CN114526930A - 一种智能网联汽车故障检测方法及系统 - Google Patents

一种智能网联汽车故障检测方法及系统 Download PDF

Info

Publication number
CN114526930A
CN114526930A CN202210224830.7A CN202210224830A CN114526930A CN 114526930 A CN114526930 A CN 114526930A CN 202210224830 A CN202210224830 A CN 202210224830A CN 114526930 A CN114526930 A CN 114526930A
Authority
CN
China
Prior art keywords
vehicles
sequence
vehicle
similarity
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
CN202210224830.7A
Other languages
English (en)
Other versions
CN114526930B (zh
Inventor
朱永宽
王贤高
尹冠飞
王悬悬
陈海燕
靳兵
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.)
Henan Polytechnic Institute
Original Assignee
Henan Polytechnic Institute
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 Henan Polytechnic Institute filed Critical Henan Polytechnic Institute
Priority to CN202210224830.7A priority Critical patent/CN114526930B/zh
Publication of CN114526930A publication Critical patent/CN114526930A/zh
Application granted granted Critical
Publication of CN114526930B publication Critical patent/CN114526930B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
    • Y02T10/84—Data processing systems or methods, management, administration

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明涉及汽车故障检测技术领域，具体涉及一种智能网联汽车故障检测方法及系统。该方法包括：获得车辆行驶过程中的瞬时耗油序列、油耗量序列、瞬时速度序列和第一序列；获得各车辆之间的驾驶习惯相似指标，根据各车辆之间的驾驶习惯相似指标对车辆进行分组，同组内车辆驾驶员的驾驶习惯相似：根据同组内车辆与其他车辆的第一相似度均值和同组内车辆的第二相似度均值获得车辆的故障预警判断指数；利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆。利用驾驶习惯对车辆进行分组，然后再对车辆进行故障检测，消除了驾驶员驾驶习惯对检测过程的干扰，使检测的结果更加准确，且能够实时的对车辆进行故障检测，避免事故的发生。

Description

一种智能网联汽车故障检测方法及系统
技术领域
本发明涉及汽车故障检测技术领域，具体涉及一种智能网联汽车故障检测方法及系统。
背景技术
目前汽车的主要动力提供来源有燃油、电能和燃气等，而汽车的发动机为内燃机，有良好的经济性和动力性，所以大部分车型还是依靠燃油来提供动力，为了节能和环保，燃油消耗的越少越好，油耗越少意味着燃油经济性越高。在车辆的车况正常的情况下，同一车型在同样的行驶工况下行驶相同的距离时油耗数值是非常相似的，若在行车过程中汽车的油耗量高于同一车型的其他汽车，意味着汽车的耗油量异常，汽车的动力系统的某一环节发生了故障，此时不仅会降低燃油的经济性，还会影响驾驶体验，更甚至会发生严重的事故。
现有对汽车的故障检测方法中，有利用汽车比功率对汽车的故障进行检测，同时能够预测汽车的耗油量，但在利用汽车比功率进行故障检测时，并没有考虑汽车驾驶员的驾驶习惯对行车过程的影响，会导致检测的结果精度不够，且大部分对汽车故障的检测是在汽车停止行驶后，不能够实时获得汽车的状态，及时发现汽车是否发生故障。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种智能网联故障检测方法及系统，所采用的技术方案具体如下：
第一方面，本发明一个实施例提供了一种智能网联汽车故障检测方法：获得同一车型的车辆行驶过程的瞬时耗油序列、油耗量序列和瞬时速度序列；根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列；
根据瞬时速度序列和第一序列中元素的变化趋势分别获得瞬时速度序列和第一序列的稳定性指标；瞬时速度序列和第一序列的稳定性指标的乘积为车辆的行车油耗影响指数；利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标；根据驾驶习惯相似指标对车辆进行分组，同组内车辆驾驶员的驾驶习惯相似：
获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值；获得同组内车辆的油耗量序列与其他车辆的油耗量序列的相似度的均值，记为第二相似度均值；同一车辆的第一相似度均值和第二相似度均值的乘积为车辆的故障预警判断指数；利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆。
优选地，获取车辆行驶过程中的油耗量序列的步骤包括：设定预设时长，获得预设时长内车辆行驶所耗的油量；各预设时长对应的耗油量组成车辆行驶过程中的油耗量序列。
优选地，根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列的步骤包括：设定预设采样频率，当驾驶员踩下油门踏板时，将此时油门踏板的深度记录为正值；当驾驶员踩下刹车踏板时，将此时刹车踏板的深度记录为负值；当车辆处于滑车状时，油门踏板和刹车踏板都未被踩下，此时采样记录为第一预设值；根据记录的油门踏板的深度、刹车踏板的深度和第一预设值获得第一序列。
优选地，瞬时速度序列的稳定性指标为：
Figure BDA0003538769520000021
其中，QV表示瞬时速度序列的稳定性指标；T表示瞬时速度序列中元素的数量；Vt表示瞬时速度序列中第t个时刻对应的瞬时速度；Vt-1表示瞬时速度序列中第t-1个时刻对应的瞬时速度；Vg表示瞬时速度序列中第1个时刻对应的瞬时速度和第t个时刻对应的瞬时速度之间的第g个瞬时速度；Vh表示第1个时刻对应的瞬时速度和第t-1个时刻对应的瞬时速度之间的第h个瞬时速度；e为自然常数。
优选地，所述利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标的步骤包括：利用DTW算法获得各车辆之间的瞬时速度序列的差异程度；各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值与车辆之间的驾驶习惯相似指标为反比关系。
优选地，所述根据驾驶习惯相似指标对车辆进行分组的步骤包括：利用聚类算法对不同车辆进行分组，设定分组的个数；同时将各车辆之间的驾驶习惯相似指标作为车辆样本之间的样本距离进行分组。
优选地，所述获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值的步骤包括：利用同组内一个车辆的瞬时油耗序列与其他任一车辆的瞬时油耗序列的皮尔逊相关性系数、瞬时油耗序列的均值的差值获得两辆车的相似度；计算该车辆与其他车辆的相似度的均值，为第一相似度均值；所述瞬时油耗序列的皮尔逊相关性系数与两辆车的相似度为正相关关系，瞬时油耗序列的均值的差值与两辆车得到相似度为负相关关系。
优选地，所述利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆的步骤包括：选择同一组车辆中的任一车辆，获得此车辆的故障预警判断指数与其他车辆的故障预警判断指数的差值的绝对值，并求得所有差值的绝对值的均值；设定判断阈值，若所有差值的绝对值的均值大于判断阈值则被选择的车辆存在故障。
第二方面，本发明另一个实施例提供了一种智能网联汽车故障检测系统。系统包括：数据采集模块，用于获得同一车型的车辆行驶过程的瞬时耗油序列、油耗量序列和瞬时速度序列；根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列；
车辆分组模块，用于根据瞬时速度序列和第一序列中元素的变化趋势分别获得瞬时速度序列和第一序列的稳定性指标；瞬时速度序列和第一序列的稳定性指标的乘积为车辆的行车油耗影响指数；利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标；根据驾驶习惯相似指标对车辆进行分组，同组内车辆驾驶员的驾驶习惯相似；
故障检测模块，用于获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值；获得同组内车辆的油耗量序列与其他车辆的油耗量序列的相似度的均值，记为第二相似度均值；同一车辆的第一相似度均值和第二相似度均值的乘积为车辆的故障预警判断指数；利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆。
优选地，故障检测模块还用于利用同组内一个车辆的瞬时油耗序列与其他任一车辆的瞬时油耗序列的皮尔逊相关性系数、瞬时油耗序列的均值的差值获得两辆车的相似度；计算该车辆与其他车辆的相似度的均值，为第一相似度均值；所述瞬时油耗序列的皮尔逊相关性系数与两辆车的相似度为正相关关系，瞬时油耗序列的均值的差值与两辆车得到相似度为负相关关系。
本发明实施例至少具有如下有益效果：本发明通过对行驶过程中车辆的瞬时油耗的变化，、油耗量、瞬时速度和驾驶员的驾驶习惯进行分析检测车辆是否发生故障；根据驾驶习惯对车辆进行分组，然后再对车辆是否发生故障进行检测，排除了驾驶员驾驶习惯对检测过程的干扰，使检测的结果更加准确，同时通过车载电脑将检测结果实时发送给各车辆的驾驶员，能够使驾驶员及时做出判断，对车辆进行检修避免事故的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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它附图。
图1为一种智能网联汽车故障检测方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种智能网联汽车故障检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种智能网联汽车故障检测方法的具体方案。
实施例1
本发明的主要应用场景为：车辆在行驶过程中，通过车联网终端对车辆行驶过程中的瞬时速度、瞬时耗油、预设时长内耗油量以及驾驶员的驾驶习惯对车辆的状态进行分析，检测车辆是否存在故障或者异常以便及时反馈给驾驶员。
请参阅图1，其示出了本发明一个实施例提供的一种智能网联汽车故障检测方法流程图，该方法包括以下步骤：
步骤一：获得同一车型的车辆行驶过程的瞬时耗油序列、油耗量序列和瞬时速度序列；根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列。
首先，本实施例以货运车队中的车辆为研究对象，采集记录车队中每个车辆的油耗情况、以及车速的变化情况：
a.本实例中选取经常在高速公路或国道中运输货物的货车车队，原因是经常运输的货车油耗量相对轿车高出很多，燃油成本在货运中占取很大的比例，因此更需要对油耗量异常进行检测，提高燃油经济性。并且同一车队车型相同，载重量相同，行驶的路程及遇到的路况相同，排除了外界因素的干扰，提高了检测的准确性。
b.采集记录行驶过程中的油耗情况，记录车辆行驶的耗油的变化，在车辆行驶过程中，每0.1秒采集记录一次油表的读数，得到车辆行驶时油表连续变化的读数，组成车辆的瞬时油耗序列S；设定预设时长，采集车辆行驶过程中的预设时长内油耗量，优选地，本实施例中预设时长为5min，每5min得到一个车辆所耗费的燃油量的数据，为车辆行驶5min的油耗量，组成车辆行驶过程中油耗量序列。
c.车辆行驶时的车速也会对燃油的消耗量产生很大的影响，不同的车速状态下的油耗有明显的差距。记录汽车工作时的瞬时车速，每0.1秒采集记录得到一个当前车速，获得车辆行驶过程中的瞬时速度序列V。
进一步的，需要采集车辆行驶过程中驾驶员的油门踏板和设刹车踏板的踩踏深度，综合评价驾驶员的驾驶习惯以及各驾驶员驾驶车辆时的油耗。
a.车辆行驶过程中燃油的消耗情况跟驾驶员的驾驶习惯也有关联，驾驶员频繁的加减油门或者踩踏刹车对燃油的消耗量会增加，只有保持在一定的速度范围内才能够维持一个平稳的油耗，因此需要采集驾驶员的踩踏油门踏板和踩踏刹车踏板的情况对车辆行驶过程中的油耗进行分析。
b.在油门踏板和刹车踏板下方各装一个距离传感器，能够在不影响驾驶的情况下测量驾驶员的踩踏深度。正常操作情况下，驾驶员不会同时踩踏油门和刹车踏板，在检测到踩下油门踏板时，就不会踩踏刹车踏板，又因油门踏板为加速，刹车踏板为减速，可以将两踏板的深度变化情况整合到同一个序列中，将踩踏油门踏板的深度记为正值，踩踏刹车踏板的深度记为负值，当两踏板都在原始位置时，记录为第一预设值，优选地，本实施例中第一预设值为0，此时车辆的状态可能是处在滑车状态，每0.1秒得到采集记录一次踏板深度，汽车工作过程中，得到一段连续的油门、刹车踏板的深度变化序列D，记为第一序列D，踩下油门踏板时数据记录为正，踩下刹车踏板时数据记录为负。
步骤二：根据瞬时速度序列和第一序列中元素的变化趋势分别获得瞬时速度序列和第一序列的稳定性指标；瞬时速度序列和第一序列的稳定性指标的乘积为车辆的行车油耗影响指数；利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标；根据驾驶习惯相似指标对车辆进行分组，同组内车辆驾驶员的驾驶习惯相似。
首先，车辆的油耗情况不仅和动力系统有关，同样和驾驶员的驾驶习惯有关，下面针对在同一车队中的各个驾驶员的驾驶习惯评判油耗指数U，在理论情况下，驾驶员驾驶车辆过程中，速度越稳定在一定范围内，踏板深度保持在一定深度内且不频繁踩踏，此时消耗的燃油量越少，反之越大，获得瞬时速度序列中元素的变化趋势获得瞬时速度序列的稳定性指标：
Figure BDA0003538769520000051
其中，QV表示瞬时速度序列的稳定性指标；T表示瞬时速度序列中元素的数量；Vt表示瞬时速度序列中第t个时刻对应的瞬时速度；Vt-1表示瞬时速度序列中第t-1个时刻对应的瞬时速度；Vg表示瞬时速度序列中第1个时刻对应的瞬时速度和第t个时刻对应的瞬时速度之间的第g个瞬时速度，Vh表示第1个时刻对应的瞬时速度和第t-1个时刻对应的瞬时速度之间的第h个瞬时速度，如t为5，此时Vg表示瞬时速度序列中前5个瞬时速度中的第g个瞬时速度，Vh表示瞬时速度序列中前4个瞬时速度中的第h个瞬时速度；e为自然常数。
Figure BDA0003538769520000061
其中，QD表示第一序列的稳定性指标；T表示第一序列中元素的数量；Dt表示第一序列中第t个时刻对应的油门或刹车踏板的深度；Dt-1表示第一序列中第t-1个时刻对应的油门或刹车踏板的深度；Dg表示第一序列中第1个时刻对应的油门或刹车踏板的深度和第t个时刻对应的油门或刹车踏板的深度之间的第g个对应的油门或刹车踏板的深度，Dh表示第1个时刻对应的油门或刹车踏板的深度和第t-1个时刻对应的油门或刹车踏板的深度之间的第h 个油门或刹车踏板的深度；e为自然常数。
上述两个公式分别计算出了瞬时速度序列和第一序列的稳定性指标QV和QD，其中稳定性指标QV和QD的取值范围都为[0，1]，当车辆在行驶过程中，车辆行驶的越平稳，各项指标变化越小，QV和QD的值越接近1，反之越接近0。
接着，利用车辆瞬时速度序列和第一序列的稳定性指标获得车辆的行车油耗影响指数：
U＝QD*QV
其中，U表示车队中车辆的行车油耗影响指数，其取值范围为[0，1]，当其值越接近于1 时表示车辆行驶的越平稳，其耗油量也越少，反之接近于0时，车辆行驶的不平稳，该行车油耗影响指数一定程度上还能反映车辆行驶的路况。
进一步的，需要根据车辆驾驶员的驾驶习惯对车辆进行分组，同组内车辆驾驶员的驾驶习惯行驶相似，不同驾驶员驾驶的车辆的行车油耗影响指数和速度不同，所产生的油耗也不相同，因此需要将同一车队中相似驾驶习惯的驾驶员所驾驶的汽车归为一组，排除车辆驾驶员的驾驶习惯对车辆油耗的影响，然后对比发现油耗异常的车辆。
获得各车辆之间的驾驶习惯相似指标：
Figure BDA0003538769520000062
其中，R(A,B)表示车队中A车和B车的驾驶习惯相似指标；DTW(VA,VB)表示利用DTW算法获得A车的瞬时速度序列VA和B车的瞬时速度序列VB的差异程度；UA表示A车的行车油耗影响指数，UB表示B车的行车油耗影响指数；e为自然常数。其中R(A,B)的值域为[0，1]，当R(A,B)的值接近于1时，此时车辆的驾驶员的驾驶习惯相似，分为一组。
本实施例利用K-means聚类算法对车队中的车辆进行分组，优选地，本实施将车队的车辆分为三组，分别为：经济型驾驶习惯组、正常性驾驶习惯组和激烈型驾驶习惯组，即K＝3，其中各车辆间的驾驶习惯相似指标R作为利用K-means聚类算法分组时的车辆样本距离。将驾驶习惯相似的车辆分为了同一组，在组内的分析车辆的油耗情况。
步骤三：获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值；获得同组内车辆的油耗量序列与其他车辆的油耗量序列的相似度的均值，记为第二相似度均值；同一车辆的第一相似度均值和第二相似度均值的乘积为车辆的故障预警判断指数；利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆。
将车辆依据驾驶习惯进行分组后，在组内对车辆的油耗情况进行分析获得耗油异常的车辆。获得同组内车辆的瞬时耗油序列与他任一车辆的瞬时耗油序列的相似度：
Figure BDA0003538769520000071
其中，G(Si,Sj)表示同组内第i个车辆的瞬时耗油序列Si和第j个车辆的瞬时耗油序列Sj的相似度；
Figure BDA0003538769520000072
表示同组内第i个车辆的瞬时耗油序列Si和第j个车辆的瞬时耗油序列Sj的皮尔逊相关性系数，COV(Si,Sj)表示瞬时耗油序列Si和瞬时耗油序列Sj的协方差，
Figure BDA0003538769520000073
表示瞬时耗油序列Si的标准差，
Figure BDA0003538769520000074
表示瞬时耗油序列Sj的协方差；abs{mean(Si)-mean(Sj)}表示同组内第i个车辆的瞬时耗油序列Si元素的均值和第j个车辆的瞬时耗油序列Sj元素的均值的差值的绝对值，e为自然常数。G(Si,Sj)的值域为[0，1]，获得第i辆车与其他车辆的瞬时耗油序列的相似度序列Gi，序列中的元素为第i辆车与同组内其他每个车辆的瞬时耗油序列的相似度。
以获得同组内车辆的瞬时耗油序列与他任一车辆的瞬时耗油序列的相似度的方法得到同组内车辆的油耗量序列与其他任一车辆的油耗量的相似度K(Li,Lj)：
Figure BDA0003538769520000075
获得第i辆车与其他车辆的油耗量序列的相似度序列Ki，序列中的元素为第i辆车与同组内其他每个车辆的油耗量序列的相似度；Li表示第i个车辆的油耗量序列，Lj表示第j个车辆的油耗量系列。
获得第i辆车的瞬时耗油序列的相似度序列Gi的均值mean(Gi)，记为第一相似度均值；获得第i辆车的油耗量序列的相似度序列Ki的均值mean(Ki)，记为第二相似度均值；根据mean(Gi)和mean(Ki)获得第i辆车的故障预警判断指数：
Wi＝mean(Gi)*mean(Ki)
其中，Wi表示同组内第i辆车的故障预警判断指数，获取同组内各辆车的故障预警判断指数，若组内车辆都无故障则所有车辆的故障预警判断指数都极为相似，若有车辆存在故障则该车辆的预警判断指数与组内无故障的车辆的预警判断指数不同。
以第i辆车为例，获得第i辆车的故障预警判断指数与组内其他车辆的故障预警指数的差值的绝对值的均值βi：
Figure BDA0003538769520000081
其中，n为分组内除了第i辆车之外其他车辆的数量，Wj表示除了第i辆车之外其他车辆中的第j个车辆的故障预警判断指数。设定判断阈值，优选地，本实施判断阈值为0.15，若βi大于0.15，则该分组内的第i辆车油耗异常，第i辆车可能发生故障，此时通过车联网向第i 辆车的车载电脑发出报警信息，提醒驾驶员对车辆进行检修，在其他实施例可根据实际需求设定判断阈值的大小。
同时对于各分组的车辆利用同样的方法，根据各组内车辆的故障预警判断指数对各组内的车辆的状态进行判断，检测车辆是否存在故障。
实施例2
本实施例提供了一种系统实施例。一种智能网联汽车故障检测系统，该系统包括：数据采集模块，用于获得同一车型的车辆行驶过程的瞬时耗油序列、油耗量序列和瞬时速度序列；根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列；
车辆分组模块，用于根据瞬时速度序列和第一序列中元素的变化趋势分别获得瞬时速度序列和第一序列的稳定性指标；瞬时速度序列和第一序列的稳定性指标的乘积为车辆的行车油耗影响指数；利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标；根据驾驶习惯相似指标对车辆进行分组，同组内车辆驾驶员的驾驶习惯相似；
故障检测模块，用于获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值；获得同组内车辆的油耗量序列与其他车辆的油耗量序列的相似度的均值，记为第二相似度均值；同一车辆的第一相似度均值和第二相似度均值的乘积为车辆的故障预警判断指数；利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆。
优选地，故障检测模块还用于利用同组内一个车辆的瞬时油耗序列与其他任一车辆的瞬时油耗序列的皮尔逊相关性系数、瞬时油耗序列的均值的差值获得两辆车的相似度；计算该车辆与其他车辆的相似度的均值，为第一相似度均值；所述瞬时油耗序列的皮尔逊相关性系数与两辆车的相似度为正相关关系，瞬时油耗序列的均值的差值与两辆车得到相似度为负相关关系。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种智能网联汽车故障检测方法，其特征在于，该方法包括：获得同一车型的车辆行驶过程的瞬时耗油序列、油耗量序列和瞬时速度序列；根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列；
根据瞬时速度序列和第一序列中元素的变化趋势分别获得瞬时速度序列和第一序列的稳定性指标；瞬时速度序列和第一序列的稳定性指标的乘积为车辆的行车油耗影响指数；利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标；根据驾驶习惯相似指标对车辆进行分组，同组内车辆驾驶员的驾驶习惯相似：
获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值；获得同组内车辆的油耗量序列与其他车辆的油耗量序列的相似度的均值，记为第二相似度均值；同一车辆的第一相似度均值和第二相似度均值的乘积为车辆的故障预警判断指数；利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆。
2.根据权利要求1所述的一种智能网联汽车故障检测方法，其特征在于，所述获取车辆行驶过程中的油耗量序列的步骤包括：设定预设时长，获得预设时长内车辆行驶所耗的油量；各预设时长对应的耗油量组成车辆行驶过程中的油耗量序列。
3.根据权利要求1所述的一种智能网联汽车故障检测方法，其特征在于，所述根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列的步骤包括：设定预设采样频率，当驾驶员踩下油门踏板时，将此时油门踏板的深度记录为正值；当驾驶员踩下刹车踏板时，将此时刹车踏板的深度记录为负值；当车辆处于滑车状时，油门踏板和刹车踏板都未被踩下，此时采样记录为第一预设值；根据记录的油门踏板的深度、刹车踏板的深度和第一预设值获得第一序列。
4.根据权利要求1所述的一种智能网联汽车故障检测方法，其特征在于，所述瞬时速度序列的稳定性指标为：
Figure FDA0003538769510000011
其中，QV表示瞬时速度序列的稳定性指标；T表示瞬时速度序列中元素的数量；Vt表示瞬时速度序列中第t个时刻对应的瞬时速度；Vt-1表示瞬时速度序列中第t-1个时刻对应的瞬时速度；Vg表示瞬时速度序列中第1个时刻对应的瞬时速度和第t个时刻对应的瞬时速度之间的第g个瞬时速度；Vh表示第1个时刻对应的瞬时速度和第t-1个时刻对应的瞬时速度之间的第h个瞬时速度；e为自然常数。
5.根据权利要求1所述的一种智能网联汽车故障检测方法，其特征在于，所述利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标的步骤包括：利用DTW算法获得各车辆之间的瞬时速度序列的差异程度；各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值与车辆之间的驾驶习惯相似指标为反比关系。
6.根据权利要求1所述的一种智能网联汽车故障检测方法，其特征在于，所述根据驾驶习惯相似指标对车辆进行分组的步骤包括：利用聚类算法对不同车辆进行分组，设定分组的个数；同时将各车辆之间的驾驶习惯相似指标作为车辆样本之间的样本距离进行分组。
7.根据权利要求1所述的一种智能网联汽车故障检测方法，其特征在于，所述获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值的步骤包括：利用同组内一个车辆的瞬时油耗序列与其他任一车辆的瞬时油耗序列的皮尔逊相关性系数、瞬时油耗序列的均值的差值获得两辆车的相似度；计算该车辆与其他车辆的相似度的均值，为第一相似度均值；所述瞬时油耗序列的皮尔逊相关性系数与两辆车的相似度为正相关关系，瞬时油耗序列的均值的差值与两辆车得到相似度为负相关关系。
8.根据权利要求1所述的一种智能网联汽车故障检测方法，其特征在于，所述利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆的步骤包括：选择同一组车辆中的任一车辆，获得此车辆的故障预警判断指数与其他车辆的故障预警判断指数的差值的绝对值，并求得所有差值的绝对值的均值；设定判断阈值，若所有差值的绝对值的均值大于判断阈值则被选择的车辆存在故障。
9.一种智能网联汽车故障检测系统，其特征在于，该系统包括：数据采集模块，用于获得同一车型的车辆行驶过程的瞬时耗油序列、油耗量序列和瞬时速度序列；根据行驶过程中车辆的油门踏板和刹车踏板的踩踏深度获得油门和刹车踏板的深度变化序列，记为第一序列；
车辆分组模块，用于根据瞬时速度序列和第一序列中元素的变化趋势分别获得瞬时速度序列和第一序列的稳定性指标；瞬时速度序列和第一序列的稳定性指标的乘积为车辆的行车油耗影响指数；利用各车辆之间的瞬时速度序列的差异程度和行车油耗影响指数的差值获得各车辆之间的驾驶习惯相似指标；根据驾驶习惯相似指标对车辆进行分组，同组内车辆驾驶员的驾驶习惯相似；
故障检测模块，用于获得同组内车辆的瞬时耗油序列与其他车辆的瞬时耗油序列的相似度的均值，记为第一相似度均值；获得同组内车辆的油耗量序列与其他车辆的油耗量序列的相似度的均值，记为第二相似度均值；同一车辆的第一相似度均值和第二相似度均值的乘积为车辆的故障预警判断指数；利用同组内车辆的故障预警判断指数判断同一组车辆中发生故障的车辆。
10.根据权利要求9所述的一种智能网联汽车故障检测系统，其特征在于，所述故障检测模块还用于利用同组内一个车辆的瞬时油耗序列与其他任一车辆的瞬时油耗序列的皮尔逊相关性系数、瞬时油耗序列的均值的差值获得两辆车的相似度；计算该车辆与其他车辆的相似度的均值，为第一相似度均值；所述瞬时油耗序列的皮尔逊相关性系数与两辆车的相似度为正相关关系，瞬时油耗序列的均值的差值与两辆车得到相似度为负相关关系。
CN202210224830.7A 2022-03-09 2022-03-09 一种智能网联汽车故障检测方法及系统 Active CN114526930B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210224830.7A CN114526930B (zh) 2022-03-09 2022-03-09 一种智能网联汽车故障检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210224830.7A CN114526930B (zh) 2022-03-09 2022-03-09 一种智能网联汽车故障检测方法及系统

Publications (2)

Publication Number Publication Date
CN114526930A true CN114526930A (zh) 2022-05-24
CN114526930B CN114526930B (zh) 2024-03-26

Family

ID=81625859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210224830.7A Active CN114526930B (zh) 2022-03-09 2022-03-09 一种智能网联汽车故障检测方法及系统

Country Status (1)

Country Link
CN (1) CN114526930B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115123284A (zh) * 2022-08-30 2022-09-30 爱普车辆股份有限公司 基于交通物联网的车辆制动距离动态预警系统
CN116749812A (zh) * 2023-08-14 2023-09-15 南通百仕灵新能源科技有限公司 一种新能源充电设备的自适应充电方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006243856A (ja) * 2005-03-01 2006-09-14 Hitachi Ltd 運転診断方法およびその装置
KR100762096B1 (ko) * 2006-09-28 2007-10-02 네스테크 주식회사 차량의 연비측정 및 고장진단 장치 및 그 방법
JP2009168655A (ja) * 2008-01-17 2009-07-30 Nissan Motor Co Ltd 車両用燃費表示装置
CN102348968A (zh) * 2009-03-19 2012-02-08 本田技研工业株式会社 用于诊断驾驶操作的方法及装置
US20120277949A1 (en) * 2011-04-29 2012-11-01 Toyota Motor Engin. & Manufact. N.A.(TEMA) Collaborative multi-agent vehicle fault diagnostic system & associated methodology
US20150317844A1 (en) * 2014-05-02 2015-11-05 Kookmin University Industry-Academic Cooperation Foundation Method of processing and analysing vehicle driving big data and system thereof
KR101683242B1 (ko) * 2015-10-15 2016-12-07 주식회사 카이즈 차량 상태 진단 및 운전자 정보 제공 시스템
CN106441928A (zh) * 2016-08-30 2017-02-22 东软集团股份有限公司 一种车辆故障检测方法、装置及系统
CN107316355A (zh) * 2017-07-26 2017-11-03 深圳智慧车联科技有限公司 对导致车辆运行油耗异常的驾驶技能远程监测系统和方法
CN107972671A (zh) * 2017-07-19 2018-05-01 宁波诺丁汉大学 一种驾驶行为分析系统
CN108469802A (zh) * 2018-01-31 2018-08-31 武汉华威专用汽车检测有限责任公司 一种车辆信息远程监控与故障诊断系统
CN109000936A (zh) * 2018-07-18 2018-12-14 辽宁工业大学 一种车辆燃油故障检测方法
CN110398684A (zh) * 2019-07-10 2019-11-01 北京汽车股份有限公司 汽车离合开关的故障诊断方法、系统及汽车
US20200076676A1 (en) * 2018-08-30 2020-03-05 Baidu Online Network Technology (Beijing) Co., Ltd. Vehicle Fault Handling Method, Apparatus, Device and Storage Medium
CN111028384A (zh) * 2019-12-12 2020-04-17 苏州智加科技有限公司 自动驾驶车辆的故障智能分类方法和系统
CN111137176A (zh) * 2020-01-19 2020-05-12 武汉海亿新能源科技有限公司 一种燃料电池动力系统平台模拟整车能量控制策略的方法
CN111414477A (zh) * 2020-03-11 2020-07-14 科大讯飞股份有限公司 车辆故障自动诊断方法、装置以及设备
CN112319487A (zh) * 2020-11-13 2021-02-05 江苏紫琅汽车集团股份有限公司 一种基于驾驶员行车习惯的电子油门控制模式调整方法
CN113263993A (zh) * 2021-05-17 2021-08-17 深圳市元征科技股份有限公司 故障预警方法、装置、通信设备及存储介质
WO2021212274A1 (zh) * 2020-04-20 2021-10-28 南京天擎汽车电子有限公司 疲劳驾驶状态检测方法、装置、计算机设备和存储介质
CN113672743A (zh) * 2021-08-20 2021-11-19 北京宝兰德软件股份有限公司 故障判别方法、装置、电子设备、存储介质及产品

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006243856A (ja) * 2005-03-01 2006-09-14 Hitachi Ltd 運転診断方法およびその装置
KR100762096B1 (ko) * 2006-09-28 2007-10-02 네스테크 주식회사 차량의 연비측정 및 고장진단 장치 및 그 방법
JP2009168655A (ja) * 2008-01-17 2009-07-30 Nissan Motor Co Ltd 車両用燃費表示装置
CN102348968A (zh) * 2009-03-19 2012-02-08 本田技研工业株式会社 用于诊断驾驶操作的方法及装置
US20120277949A1 (en) * 2011-04-29 2012-11-01 Toyota Motor Engin. & Manufact. N.A.(TEMA) Collaborative multi-agent vehicle fault diagnostic system & associated methodology
US20150317844A1 (en) * 2014-05-02 2015-11-05 Kookmin University Industry-Academic Cooperation Foundation Method of processing and analysing vehicle driving big data and system thereof
KR101683242B1 (ko) * 2015-10-15 2016-12-07 주식회사 카이즈 차량 상태 진단 및 운전자 정보 제공 시스템
CN106441928A (zh) * 2016-08-30 2017-02-22 东软集团股份有限公司 一种车辆故障检测方法、装置及系统
CN107972671A (zh) * 2017-07-19 2018-05-01 宁波诺丁汉大学 一种驾驶行为分析系统
CN107316355A (zh) * 2017-07-26 2017-11-03 深圳智慧车联科技有限公司 对导致车辆运行油耗异常的驾驶技能远程监测系统和方法
CN108469802A (zh) * 2018-01-31 2018-08-31 武汉华威专用汽车检测有限责任公司 一种车辆信息远程监控与故障诊断系统
CN109000936A (zh) * 2018-07-18 2018-12-14 辽宁工业大学 一种车辆燃油故障检测方法
US20200076676A1 (en) * 2018-08-30 2020-03-05 Baidu Online Network Technology (Beijing) Co., Ltd. Vehicle Fault Handling Method, Apparatus, Device and Storage Medium
CN110398684A (zh) * 2019-07-10 2019-11-01 北京汽车股份有限公司 汽车离合开关的故障诊断方法、系统及汽车
CN111028384A (zh) * 2019-12-12 2020-04-17 苏州智加科技有限公司 自动驾驶车辆的故障智能分类方法和系统
CN111137176A (zh) * 2020-01-19 2020-05-12 武汉海亿新能源科技有限公司 一种燃料电池动力系统平台模拟整车能量控制策略的方法
CN111414477A (zh) * 2020-03-11 2020-07-14 科大讯飞股份有限公司 车辆故障自动诊断方法、装置以及设备
WO2021212274A1 (zh) * 2020-04-20 2021-10-28 南京天擎汽车电子有限公司 疲劳驾驶状态检测方法、装置、计算机设备和存储介质
CN112319487A (zh) * 2020-11-13 2021-02-05 江苏紫琅汽车集团股份有限公司 一种基于驾驶员行车习惯的电子油门控制模式调整方法
CN113263993A (zh) * 2021-05-17 2021-08-17 深圳市元征科技股份有限公司 故障预警方法、装置、通信设备及存储介质
CN113672743A (zh) * 2021-08-20 2021-11-19 北京宝兰德软件股份有限公司 故障判别方法、装置、电子设备、存储介质及产品

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YUE WANG: "Electric vehicle drivers’ charging behavior analysis considering heterogeneity and satisfaction", JOURNAL OF CLEANER PRODUCTION, 1 March 2021 (2021-03-01), pages 1 - 11 *
戴光群: "汽车加速耸动故障分析与排除", 农家参谋, 15 January 2020 (2020-01-15), pages 197 *
王宜海等: "基于驾驶行为的节能辅助系统研究", 汽车实用技术, no. 07, 15 April 2017 (2017-04-15), pages 9 - 12 *
阴丽华等: "探讨汽车维护中常见的故障和诊断排除", 汽车实用技术, no. 05, 26 May 2013 (2013-05-26), pages 83 - 85 *
马聪等: "基于OBDII&EOBD的机动车监测系统分析与设计", 计算机工程与应用, no. 01, 1 January 2016 (2016-01-01), pages 233 - 238 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115123284A (zh) * 2022-08-30 2022-09-30 爱普车辆股份有限公司 基于交通物联网的车辆制动距离动态预警系统
CN115123284B (zh) * 2022-08-30 2023-11-24 新疆能源重工科创有限责任公司 基于交通物联网的车辆制动距离动态预警系统
CN116749812A (zh) * 2023-08-14 2023-09-15 南通百仕灵新能源科技有限公司 一种新能源充电设备的自适应充电方法
CN116749812B (zh) * 2023-08-14 2023-10-20 南通百仕灵新能源科技有限公司 一种新能源充电设备的自适应充电方法

Also Published As

Publication number Publication date
CN114526930B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN114526930A (zh) 一种智能网联汽车故障检测方法及系统
JP5856387B2 (ja) 車両データの解析方法及び車両データの解析システム
CN111696387B (zh) 一种基于前向障碍物识别的自适应防撞分级预警方法
RU2616487C2 (ru) Оценка стиля вождения автомобилей, ориентированного на экономию топлива
CN112613406B (zh) 一种基于大数据的商用车多维度运行评估方法
CN106097709B (zh) 基于智能车载终端的驾驶行为识别方法
CN104272328A (zh) 用于确定机动车的预期消耗值的方法
CN108647836B (zh) 一种驾驶员节能评价方法和系统
CN111459995B (zh) 一种基于驾驶数据的多模态车速预测方法
CN106956680B (zh) 一种电动汽车驾驶行为识别分析方法
CN106980313B (zh) 一种汽车驾驶方式优化系统及优化方法
CN105975757A (zh) 一种基于车辆行驶数据的急减速行为识别方法
Colombo et al. Absolute driving style estimation for ground vehicles
CN111348029B (zh) 一种考虑工况的混合动力汽车标定参数最优值确定方法
CN115588310A (zh) 一种基于轨迹数据的车辆碰撞风险预测方法
CN114954494A (zh) 一种重型商用车辆载重快速估计方法
CN115221234A (zh) 一种基于动力总成数据对用户进行画像的方法及系统
CN116533903B (zh) 一种基于汽车传感器的低压预警系统及方法
CN114074660A (zh) 一种预见性巡航节油控制方法、装置及存储介质
CN111612372A (zh) 一种基于运营状况的商用车违约风险预警方法
CN115718886A (zh) 纯电动汽车行驶工况的构建方法及装置
CN115688003A (zh) 驾驶员识别方法、装置、计算机设备及可读存储介质
CN100350224C (zh) 交通工具状态分析系统及其分析方法
CN116881796B (zh) 基于卡尔曼滤波的燃油车续航里程预测方法
CN113283506A (zh) 一种基于道路工况的车载tbox载荷状态的识别方法

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