CN114347952B - 一种雨刮器的剩余寿命预测方法、装置及系统 - Google Patents
一种雨刮器的剩余寿命预测方法、装置及系统 Download PDFInfo
- Publication number
- CN114347952B CN114347952B CN202111631538.9A CN202111631538A CN114347952B CN 114347952 B CN114347952 B CN 114347952B CN 202111631538 A CN202111631538 A CN 202111631538A CN 114347952 B CN114347952 B CN 114347952B
- Authority
- CN
- China
- Prior art keywords
- wiper
- similarity
- cleaning
- audio
- current
- 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 abstract description 26
- 238000004140 cleaning Methods 0.000 claims abstract description 124
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000000737 periodic effect Effects 0.000 claims description 21
- 230000036541 health Effects 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 4
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种雨刮器的剩余寿命预测方法、装置及系统,其根据外部环境特征、雨刮器的运行特征、雨刮器清洁周期内的清洁图像序列和清洁音频序列对雨刮器的剩余寿命进行预测,其综合用户使用维度和外部环境维度对雨刮器的剩余寿命进行动态预测,进而能在雨刮器的剩余寿命达到一定要求时提醒车主及时更换雨刮器,可以防止雨刮器因使用频率、外部因素等原因导致雨刮器提前损坏,但车主忽略更换而影响驾驶。同时可以针对低频使用、环境适宜等因素延长雨刮器使用,减少车主更换雨刮器频率,节约成本。
Description
技术领域
本发明涉及机器故障检测技术领域,尤其涉及一种雨刮器的剩余寿命预测方法、装置及系统。
背景技术
雨刮器作为车辆在雨天场景下重要的部件,承载着清洁车窗,获取行车视线重要的作用。但雨刮器作为车辆的易损易耗件,寿命有限,并且在寿命到达期限时,往往存在多种异常情况,极端情况下可能直接无法工作,导致雨天行车风险加大增加。由于用车环境、驾驶行为的不同,雨刮器的使用寿命也存在不同差异,因此,有必要对车辆雨刮器的剩余寿命进行预测,以规避雨刮器故障带来的雨天行车风险。
发明内容
本发明提供一种雨刮器的剩余寿命预测方法、装置及系统,其能对雨刮器的剩余寿命进行预测。
本发明第一方面提供一种雨刮器的剩余寿命预测方法,包括:
获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;
将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器,以使得所述云端服务器在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果。
本发明第二方面提供一种雨刮器寿命预测装置,其设置在车载控制器上,包括:
清洁数据获取模块,用于获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;
特征数据发送模块,用于将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器,以使得所述云端服务器在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
剩余寿命获取模块,用于接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果。
本发明第三方面提供一种雨刮器寿命预测系统,包括车载控制器和云端服务器;其中,
所述车载控制器,用于获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;还用于将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器;
所述云端服务器,用于在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
所述车载控制器,还用于接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果。
与现有技术相比,本发明提供的雨刮器的剩余寿命预测方法、装置及系统,具有以下有益效果:
本发明提供的雨刮器的剩余寿命预测方法,其包括获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列,将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器,以使得所述云端服务器在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命,最后接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果,其能综合用户使用维度和外部环境维度对雨刮器的剩余寿命进行动态预测,进而能在雨刮器的剩余寿命达到一定要求时提醒车主及时更换雨刮器,可以防止雨刮器因使用频率、外部因素等原因导致雨刮器提前损坏,但车主忽略更换而影响驾驶。同时可以针对低频使用、环境适宜等因素延长雨刮器使用,减少车主更换雨刮器频率,节约成本。
附图说明
图1是本发明实施例提供的雨刮器的剩余寿命预测方法的流程示意图;
图2是本发明实施例提供的卷积神经网络识别图像相似度的过程。
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作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。
本发明实施例提供的雨刮器的剩余寿命预测方法基于雨刮器的剩余寿命系统执行。该系统包括了车载控制器和云端服务器。其中,车载控制器可以接收车端CAN总线数据,以获知车端电器信号,如雨刮器启动信号。具体的,当车主开启雨刮器时,车机获取雨刮器配件电器信号,实时上传雨刮器使用时长、使用频率(雨刮每秒活动次数),上传至云端服务器的数据库中,用于累计雨刮器使用工作量。车载控制器还获取雨刮器更换信号,用于更新雨刮器剩余寿命计算模型参数;车载控制器还应当与车内的摄像设备、音频设备连接,以获取车内雨刮器工作时的图像数据和音频数据;车载控制器还获取车辆当前位置数据,通过查询天气接口,得知当前位置实时天气、温度、湿度、紫外线情况,上传至云端服务器。
考虑到减少雨刮器剩余寿命模型计算对车机算力占用,并且兼容车辆非行驶状态下寿命预测持续性,将雨刮器剩余寿命计算模型通过云计算方式实现,也即在本发明实施例中由云端服务器计算并完成雨刮器剩余寿命计算结果,进而反馈计算结果给到车机端和用户移动终端,实现多端的互联。
当然,在另一些实施例中,也可以选择在车端完成雨刮器剩余寿命的计算。
具体的,请参见图1,图1是本发明实施例提供的雨刮器的剩余寿命预测方法的流程示意图。本发明实施例的雨刮器的剩余寿命预测方法,包括S11~S13:
S11,获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列。
示例性的,当雨刮器在工作状态时,可以通过车内前置摄像头拍摄雨刮器一次清洁周期图片,并由车载控制器获取到该清洁周期对应的本周期清洁图像序列。可以理解的是,所述本周期清洁图像序列应为该清洁周期内的多个连续帧的清洁图像组成的图像序列。
同样的,当雨刮器在工作状态时,车内拾音设备记录雨刮器一次清洁周期产生的音频数据,得到每一清洁周期对应的本周期清洁音频序列。
S12,将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器,以使得所述云端服务器在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命。
具体的,所述外部环境特征包括天气、温度、湿度和紫外线数据,具体形式可以为:外部环境特征E(天气类型E1、温度E2、湿度E3、紫外线E4)。在具体实施当中,当车辆启动后,可以通过GPS定位装置获取到车辆位置数据,并上传车辆位置数据至云端服务器的数据库中,数据库获取定位信息后,基于位置数据查询到的天气、温度、湿度、紫外线数据并存储。若车辆处于熄火状态下,根据停车前最后的GPS位置数据,每日持续更新车辆所处位置的环境数据并存储。
具体的,所述运行特征包括雨刮器的历史工作时长和运行频率,具体形式可以为:运行特征W(历史工作时长W1,运行频率W2)。在具体实施时,车载控制器会在每次获取到雨刮器启动信号时,开始计算雨刮器的工作时长,直至雨刮器停止工作时停止计时并计算在本次工作中雨刮器的工作时长,并与之前雨刮器的工作时长进行累加,从而得到雨刮器当前工作结束后的累计工作时长,并将其作为下一次雨刮器开始工作的历史工作时长。同时,运行特征W将会上传至云端服务器的数据库中。
具体的,在本发明实施例中,由云端服务器完成雨刮器剩余寿命的计算,能减少车机端算力占用。
S13,接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果。
可以理解的是,上述方法可由车载控制器执行,其配合云端服务器完成雨刮器剩余寿命的计算。
基于上述实施例提供的技术方案,其能综合用户使用维度和外部环境维度对雨刮器的剩余寿命进行动态预测,进而能在雨刮器的剩余寿命达到一定要求时提醒车主及时更换雨刮器,可以防止雨刮器因使用频率、外部因素等原因导致雨刮器提前损坏,但车主忽略更换而影响驾驶。同时可以针对低频使用、环境适宜等因素延长雨刮器使用,减少车主更换雨刮器频率,节约成本。
在一种可选的实施方式中,所述雨刮器剩余寿命计算模型具体包括:
计算所述本周期清洁图像序列与预设的参照清洁图像序列的相似度以得到图像相似度的操作;
计算所述本周期清洁音频序列与预设的参照清洁音频序列的相似度以得到音频相似度的操作;
根据所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度计算得到所述雨刮器的当前剩余寿命的操作。
示例性的,所述参照清洁图像序列可以为全新雨刮器在一清洁周期拍摄到的清洁图像序列,所述参照清洁音频序列可以为全新雨刮器在一清洁周期拍摄到的音频图像序列。
进一步的,所述根据所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度计算得到所述雨刮器的当前剩余寿命的操作,具体包括:
对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命。
进一步的,所述对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命,具体为:
通过如下式子计算所述雨刮器的当前剩余寿命:
L=H*(1+μ1*E+μ2*W+μ3*X+μ4*V)
其中,L为雨刮器的当前剩余寿命,H为雨刮器在出厂时的正常使用寿命,μ1为与外部环境特征对应的第一参数,E为外部环境特征,μ2为与运行特征对应的第二参数,W为运行特征,μ3为与图像相似度对应的第三参数,X为图像相似度,μ4为与音频相似度对应的第四参数,V为音频相似度。
可以理解的是,当雨刮器使用较长时间时,其清洁时对应的车窗的痕迹与全新雨刮器清洁时对应的车窗痕迹是有所区别的,其清洁产生的声音与全新的雨刮器清洁时产生的声音也是存在区别的,如使用时间较长的雨刮器,其在清洁时可能存在异响。因此,将清洁周期内的雨刮器清洁图像和清洁音频作为衡量雨刮器损耗程度的影响因子。
基于上述实施例提供的方案,在一种可选的实施方式中,所述计算所述本周期清洁图像序列与预设的参照清洁图像序列的相似度以得到图像相似度的操作,具体包括:
将所述本周期清洁图像序列和所述参照清洁图像序列输入到预先训练的机器学习模型中,得到图像相似度。
示例性的,所述机器学习模型可以为卷积神经网络(CNN)。其中,神经网络由2个卷积层,2个池化层,2个全连接层,一个输出层组成,神经元个数分别是64,16,1,前两层使用Relu激活函数。参见图2,图2示出了卷积神经网络识别图像相似度的过程。
其中,输出层输出的值表示述本周期清洁图像序列与预设的参照清洁图像序列的相似度。神经网络采用交叉熵损失函数,如下所示:
其中,M为清洁图像序列中含有的图像总数;N为该轮训练的样本总数;L为该轮样本的损失函数值;yic为符号函数(取值为0或1);pic为第二个全连接层输出的结果,表示样本i属于类别c的预测概率。
在一种可选的实施方式中,所述计算所述本周期清洁音频序列与预设的参照清洁音频序列的相似度以得到音频相似度的操作,具体包括:
将所述本周期清洁音频序列和所述参照音频图像序列输入到预先训练的机器学习模型中,得到音频相似度。
同样的,所述机器学习模型可以为卷积神经网络(CNN),其识别原理和效果与上述的图像相似度的类似,这里不再作过多的赘述。
在一种可选的实施方式中,在所述云端服务器计算并得到所述雨刮器的当前剩余寿命之后,所述云端服务器还根据所述雨刮器的当前剩余寿命查询预设的雨刮器健康状态数据库,得到与所述当前剩余寿命对应的健康等级,并在所述健康等级满足预设的等级要求时,生成雨刮器更换提醒消息发送给车载控制器和/或用户移动终端;
则,所述车载控制器还在车辆上线时接收所述云端服务器发送的雨刮器更换提醒消息。
可以理解的是,雨刮器的剩余寿命可以用于估计雨刮器的健康状态程度。在前期阶段,可以预先建立雨刮器的当前剩余寿命与雨刮器的健康等级的对应关系,如剩余寿命为30000~40000小时时,雨刮器的健康等级为健康,而剩余寿命为20000~30000小时时,雨刮器的健康等级为良好。具体情况可以根据实际需要进行设置。示例性的,本发明实施例将雨刮器的健康状态程度分为健康、良好、一般、建议更换,务必更换5个等级。当等级为建议更换和务必更换时,生成雨刮器更换提醒消息发送给车端和/或用户。在一种情况中,当车机端为非开机状态时,则通过用户手机APP或短信通知用户。
需要说明的是,目前汽车行业中,仅有车企官方提供的雨刮器建议更换时间,根据用户上次更换的时间,固定推荐下次更换时间,并无系统性的建议策略。然而,车企提供的官方建议更换时间,无法根据用户实际的使用场景来做预测,若用户高频次使用雨刮器、车辆停滞在高温或低温环境,均会导致雨刮器寿命加速衰减。因此,官方提供的建议更换时间,不能够为用户提供更加准确的建议跟换时机。而应用本发明实施例提供的雨刮器的剩余寿命的预测方法,其能实现雨刮器的动态寿命预测,相对于固定的雨刮器更换周期,更加灵活且更具合理性,可以防止雨刮器因使用频率、外部因素等原因导致雨刮器提前损坏,车主忽略更换而影响驾驶。同时可以针对低频使用、环境适宜等因素延长雨刮器使用,减少车主更换雨刮器频率,节约成本。
进一步的,考虑到用户未更换过雨刮器,本发明实施例还支持雨刮器更换详细教程的提供功能,通过文字、图片、视频方式,指导用户完成雨刮器更换,避免用户第一次更换雨刮器,导致车辆损伤。
相应地,参见图2,本发明实施例还提供一种雨刮器的剩余寿命预测装置,所述装置可以部署在车载控制器上,包括:
清洁数据获取模块,用于获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;
特征数据发送模块,用于将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器,以使得所述云端服务器在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
剩余寿命获取模块,用于接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果。
需要说明的是,本发明实施例提供的雨刮器的剩余寿命预测装置用于执行上述实施例提供的雨刮器的剩余寿命预测方法的全部步骤和流程,两者的工作原理和作用效果一一对应,这里不再作过多的赘述。
相应地,本发明实施例还提供一种雨刮器寿命预测系统,包括车载控制器和云端服务器;其中,
所述车载控制器,用于获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;还用于将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器;
所述云端服务器,用于在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
所述车载控制器,还用于接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果。
在一种可选的实施方式中,所述云端服务器还用于根据所述雨刮器的当前剩余寿命查询预设的雨刮器健康状态数据库,得到与所述当前剩余寿命对应的健康等级,并在所述健康等级满足预设的等级要求时,生成雨刮器更换提醒消息发送给车载控制器和/或用户移动终端;
则,所述车载控制器还在车辆上线时接收所述云端服务器发送的雨刮器更换提醒消息。
需要说明的是,本发明实施例提供的雨刮器的剩余寿命预测系统用于执行上述实施例提供的雨刮器的剩余寿命预测方法的全部步骤和流程,两者的工作原理和作用效果一一对应,这里不再作过多的赘述。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种雨刮器的剩余寿命预测方法,其特征在于,包括:
获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;
将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器,以使得所述云端服务器在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果;
所述雨刮器剩余寿命计算模型具体包括:计算所述本周期清洁图像序列与预设的参照清洁图像序列的相似度以得到图像相似度的操作;计算所述本周期清洁音频序列与预设的参照清洁音频序列的相似度以得到音频相似度的操作;根据所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度计算得到所述雨刮器的当前剩余寿命的操作,具体为:对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命;
所述对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命,具体为:
通过如下式子计算所述雨刮器的当前剩余寿命:
L=H*(1+μ1*E+μ2*W+μ3*X+μ4*V)
其中,L为雨刮器的当前剩余寿命,H为雨刮器在出厂时的正常使用寿命,μ1为与外部环境特征对应的第一参数,E为外部环境特征,μ2为与运行特征对应的第二参数,W为运行特征,μ3为与图像相似度对应的第三参数,X为图像相似度,μ4为与音频相似度对应的第四参数,V为音频相似度。
2.如权利要求1所述的雨刮器的剩余寿命预测方法,其特征在于,在所述云端服务器计算并得到所述雨刮器的当前剩余寿命之后,所述云端服务器还根据所述雨刮器的当前剩余寿命查询预设的雨刮器健康状态数据库,得到与所述当前剩余寿命对应的健康等级,并在所述健康等级满足预设的等级要求时,生成雨刮器更换提醒消息发送给车载控制器和/或用户移动终端;
则,所述车载控制器还在车辆上线时接收所述云端服务器发送的雨刮器更换提醒消息。
3.如权利要求1所述的雨刮器的剩余寿命预测方法,其特征在于,所述计算所述本周期清洁图像序列与预设的参照清洁图像序列的相似度以得到图像相似度的操作,具体包括:
将所述本周期清洁图像序列和所述参照清洁图像序列输入到预先训练的机器学习模型中,得到图像相似度。
4.如权利要求1所述的雨刮器的剩余寿命预测方法,其特征在于,所述计算所述本周期清洁音频序列与预设的参照清洁音频序列的相似度以得到音频相似度的操作,具体包括:
将所述本周期清洁音频序列和预设的参照音频图像序列输入到预先训练的机器学习模型中,得到音频相似度。
5.一种雨刮器寿命预测装置,其设置在车载控制器上,其特征在于,包括:
清洁数据获取模块,用于获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;
特征数据发送模块,用于将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器,以使得所述云端服务器在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
剩余寿命获取模块,用于接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果;
所述雨刮器剩余寿命计算模型具体包括:计算所述本周期清洁图像序列与预设的参照清洁图像序列的相似度以得到图像相似度的操作;计算所述本周期清洁音频序列与预设的参照清洁音频序列的相似度以得到音频相似度的操作;根据所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度计算得到所述雨刮器的当前剩余寿命的操作,具体为:对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命;
所述对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命,具体为:
通过如下式子计算所述雨刮器的当前剩余寿命:
L=H*(1+μ1*E+μ2*W+μ3*X+μ4*V)
其中,L为雨刮器的当前剩余寿命,H为雨刮器在出厂时的正常使用寿命,μ1为与外部环境特征对应的第一参数,E为外部环境特征,μ2为与运行特征对应的第二参数,W为运行特征,μ3为与图像相似度对应的第三参数,X为图像相似度,μ4为与音频相似度对应的第四参数,V为音频相似度。
6.一种雨刮器寿命预测系统,其特征在于,包括车载控制器和云端服务器;其中,
所述车载控制器,用于获取雨刮器当前清洁周期对应的本周期清洁图像序列和本周期清洁音频序列;还用于将预先获取到的外部环境特征、雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列发送到云端服务器;
所述云端服务器,用于在接收到所述外部环境特征、所述雨刮器的运行特征、所述本周期清洁图像序列和所述本周期清洁音频序列时,调用预设的雨刮器剩余寿命计算模型计算并得到所述雨刮器的当前剩余寿命;
所述车载控制器,还用于接收所述云端服务器返回的所述雨刮器的当前剩余寿命结果;
所述雨刮器剩余寿命计算模型具体包括:计算所述本周期清洁图像序列与预设的参照清洁图像序列的相似度以得到图像相似度的操作;计算所述本周期清洁音频序列与预设的参照清洁音频序列的相似度以得到音频相似度的操作;根据所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度计算得到所述雨刮器的当前剩余寿命的操作,具体为:对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命;
所述对所述外部环境特征、所述雨刮器的运行特征、所述图像相似度和所述音频相似度进行加权计算,以得到所述雨刮器的当前剩余寿命,具体为:
通过如下式子计算所述雨刮器的当前剩余寿命:
L=H*(1+μ1*E+μ2*W+μ3*X+μ4*V)
其中,L为雨刮器的当前剩余寿命,H为雨刮器在出厂时的正常使用寿命,μ1为与外部环境特征对应的第一参数,E为外部环境特征,μ2为与运行特征对应的第二参数,W为运行特征,μ3为与图像相似度对应的第三参数,X为图像相似度,μ4为与音频相似度对应的第四参数,V为音频相似度。
7.如权利要求6所述的雨刮器寿命预测系统,其特征在于,所述云端服务器还用于根据所述雨刮器的当前剩余寿命查询预设的雨刮器健康状态数据库,得到与所述当前剩余寿命对应的健康等级,并在所述健康等级满足预设的等级要求时,生成雨刮器更换提醒消息发送给车载控制器和/或用户移动终端;
则,所述车载控制器还在车辆上线时接收所述云端服务器发送的雨刮器更换提醒消息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111631538.9A CN114347952B (zh) | 2021-12-28 | 2021-12-28 | 一种雨刮器的剩余寿命预测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111631538.9A CN114347952B (zh) | 2021-12-28 | 2021-12-28 | 一种雨刮器的剩余寿命预测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114347952A CN114347952A (zh) | 2022-04-15 |
CN114347952B true CN114347952B (zh) | 2024-02-20 |
Family
ID=81104292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111631538.9A Active CN114347952B (zh) | 2021-12-28 | 2021-12-28 | 一种雨刮器的剩余寿命预测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114347952B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106926799A (zh) * | 2017-03-24 | 2017-07-07 | 广东小天才科技有限公司 | 汽车安全提醒方法及装置 |
CN110901590A (zh) * | 2018-09-14 | 2020-03-24 | 罗伯特·博世有限公司 | 雨刮器系统、控制方法及车辆 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160207500A1 (en) * | 2015-01-19 | 2016-07-21 | GM Global Technology Operations LLC | Methods and systems for monitoring wiper blades |
US10068388B2 (en) * | 2016-11-10 | 2018-09-04 | Ford Global Technologies Llc | Automated system for suggesting wiper replacement |
US10308225B2 (en) * | 2017-08-22 | 2019-06-04 | Ford Global Technologies, Llc | Accelerometer-based vehicle wiper blade monitoring |
US20200198587A1 (en) * | 2018-12-19 | 2020-06-25 | GM Global Technology Operations LLC | Vehicle wiper control system for target area cleaning |
-
2021
- 2021-12-28 CN CN202111631538.9A patent/CN114347952B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106926799A (zh) * | 2017-03-24 | 2017-07-07 | 广东小天才科技有限公司 | 汽车安全提醒方法及装置 |
CN110901590A (zh) * | 2018-09-14 | 2020-03-24 | 罗伯特·博世有限公司 | 雨刮器系统、控制方法及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN114347952A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6678591B2 (en) | Server for remote vehicle troubleshooting and the like | |
US7945359B2 (en) | Telematics based vehicle maintenance client notification | |
US8676432B2 (en) | Fault prediction framework using temporal data mining | |
JP5746420B2 (ja) | 協働的なマルチエージェント式の車両障害診断システム及び関連する方法 | |
US20020103583A1 (en) | System and method for remote vehicle troubleshooting | |
US10542211B2 (en) | Camera subsystem evaluation using sensor report integration | |
WO2019136491A3 (en) | Map and environment based activation of neural networks for highly automated driving | |
US20110046842A1 (en) | Satellite enabled vehicle prognostic and diagnostic system | |
CN206900303U (zh) | 一种汽车雨刷更换提醒系统以及车辆 | |
CN1967188A (zh) | 车辆诊断测试与报告方法 | |
EP3610277B1 (de) | System und verfahren zum bestimmen eines zustands einer fahrzeugbatterie | |
CA2619083A1 (en) | Smart inspections | |
CN1801715A (zh) | 用于更新车辆诊断软件的方法 | |
CN110928271A (zh) | 汽车自助诊断方法及系统 | |
US20210070304A1 (en) | Predictive car wash services for a vehicle based on anticipated routes of travel | |
CN111833137A (zh) | 订单处理方法、订单处理装置、计算机设备和存储介质 | |
CN114347952B (zh) | 一种雨刮器的剩余寿命预测方法、装置及系统 | |
FR3056002A1 (fr) | Procede d’analyse de donnees de composants de vehicules | |
US12014334B2 (en) | System for improved vehicular maintenance scheduling | |
CN115510501B (zh) | 一种汽车数据防篡改方法和系统 | |
WO2020144281A1 (fr) | Procede de maintenance automatique d'un vehicule autonome | |
CN116340332A (zh) | 更新车载智能系统的场景库的方法、装置和车辆 | |
US20220276790A1 (en) | Predicting lifespan of flash memory based on actual usage profile | |
CN113961806A (zh) | 驾驶反馈推荐的处理方法、装置、电子设备与存储介质 | |
CN115619370A (zh) | 一种车辆故障诊断方法及装置 |
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 |