CN115171242B - 工业车辆远程故障检测系统 - Google Patents
工业车辆远程故障检测系统 Download PDFInfo
- Publication number
- CN115171242B CN115171242B CN202210786328.5A CN202210786328A CN115171242B CN 115171242 B CN115171242 B CN 115171242B CN 202210786328 A CN202210786328 A CN 202210786328A CN 115171242 B CN115171242 B CN 115171242B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- fault
- industrial
- module
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000013480 data collection Methods 0.000 claims abstract description 29
- 238000003062 neural network model Methods 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000013024 troubleshooting Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了工业车辆远程故障检测系统,涉及车辆远程监控技术领域,信息录入模块、工业车辆数据收集模块、数据传输模块、故障排查模块、用户客户端以及远程终端;通过设置工业车辆数据收集模块收集工业车辆的车辆配件数据,以及工业车辆车载操作系统产生的运行日志以及故障日志;对于车辆配件数据,根据操作人员对于工业车辆故障的描述,使用神经网络模型预测出现故障的车辆配件;对于车载操作系统产生的运行日志以及故障日志,根据日志查找对应补丁,解决了远程确认车辆故障原因的问题。
Description
技术领域
本发明属于车辆远程监控领域,涉及物联网技术,具体是工业车辆远程故障检测系统。
背景技术
工业车辆在工业生产中具有举足轻重的作用,承担了运输、施工等多项重要工作;而工业生产中的大部分工作都需要巨大的承载力,而巨大承载力往往容易对工业车辆的车辆配件造成磨损,甚至损坏;因此工业车辆在运输途中发生故障,无法行驶,是经常发生的事件;而驾驶人员往往因为不具备工业车辆维修技术,无法找出车辆故障的原因,也无法对故障进行处理;因此,需要一种可以远程确认工业车辆故障原因的技术;
为此,提出工业车辆远程故障检测系统。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出工业车辆远程故障检测系统,该工业车辆远程故障检测系统通过设置工业车辆数据收集模块收集工业车辆的车辆配件数据,以及工业车辆车载操作系统产生的运行日志以及故障日志;对于车辆配件数据,根据操作人员对于工业车辆故障的描述,使用神经网络模型预测出现故障的车辆配件;对于车载操作系统产生的运行日志以及故障日志,根据日志查找对应补丁,解决了远程确认车辆故障原因的问题。
为实现上述目的,根据本发明的第一方面的实施例提出工业车辆远程故障检测系统,包括信息录入模块、工业车辆数据收集模块、数据传输模块、故障排查模块、用户客户端以及远程终端;
其中,所述信息录入模块主要用于工业车辆信息的录入;
所述车辆信息包括车牌号、车龄、车辆配件使用情况;
其中,所述车辆配件使用情况包括车辆配件上次更换时间、车辆配件历史维修情况以及车辆配件当前健康程度;所述车辆配件当前健康程度可使用1-10打分制;每台工业车辆以车牌号作为唯一标识;所述信息录入模块与远程终端以无线网络方式连接;
所述工业车辆数据收集模块用于收集工业车辆的车辆数据;
所述车辆数据收集模块包括硬件数据收集单元以及软件数据收集单元;硬件数据收集单元以及软件数据收集单元均与数据传输模块以电气方式连接;
其中,所述硬件数据收集单元用于收集车辆配件的关键数据;
所述硬件数据收集单元为安装在每台工业车辆中的若干数据收集器;所述数据收集器为安装在不同车辆配件上,用来收集各个车辆配件数据的装置;
每个数据收集器实时将监测的车辆配件数据发送至数据传输模块;
其中,软件数据收集单元用于收集车辆车载操作系统的系统数据;
所述软件数据收集单元为安装在每台工业车辆的车载操作系统中的一个软件或插件;所述软件或插件实时收集车载操作系统生产的运行日志和故障日志;
所述软件数据收集单元将收集的运行日志以及故障日志发送至数据传输模块;
所述数据传输模块用于将硬件数据收集单元收集的工业车辆配件数据以及软件数据收集单元收集的运行日志和故障日志发送至远程终端;
所述数据传输模块具有数据缓存装置;所述数据缓存装置可以保存所述数据传输模块在7天内接收的所有数据;
当工业车辆发生故障时,由人工通过数据传输模块将数据缓存装置中的数据发送至远程终端;
其中,所述故障排查模块用于根据数据传输模块发送的数据对工业车辆的故障原因进行排查;所述故障排查模块与用户客户端以无线网络方式连接;
所述故障排查模块包括硬件故障排查单元以及软件故障排查单元;
其中,所述硬件故障排查单元主要用于根据硬件数据收集单元收集的工业车辆配件数据排查工业车辆配件的故障;
人工通过数据传输模块将数据缓存装置中的数据发送至远程终端时,可添加由人工编写的对车辆故障的描述;
所述远程终端将车辆配件数据以及车辆故障描述发送至硬件故障排查单元;
所述硬件故障排查单元排查车辆配件故障包括以下步骤:
步骤S1:收集带有标签的车辆故障的中文描述语句;所述标签为出现导致车辆故障的车辆配件;
步骤S2:使用中文分词工具将中文描述语句进行分词,并使用word2vec工具将中文描述语句转化为词向量;
步骤S3:将转化后的词向量集合作为输入,每句中文描述语句的标签作为目标值,输入RNN神经网络中,输出为每句中文描述语句预测的故障车辆配件;训练目标为最大化预测的准确率;
步骤S4:当训练的准确率达到95%时,停止训练,并保存训练好的RNN神经网络模型;
步骤S5:对于由远程终端发送的车辆故障描述,使用中文分词工具将车辆故障描述进行分词;并使用word2vec工具将车辆故障描述转化为词向量;
步骤S6:将词向量作为输入,输入至训练好的RNN神经网络模型;获得预测的故障车辆配件;
步骤S7:所述硬件故障排查单元从远程终端发送的车辆配件数据中,调取出预测的故障车辆配件的历史数据;
步骤S8:所述硬件故障排查单元根据预测的故障车辆配件历史数据、工业车辆的车龄、工业车辆当前健康程度以及车辆配件的历史更换、维修数据分析车辆配件可能存在的问题;若检测出异常数据,将检测结果发送至用户客户端;否则转至步骤S9;
步骤S9:所述硬件故障排查单元排查所有车辆配件历史数据;若检测出异常数据,将检测结果发送至用户客户端;否则发送数据无异常信息至用户客户端;
其中,所述软件故障排查单元主要用于根据车载操作系统的运行日志以及故障日志分析可能存在的异常情况;
所述软件故障排查单元联通互联网,并与车载操作系统供应厂商网站相连,实时监控车载操作系统厂商网站中新更新的补丁;并将新补丁下载至本地;
进一步的,所述软件故障排查单元根据车载操作系统的运行日志以及故障日志分析出车载操作系统所需要的补丁;若分析出车载操作系统所需要的补丁,所述软件故障排查单元将补丁发送至用户客户端;否则,发送补丁查找失败信息至用户客户端;
其中,所述用户客户端主要用于根据故障排查模块发送的信息,对车辆故障进行进一步处理;
所述用户客户端为工业车辆的操作人员的智能手机;所述用户客户端对车辆故障进一步处理包括安排工作人员维修或更换故障的车辆配件、前往车辆维修厂进行进一步的检查以及为车载操作系统安装补丁。
与现有技术相比,本发明的有益效果是:
1、本发明综合考虑了工业车辆配件发生故障的硬件故障问题,以及车载操作系统发生故障的软件故障问题;为工业车辆故障提供了更为全面的检测;
2、本发明通过对故障情况描述的分析,更为精准的定位车辆故障发生的配件位置;极大的降低了排查故障的难度。
附图说明
图1为本发明的原理图。
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做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。
如图1所示,工业车辆远程故障检测系统,包括信息录入模块、工业车辆数据收集模块、数据传输模块、故障排查模块、用户客户端以及远程终端;
其中,所述信息录入模块主要用于工业车辆信息的录入;
可以理解的是,工业生产中的每台工业车辆具有不同的车型以及车龄;每台工业车辆故障的指标也不尽相同;因此,需要事先录入每台工业车辆的车辆信息,所述车辆信息包括车牌号、车龄、车辆配件使用情况;
其中,所述车辆配件使用情况包括车辆配件上次更换时间、车辆配件历史维修情况以及车辆配件当前健康程度;所述车辆配件当前健康程度可使用1-10打分制;例如,10分为全新无任何故障,9分为具有轻微磨损,1分为磨损或折旧极为严重;其中,每台工业车辆以车牌号作为唯一标识;
所述信息录入模块与远程终端以无线网络方式连接;
在一个优选的实施例中,所述信息录入模块可以是智能手机中的一个APP;工作人员事先收集所有需要故障检测的工业车辆的车辆信息;并将收集的工业车辆的车辆信息输入APP中,并发送至远程终端;
其中,所述工业车辆数据收集模块主要用于收集工业车辆的车辆数据;
所述车辆数据收集模块包括硬件数据收集单元以及软件数据收集单元;硬件数据收集单元以及软件数据收集单元均与数据传输模块以电气方式连接;
其中,所述硬件数据收集单元主要用于收集车辆配件的关键数据;
在一个优选的实施例中,所述硬件数据收集单元为安装在每台工业车辆中的若干数据收集器;所述数据收集器为安装在不同车辆配件上,用来收集各个车辆配件数据的装置;例如,在车辆轮胎中放置的胎压传感器以及在车辆电瓶中放置的电量传感器等;
每个数据收集器实时将监测的车辆配件数据发送至数据传输模块;
其中,软件数据收集单元主要用于收集车辆车载操作系统的系统数据;
可以理解的是,工业车辆的行驶与操作均通过车载操作系统完成;因此,需要设置数据收集单元对车载操作系统的数据进行收集;所述车载操作系统在运行的过程中,生成运行日志;当车载操作系统出现运行故障时,会产生故障日志;
在一个优选的实施例中,所述软件数据收集单元为安装在每台工业车辆的车载操作系统中的一个软件或插件;所述软件或插件实时收集车载操作系统生产的运行日志和故障日志;
所述软件数据收集单元将收集的运行日志以及故障日志发送至数据传输模块;
其中,所述数据传输模块主要用于将硬件数据收集单元收集的工业车辆配件数据以及软件数据收集单元收集的运行日志和故障日志发送至远程终端;
在一个优选的实施例中,所述数据传输模块为在每台工业车辆上安装的信息收发装置;所述数据传输模块与远程终端以无线网络方式连接;
可以理解的是,数据传输模块实时收集的车辆配件数据以及运行日志和故障日志的数据量是庞大的,为了降低远程终端数据存储及数据处理成本,所述数据传输模块还可具有数据缓存装置;所述数据缓存装置可以保存所述数据传输模块在7天内接收的所有数据;
在一个优选的实施例中,当工业车辆发生故障时,由人工通过数据传输模块将数据缓存装置中的数据发送至远程终端;
其中,所述故障排查模块主要用于根据数据传输模块发送的数据对工业车辆的故障原因进行排查;所述故障排查模块与用户客户端以无线网络方式连接;
所述故障排查模块包括硬件故障排查单元以及软件故障排查单元;
其中,所述硬件故障排查单元主要用于根据硬件数据收集单元收集的工业车辆配件数据排查工业车辆配件的故障;
可以理解的是,工业车辆发生硬件故障时,可通过人工观察工业车辆故障情况,描写出工业车辆的故障情况;
在一个优选的实施例中,由人工通过数据传输模块将数据缓存装置中的数据发送至远程终端时,可添加由人工编写的对车辆故障的描述;
所述远程终端将车辆配件数据以及车辆故障描发送至硬件故障排查单元;
所述硬件故障排查单元排查车辆配件故障包括以下步骤:
步骤S1:收集带有标签的车辆故障的中文描述语句;所述标签为出现导致车辆故障的车辆配件;
步骤S2:使用中文分词工具将中文描述语句进行分词,并使用word2vec工具将中文描述语句转化为词向量;
步骤S3:将转化后的词向量集合作为输入,每句中文描述语句的标签作为目标值,输入RNN神经网络中,输出为每句中文描述语句预测的故障车辆配件;训练目标为最大化预测的准确率;
步骤S4:当训练的准确率达到95%时,停止训练,并保存训练好的RNN神经网络模型;
步骤S5:对于由远程终端发送的车辆故障描述,使用中文分词工具将车辆故障描述进行分词;并使用word2vec工具将车辆故障描述转化为词向量;
步骤S6:将词向量作为输入,输入至训练好的RNN神经网络模型;获得预测的故障车辆配件;
步骤S7:所述硬件故障排查单元从远程终端发送的车辆配件数据中,调取出预测的故障车辆配件的历史数据;
步骤S8:所述硬件故障排查单元根据预测的故障车辆配件历史数据、工业车辆的车龄、工业车辆当前健康程度以及车辆配件的历史更换、维修数据分析车辆配件可能存在的问题;若检测出异常数据,将检测结果发送至用户客户端;否则转至步骤S9;
步骤S9:所述硬件故障排查单元排查所有车辆配件历史数据;若检测出异常数据,将检测结果发送至用户客户端;否则发送数据无异常信息至用户客户端;
其中,所述软件故障排查单元主要用于根据车载操作系统的运行日志以及故障日志分析可能存在的异常情况;
可以理解的是,车载操作系统的故障往往是车载系统内部的代码缺陷造成的;因此,针对车载操作系统的缺陷,车载系统供应厂商会提供专门的补丁程序,用以解决车载操作系统的缺陷;
在一个优选的实施例中,所述软件故障排查单元联通互联网,并与车载操作系统供应厂商网站相连,实时监控车载操作系统厂商网站中新更新的补丁;并将新补丁下载至本地;
进一步的,所述软件故障排查单元根据车载操作系统的运行日志以及故障日志分析出车载操作系统所需要的补丁;若分析出车载操作系统所需要的补丁,所述软件故障排查单元将补丁发送至用户客户端;否则,发送补丁查找失败信息至用户客户端;
其中,所述用户客户端主要用于根据故障排查模块发送的信息,对车辆故障进行进一步处理;
在一个优选的实施例中,所述用户客户端为工业车辆的操作人员的智能手机;所述用户客户端对车辆故障进一步处理包括安排工作人员维修或更换故障的车辆配件、前往车辆维修厂进行进一步的检查以及为车载操作系统安装补丁。
本发明的工作原理:
信息录入模块主要用于对工业车辆信息的录入;
工业车辆数据收集模块用于收集工业车辆的车辆数据;
故障排查模块主要用于根据数据传输模块发送的数据对工业车辆的故障原因进行排查;
数据传输模块用于将硬件数据收集单元收集的工业车辆配件数据以及软件数据收集单元收集的运行日志和故障日志发送至远程终端;
用户客户端主要用于根据故障排查模块发送的信息,对车辆故障进行进一步处理。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (6)
1.工业车辆远程故障检测系统,其特征在于,包括:信息录入模块、工业车辆数据收集模块、数据传输模块、故障排查模块、用户客户端以及远程终端;
所述信息录入模块用于工业车辆信息的录入;所述信息录入模块与远程终端以无线网络方式连接;
所述工业车辆数据收集模块用于收集工业车辆的车辆数据;所述车辆数据收集模块包括硬件数据收集单元以及软件数据收集单元; 所述硬件数据收集单元用于收集车辆配件数据;所述软件数据收集单元用于收集车辆车载操作系统的系统数据;硬件数据收集单元以及软件数据收集单元均与数据传输模块以电气方式连接;
所述数据传输模块用于将工业车辆数据收集模块收集的数据发送至远程终端;
所述故障排查模块用于根据数据传输模块发送的数据对工业车辆的故障原因进行排查;所述故障排查模块与用户客户端以无线网络方式连接;所述故障排查模块包括硬件故障排查单元以及软件故障排查单元;
其中,所述用户客户端用于根据故障排查模块发送的信息,对车辆故障进行进一步处理;
所述硬件故障排查单元用于根据硬件数据收集单元收集的工业车辆配件数据排查工业车辆配件的故障;
由人工通过数据传输模块将数据缓存装置中的数据发送至远程终端时,添加由人工编写的对车辆故障的描述;
所述远程终端将车辆配件数据以及车辆故障描述发送至硬件故障排查单元;
硬件故障排查单元排查车辆配件故障包括以下步骤:
步骤S1:收集带有标签的车辆故障的中文描述语句;所述标签为出现导致车辆故障的车辆配件;
步骤S2:使用中文分词工具将中文描述语句进行分词,并使用word2vec工具将中文描述语句转化为词向量;
步骤S3:将转化后的词向量集合作为输入,每句中文描述语句的标签作为目标值,输入RNN神经网络中,输出为每句中文描述语句预测的故障车辆配件;训练目标为最大化预测的准确率;
步骤S4:当训练的准确率达到95%时,停止训练,并保存训练好的RNN神经网络模型;
步骤S5:对于由远程终端发送的车辆故障描述,使用中文分词工具将车辆故障描述进行分词;并使用word2vec工具将车辆故障描述转化为词向量;
步骤S6:将词向量作为输入,输入至训练好的RNN神经网络模型;获得预测的故障车辆配件;
步骤S7:所述硬件故障排查单元从远程终端发送的车辆配件数据中,调取出预测的故障车辆配件的历史数据;
步骤S8:所述硬件故障排查单元根据预测的故障车辆配件历史数据、工业车辆的车龄、车辆配件当前健康程度以及车辆配件的历史更换、维修数据分析车辆配件可能存在的问题;若检测出异常数据,将检测结果发送至用户客户端;否则转至步骤S9;
步骤S9:所述硬件故障排查单元排查所有车辆配件历史数据;若检测出异常数据,将检测结果发送至用户客户端;否则发送数据无异常信息至用户客户端;
所述软件故障排查单元用于根据车载操作系统的运行日志以及故障日志分析可能存在的异常情况;
所述软件故障排查单元联通互联网,并与车载操作系统供应厂商网站相连,实时监控车载操作系统厂商网站中新更新的补丁;并将新补丁下载至本地;
所述软件故障排查单元根据车载操作系统的运行日志以及故障日志分析出车载操作系统所需要的补丁;若分析出车载操作系统所需要的补丁,所述软件故障排查单元将补丁发送至用户客户端;否则,发送补丁查找失败信息至用户客户端。
2.根据权利要求1所述的工业车辆远程故障检测系统,其特征在于,所述信息录入模块录入每台工业车辆的车辆信息,所述车辆信息包括车牌号、车龄以及车辆配件使用情况;
所述车辆配件使用情况包括车辆配件上次更换时间、车辆配件历史维修情况以及车辆配件当前健康程度;所述车辆配件当前健康程度使用1-10打分制。
3.根据权利要求1所述的工业车辆远程故障检测系统,其特征在于,所述硬件数据收集单元为安装在每台工业车辆中的若干数据收集器;所述数据收集器为安装在不同车辆配件上,用来收集各个车辆配件数据的装置;数据收集器实时将监测的车辆配件数据发送至数据传输模块。
4.根据权利要求1所述的工业车辆远程故障检测系统,其特征在于,所述软件数据收集单元为安装在每台工业车辆的车载操作系统中的一款预设软件或插件;所述预设软件或插件实时收集车载操作系统生产的运行日志和故障日志;
所述软件数据收集单元将收集的运行日志以及故障日志发送至数据传输模块。
5.根据权利要求1所述的工业车辆远程故障检测系统,其特征在于,所述数据传输模块为在每台工业车辆上安装的信息收发装置;所述数据传输模块与远程终端以无线网络方式连接;
所述数据传输模块具有数据缓存装置;所述数据缓存装置保存所述数据传输模块在7天内接收的所有数据;
当工业车辆发生故障时,由人工通过数据传输模块将数据缓存装置中的数据发送至远程终端。
6.根据权利要求1所述的工业车辆远程故障检测系统,其特征在于,所述用户客户端为所述用户客户端对车辆故障进一步处理包括安排工作人员维修或更换故障的车辆配件、前往车辆维修厂进行进一步的检查以及为车载操作系统安装补丁。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210786328.5A CN115171242B (zh) | 2022-07-04 | 2022-07-04 | 工业车辆远程故障检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210786328.5A CN115171242B (zh) | 2022-07-04 | 2022-07-04 | 工业车辆远程故障检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115171242A CN115171242A (zh) | 2022-10-11 |
CN115171242B true CN115171242B (zh) | 2024-02-02 |
Family
ID=83491344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210786328.5A Active CN115171242B (zh) | 2022-07-04 | 2022-07-04 | 工业车辆远程故障检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171242B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116155956B (zh) * | 2023-04-18 | 2023-08-22 | 武汉森铂瑞科技有限公司 | 一种基于梯度决策树模型的多路复用通信方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101598943A (zh) * | 2009-07-03 | 2009-12-09 | 烟台麦特电子有限公司 | 一种汽车故障远程诊断方法及其车载智能终端装置 |
CN106327344A (zh) * | 2016-08-28 | 2017-01-11 | 华南理工大学 | 一种基于车联网的车辆故障在线检测预警装置和方法 |
CN106708017A (zh) * | 2016-12-26 | 2017-05-24 | 华东理工大学 | 一种车辆故障实时监控与服务系统及其应用 |
CN106790330A (zh) * | 2015-11-23 | 2017-05-31 | 上海汽车集团股份有限公司 | 车载ecu的远程更新方法、车载ecu及车辆 |
CN108319254A (zh) * | 2018-01-24 | 2018-07-24 | 广东远峰汽车电子有限公司 | 一种汽车日志的收集方法、车载终端及日志收集服务器 |
CN109240258A (zh) * | 2018-07-09 | 2019-01-18 | 上海万行信息科技有限公司 | 基于词向量的汽车故障智能辅助诊断方法和系统 |
CN109353375A (zh) * | 2018-08-14 | 2019-02-19 | 卡斯柯信号有限公司 | 一种城市轨道交通车辆专家系统及方法 |
DE102018209773A1 (de) * | 2018-06-18 | 2019-12-19 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur rechnergestützten Bestimmung einer Fehlerdiagnose eines Fahrzeugs |
CN110912998A (zh) * | 2019-11-26 | 2020-03-24 | 福建汉特云智能科技有限公司 | 一种基于远程设备端的车辆问题排查系统及方法 |
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 |
CN112100210A (zh) * | 2020-09-17 | 2020-12-18 | 深圳市道通科技股份有限公司 | 数据处理方法和汽车大数据管理云平台 |
CN112132285A (zh) * | 2020-09-28 | 2020-12-25 | 湖南行必达网联科技有限公司 | 车辆故障诊断方法及装置 |
CN112363488A (zh) * | 2020-12-07 | 2021-02-12 | 东风柳州汽车有限公司 | 车辆故障处理系统及方法 |
CN112612890A (zh) * | 2020-12-28 | 2021-04-06 | 交控科技股份有限公司 | 轨道车辆的故障识别方法及装置 |
DE102020128497A1 (de) * | 2020-10-29 | 2022-05-05 | Bayerische Motoren Werke Aktiengesellschaft | Computerimplementiertes Verfahren und System zur dialogunterstützten Ferndiagnose eines Defekts an einem technischen Bauteil und/oder System eines Fahrzeugs und Trainingsverfahren |
CN114547318A (zh) * | 2020-11-10 | 2022-05-27 | 彩虹无线(北京)新技术有限公司 | 故障信息获取方法、装置、设备和计算机存储介质 |
-
2022
- 2022-07-04 CN CN202210786328.5A patent/CN115171242B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101598943A (zh) * | 2009-07-03 | 2009-12-09 | 烟台麦特电子有限公司 | 一种汽车故障远程诊断方法及其车载智能终端装置 |
CN106790330A (zh) * | 2015-11-23 | 2017-05-31 | 上海汽车集团股份有限公司 | 车载ecu的远程更新方法、车载ecu及车辆 |
CN106327344A (zh) * | 2016-08-28 | 2017-01-11 | 华南理工大学 | 一种基于车联网的车辆故障在线检测预警装置和方法 |
CN106708017A (zh) * | 2016-12-26 | 2017-05-24 | 华东理工大学 | 一种车辆故障实时监控与服务系统及其应用 |
CN108319254A (zh) * | 2018-01-24 | 2018-07-24 | 广东远峰汽车电子有限公司 | 一种汽车日志的收集方法、车载终端及日志收集服务器 |
DE102018209773A1 (de) * | 2018-06-18 | 2019-12-19 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur rechnergestützten Bestimmung einer Fehlerdiagnose eines Fahrzeugs |
CN109240258A (zh) * | 2018-07-09 | 2019-01-18 | 上海万行信息科技有限公司 | 基于词向量的汽车故障智能辅助诊断方法和系统 |
CN109353375A (zh) * | 2018-08-14 | 2019-02-19 | 卡斯柯信号有限公司 | 一种城市轨道交通车辆专家系统及方法 |
CN110912998A (zh) * | 2019-11-26 | 2020-03-24 | 福建汉特云智能科技有限公司 | 一种基于远程设备端的车辆问题排查系统及方法 |
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 |
CN112100210A (zh) * | 2020-09-17 | 2020-12-18 | 深圳市道通科技股份有限公司 | 数据处理方法和汽车大数据管理云平台 |
CN112132285A (zh) * | 2020-09-28 | 2020-12-25 | 湖南行必达网联科技有限公司 | 车辆故障诊断方法及装置 |
DE102020128497A1 (de) * | 2020-10-29 | 2022-05-05 | Bayerische Motoren Werke Aktiengesellschaft | Computerimplementiertes Verfahren und System zur dialogunterstützten Ferndiagnose eines Defekts an einem technischen Bauteil und/oder System eines Fahrzeugs und Trainingsverfahren |
CN114547318A (zh) * | 2020-11-10 | 2022-05-27 | 彩虹无线(北京)新技术有限公司 | 故障信息获取方法、装置、设备和计算机存储介质 |
CN112363488A (zh) * | 2020-12-07 | 2021-02-12 | 东风柳州汽车有限公司 | 车辆故障处理系统及方法 |
CN112612890A (zh) * | 2020-12-28 | 2021-04-06 | 交控科技股份有限公司 | 轨道车辆的故障识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115171242A (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10062219B2 (en) | Method for determining the cause of failure in a vehicle | |
CN110764493B (zh) | 一种适用于高速铁路的phm应用系统、方法及存储介质 | |
CN107153914B (zh) | 一种汽车运行风险的评价系统及方法 | |
KR20190107080A (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
CN104386449B (zh) | 用于矿用皮带运输机头尾轮在线检测智能保护装置 | |
CN111026094B (zh) | 一种站台门系统的故障诊断与远程维护方法和系统 | |
CN1862278A (zh) | 预测电动机剩余寿命的方法和系统 | |
CN115171242B (zh) | 工业车辆远程故障检测系统 | |
CN111708798A (zh) | 一种风电机组故障诊断与处理方法及系统 | |
MXPA02004270A (es) | Aparato y metodo para analisis de datos de funcionamiento y de fallas. | |
CN113697424B (zh) | 一种基于云技术的带式输送机监测与故障诊断系统及方法 | |
CN116910495B (zh) | 一种汽车下线检测的方法、系统、可读存储介质及汽车 | |
CN117221145A (zh) | 基于物联网平台的设备故障预测性维护系统 | |
CN109625025B (zh) | Btm设备预警系统 | |
CN115587312B (zh) | 一种基于多维大数据分析的故障点定位方法和系统 | |
CN115600695B (zh) | 一种计量设备的故障诊断方法 | |
CN115788771A (zh) | 一种基于物联网技术的风力发电系统的智能运维管理系统 | |
CN115880803A (zh) | 一种智能巡检系统及方法 | |
CN111381165A (zh) | 一种车辆动力电池监控方法、装置和平台 | |
CN115062781A (zh) | 一种基于状态信息的天线故障监测方法 | |
WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool | |
CN115391406B (zh) | 一种用于排水系统的数据流检修优化方法及系统 | |
KR102176401B1 (ko) | 산업용 탱크의 고장유사정보 추출 방법 | |
CN118094168A (zh) | 一种电力数据的修正方法及装置 | |
CN117833460A (zh) | 一种基于数字孪生的轨道交通供电智慧运维系统 |
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 |