CN117129236B - 基于远程控制的机动车设备标定检测方法及系统 - Google Patents
基于远程控制的机动车设备标定检测方法及系统 Download PDFInfo
- Publication number
- CN117129236B CN117129236B CN202311169331.3A CN202311169331A CN117129236B CN 117129236 B CN117129236 B CN 117129236B CN 202311169331 A CN202311169331 A CN 202311169331A CN 117129236 B CN117129236 B CN 117129236B
- Authority
- CN
- China
- Prior art keywords
- sampling value
- detected
- equipment
- sampling
- value
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 76
- 238000005070 sampling Methods 0.000 claims abstract description 275
- 230000002159 abnormal effect Effects 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000005856 abnormality Effects 0.000 claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 45
- 230000001174 ascending effect Effects 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000007619 statistical method Methods 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种基于远程控制的机动车设备标定检测方法及系统，涉及车辆检测领域。在该方法中，获取各个待检测设备对应的设备运行数据；对各个设备运行数据进行阶段性采样，得到多个采样值；对各个采样值进行异常检测，并筛选出第一采样值和第一采样值对应的第一待检测设备；第一采样值为疑似异常采样值；采用预设的检测分析算法对第一采样值进行异常判定，判断第一采样值是否存在异常；当第一采样值存在异常时，确定第一待检测设备需要进行标定；基于第一采样值和第一待检测设备生成异常检测报告，并将异常检测报告发送至用户终端。实施本申请提供的技术方案，可以及时发现机动车设备中潜在的问题。
Description
技术领域
本申请涉及车辆检测技术领域，具体涉及一种基于远程控制的机动车设备标定检测方法及系统。
背景技术
现如今，随着机动车保有量的不断增加，机动车在行驶中出现故障的概率也在不断提升。因此及时发现机动车设备中潜在的问题并及时对设备进行标定则变得十分重要。然而，现在往往当机动车设备出现实质性故障之后，车主才会对该设备进行标定。因此，如何及时发现机动车设备中潜在的问题成为亟需解决的问题。
因此，亟需一种基于远程控制的机动车设备标定检测方法及系统来解决当前技术存在的问题。
发明内容
本申请提供了一种基于远程控制的机动车设备标定检测方法及系统，可以及时发现机动车设备中潜在的问题。
第一方面，本申请提供了一种基于远程控制的机动车设备标定检测方法，所述方法包括：获取各个待检测设备对应的设备运行数据；对各个所述设备运行数据进行阶段性采样，得到多个采样值；对各个所述采样值进行异常检测，并筛选出第一采样值和所述第一采样值对应的第一待检测设备；所述第一采样值为疑似异常采样值；采用预设的检测分析算法对所述第一采样值进行异常判定，判断所述第一采样值是否存在异常；当所述第一采样值存在异常时，确定所述第一待检测设备需要进行标定；基于所述第一采样值和所述第一待检测设备生成异常检测报告，并将所述异常检测报告发送至用户终端。
通过采用上述技术方案，通过获取各个待检测设备对应的设备运行数据，并对各个设备运行数据进行阶段性采样，得到多个采样值，从而可以在机动车辆运行过程中对机动车辆进行实时监测；再对各个采样值进行异常检测，并筛选出第一采样值和第一采样值对应的第一待检测设备，从而对异常数据和存在异常的设备进行初步筛选；再采用预设的检测分析算法对第一采样值进行异常判定，判断第一采样值是否存在异常，从而对第一采样值进行进一步异常判定，从而使得判定的异常结果更加准确；当第一采样值存在异常时，确定第一待检测设备需要进行标定；基于第一采样值和第一待检测设备生成异常检测报告，并将异常检测报告发送至用户终端，从而能够及时地将机动车辆存在异常的设备告知至车主，进而能够有效提升异常设备修复的效率并降低潜在隐患带来的损失。
可选的，所述采用预设的检测分析算法对所述第一采样值进行异常判定，判断所述第一采样值是否存在异常，具体包括：判断是否存在与所述第一待检测设备相关联的第二待检测设备；当存在与所述第一待检测设备对应的第二待检测设备时，获取所述第二待检测设备对应的第二采样值；对所述第一采样值和所述第二采样值进行差异性分析，得到第一差异性分析结果；基于所述第一差异性分析结果，判断所述第一采样值是否存在异常。
通过采用上述技术方案，通过获取与第一待检测设备相关联的第二待检测设备的第二采样值，并对第一采样值和第二采样值进行差异性分析，得到第一差异性分析结果，从而可以有效提升判断第一采样值是否存在异常的准确程度。
可选的，在所述判断是否存在与所述第一待检测设备相关联的第二待检测设备之后，所述方法还包括：当不存在与所述第一待检测设备对应的第二待检测设备时，获取第三采样值；所述第三采样值为所述第一待检测设备预设时间段内的阶段性采样值；对所述第一采样值和所述第三采样值进行差异性分析，得到第二差异性分析结果；基于所述第二差异性分析结果，判断所述第一采样值是否存在异常。
通过采用上述技术方案，当不存在与第一待检测设备对应的第二待检测设备时，通过获取第一待检测设备预设时间段内的阶段性采样值即第三采样值，并对第一采样值和第三采样值进行差异性分析，得到第二差异性分析结果，从而可以有效提升判断第一采样值是否存在异常的准确程度。
可选的，所述对所述第一采样值和所述第二采样值进行差异性分析，得到第一差异性分析结果，具体包括：基于所述第一采样值和所述第二采样值，计算采样差值；将所述采样差值与预设的第一阈值范围进行比较，得到差值比较结果；将所述差值比较结果作为所述第一差异性分析结果。
可选的，所述对所述第一采样值和所述第三采样值进行差异性分析，得到第二差异性分析结果，具体包括：基于所述第一采样值和所述第三采样值，绘制差异性折线图；对所述差异性折线图进行趋势分析，得到趋势分析结果；所述趋势分析结果包括上升趋势、下降趋势以及水平趋势；将所述趋势分析结果作为所述第二差异性分析结果。
可选的，在所述获取各个待检测设备的设备运行数据之前，所述方法还包括：发送检测信号至机动车中各个待检测设备处设置的传感器；获取各个所述传感器采集的实时运行数据；对所述实时运行数据进行平滑去噪处理，得到所述设备运行数据。
通过采用上述技术方案，由于采集到的传感器数据可能包含噪音或突发的异常值，因此在进行进一步分析之前，需要对数据进行平滑和去噪处理，以消除不必要的波动和误差，从而提升判断第一采样值是否存在异常的准确程度。
可选的，基于所述第一待检测设备对应的校准值和所述第一采样值对所述第一待检测设备进行标定，并将实时标定数据进行记录；获取进行标定后的第一待检测设备对应的修正采样值；当所述实时标定数据和所述修正采样值的差值处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器正常；当所述实时标定数据和所述修正采样值的差值不处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器存在异常。
通过采用上述技术方案，通过获取进行标定后的第一待检测设备对应的修正采样值，并基于实时标定数据和修正采样值的差值是否处于预设的第二阈值范围内，以此判断第一待检测设备处设置的传感器是否存在异常，从而能够准确地检测出传感器异常的情况。
在本申请的第二方面提供了一种基于远程控制的机动车设备标定检测系统，所述系统包括：获取模块、数据采样模块、处理模块、标定判断模块以及报告模块；所述获取模块，用于获取各个待检测设备对应的设备运行数据；所述数据采样模块，用于对各个所述设备运行数据进行阶段性采样，得到多个采样值；所述处理模块，用于对各个所述采样值进行异常检测，并筛选出第一采样值和所述第一采样值对应的第一待检测设备；所述第一采样值为疑似异常采样值；所述处理模块，还用于采用预设的检测分析算法对所述第一采样值进行异常判定，判断所述第一采样值是否存在异常；所述标定判断模块，用于当所述第一采样值存在异常时，确定所述第一待检测设备需要进行标定；所述报告模块，用于基于所述第一采样值和所述第一待检测设备生成异常检测报告，并将所述异常检测报告发送至用户终端。
在本申请的第三方面提供了一种电子设备，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如本申请第一方面任意一项所述的方法。
在本申请的第四方面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能够被处理器加载并执行如本申请第一方面任意一项所述的方法的计算机程序。
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、通过获取各个待检测设备对应的设备运行数据，并对各个设备运行数据进行阶段性采样，得到多个采样值，从而可以在机动车辆运行过程中对机动车辆进行实时监测；再对各个采样值进行异常检测，并筛选出第一采样值和第一采样值对应的第一待检测设备，从而对异常数据和存在异常的设备进行初步筛选；再采用预设的检测分析算法对第一采样值进行异常判定，判断第一采样值是否存在异常，从而对第一采样值进行进一步异常判定，从而使得判定的异常结果更加准确；当第一采样值存在异常时，确定第一待检测设备需要进行标定；基于第一采样值和第一待检测设备生成异常检测报告，并将异常检测报告发送至用户终端，从而能够及时地将机动车辆存在异常的设备告知至车主，进而能够有效提升异常设备修复的效率并降低潜在隐患带来的损失。
2、通过获取与第一待检测设备相关联的第二待检测设备的第二采样值，并对第一采样值和第二采样值进行差异性分析，得到第一差异性分析结果，从而可以有效提升判断第一采样值是否存在异常的准确程度。
3、当不存在与第一待检测设备对应的第二待检测设备时，通过获取第一待检测设备预设时间段内的阶段性采样值即第三采样值，并对第一采样值和第三采样值进行差异性分析，得到第二差异性分析结果，从而可以有效提升判断第一采样值是否存在异常的准确程度。
附图说明
图1是本申请实施例提供的一种基于远程控制的机动车设备标定检测方法的流程示意图；
图2是本申请实施例提供的一种基于远程控制的机动车设备标定检测系统的结构示意图；
图3是本申请实施例公开的一种电子设备的结构示意图。
附图标记说明：1、获取模块；2、数据采样模块；3、处理模块；4、标定判断模块；5、报告模块；6、标定模块；300、电子设备；301、处理器；302、通信总线；303、用户接口；304、网络接口；305、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。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。
本申请提供了一种基于远程控制的机动车设备标定检测方法，参照图1，其示出了本申请实施例提供的一种基于远程控制的机动车设备标定检测方法的流程示意图。该方法包括步骤S11-S16，上述步骤如下：
步骤S11：获取各个待检测设备对应的设备运行数据。
在上述步骤中，服务器获取各个待检测设备对应的设备运行数据。
具体来说，在本技术方案中，本方案应用于检测标定数据云管理平台，在实施本方案之前，首先用户需要在车辆上安装与本方案配套使用的智能检测仪器和传感器，智能检测仪器用于收集传感器检测的机动车中各设备的运行数据。智能检测仪器在收集各个待检测设备对应的设备运行数据之后，将设备运行数据传输至服务器。其中，待检测设备包括但不限于发动机、齿轮转动箱、刹车系统、悬挂系统、变速器、左右轮制动力传感器等等。
需要说明的是，服务器可根据智能检测仪器对应id编号，对应区分各机动车辆。
步骤S12：对各个设备运行数据进行阶段性采样，得到多个采样值。
在上述步骤中，服务器对各个设备运行数据进行阶段性采样，得到多个采样值。
具体来说，在本技术方案中，服务器对各个设备运行数据进行阶段性采样即服务器控制智能检测仪器对各个设备的运行数据按照预设时间间隔进行阶段性数据采集。其中，预设时间间隔可根据实际情况进行具体设定。
步骤S13：对各个采样值进行异常检测，并筛选出第一采样值和第一采样值对应的第一待检测设备；第一采样值为疑似异常采样值。
在上述步骤中，服务器对各个采样值进行异常检测，并筛选出第一采样值和第一采样值对应的第一待检测设备。
具体来说，在本技术方案中，服务器对各个采样值进行异常检测，即，将各个待检测设备对应的采样值与各个待检测设备对应的运行标准值进行比对；再筛选出与运行标准值不相同的采样值，并作为第一采样值；再对应得到与第一采样值对应的第一待检测设备名称。
步骤S14：采用预设的检测分析算法对第一采样值进行异常判定，判断第一采样值是否存在异常。
在上述步骤中，服务器采用预设的检测分析算法对第一采样值进行异常判定，判断第一采样值是否存在异常。
具体来说，在本技术方案中，服务器将采用预设的检测分析算法对第一采样值进行进一步异常判定，从而能更准确地确定第一待检测设备存在的异常情况。采用预设的检测分析算法对第一采样值进行异常判定，判断第一采样值是否存在异常的方法，将在后续实施例中进行详细说明，故在此不做过多赘述。
步骤S15：当第一采样值存在异常时，确定第一待检测设备需要进行标定。
在上述步骤中，当服务器判断第一采样值存在异常时，确定第一待检测设备需要进行标定。
具体来说，在本技术方案中，当服务器判断第一采样值存在异常时，即确定第一待检测设备存在数据检测异常，因此需要对第一待检测设备需要进行标定。具体的标定方法将根据第一待检测设备的具体情况进行设置，在本申请中不做过多限定。
需要说明的是，当服务器判断第一采样值不存在异常时，则确定当前第一待检测设备正常，并后续对第一待检测设备进行持续监测。
步骤S16：基于第一采样值和第一待检测设备生成异常检测报告，并将异常检测报告发送至用户终端。
在上述步骤中，服务器基于第一采样值和第一待检测设备生成异常检测报告，并将异常检测报告发送至用户终端。
具体来说，在本技术方案中，服务器将生成包含第一采样值和第一待检测设备的电子版异常检测报告，具体的异常检测报告生成方式在本申请中不做过多限定；并将异常检测报告发送至用户终端。其中，用户终端包括但不限于用户手机、车载电脑以及车载平板等。
在一种可能的实施方式中，步骤S14具体包括如下步骤：
判断是否存在与第一待检测设备相关联的第二待检测设备。
具体来说，在本技术方案中，服务器将判断机动车设备中是否有与第一待检测设备相关联的第二待检测设备。相关联设备包括但不限于：左轮制动力传感器和右轮制动力传感器；空调控制器和温度传感器；车道保持辅助系统和摄像头；空气悬挂系统和高度传感器等等。
其中，以左轮制动力传感器和右轮制动力传感器为例进行说明，由于车辆在制动时，左前轮和右前轮的制动力需要适当分配，以避免车辆的侧滑和不稳定。左轮制动力传感器和右轮制动力传感器会测量各自轮胎的制动力，并将这些信息传递给车辆的制动控制系统。控制系统可以根据这些传感器提供的数据来调整制动力的分配，确保车辆在制动过程中保持平稳。因此，假设左轮制动力传感器的检测数据出现了异常，则左轮制动力传感器为第一待检测设备；因此可以通过右轮制动力传感器即第二待检测设备的检测数据，进一步衡量左轮制动力传感器存在的异常问题。
当存在与第一待检测设备对应的第二待检测设备时，获取第二待检测设备对应的第二采样值。
具体来说，在本技术方案中，服务器判断当存在与第一待检测设备对应的第二待检测设备时，获取第二待检测设备对应的第二采样值。此时获取第二待检测设备对应的第二采样值的方法同样为，获取第二待检测设备对应的设备运行数据，并对第二待检测设备对应的设备运行数据进行阶段性采样，得到第二采样值。第二采样值与第一采样值为同采样阶段的采样数据。
对第一采样值和第二采样值进行差异性分析，得到第一差异性分析结果。
具体来说，在本技术方案中，服务器对第一采样值和第二采样值进行差异性分析，得到第一差异性分析结果。
在一种可能的实施方式中，对第一采样值和第二采样值进行差异性分析，得到第一差异性分析结果，具体包括如下步骤：
基于第一采样值和第二采样值，计算采样差值。
具体来说，在本技术方案中，服务器将第一采样值减去第二采样值，或将第二采样值减去第一采样值，计算得到采样差值。
将采样差值与预设的第一阈值范围进行比较，得到差值比较结果。
具体来说，在本技术方案中，预设的第一阈值范围为[-a,a]，其中，由于不同类型的传感器具有不同的测量范围和精度，因此a值的设定需要根据第一待检测设备和第二待检测设备的详细规格和参数进行具体设定。差值比较结果包括：采样差值在预设的第一阈值范围之内，和，采样差值在预设的第一阈值范围之外。
将差值比较结果作为第一差异性分析结果。
具体来说，在本技术方案中，服务器将差值比较结果作为第一差异性分析结果。
基于第一差异性分析结果，判断第一采样值是否存在异常。
具体来说，在本技术方案中，根据前述实施例中的第一差异性分析结果，即采样差值在预设的第一阈值范围之内，和，采样差值在预设的第一阈值范围之外，判断第一采样值是否存在异常。若采样差值在预设的第一阈值范围之内，则第一采样值正常；若采样差值在预设的第一阈值范围之外，则第一采样值存在异常。
在一种可能的实施方式中，在判断是否存在与第一待检测设备相关联的第二待检测设备之后，方法还包括如下步骤：
当不存在与第一待检测设备对应的第二待检测设备时，获取第三采样值；第三采样值为第一待检测设备预设时间段内的阶段性采样值。
具体来说，在本技术方案中，当服务器判断不存在与第一待检测设备对应的第二待检测设备时，获取第三采样值；第三采样值为第一待检测设备预设时间段内的阶段性采样值。由于阶段性采样值是按照预设时间间隔进行阶段性采集得到的数据，因此预设时间段为n个预设时间间隔的时间长度。即，当服务器判断不存在与第一待检测设备对应的第二待检测设备时，获取第一待检测设备的前n次的阶段性采样值。其中，n优选为10。
需要说明的是，预设时间段还可根据实际情况进行具体设定。
对第一采样值和第三采样值进行差异性分析，得到第二差异性分析结果。
具体来说，在本技术方案中，服务器对第一采样值和第三采样值进行差异性分析，得到第二差异性分析结果。
在一种可能的实施方式中，对第一采样值和第三采样值进行差异性分析，得到第二差异性分析结果，具体包括如下步骤：
基于第一采样值和第三采样值，绘制差异性折线图。
具体来说，在本技术方案中，服务器将基于第一采样值和前n次的阶段性采样值，绘制差异性折线图。其中绘制折线图可以使用数据可视化库，比如Matplotlib。Matplotlib是一个Python库，用于创建各种类型的图表，包括折线图。
对差异性折线图进行趋势分析，得到趋势分析结果；趋势分析结果包括上升趋势、下降趋势以及水平趋势。
具体来说，在本技术方案中，服务器对差异性折线图进行趋势分析，得到趋势分析结果；趋势分析结果包括上升趋势、下降趋势以及水平趋势。服务器将对差异性折线图进行线性拟合，并计算拟合后的直线的斜率。当斜率大于0时，则趋势分析结果为上升趋势；当斜率小于0时，则趋势分析结果为下降趋势；当斜率等于0时，则趋势分析结果为水平趋势。其中，对差异性折线图进行趋势分析可使用NumPy库和SciPy库，这些库提供了丰富的数值计算和统计分析功能。可以使用NumPy库中的函数来处理差异性折线图，使用SciPy库中的函数来执行线性回归、斜率计算等。
将趋势分析结果作为第二差异性分析结果。
具体来说，在本技术方案中，服务器将趋势分析结果作为第二差异性分析结果。即第二差异性分析结果包括上升趋势、下降趋势以及水平趋势。
基于第二差异性分析结果，判断第一采样值是否存在异常。
具体来说，在本技术方案中，服务器基于第二差异性分析结果，判断第一采样值是否存在异常。根据前述实施例，当第二差异性分析结果为水平趋势时，则确定第一采样值正常；当第二差异性分析结果为上升趋势或下降趋势时，则确定第一采样值存在异常。
在一种可能的实施方式中，在步骤S11之前，方法还包括如下步骤：发送检测信号至机动车中各个待检测设备处设置的传感器；获取各个传感器采集的实时运行数据；对实时运行数据进行平滑去噪处理，得到设备运行数据。
具体来说，在本技术方案中，服务器发送检测信号至机动车中各个待检测设备处设置的传感器，即首先发送检测信号至智能检测仪器，再由智能检测仪器发送对应的检测信号至机动车中各个待检测设备处设置的传感器。在由智能检测仪器采集得到各个传感器的实时运行数据后，再将实时运行数据传送至服务器。服务器再对运行数据进行平滑去噪处理，得到设备运行数据。由于采集到的传感器数据可能包含噪音或突发的异常值。因此在进行进一步分析之前，需要对数据进行平滑和去噪处理，以消除不必要的波动和误差。
在一种可能的实施方式中，方法还包括如下步骤：
基于第一待检测设备对应的校准值和第一采样值对第一待检测设备进行标定，并将实时标定数据进行记录。
具体来说，在本技术方案中，服务器基于第一待检测设备对应的校准值和第一采样值对第一待检测设备进行标定，并将实时标定数据进行记录。首先服务器将从第一待检测设备的制造商或供应商处获取校准值。校准值通常是在已知条件下设备的准确测量值，可以作为标准进行比较。再将第一采样值与校准值进行比较，计算出标定偏差；标定偏差表示设备在实际使用中相对于标准值的差异。再使用标定偏差来校正第一待检测设备的测量值，其可以通过在设备中应用校准系数或调整设备的设置来实现。在对第一待检测设备进行标定时，服务器将实时标定数据进行记录。
获取进行标定后的第一待检测设备对应的修正采样值。
具体来说，在本技术方案中，服务器获取进行标定后的第一待检测设备对应的修正采样值。修正采样值即标定后的第一待检测设备的实际测量值。
当实时标定数据和修正采样值的差值处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器正常。
具体来说，在本技术方案中，当服务器判断实时标定数据和修正采样值的差值处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器正常。其中，由于不同类型的传感器具有不同的测量范围和精度，因此预设的第二阈值范围需要根据第一待检测设备的详细规格和参数进行具体设定。
当实时标定数据和修正采样值的差值不处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器存在异常。
具体来说，在本技术方案中，当服务器判断实时标定数据和修正采样值的差值不处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器存在异常。
参照图2，其示出了本申请实施例提供的一种基于远程控制的机动车设备标定检测系统的结构示意图。系统包括：获取模块、数据采样模块、处理模块、标定判断模块以及报告模块；获取模块，用于获取各个待检测设备对应的设备运行数据；数据采样模块，用于对各个设备运行数据进行阶段性采样，得到多个采样值；处理模块，用于对各个采样值进行异常检测，并筛选出第一采样值和第一采样值对应的第一待检测设备；第一采样值为疑似异常采样值；处理模块，还用于采用预设的检测分析算法对第一采样值进行异常判定，判断第一采样值是否存在异常；标定判断模块，用于当第一采样值存在异常时，确定第一待检测设备需要进行标定；报告模块，用于基于第一采样值和第一待检测设备生成异常检测报告，并将异常检测报告发送至用户终端。
在一种可能的实施方式中，处理模块，还用于判断是否存在与第一待检测设备相关联的第二待检测设备；处理模块，还用于当存在与第一待检测设备对应的第二待检测设备时，获取第二待检测设备对应的第二采样值；处理模块，还用于对第一采样值和第二采样值进行差异性分析，得到第一差异性分析结果；处理模块，还用于基于第一差异性分析结果，判断第一采样值是否存在异常。
在一种可能的实施方式中，处理模块，还用于当不存在与第一待检测设备对应的第二待检测设备时，获取第三采样值；第三采样值为第一待检测设备预设时间段内的阶段性采样值；处理模块，还用于对第一采样值和第三采样值进行差异性分析，得到第二差异性分析结果；处理模块，还用于基于第二差异性分析结果，判断第一采样值是否存在异常。
在一种可能的实施方式中，处理模块，还用于基于第一采样值和第二采样值，计算采样差值；处理模块，还用于将采样差值与预设的第一阈值范围进行比较，得到差值比较结果；处理模块，还用于将差值比较结果作为第一差异性分析结果。
在一种可能的实施方式中，处理模块，还用于基于第一采样值和第三采样值，绘制差异性折线图；处理模块，还用于对差异性折线图进行趋势分析，得到趋势分析结果；趋势分析结果包括上升趋势、下降趋势以及水平趋势；处理模块，还用于将趋势分析结果作为第二差异性分析结果。
在一种可能的实施方式中，处理模块，还用于发送检测信号至机动车中各个待检测设备处设置的传感器；获取模块，还用于获取各个传感器采集的实时运行数据；处理模块，还用于对实时运行数据进行平滑去噪处理，得到设备运行数据。
在一种可能的实施方式中，系统还包括标定模块；标定模块，用于基于第一待检测设备对应的校准值和第一采样值对第一待检测设备进行标定，并将实时标定数据进行记录；获取模块，还用于获取进行标定后的第一待检测设备对应的修正采样值；处理模块，还用于当实时标定数据和修正采样值的差值处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器正常；处理模块，还用于当实时标定数据和修正采样值的差值不处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器存在异常。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请还公开一种电子设备。参照图3，图3是本申请实施例的公开的一种电子设备的结构示意图。该电子设备300可以包括：至少一个处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
其中，通信总线302用于实现这些组件之间的连接通信。
其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。
其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行服务器的各种功能和处理数据。可选的，处理器301可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器301可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器301中，单独通过一块芯片进行实现。
其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储装置。参照图3，作为一种计算机可读存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及一种应用程序。
在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而处理器301可以用于调用存储器305中存储一种应用程序，当由一个或多个处理器301执行时，使得电子设备300执行如上述实施例中一个或多个的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (6)
1.一种基于远程控制的机动车设备标定检测方法，其特征在于，所述方法包括：
获取各个待检测设备对应的设备运行数据；
对各个所述设备运行数据进行阶段性采样，得到多个采样值；
对各个所述采样值进行异常检测，并筛选出第一采样值和所述第一采样值对应的第一待检测设备；所述第一采样值为疑似异常采样值；
判断是否存在与所述第一待检测设备相关联的第二待检测设备；
当存在与所述第一待检测设备对应的第二待检测设备时，获取所述第二待检测设备对应的第二采样值；
基于所述第一采样值和所述第二采样值，计算采样差值；
将所述采样差值与预设的第一阈值范围进行比较，得到差值比较结果；
将所述差值比较结果作为第一差异性分析结果；
基于所述第一差异性分析结果，判断所述第一采样值是否存在异常；
在所述判断是否存在与所述第一待检测设备相关联的第二待检测设备之后，所述方法还包括：当不存在与所述第一待检测设备对应的第二待检测设备时，获取第三采样值；所述第三采样值为所述第一待检测设备预设时间段内的阶段性采样值；
基于所述第一采样值和所述第三采样值，绘制差异性折线图；
对所述差异性折线图进行趋势分析，得到趋势分析结果；所述趋势分析结果包括上升趋势、下降趋势以及水平趋势；
将所述趋势分析结果作为第二差异性分析结果；
基于所述第二差异性分析结果，判断所述第一采样值是否存在异常；
当所述第一采样值存在异常时，确定所述第一待检测设备需要进行标定；
基于所述第一采样值和所述第一待检测设备生成异常检测报告，并将所述异常检测报告发送至用户终端。
2.根据权利要求1所述的方法，其特征在于，在所述获取各个待检测设备的设备运行数据之前，所述方法还包括：
发送检测信号至机动车中各个待检测设备处设置的传感器；
获取各个所述传感器采集的实时运行数据；
对所述实时运行数据进行平滑去噪处理，得到所述设备运行数据。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述第一待检测设备对应的校准值和所述第一采样值对所述第一待检测设备进行标定，并将实时标定数据进行记录；
获取进行标定后的第一待检测设备对应的修正采样值；
当所述实时标定数据和所述修正采样值的差值处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器正常；
当所述实时标定数据和所述修正采样值的差值不处于预设的第二阈值范围内时，确定第一待检测设备处设置的传感器存在异常。
4.一种基于远程控制的机动车设备标定检测系统，其特征在于，所述系统包括：获取模块、数据采样模块、处理模块、标定判断模块以及报告模块；
所述获取模块，用于获取各个待检测设备对应的设备运行数据；
所述数据采样模块，用于对各个所述设备运行数据进行阶段性采样，得到多个采样值；
所述处理模块，用于对各个所述采样值进行异常检测，并筛选出第一采样值和所述第一采样值对应的第一待检测设备；所述第一采样值为疑似异常采样值；
所述处理模块，还用于判断是否存在与所述第一待检测设备相关联的第二待检测设备；
所述处理模块，还用于当存在与所述第一待检测设备对应的第二待检测设备时，获取所述第二待检测设备对应的第二采样值；
所述处理模块，还用于基于所述第一采样值和所述第二采样值，计算采样差值；
所述处理模块，还用于将所述采样差值与预设的第一阈值范围进行比较，得到差值比较结果；
所述处理模块，还用于将所述差值比较结果作为第一差异性分析结果；
所述处理模块，还用于基于所述第一差异性分析结果，判断所述第一采样值是否存在异常；
所述处理模块，还用于当不存在与所述第一待检测设备对应的第二待检测设备时，获取第三采样值；所述第三采样值为所述第一待检测设备预设时间段内的阶段性采样值；
所述处理模块，还用于基于所述第一采样值和所述第三采样值，绘制差异性折线图；
所述处理模块，还用于对所述差异性折线图进行趋势分析，得到趋势分析结果；所述趋势分析结果包括上升趋势、下降趋势以及水平趋势；
所述处理模块，还用于将所述趋势分析结果作为第二差异性分析结果；
所述处理模块，还用于基于所述第二差异性分析结果，判断所述第一采样值是否存在异常；
所述标定判断模块，用于当所述第一采样值存在异常时，确定所述第一待检测设备需要进行标定；
所述报告模块，用于基于所述第一采样值和所述第一待检测设备生成异常检测报告，并将所述异常检测报告发送至用户终端。
5.一种电子设备，其特征在于，包括处理器(301)、存储器(305)、用户接口(303)及网络接口(304)，所述存储器(305)用于存储指令，所述用户接口(303)和网络接口(304)用于给其他设备通信，所述处理器(301)用于执行所述存储器(305)中存储的指令，以使所述电子设备(300)执行如权利要求1-3任意一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-3任意一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311169331.3A CN117129236B (zh) | 2023-09-11 | 2023-09-11 | 基于远程控制的机动车设备标定检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311169331.3A CN117129236B (zh) | 2023-09-11 | 2023-09-11 | 基于远程控制的机动车设备标定检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117129236A CN117129236A (zh) | 2023-11-28 |
| CN117129236B true CN117129236B (zh) | 2024-03-26 |
Family
ID=88852714
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311169331.3A Active CN117129236B (zh) | 2023-09-11 | 2023-09-11 | 基于远程控制的机动车设备标定检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117129236B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110851338A (zh) * | 2019-09-23 | 2020-02-28 | 平安科技（深圳）有限公司 | 异常检测方法、电子设备及存储介质 |
| CN112461269A (zh) * | 2020-12-04 | 2021-03-09 | 智道网联科技(北京)有限公司 | 惯性测量单元标定方法、设备及服务器 |
| CN115220945A (zh) * | 2022-06-22 | 2022-10-21 | 浙江西图盟数字科技有限公司 | 基于树莓派的车辆检测设备、方法、车辆及存储介质 |
| CN115879354A (zh) * | 2021-08-06 | 2023-03-31 | 深圳富桂精密工业有限公司 | 异常检测系统和异常检测方法、电子设备及存储介质 |
| CN115950609A (zh) * | 2022-12-01 | 2023-04-11 | 西安公路研究院有限公司 | 一种结合相关性分析和神经网络的桥梁挠度异常检测方法 |
| CN116295583A (zh) * | 2023-02-21 | 2023-06-23 | 深圳市农博创新科技有限公司 | 传感器异常数据修正方法、装置、设备及可读存储介质 |
| CN116465367A (zh) * | 2023-04-20 | 2023-07-21 | 广东电网有限责任公司 | 一种设备的检查方法、装置、设备及介质 |
| CN116558461A (zh) * | 2023-05-05 | 2023-08-08 | 岚图汽车科技有限公司 | 高度传感器标定方法、装置、设备及可读存储介质 |
-
2023
- 2023-09-11 CN CN202311169331.3A patent/CN117129236B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110851338A (zh) * | 2019-09-23 | 2020-02-28 | 平安科技（深圳）有限公司 | 异常检测方法、电子设备及存储介质 |
| CN112461269A (zh) * | 2020-12-04 | 2021-03-09 | 智道网联科技(北京)有限公司 | 惯性测量单元标定方法、设备及服务器 |
| CN115879354A (zh) * | 2021-08-06 | 2023-03-31 | 深圳富桂精密工业有限公司 | 异常检测系统和异常检测方法、电子设备及存储介质 |
| CN115220945A (zh) * | 2022-06-22 | 2022-10-21 | 浙江西图盟数字科技有限公司 | 基于树莓派的车辆检测设备、方法、车辆及存储介质 |
| CN115950609A (zh) * | 2022-12-01 | 2023-04-11 | 西安公路研究院有限公司 | 一种结合相关性分析和神经网络的桥梁挠度异常检测方法 |
| CN116295583A (zh) * | 2023-02-21 | 2023-06-23 | 深圳市农博创新科技有限公司 | 传感器异常数据修正方法、装置、设备及可读存储介质 |
| CN116465367A (zh) * | 2023-04-20 | 2023-07-21 | 广东电网有限责任公司 | 一种设备的检查方法、装置、设备及介质 |
| CN116558461A (zh) * | 2023-05-05 | 2023-08-08 | 岚图汽车科技有限公司 | 高度传感器标定方法、装置、设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117129236A (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2952308C (en) | Physical component fault diagnostics | |
| EP2917653B1 (en) | A device and method for dynamically measuring an enviromental quality factor. | |
| US20120209566A1 (en) | Method for Checking Plausability of Digital Measurement Signals | |
| CN113723338B (zh) | 传感器异常检测方法、装置及计算机可读存储介质 | |
| JP2011075373A (ja) | 機器診断方法及び機器診断装置 | |
| US20140058615A1 (en) | Fleet anomaly detection system and method | |
| CN114089033A (zh) | 一种基于频谱分析的异常信号检测方法及系统 | |
| CN116337135A (zh) | 一种仪表故障诊断方法、系统、电子设备及可读存储介质 | |
| CN117129236B (zh) | 基于远程控制的机动车设备标定检测方法及系统 | |
| KR101997217B1 (ko) | 장치 진단 시스템 | |
| JPWO2020162425A1 (ja) | 解析装置、解析方法、およびプログラム | |
| CN112560974B (zh) | 一种信息融合、车辆信息获取方法及装置 | |
| CN113608953A (zh) | 测试数据生成方法、装置、电子设备及可读存储介质 | |
| CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
| US20150261435A1 (en) | Measured Value Transducer with Internal Data Memory | |
| CN115825480A (zh) | 轮速信号分析方法、装置、设备及存储介质 | |
| CN111614412A (zh) | 一种射频测试方法、装置、电子设备及可读存储介质 | |
| CN115062273B (zh) | 工业互联网的光电传感器精度控制方法及系统 | |
| US11788933B2 (en) | Method for monitoring measured variables measured on a process plant with measuring instruments | |
| CN116448219B (zh) | 油位异常检测方法、装置、设备及计算机可读存储介质 | |
| CN114136342B (zh) | 里程篡改判断方法及系统 | |
| US11156476B2 (en) | Abnormality determination device, abnormality determination method, and non-transitory recording medium | |
| TWI712944B (zh) | 利用聲音監控設備之方法 | |
| US20240004380A1 (en) | Abnormality diagnosis system and abnormality diagnosis method | |
| JP2007218669A (ja) | 異常検出装置およびプログラム |
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 |