CN116659887A - 一种应用于氢能汽车车载系统的智能检测方法及其系统 - Google Patents
一种应用于氢能汽车车载系统的智能检测方法及其系统 Download PDFInfo
- Publication number
- CN116659887A CN116659887A CN202310434353.1A CN202310434353A CN116659887A CN 116659887 A CN116659887 A CN 116659887A CN 202310434353 A CN202310434353 A CN 202310434353A CN 116659887 A CN116659887 A CN 116659887A
- Authority
- CN
- China
- Prior art keywords
- fault
- equipment
- detection
- information
- failure
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 183
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 28
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 28
- 239000001257 hydrogen Substances 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/005—Testing of electric installations on transport means
- G01R31/006—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks
- G01R31/007—Testing of electric installations on transport means on road vehicles, e.g. automobiles or trucks using microprocessors or computers
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请适用于控制系统的技术领域,提供了一种应用于氢能汽车车载系统的智能检测方法及其系统,其方法包括获取第一设备的第一故障信息和第一连接拓扑信息,其中,第一连接拓扑信息用于描述第一设备与第二设备之间的连接关系;基于第一连接拓扑信息,以第一设备为起点,遍历得到第二设备;获取第二设备的第一检测数据;将第一检测数据输入至预设的故障检测公式中,得到故障检测结果。本申请能够根据氢能汽车的具体情况动态调整检测的方式,以及大幅度提高检测精度和安全性。
Description
技术领域
本申请涉及控制系统的技术领域,具体而言,涉及一种应用于氢能汽车车载系统的智能检测方法及其系统。
背景技术
氢能汽车具有高效、高能量密度、无污染排放等优点,具有较为广阔的应用前景,随着新能源汽车行业的飞速发展,越来越多的氢能汽车被投入到市场当中。
目前,氢能汽车的检测方法中,通常采用一个固定的检测值去检测氢能汽车中多个零部件是否出现异常,检测方式较为单一,不能根据氢能汽车的具体情况动态调整检测方式,存在检测精度较低的问题,有待进一步改进。
发明内容
基于此,本申请实施例提供了一一种应用于氢能汽车车载系统的智能检测方法及其系统,以解决现有技术中检测精度较低的问题。
第一方面,本申请实施例提供了一种应用于氢能汽车车载系统的智能检测方法,所述智能检测方法包括:
获取第一设备的第一故障信息和第一连接拓扑信息,其中,所述第一连接拓扑信息用于描述所述第一设备与第二设备之间的连接关系;
基于所述第一连接拓扑信息,以所述第一设备为起点,遍历得到所述第二设备;
获取所述第二设备的第一检测数据;
将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果。
与现有技术相比存在的有益效果是:本申请实施例提供的应用于氢能汽车车载系统的智能检测方法,终端设备可以获取第一设备的第一故障信息和第一连接拓扑信息;然后基于第一连接拓扑信息,以第一设备为起点,遍历得到第二设备;再获取第二设备的第一检测数据,并且将第一检测数据输入至预设的故障检测公式中,得到有关于第二设备的故障检测结果,有利于针对氢能汽车当前的具体情况调整检测方式,实现对氢能汽车进行强针对性的安全检测,在一定程度上解决了当前检测精度较低的问题。
第二方面,本申请实施例提供了一种应用于氢能汽车车载系统的智能检测系统,所述智能检测系统包括:
信息获取模块:用于获取第一设备的第一故障信息和第一连接拓扑信息,其中,所述第一连接拓扑信息用于描述所述第一设备与第二设备之间的连接关系;
设备遍历模块:用于基于所述第一连接拓扑信息,以所述第一设备为起点,遍历得到所述第二设备;
数据检测模块:用于获取所述第二设备的第一检测数据;
结果生成模块:用于将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面的方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面的方法的步骤。
可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请一实施例提供的智能检测方法的流程示意图;
图2是本申请一实施例提供的智能检测方法中步骤S400的流程示意图;
图3是本申请一实施例提供的智能检测方法中步骤S410的流程示意图;
图4是本申请一实施例提供的智能检测方法中步骤S240的流程示意图;
图5是本申请一实施例提供的智能检测方法中步骤S500的流程示意图;
图6是本申请一实施例提供的智能检测系统的模块框图;
图7是本申请一实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
请参阅图1,图1是本申请实施例提供的应用于氢能汽车车载系统的智能检测方法的流程示意图。在本实施例中,智能检测方法的执行主体为终端设备。可以理解的是,终端设备的类型包括但不限于手机、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personal digitalassistant,PDA)等,本申请实施例对终端设备的具体类型不作任何限制。
请参阅图1,本申请实施例提供的智能检测方法包括但不限于以下步骤:
在S100中,获取第一设备的第一故障信息和第一连接拓扑信息。
具体来说,在上实际引用情景中,氢能汽车包括有多个用电设备,第一设备可以是多种用电设备中的任意一种,譬如:高压配电盒、空气压缩机或氢燃料电池;终端设备可以先对氢能汽车进行初步的检测,在检测出存在故障的第一设备时,获取该第一设备的第一故障信息和该第一设备的第一连接拓扑信息;其中,第一故障信息用于表示当前的第一设备为故障状态,第一连接拓扑信息用于表示第一设备与第二设备之间的连接关系,第二设备为多个用电设备的连接关系中,与第一设备连接最密切的用电设备或者位置与第一设备最接近的用电设备,譬如针对氢燃料电池,氢循环泵为第一设备,与氢循环泵位置最接近的电堆组件为第二设备。
在S200中,基于第一连接拓扑信息,以第一设备为起点,遍历得到第二设备。
具体来说,由于当第一设备出现故障的时候,与第一设备连接最密切的第二设备很可能受到不良影响,存在较高的安全隐患,但按照单一的检测方式并不能检测出第二设备实质上出现故障,故终端设备可以基于第一连接拓扑信息,以第一设备为起点,遍历得到所有的第二设备,从而减少遗漏考虑实质上出现故障的第二设备的情况,提高氢能汽车整体的安全性。
在S300中,获取第二设备的第一检测数据。
具体来说,第一检测数据包括实时电压值、实时负载值、累计故障次数、历史故障间隔时间、预估剩余寿命和历史故障持续时间,其中,历史故障间隔时间表示该第二设备在历史使用中,从出厂状态或者完成修复状态到故障状态之间的最短时间间隔,预估剩余寿命表示该第二设备的预估剩余寿命,预估剩余寿命可以通过自定义的总使用寿命与总运行时长之间的相差值确定,历史故障持续时间表示该第二设备在历史使用中,以故障状态运行的最长时间。
在S400中,将第一检测数据输入至预设的故障检测公式中,得到故障检测结果。
具体来说,在终端设备获取第二设备的第一检测数据之后,终端设备可以将第一检测数据输入至预设的故障检测公式中,得到故障检测结果,其中,故障检测结果包括正常工作状态或故障工作状态,故障工作状态表示第二设备实质上存在故障。
在一些可能的实现方式中,为了提高检测的精准度,满足用户对高安全性的使用需求,请参阅图2,步骤S400包括但不限于以下步骤:
在S410中,将实时电压值、实时负载值、累计故障次数、历史故障间隔时间、预估剩余寿命和历史故障持续时间输入至预设的故障检测公式中,得到故障预测率。
具体来说,终端设备可以将实时电压值、实时负载值、累计故障次数、历史故障间隔时间、预估剩余寿命和历史故障持续时间均输入至预设的故障检测公式中,从而实现得到与第二设备强相关的故障预测率,故障预测率表示第二设备实质上出现故障的概率。
在S420中,比对故障预测率和预设的故障阈值。
具体来说,在终端设备得到故障预测率之后,终端设备可以比对故障预测率和预设的故障阈值,故障阈值可以设置为50%,在其他一种可能的实现方式中,当用户对安全性有更高的要求时,故障阈值可以设置为30%。
在S430中,若故障预测率小于故障阈值,则得到为正常工作状态的故障检测结果。
具体来说,如果故障预测率小于故障阈值,则终端设备可以得到具体为正常工作状态的故障检测结果,故障检测结果为正常工作状态表示第二设备实质上没有出现故障。
在S440中,若故障预测率大于或等于故障阈值,则得到为故障工作状态的故障检测结果。
具体来说,如果故障预测率大于或等于故障阈值,则终端设备可以得到具体为故障工作状态的故障检测结果,故障检测结果为故障工作状态表示第二设备实质上出现故障。
在一些可能的实现方式中,为了提高故障预测率的精准度,故障检测公式可以为:
式中,RFP表示故障预测率;α1表示该第二设备对应的第一校准因子;Uactual表示实时电压值;Udatum表示额定电压值;Lactual表示实时负载值,实时负载值可以由实时电压值和实时电流值计算得出;Ldatum表示额定负载值;α2表示该第二设备对应的第二校准因子;Nhitcj表示累计故障次数;Tlast表示历史故障持续时间;Tlife表示预估剩余寿命;Tg表示故障间隔时间。
在一些可能的实现方式中,为了进一步提高故障预测率的精准度,第一校准因子可以为:
式中,α1表示第一校准因子;ΔP表示实时电压值与额定电压值之间的第一差值;示例性地,当实时电压值为0.93V且额定电压值为0.9V的时候,ΔP=0.03V;ΔL表示实时负载值与额定负载值之间的第二差值,譬如当实时负载值为190kW且额定负载值为160kW的时候,ΔL=30kW,α1=27;
不失一般性地,第二校准因子可以为:
式中,α2表示第二校准因子;Tlife表示预估剩余寿命,预估剩余寿命的单位为年;示例性地,当预估剩余寿命为1年的时候,α2=1.54;在其他一种可能的实现,预估剩余寿命具体数值中的小数部分可以忽略不计。
在一些可能的实现方式中,为了进一步排除潜在的安全隐患,请参阅图3,在步骤S200之后,该方法还包括但不限于以下步骤:
在S210中,基于预设的历史故障数据库,获取第一设备的第一故障次数信息。
具体来说,由于故障次数越多的用电设备潜在的安全隐患越大,该用电设备对周边用电设备的安全威胁也更加的大,故终端设备可以首先基于预设的历史故障数据库,获取第一设备的第一故障次数信息,其中,历史故障数据库存储有各个用电设备的历史故障总次数。
在S220中,若第一故障次数信息超出预设的故障次数阈值,则获取第二设备的第二连接拓扑信息。
具体来说,如果第一故障次数信息超出预设的故障次数阈值,则终端设备可以获取第二设备的第二连接拓扑信息,第二连接拓扑信息表示第二设备与至少一个第三设备之间的连接关系,第三设备为除第一设备以外,与第二设备连接最密切的用电设备或者位置与第二设备最接近的用电设备;在一种可能的实现方式中,故障次数阈值可以为6。
在S230中,基于第二连接拓扑信息,以第二设备为起点,遍历得到第三设备。
具体来说,在终端设备获取第二设备的第二连接拓扑信息之后,终端设备可以基于第二连接拓扑信息,以第二设备为起点,遍历得到至少一个第三设备。
相应地,上述S300包括但不限于以下步骤:
在S301中,获取第二设备的第一检测数据和第三设备的第二检测数据。
具体来说,终端设备可以获取第二设备的第一检测数据和第三设备的第二检测数据。
相应地,上述S400包括但不限于以下步骤:
在S401中,分别将第一检测数据和第二检测数据输入至预设的故障检测公式中,得到第二设备和第三设备对应的故障检测结果。
具体来说,终端设备可以先将第一检测数据至故障检测公式中,然后再将第二检测数据输入至预设的故障检测公式中,得到第二设备和第三设备对应的故障检测结果,从而实现针对氢能汽车中的故障区域进行针对性且大范围的安全隐患排查工作。
在一些可能的实现方式中,为了提高发现安全隐患的及时性,请参阅图4,在步骤S230之后,该方法还包括但不限于以下步骤:
在S240中,基于历史故障数据库,获取第二设备的第二故障次数信息和第三设备的第三故障次数信息。
具体来说,终端设备可以基于历史故障数据库,首先获取第二设备的第二故障次数信息,然后再获取第三设备的第三故障次数信息。
在S250中,针对每一个第二设备和第三设备:根据第二故障次数信息和第三故障次数信息,按照故障次数从多到少的顺序确定第二设备和第三设备的检测优先级。
具体来说,终端设备可以针对每一个第二设备和第三设备,根据第二故障次数信息和第三故障次数信息,按照故障次数从多到少的顺序,确定第二设备和第三设备的检测优先级,譬如当某一个第二设备的故障次数为15次,某一个第三设备的故障次数为18次的时候,该第三设备的检测优先级比该第二设备的检测优先级高。
相应地,上述S400包括:
在S402中,按照优先级递减的顺序将第二设备对应的第一检测数据和第三设备对应的第二检测数据输入至预设的故障检测公式中,得到第二设备和第三设备对应的故障检测结果。
具体来说,在终端设备确定多个用电设备的检测优先级之后,终端设备可以按照优先级递减的顺序,将第二设备对应的第一检测数据和第三设备对应的第二检测数据输入至预设的故障检测公式中,从而得到第二设备和第三设备对应的故障检测结果,提高发现安全隐患的及时性。
在一些可能的实现方式中,为了有利于结合大数据技术分析氢能汽车的安全性或使用性能,请参阅图5,在步骤S400之后,该方法还包括但不限于以下步骤:
在S500中,封装第二设备的第一检测数据和故障检测结果,生成加密数据包和加密数据包对应的密钥信息。
具体来说,终端设备可以封装第二设备的第一检测数据和故障检测结果,生成加密数据包,并且生成该加密数据包对应的密钥信息,通过加密数据包和密钥信息减少数据被非法窃取的可能性。
在S510中,上传加密数据包和密钥信息至指定的云端服务器。
具体来说,在终端设备生成加密数据包和密钥信息之后,终端设备可以上传加密数据包和密钥信息至指定的云端服务器,从而提高数据的耦合性。
本申请实施例应用于氢能汽车车载系统的智能检测方法的实施原理为:终端设备可以获取第一设备的第一故障信息和第一连接拓扑信息,根据第一连接拓扑信息以第一设备为起点遍历得到第二设备,然后将第二设备的实时电压值、实时负载值、累计故障次数、历史故障间隔时间、预估剩余寿命和历史故障持续时间均输入至预设的故障检测公式中,得到能够精准判断第二设备实质上是否存在故障的故障检测结果,从而大幅度提高检测精度。
需要说明的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请的实施例还提供了一种应用于氢能汽车车载系统的智能检测系统,为便于说明,仅示出与本申请相关的部分,如图6所示,该系统60包括:
信息获取模块61:用于获取第一设备的第一故障信息和第一连接拓扑信息,其中,第一连接拓扑信息用于描述第一设备与第二设备之间的连接关系;
设备遍历模块62:用于基于第一连接拓扑信息,以第一设备为起点,遍历得到第二设备;
数据检测模块63:用于获取第二设备的第一检测数据;
结果生成模块64:用于将第一检测数据输入至预设的故障检测公式中,得到故障检测结果。
可选的,该系统60还包括:
第一故障次数信息获取模块:用于基于预设的历史故障数据库,获取第一设备的第一故障次数信息;
第二连接拓扑信息获取模块:用于若第一故障次数信息超出预设的故障次数阈值,则获取第二设备的第二连接拓扑信息,其中,第二连接拓扑信息用于描述第二设备与至少一个第三设备之间的连接关系;
第三设备遍历模块:用于基于第二连接拓扑信息,以第二设备为起点,遍历得到第三设备;
相应地,上述数据检测模块63还包括:
第二检测数据获取子模块:用于获取第二设备的第一检测数据和第三设备的第二检测数据;
相应地,上述结果生成模块64还包括:
第一故障检测结果获取子模块:用于分别将第一检测数据和第二检测数据输入至预设的故障检测公式中,得到第二设备和第三设备对应的故障检测结果。
可选的,该系统60还包括:
第三故障次数信息获取模块:用于基于历史故障数据库,获取第二设备的第二故障次数信息和第三设备的第三故障次数信息;
检测优先级确定模块:用于针对每一个第二设备和第三设备:根据第二故障次数信息和第三故障次数信息,按照故障次数从多到少的顺序确定第二设备和第三设备的检测优先级;
相应地,上述结果生成模块64还包括:
第二故障检测结果获取子模块:用于按照优先级递减的顺序将第二设备对应的第一检测数据和第三设备对应的第二检测数据输入至预设的故障检测公式中,得到第二设备和第三设备对应的故障检测结果。
可选的,第一检测数据包括实时电压值、实时负载值、累计故障次数、历史故障间隔时间、预估剩余寿命和历史故障持续时间;故障检测结果包括正常工作状态或故障工作状态;上述结果生成模块64还包括:
故障预测率计算子模块:用于将实时电压值、实时负载值、累计故障次数、历史故障间隔时间、预估剩余寿命和历史故障持续时间输入至预设的故障检测公式中,得到故障预测率;
故障阈值比对子模块:用于比对故障预测率和预设的故障阈值;
正常工作状态确定子模块:用于若故障预测率小于故障阈值,则得到为正常工作状态的故障检测结果;
故障状态确定子模块:用于若故障预测率大于或等于故障阈值,则得到为故障工作状态的故障检测结果;
其中,故障检测公式为:
式中,RFP为故障预测率;α1为第二设备对应的第一校准因子;Uactual为实时电压值;Udatum为额定电压值;Lactual为实时负载值;Ldatum为额定负载值;α2为第二设备对应的第二校准因子;Nhitch为累计故障次数;Tlast为历史故障持续时间;Tlife为预估剩余寿命;Tg为故障间隔时间。
可选的,第一校准因子为:
式中,α1为第一校准因子;ΔP为实时电压值与额定电压值之间的第一差值;ΔL为实时负载值与额定负载值之间的第二差值;
第二校准因子为:
式中,α2为第二校准因子;Tlife为预估剩余寿命,预估剩余寿命的单位为年。
可选的,该系统60还包括:
封装加密模块:用于封装第二设备的第一检测数据和故障检测结果,生成加密数据包和加密数据包对应的密钥信息;
数据包上传模块:用于上传加密数据包和密钥信息至指定的云端服务器。
需要说明的是,上述模块之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
本申请实施例还提供了一种终端设备,如图7所示,该实施例的终端设备70包括:处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序73。处理器71执行计算机程序73时实现上述流量处理方法实施例中的步骤,例如图1所示的步骤S100至S400;或者,处理器71执行计算机程序73时实现上述装置中各模块的功能,例如图6所示模块61至64的功能。
该终端设备70可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备,该终端设备70包括但不仅限于处理器71、存储器72。本领域技术人员可以理解,图7仅仅是终端设备70的示例,并不构成对终端设备70的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备70还可以包括输入输出设备、网络接入设备、总线等。
其中,处理器71可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等;通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器72可以是终端设备70的内部存储单元,例如终端设备70的硬盘或内存,存储器72也可以是终端设备70的外部存储设备,例如终端设备70上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等;进一步地,存储器72还可以既包括终端设备70的内部存储单元也包括外部存储设备,存储器72还可以存储计算机程序73以及终端设备70所需的其它程序和数据,存储器72还可以用于暂时地存储已经输出或者将要输出的数据。
本申请的一个实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等;计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的方法、原理、结构所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种应用于氢能汽车车载系统的智能检测方法,其特征在于,所述智能检测方法包括:
获取第一设备的第一故障信息和第一连接拓扑信息,其中,所述第一连接拓扑信息用于描述所述第一设备与第二设备之间的连接关系;
基于所述第一连接拓扑信息,以所述第一设备为起点,遍历得到所述第二设备;
获取所述第二设备的第一检测数据;
将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果。
2.根据权利要求1所述的方法,其特征在于,在所述基于所述第一连接拓扑信息,以所述第一设备为起点,遍历得到所述第二设备之后,所述智能检测方法还包括:
基于预设的历史故障数据库,获取所述第一设备的第一故障次数信息;
若所述第一故障次数信息超出预设的故障次数阈值,则获取所述第二设备的第二连接拓扑信息,其中,所述第二连接拓扑信息用于描述所述第二设备与至少一个第三设备之间的连接关系;
基于所述第二连接拓扑信息,以所述第二设备为起点,遍历得到所述第三设备;
相应地,所述获取所述第二设备的第一检测数据,包括:
获取所述第二设备的第一检测数据和所述第三设备的第二检测数据;
相应地,所述将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果,包括:
分别将所述第一检测数据和所述第二检测数据输入至预设的故障检测公式中,得到第二设备和第三设备对应的故障检测结果。
3.根据权利要求2所述的方法,其特征在于,在所述基于所述第二连接拓扑信息,以所述第二设备为起点,遍历得到所述第三设备之后,所述智能检测方法还包括:
基于所述历史故障数据库,获取所述第二设备的第二故障次数信息和所述第三设备的第三故障次数信息;
针对每一个所述第二设备和所述第三设备:
根据所述第二故障次数信息和所述第三故障次数信息,按照故障次数从多到少的顺序确定所述第二设备和所述第三设备的检测优先级;
相应地,所述将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果,包括:
按照优先级递减的顺序将所述第二设备对应的所述第一检测数据和所述第三设备对应的所述第二检测数据输入至预设的故障检测公式中,得到第二设备和第三设备对应的故障检测结果。
4.根据权利要求1所述的方法,其特征在于,所述第一检测数据包括实时电压值、实时负载值、累计故障次数、历史故障间隔时间、预估剩余寿命和历史故障持续时间;所述故障检测结果包括正常工作状态或故障工作状态;所述将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果,包括:
将所述实时电压值、所述实时负载值、所述累计故障次数、所述历史故障间隔时间、所述预估剩余寿命和所述历史故障持续时间输入至预设的故障检测公式中,得到故障预测率;
比对所述故障预测率和预设的故障阈值;
若所述故障预测率小于所述故障阈值,则得到为所述正常工作状态的所述故障检测结果;
若所述故障预测率大于或等于所述故障阈值,则得到为所述故障工作状态的所述故障检测结果;
其中,所述故障检测公式为:
式中,RFP为所述故障预测率;α1为所述第二设备对应的第一校准因子;Uactual为所述实时电压值;Udatum为额定电压值;Lactual为所述实时负载值;Ldatum为额定负载值;α2为所述第二设备对应的第二校准因子;Nhitcj为所述累计故障次数;Tlast为所述历史故障持续时间;Tlife为所述预估剩余寿命;Tg为所述故障间隔时间。
5.根据权利要求4所述的方法,其特征在于,所述第一校准因子为:
式中,α1为所述第一校准因子;ΔP为所述实时电压值与所述额定电压值之间的第一差值;ΔL为所述实时负载值与所述额定负载值之间的第二差值;
所述第二校准因子为:
式中,α2为所述第二校准因子;Tlife为所述预估剩余寿命,所述预估剩余寿命的单位为年。
6.根据权利要求1所述的方法,其特征在于,在将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果之后,所述智能检测方法还包括:
封装所述第二设备的所述第一检测数据和所述故障检测结果,生成加密数据包和所述加密数据包对应的密钥信息;
上传所述加密数据包和所述密钥信息至指定的云端服务器。
7.一种应用于氢能汽车车载系统的智能检测系统,其特征在于,所述系统包括:
信息获取模块:用于获取第一设备的第一故障信息和第一连接拓扑信息,其中,所述第一连接拓扑信息用于描述所述第一设备与第二设备之间的连接关系;
设备遍历模块:用于基于所述第一连接拓扑信息,以所述第一设备为起点,遍历得到所述第二设备;
数据检测模块:用于获取所述第二设备的第一检测数据;
结果生成模块:用于将所述第一检测数据输入至预设的故障检测公式中,得到故障检测结果。
8.根据权利要求7所述的系统,其特征在于,所述智能检测系统还包括:
封装加密模块:用于封装所述第二设备的所述第一检测数据和所述故障检测结果,生成加密数据包和所述加密数据包对应的密钥信息;
数据包上传模块:用于上传所述加密数据包和所述密钥信息至指定的云端服务器。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310434353.1A CN116659887A (zh) | 2023-04-20 | 2023-04-20 | 一种应用于氢能汽车车载系统的智能检测方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310434353.1A CN116659887A (zh) | 2023-04-20 | 2023-04-20 | 一种应用于氢能汽车车载系统的智能检测方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116659887A true CN116659887A (zh) | 2023-08-29 |
Family
ID=87714303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310434353.1A Pending CN116659887A (zh) | 2023-04-20 | 2023-04-20 | 一种应用于氢能汽车车载系统的智能检测方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116659887A (zh) |
-
2023
- 2023-04-20 CN CN202310434353.1A patent/CN116659887A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11408942B2 (en) | Method for predicting service life of retired power battery | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN107472028B (zh) | 用于控制车辆的充电装置的方法和系统 | |
CN110749829B (zh) | 一种供电设备异常检测方法及装置 | |
CN111880106A (zh) | 电池荷电状态检测方法、设备、存储介质及装置 | |
Ma et al. | Comparison of BR and QR eigenvalue algorithms for power system small signal stability analysis | |
CN116659887A (zh) | 一种应用于氢能汽车车载系统的智能检测方法及其系统 | |
CN117408835A (zh) | 一种自动化配电设施巡检方法、装置及电子设备及介质 | |
CN116742055A (zh) | 燃料电池绝缘阻值确定方法、装置、电子设备及存储介质 | |
CN116295172A (zh) | 膜电极生产线的检测方法、系统、终端设备以及存储介质 | |
CN114300763B (zh) | 基于车云协调的电池内阻异常监测方法、设备及存储介质 | |
CN116961151A (zh) | 充电控制方法及装置、电子设备以及存储介质 | |
CN114114040A (zh) | 一种电池包的soc修正方法、装置和计算机设备 | |
WO2020177575A1 (zh) | 一种绝缘阻值的检测方法、装置、电子设备及存储介质 | |
Channegowda et al. | An attention‐based synthetic battery data augmentation technique to overcome limited dataset challenges | |
CN110751747A (zh) | 一种数据处理方法及装置 | |
CN116879726B (zh) | 一种应用于gis开关设备的故障诊断方法及其系统 | |
CN112924890A (zh) | 一种检测电源的方法、装置和电子设备 | |
CN114435273B (zh) | 发动机起动能力确定方法、装置、电子设备以及存储介质 | |
CN117741509B (zh) | 储能电站故障检测方法、装置、设备、介质及程序产品 | |
CN116544462A (zh) | 一种应用于车载燃料电池的智能监测方法及其系统 | |
CN117169732B (zh) | 电池故障检测方法、装置、计算设备和介质 | |
US20240118347A1 (en) | Method and Apparatus for Monitoring Parameter of Battery Pack, and Storage Medium | |
CN117872225A (zh) | 基于电容器容量的异常检测方法、系统、终端设备及介质 | |
CN111044813B (zh) | 充电模式的识别方法、装置及终端设备 |
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 |