CN117708098A - 电池故障诊断方法、装置、电子设备和存储介质 - Google Patents
电池故障诊断方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117708098A CN117708098A CN202410161013.0A CN202410161013A CN117708098A CN 117708098 A CN117708098 A CN 117708098A CN 202410161013 A CN202410161013 A CN 202410161013A CN 117708098 A CN117708098 A CN 117708098A
- Authority
- CN
- China
- Prior art keywords
- fault
- data
- event
- diagnosis
- events
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012790 confirmation Methods 0.000 claims abstract description 80
- 239000012634 fragment Substances 0.000 claims abstract description 38
- 238000013024 troubleshooting Methods 0.000 claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 14
- 230000004931 aggregating effect Effects 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims description 20
- 238000011217 control strategy Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000011835 investigation Methods 0.000 description 10
- 230000008901 benefit Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical class [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000001787 dendrite Anatomy 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Landscapes
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本申请涉及电池诊断技术领域，具体提供一种电池故障诊断方法、装置、电子设备和存储介质，其中，电池故障诊断方法包括:对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段；基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同；筛选出第一事件表中不满足预设条件的事件，得到第二事件表；基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点；基于基础表获取故障点的快照数据；当接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。本申请能够提高电池故障诊断的效率和准确度。
Description
技术领域
本申请涉及电池诊断领域，具体而言，涉及一种电池故障诊断方法、装置、电子设备和存储介质。
背景技术
近年来，随着政策利好与技术持续发展进步，新能源汽车市场不断扩张进入增量时代，用户保有量激增的同时社会热度持续升温，发展态势稳中向好。在当下的电动汽车市场中，以磷酸铁锂、三元锂为代表的一系列锂离子电池成为主流选择。然而，在电动汽车实际营运环境中，常伴随着诸如电池温差过大、过压欠压、热失控乃至起火等一系列故障。这些故障通常由电池内部老化（枝晶生长、SEI膜生成）、外部环境诱因（气温过高、电池底部撞击）等多方面因素引起，在主机厂通常会在车端BMS系统中设置有诊断功能，从而对故障进行实时判断，进一步地，当故障发生后，车主或者4S店会反馈故障至主机厂相关质保部门，进而从数据库中抓取历史数据进行故障确认乃至后续的真因锁定。在实际操作中，经常会遇到数据库堵塞、数据反复抓取、数据表字段反复确认、复杂故障确认耗时耗力、真因确定困难等一系列问题。
发明内容
本申请实施例的目的在于提供一种电池故障诊断方法、装置、电子设备和存储介质，用以提高电池故障诊断的效率和准确度。
第一方面，本发明提供一种电池故障诊断方法，所述方法应用于云端，所述云端部署有孪生诊断策略，所述孪生诊断策略基于电池管理系统故障诊断模型得到，所述方法包括：
对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段；
基于目标统计项聚合所述数据片段以得到事件，并基于所述事件生成第一事件表，其中，所述事件的数量与所述数据片段的数量相同；
筛选出所述第一事件表中不满足预设条件的事件，得到第二事件表；
基于所述基础表、所述第二事件表和所述孪生诊断策略生成故障确认表，其中，所述故障确认表包括若干个故障点；
基于所述基础表获取所述故障点的快照数据；
当接收到故障排查请求时，基于所述故障排查请求携带的目标故障点名称查询所述目标故障点的快照数据。
本申请能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
在可选的实施方式中，所述对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，包括：
基于电池管理系统上电标识、电池管理系统下电标识对基础表记录的车辆日常运行数据进行划分处理，以形成若干个所述数据片段。
本可选的实施方式可基于电池管理系统上电标识、电池管理系统下电标识对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段。
在可选的实施方式中，所述对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，包括：
按照预设的时间间隔对基础表记录的车辆日常运行数据进行划分处理，以形成若干个所述数据片段。
本可选的实施方式可按照预设的时间间隔对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段。
在可选的实施方式中，所述目标统计项包括车架号、开始时间、结束时间、最大总电压、最小总电压、最大总电流、最小总电流。
本可续的实施方式可基于车架号、开始时间、结束时间、最大总电压、最小总电压、最大总电流、最小总电流这些统计项聚合数据片段。
在可选的实施方式中，在所述基于所述事件生成第一事件表之后，所述筛选出所述第一事件表中不满足预设条件的事件之前，所述方法还包括：
获取缓存存储的事件，并将所述缓存存储的事件与所述第一事件表中的第一条事件拼接，其中，所述缓存存储的事件为前一天的事件表中的最后一件事件。
本可选的实施方式可获取缓存存储的事件，并将所述缓存存储的事件与所述第一事件表中的第一条事件拼接，其中，所述缓存存储的事件为前一天的事件表中的最后一件事件，这样一来，可确保第一事件表中的第一条事件的完整性，从而能够基于完整的第一条事件准确作出诊断。
在可选的实施方式中，所述方法还包括：
将所述第一事件表中的最后一件事件存储于所述缓存中。
本可选的实施方式通过将第一事件表中的最后一件事件存储于缓存中，可便于将缓存存储的事件与第一事件表中的第一条事件拼接。
在可选的实施方式中，在所述基于所述基础表、所述第二事件表和所述孪生诊断策略生成故障确认表之后，所述方法还包括：
获取车端故障列表；
基于所述车端故障列表和所述故障确认表确定所述故障点的可信度等级，其中，当所述故障点同时出现在所述车端故障列表和所述故障确认表时，所述故障点的可信度等级为第二等级，当所述故障点仅出现在所述故障确认表时，所述故障点的可信度等级为第一等级，所述第二等级高于所述第一等级。
本可选的实施方式通过获取车端故障列表，进而能够基于车端故障列表和故障确认表确定故障点的可信度等级，其中，当故障点同时出现在车端故障列表和故障确认表时，故障点的可信度等级为第二等级，当故障点仅出现在故障确认表时，故障点的可信度等级为第一等级，第二等级高于第一等级，这样一来，可便于用户快速直观确定故障诊断的可信度。
在可选的实施方式中，所述基于所述基础表获取所述故障点的快照数据，包括：
基于所述基础表获取所述故障点的持续时间附近的数据，并作为所述故障点的快照数据。
本可选的实施方式能够基于所述基础表获取所述故障点的持续时间附近的数据，并作为所述故障点的快照数据。
在可选的实施方式中，所述故障点的持续时间附近的数据包括故障点发生时间点前5分钟的数据和故障点结束时间点后20分钟的数据。
在可选的实施方式中，在所述基于所述基础表获取所述故障点的快照数据之后，所述方法还包括：
获取关键字段，将所述关键字段与所述故障点的快照数据关联，其中，所述关键字段包括第一字段和第二字段，所述第一字段表示故障点的故障真因，所述第二字段表示故障触发控制策略涉及的字段。
本可选的实施方式通过获取关键字段，进而能够将所述关键字段与所述故障点的快照数据关联，其中，所述关键字段包括第一字段和第二字段，所述第一字段表示故障点的故障真因，所述第二字段表示故障触发控制策略涉及的字段，这样一来，便于用户通过快照数据关联的字段快速确定故障点的故障真因。
第二方面，本发明提供一种电池故障诊断装置，所述装置应用于云端，所述云端部署有孪生诊断策略，所述孪生诊断策略基于电池管理系统故障诊断模型得到，所述装置包括：
数据切分模块，用于对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段；
聚合模块，用于基于目标统计项聚合所述数据片段以得到事件，并基于所述事件生成第一事件表，其中，所述事件的数量与所述数据片段的数量相同；
筛选模块，用于筛选出所述第一事件表中不满足预设条件的事件，得到第二事件表；
故障诊断模块，用于基于所述基础表、所述第二事件表和所述孪生诊断策略生成故障确认表，其中，所述故障确认表包括若干个故障点；
获取模块，用于基于所述基础表获取所述故障点的快照数据；
查询模块，用于当接收到故障排查请求时，基于所述故障排查请求携带的目标故障点名称查询所述目标故障点的快照数据。
本申请的装置通过电池故障诊断方法，能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
第三方面，本发明提供一种电子设备，包括：
处理器；以及
存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，执行如前述实施方式任一项所述的电池故障诊断方法。
本申请的电子设备通过电池故障诊断方法，能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
第四方面，本发明提供一种存储介质，所述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如前述实施方式任一项所述的电池故障诊断方法。
本申请的存储介质通过电池故障诊断方法，能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本申请实施例公开的一种电池故障诊断方法的流程示意图；
图2是本申请实施例公开的一种电池故障诊断装置的结构示意图；
图3是本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
实施例一
请参阅图1，图1是本申请实施例公开的一种电池故障诊断方法的流程示意图，该方法应用于云端，云端部署有孪生诊断策略，孪生诊断策略基于电池管理系统故障诊断模型得到。如图1所示，本申请实施例的方法包括以下步骤：
101、对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段；
102、基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同；
103、筛选出第一事件表中不满足预设条件的事件，得到第二事件表；
104、基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点；
105、基于基础表获取故障点的快照数据；
106、当接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。
本申请实施例能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
在本申请实施例中，作为一种示例，假设基础表记录的车辆日常运行数据有1000条，对于现有技术而言，其在接收到故障确认请求后，需要依据故障确认请求遍历1000条数据，这容易造成数据库堵塞，另一方面，如果需要返回故障的相关信息，则还需要重复遍历1000条，进而导致数据反复抓取、数据表字段反复确认，最终导致了故障针对效率低，且容易出现诊断出错。然而，对于本申请实施例而言，本申请实施例能够先基于1000条数据自动完成故障诊断并生成故障点的快照数据，进而当接收到请求后，无需遍历1000条数据，而是可基于故障确认表直接确认故障，且可直接返回故障点的快照数据，因此与现有技术相比，其数据操作量少，可更加快速地完成故障确认和返回故障点的相关信息，此外，还可降低数据读取出错，进而提高故障确认、故障点的相关信息的准确度。
在本申请实施例中，电池管理系统故障诊断模型可以包括多个子故障诊断模型，例如，电池管理系统故障诊断模型可以包括电压故障诊断模块、电流故障诊断模型。基于此，进一步地，部署在云端的孪生诊断策略可以是指某个子故障诊断模型所采用的诊断策略，例如，可以是电压故障诊断模块所采用的诊断策略。进一步地，孪生诊断策略可以基于Pyspark代码形式部署在云端。
在本申请实施例中，云端是指相对于车端而言定义的一种远程服务器，其中，车端可通过无线通信网络与云端通信，进而实现数据交互。
在本申请实施例中，针对步骤101，车辆日常运行数据基于固定采集频率生成，例如，以每秒2一次的采集频率生成，其可由车端上传。
在本申请实施例中，针对步骤101，基础表记录了车端上传的所有车辆日常运行数据，因此其具有数据量大的特点。
在本申请实施例中，针对步骤101，形成若干数据片段是指形成一个数据片段或者两个及两个以上的数据片段，当然，作为一种优选的实施方式，本申请实施例优选两个及两个以上的数据片段，例如，将1000条车辆日常运行数据换分为100个数据片段。
在本申请实施例中，针对步骤102，基于目标统计项聚合数据片段是指以目标统计项为统计指标，统计数据片段内多条车辆日常运行数据，例如，当一个数据片段包括10条车辆日常运行数据时，则统计10条车辆日常运行数据中的最低电压。
在本申请实施例中，针对步骤102，每个数据片段的统计结果可视为一个事件，即事件的数量与数据片段的数量相同。另一方面，若干个事件形成事件列表。
在本申请实施中，针对步骤103，不满足预设条件的事件是指不存在故障点的事件，例如，当事件反映数据片段的最低电压为3V时，则该事件为不满足预设条件的事件，其中，通常情况下，只有当事件反映数据片段的最低电压低于2.8V时，才能说明数据片段内存在故障点，由此可知，通过筛选出第一事件表中不满足预设条件的事件，可降低故障诊断的准入数据量，从而能够降低相关计算量。
在本申请实施例中，针对步骤105，故障点的快照数据便于快速复查故障点的主要相关数据。
在本申请实施例中，针对步骤106，故障排查请求可以携带目标故障点名称或者目标故障点的日期、目标故障点的ID等信息，本申请实施例对此不作限定。
在可选的实施方式中，对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段这一步骤，包括以下子步骤：
基于电池管理系统上电标识、电池管理系统下电标识对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段。
本可选的实施方式可基于电池管理系统上电标识、电池管理系统下电标识对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段。
针对上述可选的实施方式，电池管理系统在上电时，可产生一个上电标识，其中，该上电标识关联上电时间，另一方面，电池管理系统在下电时，产生一个下电标识，该下电标识管理下电时间，这样一来，可将上电时间与下电时间之间产生的车辆日常运行数据作为一个数据片段。
在可选的实施方式中，对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段这一步骤，包括以下子步骤：
按照预设的时间间隔对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段。
本可选的实施方式可按照预设的时间间隔对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段。
针对上述可选的实施方式，预设的时间间隔可以是5分钟，也可以10分钟，本申请实施例对其具体数值不作限定。
在可选的实施方式中，目标统计项包括车架号、开始时间、结束时间、最大总电压、最小总电压、最大总电流、最小总电流。
本可续的实施方式可基于车架号、开始时间、结束时间、最大总电压、最小总电压、最大总电流、最小总电流这些统计项聚合数据片段。
针对上述可选的实施方式，基于车架号、开始时间、结束时间、最大总电压、最小总电压、最大总电流、最小总电流这些统计项聚合数据片段，可利用车架号、开始时间、结束时间、最大总电压、最小总电压、最大总电流、最小总电流反映数据片段的总体特征，从而能够便于基于数据片段的总体特征批量筛选不存在故障的车辆日常运行数据。
在可选的实施方式中，在基于事件生成第一事件表这一步骤之后，筛选出第一事件表中不满足预设条件的事件这一步骤之前，本申请实施例的方法还包括以下步骤：
获取缓存存储的事件，并将缓存存储的事件与第一事件表中的第一条事件拼接，其中，缓存存储的事件为前一天的事件表中的最后一件事件。
本可选的实施方式可获取缓存存储的事件，并将缓存存储的事件与第一事件表中的第一条事件拼接，其中，缓存存储的事件为前一天的事件表中的最后一件事件，这样一来，可确保第一事件表中的第一条事件的完整性，从而能够基于完整的第一条事件准确作出诊断。
针对上述可选的实施方式，由于事件以天为单位进行统计，即时间一凌晨12点，就会自动区别事件，但是实际情况上，前一天的事件表中的最后一件事件与当天的第一事件表中的第一条事件属于同一数据片段，因此，需要将缓存存储的事件与第一事件表中的第一条事件拼接。
在可选的实施方式中，本申请实施例的方法还包括以下步骤：
将第一事件表中的最后一件事件存储于缓存中。
本可选的实施方式通过将第一事件表中的最后一件事件存储于缓存中，可便于将缓存存储的事件与第一事件表中的第一条事件拼接。
在可选的实施方式中，在基于基础表、第二事件表和孪生诊断策略生成故障确认表这一步骤之后，本申请实施例的方法还包括以下步骤：
获取车端故障列表；
基于车端故障列表和故障确认表确定故障点的可信度等级，其中，当故障点同时出现在车端故障列表和故障确认表时，故障点的可信度等级为第二等级，当故障点仅出现在故障确认表时，故障点的可信度等级为第一等级，第二等级高于第一等级。
本可选的实施方式通过获取车端故障列表，进而能够基于车端故障列表和故障确认表确定故障点的可信度等级，其中，当故障点同时出现在车端故障列表和故障确认表时，故障点的可信度等级为第二等级，当故障点仅出现在故障确认表时，故障点的可信度等级为第一等级，第二等级高于第一等级，这样一来，可便于用户快速直观确定故障诊断的可信度。
在可选的实施方式中，基于基础表获取故障点的快照数据，包括以下子步骤：
基于基础表获取故障点的持续时间附近的数据，并作为故障点的快照数据。
本可选的实施方式能够基于基础表获取故障点的持续时间附近的数据，并作为故障点的快照数据。
在可选的实施方式中，故障点的持续时间附近的数据包括故障点发生时间点前5分钟的数据和故障点结束时间点后20分钟的数据。
针对上述可选的实施方式，故障点的持续时间附近的数据还可以指故障点发生时间点前10分钟的数据、故障点结束时间点后25分钟的数据。
在可选的实施方式中，在基于基础表获取故障点的快照数据这一步骤之后，本申请实施例的方法还包括以下步骤：
获取关键字段，将关键字段与故障点的快照数据关联，其中，关键字段包括第一字段和第二字段，第一字段表示故障点的故障真因，第二字段表示故障触发控制策略涉及的字段。
本可选的实施方式通过获取关键字段，进而能够将关键字段与故障点的快照数据关联，其中，关键字段包括第一字段和第二字段，第一字段表示故障点的故障真因，第二字段表示故障触发控制策略涉及的字段，这样一来，便于用户通过快照数据关联的字段快速确定故障点的故障真因。
实施例二
请参阅图2，图2是本申请实施例公开的一种电池故障诊断装置的结构示意图，该装置应用于云端，其中，云端部署有孪生诊断策略，孪生诊断策略基于电池管理系统故障诊断模型得到。如图2所示，本申请实施例的装置包括以下功能模块：
如
数据切分模块201，用于对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段；
聚合模块202，用于基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同；
筛选模块203，用于筛选出第一事件表中不满足预设条件的事件，得到第二事件表；
故障诊断模块204，用于基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点；
获取模块205，用于基于基础表获取故障点的快照数据；
查询模块206，用于当接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。
本申请实施例的装置通过电池故障诊断方法，能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
实施例三
请参阅图3，图3是本申请实施例公开的一种电子设备的结构示意图，如图3所示，本申请实施例的电子设备包括：
处理器301；以及
存储器302，配置用于存储机器可读指令，指令在由处理器301执行时，执行如前述实施方式任一项的电池故障诊断方法。
本申请实施例的电子设备通过电池故障诊断方法，能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
实施例四
本申请实施例提供一种存储介质，存储介质存储有计算机程序，计算机程序被处理器执行如前述实施方式任一项的电池故障诊断方法。
本申请实施例的存储介质通过电池故障诊断方法，能够对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，进而能够基于目标统计项聚合数据片段以得到事件，并基于事件生成第一事件表，其中，事件的数量与数据片段的数量相同，进而能够筛选出第一事件表中不满足预设条件的事件，得到第二事件表，进而能够基于基础表、第二事件表和孪生诊断策略生成故障确认表，其中，故障确认表包括若干个故障点，进而能够基于基础表获取故障点的快照数据，进而在接收到故障排查请求时，基于故障排查请求携带的目标故障点名称查询目标故障点的快照数据。与现有技术相比，本申请能够自动完成故障诊断并生成所有故障点的快照数据，这样一来，当需要进行故障确认时，不需要遍历数据库的所有数据车辆日常运行数据，进而可以避免数据库堵塞、数据反复抓取等原因导致的故障确认效率低、准确度低这一的问题，从而具有诊断效率高、可准确地完成故障确认这一优点。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，又例如，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通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，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。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
需要说明的是，功能如果以软件功能模块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介质中。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介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，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。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory，ROM）随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (13)
1.一种电池故障诊断方法，其特征在于，所述方法应用于云端，所述云端部署有孪生诊断策略，所述孪生诊断策略基于电池管理系统故障诊断模型得到，所述方法包括：
对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段；
基于目标统计项聚合所述数据片段以得到事件，并基于所述事件生成第一事件表，其中，所述事件的数量与所述数据片段的数量相同；
筛选出所述第一事件表中不满足预设条件的事件，得到第二事件表；
基于所述基础表、所述第二事件表和所述孪生诊断策略生成故障确认表，其中，所述故障确认表包括若干个故障点；
基于所述基础表获取所述故障点的快照数据；
当接收到故障排查请求时，基于所述故障排查请求携带的目标故障点名称查询所述目标故障点的快照数据。
2.如权利要求1所述的方法，其特征在于，所述对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，包括：
基于电池管理系统上电标识、电池管理系统下电标识对所述基础表记录的车辆日常运行数据进行划分处理，以形成若干个所述数据片段。
3.如权利要求1所述的方法，其特征在于，所述对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段，包括：
按照预设的时间间隔对所述基础表记录的车辆日常运行数据进行划分处理，以形成若干个所述数据片段。
4.如权利要求1所述的方法，其特征在于，所述目标统计项包括车架号、开始时间、结束时间、最大总电压、最小总电压、最大总电流、最小总电流。
5.如权利要求1所述的方法，其特征在于，在所述基于所述事件生成第一事件表之后，所述筛选出所述第一事件表中不满足预设条件的事件之前，所述方法还包括：
获取缓存存储的事件，并将所述缓存存储的事件与所述第一事件表中的第一条事件拼接，其中，所述缓存存储的事件为前一天的事件表中的最后一件事件。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
将所述第一事件表中的最后一件事件存储于所述缓存中。
7.如权利要求1所述的方法，其特征在于，在所述基于所述基础表、所述第二事件表和所述孪生诊断策略生成故障确认表之后，所述方法还包括：
获取车端故障列表；
基于所述车端故障列表和所述故障确认表确定所述故障点的可信度等级，其中，当所述故障点同时出现在所述车端故障列表和所述故障确认表时，所述故障点的可信度等级为第二等级，当所述故障点仅出现在所述故障确认表时，所述故障点的可信度等级为第一等级，所述第二等级高于所述第一等级。
8.如权利要求1所述的方法，其特征在于，所述基于所述基础表获取所述故障点的快照数据，包括：
基于所述基础表获取所述故障点的持续时间附近的数据，并作为所述故障点的快照数据。
9.如权利要求8所述的方法，其特征在于，所述故障点的持续时间附近的数据包括故障点发生时间点前5分钟的数据和故障点结束时间点后20分钟的数据。
10.如权利要求1所述的方法，其特征在于，在所述基于所述基础表获取所述故障点的快照数据之后，所述方法还包括：
获取关键字段，将所述关键字段与所述故障点的快照数据关联，其中，所述关键字段包括第一字段和第二字段，所述第一字段表示所述故障点的故障真因，所述第二字段表示故障触发控制策略涉及的字段。
11.一种电池故障诊断装置，其特征在于，所述装置应用于云端，所述云端部署有孪生诊断策略，所述孪生诊断策略基于电池管理系统故障诊断模型得到，所述装置包括：
数据切分模块，用于对基础表记录的车辆日常运行数据进行划分处理，以形成若干个数据片段；
聚合模块，用于基于目标统计项聚合所述数据片段以得到事件，并基于所述事件生成第一事件表，其中，所述事件的数量与所述数据片段的数量相同；
筛选模块，用于筛选出所述第一事件表中不满足预设条件的事件，得到第二事件表；
故障诊断模块，用于基于所述基础表、所述第二事件表和所述孪生诊断策略生成故障确认表，其中，所述故障确认表包括若干个故障点；
获取模块，用于基于所述基础表获取所述故障点的快照数据；
查询模块，用于当接收到故障排查请求时，基于所述故障排查请求携带的目标故障点名称查询所述目标故障点的快照数据。
12.一种电子设备，其特征在于，包括：
处理器；以及
存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，执行如权利要求1-10任一项所述的电池故障诊断方法。
13.一种存储介质，其特征在于，所述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如权利要求1-10任一项所述的电池故障诊断方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161013.0A CN117708098A (zh) | 2024-02-05 | 2024-02-05 | 电池故障诊断方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161013.0A CN117708098A (zh) | 2024-02-05 | 2024-02-05 | 电池故障诊断方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117708098A true CN117708098A (zh) | 2024-03-15 |
Family
ID=90157249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410161013.0A Pending CN117708098A (zh) | 2024-02-05 | 2024-02-05 | 电池故障诊断方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117708098A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109883702A (zh) * | 2019-03-05 | 2019-06-14 | 西安交通大学 | 一种基于时频域统计特征的电机轴承故障诊断方法 |
| CN111881978A (zh) * | 2020-07-24 | 2020-11-03 | 国家海洋技术中心 | 海洋定点浮标设备故障诊断方法、装置及电子设备 |
| KR102278199B1 (ko) * | 2020-12-31 | 2021-07-16 | 주식회사 한국가스기술공사 | 조건부 확률에 기반한 진단 데이터의 관리 방법 |
| CN114326659A (zh) * | 2021-12-10 | 2022-04-12 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种汽车电子控制单元故障诊断系统及方法 |
| CN114564619A (zh) * | 2022-01-18 | 2022-05-31 | 中国人民解放军海军工程大学 | 一种电机轴承的故障诊断方法、记录媒体及系统 |
| CN114821857A (zh) * | 2022-04-24 | 2022-07-29 | 重庆长安汽车股份有限公司 | 基于fta分析车辆的故障诊断方法、终端设备及存储介质 |
| CN115080507A (zh) * | 2022-06-02 | 2022-09-20 | 深圳市元征科技股份有限公司 | 车辆故障快照数据存储方法、系统、设备及存储介质 |
| CN115933619A (zh) * | 2023-01-05 | 2023-04-07 | 中国第一汽车股份有限公司 | 一种远程诊断方法、系统、电子设备及存储介质 |
| CN116184985A (zh) * | 2023-02-27 | 2023-05-30 | 重庆赛力斯新能源汽车设计院有限公司 | 车辆故障诊断方法、设备及介质 |
| CN116484267A (zh) * | 2023-06-20 | 2023-07-25 | 南方电网科学研究院有限责任公司 | 变压器故障特征提取、判定方法、计算机设备和存储介质 |
| CN116859236A (zh) * | 2023-06-29 | 2023-10-10 | 中国第一汽车股份有限公司 | 一种车用电机故障诊断方法、装置及车联网平台 |
| CN117030249A (zh) * | 2023-08-09 | 2023-11-10 | 上海华阳检测仪器有限公司 | 一种用信号时间片段进行往复机械故障定位的方法 |
| CN117348459A (zh) * | 2023-09-22 | 2024-01-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种车辆域控制器系统的监控方法及系统 |
| US20240038002A1 (en) * | 2022-07-27 | 2024-02-01 | Zhejiang Zeekr Intelligent Technology Co., Ltd. | Method and device for remotely diagnosing vehicle faults, vehicle, and computer storage medium |
-
2024
- 2024-02-05 CN CN202410161013.0A patent/CN117708098A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109883702A (zh) * | 2019-03-05 | 2019-06-14 | 西安交通大学 | 一种基于时频域统计特征的电机轴承故障诊断方法 |
| CN111881978A (zh) * | 2020-07-24 | 2020-11-03 | 国家海洋技术中心 | 海洋定点浮标设备故障诊断方法、装置及电子设备 |
| KR102278199B1 (ko) * | 2020-12-31 | 2021-07-16 | 주식회사 한국가스기술공사 | 조건부 확률에 기반한 진단 데이터의 관리 방법 |
| CN114326659A (zh) * | 2021-12-10 | 2022-04-12 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种汽车电子控制单元故障诊断系统及方法 |
| CN114564619A (zh) * | 2022-01-18 | 2022-05-31 | 中国人民解放军海军工程大学 | 一种电机轴承的故障诊断方法、记录媒体及系统 |
| CN114821857A (zh) * | 2022-04-24 | 2022-07-29 | 重庆长安汽车股份有限公司 | 基于fta分析车辆的故障诊断方法、终端设备及存储介质 |
| CN115080507A (zh) * | 2022-06-02 | 2022-09-20 | 深圳市元征科技股份有限公司 | 车辆故障快照数据存储方法、系统、设备及存储介质 |
| US20240038002A1 (en) * | 2022-07-27 | 2024-02-01 | Zhejiang Zeekr Intelligent Technology Co., Ltd. | Method and device for remotely diagnosing vehicle faults, vehicle, and computer storage medium |
| CN115933619A (zh) * | 2023-01-05 | 2023-04-07 | 中国第一汽车股份有限公司 | 一种远程诊断方法、系统、电子设备及存储介质 |
| CN116184985A (zh) * | 2023-02-27 | 2023-05-30 | 重庆赛力斯新能源汽车设计院有限公司 | 车辆故障诊断方法、设备及介质 |
| CN116484267A (zh) * | 2023-06-20 | 2023-07-25 | 南方电网科学研究院有限责任公司 | 变压器故障特征提取、判定方法、计算机设备和存储介质 |
| CN116859236A (zh) * | 2023-06-29 | 2023-10-10 | 中国第一汽车股份有限公司 | 一种车用电机故障诊断方法、装置及车联网平台 |
| CN117030249A (zh) * | 2023-08-09 | 2023-11-10 | 上海华阳检测仪器有限公司 | 一种用信号时间片段进行往复机械故障定位的方法 |
| CN117348459A (zh) * | 2023-09-22 | 2024-01-05 | 惠州市德赛西威汽车电子股份有限公司 | 一种车辆域控制器系统的监控方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 冯雪松、舒勇等: "基于离群值检测的铅酸电池故障诊断方法", 《电测与仪表》, vol. 60, no. 7, 15 July 2023 (2023-07-15) * |
| 温和;滕召胜;杨敏;高云鹏;姚青;: "网络化电动执行器故障自诊断与自保护技术", 仪器仪表学报, no. 06, 15 June 2008 (2008-06-15) * |
| 程卫东;尹尧心;: "基于MP稀疏分解与空间点群的机械故障模式表征方法", 北京交通大学学报, no. 01, 15 February 2020 (2020-02-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3757815A1 (en) | Data processing method and device, storage medium, and electronic device | |
| CN111881011A (zh) | 日志管理方法、平台、服务器及存储介质 | |
| CN110634021A (zh) | 基于大数据的车辆估值方法、系统、设备及可读存储介质 | |
| CN115151922A (zh) | 集成电池管理平台服务系统和方法 | |
| CN109165133A (zh) | 数据监控方法、装置、设备及存储介质 | |
| WO2023029753A1 (zh) | 设备供电方法、装置、终端设备及存储介质 | |
| CN114579408A (zh) | 一种实时数据库实时方程式的解析系统及方法 | |
| CN117708098A (zh) | 电池故障诊断方法、装置、电子设备和存储介质 | |
| WO2007019004A2 (en) | System and method for performing reliability analysis | |
| CN111551856B (zh) | 车辆蓄电池状态检测方法、装置、计算机设备和存储介质 | |
| CN117390015A (zh) | 电池护照的存储方法、设备及存储介质 | |
| CN116027202A (zh) | 电池健康度评估方法、装置、计算机设备和存储介质 | |
| CN115391129A (zh) | 一种数据监控方法、装置、设备及存储介质 | |
| CN115453401A (zh) | 一种电池安全监测系统 | |
| CN113553362A (zh) | 基于共识机制的碳能源消耗监测方法、装置及存储介质 | |
| CN116028572A (zh) | 通信业务数据的处理方法、装置和计算机存储介质 | |
| CN112000685A (zh) | 一种用于物联网设备更换电源后更新数据的装置和方法 | |
| CN111835847B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN111259054B (zh) | 一种隐匿车确定方法、装置及电子设备 | |
| CN116136684B (zh) | 车辆故障诊断方法、装置、电子设备和存储介质 | |
| CN115963408B (zh) | 储能电站单体电池故障预警系统及方法 | |
| CN111339217B (zh) | 一种数据处理方法及装置 | |
| CN113177143B (zh) | 时序数据访问方法、装置、存储介质及电子设备 | |
| CN112818004B (zh) | 数据存储方法、查询方法及电子设备 | |
| CN116991827A (zh) | 一种日志数据的分区统计方法与系统 |
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 |