CN115077740B - 一种变速箱温度测试方法及系统 - Google Patents
一种变速箱温度测试方法及系统 Download PDFInfo
- Publication number
- CN115077740B CN115077740B CN202210652412.8A CN202210652412A CN115077740B CN 115077740 B CN115077740 B CN 115077740B CN 202210652412 A CN202210652412 A CN 202210652412A CN 115077740 B CN115077740 B CN 115077740B
- Authority
- CN
- China
- Prior art keywords
- temperature
- information
- oil
- target
- gearbox
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 141
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims description 85
- 230000008859 change Effects 0.000 claims description 31
- 230000017525 heat dissipation Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000010998 test method Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000001050 lubricating effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K1/00—Details of thermometers not specially adapted for particular types of thermometer
- G01K1/02—Means for indicating or recording specially adapted for thermometers
- G01K1/024—Means for indicating or recording specially adapted for thermometers for remote indication
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M15/00—Testing of engines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Control Of Transmission Device (AREA)
Abstract
本发明内容提供一种变速箱温度测试方法及系统,该方法包括:获取测试车辆在多个预设驾驶条件下的测试数据,其中,该预设驾驶条件包括该测试车辆的驾驶参数条件以及驾驶环境条件,该测试数据包括该测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及该变速箱内的变速箱油的第三温度信息;基于该测试数据,确定该测试车辆的目标温度关系,该目标温度关系表征该变速箱油的温度随该变速箱外表面的温度和该发动机外表面的温度变化的映射关系,该目标温度关系用于确定实际行驶中的车辆的变速箱油的温度信息。
Description
技术领域
本说明书涉及车辆检测技术领域,特别涉及一种变速箱温度测试方法及系统。
背景技术
变速箱是将车辆发动机的动力传递到行驶系统上的装置,变速箱油用于保持齿轮系统清洁、润滑和延长传动装置使用寿命,变速箱油长时间处于高温状态会导致变速箱内零件磨损程度加大、变速箱内部密封件老化以及电器元件寿命缩短等,还会导致变速箱油的润滑性能下降,从而降低变速箱使用寿命。传统方法中,测试变速箱油的温度大多使用温度传感器,且需安装在变速箱内,其所处的恶劣环境可能会使传感器出现故障,从而降低温度检测准确率甚至不能有效检测温度。
因此,本方案提出一种变速箱温度测试方法及系统,通过确定变速箱油的温度随所述变速箱外表面的温度和发动机外表面的温度变化的映射关系,便于在各种环境下检测变速箱油的温度信息。
发明内容
本说明书实施例之一提供一种变速箱温度测试方法,该方法包括:获取测试车辆在多个预设驾驶条件下的测试数据,其中,预设驾驶条件包括测试车辆的驾驶参数条件以及驾驶环境条件,测试数据包括测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及变速箱内的变速箱油的第三温度信息;基于测试数据,确定测试车辆的目标温度关系,目标温度关系表征变速箱油的温度随变速箱外表面的温度和发动机外表面的温度变化的映射关系,目标温度关系用于确定实际行驶中的车辆的变速箱油的温度信息。
本说明书实施例之一提供一种变速箱温度测试系统,该系统包括:第一获取模块,用于获取测试车辆在多个预设驾驶条件下的测试数据,其中,所述预设驾驶条件包括所述测试车辆的驾驶参数条件以及驾驶环境条件,所述测试数据包括所述测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及所述变速箱内的变速箱油的第三温度信息;第一确定模块,用于基于所述测试数据,确定所述测试车辆的目标温度关系,所述目标温度关系表征所述变速箱油的温度随所述变速箱外表面的温度和所述发动机外表面的温度变化的映射关系,所述目标温度关系用于确定实际行驶中的车辆的变速箱油的温度信息。
本说明书实施例之一提供一种变速箱温度测试装置,包括处理器,所述处理器用于执行前述实施例中任一项所述的变速箱温度测试方法。
本说明书实施例之一提供一种用于存储指令的非暂时性计算机可读介质,所述指令在由至少一个处理器执行时使所述至少一个处理器实现前述实施例中任一项所述的一种变速箱温度测试方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的变速箱温度测试系统的应用场景示意图;
图2是根据本说明书一些实施例所示的变速箱温度测试系统的示例性模块图;
图3是根据本说明书一些实施例所示的变速箱温度测试方法的示例性流程图;
图4是根据本说明书一些实施例所示的又一变速箱温度测试方法的示例性流程图;
图5是根据本说明书一些实施例所示的目标温度模型的示意图;
图6是根据本说明书一些实施例所示的确定是否需要输出散热预警信息的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例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说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的变速箱温度测试系统的应用场景示意图。
如图1所示,变速箱温度测试系统的应用场景100可以包括处理设备110、网络120、存储设备130、终端设备140、测试车辆150、测试台160、温度采集装置170以及目标车辆180。应用场景100可以用于测试变速箱在不同预设驾驶条件下的变速箱外表面温度以获取测试数据,并基于测试数据确定目标温度信息,目标温度关系表征变速箱油的温度随变速箱外表面的温度和发动机外表面的温度变化的映射关系。
处理设备110可以处理来自应用场景100中至少一个组件或外部数据源的数据和/或信息。例如,处理设备110可以经由网络120获取测试车辆150输出的测试数据,并对其进行处理。在一些实施例中,处理设备110可以是本地或远程的。例如,处理设备110可以通过有线或无线的方式从存储设备130、终端设备140、测试车辆150以及目标车辆180获取信息和/或数据。在一些实施例中,处理设备110可以在云平台上实现。
网络120可以连接应用场景100的各个组成部分和/或连接应用场景100与外部资源部分。网络120使得应用场景100的各组成部分之间以及与应用场景100之外其他部分可以进行通信。在一些实施例中,应用场景100中的一个或多个组件可以经由网络120,以实现彼此连接和/或通信。例如,处理设备110可以通过网络120从存储设备130、终端设备140、测试车辆150以及目标车辆180获取信息和/或指令。
存储设备130可以用于存储数据和/或指令。例如,存储设备130可以存储用户通过终端设备140发出的指令。又例如,存储设备130可以存储处理设备110以及测试车辆150输出的测试数据。存储设备130可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备130可在云平台上实现。
终端设备140可以指进行车辆测试的测试人员所使用的电子设备,终端设备140包括但不限于手机140-1、平板电脑140-2、笔记本140-3等。在一些实施例中,用户可以通过终端设备140向处理设备110发送与变速箱温度测试有关的数据和/或指令等。在一些实施例中,用户可以通过终端设备140获取测试车辆150和/或目标车辆180的相关数据。在另一些实施例中,用户可以通过终端设备140接收处理设备110的处理结果。
测试车辆150可以为接受变速箱温度测试的车辆,可以包括各类小汽车、客车、卡车等。在一些实施例中,测试车辆150上还包括变速箱150-1。
测试台160可以用于对测试车辆150进行测试。在一些实施例中,测试台160可以模拟至少一种车辆行驶条件,以获取测试车辆在前述预设驾驶条件下的测试数据。
温度采集装置170可以用于采集测试车辆150的相关温度数据。例如,温度采集装置170可以包括热成像仪、温度传感器、温度计等。在一些实施例中,温度采集装置170可以被放置于测试车辆150和/或测试台160上。在一些实施例中,温度采集装置170可以将采集到的数据通过网络120,传输至处理设备110、存储设备130以及终端设备140等。
目标车辆180可以指实际行驶中的车辆。目标车辆上也可以包括温度采集装置(图未示出),以获取目标车辆180的相关温度数据。
应当注意的是,应用场景100仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景还可以包括数据库。又例如,应用场景可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的变速箱温度测试系统的示例性模块图。
如图2所示,变速箱温度测试系统200可以包括第一获取模块202、第一确定模块204。
第一获取模块202可以用于获取测试车辆在多个预设驾驶条件下的测试数据,其中,所述预设驾驶条件包括所述测试车辆的驾驶参数条件以及驾驶环境条件,所述测试数据包括所述测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及所述变速箱内的变速箱油的第三温度信息。关于测试数据的更多细节可以参见图3及其相关描述。
第一确定模块204可以用于基于测试数据,确定测试车辆的目标温度关系,所述目标温度关系表征所述变速箱油的温度随所述变速箱外表面的温度和所述发动机外表面的温度变化的映射关系,所述目标温度关系用于确定实际行驶中的车辆的变速箱油的温度信息。关于目标温度关系的更多细节可以参见图3及其相关描述。在一些实施例中,目标温度关系可以包括目标温度模型。更多细节第一确定模块204可以进一步用于基于获得的多组测试数据,对机器学习模型进行训练,获得训练好的目标温度模型。关于目标温度模型的更多细节可以参见图3、图5及其相关描述。
在一些实施例中,变速箱温度测试系统200还可以包括第二获取模块206、第二确定模块208和预警模块210。
第二获取模块206可以用于获取目标车辆的变速箱外表面的第四温度信息、发动机外表面的第五温度信息,关于第四温度信息及第五温度信息的更多细节可以参见图4及其相关描述。
第二确定模块208可以用于基于第四温度信息以及第五温度信息,结合目标温度关系,确定目标车辆的变速箱油的目标温度信息,关于目标温度信息的更多细节可以参见图4及其相关描述。
预警模块210可以用于当目标温度信息大于油温阈值时,输出油温预警信息。关于油温预警信息的更多细节可以参见图4及其相关描述。
在一些实施例中,变速箱温度测试系统200还可以包括第三获取模块212、第四获取模块214、第五获取模块216、第六获取模块218、第三确定模块220、第七获取模块222和第四确定模块224。
第三获取模块212可以用于获取目标车辆的驾驶参数信息、驾驶环境信息以及散热信息,关于驾驶参数信息、驾驶环境信息以及散热信息的更多细节可以参见图6及其相关描述。
第四获取模块214可以用于基于油温预测模型对驾驶参数信息、驾驶环境信息、散热信息以及目标温度信息进行处理,获得目标车辆的变速箱油在未来的多个时间点的预测油温信息,关于预测油温信息的更多细节可以参见图6及其相关描述。
第五获取模块216可以用于基于多个时间点的预测油温信息,获得第一油温变化序列,关于第一油温变化序列的更多细节可以参见图6及其相关描述。
第六获取模块218可以用于在多个时间点分别获取目标车辆的变速箱外表面的第六温度信息以及发动机外表面的第七温度信息,关于第六温度信息以及第七温度信息的更多细节可以参见图6及其相关描述。
第三确定模块220可以用于针对每一时间点,根据该时间点对应的第六温度信息以及第七温度信息,结合目标温度关系,确定该时间点对应的实际油温信息,关于实际油温信息的更多细节可以参见图6及其相关描述。
第七获取模块222可以用于基于多个时间点对应的实际油温信息,获得第二油温变化序列,关于第二油温变化序列的更多细节可以参见图6及其相关描述。
第四确定模块224可以用于基于第一油温变化序列以及第二油温变化序列,确定是否需要输出散热预警信息,关于散热预警信息的更多细节可以参见图6及其相关描述。
需要注意的是,以上对于系统及其组成部分的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个组成部分进行任意组合,或者构成子系统与其他组成部分连接。例如,各个组成部分可以共用一个存储设备,各个组成部分也可以分别具有各自的存储设备。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的变速箱温度测试方法的示例性流程图。在一些实施例中,流程300可以由处理设备执行。如图3所示,流程300包括下述步骤:
步骤310,获取测试车辆在多个预设驾驶条件下的测试数据,其中,预设驾驶条件包括测试车辆的驾驶参数条件以及驾驶环境条件,测试数据包括测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及变速箱内的变速箱油的第三温度信息。
测试车辆是指用于获取测试数据的车辆。预设驾驶条件是指预先设定的测试车辆的驾驶条件。不同的预设驾驶条件会导致测试车辆的测试数据不同。其中,预设驾驶条件可以包括测试车辆的驾驶参数条件以及驾驶环境条件。驾驶参数条件以及驾驶环境条件可以是由相关人员预先针对测试车辆设定的。驾驶参数条件是指测试车辆本身的参数。驾驶参数条件可以包括测试车辆的发动机启动时长、发动机转速以及行驶时间中的至少一种。驾驶环境条件是指驾驶环境的参数。驾驶环境条件可以包括测试车辆的道路情况(例如道路的坡度)以及环境温度中的至少一种。其中,环境温度是指驾驶车辆所处的环境的温度,例如,室温。
测试数据是指在预设驾驶条件下对测试车辆进行测试所得的数据。在一些实施例中,测试数据可以包括测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及变速箱内的变速箱油的第三温度信息。
在一些实施例中,可以通过温度采集装置(例如,温度传感器)获取测试数据。在预设驾驶条件下的测试车辆的变速箱外表面、发动机外表面以及变速箱内分别设置温度采集装置,以分别监测第一温度信息、第二温度信息以及第三温度信息。处理设备可以与温度采集装置通讯连接,以获取温度采集装置监测到的温度信息。
在一些实施例中,用于监测变速箱内的变速箱油温的温度采集装置可以设置于变速箱内。在一些实施例中,用于监测变速箱油温的温度采集装置可以与变速箱油接触,以直接监测油温。
在一些实施例中,可以通过热成像仪获取测试车辆上变速箱外表面和发动机外表面的温度分布信息。其中,温度分布信息可以显示变速箱外表面和发动机外表面上温度过高或异常的区域。将温度分布信息显示的变速箱外表面和发动机外表面上温度过高或异常的区域确定为目标车辆中温度采集装置在变速箱外表面和发动机外表面上的具体位置。其中,目标车辆是指待测试变速箱油温度的实际行驶中的车辆。需要知道的是,测试车辆与目标车辆通常是相同类型或型号的车辆。通过热成像仪获取的测试车辆的温度分布信息,可以得知测试车辆上变速箱外表面和发动机外表面的温度过高或异常的区域,利用温度采集装置监测目标车辆上变速箱外表面和发动机外表面的相同对应区域的温度,从而实现过高或异常温度的精准获取。
步骤320,基于测试数据,确定测试车辆的目标温度关系,目标温度关系表征变速箱油的温度随变速箱外表面的温度和发动机外表面的温度变化的映射关系,目标温度关系用于确定实际行驶中的车辆的变速箱油的温度信息。
目标温度关系是指变速箱油的温度与变速箱外表面的温度和发动机外表面的温度的关系。在一些实施例中,可以基于目标温度关系,结合目标车辆上温度采集装置监测到的变速箱外表面的温度和发动机外表面的温度,来确定目标车辆的变速箱油的温度信息。
在一些实施例中,可以基于测试车辆的第三温度信息与第一温度信息、第二温度信息的关系,来确定目标温度关系。第三温度信息与第一温度信息正相关,第二温度信息与第一温度信息正相关。
在一些实施例中,可以基于第一温度信息、第二温度信息与第三温度信息,确定变速箱外表面与变速箱油的热传导系数及发动机外表面至变速箱的热传导系数,从而可以确定出变速箱外表面、发动机外表面与变速箱油之间的热传导方程,并将该热传导方程确定为目标温度关系。
在一些实施例中,目标温度关系还可以包括目标温度模型。目标温度模型是训练好的机器学习模型。可以基于第一温度信息、第二温度信息与第三温度信息对机器学习模型进行训练,获得训练好的目标温度模型。关于目标温度模型的更多说明可以参见图5。
本说明书实施例通过获取测试车辆的测试数据,确定目标温度关系,并结合通过温度采集装置获取的变速箱外表面温度和发动机外表面温度,以确定目标车辆的变速箱油的温度,以达到监控目标车辆的变速箱油温乃至监控目标车辆的变速箱内散热效率的目的,避免变速箱长时间油温过高导致的变速箱内部零件磨损程度加大、密封件老化、塑料器件脆化、电器元件寿命缩短及油液的润滑性能下降、变速箱使用寿命降低等问题。本说明书的温度采集装置不用安装于目标车辆的变速箱内,便可获取目标车辆的变速箱油的温度,便于后期的维护和保养。
图4是根据本说明书一些实施例所示的又一变速箱温度测试方法的示例性流程图。在一些实施例中,流程400可以由处理设备执行。如图4所示,流程400包括下述步骤:
步骤410,获取目标车辆的变速箱外表面的第四温度信息和发动机外表面的第五温度信息。
第四温度信息是指目标车辆变速箱外表面的温度。第五温度信息是指目标车辆发动机外表面的温度。可以在目标车辆的变速箱外表面及发动机外表面分别设置温度采集装置,以分别获取第四温度信息及第五温度信息。在一些实施例中,可以目标车辆中温度采集装置的位置可以与步骤310所述的确定测试车辆中温度采集装置的位置相同,以使获得的第四温度信息、第五温度信息更加精确。
步骤420,基于第四温度信息以及第五温度信息,结合目标温度关系,确定目标车辆的变速箱油的目标温度信息。
由于目标温度关系是指变速箱油的温度与变速箱外表面的温度和发动机外表面的温度的关系。基于第四温度信息以及第五温度信息,结合目标温度关系,便可得到目标车辆的变速箱油的目标温度信息。目标温度信息是指目标车辆中变速箱油的温度信息。例如,可以将通过前述热传导方程对第四温度信息以及第五温度信息进行计算,获得目标车辆的变速箱油的目标温度信息。再例如,可以将某时刻的目标车辆的变速箱外表面的温度和发动机外表面的温度输入至训练好的目标温度模型,目标温度模型可以输出该时刻的目标车辆的变速箱油的目标温度信息。
步骤430,当目标温度信息大于油温阈值时,输出油温预警信息。
油温阈值是指设置的目标车辆的变速箱油的温度阈值。当变速箱油的温度超过油温阈值时,会导致变速箱内散热效率大幅降低等问题。需要说明的是,目标车辆的驾驶参数信息及驾驶环境信息不同,其对应的油温阈值可以不同。
在一些实施例中,油温阈值可以是根据实际经验以及试验数据确定的预设值。在一些实施例中,油温阈值可以通过以下步骤获取:获取目标车辆的驾驶参数信息以及驾驶环境信息;通过阈值确定模型对驾驶参数信息以及驾驶环境信息进行处理,确定油温阈值。其中,驾驶参数信息可以包括目标车辆的发动机启动时长、发动机转速以及行驶时间中的至少一种。驾驶环境信息是可以包括目标车辆的道路情况以及环境温度中的至少一种。驾驶参数信息及驾驶环境信息可以通过持续目标车辆的车况信息及路况信息获取。将驾驶参数信息以及驾驶环境信息输入至训练好的阈值确定模型中,训练好的阈值确定模型即可输出油温参考值。油温参考值可以为变速箱油的温度的具体值,也可以为变速箱油的温度范围值。当油温参考值为变速箱油的温度的具体值时,可以直接将该具体值作为油温阈值。当油温参考值为变速箱油的温度范围值时,处理设备可以将该范围值的最大值作为油温阈值。处理设备还可以基于预测的油温参考值并结合合理的波动范围(例如增加20℃)或波动比例(例如120%)确定,其中,合理的波动范围或波动比例可以根据经验或试验确定。
阈值确定模型可以通过多组带有标签的训练样本对机器学习模型进行训练获得。训练样本包括前述的预设驾驶条件,标签包括对应的第三温度信息。
在一些实施例中,阈值确定模型的输出还可以包括油温参考值的置信度。其中,前述置信度可以表征阈值确定模型输出的油温参考值的可信程度。置信度可以通过实数、百分数或等级等来表示。例如,油温参考值的置信度为0.85。
在一些实施例中,阈值确定模型的输出可以表征为向量,向量中的元素的位置表示各个油温参考值,各元素的具体值表示为输出的油温参考值为对应油温参考值的置信度。例如,阈值确定模型的输出为(0,0.2,0.8,0),表示油温参考值为30℃~45℃的置信度为0,油温参考值为45℃~50℃的置信度为0.2,油温参考值为50℃~55℃的置信度为0.8,油温参考值为55℃~70℃的置信度为0。当阈值确定模型的输出可以为向量时,在对阈值确定模型进行训练时,其标签包括对应的第三温度信息及置信度,可以将第三温度信息及置信度整理为向量形式,此时的对应的范围值的置信度为1。
在一些实施例中,处理设备可以基于油温参考值及其置信度,确定油温阈值。当置信度小于预设阈值(例如,0.85)的时候,将油温参考值降低一个梯度,例如,油温参考值为50℃~55℃的置信度为0.8,0.8小于预设阈值0.85,则将油温阈值确定为上一范围值45℃~50℃中的最大值50℃。
在一些实施例中,处理设备还可以使用聚类算法确定油温参考值的置信度。例如,可以统计测试车辆在不同预设驾驶条件下,阈值确定模型输出的油温参考值与实际的变速箱内的变速箱油的第三温度信息之间的差值。然后基于驾驶条件构建向量,对驾驶条件对应的向量进行聚类,将某个簇的差值的平均值或加权平均值作为该簇对应的置信度。基于目标车辆的驾驶参数信息、驾驶环境信息构建向量,将距离基于目标车辆的驾驶参数信息、驾驶环境信息构建的向量最近的簇中心对应的置信度作为该目标车辆与驾驶参数信息、驾驶环境信息对应的油温参考值的置信度。
在一些实施例中,当油温参考值的置信度超过或等于预设阈值时,则判定阈值确定模型输出的油温参考值为可信,则可以直接将该油温参考值即为油温阈值。当油温参考值的置信度低于预设阈值,则判定阈值确定模型输出的油温参考值为不可信,可以将油温参考值降低一定比例作为油温阈值。例如,油温参考值的置信度比预设阈值低8%时,则将油温参考值降低8%后的油温作为油温阈值。基于油温参考值的置信度调整油温参考值得到油温阈值,可以进一步保证油温阈值设置的可靠性。
油温预警信息是指警示变速箱油温过高的信息。在一些实施例中,油温预警信息可以包括包含有变速箱油的目标温度信息及超过油温阈值的幅度(例如2.5%)的图文信息。在一些实施例中,油温预警信息可以通过目标车辆的显示器显示以实现输出,还可以通过用户端的显示器显示以实现输出。油温预警信息可以包括用于警示的声音信息。油温预警信息可以通过设置的蜂鸣器鸣响以实现输出。
本说明书实施例通过确定目标车辆的变速箱油的目标温度信息,并当目标温度信息大于油温阈值时,输出油温预警信息,实现对变速箱油温的监控,并及时警示,以便及时更换变速箱油或检修相关散热组件,避免变速箱长时间油温过高导致的问题。
图5是根据本说明书一些实施例所示的目标温度模型的示意图。
如图5所示,目标温度模型530的输入可以包括第四温度信息510和第五温度信息520,其输出可以包括变速箱油的目标温度信息540。目标温度模型530可以包括但不限于卷积神经网络(Convolutional Neural Networks,CNN)、深度神经网络(Deep NeuralNetworks,DNN)等一种或多种。
示例性的,目标温度模型530的输入为第四温度信息为95℃,第五温度信息为102℃,输出为目标温度信息为100℃。
在一些实施例中,目标温度模型可以为多分类模型,目标温度模型的输出为变速箱油的温度的分类结果,即目标温度信息可以为目标车辆的变速箱油温度的范围值。例如,目标温度模型的输出可以是80℃~85℃等。在一些实施例中,目标温度模型的输出可以为一个向量,向量中的元素的位置对应各个范围值,元素的值可以表示落在对应范围值的概率,可以将概率最大的元素确定为最终的目标温度信息。例如,目标温度模型的输出可以是(0,0,0.3,0.7,0),表示变速箱油的温度为70℃~75℃、75℃~80℃、80℃~85℃、85℃~90℃以及90℃~95℃的概率分别为0、0、0.3、0.7、0,可以将85℃~90℃确定为目标温度信息。
在一些实施例中,可以将向量中的概率确定为目标温度信息的置信度,前述目标温度信息的置信度可以用于调整油温阈值。目标温度信息的置信度可以与油温阈值正相关。例如,目标模型输出的目标温度信息的置信度的预设阈值为0.85时,当目标模型输出的目标温度信息的置信度小于预设阈值时,则将油温阈值适当降低。又例如,目标模型输出的油温为90℃~95℃的概率为0.8,即目标温度信息的置信度为0.8,小于预设阈值0.85,则可以将油温阈值降低为下一范围值85℃~90℃的最大值90℃。
本说明书的一些实施例中可以通过将油温阈值与目标温度模型预测的准确程度相关联,可以使得油温阈值的设定更符合实际情况。
如图5所示,目标温度模型530可以利用训练样本560以及标签570对初始目标温度模型550进行训练获得。其中,初始目标温度模型可以为未设置参数的目标温度模型。训练样本560可以包括测试数据中的第一温度信息和第二温度信息,标签570可以包括测试数据中的第三温度信息。测试数据的获取方式可以参见图3及其相关描述。将多组训练样本560输入初始目标温度模型550,基于初始目标温度模型550的输出和标签570构建损失函数,基于损失函数迭代更新初始目标温度模型550的参数,直至满足预设条件,训练结束,获取训练好的目标温度模型530。预设条件可以包括但不限于损失函数小于阈值、收敛或训练周期达到阈值等。
本说明书的一些实施例中通过目标温度模型,可以在仅仅知道变速箱外表面和发动机外表面温度的情况下,较准确地确定目标车辆的变速箱油温,从而可以针对油温变化情况及时做出处理,提高变速箱使用寿命。
图6是根据本说明书一些实施例所示的确定是否需要输出散热预警信息的示例性流程图。在一些实施例中,流程600可以由第二确定模块208执行。如图6所示,流程600包括下述步骤:
步骤610,获取目标车辆的驾驶参数信息、驾驶环境信息以及散热信息。
散热信息可以指目标车辆变速箱的散热器和冷却器的工作状况信息。例如,散热信息可以包括散热器温度、散热功率和/或冷却器的温度等。
在一些实施例中,可以通过传感器获取目标车辆的散热信息。例如,可以利用设置在散热器和/或冷却器外表面上的温度传感器,获取散热器不同位置的温度数据。又例如,可以基于散热器的标注信息获取其散热功率等。
步骤620,基于油温预测模型对驾驶参数信息、驾驶环境信息、散热信息以及目标温度信息进行处理,获得目标车辆的变速箱油在未来的多个时间点的预测油温信息。
预测油温信息可以指基于油温预测模型预测的目标车辆的变速箱油在未来的多个时间点的油温信息。
在一些实施例中,可以利用油温预测模型获取目标车辆的变速箱油在未来的多个时间点的预测油温信息。例如,油温预测模型可以包括卷积神经网络、深度神经网络、长短期记忆模型等或其组合得到的模型等。
在一些实施例中,油温预测模型的输入可以包括目标车辆的驾驶参数信息、驾驶环境信息、散热信息以及目标车辆当前的目标温度信息,油温预测模型的输出可以包括目标车辆在未来多个时间点的预测油温信息。油温预测模型的输入可以是目标车辆的驾驶参数信息、驾驶环境信息、散热信息以及目标车辆当前的目标温度值,输出可以为未来多个时间点的预测油温信息的序列。例如,油温预测模型的输出可以为(75,76,77,79,79,81),表示未来多个时间点的预测油温信息依次为75℃、76℃、77℃、79℃、79℃和81℃。
在一些实施例中,油温预测模型可以利用带有标签的训练样本对初始油温预测模型进行训练获得。训练样本可以包括测试车辆的驾驶参数条件、驾驶环境条件、散热信息以及样本时间点的第三温度信息,训练标签可以包括测试车辆在样本时间段内多个时间点的第三温度信息,其中,样本时间段晚于样本时间点。训练样本及标签的获取方式可以参见图3及其相关描述。将多组带有标签的训练样本输入初始油温预测模型,基于初始油温预测模型的输出和其对应的标签构建损失函数,基于损失函数迭代更新初始油温预测模型的参数,直至满足预设条件,训练结束,获取训练好的油温预测模型。预设条件可以包括但不限于损失函数小于阈值、收敛或训练周期达到阈值等。
步骤630,基于多个时间点的预测油温信息,获得第一油温变化序列。
第一油温变化序列可以指预测油温信息在未来多个时间点的温度变化数据。例如,可以基于多个时间点的预测油温信息确定第一油温变化序列,其中,第一油温变化序列的每个参数值表示下一个时间点的预测油温信息相对于上一个时间点预测油温信息的变化值。例如,(0,2,3,-3,1,0,-2)可以表示未来7个时间点的预测油温信息相对于其对应的上个时间点的变化分别是0℃、2℃、3℃、-3℃、1℃、0℃和-2℃。
步骤640,在多个时间点分别获取目标车辆的变速箱外表面的第六温度信息以及发动机外表面的第七温度信息。
第六温度信息可以是指目标车辆在未来多个时间点的实际行驶中的变速箱外表面的温度信息,第七温度信息可是指目标车辆在未来多个时间点的实际行驶中发动机外表面的温度信息。关于第六温度信息和第七温度信息的更多说明,可以参考图4中关于第四温度信息和第五温度信息的相关描述。
步骤650,针对每一时间点,根据该时间点对应的第六温度信息以及第七温度信息,结合目标温度关系,确定该时间点对应的实际油温信息。
实际油温信息可以指目标车辆在未来多个时间点的实际行驶中变速箱油的实际油温信息。例如,可以将某一时间点的第六温度信息以及第七温度信息输入目标温度模型中,获取该时间点的目标温度信息,将前述目标温度信息确定为该时间点的实际油温信息。
步骤660,基于多个时间点对应的实际油温信息,获得第二油温变化序列。
第二油温序列可以指目标车辆在未来多个时间点的实际行驶中变速箱的实际油温变化数据。可以基于多个时间点的实际油温信息,确定第二油温变化序列,其中,第二油温变化序列的每个参数值表示下一个时间点的实际油温信息相对于上一个时间点实际油温信息的变化值。
步骤670,基于第一油温变化序列以及第二油温变化序列,确定是否需要输出散热预警信息。
散热预警信息可以指发给终端设备的散热警示通知信息。在一些实施例中,可以基于第一油温变化序列与第二油温变化序列,确定是否需要输出散热预警信息。例如,可以预先设置差值阈值为5,数量阈值为1,其中差值阈值可以表示第一油温变化序列与第二油温变化的最大差值限值,数量阈值可以表示达到和/或超过差值阈值的元素的最大数量限值。若获取的第一油温变化序列以及第二油温变化序列分别为(0,1,1,1,1,0,1)和(1,2,3,5,6,7,5),则相同时间点的最大温度变化差值大于差值阈值5的时间点有2个,大于数量阈值1,则可以确定需要输出散热预警信息。关于终端设备的更多说明,参见图4及其相关描述。
值得说明的是,在理想状态下,第一温度变化序列和第二温度变化序列数据应是相同或十分相似的。当第一温度变化序列和第二温度变化序列数据差值大小和数量均超过阈值时,在目标车辆其它情况正常的情况下时,则可能是目标车辆的变速箱散热器和/或冷却器出现故障,因此处理设备给终端设备发出预警通知信息。
本说明书的一些实施例中,通过分析预测油温信息随时间变化的数值与实际监测实际油温信息随时间变化的数值,从而可以确定车辆变速箱中的散热器和冷却器是否出现故障,进而决定是否发出散热预警信息,可以有效监控散热器和冷却器的工作状态,及时发现故障并处理,避免其影响变速箱工作。
本说明书的一些实施例还提供了一种变速箱温度测试装置,该装置包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行计算机指令中的至少部分指令以实现本说明书中任一实施例所述的变速箱温度测试方法。
本说明书的一些实施例还提供了一种用于存储指令的非暂时性计算机可读介质,所述指令在由至少一个处理器执行时使至少一个处理器实现本说明书中任一实施例所述的变速箱温度测试方法。
应当注意的是,上述有关各流程的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对上述流程进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (6)
1.一种变速箱温度测试方法,其特征在于,所述方法包括:
获取测试车辆在多个预设驾驶条件下的测试数据,其中,所述预设驾驶条件包括所述测试车辆的驾驶参数条件以及驾驶环境条件,所述测试数据包括所述测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及所述变速箱内的变速箱油的第三温度信息;
基于所述测试数据,确定所述测试车辆的目标温度关系,所述目标温度关系表征所述变速箱油的温度随所述变速箱外表面的温度和所述发动机外表面的温度变化的映射关系,所述目标温度关系用于确定实际行驶中的车辆的变速箱油的温度信息;
获取目标车辆的变速箱外表面的第四温度信息和发动机外表面的第五温度信息;
基于所述第四温度信息以及所述第五温度信息,结合所述目标温度关系,确定所述目标车辆的变速箱油的目标温度信息;
当所述目标温度信息大于油温阈值时,输出油温预警信息;其中,所述目标温度信息为所述目标车辆在当前时刻的变速箱油的温度信息;
获取所述目标车辆的驾驶参数信息、驾驶环境信息以及散热信息;
基于油温预测模型对所述驾驶参数信息、所述驾驶环境信息、所述散热信息以及所述目标温度信息进行处理,获得所述目标车辆的变速箱油在未来的多个时间点的预测油温信息;
基于所述多个时间点的预测油温信息,获得第一油温变化序列;
在所述多个时间点分别获取所述目标车辆的所述变速箱外表面的第六温度信息以及所述发动机外表面的第七温度信息;
针对每一所述时间点,根据该时间点对应的所述第六温度信息以及所述第七温度信息,结合所述目标温度关系,确定该时间点对应的实际油温信息;
基于所述多个时间点对应的所述实际油温信息,获得第二油温变化序列;
基于所述第一油温变化序列以及所述第二油温变化序列,确定是否需要输出散热预警信息。
2.根据权利要求1所述的方法,其特征在于,所述目标温度关系包括目标温度模型,所述基于所述测试数据,确定所述测试车辆的目标温度关系包括:
基于获得的多组所述测试数据,对机器学习模型进行训练,获得训练好的所述目标温度模型。
3.一种变速箱温度测试系统,其特征在于,所述系统包括:
第一获取模块,用于获取测试车辆在多个预设驾驶条件下的测试数据,其中,所述预设驾驶条件包括所述测试车辆的驾驶参数条件以及驾驶环境条件,所述测试数据包括所述测试车辆的变速箱外表面的第一温度信息、发动机外表面的第二温度信息以及所述变速箱内的变速箱油的第三温度信息;
第一确定模块,用于基于所述测试数据,确定所述测试车辆的目标温度关系,所述目标温度关系表征所述变速箱油的温度随所述变速箱外表面的温度和所述发动机外表面的温度变化的映射关系,所述目标温度关系用于确定实际行驶中的车辆的变速箱油的温度信息;
第二获取模块,用于获取目标车辆的变速箱外表面的第四温度信息和发动机外表面的第五温度信息;
第二确定模块,用于基于所述第四温度信息以及所述第五温度信息,结合所述目标温度关系,确定所述目标车辆的变速箱油的目标温度信息;
预警模块,用于当所述目标温度信息大于油温阈值时,输出油温预警信息;其中,所述目标温度信息为所述目标车辆在当前时刻的变速箱油的温度信息;
第三获取模块,用于获取所述目标车辆的驾驶参数信息、驾驶环境信息以及散热信息;
第四获取模块,用于基于油温预测模型对所述驾驶参数信息、所述驾驶环境信息、所述散热信息以及所述目标温度信息进行处理,获得所述目标车辆的变速箱油在未来的多个时间点的预测油温信息;
第五获取模块,用于基于所述多个时间点的预测油温信息,获得第一油温变化序列;
第六获取模块,用于在所述多个时间点分别获取所述目标车辆的所述变速箱外表面的第六温度信息以及所述发动机外表面的第七温度信息;
第三确定模块,用于针对每一所述时间点,根据该时间点对应的所述第六温度信息以及所述第七温度信息,结合所述目标温度关系,确定该时间点对应的实际油温信息;
第七获取模块,用于基于所述多个时间点对应的所述实际油温信息,获得第二油温变化序列;
第四确定模块,用于基于所述第一油温变化序列以及所述第二油温变化序列,确定是否需要输出散热预警信息。
4.根据权利要求3所述的系统,其特征在于,所述目标温度关系包括目标温度模型,所述第一确定模块进一步用于:
基于获得的多组所述测试数据,对机器学习模型进行训练,获得训练好的所述目标温度模型。
5.一种变速箱温度测试装置,包括处理器,所述处理器用于执行权利要求1~2中任一项所述的变速箱温度测试方法。
6.一种用于存储指令的非暂时性计算机可读介质,所述指令在由至少一个处理器执行时使所述至少一个处理器实现权利要求1~2任一项所述的变速箱温度测试方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310426256.8A CN116465512B (zh) | 2022-06-08 | 2022-06-08 | 一种变速箱预警方法及系统 |
CN202210652412.8A CN115077740B (zh) | 2022-06-08 | 2022-06-08 | 一种变速箱温度测试方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210652412.8A CN115077740B (zh) | 2022-06-08 | 2022-06-08 | 一种变速箱温度测试方法及系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310426256.8A Division CN116465512B (zh) | 2022-06-08 | 2022-06-08 | 一种变速箱预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115077740A CN115077740A (zh) | 2022-09-20 |
CN115077740B true CN115077740B (zh) | 2023-04-04 |
Family
ID=83251881
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310426256.8A Active CN116465512B (zh) | 2022-06-08 | 2022-06-08 | 一种变速箱预警方法及系统 |
CN202210652412.8A Active CN115077740B (zh) | 2022-06-08 | 2022-06-08 | 一种变速箱温度测试方法及系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310426256.8A Active CN116465512B (zh) | 2022-06-08 | 2022-06-08 | 一种变速箱预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN116465512B (zh) |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19624078A1 (de) * | 1996-06-17 | 1997-12-18 | Bayerische Motoren Werke Ag | Verfahren zur korrekten Außentemperaturerfassung |
US8019568B2 (en) * | 2007-11-05 | 2011-09-13 | GM Global Technology Operations LLC | Physics-based oil temperature model |
JP5195475B2 (ja) * | 2009-02-04 | 2013-05-08 | トヨタ自動車株式会社 | 油温センサの異常判定装置および異常判定方法 |
US9714871B2 (en) * | 2014-05-20 | 2017-07-25 | Fca Us Llc | Real-time virtual axle assembly temperature sensor |
RU2699869C1 (ru) * | 2018-09-07 | 2019-09-11 | Публичное акционерное общество "Авиационная холдинговая компания "Сухой" | Способ определения достаточности охлаждения масла в турбореактивном двигателе |
CN111122008B (zh) * | 2018-11-01 | 2021-06-15 | 广州汽车集团股份有限公司 | 高压导线的线芯温度确定方法和装置 |
CN109632290A (zh) * | 2018-12-29 | 2019-04-16 | 江铃控股有限公司 | 变速箱驾驶试验方法 |
JP6547991B1 (ja) * | 2019-02-20 | 2019-07-24 | トヨタ自動車株式会社 | 触媒温度推定装置、触媒温度推定システム、データ解析装置、および内燃機関の制御装置 |
JP7322810B2 (ja) * | 2020-05-21 | 2023-08-08 | トヨタ自動車株式会社 | 燃温推定システム、データ解析装置、燃料供給装置の制御装置 |
JP7363708B2 (ja) * | 2020-08-04 | 2023-10-18 | トヨタ自動車株式会社 | 動力伝達装置の異常判定装置 |
CN111997730B (zh) * | 2020-08-28 | 2021-08-24 | 徐州徐工矿业机械有限公司 | 一种工程车辆整机热管理系统及铰接式自卸车 |
CN112254972B (zh) * | 2020-10-26 | 2023-02-24 | 上海三一重机股份有限公司 | 挖掘机油温预警方法、装置、服务器及挖掘机 |
CN112861254B (zh) * | 2020-12-31 | 2024-06-18 | 联合汽车电子有限公司 | 电驱动桥变速箱油温的检测方法、电机的控制方法及系统 |
CN113222768A (zh) * | 2021-04-06 | 2021-08-06 | 深圳市易优成科技有限公司 | 确定冷却所需时长的方法、装置及终端设备 |
CN113252197B (zh) * | 2021-05-31 | 2024-05-24 | 东风商用车有限公司 | 一种商用车变速箱油温测量方法及测量系统 |
CN113775747B (zh) * | 2021-08-13 | 2022-09-02 | 江铃汽车股份有限公司 | 一种识别工况后的静态修正换挡控制的方法 |
-
2022
- 2022-06-08 CN CN202310426256.8A patent/CN116465512B/zh active Active
- 2022-06-08 CN CN202210652412.8A patent/CN115077740B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116465512B (zh) | 2024-02-23 |
CN115077740A (zh) | 2022-09-20 |
CN116465512A (zh) | 2023-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9881428B2 (en) | Analysis of vehicle data to predict component failure | |
CN114282434A (zh) | 一种工业设备健康管理系统及方法 | |
WO2012115899A2 (en) | Diagnostic baselining | |
BRPI1100290A2 (pt) | mÉtodo para detectar comportamento em equipamento de subestaÇço elÉtrica | |
CN108269324B (zh) | 一种发动机的冷却液温度监测方法及车联网服务平台 | |
Mosallam et al. | Component based data-driven prognostics for complex systems: Methodology and applications | |
EP3870948B1 (en) | System, apparatus and method of determining remaining life of a bearing | |
CN115796434A (zh) | 一种用于配电网的管控方法、装置、电子设备及存储介质 | |
Khera et al. | Valve regulated lead acid battery diagnostic system based on infrared thermal imaging and fuzzy algorithm | |
CN115524002A (zh) | 一种电厂旋转设备的运行状态预警方法、系统及存储介质 | |
CN115496386A (zh) | 设备巡检方法、系统及计算机可读存储介质 | |
CN115077740B (zh) | 一种变速箱温度测试方法及系统 | |
CN110954335A (zh) | 一种工业车辆的健康评估方法及系统 | |
CN117370848B (zh) | 设备故障预测方法、装置、计算机设备及存储介质 | |
CN114674562A (zh) | 一种考虑寿命监测条件的轨道交通圆锥滚子轴承寿命预测方法 | |
CN109740797B (zh) | 一种基于条件概率的电力设备缺陷事件预警方法 | |
CN116559713A (zh) | 通信基站电源智能监控方法及装置 | |
CN114814419A (zh) | 一种基于大数据的电力柜散热性能检测方法 | |
CN115358104A (zh) | 一种使用数字孪生方法的igbt模块健康监测方法 | |
CN114254798A (zh) | 输电线路的监控方法、装置、计算机设备和存储介质 | |
Rigamonti et al. | A particle filtering-based approach for the prediction of the remaining useful life of an aluminum electrolytic capacitor | |
KR102684101B1 (ko) | 지능형 rpa를 이용한 설비 이상징후 탐지 및 공구파손 예지 서비스 제공 시스템 | |
US20240192091A1 (en) | Method and apparatus for evaluating health of vehicle chassis | |
CN117520993B (zh) | 电驱动桥试验系统及其方法 | |
KR102691026B1 (ko) | 딥러닝을 이용한 차량용 카메라 이미지센서의 고장진단방법 |
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 |