.6A CN202011572923A CN112682126B CN 112682126 B CN112682126 B CN 112682126B CN 202011572923 A CN202011572923 A CN 202011572923A CN 112682126 B CN112682126 B CN 112682126B
- Authority
- CN
- China
- Prior art keywords
- engine
- viscosity
- oil
- current
- engine oil
- 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.)
- Active
Links
- 239000010705 motor oil Substances 0.000 title claims abstract description 176
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 239000003921 oil Substances 0.000 claims description 97
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 abstract description 4
- 239000010721 machine oil Substances 0.000 abstract 2
- 238000005299 abrasion Methods 0.000 description 4
- 239000010687 lubricating oil Substances 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000001050 lubricating effect Effects 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本申请涉及一种车辆机油粘度实时预测方法及装置，涉及汽车技术领域，该方法包括以下步骤：根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合发动机曲轴直径以及机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度。本申请对机油情况进行实施监测，并结合车辆的多项因素综合评估，对车辆机油粘度进行合理预测，具有成本低、操作便利以及准确度高的优势。
Description
技术领域
本发明涉及汽车技术领域，具体涉及一种车辆机油粘度实时预测方法及装置。
背景技术
现阶段，为了保证发动机能够正常进行日常工作，需要定期对发动机机油进行更换，而在发动机机油更换工作中，需要对机油粘度进行预测，机油粘度预测一般采用以下方式：
针对特定极限工况确定发动机机油更换里程或时间，但是同一发动机型号不同配置或同一发动机型号同一配置在不同工况下机油使用的使用时间和里程累积曲线不同。因此依据单一特定极限工况确定的机油粘度在大部分车辆上存在差异。另外，在某些非常恶劣工况或不良驾驶行为下，机油的粘度与针对特定极限工况确定的机油粘度存在较大区别。
通过单一因素对机油粘度进行计算，但此方式考虑因素单一，预测准确度较差。
由此可见，目前缺少一种操作方便，准确度高且实施成本低的汽车机油粘度预测方法。
发明内容
本申请提供一种车辆机油粘度实时预测方法及装置，对机油情况进行实施监测，并结合车辆的多项因素综合评估，对车辆机油粘度进行合理预测，具有成本低、操作便利以及准确度高的优势。
第一方面，本申请提供了一种车辆机油粘度实时预测方法，所述方法包括以下步骤：
根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；
根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度；
所述方法基于自定义机油粘度计算公式，所述自定义机油粘度计算公式为：
η为机油粘度，k为机油粘度关系系数，p油压为机油压力，T摩擦为摩擦扭矩，D为发动机输出轴直径，n为发动机曲轴转速。
进一步的，所述方法还包括以下步骤：
按照预设周期，根据所述当前机油粘度与所述机油初始粘度，计算两者之间的当前粘度比值；
将所述当前粘度比值与粘度比值上限值和粘度比值下限值进行比较，若所述当前粘度比值不在所述粘度比值上限值和所述粘度比值下限值之间，进行机油粘度警报。
具体的，所述根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数中，包括以下步骤：
获得发动机额定功率下的第一机油压力、第一摩擦扭矩、第一发动机曲轴转速；
根据机油型号，获得机油初始粘度；
将所述第一机油压力、所述第一摩擦扭矩以及所述第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，代入所述自定义机油粘度计算公式，计算获得机油粘度关系系数。
具体的，所述根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度中，包括以下步骤：
监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩、发动机曲轴转速；
获取所述发动机曲轴直径以及所述机油粘度关系系数；
将所述当前机油压力、所述当前摩擦扭矩以及所述发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，代入所述自定义机油粘度计算公式，计算获得发动机当前功率下的当前机油粘度。
第二方面，本申请提供了一种车辆机油粘度实时预测装置，所述装置包括：
监测单元，其用于检测获得发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，还用于监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速；
粘度关系系数计算单元，其用于根据所述第一机油压力、所述第一摩擦扭矩以及所述第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；
机油粘度计算单元，其用于根据所述当前机油压力、所述当前摩擦扭矩以及所述发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度；
所述机油粘度计算单元基于自定义机油粘度计算公式计算所述发动机当前功率下的当前机油粘度，所述自定义机油粘度计算公式为：
η为机油粘度，k为机油粘度关系系数，p油压为机油压力，T摩擦为摩擦扭矩，D为发动机输出轴直径，n为发动机曲轴转速。
进一步的，所述装置还包括机油型号分析单元，其用于根据机油型号，获得机油初始粘度。
进一步的，所述装置还包括粘度比值计算单元，其用于按照预设周期，根据所述当前机油粘度与所述机油初始粘度，计算两者之间的当前粘度比值。
进一步的，所述装置还包括粘度警报单元，其用于将所述当前粘度比值与粘度比值上限值和粘度比值下限值进行比较，若所述当前粘度比值不在粘度比值上限值和粘度比值下限值之间，进行机油粘度警报。
本申请提供的技术方案带来的有益效果包括：
本申请对机油情况进行实施监测，并结合车辆的多项因素综合评估，对车辆机油粘度进行合理预测，具有成本低、操作便利以及准确度高的优势。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中提供的车辆机油粘度实时预测方法的步骤流程图；
图2为本申请实施例中提供的车辆机油粘度实时预测方法的硬件原理结构图；
图3为本申请实施例中提供的车辆机油粘度实时预测装置的结构框图。
具体实施方式
术语解释：
CAN Bus,Controller Area Net-work Bus,串行总线系统；
Sensors,传感器；
GPS,Global Positioning System,全球定位系统；
Storm,一种分布式实时大数据处理框架；
Redis，Remote Dictionary Server，即远程字典服务；
Spark，一种类Hadoop MapReduce的通用并行框架；
HBase，一种分布式的、面向列的开源数据库；
HDFS，Hadoop Distributed File System，分布式文件系统；
Hive，基于Hadoop的一个数据仓库工具；
Presto，一种分布式SQL查询引擎；
PDM，Product Data Management，产品数据管理；
CRM，Customer Relationship Management，客户关系管理；
ECU，Electronic Control Unit，电子控制单元。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图对本发明的实施例作进一步详细说明。
本发明实施例提供一种车辆机油粘度实时预测方法及装置，对机油情况进行实施监测，并结合车辆的多项因素综合评估，对车辆机油粘度进行合理预测，具有成本低、操作便利以及准确度高的优势。
为达到上述技术效果，本申请的总体思路如下：
一种车辆机油粘度实时预测方法，该方法包括以下步骤：
S1、根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；
S2、根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合发动机曲轴直径以及机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度。
以下结合附图对本发明的实施例作进一步详细说明。
第一方面，参见图1和2所示，本发明实施例提供一种车辆机油粘度实时预测方法，该方法包括以下步骤：
S1、根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；
S2、根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合发动机曲轴直径以及机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度。
本申请实施例中，对机油情况进行实施监测，并结合车辆的多项因素综合评估，对车辆机油粘度进行合理预测，具有成本低、操作便利以及准确度高的优势。
进一步的，该方法还包括以下步骤：
S3、按照预设周期，根据当前机油粘度与机油初始粘度，计算两者之间的当前粘度比值；
S4、将当前粘度比值与粘度比值上限值和粘度比值下限值进行比较，若当前粘度比值不在粘度比值上限值和粘度比值下限值之间，进行机油粘度警报。
需要说明的是，机油粘度是机油性能和寿命的一种重要指标，一般根据车辆不同配置及其实际使用工况选择适合的机油的粘度特性；
粘度过大浪费燃油，经济性差，粘度过低，润滑不足，会导致零件磨损，降低零部件的寿命；
通过机油粘度警报，能够通知驾驶员及时更换机油，从而避免出现燃油浪费以及零部件的磨损。
具体的，方法基于自定义机油粘度计算公式，自定义机油粘度计算公式为：
η为机油粘度，k为机油粘度关系系数，p油压为机油压力，T摩擦为摩擦扭矩，D为发动机输出轴直径，n为发动机曲轴转速。
需要说明的是，根据Stribeck曲线，可以清楚地分析在不同润滑状态下润滑油的粘度、转速、油膜厚度和零件工作压力等因素对摩擦因数f的综合影响，公式如下：
在公式(1)中，D是零件旋转轴直径，即是发动机输出轴直径，h是油膜厚度，η是润滑油的粘度，n是发动机曲轴的转速，Load是零件承受的压力，f是摩擦系数。
油膜厚度与机油压力相关，即h＝kp油压，p油压表示机油压力，k是关系系数。
由于摩擦系数等于磨擦扭矩和零件承受压力之比，因此(1)式可以改写得到一种新的机油粘度计算方法，即自定义机油粘度计算公式：
k值的计算，根据车辆及其所加机油品牌信息，在机油理化数据库查找该机油的初始粘度η0，再获得机油压力和摩擦扭矩使用额定功率下的机油压力和摩擦扭矩值，代入公式(2)计算得到k值。
按照预设的计算周期，定期计算计算机油粘度值，根据公式(2)计算每辆车的机油粘度值，进而与初始粘度比较，获得当前粘度比值，即
具体的，步骤S1中，根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数中，包括以下步骤：
获得发动机额定功率下的第一机油压力、第一摩擦扭矩、第一发动机曲轴转速；
根据机油型号，获得机油初始粘度；
将第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，代入自定义机油粘度计算公式，计算获得机油粘度关系系数。
具体的，步骤S2中，根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合发动机曲轴直径以及机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度中，包括以下步骤：
监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩、发动机曲轴转速；
获取发动机曲轴直径以及机油粘度关系系数；
将当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合发动机曲轴直径以及机油粘度关系系数，代入自定义机油粘度计算公式，计算获得发动机当前功率下的当前机油粘度。
需要说明的是，本申请实施例中，该方法可以基于车辆运行网联大数据和机油理化参数实时计算机油的粘度，根据实时计算得到的机油粘度。如图2所示，实现路径如下：
(1)、车辆运行模块，车辆在运行过程中传感器感知车辆运行工况模拟信号、经过各ECU处理分析转换成数字信号，以报文的形式在CAN Bus通信。
(2)、数据采集模块采集相关报文及GPS数据，通过4G/5G网络以日记的形式传输到数通道，消息通道Kafka接收到数据后经过实时计算模块和离线计算模块进行解析处理，把结果存贮在相应的存储单元。
(3)、在数据中台的Python环境进行建模和数据分析，把结果存贮在存储单元。
如图2所示，车辆运行模块，车辆在运行过程中传感器感知车辆运行工况信息、经过各ECU处理分析，以报文的形式在CAN Bus通信；
数据采集模块采集相关报文及GPS数据，通过4G/5G网络以日记的形式传输到数据中台的消息通道，消息通道Kafka接收到数据后经过实时计算模块和离线计算模块进行处理分析，把结果存贮在相应的存储单元；
在数据中台的Python环境进行建模和数据分析，把结果存贮在存储单元。
第二方面，参见图3所示，本发明实施例提供一种车辆机油粘度实时预测装置，其用于执行第一方面提及的车辆机油粘度实时预测方法，该装置包括：
监测单元，其用于检测获得发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，还用于监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速；
粘度关系系数计算单元，其用于根据第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；
机油粘度计算单元，其用于根据当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合发动机曲轴直径以及机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度。
本申请实施例中，对机油情况进行实施监测，并结合车辆的多项因素综合评估，对车辆机油粘度进行合理预测，具有成本低、操作便利以及准确度高的优势。
具体的，该装置基于自定义机油粘度计算公式，自定义机油粘度计算公式为：
η为机油粘度，k为机油粘度关系系数，p油压为机油压力，T摩擦为摩擦扭矩，D为发动机输出轴直径，n为发动机曲轴转速。
需要说明的是，根据Stribeck曲线，可以清楚地分析在不同润滑状态下润滑油的粘度、转速、油膜厚度和零件工作压力等因素对摩擦因数f的综合影响，公式如下：
在公式(1)中，D是零件旋转轴直径，即是发动机输出轴直径，h是油膜厚度，η是润滑油的粘度，n是发动机曲轴的转速，Load是零件承受的压力，f是摩擦系数。
油膜厚度与机油压力相关，即h＝kp油压，p油压表示机油压力，k是关系系数。
由于摩擦系数等于磨擦扭矩和零件承受压力之比，因此(1)式可以改写得到一种新的机油粘度计算方法，即自定义机油粘度计算公式：
k值的计算，根据车辆及其所加机油品牌信息，在机油理化数据库查找该机油的初始粘度η0，再获得机油压力和摩擦扭矩使用额定功率下的机油压力和摩擦扭矩值，代入公式(2)计算得到k值。
按照预设的计算周期，定期计算计算机油粘度值，根据公式(2)计算每辆车的机油粘度值，进而与初始粘度比较，获得当前粘度比值，即
进一步的，该装置还包括机油型号分析单元，其用于根据机油型号，获得机油初始粘度。
进一步的，该装置还包括粘度比值计算单元，其用于按照预设周期，根据当前机油粘度与机油初始粘度，计算两者之间的当前粘度比值。
进一步的，该装置还包括粘度警报单元，其用于将当前粘度比值与粘度比值上限值和粘度比值下限值进行比较，若当前粘度比值不在粘度比值上限值和粘度比值下限值之间，进行机油粘度警报。
需要说明的是，机油粘度是机油性能和寿命的一种重要指标，一般根据车辆不同配置及其实际使用工况选择适合的机油的粘度特性；
粘度过大浪费燃油，经济性差，粘度过低，润滑不足，会导致零件磨损，降低零部件的寿命；
通过机油粘度警报，能够通知驾驶员及时更换机油，从而避免出现燃油浪费以及零部件的磨损。
需要说明的是，在本申请中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种车辆机油粘度实时预测方法，其特征在于，所述方法包括以下步骤：
根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；
根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度；
所述方法基于自定义机油粘度计算公式，所述自定义机油粘度计算公式为：
η为机油粘度，k为机油粘度关系系数，p油压为机油压力，T摩擦为摩擦扭矩，D为发动机输出轴直径，n为发动机曲轴转速。
2.如权利要求1所述的车辆机油粘度实时预测方法，其特征在于，所述方法还包括以下步骤：
按照预设周期，根据所述当前机油粘度与所述机油初始粘度，计算两者之间的当前粘度比值；
将所述当前粘度比值与粘度比值上限值和粘度比值下限值进行比较，若所述当前粘度比值不在所述粘度比值上限值和所述粘度比值下限值之间，进行机油粘度警报。
3.如权利要求1所述的车辆机油粘度实时预测方法，其特征在于，所述根据发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数中，包括以下步骤：
获得发动机额定功率下的第一机油压力、第一摩擦扭矩、第一发动机曲轴转速；
根据机油型号，获得机油初始粘度；
将所述第一机油压力、所述第一摩擦扭矩以及所述第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，代入所述自定义机油粘度计算公式，计算获得机油粘度关系系数。
4.如权利要求1所述的车辆机油粘度实时预测方法，其特征在于，所述根据监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度中，包括以下步骤：
监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩、发动机曲轴转速；
获取所述发动机曲轴直径以及所述机油粘度关系系数；
将所述当前机油压力、所述当前摩擦扭矩以及所述发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，代入所述自定义机油粘度计算公式，计算获得发动机当前功率下的当前机油粘度。
5.一种车辆机油粘度实时预测装置，其特征在于，所述装置包括：
监测单元，其用于检测获得发动机额定功率下的第一机油压力、第一摩擦扭矩以及第一发动机曲轴转速，还用于监测获得发动机当前功率下的当前机油压力、当前摩擦扭矩以及发动机曲轴转速；
粘度关系系数计算单元，其用于根据所述第一机油压力、所述第一摩擦扭矩以及所述第一发动机曲轴转速，结合发动机曲轴直径以及机油初始粘度，计算获得机油粘度关系系数；
机油粘度计算单元，其用于根据所述当前机油压力、所述当前摩擦扭矩以及所述发动机曲轴转速，结合所述发动机曲轴直径以及所述机油粘度关系系数，计算获得发动机当前功率下的当前机油粘度；
所述机油粘度计算单元基于自定义机油粘度计算公式计算所述发动机当前功率下的当前机油粘度，所述自定义机油粘度计算公式为：
η为机油粘度，k为机油粘度关系系数，p油压为机油压力，T摩擦为摩擦扭矩，D为发动机输出轴直径，n为发动机曲轴转速。
6.如权利要求5所述的车辆机油粘度实时预测装置，其特征在于，所述装置还包括机油型号分析单元，其用于根据机油型号，获得机油初始粘度。
7.如权利要求5所述的车辆机油粘度实时预测装置，其特征在于，所述装置还包括粘度比值计算单元，其用于按照预设周期，根据所述当前机油粘度与所述机油初始粘度，计算两者之间的当前粘度比值。
8.如权利要求7所述的车辆机油粘度实时预测装置，其特征在于，所述装置还包括粘度警报单元，其用于将所述当前粘度比值与粘度比值阈值进行比较，若所述当前粘度比值不在粘度比值上限值和粘度比值下限值之间，进行机油粘度警报。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011572923.6A CN112682126B (zh) | 2020-12-24 | 2020-12-24 | 一种车辆机油粘度实时预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011572923.6A CN112682126B (zh) | 2020-12-24 | 2020-12-24 | 一种车辆机油粘度实时预测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112682126A CN112682126A (zh) | 2021-04-20 |
| CN112682126B true CN112682126B (zh) | 2022-06-07 |
Family
ID=75453452
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011572923.6A Active CN112682126B (zh) | 2020-12-24 | 2020-12-24 | 一种车辆机油粘度实时预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112682126B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116106173B (zh) * | 2023-04-07 | 2023-06-27 | 天津索克汽车试验有限公司 | 一种新能源汽车用机油粘度测量方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3744036B2 (ja) * | 1995-10-31 | 2006-02-08 | 日産自動車株式会社 | ディーゼルエンジンの燃料性状検出装置および制御装置 |
| JP2003020924A (ja) * | 2001-07-10 | 2003-01-24 | Nissan Motor Co Ltd | 内燃機関の潤滑油劣化検出装置 |
| DE10151389A1 (de) * | 2001-10-18 | 2003-05-08 | Bosch Gmbh Robert | Verfahren zur Ermittlung des Reibmoments einer Maschine in Abhängigkeit der Ölviskosität |
| JP2009174383A (ja) * | 2008-01-23 | 2009-08-06 | Denso Corp | 液体供給装置 |
| GB2480493B (en) * | 2010-05-21 | 2016-06-01 | Gm Global Tech Operations Llc | Method for the estimation of oil viscosity in an internal combustion engine |
| US20120148382A1 (en) * | 2010-12-09 | 2012-06-14 | Basf Se | Method and apparatus for the model-based monitoring of a turbomachine |
| US9222575B2 (en) * | 2010-12-22 | 2015-12-29 | Gm Global Technology Operations, Llc | Electric pump |
| CN204627788U (zh) * | 2015-05-20 | 2015-09-09 | 襄阳达安汽车检测中心 | 一种车辆低温预热装置 |
| CN111271152A (zh) * | 2020-03-16 | 2020-06-12 | 中国联合网络通信集团有限公司 | 一种机油寿命检测的方法及装置、车辆 |
-
2020
- 2020-12-24 CN CN202011572923.6A patent/CN112682126B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112682126A (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9342933B2 (en) | Vehicle maintenance systems and methods | |
| US20220114560A1 (en) | Predictive maintenance | |
| Amarasinghe et al. | Cloud-based driver monitoring and vehicle diagnostic with OBD2 telematics | |
| CN112682125B (zh) | 一种车辆机油寿命实时预测方法及装置 | |
| CN112487709B (zh) | 一种基于敏感性分析的船用柴油机故障溯源方法 | |
| CN112682126B (zh) | 一种车辆机油粘度实时预测方法及装置 | |
| CN110705774A (zh) | 一种车辆能耗分析的预测方法和系统 | |
| CN116626505B (zh) | 一种基于车联网大数据的电池组一致性异常检测方法 | |
| CN106593645B (zh) | 一种车载节气门积碳监测系统 | |
| CN116292241A (zh) | 一种输油泵机组的故障诊断预警方法及系统 | |
| CN114526930B (zh) | 一种智能网联汽车故障检测方法及系统 | |
| CN111997709A (zh) | 一种车载发动机油在线监测方法及系统 | |
| Forest et al. | Large-scale vibration monitoring of aircraft engines from operational data using self-organized Models | |
| CN112785055B (zh) | 车辆加油日期预测方法及设备 | |
| CN112950405B (zh) | 基于电力数据的企业用电情况的监测方法及装置 | |
| CN117829453A (zh) | 一种智能化装备生产与管理一体化系统 | |
| CN116047313B (zh) | 一种用于锂电池储能箱的质量检测和维护方法及系统 | |
| CN112748343A (zh) | 一种动力电池功率边界的检测方法、装置及电动汽车 | |
| Juneidi | Machines’ Fault Detection and Tolerance Using Big Data Management | |
| Handayani et al. | Anomaly detection in vessel sensors data with unsupervised learning technique | |
| CN111813631A (zh) | 一种面向云数据中心的资源态势可视化与分析方法 | |
| Yang et al. | A hybrid tool life prediction scheme in cloud architecture | |
| CN118036479B (zh) | 行星齿轮减速装置传动稳定性分析方法及系统 | |
| Zhou et al. | Prediction of remaining mileage of hydrogen energy vehicles based on LSTM | |
| US20240142332A1 (en) | System And Method For Detecting Pressure Loss Rate And Associated Events For Motor Vehicle Tires |
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 |