CN115933618B - 一种基于车联网的行车故障智能化监测系统及方法 - Google Patents
一种基于车联网的行车故障智能化监测系统及方法 Download PDFInfo
- Publication number
- CN115933618B CN115933618B CN202310012525.6A CN202310012525A CN115933618B CN 115933618 B CN115933618 B CN 115933618B CN 202310012525 A CN202310012525 A CN 202310012525A CN 115933618 B CN115933618 B CN 115933618B
- Authority
- CN
- China
- Prior art keywords
- pressure sensor
- data
- braking
- sensor data
- rate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 230000008859 change Effects 0.000 claims abstract description 113
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000004044 response Effects 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000009467 reduction Effects 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Abstract
本发明涉及行车故障智能化监测技术领域,具体为一种基于车联网的行车故障智能化监测系统及方法,包括历史行驶数据获取模块、速度变化率特征集合分析模块、实时行驶数据获取模块、预警级别判断模块和预警响应模块;历史数据获取模块用于获取车联网数据库中监测车辆在干燥水平路段的历史行驶数据;速度变化率特征集合分析模块用于分析监测周期内的第一压力传感器数据对应的速率变化率特征集合;实时行驶数据获取模块用于车辆在干燥水平路段的实时行驶数据;预警级别判断模块用于基于速率变化率特征集合和实时行驶数据,判断车辆故障情况并分析预警级别;预警响应模块用于基于预警级别进行预警响应。
Description
技术领域
本发明涉及行车故障智能化监测技术领域,具体为一种基于车联网的行车故障智能化监测系统及方法。
背景技术
目前,随着电动车数量的激增,越来越多的行车故障问题随之产生,在这些问题之中,电动车的刹车问题是直接影响到驾驶人员生命安全的关键问题,不容小觑;然而在一些电动车车主对车辆的长时间行驶后,往往会使得车闸产生各种各样的问题,但是作为驾驶者的主观感受,并不能精确的判断出当前行驶车辆的故障状态,驾驶者往往认为车辆最终可以刹住即为车辆还能继续行驶,对车闸的故障程度无法有效且系统的进行分析,从而会造成随着故障的日积月累以及驾驶者的主观忽视导致车辆因刹车异常发生交通事故。
发明内容
本发明的目的在于提供一种基于车联网的行车故障智能化监测系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于车联网的行车故障智能化监测方法,包括以下分析步骤:
步骤S1:获取车联网数据库中监测车辆在干燥水平路段的历史行驶数据,所述历史行驶数据包括行车速率数据、第一压力传感器数据和第二压力传感器数据;干燥水平路段是指监测车辆行驶数据的获取在监测前一周期内未出现雨雪天气且道路平坦无坡度时对应的路段,所述第一压力传感器数据是指车辆左右车闸处安装的第一压力传感器获取的压力数据,所述第二压力传感器数据是指车辆脚踏护板下方安装的第二压力传感器获取的压力数据;所述历史行驶数据为车辆无故障时的数据;
步骤S2:基于步骤S1中的行驶数据,分析监测周期内的第一压力传感器数据对应的速率变化率特征集合;
步骤S3:基于步骤S2中的速率变化率特征集合,获取车辆在干燥水平路段的实时行驶数据,判断车辆故障情况并分析预警级别;所述车辆制动是指第一压力传感器数据产生到制动结束对应第一压力传感器数据为0时的这一过程;所述预警级别包括一级预警和二级预警;
步骤S4:基于步骤S3中的预警级别进行预警响应;当预警级别为一级预警时,传输行车故障需在监测周期内进行维修信号,当预警级别为二级预警时,传输行车故障需立即维修信号。
进一步的,所述步骤S2包括以下分析步骤:
步骤S2-1:获取监测周期内第i种第一压力传感器数据对应第j次制动开始时的瞬时速率vij和第j次制动结束后的瞬时速率uij,以及制动时长tij;计算第i种第一压力传感器数据对应的平均制动速率变化率Δpi,
其中mi表示第i种第一压力传感器数据获取存在的总制动次数;j≤m;
步骤S2-2:将n种第一压力传感器数据进行从小到大的顺序排列,n表示监测周期中监测到第一压力传感器数据的种类个数,i≤n;
步骤S2-3:将第一压力传感器数据与对应的平均制动速率变化率构成第i种压力-速率序列对ai,ai=(wi,Δpi),其中wi表示第i种第一压力传感器数据;
则按照步骤S2-1中由小到大的顺序生成速率变化率特征集合A,A={a1,a2,a3,...,an}={(w1,Δp1),(w2,Δp2),...,(wn,Δpn)}。将历史数据中的不同压力传感器数据反应到车辆制动影响的速度变化,可以有效且清晰的确定车辆在光滑平整的道路上正常行驶情况下车闸动力与速度的变化关系,为后续实时监测获取车辆行驶数据进行初步的速度判断提供了基础的判断依据。
进一步的,所述步骤S3包括以下分析步骤:
获取实时行驶数据中制动结束后的瞬时速率u0以及对应的实时第一压力传感器数据w0,将实时第一压力传感器数据代入速率变化率特征集合A中进行匹配,提取与实时第一压力传感器数据w0相同时对应的平均制动速率变化率Δpi,
计算实时制动速率变化率Δp0,Δp0=(v0-u0)/t0;其中v0表示实时行驶数据中制动开始前的瞬时速率,t0表示实时制动过程的总时长;
计算平均制动速率变化率Δpi与实时制动速率变化率Δp0的偏差指数I,I=(Δpi-Δp0)/Δpi;
设置偏差指数阈值I0,当偏差指数I小于偏差指数阈值I0时,获取速率变化率特征集合A中第i种第一压力传感器数据对应制动结束后的瞬时速率区间[min(uij),max(uij)];其中min(uij)表示第i种第一压力传感器数据对应m次制动结束后瞬时速率的最小值,max(uij)表示第i种第一压力传感器数据对应m次制动结束后瞬时速率的最大值;
判断实时制动结束后的瞬时速率u0是否属于瞬时速率区间[min(uij),max(uij)],当u0∈[min(uij),max(uij)],传输车辆无故障信号;当u0不属于[min(uij),max(uij)]时,更新瞬时速率区间;此情况下是对实时制动速率变化率与正常情况下平均制动速率变化率的偏差分析,当偏差很小时,说明实时产生制动的速度变化是符合变化规律的;分析瞬时速率区间是为了确定制动目的。
当偏差指数I大于等于偏差指数阈值I0时,分析预警级别。
进一步的,所述当偏差指数I大于等于偏差指数阈值I0时,分析预警级别包括以下分析步骤:
获取实时制动结束后的瞬时速率,当实时制动结束后的瞬时速率不为零时,提取瞬时速率区间包含实时制动结束后的瞬时速率对应的第一压力传感器数据区间为第一目标区间,标记获取的实时第一压力传感数据在第一目标区间中的对应位置为目标位置;
获取目标位置对应的实时制动速率变化率与目标位置相邻且大于第一压力传感器数据对应的第一压力传感器数据为目标压力数据,获取目标压力数据的制动速率变化率;计算目标平均制动速率变化率p’,p’=(Δp0+Δpi’)/2;其中Δpi’表示目标压力数据对应的制动速率变化率;
计算目标平均制动速率变化率p’与目标位置的第一压力传感器数据所对应的平均制动速率变化率的偏差指数I’,当偏差指数I’小于偏差指数阈值时,输出一级预警;当偏差指数I’大于等于偏差指数阈值时或不存在目标压力数据时,输出二级预警;偏差指数仍大于等于偏差指数阈值说明经过增加第一压力传感器数据后,制动速率变化率仍未属于正常的区间范围,说明此时刹车已经出现严重问题;而不存在目标压力数据说明在第一压力传感器数据区间中没有存在与实时制动目的相同的压力数据,所以说明此时刹车故障无法有效降速;制动结束指第一压力传感器数据为0时即表示驾驶者松开车闸完成制动,那么此时瞬时速度不为0说明此次制动的目的是降速;
当实时制动结束后的瞬时速率为零时,进一步分析预警级别。
进一步的,当实时制动结束后的瞬时速率为零时,进一步分析预警级别包括以下步骤:
当实时制动结束后的瞬时速率等于零时,提取瞬时速率区间包含实时制动结束后的瞬时速率对应的第一压力传感器数据区间为第二目标区间;
当第一目标区间和第二目标区间不存在交集且实时第一压力传感器数据属于第二目标区间时,传输二级预警;当不存在交集说明只有在该目标区间内对应的压力数值可以使得车在制动后停止,那么此时对应的制动速率变化率的偏差指数又大于偏差阈值说明在驾驶者想要进行刹车制动时难以刹住;
当第一目标区间和第二目标区间存在交集且时实时第一压力传感器数据属于交集目标区间时,获取交集目标区间对应的第一压力传感器数据为待对比压力数据;获取非交集目标区间对应的第一压力传感器数据为待分析压力数据;当存在交集说明存在一压力传感器数据可根据制动开始前的速度决定制动后的瞬时速率是否为零,故意味该压力数值可根据情况进行减速或制停;
获取待分析压力数据对应制动结束的时刻T1,以及存在待分析压力数据对应制动过程中的第二压力传感器数据降低数值的时刻T2,计算干扰制动指数e,
其中g表示待分析压力数据对应制动过程中存在第二压力传感器数据降低数值的制动过程个数,G表示待分析压力数据对应存在制动过程的总次数;t表示待分析压力数据制动过程的总时长;b1表示对应g/G的参考系数,b2表示对应(T1-T2)/t的参考系数,b1+b2=1,b1大于0,b2大于0;
设置干扰制动指数阈值e0,当干扰制动指数e大于干扰制动指数阈值时,输出特征信号:第二压力传感器数据降低数值;第二压力传感器数据降低数值是指在制动开始时刻的第二压力传感器数据减去制动结束前时段内任意时刻的第二压力传感器数据大于零;
则当待对比压力数据对应的制动过程中存在第二压力传感器数据降低数值信号时,则传输二级预警。
分析干扰制动指数为进一步确定不同情况下的制动过程进行细化分析,从而可以精确的判断出当前行驶车辆的故障状况。
一种基于车联网的行车故障智能化监测系统,包括历史行驶数据获取模块、速度变化率特征集合分析模块、实时行驶数据获取模块、预警级别判断模块和预警响应模块;
历史行驶数据获取模块用于获取车联网数据库中监测车辆在干燥水平路段的历史行驶数据;历史行驶数据包括行车速率数据、第一压力传感器数据和第二压力传感器数据;
速度变化率特征集合分析模块用于分析监测周期内的第一压力传感器数据对应的速率变化率特征集合;
实时行驶数据获取模块用于车辆在干燥水平路段的实时行驶数据;
预警级别判断模块用于基于速率变化率特征集合和实时行驶数据,判断车辆故障情况并分析预警级别;
预警响应模块用于基于预警级别进行预警响应。
进一步的,速度变化率特征集合分析模块包括相关数据获取单元、平均制动速率变化率计算单元、数据排序单元和集合生成单元;
相关数据获取单元用于获取制动开始时的瞬时速率和制动结束后的瞬时速率以及制动时长;
平均制动速率变化率计算单元用于基于相关数据获取单元中的数据计算平均制动速率变化率;
数据排序单元用于将第一压力传感器数据从小到大的顺序进行排列;
集合生成单元用于基于数据排序单元中的数据匹配第一压力传感器数据对应的平均制动速率变化率构成序列对生成速率变化率特征集合。
进一步的,预警级别判断模块包括实时数据匹配单元、偏差指数计算单元和偏差关系分析单元;
实时数据匹配单元用于将实时第一压力传感器疏忽与速率变化率特征集合进行匹配;
偏差指数计算单元用于计算平均制动速率变化率与实时制动速率变化率的偏差指数;
偏差关系分析单元用于分析偏差指数与偏差指数阈值的关系,并当偏差指数小于偏差指数阈值时,判断瞬时速率与瞬时速率区间的关系并进行更新。
进一步的,偏差关系分析单元包括实时速率区分单元、干扰制动指数计算单元和第二压力传感器数据分析单元;
实时速率区分单元用于在偏差指数大于等于偏差指数阈值时区分制动结束后的瞬时速率是否为零;并在不为零时分析相邻第一压力传感器数据对应的制动速率变化率是否满足偏差指数小于偏差指数阈值的关系;
干扰制动指数计算单元用于计算制动结束后的瞬时速率为零情况下的干扰制动指数;
第二压力传感器数据分析单元用于分析干扰制动指数不同情况下的第二压力传感器数据并输出对应特征信号进行预警。
与现有技术相比,本发明所达到的有益效果是:本发明通过对车联网中电动车无故障状态下的行驶记录进行分析,判断出电动车在刹车制动时驾驶者使用不同力度进行刹车时对应的速率变化率,使得确定该监测车辆的基础判断数据,本发明在监测实时车辆数据时,不是简单的对实时产生的速率变化率与历史分析的速率变化率的误差判定,而是进一步细致的划分了不同情况下驾驶者刹车制动的目的,根据目的的差异判断当前车辆状态是否存在异常,使得对当前车辆刹车故障的确定更加精确,除此之外,本发明将刹车故障进行程度的划分,在初步故障时与完全故障进行区分,提醒驾驶者合理的计划修缮周期。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于车联网的行车故障智能化监测系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:一种基于车联网的行车故障智能化监测方法,包括以下分析步骤:
步骤S1:获取车联网数据库中监测车辆在干燥水平路段的历史行驶数据,所述历史行驶数据包括行车速率数据、第一压力传感器数据和第二压力传感器数据;干燥水平路段是指监测车辆行驶数据的获取在监测前一周期内未出现雨雪天气且道路平坦无坡度时对应的路段,所述第一压力传感器数据是指车辆左右车闸处安装的第一压力传感器获取的压力数据,所述第二压力传感器数据是指车辆脚踏护板下方安装的第二压力传感器获取的压力数据;所述历史行驶数据为车辆无故障时的数据;第二压力传感器是当驾驶者在行车时将双脚放在车辆脚踏护板上时监测压力数据;
当左右车闸的第一压力传感器均产生压力数据时,取平均值,当左右车闸的第一压力传感器只存在一个传感器产生压力数据时,则第一压力传感器数据等于该传感器产生的压力数据;
步骤S2:基于步骤S1中的行驶数据,分析监测周期内的第一压力传感器数据对应的速率变化率特征集合;
所述步骤S2包括以下分析步骤:
步骤S2-1:获取监测周期内第i种第一压力传感器数据对应第j次制动开始时的瞬时速率vij和第j次制动结束后的瞬时速率uij,以及制动时长tij;计算第i种第一压力传感器数据对应的平均制动速率变化率Δpi,
其中mi表示第i种第一压力传感器数据获取存在的总制动次数;j≤m;
步骤S2-2:将n种第一压力传感器数据进行从小到大的顺序排列,n表示监测周期中监测到第一压力传感器数据的种类个数,i≤n;如第一压力传感器数据为10N/cm2、12N/cm2和16N/cm2,数值不同即表示压力传感器数据的种类不同;
步骤S2-3:将第一压力传感器数据与对应的平均制动速率变化率构成第i种压力-速率序列对ai,ai=(wi,Δpi),其中wi表示第i种第一压力传感器数据;
则按照步骤S2-1中由小到大的顺序生成速率变化率特征集合A,A={a1,a2,a3,...,an}={(w1,Δp1),(w2,Δp2),...,(wn,Δpn)}。将历史数据中的不同压力传感器数据反应到车辆制动影响的速度变化,可以有效且清晰的确定车辆在光滑平整的道路上正常行驶情况下车闸动力与速度的变化关系,为后续实时监测获取车辆行驶数据进行初步的速度判断提供了基础的判断依据。
步骤S3:基于步骤S2中的速率变化率特征集合,获取车辆在干燥水平路段的实时行驶数据,判断车辆故障情况并分析预警级别;所述车辆制动是指第一压力传感器数据产生到制动结束对应第一压力传感器数据为0时的这一过程;所述预警级别包括一级预警和二级预警;
所述步骤S3包括以下分析步骤:
获取实时行驶数据中制动结束后的瞬时速率u0以及对应的实时第一压力传感器数据w0,将实时第一压力传感器数据代入速率变化率特征集合A中进行匹配,提取与实时第一压力传感器数据w0相同时对应的平均制动速率变化率Δpi,
计算实时制动速率变化率Δp0,Δp0=(v0-u0)/t0;其中v0表示实时行驶数据中制动开始前的瞬时速率,t0表示实时制动过程的总时长;
计算平均制动速率变化率Δpi与实时制动速率变化率Δp0的偏差指数I,I=(Δpi-Δp0)/Δpi;
设置偏差指数阈值I0,当偏差指数I小于偏差指数阈值I0时,获取速率变化率特征集合A中第i种第一压力传感器数据对应制动结束后的瞬时速率区间[min(uij),max(uij)];其中min(uij)表示第i种第一压力传感器数据对应m次制动结束后瞬时速率的最小值,max(uij)表示第i种第一压力传感器数据对应m次制动结束后瞬时速率的最大值;
判断实时制动结束后的瞬时速率u0是否属于瞬时速率区间[min(uij),max(uij)],当u0∈[min(uij),max(uij)],传输车辆无故障信号;当u0不属于[min(uij),max(uij)]时,更新瞬时速率区间;此情况下是对实时制动速率变化率与正常情况下平均制动速率变化率的偏差分析,当偏差很小时,说明实时产生制动的速度变化是符合变化规律的;分析瞬时速率区间是为了确定制动目的。
当偏差指数I大于等于偏差指数阈值I0时,分析预警级别。
所述当偏差指数I大于等于偏差指数阈值I0时,分析预警级别包括以下分析步骤:
获取实时制动结束后的瞬时速率,当实时制动结束后的瞬时速率不为零时,提取瞬时速率区间包含实时制动结束后的瞬时速率对应的第一压力传感器数据区间为第一目标区间,标记获取的实时第一压力传感数据在第一目标区间中的对应位置为目标位置;
如制动结束后的瞬时速率为12km/h,存在瞬时速率区间[6,24],[9,18],且对应的第一压力传感器数据分别为10N/m2和15N/m2,则第一压力传感器数据区间为[10,15];
获取目标位置对应的实时制动速率变化率与目标位置相邻且大于第一压力传感器数据对应的第一压力传感器数据为目标压力数据,获取目标压力数据的制动速率变化率;计算目标平均制动速率变化率p’,p’=(Δp0+Δpi’)/2;其中Δpi’表示目标压力数据对应的制动速率变化率;
计算目标平均制动速率变化率p’与目标位置的第一压力传感器数据所对应的平均制动速率变化率的偏差指数I’,当偏差指数I’小于偏差指数阈值时,输出一级预警;当偏差指数I’大于等于偏差指数阈值时或不存在目标压力数据时,输出二级预警;偏差指数仍大于等于偏差指数阈值说明经过增加第一压力传感器数据后,制动速率变化率仍未属于正常的区间范围,说明此时刹车已经出现严重问题;而不存在目标压力数据说明在第一压力传感器数据区间中没有存在与实时制动目的相同的压力数据,所以说明此时刹车故障无法有效降速;制动结束指第一压力传感器数据为0时即表示驾驶者松开车闸完成制动,那么此时瞬时速度不为0说明此次制动的目的是降速;
如实施例所示:若实时第一压力传感器数据为12N/m2,则目标压力数据为15N/m2,且偏差指数I’的计算与上述偏差指数I相同,通过相邻的第一压力传感器数据可以使得偏差减小说明该次制动的目的是降低速度并不是将车辆停止,且在合理的第一压力传感器数据区间内通过增加压力可以有效的实现相同目的速度的制动,也说明车辆在行驶过程中存在的刹车问题并未造成行车安全,只是需要增加第一压力传感器数值来实现驾驶者想要实现的速度降低的效果,故进行一级预警来提醒驾驶者在时间周期内进行维修,不影响短时间的车辆行驶。
当实时制动结束后的瞬时速率为零时,进一步分析预警级别。
当实时制动结束后的瞬时速率为零时,进一步分析预警级别包括以下步骤:
当实时制动结束后的瞬时速率等于零时,提取瞬时速率区间包含实时制动结束后的瞬时速率对应的第一压力传感器数据区间为第二目标区间;
当第一目标区间和第二目标区间不存在交集且实时第一压力传感器数据属于第二目标区间时,传输二级预警;当不存在交集说明只有在该目标区间内对应的压力数值可以使得车在制动后停止,那么此时对应的制动速率变化率的偏差指数又大于偏差阈值说明在驾驶者想要进行刹车制动时难以刹住;
当第一目标区间和第二目标区间存在交集且时实时第一压力传感器数据属于交集目标区间时,获取交集目标区间对应的第一压力传感器数据为待对比压力数据;获取非交集目标区间对应的第一压力传感器数据为待分析压力数据;当存在交集说明存在一压力传感器数据可根据制动开始前的速度决定制动后的瞬时速率是否为零,故意味该压力数值可根据情况进行减速或制停;
获取待分析压力数据对应制动结束的时刻T1,以及存在待分析压力数据对应制动过程中的第二压力传感器数据降低数值的时刻T2,计算干扰制动指数e,
其中g表示待分析压力数据对应制动过程中存在第二压力传感器数据降低数值的制动过程个数,G表示待分析压力数据对应存在制动过程的总次数;t表示待分析压力数据制动过程的总时长;b1表示对应g/G的参考系数,b2表示对应(T1-T2)/t的参考系数,b1+b2=1,b1大于0,b2大于0;
设置干扰制动指数阈值e0,当干扰制动指数e大于干扰制动指数阈值时,输出特征信号:第二压力传感器数据降低数值;第二压力传感器数据降低数值是指在制动开始时刻的第二压力传感器数据减去制动结束前时段内任意时刻的第二压力传感器数据大于零;
则当待对比压力数据对应的制动过程中存在第二压力传感器数据降低数值信号时,则传输二级预警。第二压力传感器是指驾驶者在骑车时双脚放在车辆脚踏护板上传输的压力,当驾驶者的双脚存在一只脚离开车辆脚踏护板时,传感器传输的压力就会降低,分析在制动异常情况对应的数据中第二压力传感器数据的记录次数与出现时间,可以反映出该驾驶者在行驶过程中的制动习惯,当T1-T2越大,说明驾驶者将脚离开脚踏护板的时间与开始制动的时间越近,则说明车辆进行制动后反应到驾驶者感受上车速的变化不明显。
分析交集是由于当一个压力可以使车辆停滞,也可减速时,那么在获取制动后的实时瞬时速度为0时就会存在两种情况,一是目的就是制动车辆停下,二则是由于制动前速度较小,而驾驶者传输的压力过大导致停滞,这两种方式均会存在计算出的制动速率变化率的偏差指数小于阈值的情况,则就需要判断实时情况下是具体为哪一种,结合上述分析的第二压力传感器数据确定驾驶者制动的目的是刹车而非减速。
分析干扰制动指数为进一步确定不同情况下的制动过程进行细化分析,从而可以精确的判断出当前行驶车辆的故障状况。
步骤S4:基于步骤S3中的预警级别进行预警响应;当预警级别为一级预警时,传输行车故障需在监测周期内进行维修信号,当预警级别为二级预警时,传输行车故障需立即维修信号。
一种基于车联网的行车故障智能化监测系统,包括历史行驶数据获取模块、速度变化率特征集合分析模块、实时行驶数据获取模块、预警级别判断模块和预警响应模块;
历史行驶数据获取模块用于获取车联网数据库中监测车辆在干燥水平路段的历史行驶数据;历史行驶数据包括行车速率数据、第一压力传感器数据和第二压力传感器数据;
速度变化率特征集合分析模块用于分析监测周期内的第一压力传感器数据对应的速率变化率特征集合;
实时行驶数据获取模块用于车辆在干燥水平路段的实时行驶数据;
预警级别判断模块用于基于速率变化率特征集合和实时行驶数据,判断车辆故障情况并分析预警级别;
预警响应模块用于基于预警级别进行预警响应。
速度变化率特征集合分析模块包括相关数据获取单元、平均制动速率变化率计算单元、数据排序单元和集合生成单元;
相关数据获取单元用于获取制动开始时的瞬时速率和制动结束后的瞬时速率以及制动时长;
平均制动速率变化率计算单元用于基于相关数据获取单元中的数据计算平均制动速率变化率;
数据排序单元用于将第一压力传感器数据从小到大的顺序进行排列;
集合生成单元用于基于数据排序单元中的数据匹配第一压力传感器数据对应的平均制动速率变化率构成序列对生成速率变化率特征集合。
预警级别判断模块包括实时数据匹配单元、偏差指数计算单元和偏差关系分析单元;
实时数据匹配单元用于将实时第一压力传感器疏忽与速率变化率特征集合进行匹配;
偏差指数计算单元用于计算平均制动速率变化率与实时制动速率变化率的偏差指数;
偏差关系分析单元用于分析偏差指数与偏差指数阈值的关系,并当偏差指数小于偏差指数阈值时,判断瞬时速率与瞬时速率区间的关系并进行更新。
偏差关系分析单元包括实时速率区分单元、干扰制动指数计算单元和第二压力传感器数据分析单元;
实时速率区分单元用于在偏差指数大于等于偏差指数阈值时区分制动结束后的瞬时速率是否为零;并在不为零时分析相邻第一压力传感器数据对应的制动速率变化率是否满足偏差指数小于偏差指数阈值的关系;
干扰制动指数计算单元用于计算制动结束后的瞬时速率为零情况下的干扰制动指数;
第二压力传感器数据分析单元用于分析干扰制动指数不同情况下的第二压力传感器数据并输出对应特征信号进行预警。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。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 (7)
1.一种基于车联网的行车故障智能化监测方法,其特征在于,包括以下分析步骤:
步骤S1:获取车联网数据库中监测车辆在干燥水平路段的历史行驶数据,所述历史行驶数据包括行车速率数据、第一压力传感器数据和第二压力传感器数据;所述第一压力传感器数据是指车辆左右车闸处安装的第一压力传感器获取的压力数据,所述第二压力传感器数据是指车辆脚踏护板下方安装的第二压力传感器获取的压力数据;
步骤S2:基于步骤S1中的行驶数据,分析监测周期内的第一压力传感器数据对应的速率变化率特征集合;
所述步骤S2包括以下分析步骤:
步骤S2-1:获取监测周期内第i种第一压力传感器数据对应第j次制动开始时的瞬时速率vij和第j次制动结束后的瞬时速率uij,以及制动时长tij;计算第i种第一压力传感器数据对应的平均制动速率变化率Δpi,
其中mi表示第i种第一压力传感器数据获取存在的总制动次数;j≤m;
步骤S2-2:将n种第一压力传感器数据进行从小到大的顺序排列,n表示监测周期中监测到第一压力传感器数据的种类个数,i≤n;
步骤S2-3:将第一压力传感器数据与对应的平均制动速率变化率构成第i种压力-速率序列对ai,ai=(wi,Δpi),其中wi表示第i种第一压力传感器数据;
则按照步骤S2-1中由小到大的顺序生成速率变化率特征集合A,A={a1,a2,a3,...,an}={(w1,Δp1),(w2,Δp2),...,(wn,Δpn)};
步骤S3:基于步骤S2中的速率变化率特征集合,获取车辆在干燥水平路段的实时行驶数据,判断车辆故障情况并分析预警级别;车辆制动是指第一压力传感器数据产生到制动结束对应第一压力传感器数据为0时的这一过程;所述预警级别包括一级预警和二级预警;
所述步骤S3包括以下分析步骤:
获取实时行驶数据中制动结束后的瞬时速率u0以及对应的实时第一压力传感器数据w0,将实时第一压力传感器数据代入速率变化率特征集合A中进行匹配,提取与实时第一压力传感器数据w0相同时对应的平均制动速率变化率Δpi,
计算实时制动速率变化率Δp0,Δp0=(v0-u0)/t0;其中v0表示实时行驶数据中制动开始前的瞬时速率,t0表示实时制动过程的总时长;
计算平均制动速率变化率Δpi与实时制动速率变化率Δp0的偏差指数I,I=(Δpi-Δp0)/Δpi;
设置偏差指数阈值I0,当偏差指数I小于偏差指数阈值I0时,获取速率变化率特征集合A中第i种第一压力传感器数据对应制动结束后的瞬时速率区间[min(uij),max(uij)];其中min(uij)表示第i种第一压力传感器数据对应m次制动结束后瞬时速率的最小值,max(uij)表示第i种第一压力传感器数据对应m次制动结束后瞬时速率的最大值;
判断实时制动结束后的瞬时速率u0是否属于瞬时速率区间[min(uij),max(uij)],当u0∈[min(uij),max(uij)],传输车辆无故障信号;当u0不属于[min(uij),max(uij)]时,更新瞬时速率区间;
当偏差指数I大于等于偏差指数阈值I0时,分析预警级别;
步骤S4:基于步骤S3中的预警级别进行预警响应;当预警级别为一级预警时,传输行车故障需在监测周期内进行维修信号,当预警级别为二级预警时,传输行车故障需立即维修信号。
2.根据权利要求1所述的一种基于车联网的行车故障智能化监测方法,其特征在于:所述当偏差指数I大于等于偏差指数阈值I0时,分析预警级别包括以下分析步骤:
获取实时制动结束后的瞬时速率,当实时制动结束后的瞬时速率不为零时,提取瞬时速率区间包含实时制动结束后的瞬时速率对应的第一压力传感器数据区间为第一目标区间,标记获取的实时第一压力传感数据在第一目标区间中的对应位置为目标位置;
获取目标位置对应的实时制动速率变化率与目标位置相邻且大于第一压力传感器数据对应的第一压力传感器数据为目标压力数据,获取目标压力数据的制动速率变化率;计算目标平均制动速率变化率p’,p’=(Δp0+Δpi’)/2;其中Δpi’表示目标压力数据对应的制动速率变化率;
计算目标平均制动速率变化率p’与目标位置的第一压力传感器数据所对应的平均制动速率变化率的偏差指数I’,当偏差指数I’小于偏差指数阈值时,输出一级预警;当偏差指数I’大于等于偏差指数阈值时或不存在目标压力数据时,输出二级预警;
当实时制动结束后的瞬时速率为零时,进一步分析预警级别。
3.根据权利要求2所述的一种基于车联网的行车故障智能化监测方法,其特征在于:所述当实时制动结束后的瞬时速率为零时,进一步分析预警级别包括以下步骤:
当实时制动结束后的瞬时速率等于零时,提取瞬时速率区间包含实时制动结束后的瞬时速率对应的第一压力传感器数据区间为第二目标区间;
当第一目标区间和第二目标区间不存在交集且实时第一压力传感器数据属于第二目标区间时,传输二级预警;
当第一目标区间和第二目标区间存在交集且时实时第一压力传感器数据属于交集目标区间时,获取交集目标区间对应的第一压力传感器数据为待对比压力数据;获取非交集目标区间对应的第一压力传感器数据为待分析压力数据;
获取待分析压力数据对应制动结束的时刻T1,以及存在待分析压力数据对应制动过程中的第二压力传感器数据降低数值的时刻T2,计算干扰制动指数e,
其中g表示待分析压力数据对应制动过程中存在第二压力传感器数据降低数值的制动过程个数,G表示待分析压力数据对应存在制动过程的总次数;t表示待分析压力数据制动过程的总时长;b1表示对应g/G的参考系数,b2表示对应(T1-T2)/t的参考系数,b1+b2=1,b1大于0,b2大于0;
设置干扰制动指数阈值e0,当干扰制动指数e大于干扰制动指数阈值时,输出特征信号:第二压力传感器数据降低数值;所述第二压力传感器数据降低数值是指在制动开始时刻的第二压力传感器数据减去制动结束前时段内任意时刻的第二压力传感器数据大于零;
则当待对比压力数据对应的制动过程中存在第二压力传感器数据降低数值信号时,则传输二级预警。
4.应用权利要求1-3中任一项所述的一种基于车联网的行车故障智能化监测方法的一种基于车联网的行车故障智能化监测系统,其特征在于,包括历史行驶数据获取模块、速度变化率特征集合分析模块、实时行驶数据获取模块、预警级别判断模块和预警响应模块;
所述历史行驶数据获取模块用于获取车联网数据库中监测车辆在干燥水平路段的历史行驶数据;所述历史行驶数据包括行车速率数据、第一压力传感器数据和第二压力传感器数据;
所述速度变化率特征集合分析模块用于分析监测周期内的第一压力传感器数据对应的速率变化率特征集合;
所述实时行驶数据获取模块用于车辆在干燥水平路段的实时行驶数据;
所述预警级别判断模块用于基于速率变化率特征集合和实时行驶数据,判断车辆故障情况并分析预警级别;
所述预警响应模块用于基于预警级别进行预警响应。
5.根据权利要求4所述的一种基于车联网的行车故障智能化监测系统,其特征在于:所述速度变化率特征集合分析模块包括相关数据获取单元、平均制动速率变化率计算单元、数据排序单元和集合生成单元;
所述相关数据获取单元用于获取制动开始时的瞬时速率和制动结束后的瞬时速率以及制动时长;
所述平均制动速率变化率计算单元用于基于相关数据获取单元中的数据计算平均制动速率变化率;
所述数据排序单元用于将第一压力传感器数据从小到大的顺序进行排列;
所述集合生成单元用于基于所述数据排序单元中的数据匹配第一压力传感器数据对应的平均制动速率变化率构成序列对生成速率变化率特征集合。
6.根据权利要求5所述的一种基于车联网的行车故障智能化监测系统,其特征在于:所述预警级别判断模块包括实时数据匹配单元、偏差指数计算单元和偏差关系分析单元;
所述实时数据匹配单元用于将实时第一压力传感器疏忽与速率变化率特征集合进行匹配;
所述偏差指数计算单元用于计算平均制动速率变化率与实时制动速率变化率的偏差指数;
所述偏差关系分析单元用于分析偏差指数与偏差指数阈值的关系,并当偏差指数小于偏差指数阈值时,判断瞬时速率与瞬时速率区间的关系并进行更新。
7.根据权利要求6所述的一种基于车联网的行车故障智能化监测系统,其特征在于:所述偏差关系分析单元包括实时速率区分单元、干扰制动指数计算单元和第二压力传感器数据分析单元;
所述实时速率区分单元用于在偏差指数大于等于偏差指数阈值时区分制动结束后的瞬时速率是否为零;并在不为零时分析相邻第一压力传感器数据对应的制动速率变化率是否满足偏差指数小于偏差指数阈值的关系;
所述干扰制动指数计算单元用于计算制动结束后的瞬时速率为零情况下的干扰制动指数;
所述第二压力传感器数据分析单元用于分析干扰制动指数不同情况下的第二压力传感器数据并输出对应特征信号进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310012525.6A CN115933618B (zh) | 2023-01-05 | 2023-01-05 | 一种基于车联网的行车故障智能化监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310012525.6A CN115933618B (zh) | 2023-01-05 | 2023-01-05 | 一种基于车联网的行车故障智能化监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115933618A CN115933618A (zh) | 2023-04-07 |
CN115933618B true CN115933618B (zh) | 2023-11-24 |
Family
ID=86650974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310012525.6A Active CN115933618B (zh) | 2023-01-05 | 2023-01-05 | 一种基于车联网的行车故障智能化监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115933618B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116533235B (zh) * | 2023-05-09 | 2023-12-12 | 江苏中科云控智能工业装备有限公司 | 一种基于大数据的压铸生产数据传输系统及方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5386366A (en) * | 1992-01-10 | 1995-01-31 | S:Fag Kugelfischer Georg Schafer Kgaa | Method of regulating the braking force of motorcycles |
US5493495A (en) * | 1993-09-07 | 1996-02-20 | Mitsubishi Denki Kabushiki Kaisha | Apparatus for detecting occurrence of failure in anti-skid brake control system for motor vehicle |
CN105590466A (zh) * | 2016-03-14 | 2016-05-18 | 重庆邮电大学 | 一种云平台下的驾驶员危险操作行为监测系统及方法 |
WO2016175226A1 (ja) * | 2015-04-28 | 2016-11-03 | ヤマハ発動機株式会社 | 鞍乗型車両 |
CN106802650A (zh) * | 2017-03-28 | 2017-06-06 | 吉林大学 | 电动客车集成控制硬件在环测试平台及测试方法 |
CN109141919A (zh) * | 2018-08-16 | 2019-01-04 | 杭州容大智造科技有限公司 | 一种利用声音检测刹车系统的设备及方法 |
US10705517B1 (en) * | 2016-07-26 | 2020-07-07 | UEMSI/HTV, Inc. | Equipment monitoring system |
CN111923890A (zh) * | 2020-07-09 | 2020-11-13 | 赛格威科技有限公司 | 一种制动系统故障检测系统及方法、车辆、存储介质 |
DE102020208925A1 (de) * | 2019-08-21 | 2021-02-25 | Bosch Limited | Verfahren und steuereinheit zum vorhersagen eines versagens eines nocken-rollen-systems in automobilen |
CN112918484A (zh) * | 2021-03-19 | 2021-06-08 | 北京车和家信息技术有限公司 | 车辆制动系统控制方法和装置 |
CN113219954A (zh) * | 2021-05-10 | 2021-08-06 | 江苏质享保信息科技有限公司 | 一种车辆运行状态远程监测及故障分析方法 |
CN113320506A (zh) * | 2021-06-23 | 2021-08-31 | 东风汽车集团股份有限公司 | 一种舒适制动控制方法、存储介质、设备及装置 |
CN113460014A (zh) * | 2021-07-28 | 2021-10-01 | 安徽江淮汽车集团股份有限公司 | 电动汽车制动末端减速度的控制方法 |
CN113781752A (zh) * | 2021-08-24 | 2021-12-10 | 武汉依迅北斗时空技术股份有限公司 | 刹车片预警方法、装置、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011113026A1 (de) * | 2011-09-09 | 2013-03-14 | Knorr-Bremse Systeme für Schienenfahrzeuge GmbH | Bremssteuereinrichtung für eine Bremsanlage, Bremsanlage, Schienenfahrzeug sowie Verfahren zum Betreiben einer Bremsanlage |
EP3525176A1 (en) * | 2018-02-08 | 2019-08-14 | GEOTAB Inc. | Telematics predictive vehicle component monitoring system |
-
2023
- 2023-01-05 CN CN202310012525.6A patent/CN115933618B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5386366A (en) * | 1992-01-10 | 1995-01-31 | S:Fag Kugelfischer Georg Schafer Kgaa | Method of regulating the braking force of motorcycles |
US5493495A (en) * | 1993-09-07 | 1996-02-20 | Mitsubishi Denki Kabushiki Kaisha | Apparatus for detecting occurrence of failure in anti-skid brake control system for motor vehicle |
WO2016175226A1 (ja) * | 2015-04-28 | 2016-11-03 | ヤマハ発動機株式会社 | 鞍乗型車両 |
CN105590466A (zh) * | 2016-03-14 | 2016-05-18 | 重庆邮电大学 | 一种云平台下的驾驶员危险操作行为监测系统及方法 |
US10705517B1 (en) * | 2016-07-26 | 2020-07-07 | UEMSI/HTV, Inc. | Equipment monitoring system |
CN106802650A (zh) * | 2017-03-28 | 2017-06-06 | 吉林大学 | 电动客车集成控制硬件在环测试平台及测试方法 |
CN109141919A (zh) * | 2018-08-16 | 2019-01-04 | 杭州容大智造科技有限公司 | 一种利用声音检测刹车系统的设备及方法 |
DE102020208925A1 (de) * | 2019-08-21 | 2021-02-25 | Bosch Limited | Verfahren und steuereinheit zum vorhersagen eines versagens eines nocken-rollen-systems in automobilen |
CN111923890A (zh) * | 2020-07-09 | 2020-11-13 | 赛格威科技有限公司 | 一种制动系统故障检测系统及方法、车辆、存储介质 |
CN112918484A (zh) * | 2021-03-19 | 2021-06-08 | 北京车和家信息技术有限公司 | 车辆制动系统控制方法和装置 |
CN113219954A (zh) * | 2021-05-10 | 2021-08-06 | 江苏质享保信息科技有限公司 | 一种车辆运行状态远程监测及故障分析方法 |
CN113320506A (zh) * | 2021-06-23 | 2021-08-31 | 东风汽车集团股份有限公司 | 一种舒适制动控制方法、存储介质、设备及装置 |
CN113460014A (zh) * | 2021-07-28 | 2021-10-01 | 安徽江淮汽车集团股份有限公司 | 电动汽车制动末端减速度的控制方法 |
CN113781752A (zh) * | 2021-08-24 | 2021-12-10 | 武汉依迅北斗时空技术股份有限公司 | 刹车片预警方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
一种三级智能预警刹车控制及其显示系统设计;陈鑫;龚晓峰;杨斌;田坤;;计算机测量与控制(11);全文 * |
机车制动机故障模糊诊断方法研究;张忠海;欧长劲;丁建波;;机电工程(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115933618A (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102717765B (zh) | 疲劳驾驶检测方法及防疲劳驾驶辅助装置 | |
CN115933618B (zh) | 一种基于车联网的行车故障智能化监测系统及方法 | |
CN109000935B (zh) | 新能源汽车制动系统性能的判定方法 | |
CN112590801B (zh) | 一种基于驾驶员疲劳程度的前方碰撞预警控制方法 | |
CN110077398B (zh) | 一种用于智能驾驶的危险处理方法 | |
CN108230619A (zh) | 基于多特征融合的疲劳驾驶检测方法 | |
CN113386778A (zh) | 一种基于车辆行驶轨迹数据的急减速驾驶行为判定方法 | |
CN112046454A (zh) | 一种基于车辆环境识别的自动紧急制动方法 | |
CN103208139A (zh) | 一种记录行车轮胎行驶里程的方法及实现该方法的记录仪 | |
CN112365706B (zh) | 一种基于多源信息的异常车距辨识方法 | |
CN114526930B (zh) | 一种智能网联汽车故障检测方法及系统 | |
CN110682865A (zh) | 一种司机驾驶行为监测方法 | |
CN116533903B (zh) | 一种基于汽车传感器的低压预警系统及方法 | |
CN105427407B (zh) | 一种汽车安全监控方法 | |
CN109941265B (zh) | 汽车电子机械制动系统 | |
CN109050741B (zh) | 一种共享单车车辆状况分类方法及系统 | |
CN114613131B (zh) | 一种基于安全裕度的个性化前向碰撞预警方法 | |
CN111497812A (zh) | 一种基于平台的车辆刹车系统监测方法 | |
CN204736852U (zh) | 一种汽车误踩油门安全制动系统 | |
CN107650916A (zh) | 司机防御性驾驶技能判别方法、系统及车辆 | |
CN113327409A (zh) | 一种基于智能识别监测的驾驶行为分析系统 | |
CN107804305B (zh) | 一种考虑载质量变化的制动距离增量预估系统及方法 | |
CN105716874A (zh) | 一种制动器的远程诊断方法 | |
CN110466523A (zh) | 牵引车制动一致性判断方法、装置及牵引车 | |
CN112729864B (zh) | 智能网联汽车软件ota升级后车辆制动性能异常识别方法 |
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 |