CN116894656A - 评估资产的维护的系统和方法 - Google Patents
评估资产的维护的系统和方法 Download PDFInfo
- Publication number
- CN116894656A CN116894656A CN202310317637.2A CN202310317637A CN116894656A CN 116894656 A CN116894656 A CN 116894656A CN 202310317637 A CN202310317637 A CN 202310317637A CN 116894656 A CN116894656 A CN 116894656A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- vehicle system
- location
- diagnostic
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title description 46
- 238000004891 communication Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000008439 repair process Effects 0.000 description 21
- 238000010801 machine learning Methods 0.000 description 18
- 238000013528 artificial neural network Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002787 reinforcement Effects 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000000314 lubricant Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Abstract
一种评估资产的维护的系统可以包括处理器,用于在第一位置接收来自车辆系统的车辆数据,并将数据传送给第二位置。该处理器可以将车辆数据整合到位于第二位置的诊断数据数据库中,并识别出表示车辆系统预期运行或非预期运行的诊断代码。该处理器可以根据诊断代码确定维护操作。
Description
技术领域
本申请的主题涉及评估一队资产的维修的系统和方法,尤其涉及评估资产的维护的系统和方法。
背景技术
运行一队各自远程操作的资产,例如一队车辆系统,需要在服务中心对该资产进行维护或维修。车辆系统可以进入服务中心进行计划内或计划外的维护或维修。服务中心的技术人员可以按照远程诊断中心发出的指令进行计划外的维护。当维护工作完成时,技术人员可以使用车辆系统上提供的软件对车辆系统进行测试。如果车辆系统软件指示车辆系统已被充分地维护或维修,则该车辆系统可被批准恢复运行。然而,车辆系统上的软件可能能力有限,并且可能不会被频繁地更新以考虑新的诊断信息或技术。接收计划外维护的车辆系统可能被车辆系统软件确定要充分地维护或维修,但是由于车辆系统软件的能力有限,当该车辆系统返回运行时可能未被充分地维护或维修。
可能需要有不同于当前可用的系统和方法的系统和方法。
发明内容
根据一个例子或方面,包括一个或多个处理器的系统可以在第一位置接收来自车辆系统的车辆数据,并将所述车辆数据从所述第一位置传送到第二位置。所述处理器可将所述车辆数据整合到位于所述第二位置的第一诊断数据数据库中,并从该数据库中识别一个或多个第一诊断代码,所述第一诊断代码指示车辆数据是否表示车辆系统的预期运行或车辆系统的非预期运行。所述处理器可以根据所述一个或多个第一诊断代码,确定在所述车辆系统上执行的一个或多个维护操作。
根据一个例子或方面,一种方法可以包括在第一位置接收来自车辆系统的车辆数据,并将所述车辆数据从第一位置传送到远离第一位置的第二位置。所述方法可包括将所述车辆数据整合到位于所述第二位置的第一诊断数据数据库中,并从该数据库中识别一个或多个第一诊断代码,所述第一诊断代码指示车辆数据是否表示车辆系统的预期运行或车辆系统的非预期运行。所述方法可包括根据一个或多个所述第一诊断代码确定要在所述车辆系统上执行的一个或多个维护操作。
根据一个例子或方面,一种系统可以包括位于第一位置的一个或多个第一处理器和位于第二位置的一个或多个第二处理器,所述第二位置远离第一位置。所述一个或多个第一处理器可以在第一位置收集车辆系统的车辆数据,并将所述车辆数据传送给所述一个或多个第二处理器。所述一个或多个第二处理器可将所述车辆数据整合到位于所述第二位置的第一诊断数据数据库中,并从该数据库中识别一个或多个第一诊断代码,所述第一诊断代码指示车辆数据是否表示车辆系统的预期运行或车辆系统的非预期运行。所述一个或多个第二处理器可以根据所述一个或多个第一诊断代码确定要在所述车辆系统上执行的一个或多个维护操作。
附图说明
参考附图,通过阅读下文非限制性实施例的描述可以理解本申请的主题,其中:
图1示意性地示出了根据一个实施例的系统,
图2示意性地示出了根据一个实施例的系统,
图3示意性地示出了根据一个实施例的方法,以及
图4示意性地示出了根据一个实施例的方法。
具体实施方式
本公开所述主题的实施例涉及评估远程运行的一队资产(例如一队车辆系统)所需的维护或维修的系统和方法。这些系统和方法还提供了在车辆系统恢复运行之前对所进行的维护或维修的有效性的评估。这些系统和方法在远程诊断人员和服务中心的技术人员之间提供通信,远程诊断人员检查该队车辆系统的历史诊断数据,服务中心的技术人员根据运行期间或在服务中心获得的车辆系统的传感器数据,进行车辆系统的初步诊断。服务中心的技术人员可以从传感器数据中识别出车辆系统的部件或系统的故障,这些故障指示部件、系统和/或车辆系统正在非预期地运行。服务中心的技术人员可能会识别出导致非预期运行的一个或多个原因。
远程诊断中心的人员可以从服务中心接收车辆系统传感器数据和所述一个或多个原因(标记为子标识码)。远程诊断中心可以访问来自该车辆系统和该车队中其他车辆系统的历史车辆系统诊断数据。远程诊断中心将车辆系统传感器数据和子标识码包括在历史车辆系统诊断数据的数据库中,并从该数据库中识别一个或多个第一诊断代码。所述第一诊断代码指示车辆系统的部件和系统是否在以预期方式、可能的非预期方式或非预期方式运行。远程诊断中心可以创建车辆系统的检查,并发起与服务中心的通信以讨论可能的维护或维修。该通信可以包括讨论由服务中心执行的初始诊断、可能的维护和/或维修,以及解决案例前可能已有的维护和维修操作,以释放车辆系统重新投入运行。远程诊断中心可以基于从车辆系统到达服务中心到车辆系统从服务中心释放的过程对该过程评分,以用于报告和/或分析。
虽然结合轨道车辆系统描述了一个或多个实施例,但并非所有实施例都限于轨道车辆系统。除非明确否认或另有说明,本文描述的主题可延伸至其他类型的载具系统,如汽车、卡车(带或不带拖车)、公共汽车、船舶、飞机、采矿车辆、农业车辆或其他非公路车辆等。本文描述的车辆系统(轨道车辆系统或不在铁轨或轨道上行驶的其他车辆系统)可由单个车辆或多个车辆组成。对于多车辆系统,车辆可以彼此机械耦合(例如,通过连接器)或逻辑耦合而非机械耦合。例如,当单独的车辆相互通信以协调车辆彼此的移动,使得车辆一起行驶(例如,作为车队)时,车辆可以逻辑地而非机械地耦合。
参考图1,提供了一个系统10,用于评估一队远程资产的维修。该队远程资产可以包括诸如轨道车辆12和/或卡车26的一队车辆系统。该系统允许各种不同的用户获取关于每个移动资产的信息。根据一个实施例,用户14可以包括拥有和/或运行远程资产的运输公司。根据一个实施例,用户24可以包括运输公司的客户。根据一个实施例,用户可以包括资产服务中心22(例如,服务店)中的人员和/或远程诊断中心18中的人员。根据一个实施例,用户可以包括运行每个单独资产的操作者(例如,火车工程师或卡车司机)。
远程诊断中心和服务中心均可以通过已知类型的数据连接与网络15相连。根据一个实施例,该网络为全球网络,例如因特网,远程诊断中心和服务中心可以分别利用计算机接口通过互联网服务提供商与该网络相连。该网络提供了远程诊断中心和服务中心之间通信的途径。远程诊断中心和服务中心还可以通过该网络与诸如运输公司的用户通信。其他用户可以通过与网络的链接与远程诊断中心和/或服务中心通信。
每个移动资产可以配备位置确定系统16。根据一个实施例,位置确定系统可以是全球导航卫星系统(GNSS)接收器,例如全球定位系统(GPS)接收器或用于确定移动资产的地理位置的其他基于卫星或本地导航的仪器。关于移动资产的位置和移动资产的运行参数的数据,可以利用通信系统25周期性地或同步地通过数据链路20(例如,卫星系统、蜂窝系统、光学或红外线系统、有线电话线等)从远程资产传送到远程诊断中心。资产的通信系统可以包括一个收发器,用于传输包括位置信息和运行参数的信息,并用于接收系统中其他设备和用户的信息。
服务中心可以包括一个或多个计算机21和/或一个或多个移动设备23。移动设备可以是智能手机、平板电脑或个人数字助理设备。服务中心计算机和移动设备可以连接到网络,例如通过互联网服务提供商或蜂窝服务提供商连接到网络。所述计算机和/或移动设备可以通过数据链路与每个资产、系统的其他设备或用户和/或远程诊断中心通信。
服务中心可以对车辆系统执行计划内的维护和/或可以对到达服务中心的车辆系统执行计划外的维护。车辆系统可以按计划地到达服务中心,也可以计划外地到达服务中心。由于车辆系统的操作者确定该车辆系统正在以非预期的方式运行,该车辆系统可以计划外地到达服务中心。例如,传感器可以向操作者提供通知,其说明车辆系统的运行参数指示了车辆系统未以预期方式运行。所执行的维护操作可包括更换车辆系统的部件和/或系统,所述部件和/或系统由于其老化和/或使用而被计划更换。所执行的维护操作可包括更换已损坏和/或故障的零件和/或系统的维修操作。所述维修操作可包括零件和/或系统的维修或零件和/或系统的更换。
参考图2,每个车辆系统可配备有传感器系统32,其包括多个传感器,用于监测表示车辆系统状况和车辆系统的运行效率的多个运行参数。传感器可包括温度传感器,以感测车辆系统的零件、组件和/或系统的温度。温度传感器可以感测车辆系统的流体(例如润滑剂)的温度。传感器可以包括用于感测压力的压力传感器。例如,压力传感器可以感测制动系统的制动液的压力。传感器可包括电压传感器和/或电流传感器以感测车辆系统的电压和/或电流。例如,一个或多个传感器可以确定由车辆系统的电池或电池组提供的电压和/或电流。如本文所用,术语“传感器”可包括感测或检测车辆系统的任何特性或运行参数的任何传感器,术语“传感器系统”可包括感测或检测车辆系统的特性或运行参数的任何传感器或一个或多个传感器系统。
当车辆系统在服务中心外运行时,车辆系统的传感器系统可以感测车辆系统的特性和运行参数。车辆系统可包括存储器30,其在车辆系统运行(例如在运输网络内)时存储传感器读数。车辆系统可包括控制车辆系统的运行的控制系统或控制器28。控制器可执行一个或多个反馈控制回路,以在一个或多个运行参数内运行车辆系统。控制器可以生成诊断数据,所述诊断数据指示一个或多个运行参数超过一个或多个阈值。车辆系统的诊断数据可以存储在车辆系统的存储器30中。根据一个实施例,控制器在车辆系统的一个或多个节气门设置下执行一个或多个反馈控制回路,并在一个或多个节气门设置下生成和存储诊断数据。
服务中心可包括传感器系统34,其可在车辆系统到达服务中心时被提供给车辆系统。服务中心的传感器系统可以被提供给车辆系统,该车辆系统位于服务中心并且未包括用于感测该车辆系统的某些特性或运行参数的传感器。例如,服务中心的传感器系统可包括连接在一起(例如通过线束)的多个传感器,这些传感器被放置在车辆系统上,以在未被车辆系统的传感器系统感测或检测的位置、部件或系统中检测车辆系统的特性或运行参数。当车辆系统在服务中心空转(idling)时,服务中心的传感器系统可以从车辆系统获取传感器数据。当车辆系统在服务中心时,服务中心的传感器系统可以在车辆系统的其他操作层面上从车辆系统获得传感器数据。
服务中心可包括一个或多个处理器36。可以在服务中心计算机和/或移动设备中设置一个或多个处理器。服务中心计算机和/或移动设备可以包括显示器38和输入端40,服务中心人员可以使用该输入端,使一个或多个处理器执行存储在存储器42中的指令。
当车辆系统到达服务中心时,来自车辆系统的传感器系统和/或服务中心的传感器系统的传感器数据可被传输或传送至服务中心的计算机和/或移动设备。传感器数据可以通过无线方式,例如通过网络链接或数据链接,进行传送或传输。传感器数据也可以通过有线连接传输到计算机和/或手持设备。计算机和/或手持设备可以将传感器数据存储在计算机和/或手持设备的存储器中。计算机和/或手持设备的一个或多个处理器可以执行或运行软件程序,所述软件程序检查传感器数据并确定是否有任何传感器数据指示可能存在故障。例如,传感器数据可指示车辆系统的一个或多个组件或系统有故障或未在预期参数内运行。所述一个或多个处理器可以从传感器数据中确定故障的一个或多个子标识。该一个或多个子标识可以标识故障的一个或多个原因。传感器数据和包括任何子标识的故障数据可形成车辆诊断数据,该车辆诊断数据可用于确定车辆系统是否需要任何维护或维修。
服务中心的计算机和/或手持设备可以将车辆诊断数据传输或传送至远程诊断中心。远程诊断中心可包括存储器46和一个或多个处理器44。存储器可以包括可由一个或多个处理器执行以实现本文公开的方法或部分方法的指令。存储器可以存储从服务中心传输或传送的车辆系统的车辆诊断数据。
远程诊断中心可包括历史诊断数据的数据库52。历史诊断数据可以包括来自该服务中心和/或其他服务中心的该车辆系统和其他车辆系统的先前服务操作的传感器数据和故障数据。历史诊断数据可以包括关于该服务中心和/或其他服务中心先前对该车辆系统和/或对其他车辆进行的维护和/或维修的数据。远程诊断中心的一个或多个处理器可以将存储在存储器中的车辆诊断数据整合到历史诊断数据库中。
一个或多个处理器可将指示车辆系统以预期方式、以可能预期方式或以非预期方式运行的一个或多个诊断代码插入到车辆诊断数据中。例如,一个或多个处理器可以确定,车辆系统的部件或系统可能在以非预期的方式运行,但是车辆系统在以预期的方式运行。作为另一个例子,远程诊断中心的一个或多个处理器可以确定,车辆系统的一个或多个组件或系统正在以可能非预期的方式和/或非预期的方式运行,且车辆系统正在以可能非预期的方式或非预期的方式运行。
远程诊断中心的一个或多个处理器可以基于车辆诊断数据和来自历史诊断数据的一个或多个诊断代码,确定车辆系统的维护需要由服务中心和远程诊断中心检查。远程诊断中心的人员可以在检查期间,检查来自车辆系统的传感器数据和在服务中心执行的车辆传感器数据的诊断检查。远程诊断中心的一个或多个处理器可以发起与服务中心的通信,该通信用来提供远程诊断中心的人员与服务中心的人员之间的讨论。该通信可以是,例如远程诊断中心的计算机和/或手持设备与服务中心的计算机和/或手持设备之间的聊天功能,其提供远程诊断中心和服务中心之间的书面通信。该通信可以是,例如远程诊断中心和服务中心之间的视频会议。
参考图3,根据一个实施例的方法300可包括步骤310,即将车辆数据从车辆系统上传到服务中心的计算设备,例如计算机和/或手持设备。所述车辆数据可以包括到达服务中心之前在车辆系统的运行期间获得的传感器数据,和/或来自车辆系统在服务中心的操作的传感器数据。传感器数据可以从在到达服务中心之前的运行期间提供给车辆系统的传感器获得,和/或从在到达服务中心之后提供给车辆系统的传感器获得。该方法可包括步骤320,即从车辆数据中确定车辆系统的一个或多个部件或系统的运行中的一个或多个故障,以及该一个或多个故障的可能的原因的一个或多个子标识。
该方法可包括步骤330,即将车辆数据和子标识整合到远离服务中心的远程诊断中心的诊断数据的数据库。该诊断数据的数据库可以包括来自先前在服务中心的多个车辆系统的车辆数据,多个车辆系统包括当前在服务中心的该车辆系统。该方法可以包括步骤340,即从车辆数据和子标识中识别诊断代码,并将诊断代码插入数据库。所述诊断代码指示车辆数据是否表示该车辆系统正以预期方式、以可能非预期的方式或以非预期的方式运行。
该方法可以包括步骤350,即在远程诊断中心发起一个案例,以与服务中心的技术人员进行检查。该方法可以包括步骤360,即检查在服务中心上传的车辆数据和可以确定车辆系统的一个或多个部件或系统的运行中的一个或多个故障的原因的子标识。该方法可以包括步骤370,即发起远程诊断中心和服务中心之间的通信。该通信可以包括车辆数据的讨论和任何故障的确定以及在服务中心确定的它们的子标识。该通信可以包括对要在车辆系统上执行的维护和维修操作的讨论。
该方法可包括决议从服务中心释放车辆系统的步骤380。该释放的决议可以包括服务中心和远程诊断中心之间通信的文件。该决议可包括确定对车辆系统执行的任何维护或维修操作,以及维护或维修的有效性。该方法可以包括步骤390,即对该过程进行评分以记录从服务中心释放车辆系统的决议。该分数可以被报告给车辆系统的拥有者或用户以报告该释放,并允许分析从车辆系统到达服务中心到从服务中心释放的过程。
参考图4,根据一个实施例的方法400可以包括在第一位置收集车辆系统的车辆数据的步骤410和将车辆数据从第一位置传送到远离第一位置的第二位置的步骤420。该方法可包括将车辆数据整合到位于第二位置的第一诊断数据的数据库的步骤430,以及从数据库中识别一个或多个第一诊断代码的步骤440,所述第一诊断代码指示车辆数据是否表示车辆系统的预期运行或车辆系统的非预期运行。该方法可包括步骤450,即根据一个或多个第一诊断代码确定要在车辆系统上执行的一个或多个维护操作。
根据一个实施例,方法可以包括,根据从车辆系统运行期间和/或在服务中心运行期间收集的车辆系统数据中识别的一个或多个子标识,对车辆系统执行一个或多个维修操作或更换操作。所述维修和/或更换操作可以基于来自诊断数据的数据库的一个或多个诊断代码。所述维修和/或更换操作可以基于车辆系统从服务中心释放的分数。例如,根据一个实施例,可以维修部件或系统(例如泵、传感器、阀门、电路或制动系统或节气门系统的某些部分等)。根据一个实施例,可以更换部件或系统。
将车辆数据和故障子标识集成到数据库中,提高了系统确定诊断代码,以正确识别所需维护和/或维修的能力。数据库可以包括具有类似故障子标识的类似车辆系统的数据,这些故障子标识在服务中心提供对车辆系统所需维护或维修或更换的更准确的确定。人工智能(AI)和/或机器学习(ML)技术的使用可以允许处理器比当前可用的方法和系统更快地识别所需的维护或维修或更换。在服务中心检查车辆系统数据的上传以及远程诊断中心的处理器对故障子标识的确定,允许在远程诊断中心检查车辆系统数据的参数数据,这可以改进诊断代码的识别和插入。从服务中心确定车辆系统的释放分数可以提供改进的诊断并且使得车辆系统的重复故障较少。
系统可包括一个或多个处理器以在第一位置从车辆系统接收车辆数据,并将车辆数据从第一位置传送到第二位置。一个或多个处理器可以将车辆数据整合到位于第二位置的第一诊断数据数据库中,并从该数据库中识别一个或多个第一诊断代码,所述第一诊断代码指示车辆数据是否表示车辆系统的预期运行或车辆系统的非预期运行。一个或多个处理器可以基于一个或多个第一诊断代码来确定要在车辆系统上执行的一个或多个维护操作。
车辆数据可以包括在车辆系统的运行期间从传感器收集的传感器数据。
可以在车辆系统空转期间收集传感器数据。
可以在车辆系统的指定节气门设置下收集传感器数据。
车辆数据可以是来自车辆系统的第二诊断数据。
第二诊断数据可以从车辆系统的控制系统的反馈回路获得。
第二诊断数据可以指示车辆系统的一个或多个运行参数是否超过阈值。
一个或多个处理器可以包括被配置为识别一个或多个第一诊断代码的算法。
该算法可以被配置为确定一个或多个维护操作。
一个或多个处理器可以发起第一位置和第二位置之间的通信。
一个或多个处理器可以自第二位置接收分数,所述分数基于在第一位置确定的第二诊断数据、第一位置和第二位置之间的通信、一个或多个维护操作的确定、以及一个或多个维护操作的完成中的一或多者。
一种方法可以包括在第一位置接收来自车辆系统的车辆数据,并且将该车辆数据从第一位置传送到远离第一位置的第二位置。该方法可包括将车辆数据整合到位于第二位置的第一诊断数据的数据库中,并从该数据库中识别一个或多个第一诊断代码,所述第一诊断代码指示车辆数据是否表示车辆系统的预期运行或车辆系统的非预期运行。该方法可包括根据一个或多个第一诊断代码确定要在车辆系统上执行的一个或多个维护操作。
车辆数据可以包括在车辆系统的运行期间从传感器收集的传感器数据。
可以在车辆系统空转期间收集传感器数据。
可以在车辆系统的指定节气门设置下收集传感器数据。
车辆数据可以是来自车辆系统的第二诊断数据。
第二诊断数据可以从车辆系统的控制系统的反馈回路获得。
第二诊断数据可以指示车辆系统的一个或多个运行参数是否超过阈值。
该方法可包括实施被配置为识别一个或多个第一诊断代码的算法。
该算法可以确定一个或多个维护操作。
该方法可包括第一位置发起与车辆系统或第二位置中的一个或多个的通信。
该方法可包括自第二位置接收分数,所述分数基于在第一位置确定的第二诊断数据、第一位置和第二位置之间的通信、一个或多个维护操作的确定、以及一个或多个维护操作的完成中的一者或多者。
一种系统可以包括在第一位置的一个或多个第一处理器和在第二位置的一个或多个第二处理器。第二位置可以远离第一位置。一个或多个第一处理器可在第一位置接收来自车辆系统的车辆数据,并将车辆数据传送至一个或多个第二处理器。一个或多个第二处理器可以将车辆数据整合到位于第二位置的第一诊断数据数据库中,并从该数据库中识别一个或多个第一诊断代码,所述第一诊断代码指示车辆数据是否表示车辆系统的预期运行或车辆系统的非预期运行。所述一个或多个第二处理器可以基于一个或多个第一诊断代码来确定要在车辆系统上执行的一个或多个维护操作。
车辆数据可以包括在车辆系统的运行期间从传感器收集的传感器数据。
一个或多个第一处理器可以确定来自车辆系统的第二诊断数据。
第二诊断数据可以从车辆系统的控制系统的反馈回路获得。
第二诊断数据可以指示车辆系统的一个或多个运行参数是否超过阈值。
一个或多个第二处理器可以包括用于识别一个或多个第一诊断代码的算法。
该算法可以确定一个或多个维护操作。
一个或多个第二处理器被配置为发起与一个或多个第一处理器的通信。
一个或多个第二处理器可以自第二位置接收分数,所述分数基于一个或多个第一处理器确定的第二诊断数据、一个或多个第一处理器与一个或多个第二处理器之间的通信、一个或多个维护操作的确定、以及一个或多个维护操作的完成中的一者或多者。
在一个实施例中,本文所述的控制器或系统可以部署一个本地数据收集系统,并可以使用机器学习来实现基于推导的学习结果。通过进行数据驱动的预测并根据数据集进行调整,控制器可以从该数据集(包括各种传感器提供的数据)中学习并做出决策。在实施例中,机器学习可以涉及由机器学习系统执行多个机器学习任务,例如监督学习、非监督学习和强化学习。监督学习可以包括向机器学习系统呈现一组示例输入和预期的输出。无监督学习可以包括学习算法通过模式检测和/或特征学习等方法构造其输入。强化学习可能包括在动态环境中执行的机器学习系统,然后提供关于正确和错误决策的反馈。在示例中,机器学习可以包括基于机器学习系统的输出的多个其他任务。在示例中,任务可以是机器学习问题,例如分类、回归、聚类、密度估计、降维、异常检测等。在示例中,机器学习可以包括多种数学和统计技术。在示例中,多种类型的机器学习算法可以包括基于决策树的学习、关联规则学习、深度学习、人工神经网络、遗传学习算法、归纳逻辑编程、支持向量机(SVM)、贝叶斯网络、强化学习、表征学习、基于规则的机器学习、稀疏字典学习、相似性和度量学习、学习分类器系统(LCS)、逻辑回归、随机森林、K-Means、梯度提升、K-最近邻(KNN)、先验算法等。在实施例中,可以使用某些机器学习算法(例如,用于解决可能基于自然选择的约束和非约束优化问题)。例如,该算法可用于解决混合整数规划的问题,其中一些组件被限制为整数值。算法和机器学习技术和系统可用于计算智能系统、计算机视觉、自然语言处理(NLP)、推荐系统、强化学习、构建图形模型等。例如,机器学习可用于进行确定、计算、比较和行为分析等。
在一个实施例中,控制器可以包括可以应用一个或多个策略的策略引擎。这些策略至少可以部分地基于给定设备项或环境的特征。关于控制策略,神经网络可以接收一些环境和任务相关参数的输入。这些参数可以包括例如关于操作设备的操作输入、来自各种传感器的数据、位置和/或方位数据等。可以训练神经网络以根据这些输入生成输出,输出表示设备或系统为实现操作目标而应采取的动作或动作序列。在一个实施例的操作期间,可以通过神经网络的参数处理输入,以在输出节点处生成指定该动作作为预期动作的值来进行确定。该动作可以转化为使车辆运行的信号。这可以通过反向传播、前馈过程、闭环反馈或开环反馈来实现。或者,控制器的机器学习系统可以不使用反向传播,而是使用进化策略技术来调整人工神经网络的各种参数。控制器可以使用神经网络架构,其函数可能并不总是可以使用反向传播求解,例如非凸函数。在一个实施例中,神经网络具有一组表示其节点连接权重的参数。该网络的一些副本被生成,然后对参数进行不同的调整,并进行模拟。一旦获得各种模型的输出,就可以使用确定的成功指标对它们的性能进行评估。选择最佳模型,车辆控制器执行该计划以获得所需的输入数据,以反映预测的最佳结果场景。此外,成功指标可以是优化结果的组合,这些结果可以相对于彼此进行权重。
如本文所用,以单数形式叙述并以单词“一个”或“该”开头的元件或步骤不排除所述元件或操作的复数形式,除非明确说明这种排除。此外,对本申请的“一个实施例”的引用不排除包含所述特征的附加实施例的存在。此外,除非明确说明,否则“包括”、“包含”、“由…组成”或“拥有”具有特定属性的元素或多个元素的实施例可以包括不具有该属性的额外的此类元素。在所附权利要求中,术语“包括”和“其中”用作相应术语“包含”和“其中”的简单英语等价物。此外,在所附的权利要求中,“第一”、“第二”、“第三”等词语仅作为标识使用,并不对其对象提出数值要求。此外,以下权利要求的限制不是以手段加功能的格式写成的,除非和直到这种权利要求的限制明确使用“手段”这个短语,后面没有进一步结构的功能声明。
上面的描述是说明性的,而非限制性的。例如,上述实施例(和/或其方面)可以彼此组合使用。此外,在不偏离其范围的情况下,可以进行许多修改以使特定的情况或材料适于该主题的教导。虽然本文描述的尺寸和材料类型定义了主题的参数,但它们是示范性的实施例。在审视以上描述后,其他实施例对本领域的普通技术人员将是显而易见的。因此,主题的范围应参考所附权利要求以及此类权利要求所享有的等同物的全部范围来确定。
本书面描述使用示例来公开主题的若干实施例,包括最佳模式,并且使本领域的普通技术人员能够实践主题的实施例,包括制作和使用任何设备或系统以及执行任何结合的方法。本主题的可专利范围由权利要求限定,并且可以包括本领域普通技术人员想到的其他示例。如果这些其他示例具有与权利要求的文字语言没有区别的结构元素,或者如果它们包括与权利要求的文字语言没有实质性差异的等同结构元素,则这些其他示例落在在权利要求的范围内。
本文提及的专利文件或被认定为现有技术的任何其他事项,不应视为承认该文件或其他事项是已知的,或其包含的信息在任何权利要求的优先权日是公知常识的一部分。
Claims (10)
1.一种评估资产的维护的系统(10),包括:
一个或多个处理器(36,44),所述一个或多个处理器(36,44)被配置为:
在第一位置接收来自车辆系统(12,26)的车辆数据;
将所述车辆数据从所述第一位置传送到第二位置;
将所述车辆数据整合到位于所述第二位置的第一诊断数据的数据库(52)中;
从所述数据库(52)识别一个或多个第一诊断代码,所述第一诊断代码指示所述车辆数据是否表示所述车辆系统(12,26)的预期运行或所述车辆系统(12,26)的非预期运行;以及
基于所述一个或多个第一诊断代码,确定要在所述车辆系统(12,26)上执行的一个或多个维护操作。
2.根据权利要求1所述的系统(10),其中,所述车辆数据包括在车辆系统(12,26)的运行期间从传感器(32)接收的传感器数据。
3.根据权利要求2所述的系统(10),其中,所述传感器数据是在所述车辆系统(12,26)的空转期间从传感器(34)接收的。
4.根据权利要求2所述的系统(10),其中,所述传感器数据是在所述车辆系统(12,26)的指定节气门设置下从所述传感器(32)接收的。
5.根据权利要求1所述的系统(10),其中,所述车辆数据是来自所述车辆系统(12,26)的第二诊断数据,所述第二诊断数据是从所述车辆系统(12,26)的控制系统(28)的反馈回路接收的。
6.根据权利要求5所述的系统(10),其中,所述第二诊断数据指示所述车辆系统(12,26)的一个或多个运行参数是否超过阈值。
7.根据权利要求1所述的系统(10),其中,所述一个或多个处理器(36,44)包括被配置为识别所述一个或多个第一诊断代码的算法。
8.根据权利要求7所述的系统(10),其中,所述算法被配置为确定所述一个或多个维护操作。
9.根据权利要求1所述的系统(10),其中,所述一个或多个处理器(36,44)被配置为发起所述第一位置和所述第二位置之间的通信。
10.根据权利要求9所述的系统(10),其中,所述一个或多个处理器(36,44)被配置为自所述第二位置接收分数,所述分数基于在所述第一位置确定的第二诊断数据、所述第一位置和所述第二位置之间的通信、所述一个或多个维护操作的确定、以及所述一个或多个维护操作的完成中的一者或多者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/710,400 US20230316815A1 (en) | 2022-03-31 | 2022-03-31 | Systems and methods for evaluating repair of assets |
US17/710,400 | 2022-03-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116894656A true CN116894656A (zh) | 2023-10-17 |
Family
ID=85640948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310317637.2A Pending CN116894656A (zh) | 2022-03-31 | 2023-03-29 | 评估资产的维护的系统和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230316815A1 (zh) |
EP (1) | EP4254294A1 (zh) |
JP (1) | JP2023152816A (zh) |
CN (1) | CN116894656A (zh) |
AU (1) | AU2023201876A1 (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2814953T1 (es) * | 2019-08-27 | 2021-03-29 | Geotab Inc | Sistema para proporcionar telemáticamente calificación de componente de vehículo |
-
2022
- 2022-03-31 US US17/710,400 patent/US20230316815A1/en active Pending
-
2023
- 2023-03-14 JP JP2023040013A patent/JP2023152816A/ja active Pending
- 2023-03-14 EP EP23161688.9A patent/EP4254294A1/en active Pending
- 2023-03-28 AU AU2023201876A patent/AU2023201876A1/en active Pending
- 2023-03-29 CN CN202310317637.2A patent/CN116894656A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
AU2023201876A1 (en) | 2023-10-19 |
JP2023152816A (ja) | 2023-10-17 |
US20230316815A1 (en) | 2023-10-05 |
EP4254294A1 (en) | 2023-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102263337B1 (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
US8849732B2 (en) | Adaptive remote maintenance of rolling stocks | |
US6609051B2 (en) | Method and system for condition monitoring of vehicles | |
CN114585983B (zh) | 用于检测设备的异常运行状态的方法、装置和系统 | |
KR20180010321A (ko) | 예측 모델들의 동적 실행 | |
Bektash et al. | Automated emergency landing system for drones: SafeEYE project | |
KR102185737B1 (ko) | 도로 상태 예측 시스템 및 예측 방법 | |
EP4191489A1 (en) | Maintenance control system and method | |
EP4216011A1 (en) | Inspection system and method | |
CN116894656A (zh) | 评估资产的维护的系统和方法 | |
Campean et al. | Automotive IVHM: towards intelligent personalised systems healthcare | |
CN112415977A (zh) | 用于机动车辆的自适应故障诊断系统 | |
EP4184459A1 (en) | Maintenance system | |
CN115019415A (zh) | 用于确定车辆组件的运行状态的方法 | |
US11933905B2 (en) | Control system and method for determining vehicle system position | |
EP4239546A1 (en) | System and method for asset tracking | |
KR102261840B1 (ko) | 군집비행에서의 개체 간 고장검출 방법 및 장치, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 | |
EP4277303A1 (en) | Communication monitoring system | |
US20220366736A1 (en) | Vehicle inspection system | |
Byttner et al. | Networked vehicles for automated fault detection | |
CN116021988A (zh) | 用于车辆的传感器系统和用于控制车辆运行的方法 | |
Kläs et al. | Uncertainty in Machine Learning Applications | |
CN112801321A (zh) | 轨道交通运输及载具运行系统中的数据处理方法、系统 | |
CN116592929A (zh) | 传感器校准系统 | |
CN117829476A (zh) | 地下管廊巡检机器人的信息录入管理系统及方法 |
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 |