CN117871123A - 车辆健康状态诊断方法、装置、设备及可读存储介质 - Google Patents
车辆健康状态诊断方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN117871123A CN117871123A CN202410174187.0A CN202410174187A CN117871123A CN 117871123 A CN117871123 A CN 117871123A CN 202410174187 A CN202410174187 A CN 202410174187A CN 117871123 A CN117871123 A CN 117871123A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- source image
- health
- preset
- seismic source
- 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
- 230000036541 health Effects 0.000 title claims abstract description 112
- 238000003745 diagnosis Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000013210 evaluation model Methods 0.000 claims abstract description 54
- 230000003862 health status Effects 0.000 claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 30
- 238000012549 training Methods 0.000 claims description 80
- 238000011156 evaluation Methods 0.000 claims description 42
- 238000002405 diagnostic procedure Methods 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000035939 shock Effects 0.000 claims description 5
- 230000006698 induction Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本申请公开了一种车辆健康状态诊断方法、装置、设备及可读存储介质，涉及车辆技术领域，在本申请中，将通过外部震动感应设备获取电子架构的第一震源图像；基于第一震源图像和预设健康评估模型确定车辆的诊断结果；在诊断结果为异常的情况下，输出车辆的预警信息。也即本申请实施例将通过外部震动感应设备获取用作车辆电子架构健康状态诊断依据的第一震源图像，并再根据第一震源图像进行诊断。由于电子架构中各电器部件因电流异常产生的异常震源，均可被外部震动感应设备所捕获，故本申请可在不更改现有电子架构的基础上实现电子架构健康状态的监控以及预警，从而在便于提前规避安全风险的同时，降低健康监控的难度和监控的实现成本。
Description
技术领域
本申请涉及车辆技术领域，尤其涉及一种车辆健康状态诊断方法、装置、设备及可读存储介质。
背景技术
在电动汽车的安全方面，车辆电子架构的稳定安全性尤为重要，特别是电池包等电器部件的异常失控会影响客户生命安全，是汽车安全放电的难点。针对电子架构的安全问题，目前常规的方案通常是设置安全阈值，当电子架构的相关参数超过安全阈值后，进行断电保护。但该常规方案只能在故障发生之后执行相关的保护动作，不能提前规避可能出现的问题，因此上述方案依然存在有较高的安全风险。
发明内容
本申请的主要目的在于提供一种车辆健康状态诊断方法，旨在解决当前车辆电子架构的常规安保方案难以提前规避安全风险的技术问题。
为实现上述目的，本申请提供一种车辆健康状态诊断方法，所述车辆上的电子架构配置有外部震动感应设备，所述车辆健康状态诊断方法包括：
通过所述外部震动感应设备获取所述电子架构的第一震源图像；
基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；
在所述诊断结果为异常的情况下，输出车辆的预警信息。
可选地，所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤包括：
将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果；
基于所述评估结果确定所述诊断结果。
可选地，所述车辆的不同位置上配置有震动传感器，在所述将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果的步骤之前，所述方法包括：
获取所述车辆的运行参数；
通过所述震动传感器获取所述车辆在运行中的车体震动数据；
将所述运行参数和所述车体震动数据作为所述工况数据。
可选地，所述基于所述评估结果确定所述诊断结果的步骤包括：
若所述评估结果为所述电子架构中存在高风险电器部件，则在所述车辆的车轮与驱动电机断开传动连接关系的状态下，控制所述车辆复现所述第一震源图像所关联的运行参数；
通过所述外部震动感应设备获取所述电子架构的第二震源图像；
若所述第二震源图像与预设正常震源图像的图像差异大于预设差异阈值，则所述诊断结果为异常。
可选地，所述第二震源图像包括不同的震动频率的震源图层，在所述通过所述外部震动感应设备获取所述电子架构的第二震源图像的步骤之后，所述方法包括：
对于任意一个震源图层，将与所述震源图层相同震动频率的预设正常震源图像和所述震源图层比较，得到所述图像差异。
可选地，在所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤之前，所述方法包括：
获取车辆在预设工况下的电子架构的震动特征图像；
将预设工况与所述震动特征图像作为样本特征；
将被标记后的样本特征作为训练样本集中的训练样本；
基于所述训练样本集对所述预设健康评估模型进行训练。
可选地，所述基于所述训练样本集对所述预设健康评估模型进行训练的步骤包括：
对于所述训练样本集中的任意一个训练样本，将所述训练样本输入至所述预设健康评估模型得到训练估计结果；
基于所述训练估计结果与所述训练样本的标记结果之间的差异，生成所述预设健康评估模型的模型评估损失；
基于所述模型评估损失对所述预设健康评估模型中的模型参数进行更新。
为实现上述目的，本申请还提供一种车辆健康状态诊断装置，所述车辆上的电子架构配置有外部震动感应设备，所述车辆健康状态诊断装置包括：
第一获取模块，用于通过所述外部震动感应设备获取所述电子架构的第一震源图像；
诊断模块，用于基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；
输出模块，用于在所述诊断结果为异常的情况下，输出车辆的预警信息。
为实现上述目的，本申请还提供一种车辆健康状态诊断设备，所述车辆健康状态诊断设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆健康状态诊断程序，所述车辆健康状态诊断程序被所述处理器执行时实现如上述的车辆健康状态诊断方法的步骤。
为实现上述目的，本申请还提供一种可读存储介质，所述可读存储介质上存储有车辆健康状态诊断程序，所述车辆健康状态诊断程序被处理器执行时实现如上述的车辆健康状态诊断方法的步骤。
本申请实施例提出的一种车辆健康状态诊断方法、装置、设备及可读存储介质。在本实施例中，将通过所述外部震动感应设备获取所述电子架构的第一震源图像；基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；在所述诊断结果为异常的情况下，输出车辆的预警信息。也即本申请实施例将通过外部震动感应设备获取用作车辆电子架构健康状态诊断依据的第一震源图像，并在根据第一震源图像得到异常的诊断结果后，输出车辆的预警信息。由于电子架构中各电器部件因电流异常产生的异常震源，均可被外部震动感应设备所捕获，且外部震动感应设备不会入侵电子架构，故本申请可在不更改现有电子架构的基础上实现电子架构整体健康状态的监控以及预警，从而在便于提前规避安全风险的同时，降低健康监控的难度和监控的实现成本。
附图说明
图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本申请车辆健康状态诊断方法中第一实施例的流程示意图；
图3为本申请车辆健康状态诊断方法中车辆框架示意图；
图4为本申请车辆健康状态诊断方法中第二实施例的流程示意图；
图5为本申请车辆健康状态诊断方法中的车辆健康状态诊断装置的结构示意图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图。
本申请实施例的设备可以是车辆，也可以是PC、智能手机、平板电脑、便携计算机等电子终端设备。
如图1所示，该设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储系统。
可选地，设备还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆健康状态诊断程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的车辆健康状态诊断程序，所述车辆上的电子架构配置有外部震动感应设备，并执行以下操作：
通过所述外部震动感应设备获取所述电子架构的第一震源图像；
基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；
在所述诊断结果为异常的情况下，输出车辆的预警信息。
进一步地，处理器1001可以调用存储器1005中存储的车辆健康状态诊断程序，还执行以下操作：
所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤包括：
将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果；
基于所述评估结果确定所述诊断结果。
进一步地，处理器1001可以调用存储器1005中存储的车辆健康状态诊断程序，还执行以下操作：
所述车辆的不同位置上配置有震动传感器，在所述将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果的步骤之前，所述方法包括：
获取所述车辆的运行参数；
通过所述震动传感器获取所述车辆在运行中的车体震动数据；
将所述运行参数和所述车体震动数据作为所述工况数据。
进一步地，处理器1001可以调用存储器1005中存储的车辆健康状态诊断程序，还执行以下操作：
所述基于所述评估结果确定所述诊断结果的步骤包括：
若所述评估结果为所述电子架构中存在高风险电器部件，则在所述车辆的车轮与驱动电机断开传动连接关系的状态下，控制所述车辆复现所述第一震源图像所关联的运行参数；
通过所述外部震动感应设备获取所述电子架构的第二震源图像；
若所述第二震源图像与预设正常震源图像的图像差异大于预设差异阈值，则所述诊断结果为异常。
进一步地，处理器1001可以调用存储器1005中存储的车辆健康状态诊断程序，还执行以下操作：
所述第二震源图像包括不同的震动频率的震源图层，在所述通过所述外部震动感应设备获取所述电子架构的第二震源图像的步骤之后，所述方法包括：
对于任意一个震源图层，将与所述震源图层相同震动频率的预设正常震源图像和所述震源图层比较，得到所述图像差异。
进一步地，处理器1001可以调用存储器1005中存储的车辆健康状态诊断程序，还执行以下操作：
在所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤之前，所述方法包括：
获取车辆在预设工况下的电子架构的震动特征图像；
将预设工况与所述震动特征图像作为样本特征；
将被标记后的样本特征作为训练样本集中的训练样本；
基于所述训练样本集对所述预设健康评估模型进行训练。
进一步地，处理器1001可以调用存储器1005中存储的车辆健康状态诊断程序，还执行以下操作：
所述基于所述训练样本集对所述预设健康评估模型进行训练的步骤包括：
对于所述训练样本集中的任意一个训练样本，将所述训练样本输入至所述预设健康评估模型得到训练估计结果；
基于所述训练估计结果与所述训练样本的标记结果之间的差异，生成所述预设健康评估模型的模型评估损失；
基于所述模型评估损失对所述预设健康评估模型中的模型参数进行更新。
需要说明的是，由于电子架构本身较为复杂，故若通过对每个线路布置传感器来监控电子架构中各线路的电流以规避故障发生，这在设计上是难以实现的，故针对该现状，本申请提出一种车辆健康状态诊断方法，通过电子架构外部的感应设备对整个电子架构的电流传输情况进行监控，从而避免对电子架构产生入侵，降低监控难度和实现成本。
参照图2，本申请车辆健康状态诊断方法的第一实施例，所述车辆上的电子架构配置有外部震动感应设备，所述车辆健康状态诊断方法包括：
步骤S10，通过所述外部震动感应设备获取所述电子架构的第一震源图像；
需要说明的是，在本实施例中，将会为车辆的电子架构配置外部震动感应设备。其中，外部震动感应设备可以是声学成像仪，声学成像仪可探测空间中分布的引起震动的声源，并以图像的形式输出。参照图3为本申请中的车辆框架示意图，图中包括车辆1、电子架构中的电控电器模块2、电子架构中的电池模块3以及电子架构的电驱模块4、配置在车辆前部的外部震动感应设备5、配置在车辆后部的外部震动感应设备6、以及智能车机系统7，其中，车辆前部的外部震动感应设备5，则用于采集车辆前部电子架构中电器部件的震动数据，车辆后部的外部震动感应设备6，则用于采集车辆后部电子架构中电器部件震动数据，而获取到的震动数据将可被输入到智能车机系统用作车辆健康诊断的依据。但值的注意的是，图3示出的车辆并不对车辆本身的结构造成限制，技术人员可根据实际需求设置外部震动感应设备的数量以及在车辆中分布的位置，外部震动感应设备采集到的震源图像包括电子架构中电器部件即可。此外，还需要说明的是，当车辆电子架构中的电器部件出现异常后相应会产生异常电流，而异常电流会引起电器部件产生不同频率的噪声，从而被外部震动感应设备捕获到，作为车辆健康诊断的依据。
示例性的，在车辆电子架构处于工作状态的情况下，通过外部震动感应设备采集电子架构的第一震源图像，第一震源图像上包括有震源的位置和震源频率(在本方案实施的环境下，第一震源图像上的震源也即为声源)。可以理解的是，由于上述外部震动感应设备并不会对电子架构造成入侵，故无需对车辆的电子架构重新设计，减少了对电子架构整体健康监控的难度，降低了监控的实现成本。
步骤S20，基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；
示例性的，上述预设健康评估模型可包括有预先设置的电子架构中各电器部件正常工作时的震动频率范围，即正常震动频率范围，若上述第一震源图像中存在有震动频率超出上述正常震动频率范围的震源，则可认为当前车辆的电子架构中电器部件可能存在有异常，即诊断结果为异常，反之，则诊断结果为正常。上述预设健康评估模型也可为神经网络模型，预设健康评估模型可从第一震源图像中提取震源的位置特征(例如，震源相对于电器部件的位置，或者在震源图像采集视角固定的情况下，位置特征也可以是，震源在震源图像中的相对位置)。预设健康评估模型再基于位置特征以及位置特征上的震源频率得到诊断结果。其中，上述预设健康评估模型可预先经过样本迭代训练，从而使得预设健康模型具有诊断车辆健康状况的能力。
可以理解的是，由于电子架构中各电器部件因电流异常(例如，电流波动、局部放电等)所产生的噪声也即异常震源，均会被外部震动感应设备所捕获到并以第一震源图像显示，故在电器部件在发生故障之前，且在不侵入电子架构的情况下，通过电器部件出现异常信号，实现对各电器部件的全面监控，从而进行故障预警。
步骤S30，在所述诊断结果为异常的情况下，输出车辆的预警信息。
示例性的，若诊断结果为异常，则输出车辆的预警信息，其中，预警信息可用于提示用户车辆需要进行维护，且预警信息也可包括有异常信息，例如，震动频率超出正常震动频率范围的震源的位置，用作维护人员的维护依据。
在本实施例中，将通过所述外部震动感应设备获取所述电子架构的第一震源图像；基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；在所述诊断结果为异常的情况下，输出车辆的预警信息。也即本申请实施例将通过外部震动感应设备获取用作车辆电子架构健康状态诊断依据的第一震源图像，并在根据第一震源图像得到异常的诊断结果后，输出车辆的预警信息。由于电子架构中各电器部件因电流异常产生的异常震源，均可被外部震动感应设备所捕获，且外部震动感应设备不会入侵电子架构，故本申请可在不更改现有电子架构的基础上实现电子架构整体健康状态的监控以及预警，从而便于提前规避安全风险的同时减少健康监控的难度和监控的实现成本。
在一可行的实施方式中，所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤包括：
步骤S210，将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果；
步骤S220，基于所述评估结果确定所述诊断结果。
需要说明的是，在本实施例中，上述健康评估模型为神经网络模型，神经网络可包括输入层、中间层和输出层等，具体的神经网络结构在本实施例中不进行的限制，可由技术人员根据实际情况进行设置。在实际应用中，对车辆电子架构的健康诊断可发生在车辆行驶的过程中，故第一震源图像中所包括的部分震源可能是因为车辆行驶所引起的。故为了避免车辆行驶对健康诊断结果造成的影响。本实施例，除将第一震源图像作为健康评估模型的输入特征外，还将车辆的工况数据作为健康评估模型的输入特征。工况数据可以是，车辆的行驶速度、车辆驱动电机的转速以及车辆当前的路况等。可以理解的是，上述工况数据相当于车辆行驶过程中在第一震源图像中引起的噪声的量化特征，故将上述工况数据和第一震源图像作为预设健康评估模型的输入，从而减少车辆行驶引起的噪声对诊断结果的影响。相应的，在训练时预设健康评估模型的训练样本中同样包括震源图像特征以及与震源图像特征关联的工况数据。此外，在实际应用中，上述预设健康评估模型输出的评估结果通常是当前车辆电子架构中电器部件存在有安全风险的概率，故若存在有安全风险的概率大于或等于预设阈值，则可确定诊断结果为异常，反之，则诊断结果为正常。
在一可行的实施方式中，所述车辆的不同位置上配置有震动传感器，在所述将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果的步骤之前，所述方法包括：
步骤S201，获取所述车辆的运行参数；
步骤S202，通过所述震动传感器获取所述车辆在运行中的车体震动数据；
步骤S203，将所述运行参数和所述车体震动数据作为所述工况数据。
示例性的，对于车辆的运行参数可通过车辆自身的通信网络，例如，CAN网络(Controller Area Network，控制器域网)，运行参数可以是车辆的行驶速度、驱动电机的转速以及电池的输出功率等，可以理解的，技术人员也可根据实际情况设置运行参数的内容，其中，运行参数可反应出车辆的工况即可。此外，车辆上不同的位置可配置震动传感器，震动传感器用于采集车辆的车体震动数据，车体的震动可以反映出第一震源图像中的噪声特征。再将上述运行参数和车体震动数据作为车辆的工况数据即可。同样的，车辆上配置的震动传感器的数量以及位置均可由技术人员根据实际需求设置，此处不再赘述。
在一可行的实施方式中，所述基于所述评估结果确定所述诊断结果的步骤包括：
步骤S221，若所述评估结果为所述电子架构中存在高风险电器部件，则在所述车辆的车轮与驱动电机断开传动连接关系的状态下，控制所述车辆复现所述第一震源图像所关联的运行参数；
步骤S222，通过所述外部震动感应设备获取所述电子架构的第二震源图像；
步骤S223，若所述第二震源图像与预设正常震源图像的图像差异大于预设差异阈值，则所述诊断结果为异常。
示例性的，若预设健康评估模型输出的评估结果表征电子架构中存在高风险电器部件(也即当前车辆电子架构中电器部件存在有安全风险的概率大于或等于预设阈值)，可基于评估结果直接确定诊断结果。也可以在得到电子架构中存在高风险电器部件的评估结果后，进一步进行复检。复检包括，在用户停车后，可提示用户将车辆挂入N档(或者空档)，使得车辆的车轮与驱动电机处于断开传动连接关系的状态。再进一步控制车辆复现上述第一震源图像所关联的运行参数，与第一震源图像关联的运行参数也即生成第一震源图像时的运行参数，例如，运行参数可以是生成第一震源图像时驱动电机的转速，或者，生成第一震源图像时电池的输出功率等，控制车辆复现第一震源图像所关联的运行参数后，再通过外部震动感应设备获取电子架构的第二震源图像。可以理解的是，由于第二震源图像是在车辆停止行驶后获取到的，故可避免第二震源图像上存在有行驶产生的噪声震源。再将第二震源图像与预设正常震源图像进行比较，得到两图像之间的图像差异，若图像差异过大即图像差异大于预设阈值，则可确定诊断结果为异常，反之，则诊断结果为正常。
可以理解的是，在本实施例中，在通过健康评估模型确定车辆电子架构存在高安全风险的电器部件后，将在车辆停止行驶后，通过运行参数复现的方式再对电子架构进行复检，由于车辆并未行驶，故可避免车辆行驶带来的噪声震源，从而保证基于第二震源图像进行健康评估的准确性。
在一可行的实施方式中，所述第二震源图像包括不同的震动频率的震源图层，在所述通过所述外部震动感应设备获取所述电子架构的第二震源图像的步骤之后，所述方法包括：
步骤S2221，对于任意一个震源图层，将与所述震源图层相同震动频率的预设正常震源图像和所述震源图层比较，得到所述图像差异。
需要说明的是，第二震源图像中包括有不同的震动频率的震源图层。例如，对于任意一个震源图层，在该震源图层包括有相同震动频率的震源，或者包括处于同一震动频率范围的震源。再将与该震源图层相同震动频率的预设正常震源图像和该震源图层进行比较，得到图层差异，再综合各个图层差异得到上述图像差异。例如，可将各图层差异累积得到图像差异，其中，图像之间差异的算法以及基于图层差异得到图像差异的计算过程可由技术人员根据实际需求设置或选取，此处不做具体的限制。
参照图4，基于本申请车辆健康状态诊断方法的第一实施例，提出本申请的第二实施例。在本实施例中，与上述实施例相同或相似的部分，可参照上述内容，此处将不再赘述。在所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤之前，所述方法包括：
步骤S110，获取车辆在预设工况下的电子架构的震动特征图像；
步骤S120，将预设工况与所述震动特征图像作为样本特征；
步骤S130，将被标记后的样本特征作为训练样本集中的训练样本；
步骤S140，基于所述训练样本集对所述预设健康评估模型进行训练。
需要说明的是，在本实施例中，上述预设健康评估模型为神经网络模型，而为使得预设健康评估模型具有评估能力，或者具有健康诊断能力，将通过训练样本对预设健康评估模型进行训练。
示例性的，获取车辆在预设工况下的电子架构的震动特征图，其中，预设工况可以车辆在行驶过程中可能出现的任意工况，而电子架构的震动特征图则同样通过车辆上配置的外部震动感应设备获取。再将预设工况和获取到的震动特征图像关联为样本特征。而在样本特征被标记后，即可作为训练样本集中的训练样本。在实际应用中，车辆在行驶过程可将相同时刻产生的工况数据和震动特征图像关联为样本特征并进行记录。在车辆行驶结束后对车辆的电子架构中的电器部件进行检测，若检测存在异常或故障，则可将该车辆行驶过程中记录的样本特征标记为异常，反之，若检测为正常，则可将记录的样本特征标记为正常。而生成的训练样本集则可用于预设健康评估模型的迭代训练，具体的模型训练方法可由技术人员选取，此处将不在赘述。
在一可行的实施方式中，所述基于所述训练样本集对所述预设健康评估模型进行训练的步骤包括：
步骤S141，对于所述训练样本集中的任意一个训练样本，将所述训练样本输入至所述预设健康评估模型得到训练估计结果；
步骤S142，基于所述训练估计结果与所述训练样本的标记结果之间的差异，生成所述预设健康评估模型的模型评估损失；
步骤S143，基于所述模型评估损失对所述预设健康评估模型中的模型参数进行更新。
需要说明的是，由于使用每个训练样本训练预设健康评估模型的过程是相同的，故本申请中将以一个训练样本的训练过程为例进行说明。对于训练样本集中的任意一个训练样本，将该训练样本输入到预设健康评估模型中得到预设健康评估模型基于该训练样本中的样本特征进行估计得到训练估计结果。再根据训练估计结果与该训练样本的标记结果之间的差异，计算预设健康评估模型的模型评估损失，其中，预设健康评估模型的模型评估损失可基于预设健康评估模型的损失函数计算得到，此处不在赘述。再根据模型评估损失对预设健康评估模型中的模型参数进行更新，例如，通过梯度下降法，反向传播更新预设健康评估模型中的模型参数等。
此外，参照图5，本申请实施例还提出一种车辆健康状态诊断装置100，所述车辆上的电子架构配置有外部震动感应设备，所述车辆健康状态诊断装置100包括：
第一获取模块10，用于通过所述外部震动感应设备获取所述电子架构的第一震源图像；
诊断模块20，用于基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；
输出模块30，用于在所述诊断结果为异常的情况下，输出车辆的预警信息。
可选地，所述诊断模块20还用于：
将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果；
基于所述评估结果确定所述诊断结果。
可选地，所述车辆的不同位置上配置有震动传感器，所述车辆健康状态诊断装置100还包括第二获取模块40，所述第二获取模块40用于：
获取所述车辆的运行参数；
通过所述震动传感器获取所述车辆在运行中的车体震动数据；
将所述运行参数和所述车体震动数据作为所述工况数据。
可选地，诊断模块20还用于：
若所述评估结果为所述电子架构中存在高风险电器部件，则在所述车辆的车轮与驱动电机断开传动连接关系的状态下，控制所述车辆复现所述第一震源图像所关联的运行参数；
通过所述外部震动感应设备获取所述电子架构的第二震源图像；
若所述第二震源图像与预设正常震源图像的图像差异大于预设差异阈值，则所述诊断结果为异常。
可选地，所述第二震源图像包括不同的震动频率的震源图层，所述诊断模块20还用于：
对于任意一个震源图层，将与所述震源图层相同震动频率的预设正常震源图像和所述震源图层比较，得到所述图像差异。
可选地，所述车辆健康状态诊断装置100还包括训练模块50，所述训练模块50用于：
获取车辆在预设工况下的电子架构的震动特征图像；
将预设工况与所述震动特征图像作为样本特征；
将被标记后的样本特征作为训练样本集中的训练样本；
基于所述训练样本集对所述预设健康评估模型进行训练。
可选地，所述训练模块50还用于：
对于所述训练样本集中的任意一个训练样本，将所述训练样本输入至所述预设健康评估模型得到训练估计结果；
基于所述训练估计结果与所述训练样本的标记结果之间的差异，生成所述预设健康评估模型的模型评估损失；
基于所述模型评估损失对所述预设健康评估模型中的模型参数进行更新。
本申请提供的车辆健康状态诊断装置，采用上述实施例中的车辆健康状态诊断装置，旨在解决当前车辆电子架构的常规安保方案难以提前规避安全风险的技术问题。与现有技术相比，本申请实施例提供的车辆健康状态诊断装置的有益效果与上述实施例一提供的车辆健康状态诊断方法的有益效果相同，且该车辆健康状态诊断装置中的其他技术特征与上述实施例方法公开的特征相同，在此不做赘述。
此外，本申请实施例还提出一种车辆健康状态诊断设备，所述车辆健康状态诊断设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆健康状态诊断程序，所述车辆健康状态诊断程序被所述处理器执行时实现如上述的车辆健康状态诊断方法的步骤。
本申请车辆健康状态诊断设备的具体实施方式与上述车辆健康状态诊断方法各实施例基本相同，在此不再赘述。
此外，本申请实施例还提出一种可读存储介质，所述可读存储介质上存储有车辆健康状态诊断程序，所述车辆健康状态诊断程序被处理器执行时实现如上述的车辆健康状态诊断方法的步骤。
本申请介质具体实施方式与上述车辆健康状态诊断方法各实施例基本相同，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是车辆，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种车辆健康状态诊断方法，其特征在于，所述车辆上的电子架构配置有外部震动感应设备，所述车辆健康状态诊断方法包括：
通过所述外部震动感应设备获取所述电子架构的第一震源图像；
基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；
在所述诊断结果为异常的情况下，输出车辆的预警信息。
2.如权利要求1所述的车辆健康状态诊断方法，其特征在于，所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤包括：
将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果；
基于所述评估结果确定所述诊断结果。
3.如权利要求2所述的车辆健康状态诊断方法，其特征在于，所述车辆的不同位置上配置有震动传感器，在所述将所述车辆的工况数据以及所述第一震源图像输入至所述健康评估模型得到评估结果的步骤之前，所述方法包括：
获取所述车辆的运行参数；
通过所述震动传感器获取所述车辆在运行中的车体震动数据；
将所述运行参数和所述车体震动数据作为所述工况数据。
4.如权利要求2所述的车辆健康状态诊断方法，其特征在于，所述基于所述评估结果确定所述诊断结果的步骤包括：
若所述评估结果为所述电子架构中存在高风险电器部件，则在所述车辆的车轮与驱动电机断开传动连接关系的状态下，控制所述车辆复现所述第一震源图像所关联的运行参数；
通过所述外部震动感应设备获取所述电子架构的第二震源图像；
若所述第二震源图像与预设正常震源图像的图像差异大于预设差异阈值，则所述诊断结果为异常。
5.如权利要求4所述的车辆健康状态诊断方法，其特征在于，所述第二震源图像包括不同的震动频率的震源图层，在所述通过所述外部震动感应设备获取所述电子架构的第二震源图像的步骤之后，所述方法包括：
对于任意一个震源图层，将与所述震源图层相同震动频率的预设正常震源图像和所述震源图层比较，得到所述图像差异。
6.如权利要求1所述的车辆健康状态诊断方法，其特征在于，在所述基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果的步骤之前，所述方法包括：
获取车辆在预设工况下的电子架构的震动特征图像；
将预设工况与所述震动特征图像作为样本特征；
将被标记后的样本特征作为训练样本集中的训练样本；
基于所述训练样本集对所述预设健康评估模型进行训练。
7.如权利要求6所述的车辆健康状态诊断方法，其特征在于，所述基于所述训练样本集对所述预设健康评估模型进行训练的步骤包括：
对于所述训练样本集中的任意一个训练样本，将所述训练样本输入至所述预设健康评估模型得到训练估计结果；
基于所述训练估计结果与所述训练样本的标记结果之间的差异，生成所述预设健康评估模型的模型评估损失；
基于所述模型评估损失对所述预设健康评估模型中的模型参数进行更新。
8.一种车辆健康状态诊断装置，其特征在于，所述车辆上的电子架构配置有外部震动感应设备，所述车辆健康状态诊断装置包括：
第一获取模块，用于通过所述外部震动感应设备获取所述电子架构的第一震源图像；
诊断模块，用于基于所述第一震源图像和预设健康评估模型确定所述车辆的诊断结果；
输出模块，用于在所述诊断结果为异常的情况下，输出车辆的预警信息。
9.一种车辆健康状态诊断设备，其特征在于，所述车辆健康状态诊断设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆健康状态诊断程序，所述车辆健康状态诊断程序被所述处理器执行时实现如权利要求1至7中任一项所述的车辆健康状态诊断方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质为计算机可读存储介质，所述可读存储介质上存储有车辆健康状态诊断程序，所述车辆健康状态诊断程序被处理器执行时实现如权利要求1至7中任一项所述的车辆健康状态诊断方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410174187.0A CN117871123A (zh) | 2024-02-07 | 2024-02-07 | 车辆健康状态诊断方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410174187.0A CN117871123A (zh) | 2024-02-07 | 2024-02-07 | 车辆健康状态诊断方法、装置、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117871123A true CN117871123A (zh) | 2024-04-12 |
Family
ID=90590102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410174187.0A Pending CN117871123A (zh) | 2024-02-07 | 2024-02-07 | 车辆健康状态诊断方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117871123A (zh) |
-
2024
- 2024-02-07 CN CN202410174187.0A patent/CN117871123A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109977845B (zh) | 一种可行驶区域检测方法及车载终端 | |
| CN108263312A (zh) | 车辆故障报警方法及装置 | |
| CN111722112B (zh) | 一种电池检测方法及设备 | |
| CN107585125B (zh) | 车辆仪表板安全部件 | |
| CN106970610A (zh) | 汽车数据流的监控方法、系统及可读存储介质 | |
| CN111722113A (zh) | 一种电池检测方法及设备 | |
| JP2010091282A (ja) | 音源探査装置および音源探査方法 | |
| CN109291794A (zh) | 驾驶员状态监测方法、汽车以及存储介质 | |
| CN111477334A (zh) | 目标区域的提醒方法及电子设备 | |
| CN108810284B (zh) | 一种摄像头的模式切换方法及电子设备 | |
| CN118405085A (zh) | 监控方法、装置、车辆、电子设备及计算机程序产品 | |
| CN117871123A (zh) | 车辆健康状态诊断方法、装置、设备及可读存储介质 | |
| CN114047446B (zh) | 电动车的电池包异常检测方法、装置及存储介质 | |
| CN216310220U (zh) | 电动车的电池包异常预警系统及电动车 | |
| CN112633247B (zh) | 驾驶状态监测方法和装置 | |
| CN114824517A (zh) | 一种电池热失控预警校验方法、装置、终端及存储介质 | |
| CN114852032A (zh) | 制动开关故障显示方法、装置、系统及终端设备 | |
| JP2023092989A (ja) | プログラム、情報処理方法、ドライブレコーダー、及び情報処理システム | |
| CN109489798B (zh) | 一种检测线性马达振幅位移的方法及装置 | |
| CN113836632A (zh) | 一种基于造型数据的校核方法、系统、终端及储存介质 | |
| US20150029344A1 (en) | Video output supervisor | |
| CN116767114A (zh) | 一种转向柱总成异响检测的方法、装置、车辆和存储介质 | |
| CN111709383B (zh) | 变速箱的齿轮故障检测方法、装置及存储介质 | |
| EP4080878A1 (en) | Recording and reproducing control device, reproducing control device, display control method, and program | |
| CN115320626B (zh) | 基于人车状态的危险感知能力预测方法、装置及电子设备 |
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 |