CN113297033A - 基于云端监测数据的车辆电控系统健康评估方法和系统 - Google Patents
基于云端监测数据的车辆电控系统健康评估方法和系统 Download PDFInfo
- Publication number
- CN113297033A CN113297033A CN202110588042.1A CN202110588042A CN113297033A CN 113297033 A CN113297033 A CN 113297033A CN 202110588042 A CN202110588042 A CN 202110588042A CN 113297033 A CN113297033 A CN 113297033A
- Authority
- CN
- China
- Prior art keywords
- performance
- score
- vehicle
- data
- insulation
- 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
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims description 32
- 238000009413 insulation Methods 0.000 claims abstract description 166
- 230000007423 decrease Effects 0.000 claims abstract description 96
- 238000004891 communication Methods 0.000 claims abstract description 93
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 230000004927 fusion Effects 0.000 claims abstract description 10
- 230000015556 catabolic process Effects 0.000 claims description 44
- 238000006731 degradation reaction Methods 0.000 claims description 44
- 238000011084 recovery Methods 0.000 claims description 15
- 230000003862 health status Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
基于云端监测数据的车辆电控系统健康评估方法和系统,评估方法包括获取车况数据和报警信息数据,并上传至新能源汽车国家大数据平台;从新能源汽车国家大数据平台获取通信性能相关特征数据、传感器性能相关特征数据、绝缘性能相关特征数据以及安全报警性能相关特征报警数据;对各部分相关特征数据进行罚分融合,分别得到通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分;对各性能衰退评分按重要程度进行权重计算,得到整车电控系统健康状态衰退评分。本发明还提供了一种基于云端监测数据的车辆电控系统健康评估系统。本发明能实时准确的帮助驾驶者获取电控系统健康状态,对于评分过低的情况,可以及时检修。
Description
技术领域
本发明属于新能源汽车领域,具体涉及一种基于云端监测数据的车辆电控系统健康评估方法和系统。
背景技术
电控系统作为新能源汽车的三电系统关键零部件之一,用以实现整车控制、通信和监控,新能源汽车电控系统的健康状态对整车正常运行影响重大。车载内部电子控制单元中的信息采集模块能够精准的获取车辆各系统的详细运行数据,现阶段车载设备采样频率低、信号数量较少,但未来随着5G技术的普及和运行大数据应用场景的逐渐成熟,新能源汽车高频大数据采集和应用将成为趋势。但是,目前并未充分利用新能源汽车在运行过程中采集到的数据,通常是将SOC、温度和故障码等信息逐条通过车辆仪表盘显示,没有进行系统性的综合评分,缺乏对新能源汽车电控系统健康状态进行总体定量评估的方法和手段。
在以车辆实时采集到的数据作为在线故障诊断系统支撑时,由于没有考虑到车辆传感器性能、通信性能对整车安全性的影响,当传感器故障和通信丢帧、跳帧时则会引起故障误报和漏报;当车辆发生绝缘报警时,车辆才会通过标识符号显示给驾驶员,但此时故障已经发生,容易造成安全事故;并且,随着车辆运行里程的增加,车辆整体性能不断衰减,发生故障的概率和频次也会增加,通常的故障报警不能体现车辆整体的性能。
发明内容
本发明的目的在于针对上述现有技术中车辆电控系统健康状态诊断的及时性和准确性不高的问题,提供一种基于云端监测数据的车辆电控系统健康评估方法和系统,能够对新能源汽车整车通信系统性能、传感器性能、绝缘性能、安全报警性能及其各部分所决定的整车电控系统健康状态进行评估,避免车辆在行驶过程中由于电控系统故障而发生意外。
为了实现上述目的,本发明有如下的技术方案:
一种基于云端监测数据的车辆电控系统健康评估方法,包括以下步骤:
-获取车况数据和报警信息数据,并上传至新能源汽车国家大数据平台;
-从新能源汽车国家大数据平台获取通信性能相关特征数据、传感器性能相关特征数据、绝缘性能相关特征数据以及安全报警性能相关特征报警数据;
-对各部分相关特征数据进行罚分融合,分别得到通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分;
-对通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分按照重要程度进行权重计算,得到整车电控系统健康状态衰退评分。
作为本发明基于云端监测数据的车辆电控系统健康评估方法的一种优选方案,所述的车况数据和报警信息数据通过车载电脑和车载诊断仪获取。
作为本发明基于云端监测数据的车辆电控系统健康评估方法的一种优选方案:
所述的通信性能相关特征数据包括车速、总电流、总电压、SOC、单体电池电压最大值、单体电池电压最小值、电机控制器温度和绝缘电阻值;
所述的传感器性能相关特征数据包括车速、总电压、总电流、SOC、单体电池电压最大值和驱动电机控制器温度;
所述的绝缘性能相关特征数据包括绝缘电阻值;
所述的安全报警性能相关特征报警数据包括DC-DC温度报警、DC-DC状态报警、高压互锁报警、绝缘报警。
作为本发明基于云端监测数据的车辆电控系统健康评估方法的一种优选方案:
通信系统性能衰退评分规则:
在通信性能相关特征数据当中判断是否有丢帧或跳帧,用丢帧或跳帧出现的频次评估通信性能;若出现以上异常,则在通信性能衰退评估分值的基础上加上通信性能衰减因子;若下一帧数据恢复为正常值,则减去通信性能恢复因子,以消除偶然性故障带来的误差;
传感器性能衰退评分:
根据传感器测量值超过阈值的频次评估传感器性能,判断传感器性能相关特征数据是否有超过传感器测量阈值的现象,若数据出现以上异常的现象,每出现一次则在传感器性能衰退评估分值的基础上加上传感器性能衰减因子;若下一帧数据恢复为正常值,则减去传感器性能恢复因子,以消除偶然性故障带来的误差;
绝缘性能衰退评分:
按照绝缘电阻值对绝缘性能进行如下分类:绝缘电阻值为0~ins_th1时为第一类,此时的绝缘电阻已不满足国标的安全要求,绝缘电阻值处于该范围内时安全隐患最大,绝缘性能衰减因子的值为αck1;绝缘电阻值为ins_th1~ins_th2时为第二类,绝缘电阻值处于该范围内时安全隐患较大,绝缘性能衰减因子的值为αck2;绝缘电阻值大于ins_th2时为第三类,绝缘电阻值处于安全范围内,绝缘性能恢复因子的值为βck;若车辆绝缘电阻值处于第一类,每出现一次则在绝缘性能衰退评估分值的基础上加上绝缘性能衰减因子;若车辆绝缘电阻值处于第二类,每出现一次则在绝缘性能衰退评估分值的基础上加上绝缘性能衰减因子;若车辆绝缘电阻值处于第三类,则减去绝缘性能恢复因子,以消除偶然性故障带来的误差;
安全报警性能衰退评分的规则分别如下:
按照电控系统报警信息的故障等级进行评分等级的划分,电控系统报警信息包括DC-DC温度报警、DC-DC状态报警、高压互锁报警、绝缘报警;若发生故障报警,每出现一次则在安全报警性能衰退评估分值的基础上加上安全报警性能衰减因子;若下一帧数据恢复为正常值,则减去安全报警性能恢复因子,以消除偶然性故障带来的误差。
作为本发明基于云端监测数据的车辆电控系统健康评估方法的一种优选方案:
计算车俩通信性能衰退总评分:对通信性能相关特征数据中的各项通信性能衰退评分Qai按重要程度进行权重计算,由下式得到车俩通信性能衰退总评分Qa:
其中,Wai是通信性能评分相关各项权重;通信性能总评分为满分100分与通信性能总衰退评分的差值,当差值为负数时,通信性能评估分值取为0分;
计算车俩传感器性能衰退总评分:对传感器性能相关特征数据中的各项传感器性能衰退评分Qbj按重要程度进行权重计算,由下式得到车俩传感器性能衰退总评分Qb:
其中,Wbj是传感器性能评分相关各项权重;传感器性能总评分为满分100分与传感器性能总衰退评分的差值,当差值为负数时,传感器性能总评估分值取为0分;
计算车俩绝缘性能衰退总评分:对绝缘性能相关特征数据中的各项绝缘性能衰退评分Qck按重要程度进行权重计算,由下式得到车俩绝缘性能衰退总评分Qc:
其中,Wck是绝缘性能评分相关各项权重;绝缘性能总评分为满分100分与绝缘性能总衰退评分的差值,当差值为负数时,绝缘性能总评估分值取为0分;
计算车俩安全报警性能衰退总评分:对安全报警性能相关特征报警数据中的各项安全报警性能衰退评分Qdl按重要程度进行权重计算,由下式得到车俩安全报警性能衰退总评分Qd:
其中,Wdl是安全报警性能评分相关各项权重;安全报警性能总评分为满分100分与安全报警性能总衰退评分的差值,当差值为负数时,安全报警性能总评估分值取为0分。
作为本发明基于云端监测数据的车辆电控系统健康评估方法的一种优选方案:对车俩通信性能衰退总评分、车俩传感器性能衰退总评分、车俩绝缘性能衰退总评分及车俩安全报警性能衰退总评分按照重要程度进行权重计算,得到整车电控系统健康状态衰退评分。
作为本发明基于云端监测数据的车辆电控系统健康评估方法的一种优选方案:以整车电控系统健康状态评分满分为100分来记,整车电控系统健康状态评分Q=100-整车电控系统健康状态衰退评分,整车电控系统健康状态评分Q的最小分值为0分。
作为本发明基于云端监测数据的车辆电控系统健康评估方法的一种优选方案:整车电控系统健康状态衰退评分的计算表达式如下:
式中,W1、W2、W3、W4分别是通信性能、传感器性能、绝缘性能、安全报警性能权重。
本发明还公开一种基于云端监测数据的车辆电控系统健康评估系统,包括:
数据获取与上传模块,用于获取车况数据和报警信息数据,并上传至新能源汽车国家大数据平台;
数据分类模块,用于从新能源汽车国家大数据平台获取通信性能相关特征数据、传感器性能相关特征数据、绝缘性能相关特征数据以及安全报警性能相关特征报警数据;
罚分融合模块,用于对各部分相关特征数据进行罚分融合,分别得到通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分;
健康评估模块,用于对通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分按重要程度进行权重计算,得到整车电控系统健康状态衰退评分。
相较于现有技术,本发明有如下的有益效果:
通过分别对新能源汽车的通信性能、传感器性能、绝缘性能和安全报警性能进行评分,进而对电控系统健康状态实时评估。凭借电控系统健康状态评分高低,驾驶员可以掌握整车电控系统健康状态情况,对于电控系统健康状态评分过低的情况,可以及时检修,使得电控系统健康状态恢复至正常水平,避免车辆在行驶过程中由于电控系统故障而发生意外。
附图说明
图1是车辆电控系统健康评估流程图;
图2是车辆全生命周期通信性能评估图:
(a)车辆一车辆全生命周期通信性能评估图;
(b)车辆二车辆全生命周期通信性能评估图;
图3是车辆全生命周期传感器性能评估图:
(a)车辆一车辆全生命周期传感器性能评估图;
(b)车辆二车辆全生命周期传感器性能评估图;
图4是车辆全生命周期绝缘性能评估图:
(a)车辆一车辆全生命周期绝缘性能评估图;
(b)车辆二车辆全生命周期绝缘性能评估图;
图5是车辆全生命周期安全报警性能评估图:
(a)车辆一车辆全生命周期安全报警性能评估图;
(b)车辆二车辆全生命周期安全报警性能评估图;
图6是车辆全生命周期电控系统健康状态评估图:
(a)车辆一车辆全生命周期电控系统健康状态评估图;
(b)车辆二车辆全生命周期电控系统健康状态评估图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
参见图1,本发明基于云端监测数据的车辆电控系统健康评估方法,包括以下步骤:
S1.车载终端获取新能源汽车况数据和报警信息数据,并上传至新能源汽车国家大数据平台。具体的,新能源汽车况数据和报警信息数据通过车载电脑和车载诊断仪获取。
S2.从新能源汽车大数据平台获取通信性能相关特征数据ai、传感器性能相关特征数据bj、绝缘性能相关特征数据ck和安全报警性能相关特征报警数据dl。对其各部分相关特征数据进行罚分融合,分别得到通信系统性能衰退评分Qa、传感器性能衰退评分Qb、绝缘性能衰退评分Qc、安全报警性能衰退评分Qd,按照重要性程度通过权重计算得到整车电控系统健康状态评分Q。其中,i=1,…,i0;j=1,…,j0;k=1,…,k0;l=1,…,l0;ai表示通信性能第i个相关特征数据,bj表示传感器性能第j个相关特征数据,ck表示绝缘性能第k个相关特征数据,dl表示安全报警性能第l个相关特征数据;
具体的,通信性能相关特征数据包括:车速、总电流、总电压、SOC、单体电池电压最大值、单体电池电压最小值、电机控制器温度和绝缘电阻值等;
传感器性能相关特征数据包括:车速、总电压、总电流、SOC、单体电池电压最大值和驱动电机控制器温度等;
绝缘性能相关特征数据包括:绝缘电阻值等;
安全报警性能相关特征报警数据包括:DC-DC温度报警、DC-DC状态报警、高压互锁报警、绝缘报警等。
根据新能源汽车电控系统中的通信性能、传感器性能、绝缘性能和安全报警性能各部分特点,用各部分相关特征数据分别进行评分。具体的,通信性能、传感器性能、绝缘性能和安全报警性能评分规则如下:
S3.通信性能评分规则:通信性能衰减主要表现为连续丢帧、跳帧等现象。在电控健康状态评估系统中,通过对车速、总电压、SOC、单体电池电压值、电机控制器温度等数据的处理,判断是否有丢帧或跳帧现象,用丢帧或跳帧出现的频次评估通信性能。若整车数据出现以上异常现象,则在通信性能衰退评估分值Qai的基础上加上通信性能衰减因子αai;若下一帧数据恢复为正常值,则减去通信性能恢复因子βai,以消除偶然性故障带来的误差。
本实施例确定通信性能衰减因子的值为0.1,通信性能恢复因子值为0.01;其中,Qai、αai、βai分别为第i个通信性能相关特征数据ai的通信性能衰退评估得分、通信性能衰减因子、通信性能恢复因子。
S4.传感器性能评分规则:传感器性能衰减主要表现在测得的物理量超过本身物理量的阈值。在电控健康状态评估系统中,根据传感器测量值超过阈值的频次评估传感器性能。通过对车速、总电压、SOC、单体电池电压最大值等数据的处理,判断是否有超过传感器测量阈值的现象。若整车数据超过传感器测量阈值,每出现一次则在传感器性能衰退评估分值Qbj的基础上加上传感器性能衰减因子αbj;若下一帧数据恢复为正常值,则减去传感器性能恢复因子βbj,以消除偶然性故障带来的误差。
本实施例确定传感器性能衰减因子的值为0.1,传感器性能恢复因子值为0.01;其中,Qbj、αbj、βbj分别为第j个传感器性能相关特征数据bj的传感器性能衰退评估得分、传感器性能衰减因子、传感器性能恢复因子。
S5.绝缘性能评分规则:在按绝缘电阻值对绝缘性能进行分级评估时,选择第一绝缘电阻值ins_th1和第二绝缘电阻值ins_th2作为两个绝缘性能分级节点。按照绝缘电阻值对绝缘性能进行分类,即绝缘电阻值为0~ins_th1时为第一类,此时的绝缘电阻已不满足国标的安全要求,绝缘电阻值处于该范围内时安全隐患最大,绝缘性能衰减因子的值为αck1;绝缘电阻值为ins_th1~ins_th2时为第二类,绝缘电阻值处于该范围内时安全隐患较大,绝缘性能衰减因子的值为αck2;绝缘电阻值大于ins_th2时为第三类,绝缘电阻值处于安全范围内,绝缘性能恢复因子的值为βck。实际运行过程中,若车辆绝缘电阻值处于第一类,每出现一次则在绝缘性能衰退评估分值Qck的基础上加上绝缘性能衰减因子αck1;若车辆绝缘电阻值处于第二类,每出现一次则在绝缘性能衰退评估分值Qck的基础上加上绝缘性能衰减因子αck2;若车辆绝缘电阻值处于第三类,则减去绝缘性能恢复因子βck,以消除偶然性故障带来的误差。
为保证电动汽车安全,直流电路绝缘电阻值应不低于0.04MΩ,交流电路绝缘电阻值应不低于0.2MΩ。因此本实施例选择第一绝缘电阻值0.04MΩ、第二绝缘电阻值0.2MΩ作为两个性能分级节点,绝缘电阻值为0~0.04MΩ时为第一类,绝缘性能衰减因子的值为5;绝缘电阻值为0.04~0.2MΩ时为第二类,绝缘性能衰减因子的值为1;绝缘电阻值大于0.2MΩ时为第三类,绝缘性能恢复因子的值为0.1;其中,Qck、αck1,2、βck分别为第k个绝缘性能相关特征数据ck的绝缘性能衰退评估得分、绝缘性能衰减因子、绝缘性能恢复因子。
S6.安全报警性能评分规则:按照电控系统报警信息(DC-DC温度报警、DC-DC状态报警、高压互锁报警、绝缘报警等)故障等级进行评分等级的划分。安全报警性能衰减因子的值为αdl,安全报警性能恢复因子的值为βdl。若发生故障报警,每出现一次则在安全报警性能衰退评估分值Qdl的基础上加上安全报警性能衰减因子αdl;若下一帧数据恢复为正常值,则在安全报警性能衰退评估分值Qdl的基础上减去安全报警性能恢复因子βdl,以消除偶然性故障带来的误差。
在本实施例中,当发生以绝缘报警为代表的三级故障时,三级故障衰减因子的值为5;当发生以DC-DC状态报警为代表的二级故障时,二级故障衰减因子的值为2;当发生以DC-DC温度报警为代表的一级故障时,一级故障衰减因子的值为1;当无故障发生时,安全报警性能恢复因子的值为0.1,安全报警性能评估因子的设定如表1所示。
表1
其中,Qdl、αdl、βdl分别为第l个安全报警性能相关特征数据dl的安全报警性能衰退评估得分、安全报警性能衰减因子、安全报警性能恢复因子。
S7.车俩通信性能衰退总评分:对各项通信性能衰退评分Qai按照重要程度进行权重计算,即可得到车俩通信性能衰退总评分Qa:
其中,Wai是通信性能评分相关各项权重;
通信性能总评分为满分100分与通信性能总衰退评分的差值,当差值为负数时,通信性能评估分值取为0分。用通信性能总评分来评价电控系统的通信性能,对应时刻评估分值越高,系统通信性能越好;对应时刻评估分值越低,通信性能越差。以两辆车全生命周期历史数据为例,对其通信性能进行评分并绘制车辆全生命周期时间尺度的通信性能散点图,如图2的(a)、(b)所示。
S8.车俩传感器性能衰退总评分:对各项传感器性能衰退评分Qbj按照重要程度进行权重计算,即可得到车俩传感器性能衰退总评分Qb:
其中,Wbj是传感器性能评分相关各项权重。
传感器性能总评分为满分100分与传感器性能总衰退评分的差值,当差值为负数时,传感器性能总评估分值取为0分。用传感器性能总评分来评价电控系统的传感器性能,对应时刻评估分值越高,电控系统传感器性能越好;对应时刻评估分值越低,传感器性能越差。以两辆车全生命周期历史数据为例,对其传感器性能进行评分并绘制车辆全生命周期时间尺度的传感器性能散点图,如图3的(a)、(b)所示。
S9.车俩绝缘性能衰退总评分:对各项绝缘性能衰退评分Qck按照重要程度进行权重计算,即可得到车俩绝缘性能衰退总评分Qc:
其中,Wck是绝缘性能评分相关各项权重。
绝缘性能总评分为满分100分与绝缘性能总衰退评分的差值,当差值为负数时,绝缘性能总评估分值取为0分。当车辆绝缘电阻值连续处于较低值时,其绝缘性能评分将不断降低;当检修过后,车辆绝缘电阻处于正常值时,绝缘性能评分则逐渐上升,直到达到正常水平。以两辆车全生命周期历史数据为例,对其绝缘性能进行评分并绘制车辆全生命周期时间尺度的绝缘性能散点图,如图4的(a)、(b)所示。
S10.车俩安全报警性能衰退总评分:对各项安全报警性能衰退评分Qdl按照重要程度进行权重计算,即可得到车俩安全报警性能衰退总评分Qd:
其中,Wdl是安全报警性能评分相关各项权重。
安全报警性能总评分为满分100分与安全报警性能总衰退评分的差值,当差值为负数时,安全报警性能总评估分值取为0分。用电控系统安全报警性能总评分来评价电控系统的安全报警性能,对应时刻评估分值越高,电控系统安全报警性能越好;电控系统安全报警性能总评分越低,电控系统安全报警性能越差。以两辆车全生命周期历史数据为例,对其安全报警性能进行评分并绘制车辆全生命周期时间尺度的安全报警性能散点图,如图5的(a)、(b)所示。
S11.对上述通信性能衰退总评分Qa、传感器性能衰退总评分Qb、绝缘性能衰退总评分Qc和安全报警性能衰退总评分Qd按照重要程度进行权重计算,得到整车电控系统健康状态衰退评分。以整车电控系统健康状态评分满分为100分来记,整车电控系统健康状态评分Q=100-整车电控系统健康状态衰退评分。为了防止评分出现负数,取整车电控系统健康状态评分Q最小为0分。
其中,W1、W2、W3、W4分别是通信性能、传感器性能、绝缘性能、安全报警性能权重。
本实施例中取权值W1、W2、W3、W4分别为0.2、0.3、0.25、0.25。以两辆车全生命周期历史数据为例,对其整车电控系统健康状态进行评分并绘制车辆全生命周期时间尺度的整车电控系统健康状态图,如图6中的(a)、(b)所示。
本发明还公开一种基于云端监测数据的车辆电控系统健康评估系统,包括:
数据获取与上传模块,用于获取车况数据和报警信息数据,并上传至新能源汽车国家大数据平台;
数据分类模块,用于从新能源汽车国家大数据平台获取通信性能相关特征数据、传感器性能相关特征数据、绝缘性能相关特征数据以及安全报警性能相关特征报警数据;
罚分融合模块,用于对各部分相关特征数据进行罚分融合,分别得到通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分;
健康评估模块,用于对通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分按重要程度进行权重计算,得到整车电控系统健康状态衰退评分。
以上所述的仅仅是本发明的较佳实施例,并不用以对本发明的技术方案进行任何限制,本领域技术人员应当理解的是,在不脱离本发明精神和原则的前提下,该技术方案还可以进行若干简单的修改和替换,这些修改和替换也均属于权利要求书所涵盖的保护范围之内。
Claims (9)
1.一种基于云端监测数据的车辆电控系统健康评估方法,其特征在于,包括以下步骤:
-获取车况数据和报警信息数据,并上传至新能源汽车国家大数据平台;
-从新能源汽车国家大数据平台获取通信性能相关特征数据、传感器性能相关特征数据、绝缘性能相关特征数据以及安全报警性能相关特征报警数据;
-对各部分相关特征数据进行罚分融合,分别得到通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分;
-对通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分按照重要程度进行权重计算,得到整车电控系统健康状态衰退评分。
2.根据权利要求1所述基于云端监测数据的车辆电控系统健康评估方法,其特征在于:所述的车况数据和报警信息数据通过车载电脑和车载诊断仪获取。
3.根据权利要求1所述基于云端监测数据的车辆电控系统健康评估方法,其特征在于:
所述的通信性能相关特征数据包括车速、总电流、总电压、SOC、单体电池电压最大值、单体电池电压最小值、电机控制器温度和绝缘电阻值;
所述的传感器性能相关特征数据包括车速、总电压、总电流、SOC、单体电池电压最大值和驱动电机控制器温度;
所述的绝缘性能相关特征数据包括绝缘电阻值;
所述的安全报警性能相关特征报警数据包括DC-DC温度报警、DC-DC状态报警、高压互锁报警、绝缘报警。
4.根据权利要求1所述基于云端监测数据的车辆电控系统健康评估方法,其特征在于:
通信系统性能衰退评分规则:
在通信性能相关特征数据当中判断是否有丢帧或跳帧,用丢帧或跳帧出现的频次评估通信性能;若出现以上异常,则在通信性能衰退评估分值的基础上加上通信性能衰减因子;若下一帧数据恢复为正常值,则减去通信性能恢复因子,以消除偶然性故障带来的误差;
传感器性能衰退评分:
根据传感器测量值超过阈值的频次评估传感器性能,判断传感器性能相关特征数据是否有超过传感器测量阈值的现象,若数据出现以上异常的现象,每出现一次则在传感器性能衰退评估分值的基础上加上传感器性能衰减因子;若下一帧数据恢复为正常值,则减去传感器性能恢复因子,以消除偶然性故障带来的误差;
绝缘性能衰退评分:
按照绝缘电阻值对绝缘性能进行如下分类:绝缘电阻值为0~ins_th1时为第一类,此时的绝缘电阻已不满足国标的安全要求,绝缘电阻值处于该范围内时安全隐患最大,绝缘性能衰减因子的值为αck1;绝缘电阻值为ins_th1~ins_th2时为第二类,绝缘电阻值处于该范围内时安全隐患较大,绝缘性能衰减因子的值为αck2;绝缘电阻值大于ins_th2时为第三类,绝缘电阻值处于安全范围内,绝缘性能恢复因子的值为βck;若车辆绝缘电阻值处于第一类,每出现一次则在绝缘性能衰退评估分值的基础上加上绝缘性能衰减因子;若车辆绝缘电阻值处于第二类,每出现一次则在绝缘性能衰退评估分值的基础上加上绝缘性能衰减因子;若车辆绝缘电阻值处于第三类,则减去绝缘性能恢复因子,以消除偶然性故障带来的误差;
安全报警性能衰退评分的规则分别如下:
按照电控系统报警信息的故障等级进行评分等级的划分,电控系统报警信息包括DC-DC温度报警、DC-DC状态报警、高压互锁报警、绝缘报警;若发生故障报警,每出现一次则在安全报警性能衰退评估分值的基础上加上安全报警性能衰减因子;若下一帧数据恢复为正常值,则减去安全报警性能恢复因子,以消除偶然性故障带来的误差。
5.根据权利要求1所述基于云端监测数据的车辆电控系统健康评估方法,其特征在于:
计算车俩通信性能衰退总评分:对通信性能相关特征数据中的各项通信性能衰退评分Qai按重要程度进行权重计算,由下式得到车俩通信性能衰退总评分Qa:
其中,Wai是通信性能评分相关各项权重;通信性能总评分为满分100分与通信性能总衰退评分的差值,当差值为负数时,通信性能评估分值取为0分;
计算车俩传感器性能衰退总评分:对传感器性能相关特征数据中的各项传感器性能衰退评分Qbj按重要程度进行权重计算,由下式得到车俩传感器性能衰退总评分Qb:
其中,Wbj是传感器性能评分相关各项权重;传感器性能总评分为满分100分与传感器性能总衰退评分的差值,当差值为负数时,传感器性能总评估分值取为0分;
计算车俩绝缘性能衰退总评分:对绝缘性能相关特征数据中的各项绝缘性能衰退评分Qck按重要程度进行权重计算,由下式得到车俩绝缘性能衰退总评分Qc:
其中,Wck是绝缘性能评分相关各项权重;绝缘性能总评分为满分100分与绝缘性能总衰退评分的差值,当差值为负数时,绝缘性能总评估分值取为0分;
计算车俩安全报警性能衰退总评分:对安全报警性能相关特征报警数据中的各项安全报警性能衰退评分Qdl按重要程度进行权重计算,由下式得到车俩安全报警性能衰退总评分Qd:
其中,Wdl是安全报警性能评分相关各项权重;安全报警性能总评分为满分100分与安全报警性能总衰退评分的差值,当差值为负数时,安全报警性能总评估分值取为0分。
6.根据权利要求5所述基于云端监测数据的车辆电控系统健康评估方法,其特征在于,对车俩通信性能衰退总评分、车俩传感器性能衰退总评分、车俩绝缘性能衰退总评分及车俩安全报警性能衰退总评分按照重要程度进行权重计算,得到整车电控系统健康状态衰退评分。
7.根据权利要求6所述基于云端监测数据的车辆电控系统健康评估方法,其特征在于,以整车电控系统健康状态评分满分为100分来记,整车电控系统健康状态评分Q=100-整车电控系统健康状态衰退评分,整车电控系统健康状态评分Q的最小分值为0分。
9.一种基于云端监测数据的车辆电控系统健康评估系统,其特征在于,包括:
数据获取与上传模块,用于获取车况数据和报警信息数据,并上传至新能源汽车国家大数据平台;
数据分类模块,用于从新能源汽车国家大数据平台获取通信性能相关特征数据、传感器性能相关特征数据、绝缘性能相关特征数据以及安全报警性能相关特征报警数据;
罚分融合模块,用于对各部分相关特征数据进行罚分融合,分别得到通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分;
健康评估模块,用于对通信系统性能衰退评分、传感器性能衰退评分、绝缘性能衰退评分、安全报警性能衰退评分按重要程度进行权重计算,得到整车电控系统健康状态衰退评分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588042.1A CN113297033B (zh) | 2021-05-28 | 2021-05-28 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110588042.1A CN113297033B (zh) | 2021-05-28 | 2021-05-28 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113297033A true CN113297033A (zh) | 2021-08-24 |
CN113297033B CN113297033B (zh) | 2024-03-01 |
Family
ID=77325726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110588042.1A Active CN113297033B (zh) | 2021-05-28 | 2021-05-28 | 基于云端监测数据的车辆电控系统健康评估方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113297033B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116338454A (zh) * | 2023-05-29 | 2023-06-27 | 深圳市北测检测技术有限公司 | 一种新能源汽车的电性能检测方法及装置 |
CN116400227A (zh) * | 2023-06-08 | 2023-07-07 | 长安大学 | 电动汽车动力电池soh预测方法、系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389863A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种对车况进行评估的车况指数计算方法 |
DE102017107284A1 (de) * | 2017-04-05 | 2018-10-11 | Lisa Dräxlmaier GmbH | Verfahren und steuergerät zum überwachen eines bordnetzes eines fahrzeugs |
CN110222436A (zh) * | 2019-06-12 | 2019-09-10 | 中国神华能源股份有限公司 | 列车零部件健康状态的评估方法、装置及存储介质 |
WO2019218408A1 (zh) * | 2018-05-15 | 2019-11-21 | 江苏大学 | 一种基于物联网的水泵机组典型健康状态监测装置及方法 |
CN111968268A (zh) * | 2020-06-29 | 2020-11-20 | 南斗六星系统集成有限公司 | 一种新能源车辆健康状况远程评估方法和系统 |
-
2021
- 2021-05-28 CN CN202110588042.1A patent/CN113297033B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389863A (zh) * | 2015-10-16 | 2016-03-09 | 江苏南亿迪纳数字科技发展有限公司 | 一种对车况进行评估的车况指数计算方法 |
DE102017107284A1 (de) * | 2017-04-05 | 2018-10-11 | Lisa Dräxlmaier GmbH | Verfahren und steuergerät zum überwachen eines bordnetzes eines fahrzeugs |
WO2019218408A1 (zh) * | 2018-05-15 | 2019-11-21 | 江苏大学 | 一种基于物联网的水泵机组典型健康状态监测装置及方法 |
CN110222436A (zh) * | 2019-06-12 | 2019-09-10 | 中国神华能源股份有限公司 | 列车零部件健康状态的评估方法、装置及存储介质 |
CN111968268A (zh) * | 2020-06-29 | 2020-11-20 | 南斗六星系统集成有限公司 | 一种新能源车辆健康状况远程评估方法和系统 |
Non-Patent Citations (2)
Title |
---|
KAI LI等: ""Battery life estimation based on cloud data for electric vehicles"", 《JOURNAL OF POWER SOURCES》, vol. 468 * |
谢勇波;孔令倩;冯拔;王文明;宋超;: "云智通车辆智能管理系统研究及应用", 新型工业化, no. 03 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116338454A (zh) * | 2023-05-29 | 2023-06-27 | 深圳市北测检测技术有限公司 | 一种新能源汽车的电性能检测方法及装置 |
CN116400227A (zh) * | 2023-06-08 | 2023-07-07 | 长安大学 | 电动汽车动力电池soh预测方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113297033B (zh) | 2024-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8554403B2 (en) | Vehicle failure diagnostic device | |
CN113064939B (zh) | 一种新能源车辆三电系统安全特征数据库构建方法 | |
EP4063875A1 (en) | Multi-information fusion-based fault early warning method and device for converter | |
CN113297033B (zh) | 基于云端监测数据的车辆电控系统健康评估方法和系统 | |
EP2174197A1 (en) | System and method for predictive maintenance of a battery assembly using temporal signal processing | |
CN113415165B (zh) | 一种故障诊断方法、装置、电子设备及存储介质 | |
CN112345955B (zh) | 一种动力电池多故障在线诊断方法与系统 | |
CN110806508B (zh) | 一种基于数据的高压回路接触电阻变化的评估方法 | |
CN114239734B (zh) | 一种分布式车载健康管理系统 | |
CN116154900B (zh) | 一种电池储能电站的主动安全三级防控系统及方法 | |
CN104992377A (zh) | 一种基于服役年龄和负荷水平的变压器可靠性分析方法 | |
CN116466241B (zh) | 一种单体电池热失控定位方法 | |
CN115796708B (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN114487856A (zh) | 换电站电池的热失控预警方法及系统 | |
CN116381514A (zh) | 一种电芯压差预警方法、装置、存储介质及设备 | |
CN112115618A (zh) | 一种基于矩阵图及置信度的电力设备故障诊断方法及系统 | |
CN112363061A (zh) | 一种基于大数据的热失控风险评估方法 | |
CN112782614A (zh) | 一种基于多信息融合的变流器的故障预警方法及装置 | |
CN106651206A (zh) | 一种继电保护测试性评估指标体系的评估方法 | |
CN112782499B (zh) | 一种基于多信息融合的变流器的状态评估方法及装置 | |
CN115561658B (zh) | 一种基于数据切片的动力电池异常电芯监测方法 | |
CN116879763A (zh) | 一种基于卡尔曼滤波算法的电池故障预警方法 | |
CN117849558B (zh) | 电容式电压互感器主电容击穿故障在线监测方法及装置 | |
CN116794548A (zh) | 电池故障预警和诊断方法 | |
CN114035056A (zh) | 一种动力电池性能检测方法、装置和设备 |
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 |