CN113093709A - 一种主动式随车运行状态监测和故障预报方法 - Google Patents

一种主动式随车运行状态监测和故障预报方法 Download PDF

Info

Publication number
CN113093709A
CN113093709A CN202110378336.1A CN202110378336A CN113093709A CN 113093709 A CN113093709 A CN 113093709A CN 202110378336 A CN202110378336 A CN 202110378336A CN 113093709 A CN113093709 A CN 113093709A
Authority
CN
China
Prior art keywords
fault
rotating speed
monitored
speed change
instantaneous
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
CN202110378336.1A
Other languages
English (en)
Other versions
CN113093709B (zh
Inventor
郭栋
黎洪林
石晓辉
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.)
Chongqing University of Technology
Original Assignee
Chongqing University of Technology
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 Chongqing University of Technology filed Critical Chongqing University of Technology
Priority to CN202110378336.1A priority Critical patent/CN113093709B/zh
Publication of CN113093709A publication Critical patent/CN113093709A/zh
Application granted granted Critical
Publication of CN113093709B publication Critical patent/CN113093709B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0262—Confirmation of fault detection, e.g. extra checks to confirm that a failure has indeed occurred
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种主动式随车运行状态监测和故障预报方法，先获取包含故障模型数据库的故障预报系统，所述故障模型数据库包括待监测故障类型的故障信息与瞬时转速变化特征之间对应关系；使用时，在实车行驶过程中，实时或间隔定时地通过数据采集模块实时采集实车上安装的转速传感器的转速信号，对转速信号进行转速换算，并根据故障模型数据库中的瞬时转速变化特征的种类，逐一提取可能存在的瞬时转速变化特征，再根据瞬时转速变化特征在故障模型数据库中匹配对应的故障信息进行预报。本发明能够主动监测汽车的运行状态，并根据运行状态预判故障，从而及早提示驾驶人员进行故障处理，有利于降低维护成本。

Description

一种主动式随车运行状态监测和故障预报方法
技术领域
本发明涉及汽车检测技术领域，特别的涉及一种主动式随车运行状态监测和故障预报方法。
背景技术
早期的汽车故障诊断，主要是针对汽车出现影响其正常使用的问题(如发动机无法启动，或动力不足等问题)，通过对汽车发动机拆解、检查，从而确定问题来源。随着科技的发展，汽车的故障诊断早已发展到通过一系列精密传感器对汽车的实时运行状态进行监测，如通过温度传感器监测发动机温度、通过胎压传感器监测胎压、通过压力传感器等监测机油压力等，当汽车行驶过程中出现油温过高、进气泵油压力不足等问题，监测系统将会在汽车仪表盘上亮灯进行提示。
但此类监测系统功能较基础，只能显示当前是否有故障状态发生，粗略判断汽车运行状态，无法对故障状态进行进一步识别。而且，现有的监测系统通常是在汽车故障问题较为严重时，才会被动地对驾驶人员进行提示。汽车传动系统是车辆形式的核心，汽车一旦出现传动系统相关的故障状态提示，通常会伴随较为严重的故障，维修成本较高。
发明内容
针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够主动监测汽车的运行状态，并根据运行状态预判故障，从而及早提示驾驶人员进行故障处理，有利于降低维护成本的主动式随车运行状态监测和故障预报方法。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种主动式随车运行状态监测和故障预报方法，其特征在于，先获取如下结构的故障预报系统，包括计算机和连接设置在所述计算机上的数据采集模块和I/O控制模块，所述数据采集模块用于连接随车安装在转速传感器，并采集转速信号发送至所述计算机，所述I/O控制模块用于连接随车安装的汽车仪表盘；所述计算机内集成有故障模型数据库，所述故障模型数据库包括待监测故障类型的故障信息与瞬时转速变化特征之间对应关系；所述计算机用于接收所述数据采集模块发送的转速信号，根据转速信号计算得到瞬时转速变化特征，并将得到的瞬时转速变化特征与故障模型数据库内的瞬时转速变化特征进行匹配，一旦匹配成功，则通过所述I/O控制模块控制汽车仪表盘显示对应的故障警示灯；
使用时，在实车行驶过程中，实时或间隔定时地通过数据采集模块实时采集实车上安装的转速传感器的转速信号，对转速信号进行转速换算，并根据故障模型数据库中的瞬时转速变化特征的种类，逐一提取可能存在的瞬时转速变化特征，再根据瞬时转速变化特征在故障模型数据库中匹配对应的故障信息进行预报。
所述计算机上还连接有CAN通讯模块，所述CAN通讯模块用于通过车载CAN通讯网络连接车载显示屏；所述计算机用于接收所述数据采集模块发送的转速信号，根据转速信号计算得到瞬时转速变化特征，并将得到的瞬时转速变化特征与故障模型数据库内的瞬时转速变化特征进行匹配，一旦匹配成功，则通过所述CAN通讯模块将故障信息显示在车载显示屏上。
进一步的，所述故障模型数据库采用如下步骤建立：
根据历史维修数据收集动力传动系统的所有故障类型，并筛选出与转速相关的故障类型作为待监测故障类型；
对于每种待监测故障类型，选择仅具有该种待监测故障类型的动力传动系统，在试验台架上按照测试工况进行试验，通过安装在动力传动系统上的转速传感器采集该类待监测故障类型下的转速信号，根据转速信号计算得到该类待监测故障类型下的瞬时转速变化特征；
将每种待监测故障类型与其对应的瞬时转速变化特征组成所述故障模型数据库。
进一步的，对于每种待监测故障类型，选择多个仅具有该种待监测故障类型且故障程度不同的动力传动系统，在试验台架上分别对每个动力传动系统按照测试工况进行试验，得到该待监测故障模式下不同故障程度的动力传动系统的瞬时转速变化特征值；
将每种待监测故障类型在不同故障程度及其对应的瞬时转速变化特征值组成所述故障模型数据库。
进一步的，将每种待监测故障类型在不同故障程度及其对应的瞬时转速变化特征值导入人工智能深度学习算法中进行模型训练，得到每种待监测故障类型下瞬时转速变化特征值与故障程度的参数模型。
进一步的，对于每种待监测故障类型，选择多个仅具有该种待监测故障类型且故障程度不同的动力传动系统，在试验台架上分别对每个动力传动系统进行疲劳寿命试验，得到该待监测故障模式下不同故障程度与剩余寿命的关系曲线。
进一步的，将每种待监测故障类型下不同故障程度与剩余寿命的关系曲线导入人工智能深度学习算法中进行模型训练，得到每种待监测故障类型下故障程度与剩余寿命的参数模型。
进一步的，将同一待监测故障模式下的瞬时转速变化特征值与故障程度的参数模型和故障程度与剩余寿命的参数模型进行匹配，得到瞬时转速变化特征值、故障程度和对应的剩余寿命的综合参数模型；将不同待监测故障模式下的综合参数模型构建所述故障模型数据库。
本发明具有以下益处：
1.本发明首创性的提出的主动监测和故障预报方法，填补了动力传动系统随车运行状态主动监测方法的空白。
2.本发明能够帮助用户在汽车使用过程中实时监测汽车动力传动系统随车运行状态，能够在故障发生早期主动提示用户动力传动系统可能出现的故障模式，帮助用户及早进行处理，降低后期动力传动系统出现严重故障后的维修成本。
3.本发明基于动力传动系统随车自带转速传感器，无需额外增加传感器，避免重新设计开发动力传动系统结构带来的大量成本。
附图说明
图1为故障模型数据库的建立方法流程图。
图2为主动式动力传动系统状态监测系统的控制流程图。
图3为主动式动力传动系统状态监测系统实现故障模式预测逻辑流程图。
具体实施方式
下面结合实施例对本发明作进一步的详细说明。
具体实施时：如图1～图3所示，一种主动式汽车传动系统随车运行状态监测和故障预报系统，在实现过程中，先构建故障模型数据库，再搭建随车运行状态监测和故障预报系统，并根据随车安装的转速传感器的转速信号在故障模型数据库中匹配对应的故障类型和剩余寿命，用于进行故障和剩余寿命的预报。
为了便于说明，下面以动力传动系统中的新能源减速机为例，详细阐述故障模型数据库的构建方法：
1、先从历史维修数据中收集新能源减速机的所有故障特征，再从中筛选出与转速相关的故障特征作为待监测故障特征，对待监测故障特征进行分类，得到待监测故障类型。
比如：按照齿轮常见失效类型分为断齿、齿面点蚀、齿面磨损、齿面胶合等故障类型，这些故障类型均可从转速传感器检测的信号中体现出不同的信号波形。
2、按照上述待监测故障类型的分类，对于每一种待监测故障类型，收集具有单一待监测故障类型的样机(动力传动系统)，或按照待监测故障类型将正常样机进行处理，得到对应的待监测故障类型的样机。
3、将上述具有单一待监测故障类型的样机分别安装到新能源减速机试验台架上分别进行试验，试验工况按照样机在实车上的实际运行工况进行设定。
如该新能源减速机应用于乘用车则可按WLTP工况对样机进行循环试验。
4、试验过程中，采集样机上的转速传感器的转速信号，具体为转速脉冲信号，并对转速信号(转速脉冲信号)进行转速换算，得到瞬时转速变化曲线。
5、分别对每一种待监测故障类型的瞬时转速变化曲线进行分析处理，提取该故障类型特有的瞬时转速变化特征。
如断齿故障类型下对应故障齿啮合时会发生急剧的转速变化，在瞬时转速变化曲线上的表现出瞬时冲击等信号，因此，可将转速中的瞬时冲击信号作为断齿故障类型的瞬时转速变化特征，作为该待监测故障类型的故障指标。
6、对不同的待监测故障类型的样机建立故障指标后，将同一待监测故障类型的样机按照不同故障程度进行排序，如从故障轻微到故障严重或从故障严重到故障轻微进行排序。
7、对同一待监测故障类型下故障程度不同的样机分别进行故障指标检测台架试验，检测不同故障程度下各转速阶段的故障指标值，得到不同故障程度在不同转速下的故障指标值的初步对应关系模型。
具体的，对某一故障程度的样机进行试验时，将样机按照常用测试工况，如WLTP工况，对其进行测试，得到随转速变化的故障指标值变化曲线，比如转速在500r/min、1000r/min、1500r/min下的故障指标值。
8、将上一步得到的故障程度—转速—故障指标值的初步对应关系模型导入人工智能算法进行训练，本实施例中采用Adaboost算法(自适应增强算法)，基于每次迭代训练对所述训练样本集中数据的分类结果，按照预设的基于正确分类的第一分类规则更新对应数据的权重，或者按照预设的基于错误分类的第二分类规则更新对应数据的权重；响应于迭代训练对所述样本集的分类正确率大于预设阈值，结束迭代训练，并获得故障程度、转速和故障指标值的参数模型。
9、对同一待监测故障类型下故障程度不同的样机分别进行疲劳寿命试验，得到故障程度-剩余寿命关系曲线。
10、将所有待监测故障类型下的故障程度-剩余寿命关系曲线，导入人工智能算法Adaboost中进行训练，得到同一故障类型的故障程度-剩余寿命的参数匹配模型。
11、匹配同一待监测故障类型下的故障程度、转速和故障指标值的参数模型和故障程度-剩余寿命的参数匹配模型，按照函数值对应关系将故障指标值作为自变量，故障程度和剩余寿命作为因变量，建立每种故障类型综合判断模型。
在实车监测和故障预报时，通过转速传感器检测的转速信号，分析得到当前的转速和瞬时转速变化特征(故障指标值)，通过转速和故障指标值匹配出对应的故障类型和故障程度，再通过故障程度得到对应的剩余寿命。
12、将所有待监测故障类型的综合判断模型进行统计整理，建立综合判断指标模型数据库，即故障模型数据库。
在本实施例中，随车运行状态监测和故障预报系统如图2所示，该系统包括数字量采集模块、集成式工控电脑、CAN通讯模块、I/O控制模块、线缆等。所述的数字量采集模块、CAN通讯模块、I/O控制模块均与集成式工控电脑集成于一体，且保留有与外部的接口。
所述集成式工控电脑通过预留的BNC接口通过连接线缆，将车载监控系统与动力传动系统上的光电式转速传感器连接起来。所述集成式工控电脑通过I/O控制模块和汽车仪表盘上的报警指示灯和故障指示灯相连。通过CAN通讯模块接入汽车CAN通讯网络中。
具体实施时，在故障模型数据库的构建过程中，还可以采用如下试验步骤：
2、对于每一种待监测故障类型，收集具有单一待监测故障类型的样机(动力传动系统)，或按照待监测故障类型将正常样机进行处理，得到对应的待监测故障类型的样机，且该样机处于该待监测故障类型的初期。
3、将上述具有单一待监测故障类型且处于故障初期的样机分别安装到新能源减速机试验台架上分别进行寿命试验，试验工况按照样机在实车上的实际运行工况进行设定。
4、试验过程中，监控待监测故障类型的故障程度发展，在不同故障程度下，分别采集样机上的转速传感器的转速信号，具体为转速脉冲信号，并对转速信号(转速脉冲信号)进行转速换算，得到不同故障程度下样机的瞬时转速变化曲线。分别对每一种待监测故障类型的瞬时转速变化曲线进行分析处理，提取该故障类型特有的瞬时转速变化特征。直至故障样机报废，得到不同故障程度下各转速阶段的故障指标值，最终获得不同故障程度在不同转速下的故障指标值的初步对应关系模型。
采用这种试验方式，对于每种待监测故障类型，只需要提供一两台样机进行寿命试验，并在寿命试验的过程中，监控样机的故障程度，在不同故障程度下进行工况试验，得到该故障程度下不同转速下的故障指标值，直到试验样机报废就能够获取待监测故障类型的样机在全生命周期下各阶段的故障指标值，通过机器学习对模型的训练，可能够获取待监测故障类型的样机在全生命周期下所有的故障指标值。大大节省构建故障模型数据库的时间成本和经济成本。
如图3所示，在具体进行实车监测与故障预报时，采用如下步骤：
将故障模型数据库导入集成式工控电脑中，在实车行驶过程中，实时或间隔定时地控制编码器采集模块通过BNC连接在实车新能源减速机上的光电转速传感器，采集该新能源减速机上安装的转速传感器信号(转速脉冲信号)。
集成式工控电脑获取转速传感器信号后，对转速信号(转速脉冲信号)进行转速换算，得到瞬时转速变化曲线，根据故障模型数据库中的瞬时转速变化特征的种类，由于实车运行过程中，可能会出现几种故障共存的现象，逐一提取可能存在的瞬时转速变化特征，即故障指标。
如故障模型数据库中总共涵盖有5类瞬时转速变化特征(故障指标)，分别为故障指标A、故障指标B、故障指标C、故障指标D和故障指标E，通过采集的转速脉冲信号进行转速换算后，得到瞬时转速变化曲线，对该瞬时转速变化曲线分别进行上述5类瞬时转速变化特征的提取，若未存在故障隐患，最终提取的结果为空，若存在故障隐患，最终可提取到一类故障指标(如故障指标A)或同时提取几类故障指标(如同时提取故障指标B和故障指标D)。
对于初步的故障预报，在存在故障隐患时，可以通过I/O控制模块激活仪表上对应的故障警示灯，同时以CAN通讯方式将故障模式信息(提取的故障类型)发送到车载电脑上，以醒目方式提醒驾驶人员或维修人员进行处理。
本实施例中，为了进一步获取更加详细的故障信息，分别计算提取的瞬时转速变化特征的瞬时转速变化特征值，结合提取该转速信号时的平均转速，在故障模型数据库中进行匹配，从而得到该故障类型下的故障程度和剩余寿命预测值。
如在3500r/min下提取到转速信号，提取到的故障指标为故障指标B，同时得到故障指标B的瞬时转速变化特征值(故障指标值)为N，由于故障模型数据库是经由人工智能深度学习算法进行模型训练，因此具备不同故障指标在不同转速下的瞬时转速变化特征值(故障指标值)，在故障模型数据库中，3500r/min下故障指标B的瞬时转速变化特征值(故障指标值)为N时，故障指标B的故障程度为初级，对应的剩余寿命为K小时，则可以通过I/O控制模块激活仪表上对应的故障警示灯，同时以CAN通讯方式将故障模式信息(故障类型)、剩余寿命、当前故障监测值(瞬时转速变化特征值)、故障程度等详细信息发送到车载电脑上，以醒目方式提醒驾驶人员或维修人员进行处理。
待驾驶人员或维修人员进行相应操作处理后，如手动清除报警信息，取消激活报警状态或对可能出现故障的部位进行维护更换后，使监测指标值小于故障指标限值可自动消除报警状态，清除报警信息，以及取消激活报警指示灯。
以上所述仅为本发明的较佳实施例而已，并不以本发明为限制，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种主动式随车运行状态监测和故障预报方法，其特征在于，先获取如下结构的故障预报系统，包括计算机(1)和连接设置在所述计算机(1)上的数据采集模块(2)和I/O控制模块(3)，所述数据采集模块(2)用于连接随车安装在转速传感器，并采集转速信号发送至所述计算机(1)，所述I/O控制模块(3)用于连接随车安装的汽车仪表盘；所述计算机(1)内集成有故障模型数据库，所述故障模型数据库包括待监测故障类型的故障信息与瞬时转速变化特征之间对应关系；所述计算机(1)用于接收所述数据采集模块(2)发送的转速信号，根据转速信号计算得到瞬时转速变化特征，并将得到的瞬时转速变化特征与故障模型数据库内的瞬时转速变化特征进行匹配，一旦匹配成功，则通过所述I/O控制模块(3)控制汽车仪表盘显示对应的故障警示灯；
使用时，在实车行驶过程中，实时或间隔定时地通过数据采集模块实时采集实车上安装的转速传感器的转速信号，对转速信号进行转速换算，并根据故障模型数据库中的瞬时转速变化特征的种类，逐一提取可能存在的瞬时转速变化特征，再根据瞬时转速变化特征在故障模型数据库中匹配对应的故障信息进行预报。
2.如权利要求1所述的主动式随车运行状态监测和故障预报方法，其特征在于，所述计算机(1)上还连接有CAN通讯模块(4)，所述CAN通讯模块用于通过车载CAN通讯网络连接车载显示屏；所述计算机(1)用于接收所述数据采集模块(2)发送的转速信号，根据转速信号计算得到瞬时转速变化特征，并将得到的瞬时转速变化特征与故障模型数据库内的瞬时转速变化特征进行匹配，一旦匹配成功，则通过所述CAN通讯模块(4)将故障信息显示在车载显示屏上。
3.如权利要求1或2所述的主动式随车运行状态监测和故障预报方法，其特征在于，所述故障模型数据库采用如下步骤建立：
根据历史维修数据收集动力传动系统的所有故障类型，并筛选出与转速相关的故障类型作为待监测故障类型；
对于每种待监测故障类型，选择仅具有该种待监测故障类型的动力传动系统，在试验台架上按照测试工况进行试验，通过安装在动力传动系统上的转速传感器采集该类待监测故障类型下的转速信号，根据转速信号计算得到该类待监测故障类型下的瞬时转速变化特征；
将每种待监测故障类型与其对应的瞬时转速变化特征组成所述故障模型数据库。
4.如权利要求3所述的主动式随车运行状态监测和故障预报方法，其特征在于，对于每种待监测故障类型，选择多个仅具有该种待监测故障类型且故障程度不同的动力传动系统，在试验台架上分别对每个动力传动系统按照测试工况进行试验，得到该待监测故障模式下不同故障程度的动力传动系统的瞬时转速变化特征值；
将每种待监测故障类型在不同故障程度及其对应的瞬时转速变化特征值组成所述故障模型数据库。
5.如权利要求4所述的主动式随车运行状态监测和故障预报方法，其特征在于，将每种待监测故障类型在不同故障程度及其对应的瞬时转速变化特征值导入人工智能深度学习算法中进行模型训练，得到每种待监测故障类型下瞬时转速变化特征值与故障程度的参数模型。
6.如权利要求5所述的主动式随车运行状态监测和故障预报方法，其特征在于，对于每种待监测故障类型，选择多个仅具有该种待监测故障类型且故障程度不同的动力传动系统，在试验台架上分别对每个动力传动系统进行疲劳寿命试验，得到该待监测故障模式下不同故障程度与剩余寿命的关系曲线。
7.如权利要求6所述的主动式随车运行状态监测和故障预报方法，其特征在于，将每种待监测故障类型下不同故障程度与剩余寿命的关系曲线导入人工智能深度学习算法中进行模型训练，得到每种待监测故障类型下故障程度与剩余寿命的参数模型。
8.如权利要求7所述的主动式随车运行状态监测和故障预报方法，其特征在于，将同一待监测故障模式下的瞬时转速变化特征值与故障程度的参数模型和故障程度与剩余寿命的参数模型进行匹配，得到瞬时转速变化特征值、故障程度和对应的剩余寿命的综合参数模型；将不同待监测故障模式下的综合参数模型构建所述故障模型数据库。
CN202110378336.1A 2021-04-08 2021-04-08 一种主动式随车运行状态监测和故障预报方法 Active CN113093709B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110378336.1A CN113093709B (zh) 2021-04-08 2021-04-08 一种主动式随车运行状态监测和故障预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110378336.1A CN113093709B (zh) 2021-04-08 2021-04-08 一种主动式随车运行状态监测和故障预报方法

Publications (2)

Publication Number Publication Date
CN113093709A true CN113093709A (zh) 2021-07-09
CN113093709B CN113093709B (zh) 2023-06-23

Family

ID=76675046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110378336.1A Active CN113093709B (zh) 2021-04-08 2021-04-08 一种主动式随车运行状态监测和故障预报方法

Country Status (1)

Country Link
CN (1) CN113093709B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203069611U (zh) * 2012-12-17 2013-07-17 武汉理工大学 基于fpga的船舶柴油机瞬时转速在线监测装置
CN105046088A (zh) * 2015-08-10 2015-11-11 彩虹无线（北京）新技术有限公司 一种基于知识库的汽车远程智能诊断方法和系统
CN106092310A (zh) * 2016-04-21 2016-11-09 重庆理工大学 一种汽车变速器振动噪声下线检测方法
CN110059325A (zh) * 2018-01-19 2019-07-26 罗伯特·博世有限公司 车辆故障预警系统及对应的车辆故障预警方法
CN110297179A (zh) * 2018-05-11 2019-10-01 宫文峰 基于集成深度学习的柴油发电机故障预测与监测系统装置
CN110297178A (zh) * 2018-05-11 2019-10-01 宫文峰 基于深度学习的柴油发电机组故障诊断与检测装置及方法
CN111259990A (zh) * 2020-02-27 2020-06-09 江苏科技大学 基于多源信息融合的海水泵故障监测装置与诊断方法
CN111738068A (zh) * 2020-05-13 2020-10-02 南京航空航天大学 一种转速波动工况下的传动轴故障诊断方法和系统
CN111896254A (zh) * 2020-08-10 2020-11-06 山东大学 一种变速变载大型滚动轴承故障预测系统及方法
CN112067306A (zh) * 2020-08-13 2020-12-11 武汉理工大学 船用发动机健康状态在线监测评估方法、设备及系统
CN112519793A (zh) * 2020-12-09 2021-03-19 南京航空航天大学 一种基于数字孪生的智能线控底盘架构及其主动容错方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203069611U (zh) * 2012-12-17 2013-07-17 武汉理工大学 基于fpga的船舶柴油机瞬时转速在线监测装置
CN105046088A (zh) * 2015-08-10 2015-11-11 彩虹无线（北京）新技术有限公司 一种基于知识库的汽车远程智能诊断方法和系统
CN106092310A (zh) * 2016-04-21 2016-11-09 重庆理工大学 一种汽车变速器振动噪声下线检测方法
CN110059325A (zh) * 2018-01-19 2019-07-26 罗伯特·博世有限公司 车辆故障预警系统及对应的车辆故障预警方法
CN110297179A (zh) * 2018-05-11 2019-10-01 宫文峰 基于集成深度学习的柴油发电机故障预测与监测系统装置
CN110297178A (zh) * 2018-05-11 2019-10-01 宫文峰 基于深度学习的柴油发电机组故障诊断与检测装置及方法
CN111259990A (zh) * 2020-02-27 2020-06-09 江苏科技大学 基于多源信息融合的海水泵故障监测装置与诊断方法
CN111738068A (zh) * 2020-05-13 2020-10-02 南京航空航天大学 一种转速波动工况下的传动轴故障诊断方法和系统
CN111896254A (zh) * 2020-08-10 2020-11-06 山东大学 一种变速变载大型滚动轴承故障预测系统及方法
CN112067306A (zh) * 2020-08-13 2020-12-11 武汉理工大学 船用发动机健康状态在线监测评估方法、设备及系统
CN112519793A (zh) * 2020-12-09 2021-03-19 南京航空航天大学 一种基于数字孪生的智能线控底盘架构及其主动容错方法

Also Published As

Publication number Publication date
CN113093709B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN106406273B (zh) 车辆中故障原因的确定
CN108569607B (zh) 基于双向门控循环神经网络的电梯故障预警方法
US5809437A (en) On board vehicle diagnostic module using pattern recognition
US6941204B2 (en) System and method for diagnosing aircraft components for maintenance purposes
US8996235B2 (en) Repair assist system for vehicle servicing
CN101514942B (zh) 车辆诊断装置、车辆诊断系统以及诊断方法
US6950782B2 (en) Model-based intelligent diagnostic agent
JPH09202218A (ja) フリート内のマシンを比較する装置および方法
CN108027611B (zh) 利用受专家意见监督的决策模式学习的用于机器维护的决策辅助系统和方法
CN112327807A (zh) 一种基于ivi主机的汽车故障诊断和监测系统及方法
CN107490479A (zh) 轴承剩余寿命预测方法与装置
CN113063611A (zh) 一种设备的监控管理方法及其系统
CN111717753A (zh) 基于多维故障特征的自适应电梯故障预警系统及方法
CN114633709A (zh) 一种车辆故障处理系统和方法
CN112558592B (zh) 车辆故障预测方法、预测系统及车辆
CN113093709B (zh) 一种主动式随车运行状态监测和故障预报方法
CN113093712B (zh) 主动式汽车传动系统随车运行状态监测和故障预报系统
CN113109043A (zh) 一种主动式汽车传动系统故障模型数据库的建立方法
CN115774955A (zh) 一种风电齿轮箱健康度智能评估方法
CN106528940B (zh) 基于数理模型对列车车轴性能进行评价和预警的方法
WO2022200821A1 (ja) 車両異常検出装置及び車両異常検出方法
CN117991742A (zh) 车辆在线诊断与运维的方法、装置和系统
CN112660957B (zh) 一种电梯运行风险的预警方法及预警系统
CN113865879A (zh) 一种汽车检测的引导系统
CN109901561A (zh) 一种基于多维度统计的ems终端设备故障远程诊断方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant