CN114801751B - 一种基于数据分析的汽车电池故障预测系统 - Google Patents

Abstract

本发明公开了一种基于数据分析的汽车电池故障预测系统，涉及汽车电池故障预测技术领域，解决了现有技术中，无法通过历史数据分析获取到汽车电池的影响参数导致汽车电池故障预测的准确性降低的技术问题，将汽车电池的历史运行进行数据分析，通过历史运行分析判断汽车电池参数带来的影响，从而提高了汽车电池故障预测的准确性，为汽车电池故障诊断也可以提供准确依据；通过分析获取到影响参数的合格预测范围，从而提高了汽车电池故障诊断的准确性，也能够提高汽车电池故障预测的准确性，对汽车电池运行质量进行实时监测，防止汽车电池在运行过程中出现故障；将汽车电池进行长期运行趋势预测，有利于对汽车电池的运行效率进行实时把控。

Description

一种基于数据分析的汽车电池故障预测系统

技术领域

本发明涉及汽车电池故障预测技术领域，具体为一种基于数据分析的汽车电池故障预测系统。

背景技术

随着电动汽车新能源产业的蓬勃发展，能源问题和环境问题得到很大的缓解，但由于技术储备问题，国内外出现诸多电动汽车自燃现象，产生的安全问题也引起人们的关注，这是阻碍电动汽车领域发展的重要因素之一，因此对电池的故障进行提前预测与诊断具有极其重要的现实意义。在如今这个时代，数据已经成为技术变革的突破点，谁能更好的挖掘出数据里隐藏的信息，就能在市场中取得先机。

但是在现有技术中，汽车电池进行预测时，无法通过历史数据分析获取到汽车电池的影响参数，从而导致汽车电池故障预测的准确性降低且导致汽车电池诊断误差增加，此外，不能够将汽车电池进行实时分析和长期分析，以至于汽车电池的故障预测不够全面，影响其预测结果的准确性。

针对上述的技术缺陷，现提出一种解决方案。

发明内容

本发明的目的就在于为了解决上述提出的问题，而提出一种基于数据分析的汽车电池故障预测系统，将汽车电池的历史运行进行数据分析，通过历史运行分析判断汽车电池参数带来的影响，从而提高了汽车电池故障预测的准确性，为汽车电池故障诊断也可以提供准确依据；通过分析获取到影响参数的合格预测范围，从而提高了汽车电池故障诊断的准确性，也能够提高汽车电池故障预测的准确性，对汽车电池运行质量进行实时监测，防止汽车电池在运行过程中出现故障，导致其运行效率降低。

本发明的目的可以通过以下技术方案实现：

一种基于数据分析的汽车电池故障预测系统，包括服务器，服务器通讯连接有：

历史故障分析单元，用于将汽车电池的历史运行进行数据分析，获取到汽车电池的历史运行时间段，并根据历史运行时间段获取到汽车电池历史运行过程中出现故障的时刻点，同时将采集的时刻点标记为故障节点，获取到汽车电池的故障节点对应数值异常的汽车电池参数，并将其标记为影响参数；通过历史数据分析将汽车电池的影响参数划分为易异常参数、难异常参数、主动影响参数、被动影响参数以及仅故障参数，并将其发送至服务器；

故障阈值获取单元，用于将汽车电池的影响参数进行分析，通过分析获取到影响参数的合格数值区间和非合格数值区间，并将其一同发送至服务器；

即时数据预测单元，用于将汽车电池进行即时预测，判断汽车电池当前运行状态下是否存在故障风险，通过即时预测生成即时故障风险信号或者即时故障安全信号，并将其发送至服务器；

性能趋势预测单元，用于将汽车电池进行长期运行趋势预测，在实时运行无风险的前提下进行汽车电池性能趋势预测；将汽车电池内运行参数内易异常参数作为故障特征向量，通过故障特征向量的数值浮动进行性能趋势预测。

作为本发明的一种优选实施方式，历史故障分析单元的运行过程如下：

将汽车电池的故障节点进行分析，在当前汽车电池的历史运行过程中，若对应故障节点的影响参数为当前运行过程首次出现，并将对应故障节点标记为对应影响参数的故障起点，若对应影响参数的故障起点出现后，仍有故障节点与故障起点的影响参数一致且影响参数一致的故障起点数量超过对应数量阈值，则将对应影响参数标记为汽车电池的易异常参数；若对应影响参数的故障起点出现后，未有故障节点与故障起点的影响参数一致或者影响参数一致的故障起点数量未超过对应数量阈值，则将对应影响参数标记为汽车电池的难异常参数；

将汽车电池对应相邻故障节点进行分析，获取到相邻故障节点的影响参数，若相邻故障节点的影响参数存在一致，则将对应影响参数标记为主动影响参数，且将相邻故障节点对应时间靠后的故障节点对应除主动影响参数以外的影响参数标记为被动影响参数，其中，若相邻故障节点的影响参数均一致，则将相邻故障节点分析改为连续三个故障节点分析，依次类推直至被动影响参数实际存在；若相邻故障节点的影响参数不存在一致，则将各个故障节点的影响参数标记为仅故障参数。

作为本发明的一种优选实施方式，故障阈值获取单元的运行过程如下：

将汽车电池故障节点对应的影响参数进行分析，采集到汽车电池历史运行时间段内影响参数的数值范围，并将其标记为预设数值区间，根据对应故障节点的影响参数对应数值，将预设数值区间进行划分且通过划分将预设数值区间分为合格数值区间和非合格数值区间；

将合格数值区间和非合格数值区间一同发送至服务器，服务器根据合格数值区间和非合格数值区间进行影响参数监测，若影响参数处于合格数值区间，则判定对应影响参数实时运行正常，生成实时运行正常信号并将实时运行正常信号发送至服务器；

若影响参数处于非合格数值区间，则判定对应影响参数实时运行异常，生成实时运行异常信号并将实时运行异常信号发送至服务器，服务器接收到实时运行异常信号后，将对应汽车电池进行维护。

作为本发明的一种优选实施方式，即时数据预测单元的运行过程如下：

采集到汽车电池运行参数中易异常参数的占比以及运行参数内主动影响参数对应数值浮动的频率，并将汽车电池运行参数中易异常参数的占比以及运行参数内主动影响参数对应数值浮动的频率分别标记为ZB和PL；采集到汽车电池运行参数内主动影响参数浮动时对应被动影响参数的浮动概率，并将汽车电池运行参数内主动影响参数浮动时对应被动影响参数的浮动概率标记为GL；

通过公式

获取到汽车电池的即时数据故障预测系数X，其中，a1、a2以及a3均为预设比例系数，且a1＞a2＞a3＞0，β为误差修正因子，取值为1.036；将汽车电池的即时数据故障预测系数X与故障预测系数阈值进行比较：

若汽车电池的即时数据故障预测系数超过故障预测系数阈值，则判定对应汽车电池存在故障风险，生成即时故障风险信号并将即时故障风险信号发送至服务器；服务器接收到即时故障风险信号，将对应汽车电池的运行进行整顿维护，控制对应运行参数的数值浮动；若汽车电池的即时数据故障预测系数未超过故障预测系数阈值，则判定对应汽车电池不存在故障风险，生成即时故障安全信号并将即时故障安全信号发送至服务器。

作为本发明的一种优选实施方式，性能趋势预测单元的运行过程如下：

将汽车电池对应故障特征向量的趋势类型进行分析，若汽车电池对应故障特征向量数值增加，且汽车电池的故障风险增加，则将对应故障特征向量表示为正比趋势；若汽车电池对应故障特征向量数值降低，且汽车电池的故障风险增加，则将对应故障特征向量表示为反比趋势；

设置汽车电池的预测时间段，将预测时间段划分为i个子时间点，获取到预测时间段内首尾子时间点的故障特征向量差值以及相邻子时间点对应最大故障特征向量差值，并将其进行差值分析：

当故障特征向量对应正比趋势时，若预测时间段内首尾子时间点的故障特征向量差值为正数，且相邻子时间点对应最大故障特征向量差值为正数，则判定对应汽车电池的性能趋势预测为故障低风险；

若预测时间段内首尾子时间点的故障特征向量差值为负数，或者相邻子时间点对应最大故障特征向量差值为负数，则判定对应汽车电池的性能趋势预测为故障高风险；

当故障特征向量对应反比趋势时，若预测时间段内首尾子时间点的故障特征向量差值为正数，或者相邻子时间点对应最大故障特征向量差值为正数，则判定对应汽车电池的性能趋势预测为故障高风险；

若预测时间段内首尾子时间点的故障特征向量差值为负数，且相邻子时间点对应最大故障特征向量差值为负数，则判定对应汽车电池的性能趋势预测为故障低风险。

与现有技术相比，本发明的有益效果是：

本发明中，将汽车电池的历史运行进行数据分析，通过历史运行分析判断汽车电池参数带来的影响，从而提高了汽车电池故障预测的准确性，为汽车电池故障诊断也可以提供准确依据；通过分析获取到影响参数的合格预测范围，从而提高了汽车电池故障诊断的准确性，也能够提高汽车电池故障预测的准确性，对汽车电池运行质量进行实时监测，防止汽车电池在运行过程中出现故障，导致其运行效率降低；根据汽车电池当前参数进行预测，判断汽车电池当前运行状态下是否存在故障风险，从而提高了汽车电池实时运行的合格效率，防止汽车电池当前运行存在风险导致汽车电池的运行效率降低，且无法通过预测进行及时整顿导致汽车电池运行风险带来的影响无法降至最低；将汽车电池进行长期运行趋势预测，在实时运行无风险的前提下进行汽车电池性能趋势预测，有利于对汽车电池的运行效率进行实时把控，在汽车电池出现风险时能够及时进行维护整顿，提高了汽车电池的运行效率增强了用户的使用质量。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明一种基于数据分析的汽车电池故障预测系统的原理框图。

具体实施方式

下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。

请参阅图1所示，一种基于数据分析的汽车电池故障预测系统，包括服务器，服务器通讯连接有历史故障分析单元、故障阈值获取单元、即时数据预测单元以及性能趋势预测单元，其中，服务器与历史故障分析单元、故障阈值获取单元、即时数据预测单元以及性能趋势预测单元均为双向通讯连接；

本系统用于对汽车电池进行数据分析，通过数据分析将汽车电池进行故障预测，提高了汽车电池的运行效率，在汽车电池投入使用后，服务器生成历史故障分析信号并将历史故障分析信号发送至历史故障分析单元，历史故障分析单元接收到历史故障分析信号后，将汽车电池的历史运行进行数据分析，通过历史运行分析判断汽车电池参数带来的影响，从而提高了汽车电池故障预测的准确性，为汽车电池故障诊断也可以提供准确依据，汽车电池参数表示为汽车电池的运行参数，如温度、电量等等相关参数；

获取到汽车电池的历史运行时间段，并根据历史运行时间段获取到汽车电池历史运行过程中出现故障的时刻点，同时将采集的时刻点标记为故障节点，获取到汽车电池的故障节点对应数值异常的汽车电池参数，并将其标记为影响参数；数值异常表示为汽车电池对应参数不处于参数合格阈值范围内，即将对应数值判定为异常；

将汽车电池的故障节点进行分析，在当前汽车电池的历史运行过程中，若对应故障节点的影响参数为当前运行过程首次出现，并将对应故障节点标记为对应影响参数的故障起点，若对应影响参数的故障起点出现后，仍有故障节点与故障起点的影响参数一致且影响参数一致的故障起点数量超过对应数量阈值，则将对应影响参数标记为汽车电池的易异常参数；若对应影响参数的故障起点出现后，未有故障节点与故障起点的影响参数一致或者影响参数一致的故障起点数量未超过对应数量阈值，则将对应影响参数标记为汽车电池的难异常参数；

将汽车电池对应相邻故障节点进行分析，获取到相邻故障节点的影响参数，若相邻故障节点的影响参数存在一致，则将对应影响参数标记为主动影响参数，且将相邻故障节点对应时间靠后的故障节点对应除主动影响参数以外的影响参数标记为被动影响参数，其中，若相邻故障节点的影响参数均一致，则将相邻故障节点分析改为连续三个故障节点分析，依次类推直至被动影响参数实际存在；

若相邻故障节点的影响参数不存在一致，则将各个故障节点的影响参数标记为仅故障参数；将获取的易异常参数、难异常参数、主动影响参数、被动影响参数以及仅故障参数一同发送至服务器；

服务器接收到仅故障参数后，生成故障阈值获取信号并将故障预测获取信号发送至故障阈值获取单元，故障阈值获取单元接收到故障阈值获取信号后，将汽车电池的影响参数进行分析，通过分析获取到影响参数的合格预测范围，从而提高了汽车电池故障诊断的准确性，也能够提高汽车电池故障预测的准确性，对汽车电池运行质量进行实时监测，防止汽车电池在运行过程中出现故障，导致其运行效率降低；

将汽车电池故障节点对应的影响参数进行分析，采集到汽车电池历史运行时间段内影响参数的数值范围，并将其标记为预设数值区间，根据对应故障节点的影响参数对应数值，将预设数值区间进行划分且通过划分将预设数值区间分为合格数值区间和非合格数值区间；

将合格数值区间和非合格数值区间一同发送至服务器，服务器根据合格数值区间和非合格数值区间进行影响参数监测，若影响参数处于合格数值区间，则判定对应影响参数实时运行正常，生成实时运行正常信号并将实时运行正常信号发送至服务器；若影响参数处于非合格数值区间，则判定对应影响参数实时运行异常，生成实时运行异常信号并将实时运行异常信号发送至服务器，服务器接收到实时运行异常信号后，将对应汽车电池进行维护；

服务器接收到实时运行正常信号后，生成即时数据预测信号并将即时数据预测信号发送至即时数据预测单元，即时数据预测单元接收到即时数据预测信号后，将汽车电池进行即时预测，即根据汽车电池当前参数进行预测，判断汽车电池当前运行状态下是否存在故障风险，从而提高了汽车电池实时运行的合格效率，防止汽车电池当前运行存在风险导致汽车电池的运行效率降低，且无法通过预测进行及时整顿导致汽车电池运行风险带来的影响无法降至最低；

获取到汽车电池当前时刻的运行参数，运行参数表示为汽车电池的实时运行参数，如温度等参数，与影响参数可一致；

采集到汽车电池运行参数中易异常参数的占比以及运行参数内主动影响参数对应数值浮动的频率，并将汽车电池运行参数中易异常参数的占比以及运行参数内主动影响参数对应数值浮动的频率分别标记为ZB和PL；采集到汽车电池运行参数内主动影响参数浮动时对应被动影响参数的浮动概率，并将汽车电池运行参数内主动影响参数浮动时对应被动影响参数的浮动概率标记为GL；其中，本申请中运行参数内的易异常参数、主动影响参数以及被动影响参数均为类型一致，并非表示为运行参数当前时刻存在异常；

通过公式

获取到汽车电池的即时数据故障预测系数X，其中，a1、a2以及a3均为预设比例系数，且a1＞a2＞a3＞0，β为误差修正因子，取值为1.036；

将汽车电池的即时数据故障预测系数X与故障预测系数阈值进行比较：

若汽车电池的即时数据故障预测系数X超过故障预测系数阈值，则判定对应汽车电池存在故障风险，生成即时故障风险信号并将即时故障风险信号发送至服务器；服务器接收到即时故障风险信号，将对应汽车电池的运行进行整顿维护，控制对应运行参数的数值浮动；

若汽车电池的即时数据故障预测系数X未超过故障预测系数阈值，则判定对应汽车电池不存在故障风险，生成即时故障安全信号并将即时故障安全信号发送至服务器；

服务器接收到即时故障安全信号后，生成性能趋势预测信号并将性能趋势预测信号发送至性能趋势预测单元，性能趋势预测单元接收到性能趋势预测信号后，将汽车电池进行长期运行趋势预测，在实时运行无风险的前提下进行汽车电池性能趋势预测，有利于对汽车电池的运行效率进行实时把控，在汽车电池出现风险时能够及时进行维护整顿，提高了汽车电池的运行效率增强了用户的使用质量；

将汽车电池内运行参数内易异常参数作为故障特征向量，其中，运行参数内易异常参数表示为运行参数内与易异常参数类型一致的参数；

将汽车电池对应故障特征向量的趋势类型进行分析，若汽车电池对应故障特征向量数值增加，且汽车电池的故障风险增加，则将对应故障特征向量表示为正比趋势；若汽车电池对应故障特征向量数值降低，且汽车电池的故障风险增加，则将对应故障特征向量表示为反比趋势；

设置汽车电池的预测时间段，将预测时间段划分为i个子时间点，获取到预测时间段内首尾子时间点的故障特征向量差值以及相邻子时间点对应最大故障特征向量差值，并将预测时间段内首尾子时间点的故障特征向量差值以及相邻子时间点对应最大故障特征向量差值进行分析：

当故障特征向量对应正比趋势时，若预测时间段内首尾子时间点的故障特征向量差值为正数，且相邻子时间点对应最大故障特征向量差值为正数，则判定对应汽车电池的性能趋势预测为故障低风险；若预测时间段内首尾子时间点的故障特征向量差值为负数，或者相邻子时间点对应最大故障特征向量差值为负数，则判定对应汽车电池的性能趋势预测为故障高风险；

当故障特征向量对应反比趋势时，若预测时间段内首尾子时间点的故障特征向量差值为正数，或者相邻子时间点对应最大故障特征向量差值为正数，则判定对应汽车电池的性能趋势预测为故障高风险；若预测时间段内首尾子时间点的故障特征向量差值为负数，且相邻子时间点对应最大故障特征向量差值为负数，则判定对应汽车电池的性能趋势预测为故障低风险；

并将性能趋势预测结果发送至服务器，服务器根据性能趋势预测结果将对应汽车电池的使用进行调节。

上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置；

本发明在使用时，通过历史故障分析单元将汽车电池的历史运行进行数据分析，获取到汽车电池的历史运行时间段，并根据历史运行时间段获取到汽车电池历史运行过程中出现故障的时刻点，同时将采集的时刻点标记为故障节点，获取到汽车电池的故障节点对应数值异常的汽车电池参数，并将其标记为影响参数；通过历史数据分析将汽车电池的影响参数划分为易异常参数、难异常参数、主动影响参数、被动影响参数以及仅故障参数，并将其发送至服务器；通过故障阈值获取单元将汽车电池的影响参数进行分析，通过分析获取到影响参数的合格数值区间和非合格数值区间，并将其一同发送至服务器；通过即时数据预测单元将汽车电池进行即时预测，判断汽车电池当前运行状态下是否存在故障风险，通过即时预测生成即时故障风险信号或者即时故障安全信号，并将其发送至服务器；通过性能趋势预测单元将汽车电池进行长期运行趋势预测，在实时运行无风险的前提下进行汽车电池性能趋势预测；将汽车电池内运行参数内易异常参数作为故障特征向量，通过故障特征向量的数值浮动进行性能趋势预测。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (5)

1.一种基于数据分析的汽车电池故障预测系统，包括服务器，其特征在于，服务器通讯连接有：

历史故障分析单元，用于将汽车电池的历史运行进行数据分析，获取到汽车电池的历史运行时间段，并根据历史运行时间段获取到汽车电池历史运行过程中出现故障的时刻点，同时将采集的时刻点标记为故障节点，获取到汽车电池的故障节点对应数值异常的汽车电池参数，并将其标记为影响参数；通过历史数据分析将汽车电池的影响参数划分为易异常参数、难异常参数、主动影响参数、被动影响参数以及仅故障参数，并将其发送至服务器；

故障阈值获取单元，用于将汽车电池的影响参数进行分析，通过分析获取到影响参数的合格数值区间和非合格数值区间，并将其一同发送至服务器；

即时数据预测单元，用于将汽车电池进行即时预测，判断汽车电池当前运行状态下是否存在故障风险，通过即时预测生成即时故障风险信号或者即时故障安全信号，并将其发送至服务器；

性能趋势预测单元，用于将汽车电池进行长期运行趋势预测，在实时运行无风险的前提下进行汽车电池性能趋势预测；将汽车电池内运行参数内易异常参数作为故障特征向量，通过故障特征向量的数值浮动进行性能趋势预测；

历史故障分析单元的运行过程如下：

将汽车电池的故障节点进行分析，在当前汽车电池的历史运行过程中，若对应故障节点的影响参数为当前运行过程首次出现，并将对应故障节点标记为对应影响参数的故障起点，若对应影响参数的故障起点出现后，仍有故障节点与故障起点的影响参数一致且影响参数一致的故障起点数量超过对应数量阈值，则将对应影响参数标记为汽车电池的易异常参数；若对应影响参数的故障起点出现后，未有故障节点与故障起点的影响参数一致或者影响参数一致的故障起点数量未超过对应数量阈值，则将对应影响参数标记为汽车电池的难异常参数；

将汽车电池对应相邻故障节点进行分析，获取到相邻故障节点的影响参数，若相邻故障节点的影响参数存在一致，则将对应影响参数标记为主动影响参数，且将相邻故障节点对应时间靠后的故障节点对应除主动影响参数以外的影响参数标记为被动影响参数，其中，若相邻故障节点的影响参数均一致，则将相邻故障节点分析改为连续三个故障节点分析，依次类推直至被动影响参数实际存在；若相邻故障节点的影响参数不存在一致，则将各个故障节点的影响参数标记为仅故障参数。

2.根据权利要求1所述的一种基于数据分析的汽车电池故障预测系统，其特征在于，故障阈值获取单元的运行过程如下：

将汽车电池故障节点对应的影响参数进行分析，采集到汽车电池历史运行时间段内影响参数的数值范围，并将其标记为预设数值区间，根据对应故障节点的影响参数对应数值，将预设数值区间进行划分且通过划分将预设数值区间分为合格数值区间和非合格数值区间；

将合格数值区间和非合格数值区间一同发送至服务器，服务器根据合格数值区间和非合格数值区间进行影响参数监测，若影响参数处于合格数值区间，则判定对应影响参数实时运行正常，生成实时运行正常信号并将实时运行正常信号发送至服务器；

若影响参数处于非合格数值区间，则判定对应影响参数实时运行异常，生成实时运行异常信号并将实时运行异常信号发送至服务器，服务器接收到实时运行异常信号后，将对应汽车电池进行维护。

3.根据权利要求1所述的一种基于数据分析的汽车电池故障预测系统，其特征在于，即时数据预测单元的运行过程如下：

采集到汽车电池运行参数中易异常参数的占比、运行参数内主动影响参数对应数值浮动的频率以及汽车电池运行参数内主动影响参数浮动时对应被动影响参数的浮动概率，通过分析获取到汽车电池的即时数据故障预测系数；将汽车电池的即时数据故障预测系数与故障预测系数阈值进行比较：

若汽车电池的即时数据故障预测系数超过故障预测系数阈值，则判定对应汽车电池存在故障风险，生成即时故障风险信号并将即时故障风险信号发送至服务器；服务器接收到即时故障风险信号，将对应汽车电池的运行进行整顿维护，控制对应运行参数的数值浮动；若汽车电池的即时数据故障预测系数未超过故障预测系数阈值，则判定对应汽车电池不存在故障风险，生成即时故障安全信号并将即时故障安全信号发送至服务器。

4.根据权利要求1所述的一种基于数据分析的汽车电池故障预测系统，其特征在于，性能趋势预测单元的运行过程如下：

将汽车电池对应故障特征向量的趋势类型进行分析，若汽车电池对应故障特征向量数值增加，且汽车电池的故障风险增加，则将对应故障特征向量表示为正比趋势；若汽车电池对应故障特征向量数值降低，且汽车电池的故障风险增加，则将对应故障特征向量表示为反比趋势；

设置汽车电池的预测时间段，将预测时间段划分为i个子时间点，获取到预测时间段内首尾子时间点的故障特征向量差值以及相邻子时间点对应最大故障特征向量差值，并将其进行差值分析。

5.根据权利要求4所述的一种基于数据分析的汽车电池故障预测系统，其特征在于，差值分析过程如下：

当故障特征向量对应正比趋势时，若预测时间段内首尾子时间点的故障特征向量差值为正数，且相邻子时间点对应最大故障特征向量差值为正数，则判定对应汽车电池的性能趋势预测为故障低风险；

若预测时间段内首尾子时间点的故障特征向量差值为负数，或者相邻子时间点对应最大故障特征向量差值为负数，则判定对应汽车电池的性能趋势预测为故障高风险；

当故障特征向量对应反比趋势时，若预测时间段内首尾子时间点的故障特征向量差值为正数，或者相邻子时间点对应最大故障特征向量差值为正数，则判定对应汽车电池的性能趋势预测为故障高风险；

若预测时间段内首尾子时间点的故障特征向量差值为负数，且相邻子时间点对应最大故障特征向量差值为负数，则判定对应汽车电池的性能趋势预测为故障低风险。

Images