CN117130353B - 一种基于人工智能的汽车电路故障甄别系统 - Google Patents

一种基于人工智能的汽车电路故障甄别系统 Download PDF

Info

Publication number
CN117130353B
CN117130353B CN202311399638.2A CN202311399638A CN117130353B CN 117130353 B CN117130353 B CN 117130353B CN 202311399638 A CN202311399638 A CN 202311399638A CN 117130353 B CN117130353 B CN 117130353B
Authority
CN
China
Prior art keywords
fault
discrimination
circuit
automobile
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
Application number
CN202311399638.2A
Other languages
English (en)
Other versions
CN117130353A (zh
Inventor
王旭晖
郝晓锋
郝正梅
陈玉龙
汪霜
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.)
Shenzhen Obdspace Co ltd
Original Assignee
Shenzhen Obdspace 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 Shenzhen Obdspace Co ltd filed Critical Shenzhen Obdspace Co ltd
Priority to CN202311399638.2A priority Critical patent/CN117130353B/zh
Publication of CN117130353A publication Critical patent/CN117130353A/zh
Application granted granted Critical
Publication of CN117130353B publication Critical patent/CN117130353B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275Fault isolation and identification, e.g. classify fault; estimate cause or root of failure

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明属于汽车电路管控技术领域,具体是一种基于人工智能的汽车电路故障甄别系统,包括汽车电路监管平台、用户注册登录模块、数据采集打包模块、故障甄别端检测评估模块以及故障甄别端匹配模块;本发明是通过故障甄别端检测评估模块将所有故障甄别端进行逐一评估分析,据此以识别出异常甄别端,实现对故障甄别端的初步筛选,故障甄别端匹配模块通过分析以快速且精准选定目标甄别端,有效保证汽车电路故障甄别效率和甄别结果准确度,目标甄别端基于待甄别数据包进行故障甄别,以便及时掌握汽车电路的故障状况,且通过进行汽车电路风险性预警分析以生成对应汽车电路的高风险预警信号或低风险预警信号,进一步保证对应监管用户的驾驶安全。

Description

一种基于人工智能的汽车电路故障甄别系统
技术领域
本发明涉及汽车电路管控技术领域,具体是一种基于人工智能的汽车电路故障甄别系统。
背景技术
汽车电路是指汽车内部各种电气装置之间通过电线、电缆等互相连接而成的电路系统,它包括了动力电路、照明电路、信号电路以及控制电路等,可以控制汽车的各种功能,如点火、启动、加速以及制动等,汽车电路设计需要考虑到电路中的电流、电压、功率和电阻等各种电学参数,并考虑到车辆的可靠性、安全性和节能性等方面的因素;
在汽车的使用过程中,传统方法主要依靠人员基于汽车电路的各项检测数据来判断其故障状况,判断结果准确性低,目前在通过汽车电路故障甄别系统进行汽车电路故障甄别时,无法对故障甄别端进行有效筛选并自动且合理快速地确定最适故障甄别端,不利于快速并准确甄别汽车电路故障,以及无法准确评估汽车电路的风险性状况,难以有效保证汽车电路的运行安全;
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基于人工智能的汽车电路故障甄别系统,解决了现有技术在进行汽车电路故障甄别时,无法对故障甄别端进行有效筛选并自动且合理快速地确定最适故障甄别端,不利于快速并准确甄别汽车电路故障,以及无法准确评估汽车电路的风险性状况,难以有效保证汽车电路运行安全的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于人工智能的汽车电路故障甄别系统,包括汽车电路监管平台、用户注册登录模块、数据采集打包模块、故障甄别端检测评估模块以及故障甄别端匹配模块;用户注册登录模块用于进行车主用户注册,将注册成功的用户标记为监管用户,将对应监管用户的身份信息以及汽车信息发送至汽车电路监管平台进行存储,以及用于监管用户进行登录时的身份识别验证,在监管用户身份验证无误时允许其登录以对其汽车电路进行运行监管;
数据采集打包模块用于采集对应监管用户的汽车电路的运行信息,将所采集的运行信息进行打包以形成待甄别数据包;故障甄别端检测评估模块将所有故障甄别端进行逐一评估分析,以获取到对应故障甄别端的甄别评估系数,据此以剔除异常甄别端,并将剩余处于空闲状态的故障甄别端以及对应甄别评估系数经汽车电路监管平台发送至故障甄别端匹配模块;
故障甄别端匹配模块通过分析以确定当前与对应监管用户相匹配的故障甄别端,并将其标记为目标甄别端,汽车电路数据采集打包模块将对应监管用户的待甄别数据包发送至目标甄别端;目标甄别端基于待甄别数据包并通过汽车电路故障甄别模型进行故障甄别,以识别出汽车电路中所存在的故障并确定其电路故障类型,将汽车电路故障甄别结果经汽车电路监管平台发送至对应监管用户的智能终端。
进一步的,故障甄别端检测评估模块的具体运行过程包括:
获取到所有故障甄别端,将对应故障甄别端标记为t,t={1,2,…,k},k表示故障甄别端的数量且k为大于1的自然数;采集到故障甄别端t每次接收到待甄别数据包的时刻以及完成甄别的时刻,并将其分别标记为甄别接收时刻和甄别结束时刻,将甄别结束时刻与甄别接收时刻进行时间差计算得到单次甄别时长;且采集到故障甄别端t的历史甄别总次数并标记为故障甄别频率,将所有单次甄别时长进行求和计算并取均值得到甄别效率值,将单次甄别时长超过预设单次甄别时长阈值的甄别次数标记为超时甄别频率,将超时甄别频率与故障甄别频率进行比值计算得到超时甄别系数;
以及通过甄别精准性分析获取到故障甄别端t的甄别误差系数,将故障甄别端t的甄别误差系数、超时甄别系数以及甄别效率值进行归一化计算得到甄别评估系数;将甄别评估系数与预设甄别评估系数阈值进行数值比较,若甄别评估系数超过预设故障甄别系数阈值,则将故障甄别端t标记为异常甄别端;且生成异常甄别端的运行预警信号,将运行预警信号以及对应异常甄别端经汽车电路监管平台发送至相应管理人员的智能终端。
进一步的,甄别精准性分析的具体分析过程如下:
若故障甄别端t的故障甄别结果中显示对应汽车电路中存在相应故障,则将故障甄别端t的故障甄别结果进行校验,若校验结果显示对应汽车电路中所存在的电路故障类型与故障甄别结果中所甄别出的电路故障类型相一致,则判断对应故障甄别结果为精准甄别结果,否则将对应故障甄别结果标记为失误甄别结果;
获取到历史运行过程中故障甄别端t的精准甄别结果数量和失误甄别结果数量,将失误甄别结果数量精准甄别结果数量进行比值计算得到失误甄别占比值,将失误甄别占比值与失误甄别结果数量进行数值计算得到故障甄别端t的甄别误差系数。
进一步的,故障甄别端匹配模块的具体运行过程包括:
获取到对应故障甄别端t的位置,将故障甄别端t的位置与对应监管用户的汽车位置进行距离计算得到数据传输距离值,以及通过运行检测分析获取到故障甄别端t的甄别检测系数,将故障甄别端t的数据传输距离值、甄别检测系数、故障甄别频率和甄别评估系数进行数值计算得到甄别匹配值;按照甄别匹配值的数值由小到大的顺序将相应的所有故障甄别端进行排序,将位于首位的故障甄别端标记为目标甄别端。
进一步的,运行检测分析的具体分析过程如下:
采集到故障甄别端t在历史运行过程中的实际运行总时长,并采集到故障甄别端t在历史运行过程中的异常发生频率,以及采集到检测时段故障甄别端t的网络速率,将单位时间内故障甄别端t所有检测时段的网络速率进行求和计算并取均值得到网速平均值,将单位时间内网络速率未超过预设网络速率阈值的检测时段数量标记为网速低效值;将故障甄别端t的实际运行总时长、异常发生频率、网速平均值和网速低效值进行数值计算得到甄别检测系数。
进一步的,汽车电路监管平台通信连接检修搜索推送模块,在识别出对应监管用户的汽车电路中存在相应故障并确定其电路故障类型后,汽车电路监管平台将监管用户的汽车电路中所存在的电路故障类型发送至检修搜索推送模块,检修搜索推送模块获取到对应监管用户的汽车位置并将其标记为目标点,以目标点为圆心划设半径为R1的圆,将该圆形区域标记为搜索区域;
采集到搜索区域内的汽车维修中心,将对应维修中心标记为f,f={1,2,…,j},j表示汽车维修中心数量且j为大于1的自然数;获取到汽车维修中心f的位置,将其与目标点的位置进行距离计算得到目标距离值,且采集到汽车维修中心f的汽维总时长,以及采集到针对该种电路故障类型的维修次数并标记为故障维频值,将目标距离值、汽维总时长和故障维频值进行数值计算得到搜索初分值;按照搜索初分值的数值由大到小的顺序将所有汽车维修中心进行排序,将位于前j/2的汽车维修中心标记为初步匹配对象;
采集到对应初步匹配对象针对该种电路故障类型的所有单次维修时长和单次维修价格,将所有单次维修时长进行求和计算并取均值得到维时分析值,将所有单次维修价格进行求和计算并取均值得到维价分析值;将维时分析值、维价分析值以及搜索初分值进行数值计算得到搜索匹配值,按照搜索匹配值的数值由小到大的顺序将所有初步匹配对象进行排序,将位于首位的初步匹配对象标记为汽维选中对象;将汽维选中对象以及其位置信息经汽车电路监管平台发送至对应监管用户的智能终端。
进一步的,汽车电路监管平台通信连接汽车电路风险性预警模块,汽车电路风险性预警模块将对应监管用户的汽车电路标记为目标对象i,i={1,2,…,m},m表示监管用户数量且n为大于1的自然数;且将目标对象i进行汽车电路风险性预警分析,据此以生成目标对象i的高风险预警信号或低风险预警信号,将高风险预警信号或低风险预警信号经汽车电路监管平台发送至对应监管用户的智能终端。
进一步的,风险性预警分析的具体分析过程如下:
设定风险性预警周期,采集到目标对象i在风险性预警周期内出现的所有故障并一一确定其电路故障类型,并统计每种电路故障类型的发生次数且将其标记为故障频率,将对应电路故障类型的故障频率与相应的预设故障频率阈值进行数值比较,若故障频率超过预设故障频率阈值,则将对应电路故障类型标记为高频故障类型,获取到目标对象i在风险性预警周期内的高频故障类型数量并将其标记为高频故障数表值;
以及事先设定每组电路故障类型分别对应一组故障影响值,将对应电路故障类型的故障频率与相应的故障影响值进行乘积计算得到电路故频值,将目标对象i在风险性预警周期内出现的所有电路故障类型的电路故频值进行求和计算得到电路故频和值;
将目标对象i的高频故障数表值与电路故频和值进行赋权求和计算得到电路风险性系数,将电路风险性系数与预设电路风险性系数阈值进行数值比较,若电路风险性系数超过预设电路风险性系数阈值,则生成目标对象i的高风险预警信号;若电路风险性系数未超过预设电路风险性系数阈值,则生成目标对象i的低风险预警信号。
与现有技术相比,本发明的有益效果是:
1、本发明中,通过故障甄别端检测评估模块将所有故障甄别端进行逐一评估分析,据此以识别出异常甄别端,实现对故障甄别端的初步筛选,且故障甄别端检测评估模块剔除异常甄别端,并将剩余处于空闲状态的故障甄别端以及对应甄别评估系数发送至故障甄别端匹配模块,故障甄别端匹配模块通过分析以快速且精准选定目标甄别端,有效保证汽车电路故障甄别效率和甄别结果准确度;汽车电路数据采集打包模块将对应监管用户的待甄别数据包发送至目标甄别端,目标甄别端基于待甄别数据包并通过汽车电路故障甄别模型进行故障甄别,以便对应监管用户及时掌握汽车电路的故障状况,从而保证汽车电路后续运行的安全和稳定,降低汽车运行风险;
2、本发明中,在识别出对应汽车电路的电路故障类型后,通过检修搜索推送模块进行分析以确定最适合的汽车维修中心并推送给对应监管用户,在保证检修效率的同时提升检修效果,以及通过汽车电路风险性预警模块将对应监管用户的汽车电路进行汽车电路风险性预警分析,据此以生成高风险预警信号或低风险预警信号,对应监管用户接收到高风险预警信号时重点且持续关注其汽车电路状况,并根据需要增加汽车电路维护检查频率,以进一步保证对应监管用户的驾驶安全。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明中实施例一的整体系统框图;
图2为本发明中实施例一的部分系统框图;
图3为本发明中实施例二的系统框图。
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。
实施例一:如图1-2所示,本发明提出的一种基于人工智能的汽车电路故障甄别系统,包括汽车电路监管平台、用户注册登录模块、数据采集打包模块、故障甄别端检测评估模块以及故障甄别端匹配模块;用户注册登录模块用于进行车主用户注册,将注册成功的用户标记为监管用户,将对应监管用户的身份信息以及汽车信息发送至汽车电路监管平台进行存储,以及用于监管用户进行登录时的身份识别验证,身份识别验证方式包括手机校验码验证、指纹验证和密码验证等;在监管用户身份验证无误时允许其登录,以对其汽车电路进行运行监管;
数据采集打包模块用于采集对应监管用户的汽车电路的运行信息(包括汽车电路的电流数据、电压数据、电阻数据、温度数据和电路异常噪音数据等),将所采集的运行信息进行打包以形成待甄别数据包;故障甄别端检测评估模块将所有故障甄别端进行逐一评估分析,以获取到对应故障甄别端的甄别评估系数,据此以剔除异常甄别端,实现对故障甄别端的初步筛选,以便后续快速准确选定最适合当次汽车电路故障甄别操作的故障甄别端;故障甄别端检测评估模块的具体运行过程如下:
获取到所有故障甄别端,将对应故障甄别端标记为t,t={1,2,…,k},k表示故障甄别端的数量且k为大于1的自然数;采集到故障甄别端t每次接收到待甄别数据包的时刻以及完成甄别的时刻,并将其分别标记为甄别接收时刻和甄别结束时刻,将甄别结束时刻与甄别接收时刻进行时间差计算得到单次甄别时长;需要说明的是,单次甄别时长的数值越大,则表明对应故障甄别过程的甄别效率越低;
且采集到故障甄别端t的历史甄别总次数并标记为故障甄别频率,将所有单次甄别时长进行求和计算并取均值得到甄别效率值,将单次甄别时长超过预设单次甄别时长阈值的甄别次数标记为超时甄别频率,将超时甄别频率与故障甄别频率进行比值计算得到超时甄别系数;
以及通过甄别精准性分析获取到故障甄别端t的甄别误差系数,甄别精准性分析具体为:若故障甄别端t的故障甄别结果中显示对应汽车电路中存在相应故障,则将故障甄别端t的故障甄别结果进行校验,若校验结果显示对应汽车电路中所存在的电路故障类型与故障甄别结果中所甄别出的电路故障类型相一致,则判断对应故障甄别结果为精准甄别结果,否则将对应故障甄别结果标记为失误甄别结果;
获取到历史运行过程中故障甄别端t的精准甄别结果数量和失误甄别结果数量,将失误甄别结果数量精准甄别结果数量进行比值计算得到失误甄别占比值,通过公式ZWt=eq1*SWt+eq2*SQt将失误甄别占比值SWt与失误甄别结果数量SQt进行数值计算得到故障甄别端t的甄别误差系数ZWt;其中,eq1、eq2为预设权重系数,eq1>eq2>0;并且,甄别误差系数ZWt的数值越大,则表明故障甄别端t的甄别精准性越差;
通过公式ZPt=rq1*ZWt+rq2*CZt+rq3*ZXt将故障甄别端t的甄别误差系数ZWt、超时甄别系数CZt以及甄别效率值ZXt进行归一化计算得到甄别评估系数ZPt;其中,rq1、rq2、rq3为预设权重系数,rq2>rq1>rq3>0;并且,甄别评估系数ZPt的数值越大,表明故障甄别端t的运行性能越差;将甄别评估系数ZPt与预设甄别评估系数阈值进行数值比较,若甄别评估系数ZPt超过预设故障甄别系数阈值,则将故障甄别端t标记为异常甄别端。
进一步而言,在识别出异常甄别端时,生成对应异常甄别端的运行预警信号,将运行预警信号以及对应异常甄别端经汽车电路监管平台发送至相应管理人员的智能终端,相应管理人员接收到运行预警信号时,应当及时进行原因调查追溯,确定相应的优化改善措施,将对应异常甄别端进行全面检查和维护检修,以提升相应异常甄别端的操作性能和运行效率,保证其后续甄别操作的顺利稳定进行。
故障甄别端检测评估模块在剔除异常甄别端后,将剩余处于空闲状态的故障甄别端以及对应甄别评估系数经汽车电路监管平台发送至故障甄别端匹配模块,故障甄别端匹配模块通过分析以确定当前与对应监管用户相匹配的故障甄别端,并将其标记为目标甄别端,能够快速且精准选定目标甄别端,有效保证汽车电路故障甄别效率和甄别结果准确度,智能化程度高;故障甄别端匹配模块的具体运行过程如下:
获取到对应故障甄别端t的位置,将故障甄别端t的位置与对应监管用户的汽车位置进行距离计算得到数据传输距离值,以及通过运行检测分析获取到故障甄别端t的甄别检测系数,运行检测分析过程具体为:采集到故障甄别端t在历史运行过程中的实际运行总时长,并采集到故障甄别端t在历史运行过程中的异常发生频率,其中,异常发生频率是指故障甄别端t在单位时间内出现异常次数多少的数据量值;
以及采集到检测时段故障甄别端t的网络速率,其中,网络速率是表示检测时段故障甄别端t网络上传速率和网络下载速率两者均值大小的数据量值,网络速率的数值越大,表明检测时段故障甄别端t的网络运行状况越好;将单位时间内故障甄别端t所有检测时段的网络速率进行求和计算并取均值得到网速平均值,将单位时间内网络速率未超过预设网络速率阈值的检测时段数量标记为网速低效值;
通过公式ZFt=(hu1*SYt+hu2*YFt+hu4*WDt)/(hu3*WPt+hu4)将故障甄别端t的实际运行总时长SYt、异常发生频率YFt、网速平均值WPt和网速低效值WDt进行数值计算得到甄别检测系数ZFt;其中,hu1、hu2、h3、hu4为预设比例系数,hu1、hu2、h3、hu4的取值均大于零;并且,甄别检测系数ZFt的数值越大,表明故障甄别端t的运行状况越差;
通过公式将故障甄别端t的数据传输距离值GRt、甄别检测系数ZFt、故障甄别频率ZBt和甄别评估系数ZPt进行数值计算得到甄别匹配值PRt;其中,es1、es2、es3、es4为预设比例系数,es1、es2、es3、es4的取值均大于零;并且,甄别匹配值PRt的数值越大,表明故障甄别端t越不适合进行当前对应汽车电路的故障甄别操作;按照甄别匹配值的数值由小到大的顺序将相应的所有故障甄别端进行排序,将位于首位的故障甄别端标记为目标甄别端。
汽车电路数据采集打包模块将对应监管用户的待甄别数据包发送至目标甄别端,目标甄别端基于待甄别数据包并通过汽车电路故障甄别模型进行故障甄别,以识别出汽车电路中所存在的故障并确定其电路故障类型,将汽车电路故障甄别结果经汽车电路监管平台发送至对应监管用户的智能终端,以便对应监管用户及时掌握汽车电路的故障状况,从而能够及时作出相应改善措施,以保证汽车电路后续运行的安全和稳定,降低汽车运行风险。
进一步而言,汽车电路监管平台通信连接检修搜索推送模块,在识别出对应监管用户的汽车电路中存在相应故障并确定其电路故障类型后,汽车电路监管平台将监管用户的汽车电路中所存在的电路故障类型发送至检修搜索推送模块,检修搜索推送模块获取到对应监管用户的汽车位置并将其标记为目标点,以目标点为圆心划设半径为R1的圆,将该圆形区域标记为搜索区域,优选的,R1为十二公里;
采集到搜索区域内的汽车维修中心,将对应维修中心标记为f,f={1,2,…,j},j表示汽车维修中心数量且j为大于1的自然数;获取到汽车维修中心f的位置,将其与目标点的位置进行距离计算得到目标距离值,且采集到汽车维修中心f的汽维总时长,其中,汽维总时长是表示该汽车维修中心f的营业总时长大小的数据量值;以及采集到汽车维修中心f针对该种电路故障类型的维修次数并标记为故障维频值;
通过公式STf=(ed2*QWf+ed3*WHf)/(ed1*MJf+1.267)将目标距离值MJf、汽维总时长QWf和故障维频值WHf进行数值计算得到搜索初分值STf;其中,ed1、ed2、ed3为预设比例系数,ed1、ed2、ed3的取值均大于零;并且,搜索初分值STf的数值越大,则初步判定汽车维修中心f越适合进行对应监管用户的汽车电路维修;按照搜索初分值的数值由大到小的顺序将所有汽车维修中心进行排序,将位于前j/2的汽车维修中心标记为初步匹配对象;
采集到对应初步匹配对象针对该种电路故障类型的所有单次维修时长和单次维修价格,将所有单次维修时长进行求和计算并取均值得到维时分析值,将所有单次维修价格进行求和计算并取均值得到维价分析值;通过公式YGf=(eg1*PDf+eg2*PJf)/(eg3*STf+1)将维时分析值PDf、维价分析值PJf以及搜索初分值STf进行数值计算得到搜索匹配值YGf,其中,eg1、eg2、eg3为预设比例系数,eg1、eg2、eg3的取值均大于零;并且,搜索匹配值YGf的数值越小,表明对应初步匹配对象越适合进行对应监管用户的汽车电路维修;
按照搜索匹配值的数值由小到大的顺序将所有初步匹配对象进行排序,将位于首位的初步匹配对象标记为汽维选中对象;将汽维选中对象以及其位置信息经汽车电路监管平台发送至对应监管用户的智能终端,以便对应监管用户能够快速前去最适合的汽车维修中心进行汽车电路维修检查,智能化程度高,在保证检修效率的同时还能够保证检修效果。
实施例二:如图3所示,本实施例与实施例1的区别在于,汽车电路监管平台通信连接汽车电路风险性预警模块,汽车电路风险性预警模块将对应监管用户的汽车电路标记为目标对象i,i={1,2,…,m},m表示监管用户数量且n为大于1的自然数;且将目标对象i进行汽车电路风险性预警分析,据此以生成目标对象i的高风险预警信号或低风险预警信号,将高风险预警信号或低风险预警信号经汽车电路监管平台发送至对应监管用户的智能终端,对应监管用户接收到高风险预警信号时应重点且持续关注其汽车电路状况,并根据需要增加汽车电路维护检查频率,以保证对应监管用户的驾驶安全;风险性预警分析的具体分析过程如下:
设定风险性预警周期,优选的,风险性预警周期为三个月;采集到目标对象i在风险性预警周期内出现的所有故障并一一确定其电路故障类型,并统计每种电路故障类型的发生次数且将其标记为故障频率,将对应电路故障类型的故障频率与相应的预设故障频率阈值进行数值比较,若故障频率超过对应的预设故障频率阈值,则将对应电路故障类型标记为高频故障类型,获取到目标对象i在风险性预警周期内的高频故障类型数量并将其标记为高频故障数表值;
以及事先设定每组电路故障类型分别对应一组故障影响值,需要说明的是,故障影响值的取值均大于零,故障影响值由管理人员预先录入并存储至汽车电路监管平台;并且,对应电路故障类型所带来的安全隐患越大,则与其相对应的故障影响值的数值越大;将对应电路故障类型的故障频率与相应的故障影响值进行乘积计算得到电路故频值,将目标对象i在风险性预警周期内出现的所有电路故障类型的电路故频值进行求和计算得到电路故频和值;
通过公式LFi=a1*GPi+a2*GHi将目标对象i的高频故障数表值GPi与电路故频和值GHi进行赋权求和计算得到电路风险性系数LFi,其中,a1、a2为预设权重系数,a1>a2>0;并且,电路风险性系数LFi的数值越大,表明风险性预警周期内队对应汽车电路的运行表现越差,存在的安全隐患越大;将电路风险性系数与预设电路风险性系数阈值进行数值比较,若电路风险性系数超过预设电路风险性系数阈值,表明对应汽车电路的运行风险较大,则生成目标对象i的高风险预警信号;若电路风险性系数未超过预设电路风险性系数阈值,表明对应汽车电路的运行风险较小,则生成目标对象i的低风险预警信号。
本发明的工作原理:使用时,通过故障甄别端检测评估模块将所有故障甄别端进行逐一评估分析,以获取到对应故障甄别端的甄别评估系数,据此以识别出异常甄别端,实现对故障甄别端的初步筛选;故障甄别端检测评估模块剔除异常甄别端,并将剩余处于空闲状态的故障甄别端以及对应甄别评估系数经汽车电路监管平台发送至故障甄别端匹配模块,故障甄别端匹配模块通过分析以确定当前与对应监管用户相匹配的目标甄别端,能够快速且精准选定目标甄别端,有效保证汽车电路故障甄别效率和甄别结果准确度;汽车电路数据采集打包模块将对应监管用户的待甄别数据包发送至目标甄别端,目标甄别端基于待甄别数据包并通过汽车电路故障甄别模型进行故障甄别,将汽车电路故障甄别结果发送至对应监管用户的智能终端,以便对应监管用户及时掌握汽车电路的故障状况,以保证汽车电路后续运行的安全和稳定,降低汽车运行风险;且在识别出对应汽车电路的电路故障类型后,通过检修搜索推送模块进行分析以确定最适合的汽车维修中心并推送给对应监管用户,在保证检修效率的同时提升检修效果。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (2)

1.一种基于人工智能的汽车电路故障甄别系统,其特征在于,包括汽车电路监管平台、用户注册登录模块、数据采集打包模块、故障甄别端检测评估模块以及故障甄别端匹配模块;用户注册登录模块用于进行车主用户注册,将注册成功的用户标记为监管用户,将对应监管用户的身份信息以及汽车信息发送至汽车电路监管平台进行存储,以及用于监管用户进行登录时的身份识别验证,在监管用户身份验证无误时允许其登录以对其汽车电路进行运行监管;
数据采集打包模块用于采集对应监管用户的汽车电路的运行信息,将所采集的运行信息进行打包以形成待甄别数据包;故障甄别端检测评估模块将所有故障甄别端进行逐一评估分析,以获取到对应故障甄别端的甄别评估系数,据此以剔除异常甄别端,并将剩余处于空闲状态的故障甄别端以及对应甄别评估系数经汽车电路监管平台发送至故障甄别端匹配模块;
故障甄别端匹配模块通过分析以确定当前与对应监管用户相匹配的故障甄别端,并将其标记为目标甄别端,汽车电路数据采集打包模块将对应监管用户的待甄别数据包发送至目标甄别端;目标甄别端基于待甄别数据包并通过汽车电路故障甄别模型进行故障甄别,以识别出汽车电路中所存在的故障并确定其电路故障类型,将汽车电路故障甄别结果经汽车电路监管平台发送至对应监管用户的智能终端;
故障甄别端检测评估模块的具体运行过程包括:
获取到所有故障甄别端,将对应故障甄别端标记为t,t={1,2,…,k},k表示故障甄别端的数量且k为大于1的自然数;采集到故障甄别端t每次接收到待甄别数据包的时刻以及完成甄别的时刻,并将其分别标记为甄别接收时刻和甄别结束时刻,将甄别结束时刻与甄别接收时刻进行时间差计算得到单次甄别时长;且采集到故障甄别端t的历史甄别总次数并标记为故障甄别频率,将所有单次甄别时长进行求和计算并取均值得到甄别效率值,将单次甄别时长超过预设单次甄别时长阈值的甄别次数标记为超时甄别频率,将超时甄别频率与故障甄别频率进行比值计算得到超时甄别系数;
以及通过甄别精准性分析获取到故障甄别端t的甄别误差系数,将故障甄别端t的甄别误差系数、超时甄别系数以及甄别效率值进行归一化计算得到甄别评估系数;若甄别评估系数超过预设故障甄别系数阈值,则将故障甄别端t标记为异常甄别端;且生成异常甄别端的运行预警信号,将运行预警信号以及对应异常甄别端经汽车电路监管平台发送至相应管理人员的智能终端;
甄别精准性分析的具体分析过程如下:
若故障甄别端t的故障甄别结果中显示对应汽车电路中存在相应故障,则将故障甄别端t的故障甄别结果进行校验,若校验结果显示对应汽车电路中所存在的电路故障类型与故障甄别结果中所甄别出的电路故障类型相一致,则判断对应故障甄别结果为精准甄别结果,否则将对应故障甄别结果标记为失误甄别结果;
获取到历史运行过程中故障甄别端t的精准甄别结果数量和失误甄别结果数量,将失误甄别结果数量精准甄别结果数量进行比值计算得到失误甄别占比值,将失误甄别占比值与失误甄别结果数量进行数值计算得到故障甄别端t的甄别误差系数;
故障甄别端匹配模块的具体运行过程包括:
获取到对应故障甄别端t的位置,将故障甄别端t的位置与对应监管用户的汽车位置进行距离计算得到数据传输距离值,以及通过运行检测分析获取到故障甄别端t的甄别检测系数,将故障甄别端t的数据传输距离值、甄别检测系数、故障甄别频率和甄别评估系数进行数值计算得到甄别匹配值;按照甄别匹配值的数值由小到大的顺序将相应的所有故障甄别端进行排序,将位于首位的故障甄别端标记为目标甄别端;
运行检测分析的具体分析过程如下:
采集到故障甄别端t在历史运行过程中的实际运行总时长,并采集到故障甄别端t在历史运行过程中的异常发生频率,以及采集到检测时段故障甄别端t的网络速率,将单位时间内故障甄别端t所有检测时段的网络速率进行求和计算并取均值得到网速平均值,将单位时间内网络速率未超过预设网络速率阈值的检测时段数量标记为网速低效值;将故障甄别端t的实际运行总时长、异常发生频率、网速平均值和网速低效值进行数值计算得到甄别检测系数;
汽车电路监管平台通信连接汽车电路风险性预警模块,汽车电路风险性预警模块将对应监管用户的汽车电路标记为目标对象i,i={1,2,…,m},m表示监管用户数量且n为大于1的自然数;且将目标对象i进行汽车电路风险性预警分析,据此以生成目标对象i的高风险预警信号或低风险预警信号,将高风险预警信号或低风险预警信号经汽车电路监管平台发送至对应监管用户的智能终端;
风险性预警分析的具体分析过程如下:
设定风险性预警周期,采集到目标对象i在风险性预警周期内出现的所有故障并一一确定其电路故障类型,并统计每种电路故障类型的发生次数且将其标记为故障频率,将对应电路故障类型的故障频率与相应的预设故障频率阈值进行数值比较,若故障频率超过预设故障频率阈值,则将对应电路故障类型标记为高频故障类型,获取到目标对象i在风险性预警周期内的高频故障类型数量并将其标记为高频故障数表值;
以及事先设定每组电路故障类型分别对应一组故障影响值,将对应电路故障类型的故障频率与相应的故障影响值进行乘积计算得到电路故频值,将目标对象i在风险性预警周期内出现的所有电路故障类型的电路故频值进行求和计算得到电路故频和值;
将目标对象i的高频故障数表值与电路故频和值进行赋权求和计算得到电路风险性系数,若电路风险性系数超过预设电路风险性系数阈值,则生成目标对象i的高风险预警信号;若电路风险性系数未超过预设电路风险性系数阈值,则生成目标对象i的低风险预警信号。
2.根据权利要求1所述的一种基于人工智能的汽车电路故障甄别系统,其特征在于,汽车电路监管平台通信连接检修搜索推送模块,在识别出对应监管用户的汽车电路中存在相应故障并确定其电路故障类型后,汽车电路监管平台将监管用户的汽车电路中所存在的电路故障类型发送至检修搜索推送模块,检修搜索推送模块获取到对应监管用户的汽车位置并将其标记为目标点,以目标点为圆心划设半径为R1的圆,将该圆形区域标记为搜索区域;
采集到搜索区域内的汽车维修中心,将对应维修中心标记为f,f={1,2,…,j},j表示汽车维修中心数量且j为大于1的自然数;获取到汽车维修中心f的位置,将其与目标点的位置进行距离计算得到目标距离值,且采集到汽车维修中心f的汽维总时长,以及采集到针对该种电路故障类型的维修次数并标记为故障维频值,将目标距离值、汽维总时长和故障维频值进行数值计算得到搜索初分值;按照搜索初分值的数值由大到小的顺序将所有汽车维修中心进行排序,将位于前j/2的汽车维修中心标记为初步匹配对象;
采集到对应初步匹配对象针对该种电路故障类型的所有单次维修时长和单次维修价格,将所有单次维修时长进行求和计算并取均值得到维时分析值,将所有单次维修价格进行求和计算并取均值得到维价分析值;将维时分析值、维价分析值以及搜索初分值进行数值计算得到搜索匹配值,按照搜索匹配值的数值由小到大的顺序将所有初步匹配对象进行排序,将位于首位的初步匹配对象标记为汽维选中对象;将汽维选中对象以及其位置信息经汽车电路监管平台发送至对应监管用户的智能终端。
CN202311399638.2A 2023-10-26 2023-10-26 一种基于人工智能的汽车电路故障甄别系统 Active CN117130353B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311399638.2A CN117130353B (zh) 2023-10-26 2023-10-26 一种基于人工智能的汽车电路故障甄别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311399638.2A CN117130353B (zh) 2023-10-26 2023-10-26 一种基于人工智能的汽车电路故障甄别系统

Publications (2)

Publication Number Publication Date
CN117130353A CN117130353A (zh) 2023-11-28
CN117130353B true CN117130353B (zh) 2024-01-02

Family

ID=88860412

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311399638.2A Active CN117130353B (zh) 2023-10-26 2023-10-26 一种基于人工智能的汽车电路故障甄别系统

Country Status (1)

Country Link
CN (1) CN117130353B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327344A (zh) * 2016-08-28 2017-01-11 华南理工大学 一种基于车联网的车辆故障在线检测预警装置和方法
CN108469802A (zh) * 2018-01-31 2018-08-31 武汉华威专用汽车检测有限责任公司 一种车辆信息远程监控与故障诊断系统
CN109102206A (zh) * 2018-08-31 2018-12-28 深圳市轱辘汽车维修技术有限公司 一种汽车维修厂的评价方法及相关设备
CN110569383A (zh) * 2019-07-26 2019-12-13 平安科技(深圳)有限公司 店铺信息处理方法、装置、存储介质及计算机设备
CN113159336A (zh) * 2021-04-02 2021-07-23 赵雪聪 一种汽车智能维修保养系统
CN115034409A (zh) * 2022-05-31 2022-09-09 中国第一汽车股份有限公司 车辆维修方案确定方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106327344A (zh) * 2016-08-28 2017-01-11 华南理工大学 一种基于车联网的车辆故障在线检测预警装置和方法
CN108469802A (zh) * 2018-01-31 2018-08-31 武汉华威专用汽车检测有限责任公司 一种车辆信息远程监控与故障诊断系统
CN109102206A (zh) * 2018-08-31 2018-12-28 深圳市轱辘汽车维修技术有限公司 一种汽车维修厂的评价方法及相关设备
CN110569383A (zh) * 2019-07-26 2019-12-13 平安科技(深圳)有限公司 店铺信息处理方法、装置、存储介质及计算机设备
CN113159336A (zh) * 2021-04-02 2021-07-23 赵雪聪 一种汽车智能维修保养系统
CN115034409A (zh) * 2022-05-31 2022-09-09 中国第一汽车股份有限公司 车辆维修方案确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN117130353A (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
CN112505549B (zh) 基于孤立森林算法的新能源汽车电池异常检测方法
CN115170000B (zh) 一种基于电能表通信模块的远程监测方法及系统
CN108520357A (zh) 一种线损异常原因的判别方法、装置及服务器
CN112990656A (zh) 一种it设备监测数据的健康评价系统及健康评价方法
CN108435819B (zh) 一种铝型材挤压机能耗异常检测方法
CN115638875B (zh) 基于图谱分析的电厂设备故障诊断方法及系统
CN113554361B (zh) 一种综合能源系统数据处理计算方法及处理系统
CN112734977B (zh) 一种基于物联网的设备风险预警系统及算法
CN109857782A (zh) 一种测井数据采集处理系统
CN114169424A (zh) 基于k近邻回归算法和用电数据的排污量预测方法
CN113109666A (zh) 一种基于深度卷积神经网络的轨道电路故障诊断方法
CN113641667B (zh) 一种分布式大数据采集平台的数据异常监控系统及方法
CN113887749A (zh) 基于云边协同的电力物联网多维度监控处置方法、设备及平台
CN108613820A (zh) 一种用于gis本体机械缺陷诊断和定位的在线异声监测算法
CN118245264A (zh) 服务器故障处理方法、装置、电子设备及介质
CN113743725B (zh) 基于边缘计算的登高作业人员的登高资质检测方法及系统
CN117130353B (zh) 一种基于人工智能的汽车电路故障甄别系统
CN117200449B (zh) 一种基于多维算法分析的电网监测管理方法及系统
CN116070669B (zh) 一种基于改进深度置信网络的车间能耗预测方法与管理系统
CN114936614B (zh) 一种基于神经网络的作业风险识别方法及系统
CN113591909B (zh) 电力系统的异常检测方法、异常检测装置以及存储介质
CN114167837B (zh) 一种铁路信号系统的智能故障诊断方法及系统
CN101464224B (zh) 气压沉箱设备性能检测系统
CN112699609B (zh) 一种基于振动数据的柴油机可靠性模型构建方法
CN114912642A (zh) 一种基于互联网的人工智能机器人故障预测系统

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