CN115876483A - 一种故障检测方法及装置 - Google Patents
一种故障检测方法及装置 Download PDFInfo
- Publication number
- CN115876483A CN115876483A CN202111154070.9A CN202111154070A CN115876483A CN 115876483 A CN115876483 A CN 115876483A CN 202111154070 A CN202111154070 A CN 202111154070A CN 115876483 A CN115876483 A CN 115876483A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- noise
- target
- intermediate processing
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本申请公开了一种故障检测方法及装置,涉及信息处理技术领域,以降低通信成本。该方法包括:获取车辆总线数据和车辆噪音数据;根据所述总线数据和所述车辆噪音数据,得到中间处理数据;将所述中间处理数据划分为至少两个集合;对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数;当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。本申请实施例可以降低通信成本。
Description
技术领域
本申请涉及信息处理技术领域,尤其涉及一种故障检测方法及装置。
背景技术
汽车制造商在进行数字化和服务化转型,他们在致力于不断提高产品质量的同时,也在寻求新的服务于客户的方式。
专利申请CN103661101A提供了一种通过检测汽车噪音的频谱,并将该频谱与标准频谱进行比对,从而根据设定的阈值来判别汽车是否存在故障。但是,在这种方式中,检测到的汽车噪音比较容易受到外界其它噪音的干扰,比如路噪,胎噪,音响声音等。所以,大量的不包含故障信息的噪音也会被上传,从而占用了网络流量和存储空间,通信成本较高。
发明内容
本申请实施例提供一种故障检测方法及装置,以降低通信成本。
第一方面,本申请实施例提供了一种故障检测方法,应用于车载边缘计算平台,包括:
获取车辆总线数据和车辆噪音数据;
根据所述总线数据和所述车辆噪音数据,得到中间处理数据;
将所述中间处理数据划分为至少两个集合;
对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数;
当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。
其中,所述根据所述总线数据和所述车辆噪音数据,得到中间处理数据,包括:
对所述车辆噪音数据进行快速傅里叶变换,得到车辆噪音频域数据;
将所述车辆总线数据中的车速、转速,分别与对应的车辆噪音频域数据进行对应,得到所述中间处理数据;其中,同一时刻的车速、转速、车辆噪音频域数据相对应。
其中,在所述得到中间处理数据之后,所述方法还包括:
从所述中间处理数据中筛选出目标中间处理数据,并将所述目标中间处理数据作为最终的中间处理数据;
其中,所述目标中间处理数据的不同频率值对应的声音强度值大于预设值。
其中,所述将所述中间处理数据划分为至少两个集合,包括:
根据转速和频率的关系,或者,根据车速和频率的关系,在坐标系中形成多条曲线,不同的中间处理数据在坐标系中对应不同的点;
对于所述多条曲线中的各条目标曲线,将距离所述目标曲线在第一预设距离范围内的点所对应的中间处理数据划分到同一集合中。
其中,所述获取所述目标集合的目标噪音标准性能参数,包括:
对所述目标曲线进行拟合,得到拟合曲线;
将所述坐标系中,到所述拟合曲线的距离位于第二预设距离范围内点所对应的中间处理数据作为目标中间处理数据;
根据所述目标中间处理数据计算所述目标噪音标准性能参数;
其中,所述第二预设距离范围小于所述第一预设距离范围。
其中,所述当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据,包括:
根据所述拟合曲线的曲线参数,从所述云平台发送的信息中获取与所述曲线参数对应的目标曲线参数;
根据所述目标曲线参数,从所述云平台发送的信息中获取与所述目标曲线参数对应的噪音标准性能参数范围;
当一个或者多个目标噪音标准性能参数未位于对应的噪音标准性能参数范围内时,所述目标集合的车辆噪音数据为故障噪音数据;
向云平台发送所述目标集合的车辆噪音数据;
其中,所述曲线参数包括斜率和/或截距。
第二方面,本申请实施例提供了一种故障检测方法,应用于云平台,包括:
接收车载边缘计算平台发送的故障噪音数据;
根据所述故障噪音数据确定车辆故障信息;
其中,所述故障噪音数据是所述车载边缘计算平台在根据一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定目标集合的车辆噪音数据为故障噪音数据时,向云平台发送的,所述目标集合为将中间处理数据划分成的至少两个集合中的任意一个或者多个,所述中间处理数据是根据车辆总线数据和车辆噪音数据形成的。
其中,所述方法还包括:
根据存储的数据训练模型;
向所述车载边缘计算平台发送所述模型的参数。
第三方面,本申请实施例提供了一种故障检测装置,应用于车载边缘计算平台,包括:
第一获取模块,用于获取车辆总线数据和车辆噪音数据;
第二获取模块,用于根据所述总线数据和所述车辆噪音数据,得到中间处理数据;
第一划分模块,用于将所述中间处理数据划分为至少两个集合;
第三获取模块,用于对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数;
第一发送模块,用于当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。
其中,所述第二获取模块包括:
变换子模块,用于对所述车辆噪音数据进行快速傅里叶变换,得到车辆噪音频域数据;
获取子模块,用于将所述车辆总线数据中的车速、转速,分别与对应的车辆噪音频域数据进行对应,得到所述中间处理数据;其中,同一时刻的车速、转速、车辆噪音频域数据相对应。
其中,所述装置还包括:
筛选模块,用于从所述中间处理数据中筛选出目标中间处理数据,并将所述目标中间处理数据作为最终的中间处理数据;
其中,所述目标中间处理数据的不同频率值对应的声音强度值大于预设值。
其中,所述第一划分模块包括:
处理子模块,用于根据转速和频率的关系,或者,根据车速和频率的关系,在坐标系中形成多条曲线,不同的中间处理数据在坐标系中对应不同的点;
划分子模块,用于对于所述多条曲线中的各条目标曲线,将距离所述目标曲线在第一预设距离范围内的点所对应的中间处理数据划分到同一集合中。
其中,所述第三获取模块包括:
第一获取子模块,用于对所述目标曲线进行拟合,得到拟合曲线;
第二获取子模块,用于将所述坐标系中,到所述拟合曲线的距离位于第二预设距离范围内点所对应的中间处理数据作为目标中间处理数据;
第一计算子模块,用于根据所述目标中间处理数据计算所述目标噪音标准性能参数;
其中,所述第二预设距离范围小于所述第一预设距离范围。
其中,所述第一发送模块包括:
第一获取子模块,用于根据所述拟合曲线的曲线参数,从所述云平台发送的信息中获取与所述曲线参数对应的目标曲线参数;
第二获取子模块,用于根据所述目标曲线参数,从所述云平台发送的信息中获取与所述目标曲线参数对应的噪音标准性能参数范围;
第一处理子模块,用于当一个或者多个目标噪音标准性能参数未位于对应的噪音标准性能参数范围内时,所述目标集合的车辆噪音数据为故障噪音数据;
第一发送子模块,用于向云平台发送所述目标集合的车辆噪音数据;
其中,所述曲线参数包括斜率和/或截距。
第四方面,本申请实施例提供了一种故障检测装置,应用于云平台,包括:
接收模块,用于接收车载边缘计算平台发送的故障噪音数据;
确定模块,用于根据所述故障噪音数据确定车辆故障信息;
其中,所述故障噪音数据是所述车载边缘计算平台在根据一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定目标集合的车辆噪音数据为故障噪音数据时,向云平台发送的,所述目标集合为将中间处理数据划分成的至少两个集合中的任意一个或者多个,所述中间处理数据是根据车辆总线数据和车辆噪音数据形成的。
其中,所述装置还包括:
训练模块,用于根据存储的数据训练模型;
发送模块,用于向所述车载边缘计算平台发送所述模型的参数。
第五方面,本申请实施例还提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如上所述的故障检测方法中的步骤。
第六方面,本申请实施例还提供一种处理器可读存储介质,所述可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的故障检测方法中的步骤。
在本申请实施例中,由车载边缘计算平台根据车辆总线数据和车辆噪音数据得到中间处理数据,并将中间处理数据划分为至少两个集合。对于每个集合,车载边缘计算平台获取该集合对应的目标噪音标准性能参数,并在根据目标噪音标准性能参数对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。由此可见,在本申请实施例中,车载边缘计算平台向云平台发送的是被确定为故障噪音数据的车辆噪音数据,因此,相较于现有技术,利用本申请实施例的方案,可更有针对性的向云平台上传信息,从而节约了车载边缘计算平台和云平台之间的通信成本。
附图说明
图1是本申请实施例提供的故障检测系统的示意图;
图2是本申请实施例提供的故障检测方法的流程图之一;
图3是本申请实施例中转换后的频域数据的示意图;
图4是本申请实施例中整合后的新的数据的示意图;
图5是本申请实施例中区域划分的示意图;
图6是本申请实施例中拟合曲线的示意图;
图7是本申请实施例提供的故障检测方法的流程图之二;
图8是本申请实施例提供的故障检测方法的流程图之三;
图9是本申请实施例提供的故障检测装置的结构图之一;
图10是本申请实施例提供的故障检测装置中的第二获取模块的结构图;
图11是本申请实施例提供的故障检测装置的结构图之二;
图12是本申请实施例提供的故障检测装置中的第一划分模块的结构图;
图13是本申请实施例提供的故障检测装置中的第三获取模块的结构图;
图14是本申请实施例提供的故障检测装置中的第一发送模块的结构图;
图15是本申请实施例提供的故障检测装置的结构图之三;
图16是本申请实施例提供的故障检测装置的结构图之四。
具体实施方式
本申请实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
参见图1,图1是本申请实施例提供的故障检测系统的示意图。如图1所示,该系统可包括:采集终端101,车载边缘计算平台102以及云平台103。
其中,采集终端负责无损的采集车辆噪音数据和总线数据,车载边缘计算平台负责对数据进行预处理,并判断数据是否包含车辆故障的信息,从而决定是否上传数据,云平台负责接收来自各个边缘计算平台的数据,并对数据进行流分析,从而判断车辆故障,云平台还负责永久的存储数据以及利用存储的数据更新故障识别模型。同时,云平台将更新后的模型参数发送给车载边缘计算平台,以用于进行故障噪音的判断。
具体的,采集终端101,用于采集车辆总线数据和车辆噪音数据,并发送至车载边缘计算平台102;
车载边缘计算平台102,用于根据所述总线数据和所述车辆噪音数据,得到中间处理数据;将所述中间处理数据划分为至少两个集合;对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数;当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。
云平台103,用于根据所述故障噪音数据确定车辆故障信息。
在图1中,采集终端包括:车辆总线数据采集模块1011、噪音及震动数据采集模块1012,分别用于采集车辆总线数据以及车辆噪音数据。
在图1中,所述车载边缘计算平台包括:数据处理模块1021,数据缓冲队列1022,数据上传模块1023和故障识别模块1024。数据处理模块用于同步终端的车辆噪音数据和来自汽车总线的数据,并抽取出车辆噪音数据的频域特性。数据缓冲队列1022用于将音频数据截取成小的片段(划分成多个集合或区域),并按照FIFO(First Input First Output,先进先出)的方式缓冲存储,还可以根据来自故障识别模块1024的指令决定将数据丢弃还是上传。数据上传模块1023用于将故障噪音数据上传到云平台。故障识别模块1024可以接收来自云平台的故障识别模型,然后按照预置算法对来自数据处理模块1021的数据进行处理,从而判断数据是否包含车辆故障信息,并向数据缓冲队列1022发出丢弃数据或者上传数据的指令。
在图1中,所述云平台包括:故障原因分析模块1031,故障识别模型更新模块1032,高速缓存模块1033以及数据存储模块1034,IoT(Internet of Things,物联网)网关1035。云平台通过IoT网关1035与车载边缘计算平台进行通信。
车载边缘计算平台上传的数据存储在高速缓存模块1033。部署在故障原因分析模块1031中的算法模型实时的对高速缓存模型中的数据流进行分析,从而输出故障的部件及原因。经过缓存后的数据最终存储在数据存储模块1034。故障识别模型更新模块1032根据存储的数据定时的训练新的模型,并将模型参数更新到故障原因分析模块。同时故障识别模型更新模块1032还负责将最新的判断故障是否存在的模型下发到车载边缘计算平台,供其判断音频流是否存在故障。
参见图2,图2是本申请实施例提供的故障检测方法的流程图,应用于车载边缘计算平台,如图2所示,包括以下步骤:
步骤201、获取车辆总线数据和车辆噪音数据。
其中,所述车载边缘计算平台获取采集终端发送的车辆总线数据和车辆噪音数据。其中,车辆噪音数据可包括车辆多个部件的声音数据,车辆总线数据可包括转速、车速等等。
步骤202、根据所述总线数据和所述车辆噪音数据,得到中间处理数据。
在此步骤中,对所述车辆噪音数据进行快速傅里叶变换,得到车辆噪音频域数据,然后,将所述车辆总线数据中的车速、转速,分别与对应的车辆噪音频域数据进行对应,得到所述中间处理数据;其中,同一时刻的车速、转速、车辆噪音频域数据相对应。
其中,转换后的频域数据如图3所示。其中t1…tn分别表示不同的时刻值,(fn,yn)中的fn表示第n个频率值,yn表示第n个频率值对应的声音强度值。通常声音强度值范围为从-150db到+150db,具体范围取决于采集设备的技术指标。之后,将采集到的转速和车速经过插补后与频域数据对应起来。整合后的新的数据记录结构如图4所示。
在本申请实施例中,为进一步提高数据处理效率,在获得了中间数据之后,从所述中间处理数据中筛选出目标中间处理数据,并将所述目标中间处理数据作为最终的中间处理数据;其中,所述目标中间处理数据的不同频率值对应的声音强度值大于预设值。其中,该预设值可根据需要设置。
结合图4,根据数据记录中的所有y值对数据进行排序,按照从高到低的顺序,选取前a%的数据作为最终的中间处理数据,其余的数据可删除。其中,a的取值可以根据车载边缘计算平台的计算能力和实际应用需求来选取,如可以取5,10,25等。在实际应用中,例如,可滤除掉分贝值较低的信号,比如只保留前25%的信号,以此降低计算负荷。
步骤203、将所述中间处理数据划分为至少两个集合。
在此步骤中,根据转速和频率的关系,或者,根据车速和频率的关系,在坐标系中形成多条曲线,不同的中间处理数据在坐标系中对应不同的点。对于所述多条曲线中的各条目标曲线,将距离所述目标曲线在第一预设距离范围内的点所对应的中间处理数据划分到同一集合中。其中,第一预设距离范围可根据需要设置。不同的目标曲线也可设置相同或者不同的第一预设距离范围。
根据预设范围,将这些点划分为多个不同的集合,集合的数量可以根据车载边缘计算平台的能力来决定。计算能力越强,可以划分的集合越多。由于车辆中的转动部件较多,这些部件发出的噪音频率值通常与引擎的转速成比例关系。例如,与引擎转速相同的转动部件发出的噪音频率始终与转动频率是相同的,引擎转速2倍的转动部件发出的噪音频率是引擎转速的2倍。因此,可以通过如下公式来划分集合,其中a1到an分别可以取值1…n。
f=a1r
……
f=anr
如图5所示,建立转速r和频率f的坐标系。将到线f=amr的距离小于或等于ε(ε>0)的所有点划分到m区域(或集合)。将到线f=anr的距离小于或等于ε(ε>0)的所有点划分到n区域(或集合)。按照同样的方式,将其它的点也划分到不同的区域内。
在图5中,横坐标也可以改为车速v,也即建立车速v和频率f的坐标系,区域划分方式也与上述转速为横坐标时相同,从而找到声音频率是车速倍数的震动模式。
步骤204、对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数。
在此步骤中,可包括如下过程:
(1)对所述目标曲线进行拟合,得到拟合曲线。例如,可使用一阶线性回归方式对曲线进行拟合。所述目标曲线为任意一条曲线,对每个目标曲线的处理方式相同。拟合之后,获得如下的线性方程:
f=b1r+β1
……
f=bnr+βn
(2)将所述坐标系中,到所述拟合曲线的距离位于第二预设距离范围内点所对应的中间处理数据作为目标中间处理数据。其中,所述第二预设距离范围小于所述第一预设距离范围。
如图6所示,对于目标曲线f=anr进行拟合后,得到拟合曲线f=bnr+βn。之后,将到拟合曲线f=bnr+βn的距离小于Δ(0<Δ<ε)的点所对应的中间处理数据作为目标中间处理数据。对每条目标曲线的处理方式相同。
(3)根据所述目标中间处理数据计算所述目标噪音标准性能参数。
在实际应用中,云平台负责计算正常状态下的标准参数范围。例如,计算线性方程对应的参数为[bi,βi]时相应的噪音响度性能参数标准范围。例如,如表1所示,噪音响度性能参数标准范围包括均值范围,最大响度范围,标准差范围等。这些参数可由云平台提前发送给车载边缘计算平台。那么,根据这些参数所包括的内容,车载边缘计算平台根据所述目标中间处理数据计算所述目标噪音标准性能参数。相应的,所述目标噪音标准性能参数包括均值范围,最大响度范围,标准差范围等。
表1
步骤205、当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。
在此步骤中,可包括如下过程:
(1)根据所述拟合曲线的曲线参数,从所述云平台发送的信息中获取与所述曲线参数对应的目标曲线参数。
其中,所述曲线参数包括斜率和/或截距。在步骤204得到的多个线性方程中,b表示截距,β表示截距。在此步骤中,将每个线性方程的b、β分别与云平台发送的信息中的b、β进行对比,得到与b、β中的一个或者两个最为接近的[bi,βi]。[bi,βi]即为目标曲线参数。
(2)根据所述目标曲线参数,从所述云平台发送的信息中获取与所述目标曲线参数对应的噪音标准性能参数范围。
根据云平台发送的信息,获取与所述目标曲线参数对应的噪音标准性能参数范围。例如,目标曲线参数为[bi,βi],在此获得与[bi,βi]对应的噪音标准性能参数范围。
(3)当一个或者多个目标噪音标准性能参数未位于对应的噪音标准性能参数范围内时,所述目标集合的车辆噪音数据为故障噪音数据。
在本申请实施例中,目标噪音标准性能参数可包括一个或多个。如果包括多个,那么,将每个目标噪音标准性能参数和与其对应的噪音标准性能参数范围进行比较。如果一个或者多个目标噪音标准性能参数未位于对应的噪音标准性能参数范围内,可认为目标集合的车辆噪音数据为故障噪音数据。
例如,结合表1,将计算得到的最大响度范围和表1中的最大响度范围进行对比,若计算得到的最大响度范围未位于表1中的最大响度范围内,则可认为目标集合的车辆噪音数据为故障噪音数据。否则,可进行下一个参数的对比。如果所有的对比结果都表示正常,那么,可将原始数据删除。
(4)向云平台发送所述目标集合的车辆噪音数据。
在本申请实施例中,由车载边缘计算平台根据车辆总线数据和车辆噪音数据得到中间处理数据,并将中间处理数据划分为至少两个集合。对于每个集合,车载边缘计算平台获取该集合对应的目标噪音标准性能参数,并在根据目标噪音标准性能参数对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。由此可见,在本申请实施例中,车载边缘计算平台向云平台发送的是被确定为故障噪音数据的车辆噪音数据,因此,相较于现有技术,利用本申请实施例的方案,可更有针对性的向云平台上传信息,从而节约了车载边缘计算平台和云平台之间的通信成本。
在本申请实施例中,主要采集车辆的噪音信号并上传到云平台,来诊断车辆的故障。由于噪音采集的分辨率很高,实时上传占用大量的通信带宽,同时增加云平台的存储成本。而传统的压缩算法主要用于优化人声频谱,会损失掉很多高低频的信息,这些对于通过声音进行故障诊断又是必不可少的,所以使用压缩算法上传也是不可取的。另外使用传统的机器学习和深度学习算法来判断需要花费大量的时间和计算资源,难以在边缘侧实时完成。所以本专利主要提出一种方法,在边缘侧就能实时判断声音是否包含故障信息,然后仅上传包含故障信息的声音片段,供云平台分析故障原因。
由于采集终端一直在进行声音采集,所以判断声音是否包含故障必须实时进行,而且速度要大于等于声音信号的产生速度,否则会导致存储缓冲区的溢出,或被迫丢弃某些没有处理的声音信息。同时,由于车载边缘计算平台受限于体积,能耗和成本,运算能力比较弱,所以需要判断故障的算法能在占用较小系统资源的情况下快速实时判断。
结合图7所示,本申请实施例的故障检测方法包括:
步骤701、获取车辆总线数据和车辆噪音数据。
步骤702、将车辆噪音数据转换为频域信号。
其中,转换方法可参照前述实施例的描述。
步骤703、将同一时刻的车速、转速和频域信号进行拼接。
步骤704、对拼接后的数据进行筛选,得到最终的待处理数据。
结合图4,根据数据记录中的所有y值对数据进行排序,按照从高到低的顺序,选取前a%的数据作为最终的中间处理数据,其余的数据可删除。其中,a的取值可以根据车载边缘计算平台的计算能力和实际应用需求来选取,如可以取5,10,25等。在实际应用中,例如,可滤除掉分贝值较低的信号,比如只保留前25%的信号,以此降低计算负荷。
步骤705、将待处理数据划分到不同的区域。
步骤706、对每个区域进行线性回归。
步骤707、根据线性回归结果,计算每个区域的性能参数。
步骤708、将计算得到的性能参数和云平台下发的标准参数范围进行对比。
当计算得到的性能参数超出标准参数范围时,将上传对应的原始数据;否则,继续对比下一个区域的数据。直到所有区域对比完成。如果所有区域都表示正常,则丢弃原始数据。
步骤705至步骤708的具体过程可参照前述实施例步骤203至205中的相应描述。
在本申请实施例中,由于降低了对车载边缘计算设备的带宽需求和性能需求,从而降低了设备成本和通信成本,同时,由于仅上传故障噪音数据,也相应的低了云平台的存储成本。
参见图8,图8是本申请实施例提供的故障检测方法的流程图,应用于云平台,如图8所示,包括以下步骤:
步骤801、接收车载边缘计算平台发送的故障噪音数据。
其中,所述故障噪音数据是所述车载边缘计算平台在根据一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定目标集合的车辆噪音数据为故障噪音数据时,向云平台发送的,所述目标集合为将中间处理数据划分成的至少两个集合中的任意一个或者多个,所述中间处理数据是根据车辆总线数据和车辆噪音数据形成的。
步骤802、根据所述故障噪音数据确定车辆故障信息。
车载边缘计算平台上传的数据存储在高速缓存模块。云平台利用算法模型实时的对数据流进行分析,从而输出故障的部件及原因。
此外,云平台还可根据存储的数据训练模型,并向所述车载边缘计算平台发送所述模型的参数,以提高车载边缘计算平台对故障噪音判断的准确性。
在本申请实施例中,由车载边缘计算平台根据车辆总线数据和车辆噪音数据得到中间处理数据,并将中间处理数据划分为至少两个集合。对于每个集合,车载边缘计算平台获取该集合对应的目标噪音标准性能参数,并在根据目标噪音标准性能参数对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。由此可见,在本申请实施例中,车载边缘计算平台向云平台发送的是被确定为故障噪音数据的车辆噪音数据,因此,相较于现有技术,利用本申请实施例的方案,可更有针对性的向云平台上传信息,从而节约了车载边缘计算平台和云平台之间的通信成本。
参见图9,图9是本申请实施例提供的故障检测装置的结构示意图,应用于车载边缘计算平台。所述故障检测装置900包括:
第一获取模块901,用于获取车辆总线数据和车辆噪音数据;第二获取模块902,用于根据所述总线数据和所述车辆噪音数据,得到中间处理数据;第一划分模块903,用于将所述中间处理数据划分为至少两个集合;第三获取模块904,用于对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数;第一发送模块905,用于当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。
如图10所示,所述第二获取模块902包括:
变换子模块9021,用于对所述车辆噪音数据进行快速傅里叶变换,得到车辆噪音频域数据;获取子模块9022,用于将所述车辆总线数据中的车速、转速,分别与对应的车辆噪音频域数据进行对应,得到所述中间处理数据;其中,同一时刻的车速、转速、车辆噪音频域数据相对应。
如图11所示,所述装置还包括:
筛选模块906,用于从所述中间处理数据中筛选出目标中间处理数据,并将所述目标中间处理数据作为最终的中间处理数据;
其中,所述目标中间处理数据的不同频率值对应的声音强度值大于预设值。
如图12所示,所述第一划分模块903包括:
处理子模块9031,用于根据转速和频率的关系,或者,根据车速和频率的关系,在坐标系中形成多条曲线,不同的中间处理数据在坐标系中对应不同的点;划分子模块9032,用于对于所述多条曲线中的各条目标曲线,将距离所述目标曲线在第一预设距离范围内的点所对应的中间处理数据划分到同一集合中。
如图13所示,所述第三获取模块904包括:
第一获取子模块9041,用于对所述目标曲线进行拟合,得到拟合曲线;第二获取子模块9042,用于将所述坐标系中,到所述拟合曲线的距离位于第二预设距离范围内点所对应的中间处理数据作为目标中间处理数据;第一计算子模块9043,用于根据所述目标中间处理数据计算所述目标噪音标准性能参数;其中,所述第二预设距离范围小于所述第一预设距离范围。
如图14所示,所述第一发送模块905包括:
第一获取子模块9051,用于根据所述拟合曲线的曲线参数,从所述云平台发送的信息中获取与所述曲线参数对应的目标曲线参数;第二获取子模块9052,用于根据所述目标曲线参数,从所述云平台发送的信息中获取与所述目标曲线参数对应的噪音标准性能参数范围;第一处理子模块9053,用于当一个或者多个目标噪音标准性能参数未位于对应的噪音标准性能参数范围内时,所述目标集合的车辆噪音数据为故障噪音数据;第一发送子模块9054,用于向云平台发送所述目标集合的车辆噪音数据;其中,所述曲线参数包括斜率和/或截距。
在此需要说明的是,本申请实施例提供的上述装置,能够实现上述方法实施例中车载边缘计算平台所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
参见图15,图15是本申请实施例提供的故障检测装置的结构示意图,应用于云平台。所述故障检测装置1500包括:
接收模块1501,用于接收车载边缘计算平台发送的故障噪音数据;确定模块1502,用于根据所述故障噪音数据确定车辆故障信息;
其中,所述故障噪音数据是所述车载边缘计算平台在根据一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定目标集合的车辆噪音数据为故障噪音数据时,向云平台发送的,所述目标集合为将中间处理数据划分成的至少两个集合中的任意一个或者多个,所述中间处理数据是根据车辆总线数据和车辆噪音数据形成的。
如图16所示,所述装置还包括:
训练模块1503,用于根据存储的数据训练模型;发送模块1504,用于向所述车载边缘计算平台发送所述模型的参数。
在此需要说明的是,本申请实施例提供的上述装置,能够实现上述方法实施例中云平台所实现的所有方法步骤,且能够达到相同的技术效果,在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例还提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如上所述的故障检测方法中的步骤。
本申请实施例还提供一种可读存储介质,可读存储介质上存储有程序,该程序被处理器执行时实现上述故障检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的可读存储介质,可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NAND FLASH)、固态硬盘(SSD))等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。根据这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁盘、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (16)
1.一种故障检测方法,应用于车载边缘计算平台,其特征在于,包括:
获取车辆总线数据和车辆噪音数据;
根据所述总线数据和所述车辆噪音数据,得到中间处理数据;
将所述中间处理数据划分为至少两个集合;
对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数;
当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述总线数据和所述车辆噪音数据,得到中间处理数据,包括:
对所述车辆噪音数据进行快速傅里叶变换,得到车辆噪音频域数据;
将所述车辆总线数据中的车速、转速,分别与对应的车辆噪音频域数据进行对应,得到所述中间处理数据;其中,同一时刻的车速、转速、车辆噪音频域数据相对应。
3.根据权利要求2所述的方法,其特征在于,在所述得到中间处理数据之后,所述方法还包括:
从所述中间处理数据中筛选出目标中间处理数据,并将所述目标中间处理数据作为最终的中间处理数据;
其中,所述目标中间处理数据的不同频率值对应的声音强度值大于预设值。
4.根据权利要求1所述的方法,其特征在于,所述将所述中间处理数据划分为至少两个集合,包括:
根据转速和频率的关系,或者,根据车速和频率的关系,在坐标系中形成多条曲线,不同的中间处理数据在坐标系中对应不同的点;
对于所述多条曲线中的各条目标曲线,将距离所述目标曲线在第一预设距离范围内的点所对应的中间处理数据划分到同一集合中。
5.根据权利要求4所述的方法,其特征在于,所述获取所述目标集合的目标噪音标准性能参数,包括:
对所述目标曲线进行拟合,得到拟合曲线;
将所述坐标系中,到所述拟合曲线的距离位于第二预设距离范围内点所对应的中间处理数据作为目标中间处理数据;
根据所述目标中间处理数据计算所述目标噪音标准性能参数;
其中,所述第二预设距离范围小于所述第一预设距离范围。
6.根据权利要求5所述的方法,其特征在于,所述当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据,包括:
根据所述拟合曲线的曲线参数,从所述云平台发送的信息中获取与所述曲线参数对应的目标曲线参数;
根据所述目标曲线参数,从所述云平台发送的信息中获取与所述目标曲线参数对应的噪音标准性能参数范围;
当一个或者多个目标噪音标准性能参数未位于对应的噪音标准性能参数范围内时,所述目标集合的车辆噪音数据为故障噪音数据;
向云平台发送所述目标集合的车辆噪音数据;
其中,所述曲线参数包括斜率和/或截距。
7.一种故障检测方法,应用于云平台,其特征在于,包括:
接收车载边缘计算平台发送的故障噪音数据;
根据所述故障噪音数据确定车辆故障信息;
其中,所述故障噪音数据是所述车载边缘计算平台在根据一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定目标集合的车辆噪音数据为故障噪音数据时,向云平台发送的,所述目标集合为将中间处理数据划分成的至少两个集合中的任意一个或者多个,所述中间处理数据是根据车辆总线数据和车辆噪音数据形成的。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
根据存储的数据训练模型;
向所述车载边缘计算平台发送所述模型的参数。
9.一种故障检测装置,应用于车载边缘计算平台,其特征在于,包括:
第一获取模块,用于获取车辆总线数据和车辆噪音数据;
第二获取模块,用于根据所述总线数据和所述车辆噪音数据,得到中间处理数据;
第一划分模块,用于将所述中间处理数据划分为至少两个集合;
第三获取模块,用于对于所述至少两个集合中的各个目标集合,获取所述目标集合的一个或者多个目标噪音标准性能参数;
第一发送模块,用于当根据所述一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定所述目标集合的车辆噪音数据为故障噪音数据时,向云平台发送所述目标集合的车辆噪音数据。
10.根据权利要求9所述的装置,其特征在于,所述第二获取模块包括:
变换子模块,用于对所述车辆噪音数据进行快速傅里叶变换,得到车辆噪音频域数据;
获取子模块,用于将所述车辆总线数据中的车速、转速,分别与对应的车辆噪音频域数据进行对应,得到所述中间处理数据;其中,同一时刻的车速、转速、车辆噪音频域数据相对应。
11.根据权利要求10所述的装置,其特征在于,所述装置还包括:
筛选模块,用于从所述中间处理数据中筛选出目标中间处理数据,并将所述目标中间处理数据作为最终的中间处理数据;
其中,所述目标中间处理数据的不同频率值对应的声音强度值大于预设值。
12.根据权利要求9所述的装置,其特征在于,所述第一划分模块包括:
处理子模块,用于根据转速和频率的关系,或者,根据车速和频率的关系,在坐标系中形成多条曲线,不同的中间处理数据在坐标系中对应不同的点;
划分子模块,用于对于所述多条曲线中的各条目标曲线,将距离所述目标曲线在第一预设距离范围内的点所对应的中间处理数据划分到同一集合中。
13.根据权利要求12所述的装置,其特征在于,所述第三获取模块包括:
第一获取子模块,用于对所述目标曲线进行拟合,得到拟合曲线;
第二获取子模块,用于将所述坐标系中,到所述拟合曲线的距离位于第二预设距离范围内点所对应的中间处理数据作为目标中间处理数据;
第一计算子模块,用于根据所述目标中间处理数据计算所述目标噪音标准性能参数;
其中,所述第二预设距离范围小于所述第一预设距离范围。
14.根据权利要求13所述的装置,其特征在于,所述第一发送模块包括:
第一获取子模块,用于根据所述拟合曲线的曲线参数,从所述云平台发送的信息中获取与所述曲线参数对应的目标曲线参数;
第二获取子模块,用于根据所述目标曲线参数,从所述云平台发送的信息中获取与所述目标曲线参数对应的噪音标准性能参数范围;
第一处理子模块,用于当一个或者多个目标噪音标准性能参数未位于对应的噪音标准性能参数范围内时,所述目标集合的车辆噪音数据为故障噪音数据;
第一发送子模块,用于向云平台发送所述目标集合的车辆噪音数据;
其中,所述曲线参数包括斜率和/或截距。
15.一种故障检测装置,应用于云平台,其特征在于,包括:
接收模块,用于接收车载边缘计算平台发送的故障噪音数据;
确定模块,用于根据所述故障噪音数据确定车辆故障信息;
其中,所述故障噪音数据是所述车载边缘计算平台在根据一个或者多个目标噪音标准性能参数和对应的噪音标准性能参数范围确定目标集合的车辆噪音数据为故障噪音数据时,向云平台发送的,所述目标集合为将中间处理数据划分成的至少两个集合中的任意一个或者多个,所述中间处理数据是根据车辆总线数据和车辆噪音数据形成的。
16.根据权利要求15所述的装置,其特征在于,所述装置还包括:
训练模块,用于根据存储的数据训练模型;
发送模块,用于向所述车载边缘计算平台发送所述模型的参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111154070.9A CN115876483A (zh) | 2021-09-29 | 2021-09-29 | 一种故障检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111154070.9A CN115876483A (zh) | 2021-09-29 | 2021-09-29 | 一种故障检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115876483A true CN115876483A (zh) | 2023-03-31 |
Family
ID=85756332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111154070.9A Pending CN115876483A (zh) | 2021-09-29 | 2021-09-29 | 一种故障检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115876483A (zh) |
-
2021
- 2021-09-29 CN CN202111154070.9A patent/CN115876483A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110197670B (zh) | 音频降噪方法、装置及电子设备 | |
KR102487160B1 (ko) | 정량적 신호 대 노이즈비 분석 및 적응형 위너 필터링에 기초한 오디오 신호 품질 향상 방법 | |
CN112785016A (zh) | 基于机器学习的新能源汽车保养维护与故障监测诊断方法 | |
US10156637B2 (en) | Apparatus and method for controlling noise in vehicle | |
CN110634497A (zh) | 降噪方法、装置、终端设备及存储介质 | |
CN113674763B (zh) | 利用线谱特性的鸣笛声识别方法及系统、设备与存储介质 | |
CN115116232B (zh) | 汽车鸣笛的声纹比较方法、装置、设备及存储介质 | |
CN109741760B (zh) | 噪声估计方法及系统 | |
CN107123432A (zh) | 一种自匹配Top‑N音频事件识别信道自适应方法 | |
CN109903775B (zh) | 一种音频爆音检测方法和装置 | |
CN115081473A (zh) | 一种多特征融合的制动噪声分类识别方法 | |
CN115467787A (zh) | 一种基于音频分析的电机状态检测系统及方法 | |
US10319393B2 (en) | Speech recognition system and gain setting system | |
CN114464174A (zh) | 一种基于深度学习的制动噪声分类识别方法 | |
CN115876483A (zh) | 一种故障检测方法及装置 | |
CN113963719A (zh) | 基于深度学习的声音分类方法和装置、存储介质和计算机 | |
CN111755025B (zh) | 一种基于音频特征的状态检测方法、装置及设备 | |
CN117332293A (zh) | 一种基于声音Mel频率特征的货车超载检测方法 | |
CN116796130A (zh) | 桥梁振动低频重构去噪方法、系统、计算机及存储介质 | |
CN116168727A (zh) | 一种变压器异常声音检测方法、系统、设备及存储介质 | |
CN115980690A (zh) | 晴空回波识别模型构建方法、晴空回波滤波方法及装置 | |
CN112097891B (zh) | 风振噪音评价方法、系统及车辆 | |
CN115307721A (zh) | 汽车加速声品质评价方法、装置、设备及存储介质 | |
CN113295267B (zh) | 基于声场景下进气气流声评价方法、系统及可读存储介质 | |
CN112908344A (zh) | 一种鸟鸣声智能识别方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |