CN116628618B - 一种车辆监控数据的处理方法 - Google Patents

一种车辆监控数据的处理方法 Download PDF

Info

Publication number
CN116628618B
CN116628618B CN202310919270.1A CN202310919270A CN116628618B CN 116628618 B CN116628618 B CN 116628618B CN 202310919270 A CN202310919270 A CN 202310919270A CN 116628618 B CN116628618 B CN 116628618B
Authority
CN
China
Prior art keywords
monitoring data
type
data
distance
target
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
Application number
CN202310919270.1A
Other languages
English (en)
Other versions
CN116628618A (zh
Inventor
尤嘉勋
程胜龙
赵正
王斌
吕硕颖
薛南南
王文斌
王华珺
卢洋洋
郑云爽
王晓杰
胡雪兰
宋瑞升
杨杰
王士波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cccc Xinjie Technology Co ltd
China Automobile Information Technology Tianjin Co ltd
Original Assignee
Cccc Xinjie Technology Co ltd
China Automobile Information Technology Tianjin Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cccc Xinjie Technology Co ltd, China Automobile Information Technology Tianjin Co ltd filed Critical Cccc Xinjie Technology Co ltd
Priority to CN202310919270.1A priority Critical patent/CN116628618B/zh
Publication of CN116628618A publication Critical patent/CN116628618A/zh
Application granted granted Critical
Publication of CN116628618B publication Critical patent/CN116628618B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Quality & Reliability (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供一种车辆监控数据的处理方法，属于监控数据清洗技术领域，该方法包括以下步骤：获取商用车各采集时刻的监控数据，所述监控数据的类型有多种；从所述监控数据中，提取不同类型间具有耦合关系的目标监控数据集合；对于指定类型的目标监控数据，根据其它类型目标监控数据间的距离构建滤波函数；其中，所述其它类型为所述目标监控数据集合中除所述指定类型之外的类型；采用所述滤波函数对所述指定类型的目标监控数据滤波；该方法可综合性考虑相互关联的参数类型的数据间关系，采用关联性滤波，反映车辆的实际运行情况，保留真实的监控数据，使用该方法得到的滤波结果对真实数据的还原度高，提升监控数据的真实性、准确性。

Description

一种车辆监控数据的处理方法
技术领域
本发明涉及车辆监控数据清洗技术领域，具体涉及一种车辆监控数据的处理方法。
背景技术
为了国家环境的治理和空气质量的提升，汽车尾气排放法规的不断升级，在提高排放指标的同时，车辆指标的监控数据准确性是有效判断车辆是否满足国六标准的前提。商用车在运行过程中，存在具有耦合关系的多项参数，各项参数的监控数据间呈现相同的变化趋势。
监控数据会存在数据跳变现象，跳变的数值特别大或者特别小，现有技术中，对某一类型的监控数据进行处理时，依据本类型数据前后的变化趋势进行滤波，跳变的数据都会被清洗，这使得滤波后的数据相对平稳，但跳变现象可能为真实行车情况产生的真实数据或是车载终端（T-BOX）传输误差造成的异常数据，使用现有技术方法直接清洗跳变数据可能会导致有效数据丢失，处理后的滤波结果与原始数据差别甚大，滤波结果对真实数据的还原度低，有损监控数据的真实性、准确性。
发明内容
鉴于现有技术中的上述缺陷或不足，本发明旨在提供一种车辆监控数据的处理方法，包括以下步骤：
S1、获取商用车各采集时刻的监控数据，所述监控数据的类型有多种；
S2、从所述监控数据中，提取不同类型间具有耦合关系的目标监控数据集合；
S3、对于指定类型的目标监控数据，根据其它类型的目标监控数据间的距离构建滤波函数；其中，所述其它类型为所述目标监控数据集合中除所述指定类型之外的类型；
S4、采用所述滤波函数对所述指定类型的目标监控数据滤波。
根据本发明实施例提供的技术方案，所述目标监控数据集合至少包括节气门开度、输出扭矩和发动机喷油量。
根据本发明实施例提供的技术方案，所述S1包括以下步骤：
与商用车的车载终端建立TCP连接；
采用大端模式采集发动机监控数据。
根据本发明实施例提供的技术方案，所述S3包括以下步骤：
S31、根据所述其它类型的目标监控数据间的距离构建第一算式，所述第一算式值的大小与所述距离的大小变化一致；
S32、根据所述目标监控数据集合中不同类型的目标监控数据间的距离以及当前时刻的目标监控数据集合构建第二算式；
S33、将第一算式值作为当前时刻指定类型的目标监控数据的权重，将1减去所述第一算式值的差作为所述第二算式值的权重；
S34、将所述当前时刻指定类型的目标监控数据和所述第二算式值加权求和，构建滤波函数。
根据本发明实施例提供的技术方案，所述S31包括：
第一算式M如下：
其中，Distance(C,B)表示B类型和C类型的目标监控数据间的距离。
根据本发明实施例提供的技术方案，所述S32包括：
第二算式F如下：
其中，k+1表示当前时刻，Distance(C,B)表示B类型和C类型的目标监控数据间的距离，Distance(A,B)表示A类型和B类型的目标监控数据间的距离，Distance(A,C)表示A类型和C类型的目标监控数据间的距离，表示A类型在当前时刻的监控数据，/>表示B类型在当前时刻的监控数据，/>表示C类型在当前时刻的监控数据。
根据本发明实施例提供的技术方案，目标监控数据间的距离计算方法包括以下步骤：
采用滑动窗口在所述目标监控数据集合上滑动，采集每种类型的窗口数据；
将同一个窗口内的同一类型的所述窗口数据进行归一化和平均处理，得到每种类型在每个窗口的窗口数据平均值；
根据每种类型在每个窗口的窗口数据平均值计算目标监控数据间的距离。
根据本发明实施例提供的技术方案，采用如下公式计算目标监控数据间的距离：
其中，表示B类型在第i个窗口的窗口数据平均值，/>表示C类型在第i个窗口的窗口数据平均值，2K+1是滑动窗口总数，K是定值。
与现有技术相比，本发明的有益效果为：
指定某一参数类型并对该指定参数类型的监控数据进行数据处理时，考虑与该指定参数类型具有耦合关系的多个其他参数类型，依据其他参数类型的数据距离构建滤波函数，通过该滤波函数对指定参数类型进行关联性滤波处理。
由于存在耦合关系的各参数类型具有相关性，本发明结合其他参数类型的数据距离对指定参数类型进行滤波，该方法可综合性考虑相互关联的参数类型的数据间关系，采用关联性滤波，反映车辆的实际运行情况，保留真实的监控数据，使用该方法得到的滤波结果对真实数据的还原度高，提升监控数据的真实性、准确性。
附图说明
图1为本发明提供的车辆监控数据的处理方法的步骤流程图；
图2为本发明提供的滤波方法和传统滤波方法的处理结果对比图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
诚如背景技术中提到的，针对现有技术中的问题，本发明提出了一种车辆监控数据的处理方法，请参考图1所示，该方法包括以下步骤：
S1、获取商用车各采集时刻的监控数据，所述监控数据的类型有多种；
S2、从所述监控数据中，提取不同类型间具有耦合关系的目标监控数据集合；
S3、对于指定类型的目标监控数据，根据其它类型的目标监控数据间的距离构建滤波函数；其中，所述其它类型为所述目标监控数据集合中除所述指定类型之外的类型；
S4、采用所述滤波函数对所述指定类型的目标监控数据滤波。
所述指定类型可为任意一种类型，该指定类型即为当前进行数据处理的类型，所述其它类型为所述目标监控数据集合中与所述指定类型存在耦合关系的其它类型。
所述目标监控数据集合包括不同类型的所述监控数据，所述监控数据为当前时刻下的实时数值；各类型间存在耦合关系具体为：不同类型的监控数据在常规情况下的变化趋势一致。所述目标监控数据集合（以三种类型为例，三种类型分别为类型A、类型B、类型C）如表1所示：
表1 目标监控数据集合
对于燃油车辆参数的采集，由于存在不同智能车载终端（T-BOX）的厂商，在现实执行过程中会存在参数缺失/不准确的情况，这些异常情况都有可能产生数据跳变现象。
具体地，对于指定类型的目标监控数据，根据其它类型目标监控数据间的距离构建滤波函数，使用该方法对数据滤波考虑了具有耦合关系的各类型间的关联性，通过关联性分析进行进一步全面地、系统地处理，而非片面地、割离地、单一地只通过指定类型自身的数据变化趋势对指定类型的目标监控数据进行处理（发生跳变的数据直接清洗掉）。进行关联性滤波可避免有效数据被滤除造成的数据丢失，反映车辆的实际运行情况，保留真实的监控数据。
具体地，国六监控数据中，利用该方法进行数据处理可有助于国六标准的有效实行。
在一优选实施例中，所述目标监控数据集合至少包括节气门开度、输出扭矩和发动机喷油量。
所述节气门开度、所述输出扭矩和所述发动机喷油量为三种存在耦合关系的所述类型，且该三种类型均包含在国六监控的指标内，其耦合关系具体变现为：当司机踩踏油门，节气门会对应打开一定的开度，同时根据电子控制单元（ECU）计算，发动机会喷射对应量的燃油，而后燃油在发动机内燃烧，发动机对外做功，产生对应的输出扭矩。因此，所述发动机喷油量的瞬时增加/减少必定会伴随着所述节气门开度和所述输出扭矩的突然增加/减少。
由于商用车在运行过程中外界环境以及驾驶员操作因素，难以通过单一数据判断跳变现象造成的原因。在国六监控数据应用该方法进行数据处理的过程中，具体地，类型A为发动机喷油量、类型B为节气门开度、类型C为输出扭矩。例如，在某种场景下，所述发动机喷油量的实时数据突然在某一采集时刻大幅增加后，在下一采集时刻又回落至先前水平，无法仅根据突变时刻的瞬时数据判断是由于司机猛踩油门或者其他原因造成的所述发动机喷油量的真实增加，还是由于智能车载终端（T-BOX）传输或者传感器误差造成的异常数据。在传统方法滤波时，由于跳变数据相较于前后数据变化较大，会直接进行滤除处理。
而该方法提出的关联性滤波的工作原理为：如果三个类型中，最多有一个类型的监控数据异常（该类型与其他两个类型的变化趋势不同但其他两个类型的变化趋势相同），说明变化趋势相同的两种类型数据正常，那么就用其余的两个类型的数据综合处理出现异常的类型数据，如果三个类型的监控数据的变化趋势均不同时，说明至少有两个类型的监控数据异常，那么保留异常的类型数据。具体为：若A类型为目标类型，如果B类型和C类型的目标监控数据间的距离近，说明B类型和C类型数据正确，则根据A类型、B类型和C类型数据融合得到A类型处理后的数据，如果B类型和C类型的目标监控数据间的距离远，说明B类型和/或C类型数据错误，则尽量采用原始A类型的数据。
在一优选实施例中，所述S1包括以下步骤：
与商用车的车载终端建立TCP连接；
采用大端模式采集发动机监控数据。
具体地，所述发动机监控数据的类型为三种，分别为类型A：发动机喷油量、类型B：节气门开度、类型C：输出扭矩。
具体地，商用车的车载终端与监控平台建立传输控制协议（TCP）连接，采用所述大端模式的网络字节序来传递字和双字，所述车载终端接收到发动机启动信号后，车载终端以1条/秒的采集频率采集与发动机排放相关的各类型的实时数据，将所述实时数据转为报文传输至监控平台，监控平台接收到所述报文后根据协议，将对应报文解析为各类型的所述监控数据。
在一优选实施例中，所述S3包括以下步骤：
S31、根据所述其它类型的目标监控数据间的距离构建第一算式，所述第一算式值的大小与所述距离的大小变化一致；
S32、根据所述目标监控数据集合中不同类型的目标监控数据间的距离以及当前时刻的目标监控数据集合构建第二算式；
S33、将第一算式值作为当前时刻指定类型的目标监控数据的权重，将1减去所述第一算式值的差作为所述第二算式值的权重；
S34、将所述当前时刻指定类型的目标监控数据和所述第二算式值加权求和，构建滤波函数。
在一优选实施例中，所述S31包括：
第一算式M如下：
其中，Distance(C,B)表示B类型和C类型的目标监控数据间的距离。
在一优选实施例中，所述S32包括：
第二算式F如下：
其中，k+1表示当前时刻，Distance(C,B)表示B类型和C类型的目标监控数据间的距离，Distance(A,B)表示A类型和B类型的目标监控数据间的距离，Distance(A,C)表示A类型和C类型的目标监控数据间的距离，表示A类型在当前时刻的监控数据，/>表示B类型在当前时刻的监控数据，/>表示C类型在当前时刻的监控数据。
具体地，结合上述实施例，以A类型作为所述指定类型，B类型和C类型作为其它类型构建的所述滤波函数为：
其中，表示A类型的滤波后的滤波数据，/>表示A类型在k+1时刻下的监控数据。
由所述滤波函数可见，Distance(C,B)值越大，表示B类型和C类型的距离越大，说明B类型和C类型的变化趋势差别较大，B类型和C类型可信度不高，应认为A类型自身更可信，因此增加A类型的权重（所述第一算式M值与Distance(C,B)值正相关）对A类型的监控数据进行滤波，此时，对A类型数据的改动不大，相反地，Distance(C,B)值越小，B类型和C类型可信度高，因此降低A类型的权重，对A类型的监控数据进行滤波，此时，对A类型数据的改动较大。
该方法综合分析各类型之间的变化趋势，通过变化趋势判断各类型数据的可信度，提升可信度高的类型数据的权重同时降低可信度低的类型数据的权重，可实现动态调整以提升滤波准确性，比传统滤波方法的准确性更高，更能还原监控数据的真实性。
在一优选实施例中，目标监控数据间的距离计算方法包括以下步骤：
采用滑动窗口在所述目标监控数据集合上滑动，采集每种类型的窗口数据；
将同一个窗口内的同一类型的所述窗口数据进行归一化和平均处理，得到每种类型在每个窗口的窗口数据平均值；
根据每种类型在每个窗口的窗口数据平均值计算目标监控数据间的距离。
具体地，采用滑动窗口在所述目标监控数据集合上滑动时，每单个窗口内均会采集到每种类型的多个目标监控数据，对于任一种类型，这些个目标监控数据作为该窗口该种类型的窗口数据，那么进行归一化和平均处理后，每个类型在每个窗口都对应有一个窗口数据平均值，通过每个窗口每个类型的所述窗口数据平均值计算目标监控数据间的距离。
具体地，所述目标监控数据间的距离计算方法可计算任意两种类型的目标监控数据间的距离，可通过该计算方法计算所述第一算式M中的Distance(C,B)值，也可计算所述第二算式F中的Distance(A,B)、Distance(A,C)。
在一优选实施例中，采用如下公式计算目标监控数据间的距离：
其中，表示B类型在第i个窗口的窗口数据平均值，/>表示C类型在第i个窗口的窗口数据平均值，2K+1是滑动窗口总数，K是定值。
具体地，Distance(A,B)、Distance(A,C)的值也依据上述公式获得，公式呈现出随着/>的增加呈下降趋势，B类型和C类型的目标监控数据间的距离增大的相关趋势。
具体地，随着K的增加，求和算式呈现缓慢上升的趋势，即防止随着滑动窗口中监控数据量增大，某一些极小值占总结果的比例过大，实际业务中K需要选择一个合适的值。
由于传统方法一般依据同类数据前后的变化趋势进行滤波，这使得滤波后的数据相对平稳，本专利提出的滤波方法采用具有耦合关系的类型数据间的距离进行滤波，考虑真实情况，保留真实情况下产生的数据，由图2所示，传统滤波方法将发动机喷油量的监控数据存在跳变的局部区域数据均滤除掉，导致滤波后数据与原始数据差别较大，数据失真，而本发明的滤波方法考虑实际情况，对数据进行滤波后，高度还原发动机喷油量原始数据的变化趋势，保留真实情况下的数据，提升了数据准确性，提升监控数据的可参考价值。
以上描述仅为本发明的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种车辆监控数据的处理方法，其特征在于，包括以下步骤：
S1、获取商用车各采集时刻的监控数据，所述监控数据的类型有多种；
S2、从所述监控数据中，提取不同类型间具有耦合关系的目标监控数据集合；
S3、对于指定类型的目标监控数据，根据其它类型的目标监控数据间的距离构建滤波函数；其中，所述其它类型为所述目标监控数据集合中除所述指定类型之外的类型；
S4、采用所述滤波函数对所述指定类型的目标监控数据滤波；
其中，S3包括：
S31、根据所述其它类型的目标监控数据间的距离构建第一算式，所述第一算式值的大小与所述距离的大小变化一致；第一算式M如下：
其中，Distance(C,B)表示B类型和C类型的目标监控数据间的距离；
S32、根据所述目标监控数据集合中不同类型的目标监控数据间的距离以及当前时刻的目标监控数据集合构建第二算式；第二算式F如下：
其中，k+1表示当前时刻，Distance(C,B)表示B类型和C类型的目标监控数据间的距离，Distance(A,B)表示A类型和B类型的目标监控数据间的距离，Distance(A,C)表示A类型和C类型的目标监控数据间的距离，表示A类型在当前时刻的监控数据，/>表示B类型在当前时刻的监控数据，/>表示C类型在当前时刻的监控数据；
S33、将第一算式值作为当前时刻指定类型的目标监控数据的权重，将1减去所述第一算式值的差作为所述第二算式值的权重；
S34、将所述当前时刻指定类型的目标监控数据和所述第二算式值加权求和，构建滤波函数。
2.根据权利要求1所述的车辆监控数据的处理方法，其特征在于：所述目标监控数据集合至少包括节气门开度、输出扭矩和发动机喷油量。
3.根据权利要求1所述的车辆监控数据的处理方法，其特征在于：所述S1包括：
与商用车的车载终端建立TCP连接；
采用大端模式采集发动机监控数据。
4.根据权利要求1所述的方法，其特征在于：目标监控数据间的距离计算方法包括以下步骤：
采用滑动窗口在所述目标监控数据集合上滑动，采集每种类型的窗口数据；
将同一个窗口内的同一类型的所述窗口数据进行归一化和平均处理，得到每种类型在每个窗口的窗口数据平均值；
根据每种类型在每个窗口的窗口数据平均值计算目标监控数据间的距离。
5.根据权利要求4所述的方法，其特征在于，采用如下公式计算目标监控数据间的距离：
其中，表示B类型在第i个窗口的窗口数据平均值，/>表示C类型在第i个窗口的窗口数据平均值，2K+1是滑动窗口总数，K是定值。
CN202310919270.1A 2023-07-26 2023-07-26 一种车辆监控数据的处理方法 Active CN116628618B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310919270.1A CN116628618B (zh) 2023-07-26 2023-07-26 一种车辆监控数据的处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310919270.1A CN116628618B (zh) 2023-07-26 2023-07-26 一种车辆监控数据的处理方法

Publications (2)

Publication Number Publication Date
CN116628618A CN116628618A (zh) 2023-08-22
CN116628618B true CN116628618B (zh) 2023-09-22

Family

ID=87613889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310919270.1A Active CN116628618B (zh) 2023-07-26 2023-07-26 一种车辆监控数据的处理方法

Country Status (1)

Country Link
CN (1) CN116628618B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929813A (zh) * 2012-10-19 2013-02-13 浪潮电子信息产业股份有限公司 一种pci-e接口固态硬盘控制器的设计方法
CN108983599A (zh) * 2018-08-07 2018-12-11 重庆邮电大学 一种车联网下多参数融合的自适应监控方法
CN109975839A (zh) * 2019-04-10 2019-07-05 华砺智行(武汉)科技有限公司 一种车辆卫星定位数据的联合滤波优化方法
CN110108327A (zh) * 2019-07-05 2019-08-09 潍柴动力股份有限公司 一种发动机功率劣化的监测方法及装置
CN111169465A (zh) * 2020-01-15 2020-05-19 上海电气集团股份有限公司 一种重度混合动力车辆运行的控制方法
CN114844762A (zh) * 2022-04-19 2022-08-02 中南大学 告警真实性检测方法和装置
WO2022252505A1 (zh) * 2021-06-02 2022-12-08 杭州安脉盛智能技术有限公司 一种基于多指标集群分析的设备状态监测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101711028B1 (ko) * 2012-05-04 2017-03-13 한국전자통신연구원 클러스터링 기법을 이용한 차량 이상상태 모니터링 장치 및 그 방법
CN111818037A (zh) * 2020-07-02 2020-10-23 上海工业控制安全创新科技有限公司 基于信息熵的车载网络流量异常检测防御方法及防御系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102929813A (zh) * 2012-10-19 2013-02-13 浪潮电子信息产业股份有限公司 一种pci-e接口固态硬盘控制器的设计方法
CN108983599A (zh) * 2018-08-07 2018-12-11 重庆邮电大学 一种车联网下多参数融合的自适应监控方法
CN109975839A (zh) * 2019-04-10 2019-07-05 华砺智行(武汉)科技有限公司 一种车辆卫星定位数据的联合滤波优化方法
CN110108327A (zh) * 2019-07-05 2019-08-09 潍柴动力股份有限公司 一种发动机功率劣化的监测方法及装置
CN111169465A (zh) * 2020-01-15 2020-05-19 上海电气集团股份有限公司 一种重度混合动力车辆运行的控制方法
WO2022252505A1 (zh) * 2021-06-02 2022-12-08 杭州安脉盛智能技术有限公司 一种基于多指标集群分析的设备状态监测方法
CN114844762A (zh) * 2022-04-19 2022-08-02 中南大学 告警真实性检测方法和装置

Also Published As

Publication number Publication date
CN116628618A (zh) 2023-08-22

Similar Documents

Publication Publication Date Title
US10496466B2 (en) Preprocessor of abnormality sign diagnosing device and processing method of the same
US6591660B1 (en) Method for detecting knocking
CN115687447B (zh) 一种基于物联网的海洋环境监测系统及方法
CN113586239B (zh) 发动机故障诊断方法、装置、控制器和存储介质
US6978666B1 (en) Automatic calibration method for engine misfire detection system
CN116628618B (zh) 一种车辆监控数据的处理方法
CN110107387A (zh) 基于机油品质传感器的dpf系统obd故障诊断方法
DE102007051160B4 (de) Verfahren und Vorrichtung zum Erfassen einer unzulässig hohen Motorleistung
CN109886538B (zh) 基于动态监测数据的铁路信号设备质量评价方法及装置
CN111289283A (zh) 一种基于物联网与手机的联合收割机远程故障诊断系统
CN114962031B (zh) 内燃机进气系统管路结焦的检测方法及其系统、车辆
CN115099291B (zh) 一种建筑节能监测方法
CN116577104A (zh) 一种发动机故障检测方法及设备
CN115492693A (zh) 一种增压器喘振识别方法及装置
CN114882683A (zh) 一种用于半导体器件的处理设备报警系统及方法
CN114488994A (zh) 一种提升车辆故障诊断鲁棒性的优化方法及装置
CN112000085A (zh) 一种基于5g大数据的网络传输性能诊断系统
CN116056443B (zh) 一种基于5g通信的smt贴片故障诊断系统
CN117474345B (zh) 一种智慧环境环保远程实时监测预警方法及系统
CN116304763B (zh) 一种电力数据预分析方法、系统、设备及介质
Uematsu et al. Abnormal-State-Clustering for In-Vehicle Cable Communication Using Equalizer Parameters and Machine Learning Approach
CN112326255B (zh) 一种发动机远程健康监护系统及监护方法
CN117010164A (zh) 一种低辛烷值汽油对扭矩模型影响的试验及评价方法
CN116560332A (zh) 一种船艇dpf故障诊断及远程调校方法
CN115952658A (zh) 一种基于依赖关系网络的效能评估方法

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