CN116699293A - 一种智能座舱系统数据采集测试方法 - Google Patents
一种智能座舱系统数据采集测试方法 Download PDFInfo
- Publication number
- CN116699293A CN116699293A CN202310934099.1A CN202310934099A CN116699293A CN 116699293 A CN116699293 A CN 116699293A CN 202310934099 A CN202310934099 A CN 202310934099A CN 116699293 A CN116699293 A CN 116699293A
- Authority
- CN
- China
- Prior art keywords
- preset
- test
- threshold
- central control
- control equipment
- 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.)
- Granted
Links
- 238000010998 test method Methods 0.000 title claims description 12
- 238000012360 testing method Methods 0.000 claims abstract description 148
- 238000011156 evaluation Methods 0.000 claims description 127
- 238000004458 analytical method Methods 0.000 claims description 58
- 230000004044 response Effects 0.000 claims description 57
- 230000015556 catabolic process Effects 0.000 claims description 36
- 230000035484 reaction time Effects 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 25
- 230000002159 abnormal effect Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 16
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000010354 integration Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 101100366710 Arabidopsis thaliana SSL12 gene Proteins 0.000 claims description 4
- 238000013095 identification testing Methods 0.000 claims description 4
- 238000003466 welding Methods 0.000 claims description 3
- 101100366707 Arabidopsis thaliana SSL11 gene Proteins 0.000 claims description 2
- 101100366562 Panax ginseng SS12 gene Proteins 0.000 claims description 2
- 101100366563 Panax ginseng SS13 gene Proteins 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007086 side reaction Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及智能座舱测试技术领域，尤其涉及一种智能座舱系统数据采集测试方法，本发明在座舱中控设备正常运行的前提下，对座舱中控设备从接触式和非接触式两种角度进行测试，即通过归一化测试评估分析对接触式和非接触式的触摸测试评估系数T和非触摸测试评估系数C进行分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处理，即从触摸偏差风险值和延误风险值两个维度对接触式的座舱中控设备进行测试评估，有助于提高分析结果的准确性，而通过从正常响应和异常响应两个角度对于非接触式的座舱中控设备进行分析，有助于提高分析数据的全面性，进而解决存在的目前测试结果误差大和无数据支撑的问题。
Description
技术领域
本发明涉及智能座舱测试技术领域，尤其涉及一种智能座舱系统数据采集测试方法。
背景技术
随着新能源车的不断盛行，智能化是汽车行业未来发展趋势已经成为行业共识，这个趋势将为人们的生活与出行带来极大的变革，也会导致汽车座舱形态、座舱功能、交互方式的变化，因而汽车智能座舱的设计成为未来汽车发展和创新的关键因素，也是打造差异化、吸引用户非常重要的方面；
目前，随着汽车行业的高速发展，消费者对汽车的需求也逐步从单一交通工具向第三生活空间转变，对于座舱系统的舒适性、愉悦性需求日趋凸显，座舱系统也经历了传统的简单交互、到如今的多场景人机交互的发展历程，未来还会实现智能座舱多维度虚拟交互技术，显示媒介也趋于大屏显示、多联屏显示，交互功能日趋复杂化、多样化，但是，现有技术中针对车载座舱系统的测试结果误差大，无法全面的对车载座舱系统的测试体验进行反馈，基本上都是主观评价，没有客观数据支撑；
针对上述的技术缺陷，现提出一种解决方案。
发明内容
本发明的目的在于提供一种智能座舱系统数据采集测试方法，去解决上述提出的技术缺陷，是通过采集座舱中控设备的运行数据，并对运行数据进行运行状态评估分析，判断座舱中控设备是否正常运行，并在座舱中控设备正常运行的前提下，对座舱中控设备从接触式和非接触式两种角度进行测试，即通过归一化测试评估分析对接触式和非接触式的触摸测试评估系数T和非触摸测试评估系数C进行分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处。
本发明的目的可以通过以下技术方案实现：一种智能座舱系统数据采集测试方法，包括以下步骤：
步骤一：采集座舱中控设备的运行数据，并对运行数据进行运行状态评估分析，判断座舱中控设备是否正常运行，并在座舱中控设备正常运行的前提下，对座舱中控设备从接触式和非接触式两种角度进行测试；
步骤二：从接触式的角度对正常的座舱中控设备进行分析，即采集座舱中控设备的控制数据，并对控制数据进行反应触发评估分析，以便了解座舱中控设备接触式测试的评估结果满意度情况；
步骤三：从非接触式的角度对正常的座舱中控设备进行分析，即采集座舱中控设备的正常响应识别数据，并进行识别效率评估分析，以判断座舱中控设备的识别效率情况；
步骤四：采集座舱中控设备的异常响应识别数据，并进行异常识别评估分析，以了解座舱中控设备的异常识别影响程度；
步骤五：对非接触式的正常的座舱中控设备进行识别测试体验整合分析，以便了解测试整体识别体验感情况，并进行数据反馈；
步骤六：对座舱中控设备的接触式和非接触式两种进行数据整合，并进行归一化测试评估分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处理。
优选的，所述运行状态评估分析过程如下：
S1：采集到座舱中控设备测试开始运行时刻到结束运行时刻之间的时长，并将其标记为时间阈值，同时采集到座舱中控设备的运行数据，运行数据包括座舱中控设备的运行温度、信号收发器的运行电流以及显示面板内各个电气元件的击穿风险值；
S12：将时间阈值划分为i个时间节点，i为大于零的自然数，获取到各个子时间节点内座舱中控设备的运行温度，并将运行温度与预设运行温度阈值进行比对分析，若相连两个子时间节点对应运行温度均大于预设运行温度阈值，则获取到运行温度均大于预设运行温度阈值所对应的相连两个子时间节点的总个数，并将其标记为温度风险值；
S13：获取到各个子时间节点内信号收发器的运行电流，构建运动电流的集合A，获取到集合A的离散系数，并将离散系数与预设离散系数阈值进行比对分析，若离散系数大于预设离散系数阈值，则将离散系数大于预设离散系数阈值的部分标记为失衡风险值；
S14：获取到时间阈值内显示面板内各个电气元件的击穿风险值，击穿风险值指的是电气元件运行电压超出预设运行电压的部分与电气元件支脚焊接接触面积经数据归一化处理后得到的和值，进而获取到击穿风险值的最大值和最小值，并将击穿风险值的最大值和最小值之间的差值标记为击穿跨度值，并将温度风险值、失衡风险值以及击穿跨度值与其内部录入存储的预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值进行比对分析：
若满足温度风险值、失衡风险值以及击穿跨度值三者均小于预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值，则生成正常指令；
若不满足温度风险值、失衡风险值以及击穿跨度值三者均小于预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值，则不生成任何信号。
优选的，所述反应触发评估分析过程如下：
SS1：采集接触式的座舱中控设备的控制数据，控制数据包括触摸面板的触摸误差值和灵敏反应时长；
SS12：获取到时间阈值内触摸面板的触摸误差值，触摸误差值指的是一次触发指令的触摸次数与触摸点和显示面板反应点之间的距离值大于预设距离阈值之间的部分经去量纲处理得到的积值，并将触摸误差值与预设触摸误差值阈值进行比对分析，若触摸误差值大于预设触摸误差值阈值，则将触摸误差值大于预设触摸误差值阈值的部分标记为触摸偏差风险值CF；
SS13：获取到时间阈值内触摸面板的灵敏反应时长，灵敏反应时长指的是手指触摸显示面板时刻到单个指令触发时刻之前的时长，并将灵敏反应时长与预设灵敏反应时长阈值进行比对分析，若灵敏反应时长大于预设灵敏反应时长阈值，则将灵敏反应时长大于预设灵敏反应时长阈值的部分标记延误风险值YF；
SS14：根据公式得到触摸测试评估系数T。
优选的，所述识别效率评估分析过程如下：
采集非接触式的正常座舱中控设备的正常响应识别数据，正常响应识别数据包括测试次数和显示识别图像；
获取到时间阈值内正常座舱中控设备的测试次数，将测试次数标记为k，k为大于零的自然数，获取到时间阈值内测试次数所对应的显示识别图像，并对显示识别图像进行文字特征提取，将文字特征提取的字符串标记为第一识别特征，并将第一识别特征与预设第一识别特征的重合度满足预设阈值，则将第一识别特征与预设第一识别特征的重合度满足预设阈值所对应的测试次数标记为合格次数，同时获取到时间阈值内合格次数中连续第一识别特征与预设第一识别特征的重合度满足预设阈值所对应的次数，并将其标记为连续合格次数m，m∈k；
根据公式得到测试识别评估系数，其中，m为连续合格次数、k为测试次数，S为测试识别评估系数。
优选的，所述异常识别评估分析过程如下：
采集接触式的正常座舱中控设备的异常响应识别数据，异常响应识别数据包括误响应次数和环境噪音分贝值；
获取到时间阈值内正常座舱中控设备的误响应次数，并将误响应次数与预设误响应次数阈值进行比对分析，若误响应次数大于预设误响应次数阈值，则将误响应次数大于预设误响应次数阈值的部分标记为干扰误响值GX；
获取到各个子时间节点内座舱中控设备内部的环境噪音分贝值，以此构建环境噪音分贝值的集合B，进而获取到环境噪音分贝值的集合B的均值，并将其标记为平均干扰值GZ；
根据公式得到测试影响评估系数YX。
优选的，所述识别测试体验整合分析过程如下：
获取到时间阈值内的测试识别评估系数S和测试影响评估系数YX；
根据公式得到非触摸测试评估系数，其中，α和β分别为测试识别评估系数和测试影响评估系数的预设比例系数，α和β均为大于零的正数，ε为预设容错系数，C为非触摸测试评估系数。
优选的，所述归一化测试评估分析过程如下：
获取到时间阈值内触摸测试评估系数T和非触摸测试评估系数C，并将触摸测试评估系数T和非触摸测试评估系数C的和值标记为综合测试体验评估系数P，并将综合测试体验评估系数P与其内部录入存储的预设综合测试体验评估系数阈值进行比对分析：
若综合测试体验评估系数P小于预设综合测试体验评估系数阈值，则生成优化指令，当生成优化指令后，控制显示面板以文字“优化”的方式进行展示；
若综合测试体验评估系数P大于等于预设综合测试体验评估系数阈值，则对综合测试体验评估系数P进行输出显示。
本发明的有益效果如下：
（1）本发明是通过采集座舱中控设备的运行数据，并对运行数据进行运行状态评估分析，判断座舱中控设备是否正常运行，并在座舱中控设备正常运行的前提下，对座舱中控设备从接触式和非接触式两种角度进行测试，即通过归一化测试评估分析对接触式和非接触式的触摸测试评估系数T和非触摸测试评估系数C进行分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处理；
（2）本发明还在座舱中控设备正常的前提下，从触摸偏差风险值和延误风险值两个维度对接触式的座舱中控设备进行测试评估，有助于提高分析结果的准确性，而对于非接触式的座舱中控设备进行分析，通过从正常响应和异常响应两个角度分别进行分析，有助于提高分析数据的全面性，即采集正常响应识别数据和异常响应识别数据并进行分析，并对得到测试识别评估系数S和测试影响评估系数YX进行识别测试体验整合分析，以便了解非接触式的整体测试识别体验情况。
附图说明
下面结合附图对本发明作进一步的说明；
图1是本发明方法参考图；
图2是本发明局部分析图。
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。
实施例1：
请参阅图1至图2所示，本发明为一种智能座舱系统数据采集测试方法，包括以下步骤：
步骤一：采集座舱中控设备的运行数据，并对运行数据进行运行状态评估分析，判断座舱中控设备是否正常运行，并在座舱中控设备正常运行的前提下，对座舱中控设备从接触式和非接触式两种角度进行测试；
步骤二：从接触式的角度对正常的座舱中控设备进行分析，即采集座舱中控设备的控制数据，并对控制数据进行反应触发评估分析，以便了解座舱中控设备接触式测试的评估结果满意度情况；
步骤三：从非接触式的角度对正常的座舱中控设备进行分析，即采集座舱中控设备的正常响应识别数据，并进行识别效率评估分析，以判断座舱中控设备的识别效率情况；
步骤四：采集座舱中控设备的异常响应识别数据，并进行异常识别评估分析，以了解座舱中控设备的异常识别影响程度；
步骤五：对非接触式的正常的座舱中控设备进行识别测试体验整合分析，以便了解测试整体识别体验感情况，并进行数据反馈；
步骤六：对座舱中控设备的接触式和非接触式两种进行数据整合，并进行归一化测试评估分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处理。
实施例2：
通过初步的对座舱中控设备进行运行分析，以便为后续的分析提供基础支撑，有助于采集数据的真实性，同时有助于分析结果的准确性；
具体的运行状态评估分析过程如下：
采集到座舱中控设备测试开始运行时刻到结束运行时刻之间的时长，并将其标记为时间阈值，同时采集到座舱中控设备的运行数据，运行数据包括座舱中控设备的运行温度、信号收发器的运行电流以及显示面板内各个电气元件的击穿风险值；
将时间阈值划分为i个时间节点，i为大于零的自然数，获取到各个子时间节点内座舱中控设备的运行温度，并将运行温度与预设运行温度阈值进行比对分析，若相连两个子时间节点对应运行温度均大于预设运行温度阈值，则获取到运行温度均大于预设运行温度阈值所对应的相连两个子时间节点的总个数，并将其标记为温度风险值，需要说明的是，温度风险值的数值越大，则座舱中控设备的运行状态异常风险越大；
获取到各个子时间节点内信号收发器的运行电流，构建运动电流的集合A，获取到集合A的离散系数，并将离散系数与预设离散系数阈值进行比对分析，若离散系数大于预设离散系数阈值，则将离散系数大于预设离散系数阈值的部分标记为失衡风险值，需要说明的是，失衡风险值是一个反映信号收发器运行状态的影响参数；
获取到时间阈值内显示面板内各个电气元件的击穿风险值，击穿风险值指的是电气元件运行电压超出预设运行电压的部分与电气元件支脚焊接接触面积经数据归一化处理后得到的和值，进而获取到击穿风险值的最大值和最小值，并将击穿风险值的最大值和最小值之间的差值标记为击穿跨度值，并将温度风险值、失衡风险值以及击穿跨度值与其内部录入存储的预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值进行比对分析：
若满足温度风险值、失衡风险值以及击穿跨度值三者均小于预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值，则生成正常指令；
若不满足温度风险值、失衡风险值以及击穿跨度值三者均小于预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值，则不生成任何信号；
当生成正常指令时，采集接触式的座舱中控设备的控制数据，控制数据包括触摸面板的触摸误差值和灵敏反应时长，并对控制数据进行反应触发评估分析，以便了解座舱中控设备接触式测试的评估结果满意度情况，进而便于后续的整合分析提高数据基础；
具体的反应触发评估分析过程如下：
获取到时间阈值内触摸面板的触摸误差值，触摸误差值指的是一次触发指令的触摸次数与触摸点和显示面板反应点之间的距离值大于预设距离阈值之间的部分经去量纲处理得到的积值，并将触摸误差值与预设触摸误差值阈值进行比对分析，若触摸误差值大于预设触摸误差值阈值，则将触摸误差值大于预设触摸误差值阈值的部分标记为触摸偏差风险值，标号为CF，需要说明的是，触摸偏差风险值CF的数值越大，在触摸异常风险越差；
获取到时间阈值内触摸面板的灵敏反应时长，灵敏反应时长指的是手指触摸显示面板时刻到单个指令触发时刻之前的时长，并将灵敏反应时长与预设灵敏反应时长阈值进行比对分析，若灵敏反应时长大于预设灵敏反应时长阈值，则将灵敏反应时长大于预设灵敏反应时长阈值的部分标记延误风险值，标号为YF，需要说明的是，延误风险值YF是一个反映触摸面板触摸体验的影响参数；
根据公式得到触摸测试评估系数，其中，a1和a2分别为触摸偏差风险值和延误风险值的预设比例因子系数，比例因子系数用于修正各项参数在公式计算过程中出现的偏差，从而使得计算结果更加准确，a3为预设修正系数，a1、a2以及a3均为大于零的正数，T为触摸测试评估系数。
实施例3：
当生成正常指令时，采集非接触式的正常座舱中控设备的正常响应识别数据，正常响应识别数据包括测试次数和显示识别图像，同时采集接触式的正常座舱中控设备的异常响应识别数据，异常响应识别数据包括误响应次数和环境噪音分贝值；并分别进行识别效率评估分析和异常识别评估分析，以判断座舱中控设备的识别效率情况，进而侧面反应测试分析情况，同时了解座舱中控设备的异常识别影响程度；
具体的识别效率评估分析过程如下：
获取到时间阈值内正常座舱中控设备的测试次数，将测试次数标记为k，k为大于零的自然数，获取到时间阈值内测试次数所对应的显示识别图像，并对显示识别图像进行文字特征提取，将文字特征提取的字符串标记为第一识别特征，并将第一识别特征与预设第一识别特征的重合度满足预设阈值，则将第一识别特征与预设第一识别特征的重合度满足预设阈值所对应的测试次数标记为合格次数，同时获取到时间阈值内合格次数中连续第一识别特征与预设第一识别特征的重合度满足预设阈值所对应的次数，并将其标记为连续合格次数，标号为m，m∈k；
根据公式得到测试识别评估系数，其中，m为连续合格次数、k为测试次数，S为测试识别评估系数；
具体的异常识别评估分析过程如下：
获取到时间阈值内正常座舱中控设备的误响应次数，并将误响应次数与预设误响应次数阈值进行比对分析，若误响应次数大于预设误响应次数阈值，则将误响应次数大于预设误响应次数阈值的部分标记为干扰误响值，标号为GX，需要说明的是，干扰误响值GX的数值越大，则座舱中控设备的异常识别造成的影响干扰风险越大；
获取到各个子时间节点内座舱中控设备内部的环境噪音分贝值，以此构建环境噪音分贝值的集合B，进而获取到环境噪音分贝值的集合B的均值，并将其标记为平均干扰值，标号为GZ，需要说明的是，平均干扰值GZ是一个反映座舱中控设备的异常识别风险的影响参数；
根据公式得到测试影响评估系数，其中，b1和b2分别为干扰误响值和平均干扰值的预设权重系数，b3为预设补偿因子系数，b1、b2以及b3均为大于零的正数，YX为测试影响评估系数；
根据得到的测试识别评估系数S和测试影响评估系数YX，对非接触式的正常的座舱中控设备进行识别测试体验整合分析，以便了解测试整体识别体验感情况，并进行数据反馈；
具体的识别测试体验整合分析过程如下：
获取到时间阈值内的测试识别评估系数S和测试影响评估系数YX；
根据公式得到非触摸测试评估系数，其中，α和β分别为测试识别评估系数和测试影响评估系数的预设比例系数，α和β均为大于零的正数，ε为预设容错系数，C为非触摸测试评估系数，将非触摸测试评估系数C代入步骤六；
对座舱中控设备的接触式和非接触式两种进行数据整合，并进行归一化测试评估分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处理，
具体的归一化测试评估分析过程如下：
获取到时间阈值内触摸测试评估系数T和非触摸测试评估系数C，并将触摸测试评估系数T和非触摸测试评估系数C的和值标记为综合测试体验评估系数P，并将综合测试体验评估系数P与其内部录入存储的预设综合测试体验评估系数阈值进行比对分析：
若综合测试体验评估系数P小于预设综合测试体验评估系数阈值，则生成优化指令，当生成优化指令后，控制显示面板以文字“优化”的方式进行展示，进而便于及时的对座舱系统进行优化，提高体验舒适度；
若综合测试体验评估系数P大于等于预设综合测试体验评估系数阈值，则对综合测试体验评估系数P进行输出显示，以便对整个测试进行评估反馈；
综上所述，本发明是通过采集座舱中控设备的运行数据，并对运行数据进行运行状态评估分析，判断座舱中控设备是否正常运行，并在座舱中控设备正常运行的前提下，对座舱中控设备从接触式和非接触式两种角度进行测试，即通过归一化测试评估分析对接触式和非接触式的触摸测试评估系数T和非触摸测试评估系数C进行分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处理，同时体现整体的测试体验情况；此外，在座舱中控设备正常的前提下，从触摸偏差风险值和延误风险值两个维度对接触式的座舱中控设备进行测试评估，有助于提高分析结果的准确性，而对于非接触式的座舱中控设备进行分析，通过从正常响应和异常响应两个角度分别进行分析，有助于提高分析数据的全面性，即采集正常响应识别数据和异常响应识别数据并进行分析，并对得到测试识别评估系数S和测试影响评估系数YX进行识别测试体验整合分析，以便了解非接触式的整体测试识别体验情况。
阈值的大小的设定是为了便于比较，关于阈值的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据设定基数数量；只要不影响参数与量化后数值的比例关系即可。上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式，公式中的系数是由本领域技术人员根据实际情况进行设置，以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种智能座舱系统数据采集测试方法，其特征在于，包括以下步骤：
步骤一：采集座舱中控设备的运行数据，并对运行数据进行运行状态评估分析，判断座舱中控设备是否正常运行，并在座舱中控设备正常运行的前提下，对座舱中控设备从接触式和非接触式两种角度进行测试；
步骤二：从接触式的角度对正常的座舱中控设备进行分析，即采集座舱中控设备的控制数据，并对控制数据进行反应触发评估分析，以便了解座舱中控设备接触式测试的评估结果满意度情况；
步骤三：从非接触式的角度对正常的座舱中控设备进行分析，即采集座舱中控设备的正常响应识别数据，并进行识别效率评估分析，以判断座舱中控设备的识别效率情况；
步骤四：采集座舱中控设备的异常响应识别数据，并进行异常识别评估分析，以了解座舱中控设备的异常识别影响程度；
步骤五：对非接触式的正常的座舱中控设备进行识别测试体验整合分析，以便了解测试整体识别体验感情况，并进行数据反馈；
步骤六：对座舱中控设备的接触式和非接触式两种进行数据整合，并进行归一化测试评估分析，判断座舱中控设备的测试结果是否合格，以便及时的进行优化处理。
2.根据权利要求1所述的一种智能座舱系统数据采集测试方法，其特征在于，所述运行状态评估分析过程如下：
S1：采集到座舱中控设备测试开始运行时刻到结束运行时刻之间的时长，并将其标记为时间阈值，同时采集到座舱中控设备的运行数据，运行数据包括座舱中控设备的运行温度、信号收发器的运行电流以及显示面板内各个电气元件的击穿风险值；
S12：将时间阈值划分为i个时间节点，i为大于零的自然数，获取到各个子时间节点内座舱中控设备的运行温度，并将运行温度与预设运行温度阈值进行比对分析，若相连两个子时间节点对应运行温度均大于预设运行温度阈值，则获取到运行温度均大于预设运行温度阈值所对应的相连两个子时间节点的总个数，并将其标记为温度风险值；
S13：获取到各个子时间节点内信号收发器的运行电流，构建运动电流的集合A，获取到集合A的离散系数，并将离散系数与预设离散系数阈值进行比对分析，若离散系数大于预设离散系数阈值，则将离散系数大于预设离散系数阈值的部分标记为失衡风险值；
S14：获取到时间阈值内显示面板内各个电气元件的击穿风险值，击穿风险值指的是电气元件运行电压超出预设运行电压的部分与电气元件支脚焊接接触面积经数据归一化处理后得到的和值，进而获取到击穿风险值的最大值和最小值，并将击穿风险值的最大值和最小值之间的差值标记为击穿跨度值，并将温度风险值、失衡风险值以及击穿跨度值与其内部录入存储的预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值进行比对分析：
若满足温度风险值、失衡风险值以及击穿跨度值三者均小于预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值，则生成正常指令；
若不满足温度风险值、失衡风险值以及击穿跨度值三者均小于预设温度风险值阈值、预设失衡风险值阈值以及预设击穿跨度值阈值，则不生成任何信号。
3.根据权利要求1所述的一种智能座舱系统数据采集测试方法，其特征在于，所述反应触发评估分析过程如下：
SS1：采集接触式的座舱中控设备的控制数据，控制数据包括触摸面板的触摸误差值和灵敏反应时长；
SS12：获取到时间阈值内触摸面板的触摸误差值，触摸误差值指的是一次触发指令的触摸次数与触摸点和显示面板反应点之间的距离值大于预设距离阈值之间的部分经去量纲处理得到的积值，并将触摸误差值与预设触摸误差值阈值进行比对分析，若触摸误差值大于预设触摸误差值阈值，则将触摸误差值大于预设触摸误差值阈值的部分标记为触摸偏差风险值CF；
SS13：获取到时间阈值内触摸面板的灵敏反应时长，灵敏反应时长指的是手指触摸显示面板时刻到单个指令触发时刻之前的时长，并将灵敏反应时长与预设灵敏反应时长阈值进行比对分析，若灵敏反应时长大于预设灵敏反应时长阈值，则将灵敏反应时长大于预设灵敏反应时长阈值的部分标记延误风险值YF；
SS14：根据公式得到触摸测试评估系数T。
4.根据权利要求1所述的一种智能座舱系统数据采集测试方法，其特征在于，所述识别效率评估分析过程如下：
采集非接触式的正常座舱中控设备的正常响应识别数据，正常响应识别数据包括测试次数和显示识别图像；
获取到时间阈值内正常座舱中控设备的测试次数，将测试次数标记为k，k为大于零的自然数，获取到时间阈值内测试次数所对应的显示识别图像，并对显示识别图像进行文字特征提取，将文字特征提取的字符串标记为第一识别特征，并将第一识别特征与预设第一识别特征的重合度满足预设阈值，则将第一识别特征与预设第一识别特征的重合度满足预设阈值所对应的测试次数标记为合格次数，同时获取到时间阈值内合格次数中连续第一识别特征与预设第一识别特征的重合度满足预设阈值所对应的次数，并将其标记为连续合格次数m，m∈k；
根据公式得到测试识别评估系数，其中，m为连续合格次数、k为测试次数，S为测试识别评估系数。
5.根据权利要求1所述的一种智能座舱系统数据采集测试方法，其特征在于，所述异常识别评估分析过程如下：
采集接触式的正常座舱中控设备的异常响应识别数据，异常响应识别数据包括误响应次数和环境噪音分贝值；
获取到时间阈值内正常座舱中控设备的误响应次数，并将误响应次数与预设误响应次数阈值进行比对分析，若误响应次数大于预设误响应次数阈值，则将误响应次数大于预设误响应次数阈值的部分标记为干扰误响值GX；
获取到各个子时间节点内座舱中控设备内部的环境噪音分贝值，以此构建环境噪音分贝值的集合B，进而获取到环境噪音分贝值的集合B的均值，并将其标记为平均干扰值GZ；
根据公式得到测试影响评估系数YX。
6.根据权利要求1所述的一种智能座舱系统数据采集测试方法，其特征在于，所述识别测试体验整合分析过程如下：
获取到时间阈值内的测试识别评估系数S和测试影响评估系数YX；
根据公式得到非触摸测试评估系数，其中，α和β分别为测试识别评估系数和测试影响评估系数的预设比例系数，α和β均为大于零的正数，ε为预设容错系数，C为非触摸测试评估系数。
7.根据权利要求1所述的一种智能座舱系统数据采集测试方法，其特征在于，所述归一化测试评估分析过程如下：
获取到时间阈值内触摸测试评估系数T和非触摸测试评估系数C，并将触摸测试评估系数T和非触摸测试评估系数C的和值标记为综合测试体验评估系数P，并将综合测试体验评估系数P与其内部录入存储的预设综合测试体验评估系数阈值进行比对分析：
若综合测试体验评估系数P小于预设综合测试体验评估系数阈值，则生成优化指令，当生成优化指令后，控制显示面板以文字“优化”的方式进行展示；
若综合测试体验评估系数P大于等于预设综合测试体验评估系数阈值，则对综合测试体验评估系数P进行输出显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310934099.1A CN116699293B (zh) | 2023-07-28 | 2023-07-28 | 一种智能座舱系统数据采集测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310934099.1A CN116699293B (zh) | 2023-07-28 | 2023-07-28 | 一种智能座舱系统数据采集测试方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116699293A true CN116699293A (zh) | 2023-09-05 |
| CN116699293B CN116699293B (zh) | 2023-10-20 |
Family
ID=87829548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310934099.1A Active CN116699293B (zh) | 2023-07-28 | 2023-07-28 | 一种智能座舱系统数据采集测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116699293B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011034253A1 (ko) * | 2009-09-15 | 2011-03-24 | 한국전기안전공사 | 원격 전기 안전 진단 시스템 및 장치 |
| US20170292983A1 (en) * | 2016-04-06 | 2017-10-12 | Lisa Draexlmaier Gmbh | Method and control device for monitoring an on-board electrical system of a vehicle |
| CN112976991A (zh) * | 2019-12-17 | 2021-06-18 | 福特全球技术公司 | 车舱热管理系统和控制方法 |
| WO2022012488A1 (zh) * | 2020-07-13 | 2022-01-20 | 深圳市道通科技股份有限公司 | 一种车辆的检测方法、装置及检测设备 |
| CN115151469A (zh) * | 2019-10-17 | 2022-10-04 | 密歇根大学董事会 | 基于预测和抢先控制的乘用车乘客状态调制系统 |
| DE102021115882A1 (de) * | 2021-06-18 | 2022-12-22 | Lade Gmbh | Verfahren zum Laden eines Elektrofahrzeugs unter Verwendung einer Sicherheitsschaltung |
| CN116092309A (zh) * | 2023-01-05 | 2023-05-09 | 无锡车联天下信息技术有限公司 | 一种交通灯控制方法、装置、系统、电子设备及存储介质 |
| CN116365711A (zh) * | 2023-04-13 | 2023-06-30 | 明峰医疗系统股份有限公司 | 一种基于物联网的车载方舱供配电智能监测系统 |
| CN116464364A (zh) * | 2023-04-28 | 2023-07-21 | 重庆长安汽车股份有限公司 | 车窗智能控制方法、装置及车辆 |
| CN116466828A (zh) * | 2023-06-19 | 2023-07-21 | 无锡车联天下信息技术有限公司 | 一种智能座舱驾驶环境手势智能检测方法 |
-
2023
- 2023-07-28 CN CN202310934099.1A patent/CN116699293B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011034253A1 (ko) * | 2009-09-15 | 2011-03-24 | 한국전기안전공사 | 원격 전기 안전 진단 시스템 및 장치 |
| US20170292983A1 (en) * | 2016-04-06 | 2017-10-12 | Lisa Draexlmaier Gmbh | Method and control device for monitoring an on-board electrical system of a vehicle |
| CN115151469A (zh) * | 2019-10-17 | 2022-10-04 | 密歇根大学董事会 | 基于预测和抢先控制的乘用车乘客状态调制系统 |
| CN112976991A (zh) * | 2019-12-17 | 2021-06-18 | 福特全球技术公司 | 车舱热管理系统和控制方法 |
| WO2022012488A1 (zh) * | 2020-07-13 | 2022-01-20 | 深圳市道通科技股份有限公司 | 一种车辆的检测方法、装置及检测设备 |
| DE102021115882A1 (de) * | 2021-06-18 | 2022-12-22 | Lade Gmbh | Verfahren zum Laden eines Elektrofahrzeugs unter Verwendung einer Sicherheitsschaltung |
| CN116092309A (zh) * | 2023-01-05 | 2023-05-09 | 无锡车联天下信息技术有限公司 | 一种交通灯控制方法、装置、系统、电子设备及存储介质 |
| CN116365711A (zh) * | 2023-04-13 | 2023-06-30 | 明峰医疗系统股份有限公司 | 一种基于物联网的车载方舱供配电智能监测系统 |
| CN116464364A (zh) * | 2023-04-28 | 2023-07-21 | 重庆长安汽车股份有限公司 | 车窗智能控制方法、装置及车辆 |
| CN116466828A (zh) * | 2023-06-19 | 2023-07-21 | 无锡车联天下信息技术有限公司 | 一种智能座舱驾驶环境手势智能检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116699293B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110175434B (zh) | 一种基于卷积神经网络的铁路扣件系统损伤检测方法 | |
| CN106021826B (zh) | 一种基于工况识别和相似性匹配的变工况下航空发动机整机剩余寿命预测方法 | |
| CN111598150B (zh) | 一种计及运行状态等级的变压器故障诊断方法 | |
| US20060161391A1 (en) | Knowledge-forming apparatus and parameter-retrieving method as well as program product | |
| CN107144428A (zh) | 一种基于故障诊断的轨道交通车辆轴承剩余寿命预测方法 | |
| CN107133343B (zh) | 基于时间序列近似匹配的大数据异常状态检测方法及装置 | |
| EP2342603B1 (en) | Method and apparatus for creating state estimation models in machine condition monitoring | |
| CN109684118A (zh) | 异常数据的检测方法、装置、设备及计算机可读存储介质 | |
| CN104216349B (zh) | 利用制造设备的传感器数据的成品率分析系统及方法 | |
| CN115828140B (zh) | 邻域互信息与随机森林相融合故障检测方法、系统及应用 | |
| CN104035431B (zh) | 用于非线性过程监控的核函数参数的获取方法和系统 | |
| CN109620244A (zh) | 基于条件生成对抗网络和svm的婴儿异常行为检测方法 | |
| CN108959795A (zh) | 一种试验场载荷谱标准化方法 | |
| Tang et al. | Simulation-based diagnostic model for automatic testability analysis of analog circuits | |
| CN105258789A (zh) | 一种振动信号特征频率带的提取方法及装置 | |
| CN110553789A (zh) | 一种压阻式压力传感器的状态检测方法、装置及制动系统 | |
| Bilski et al. | Automated diagnostics of analog systems using fuzzy logic approach | |
| CN105137354A (zh) | 一种基于神经网络电机故障检测方法 | |
| CN110020637A (zh) | 一种基于多粒度级联森林的模拟电路间歇故障诊断方法 | |
| CN105866664A (zh) | 一种基于幅频特征的模拟电路智能化故障诊断方法 | |
| CN116699293B (zh) | 一种智能座舱系统数据采集测试方法 | |
| CN110781612A (zh) | 滚珠丝杠的故障诊断方法、装置、计算机设备和存储介质 | |
| US7366639B2 (en) | Methods for establishing alerts and/or alert limits for monitoring mechanical devices | |
| CN116627116A (zh) | 一种流程工业故障定位方法、系统及电子设备 | |
| CN109034028B (zh) | 一种基于符号化与tf-idf的机械设备故障特征提取方法 |
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 |