CN113183987B - 新能源汽车无人驾驶应用智能存储系统及方法 - Google Patents
新能源汽车无人驾驶应用智能存储系统及方法 Download PDFInfo
- Publication number
- CN113183987B CN113183987B CN202110510540.4A CN202110510540A CN113183987B CN 113183987 B CN113183987 B CN 113183987B CN 202110510540 A CN202110510540 A CN 202110510540A CN 113183987 B CN113183987 B CN 113183987B
- Authority
- CN
- China
- Prior art keywords
- data
- module
- unmanned
- new energy
- energy automobile
- 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
- 238000000034 method Methods 0.000 title claims description 9
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 30
- 238000007405 data analysis Methods 0.000 claims abstract description 16
- 238000003745 diagnosis Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 30
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 230000006855 networking Effects 0.000 abstract description 2
- 238000005457 optimization Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
-
- 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
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明公开了新能源汽车无人驾驶应用智能存储系统,包括中央处理器以及分别与所述中央处理器通讯连接的参数设置模块、数据获取模块、数据筛选模块、数据整理分类模块、数据分析模块、安全诊断模块、预警模块和存储模块,本发明还公开了新能源汽车无人驾驶应用智能存储方法。本发明能够实现从数据源头进行筛选、整合、分类和分析,只保留正常数据,从而保证存储数据是正常的和准确地,且在出现异常时可进行预警,实现了自动化、规范化、网络化,保证了新能源汽车的无人驾驶数据的安全性、准确性,能够有效帮助及时准确掌握无人驾驶状况。
Description
技术领域
本发明涉及数据存储技术领域,具体为新能源汽车无人驾驶应用智能存储系统及方法。
背景技术
新能源汽车是指采用非常规的车用燃料作为动力来源(或使用常规的车用燃料、采用新型车载动力装置),综合车辆的动力控制和驱动方面的先进技术,形成的技术原理先进、具有新技术、新结构的汽车。新能源汽车作为环保的标志,逐渐被人们所接受。无人驾驶是智能汽车驾驶的一种,主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。
在新能源汽车无人驾驶的过程中,会产生大量的驾驶数据,这些数据会大量的上传至上端存储在服务器中,然而大量的无人驾驶数据是混杂的存储在一起,且其中混杂有大量的无用数据,需要巨大的存储空间,使得不能很好地掌握新能源汽车的无人驾驶状况。
发明内容
本发明的目的在于提供新能源汽车无人驾驶应用智能存储系统及方法,能够实现从数据源头进行筛选、整合、分类和分析,只保留正常数据,从而保证存储数据是正常的和准确地,且在出现异常时可进行预警,实现了自动化、规范化、网络化,保证了新能源汽车的无人驾驶数据的安全性、准确性,能够有效帮助及时准确掌握无人驾驶状况,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
新能源汽车无人驾驶应用智能存储系统,包括中央处理器以及分别与所述中央处理器通讯连接的参数设置模块、数据获取模块、数据筛选模块、数据整理分类模块、数据分析模块、安全诊断模块、预警模块和存储模块;
所述参数设置模块用于对所述中央处理器的预设参数进行设置和调整;
所述数据获取模块用于获取新能源汽车的无人驾驶原始数据;
所述数据筛选模块用于对所述数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据;
作为本发明的新能源汽车无人驾驶应用智能存储系统优选的,所述数据筛选模块对所述数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据包括:
μi=sgn(DFi*δ(y));
X={xi|μi=0};
无人驾驶有效数据=μi-X;
其中,X为预筛选数据对应的数据集合,xi为第i个原始数据,DFi为第i个原始数据对应的剔除判断结果,DFi为第i个原始数据对应的区分处理结果,并且当区分处理结果处于正常状态时,DFi的值为0,当所述区分处理结果处于异常状态时,DFi的值为1,δ(y)为修复检验结果,其具体数学形式为δ(y)=sgn(DFy·f(y)),DFy为异常数据的区分处理结果,f(y)为异常数据检验函数,其用于检验异常数据是否被修复,当δ(y)的值为0时,表示异常数据已经被修复,否则表示异常数据未被修复;
所述数据整理分类模块用于对所述数据筛选模块得到的无人驾驶有效数据进行整合和分类;
所述数据分析模块用于对所述数据整理分类模块整合和分类后的无人驾驶有效数据进行分析;
所述安全诊断模块用于对所述数据分析模块分析后的无人驾驶有效数据进行诊断;
所述预警模块用于判断所述安全诊断模块诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警;
所述存储模块用于对系统数据进行存储;
新能源汽车无人驾驶应用智能存储方法,包括如下步骤:
S1.获取新能源汽车的无人驾驶原始数据;
S2.对获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据;
S3.对得到的无人驾驶有效数据进行整合和分类;
S4.对整合和分类后的无人驾驶有效数据进行分析;
S5.对无人驾驶有效数据进行诊断;
S6.判断诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警;
S7.对系统数据进行存储。
作为本发明的新能源汽车无人驾驶应用智能存储系统优选的,还包括与所述中央处理器通讯连接的数据滤波模块,所述数据滤波模块用于对所述数据获取模块获取的无人驾驶原始数据进行滤波处理。
作为本发明的新能源汽车无人驾驶应用智能存储系统优选的,所述数据滤波模块对所述数据获取模块获取的无人驾驶原始数据进行滤波处理的具体步骤包括:
S1.通过小波分解得到低通滤波信号与高通滤波信号;
S2.通过基于LMS算法的自适应滤波器输出为有用信号的最佳估计。
作为本发明的新能源汽车无人驾驶应用智能存储系统优选的,所述S1中的低通滤波信号的计算公式为:
高通滤波信号的计算公式为:
其中,hk和gk为多分辨率分析中的滤波器系数,j为分解尺度参数。
作为本发明的新能源汽车无人驾驶应用智能存储系统优选的,所述S2中LMS算法的迭代公式为:
e(k)=d(k)-y(k);
Wi(k+1)=Wi(k)+2μe(k)x(k-i);
其中,x(k)为自适应滤波器的输入,y(k)为自适应滤波器的输出,d(k)为参考信号,e(k)为误差,Wi为滤波器的权重系数,μ为步长,M为滤波器阶数。
作为本发明的新能源汽车无人驾驶应用智能存储系统优选的,还包括与所述中央处理器通讯连接的数据降维模块,所述数据降维模块用于对所述数据滤波模块滤波处理后的无人驾驶原始数据进行数据空间维度降低处理。
与现有技术相比,本发明的有益效果是:
本发明通过参数设置模块对中央处理器的预设参数进行设置和调整,数据获取模块获取新能源汽车的无人驾驶原始数据,数据筛选模块对数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据,数据整理分类模块对数据筛选模块得到的无人驾驶有效数据进行整合和分类,数据分析模块对数据整理分类模块整合和分类后的无人驾驶有效数据进行分析,安全诊断模块对数据分析模块分析后的无人驾驶有效数据进行诊断,预警模块判断安全诊断模块诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警,存储模块对系统数据进行存储,本发明能够实现从数据源头进行筛选、整合、分类和分析,只保留正常数据,从而保证存储数据是正常的和准确地,且在出现异常时可进行预警,实现了自动化、规范化、网络化,保证了新能源汽车的无人驾驶数据的安全性、准确性,能够有效帮助及时准确掌握无人驾驶状况。
附图说明
图1为本发明的新能源汽车无人驾驶应用智能存储系统的系统框图;
图2为本发明的新能源汽车无人驾驶应用智能存储方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
实施例
请参阅图1和图2,本发明提供一种技术方案:
新能源汽车无人驾驶应用智能存储系统,包括中央处理器以及分别与中央处理器通讯连接的参数设置模块、数据获取模块、数据筛选模块、数据整理分类模块、数据分析模块、安全诊断模块、预警模块和存储模块。
参数设置模块用于对中央处理器的预设参数进行设置和调整;
数据获取模块用于获取新能源汽车的无人驾驶原始数据;
数据筛选模块用于对数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据;
数据整理分类模块用于对数据筛选模块得到的无人驾驶有效数据进行整合和分类;
数据分析模块用于对数据整理分类模块整合和分类后的无人驾驶有效数据进行分析;
安全诊断模块用于对数据分析模块分析后的无人驾驶有效数据进行诊断;
预警模块用于判断安全诊断模块诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警;
存储模块用于对系统数据进行存储。
作为本发明的一种技术优化方案,还包括与中央处理器通讯连接的数据滤波模块,数据滤波模块用于对数据获取模块获取的无人驾驶原始数据进行滤波处理。
作为本发明的一种技术优化方案,数据滤波模块对数据获取模块获取的无人驾驶原始数据进行滤波处理的具体步骤包括:
S1.通过小波分解得到低通滤波信号与高通滤波信号;
S2.通过基于LMS算法的自适应滤波器输出为有用信号的最佳估计。
作为本发明的一种技术优化方案,S1中的低通滤波信号的计算公式为:
高通滤波信号的计算公式为:
其中,hk和gk为多分辨率分析中的滤波器系数,j为分解尺度参数。
作为本发明的一种技术优化方案,S2中LMS算法的迭代公式为:
e(k)=d(k)-y(k);
Wi(k+1)=Wi(k)+2μe(k)x(k-i);
其中,x(k)为自适应滤波器的输入,y(k)为自适应滤波器的输出,d(k)为参考信号,e(k)为误差,Wi为滤波器的权重系数,μ为步长,M为滤波器阶数。
作为本发明的一种技术优化方案,数据筛选模块对数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据包括:
μi=sgn(DFi*δ(y));
X={xi|μi=0};
无人驾驶有效数据=μi-X;
其中,X为预筛选数据对应的数据集合,xi为第i个原始数据,DFi为第i个原始数据对应的剔除判断结果,DFi为第i个原始数据对应的区分处理结果,并且当区分处理结果处于正常状态时,DFi的值为0,当区分处理结果处于异常状态时,DFi的值为1,δ(y)为修复检验结果,其具体数学形式为δ(y)=sgn(DFy·f(y)),DFy为异常数据的区分处理结果,f(y)为异常数据检验函数,其用于检验异常数据是否被修复,当δ(y)的值为0时,表示异常数据已经被修复,否则表示异常数据未被修复。
作为本发明的一种技术优化方案,还包括与中央处理器通讯连接的数据降维模块,数据降维模块用于对数据滤波模块滤波处理后的无人驾驶原始数据进行数据空间维度降低处理。
新能源汽车无人驾驶应用智能存储方法,包括如下步骤:
S1.获取新能源汽车的无人驾驶原始数据;
S2.对获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据;
S3.对得到的无人驾驶有效数据进行整合和分类;
S4.对整合和分类后的无人驾驶有效数据进行分析;
S5.对无人驾驶有效数据进行诊断;
S6.判断诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警;
S7.对系统数据进行存储。
综上,本发明通过参数设置模块对中央处理器的预设参数进行设置和调整,数据获取模块获取新能源汽车的无人驾驶原始数据,数据筛选模块对数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据,数据整理分类模块对数据筛选模块得到的无人驾驶有效数据进行整合和分类,数据分析模块对数据整理分类模块整合和分类后的无人驾驶有效数据进行分析,安全诊断模块对数据分析模块分析后的无人驾驶有效数据进行诊断,预警模块判断安全诊断模块诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警,存储模块对系统数据进行存储,本发明能够实现从数据源头进行筛选、整合、分类和分析,只保留正常数据,从而保证存储数据是正常的和准确地,且在出现异常时可进行预警,实现了自动化、规范化、网络化,保证了新能源汽车的无人驾驶数据的安全性、准确性,能够有效帮助及时准确掌握无人驾驶状况。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.新能源汽车无人驾驶应用智能存储系统,其特征在于:包括中央处理器以及分别与所述中央处理器通讯连接的参数设置模块、数据获取模块、数据筛选模块、数据整理分类模块、数据分析模块、安全诊断模块、预警模块和存储模块;
所述参数设置模块用于对所述中央处理器的预设参数进行设置和调整;
所述数据获取模块用于获取新能源汽车的无人驾驶原始数据;
所述数据筛选模块用于对所述数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据;
所述数据筛选模块对所述数据获取模块获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据包括:
μi=sgn(DFi*δ(y));
X={xi|μi=0};
无人驾驶有效数据=μi-X;
其中,X为预筛选数据对应的数据集合,xi为第i个原始数据,DFi为第i个原始数据对应的剔除判断结果,DFi为第i个原始数据对应的区分处理结果,并且当区分处理结果处于正常状态时,DFi的值为0,当所述区分处理结果处于异常状态时,DFi的值为1,δ(y)为修复检验结果,其具体数学形式为δ(y)=sgn(DFy·f(y)),DFy为异常数据的区分处理结果,f(y)为异常数据检验函数,其用于检验异常数据是否被修复,当δ(y)的值为0时,表示异常数据已经被修复,否则表示异常数据未被修复;
所述数据整理分类模块用于对所述数据筛选模块得到的无人驾驶有效数据进行整合和分类;
所述数据分析模块用于对所述数据整理分类模块整合和分类后的无人驾驶有效数据进行分析;
所述安全诊断模块用于对所述数据分析模块分析后的无人驾驶有效数据进行诊断;
所述预警模块用于判断所述安全诊断模块诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警;
所述存储模块用于对系统数据进行存储;
新能源汽车无人驾驶应用智能存储方法,其特征在于,包括如下步骤:
S1.获取新能源汽车的无人驾驶原始数据;
S2.对获取的无人驾驶原始数据进行筛选处理,得到无人驾驶有效数据;
S3.对得到的无人驾驶有效数据进行整合和分类;
S4.对整合和分类后的无人驾驶有效数据进行分析;
S5.对无人驾驶有效数据进行诊断;
S6.判断诊断后的无人驾驶有效数据是否处于安全数值,当超标后进行预警;
S7.对系统数据进行存储。
2.根据权利要求1所述的新能源汽车无人驾驶应用智能存储系统,其特征在于:还包括与所述中央处理器通讯连接的数据滤波模块,所述数据滤波模块用于对所述数据获取模块获取的无人驾驶原始数据进行滤波处理。
3.根据权利要求2所述的新能源汽车无人驾驶应用智能存储系统,其特征在于:所述数据滤波模块对所述数据获取模块获取的无人驾驶原始数据进行滤波处理的具体步骤包括:
S1.通过小波分解得到低通滤波信号与高通滤波信号;
S2.通过基于LMS算法的自适应滤波器输出为有用信号的最佳估计。
4.根据权利要求3所述的新能源汽车无人驾驶应用智能存储系统,其特征在于:所述S1中的低通滤波信号的计算公式为:
高通滤波信号的计算公式为:
其中,hk和gk为多分辨率分析中的滤波器系数,j为分解尺度参数。
5.根据权利要求3所述的新能源汽车无人驾驶应用智能存储系统,其特征在于:所述S2中LMS算法的迭代公式为:
e(k)=d(k)-y(k);
Wi(k+1)=Wi(k)+2μe(k)x(k-i);
其中,x(k)为自适应滤波器的输入,y(k)为自适应滤波器的输出,d(k)为参考信号,e(k)为误差,Wi为滤波器的权重系数,μ为步长,M为滤波器阶数。
6.根据权利要求2所述的新能源汽车无人驾驶应用智能存储系统,其特征在于:还包括与所述中央处理器通讯连接的数据降维模块,所述数据降维模块用于对所述数据滤波模块滤波处理后的无人驾驶原始数据进行数据空间维度降低处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110510540.4A CN113183987B (zh) | 2021-05-11 | 2021-05-11 | 新能源汽车无人驾驶应用智能存储系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110510540.4A CN113183987B (zh) | 2021-05-11 | 2021-05-11 | 新能源汽车无人驾驶应用智能存储系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113183987A CN113183987A (zh) | 2021-07-30 |
CN113183987B true CN113183987B (zh) | 2024-02-23 |
Family
ID=76981138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110510540.4A Active CN113183987B (zh) | 2021-05-11 | 2021-05-11 | 新能源汽车无人驾驶应用智能存储系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113183987B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103697330A (zh) * | 2013-12-06 | 2014-04-02 | 中南大学 | 一种列车超长管路泄露监测方法 |
CN107728620A (zh) * | 2017-10-18 | 2018-02-23 | 江苏卡威汽车工业集团股份有限公司 | 一种新能源汽车的无人驾驶系统及方法 |
CN108639062A (zh) * | 2018-05-08 | 2018-10-12 | 徐州徐工环境技术有限公司 | 一种车辆智能控制系统 |
KR102058452B1 (ko) * | 2019-06-28 | 2019-12-23 | 가온플랫폼 주식회사 | IoT 융합 지능형 영상분석 플랫폼 시스템 |
CN112433519A (zh) * | 2020-11-09 | 2021-03-02 | 温州大学大数据与信息技术研究院 | 一种无人驾驶检测系统及车辆行驶检测方法 |
-
2021
- 2021-05-11 CN CN202110510540.4A patent/CN113183987B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103697330A (zh) * | 2013-12-06 | 2014-04-02 | 中南大学 | 一种列车超长管路泄露监测方法 |
CN107728620A (zh) * | 2017-10-18 | 2018-02-23 | 江苏卡威汽车工业集团股份有限公司 | 一种新能源汽车的无人驾驶系统及方法 |
CN108639062A (zh) * | 2018-05-08 | 2018-10-12 | 徐州徐工环境技术有限公司 | 一种车辆智能控制系统 |
KR102058452B1 (ko) * | 2019-06-28 | 2019-12-23 | 가온플랫폼 주식회사 | IoT 융합 지능형 영상분석 플랫폼 시스템 |
CN112433519A (zh) * | 2020-11-09 | 2021-03-02 | 温州大学大数据与信息技术研究院 | 一种无人驾驶检测系统及车辆行驶检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113183987A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108108766B (zh) | 基于多传感器数据融合的驾驶行为识别方法及系统 | |
CN108444708B (zh) | 基于卷积神经网络的滚动轴承智能诊断模型的建立方法 | |
CN111170103B (zh) | 设备故障识别方法 | |
DE102019108446A1 (de) | Verfahren und Vorrichtung zum Isolieren eines fahrzeugseitigen Fehlers | |
CN111917766B (zh) | 一种车载网络通信异常的检测方法 | |
CN109919306B (zh) | 高维数据异常检测系统及方法 | |
CN109765879A (zh) | 一种新能源汽车的远程监控系统 | |
CN113297685B (zh) | 一种车辆运行工况模式识别方法 | |
CN106656669A (zh) | 一种基于阈值自适应设置的设备参数异常检测系统及方法 | |
CN113064976A (zh) | 基于深度学习算法的事故车判定方法 | |
DE102021110802A1 (de) | Systeme und verfahren zur fehlererkennung bei einer katalytischen reduktion (scr) | |
CN113183987B (zh) | 新能源汽车无人驾驶应用智能存储系统及方法 | |
CN115358647A (zh) | 基于大数据的氢能产业链风险监测系统及监测方法 | |
CN116339253A (zh) | 一种基于物联网的智能化机械生产监测管控系统 | |
CN109858573B (zh) | 基于神经网络的集卡防吊起方法 | |
CN115958990A (zh) | 一种v2g充电桩信息诊断与安全防护方法 | |
DE102018130568A1 (de) | Verfahren und vorrichtung zum überwacheneines fahrzeugeigenen fluidischen subsystems | |
CN112938678B (zh) | 一种电梯振动故障的诊断算法 | |
CN201035376Y (zh) | 工业生产过程小样本条件下的故障诊断装置 | |
CN117369418A (zh) | 数控机床进给系统故障诊断方法、系统、存储介质及设备 | |
CN109816736B (zh) | 车辆摄像头的自动标定方法、系统、车载控制设备 | |
CN111220379A (zh) | 一种牵引电机传动系统故障诊断方法及装置 | |
CN115062867A (zh) | 基于Teager能量谱和改进型CNN模型的轴承故障预测方法 | |
CN115018194A (zh) | 电动汽车故障等级预测的方法、系统、电子设备和存储介质 | |
CN111914208B (zh) | 一种基于相对品质指数预警的检测系统及其方法 |
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 |