CN118068800A - 汽车电耗诊断方法、装置、电子设备、存储介质及车辆 - Google Patents
汽车电耗诊断方法、装置、电子设备、存储介质及车辆 Download PDFInfo
- Publication number
- CN118068800A CN118068800A CN202211465664.6A CN202211465664A CN118068800A CN 118068800 A CN118068800 A CN 118068800A CN 202211465664 A CN202211465664 A CN 202211465664A CN 118068800 A CN118068800 A CN 118068800A
- Authority
- CN
- China
- Prior art keywords
- power consumption
- sample
- automobile
- driving
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000003745 diagnosis Methods 0.000 title claims abstract description 38
- 230000004044 response Effects 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 7
- 238000005265 energy consumption Methods 0.000 description 38
- 238000007405 data analysis Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 11
- 238000011084 recovery Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005284 excitation Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 101100522123 Caenorhabditis elegans ptc-1 gene Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Landscapes
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
本申请提供了一种汽车电耗诊断方法、装置、电子设备、存储介质及车辆,其中,方法包括:从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,数据库间隔预设的第一时间更新其中的样本行车数据;计算目标汽车的历史耗电量,并计算样本汽车的样本耗电量;响应于历史耗电量大于等于高电耗阈值,诊断目标汽车处于高电耗状态,其中,高电耗阈值为根据样本耗电量确定的。本申请提供的方法利用能够不断更新的样本汽车的行车数据对需要进行高电耗诊断的目标汽车进行耗电分析,目标汽车是否处于高电耗状态的判断标准会根据其他样本汽车的耗电状况产生变化,从而对目标汽车进行更为准确、更为符合实际情况的电耗诊断。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种汽车电耗诊断方法、装置、电子设备、存储介质及车辆。
背景技术
相关技术中,对汽车的耗电情况进行分析时,通常采用将汽车耗电数据与通过试验获取的固定数据进行对比分析的方案,当电耗相关指标数据相比于试验数据过高,则判定该汽车处于高电耗状态。但汽车的实际耗电情况会随着行驶环境的变化而变化,例如当夏季持续高温,汽车在一段时间内的耗电量会随着空调的使用频率的上升而升高,虽然从数据上反映为汽车处于高电耗状态,但汽车其实处于正常耗电状态。上述方案中采用的通过试验获取的固定数据则无法准确反映真实的汽车耗电情况。
发明内容
有鉴于此,本申请的目的在于提出一种汽车电耗诊断方法、装置、电子设备、存储介质及车辆。
基于上述目的,本申请提供了一种汽车电耗诊断方法,包括:从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,所述数据库间隔预设的第一时间更新其中的样本行车数据;利用所述历史行车数据计算所述目标汽车的历史耗电量,并利用所述样本行车数据计算所述样本汽车的样本耗电量;响应于所述历史耗电量大于等于高电耗阈值,诊断所述目标汽车处于所述高电耗状态,其中,所述高电耗阈值为根据所述样本耗电量确定的。
可选地,所述数据库中包括与所述目标汽车唯一对应的车辆识别码;从数据库中获取所述目标汽车的所述历史行车数据,包括:响应于接收到诊断指令,根据所述诊断指令携带的与所述车辆识别码对应的指令标识,从所述数据库中搜索并获取与所述车辆识别码对应的所述目标车辆的所述历史行车数据。
可选地,所述样本汽车为多台,根据所述样本耗电量确定所述高电耗阈值,包括:将所有所述样本耗电量按照数值大小排序,得到耗电量序列;将所述耗电量序列中第N个的所述样本耗电量确定为高电耗阈值,其中,N为根据所述耗电量序列中所述样本耗电量的数量确定的。
可选地,所述将所述耗电量序列中第N个的所述样本耗电量确定为高电耗阈值,包括:利用下式确定N:
N=[α×A]
其中,A为所述样本耗电量的数量,[·]表示取整,α为序列参数,当所述耗电量序列按照所述样本耗电量数值从大到小排序,α取0.1至0.3,当所述耗电量序列按照所述样本耗电量数值从小到大排序,α取0.7至0.9。
可选地,所述方法还包括:响应于所述目标汽车处于所述高电耗状态,根据所述历史行车数据计算得到多个行车指标的指标数据,其中,每个所述行车指标都有与之对应的指标阈值;将所有所述指标数据大于等于与之对应的所述指标阈值的所述行车指标对应的代码,作为所述高电耗原因输出。
可选地,所述样本汽车为多台,所述指标阈值的确定方法包括:根据所述样本行车数据计算每台所述样本汽车与所述指标阈值对应的所述行车指标的样本指标数据;将所有所述样本指标数据按照数值大小排序,得到指标数据序列;将所述指标数据序列中第M个的所述样本指标数据确定为与所述行车指标对应的所述指标阈值,其中,M为根据所述指标数据序列中所述样本指标数据的数量确定的。
基于同一发明构思,本申请还提供了一种汽车电耗诊断装置,包括:获取模块,用于从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,所述数据库间隔预设的第一时间更新其中的样本行车数据;计算模块,用于利用所述历史行车数据计算所述目标汽车的历史耗电量,并利用所述样本行车数据计算所述样本汽车的样本耗电量;诊断模块,用于响应于所述历史耗电量大于等于高电耗阈值,诊断所述目标汽车处于所述高电耗状态,其中,所述高电耗阈值为根据所述样本耗电量确定的。
基于同一发明构思,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现任意一项所述的汽车电耗诊断方法。
基于同一发明构思,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,其特征在于,所述计算机指令用于使计算机执行任意一项所述的汽车电耗诊断方法。
基于同一发明构思,本申请还提供了一种车辆,其特征在于,所述车辆包括所述电子设备。
从上面所述可以看出,本申请提供了一种汽车电耗诊断方法、装置、电子设备、存储介质及车辆,其中,所述方法包括:从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,所述数据库间隔预设的第一时间更新其中的样本行车数据;利用所述历史行车数据计算所述目标汽车的历史耗电量,并利用所述样本行车数据计算所述样本汽车的样本耗电量;响应于所述历史耗电量大于等于高电耗阈值,诊断所述目标汽车处于所述高电耗状态,其中,所述高电耗阈值为根据所述样本耗电量确定的。本申请提供的方法利用能够不断更新的样本汽车的行车数据对需要进行高电耗诊断的目标汽车进行耗电分析,目标汽车是否处于高电耗状态的判断标准会根据其他样本汽车的耗电状况产生变化,从而对目标汽车进行更为准确、更为符合实际情况的电耗诊断。
附图说明
为了更清楚地说明本申请或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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的附图。
图1为本申请实施例的汽车电耗诊断方法的流程示意图;
图2为本申请实施例的判断汽车高电耗状态方法的流程示意图;
图3为本申请实施例的汽车电耗诊断装置的结构示意图;
图4为本申请实施例的诊断模块的结构示意图;
图5为本申请实施例的电子设备硬件结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
有鉴于此,本申请提供了一种汽车电耗诊断方法,如图1所示,包括:
步骤S101、从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,所述数据库间隔预设的第一时间更新其中的样本行车数据。一种具体的实施例中,所述历史行车数据为汽车最近一个月内的行车数据;所述行车数据包括动力电池的电压、动力电池的电流、车速、驾驶激进系数、行驶里程、车辆加速度、电机电功率、各附件能耗等,利用上述数据进行分析计算还可得到其他行车数据,所述样本汽车的样本行车数据同理为每台样本汽车一个月内的行车数据,不再赘述;所述方法由云端数据分析系统以及整车控制器联合执行,所述数据库为云端数据分析系统中的云端数据库;具体实施时,上述数据通过汽车各部件的控制器采集,其中,部分数据由设置在汽车上的整车控制器收集并直接上传至云端数据库,部分数据由整车控制器收集并经过整车控制器预处理后,再将处理后的数据上传至云端数据库,可根据实际情况调整数据收集及处理方式。
具体实施时,会有多辆汽车使用本实施例提供的方法进行电耗诊断,此时,当需要对其中一台车(即目标汽车)进行电耗诊断时,其他车的行车数据就成为样本数据,这样一来,数据库中的样本数据都是真实数据且处于实时更新状态,进一步保证了汽车电耗诊断的结果趋近于真实情况,提高准确率。一种更为具体的实施例中,所述数据库间隔预设的第一时间更新其中的样本行车数据,包括更新固定数量的样本汽车的行车数据,也可以包括加入或减去数据库中样本汽车的数量,只要数据库中用于本申请上述实施例计算的样本行车数据有变化,均为更新所述样本行车数据。
步骤S102、利用所述历史行车数据计算所述目标汽车的历史耗电量,并利用所述样本行车数据计算所述样本汽车的样本耗电量。一种具体的实施例中,整车控制器利用电池电压、电池电流以及车速等数据,计算并发送一个月内每个驾驶循环的总耗电量和每个驾驶循环的行驶里程给云端数据分析系统,系统利用式(1)计算所述目标汽车的历史耗电量(单位kWh/100km)。样本耗电量的计算方式与上述历史耗电量的计算方式相同,在此不过多赘述。
其中,所述驾驶循环表征车辆完成一次驾驶行程,车辆解锁、上电开始行驶,代表驾驶循环开始,车辆行驶结束,下电、锁车,代表驾驶循环结束;所述每个驾驶循环的总耗电量(单位kWh)由式(2)确定,所述每个驾驶循环下的行驶里程(单位km)由式(3)确定,ΔT为计算采用的车速信号周期:
每个驾驶循环的行驶里程=∫车速×ΔT/3600 (3)
步骤S103、响应于所述历史耗电量大于等于高电耗阈值,诊断所述目标汽车处于所述高电耗状态,其中,所述高电耗阈值为根据所述样本耗电量确定的。
本申请提供的方法利用能够不断更新的样本汽车的行车数据对需要进行高电耗诊断的目标汽车进行耗电分析,目标汽车是否处于高电耗状态的判断标准会根据其他样本汽车的耗电状况产生变化,从而对目标汽车进行更为准确、更为符合实际情况的电耗诊断。例如当夏季持续高温,大部分汽车的耗电量都会随着空调的使用频率的上升而升高,此时将目标汽车的耗电量与样本汽车的耗电量相差不大,就不会将目标汽车诊断为高电耗状态,也能避免对车辆做不必要的检修工作。
在一些实施例中,所述数据库中包括与所述目标汽车唯一对应的车辆识别码VIN(Vehicle Identification Number,车辆识别号码),所述步骤S101包括:
响应于接收到诊断指令,根据所述诊断指令携带的与所述车辆识别码VIN对应的指令标识,从所述数据库中搜索并获取与所述车辆识别码VIN对应的所述目标车辆的所述历史行车数据。
VIN是一组由十七个字母或数字组成,用于汽车上的一组独一无二的号码,可以识别汽车的生产商、引擎、底盘序号及其他性能等资料,在本实施例中,汽车的行车数据在上传至数据库时,就已经与该汽车的VIN相关联。售后或技术分析人员基于汽车使用用户“电耗高”的反馈,向云端数据分析系统输入用户车辆的VIN,即向云端数据分析系统发送诊断指令,系统通过VIN从数据库中搜索并获取与该车相对应的行车数据,并用于后续电耗诊断。
在一些实施例中,如图2所示,所述样本汽车为多台,所述步骤S103中根据所述样本耗电量确定所述高电耗阈值,包括:
步骤S201、将所有所述样本耗电量按照数值大小排序,得到耗电量序列。
步骤S202、将所述耗电量序列中第N个的所述样本耗电量确定为高电耗阈值,其中,N为根据所述耗电量序列中所述样本耗电量的数量确定的。
上述步骤高电耗阈值的确定基于真实数据计算得到,目标汽车是否处于高电耗状态的判断标准会根据其他样本汽车的耗电状况产生变化,进一步保证了汽车电耗诊断的准确性。
在一些实施例中,所述将所述耗电量序列中第N个的所述样本耗电量确定为高电耗阈值,包括:利用下式确定N:
N=[α×A]
其中,A为所述样本耗电量的数量,[·]表示取整,α为序列参数,当所述耗电量序列按照所述样本耗电量数值从大到小排序,α取0.1至0.3,当所述耗电量序列按照所述样本耗电量数值从小到大排序,α取0.7至0.9。所述从大到小排序表示数值最大的样本耗电量为序列中的第一个样本耗电量,所述从小到大排序表示数值最小的样本耗电量为序列中的第一个样本耗电量,本申请实施例中其他地方同理,将不再赘述。
一种具体的实施例中,将所有所述样本耗电量按照数值从小到大排序,得到耗电量序列,此时确定α=0.8,N=样本耗电量的数量×0.8,当N不为整数时取整,以所述耗电量序列中有100个数据为例(即数据库中有100辆样本汽车),由此将第80个的样本耗电量确定为高电耗阈值。另一种具体的实施例中,将所有所述样本耗电量按照数值从大到小排序,得到耗电量序列,此时确定α=0.2,N=样本耗电量的数量×0.2,当N不为整数时取整,以所述耗电量序列中有100个数据为例(即数据库中有100辆样本汽车),由此将第20个的样本耗电量确定为高电耗阈值。
在一些实施例中,所述方法还包括:
步骤S104、响应于所述目标汽车处于所述高电耗状态,根据所述历史行车数据分析并输出所述目标汽车的高电耗原因。所述步骤S104具体包括:
步骤S301、根据所述历史行车数据计算得到多个行车指标的指标数据,其中,每个所述行车指标都有与之对应的指标阈值。
步骤S302、将所有所述指标数据大于等于与之对应的所述指标阈值的所述行车指标对应的代码,作为所述高电耗原因输出。
上述步骤针对汽车的每个行车指标进行单独分析,能够明确找出汽车高电耗的原因,使用户在收到原因反馈后针对性调整自己的驾驶习惯,使汽车结束高电耗状态,从而延长汽车的各电耗部件的使用寿命。
在一些实施例中,所述行车指标包括驾驶激进系数、高车速里程占比、平均加速度、四驱模式行驶里程占比、回收能量占驱动能耗占比、热管理部件等效能耗、低压附件等效能耗以及对外供电等效能耗。一种具体的实施例中,所述热管理部件等效能耗包括空调压缩机等效百公里能耗以及PTC加热器等效百公里能耗;所述低压附件等效能耗包括辅助驾驶相关低压附件等效百公里能耗、舒适性相关低压附件等效百公里能耗以及娱乐性相关低压附件等效百公里能耗。
一种具体的实施例中,云端数据分析系统与整车控制器联合利用收集到的历史行车数据计算上述多个行车指标的指标数据,各行车指标的计算方式如下。
利用式(4)计算驾驶激进系数平均值β(单位m2/s3):
其中,βn为驾驶激进系数,n为激进驾驶系数的个数,由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统,驾驶激进系数通过式(5)确定:
其中,Vn为车辆在n时刻的行驶车速,单位为km/h,ΔT为计算采用的车速信号周期。
利用式(6)计算高车速里程占比η高速:
其中,每个驾驶循环下车速>90km/h的行驶里程和总行驶里程由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统,且每个驾驶循环下车速>90的行驶里程=∫每个驾驶循环>90的车速×ΔT/3600;每个驾驶循环下总行驶里程=∫每个驾驶循环的车速×ΔT/3600。
利用式(7)计算平均加速度a加速平均:
其中,ax,为云端统计的车速V=y(单位km/h)、电机总扭矩T=z(单位Nm)时的车辆加速度平均值。
利用式(8)计算四驱模式行驶里程占比η四驱:
其中,每个驾驶循环下四驱模式的行驶里程由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统;且每个驾驶循环下四驱模式的行驶里程=∫四驱模式下行驶的车速×ΔT/3600。
利用式(9)计算回收能量占驱动能耗占比η回收:
其中,每个驾驶循环下回收电量和驱动耗电量由整车控制器基于车端信息进行预处理计算并发送给云端数据分析系统,且每个驾驶循环下回收电量=∫|驱动电机电功率|×ΔT/1000/3600(计算时筛选回收时的数据参与计算,一般回收时驱动电机电功率为负值);每个驾驶循环下驱动耗电量=∫驱动电机电功率×ΔT/1000/3600。
利用式(10)计算空调压缩机等效百公里能耗E空调(单位kWh/100km):
其中,每个驾驶循环空调的总能耗由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统;且每个驾驶循环空调的总能耗=∫(压缩机电流×压缩机电压)×ΔT/1000/3600。
利用式(11)计算PTC加热器等效百公里能耗EPTC(单位kWh/100km):
其中,每个驾驶循环PTC加热器的总能耗由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统,且每个驾驶循环空调的总能耗=∫(PTC1功率+PTC2功率)×ΔT/1000/3600。
利用式(12)计算辅助驾驶相关低压附件等效百公里能耗E辅驾低压(单位kWh/100km):
其中,辅助驾驶相关低压附件的总能耗由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统,且辅助驾驶相关低压附件的总能耗=∫(P辅助驾驶控制器功率+P辅助驾驶雷达功率+P辅助驾驶摄像头功率)×ΔT/1000/3600。
利用式(13)计算舒适性相关低压附件等效百公里能耗E舒适低压(单位kWh/100km):
其中,舒适性相关低压附件的总能耗由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统,且舒适性相关低压附件的总能耗=
∫(P座椅加热功率+P座椅按摩功率+P座椅通风功率+P方向盘加热功率+P氛围灯功率)×ΔT/(3.6×106)。
利用式(14)计算娱乐性相关低压附件等效百公里能耗E舒适低压(单位kWh/100km):
其中,娱乐性相关低压附件的总能耗由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统,且娱乐性相关低压附件的总能耗=f(P副驾娱乐屏功率+P二排娱乐屏功率+P音响AMP功率)×ΔT/(3.6×106)。
利用式(15)计算车辆对外供电系统等效百公里能耗E供电系统(单位kWh/100km):
其中,车辆对外供电系统的总能耗由整车控制器基于车端的信息进行预处理计算并发送给云端数据分析系统,且车辆对外供电系统的总能耗=∫(PISB输出功率+P12V输出功率+P车内220V放电功率+P车外220V放电功率)×ΔT/1000/3600。
一种具体的实施例中,云端数据分析系统联合整车控制器计算目标汽车上述所有行车指标的指标数据,并与行车指标对应的指标阈值βth、η高速th、a加速平均th、η四驱th、η回收th、E空调th、EPTCth、E辅驾低压th、E舒适低压th、E娱乐低压th、E供电系统th做比较判断,将所有所述指标数据大于等于与之对应的所述指标阈值的所述行车指标对应的代码1~11,作为所述高电耗原因输出,具体为:
当平均驾驶激进系数β≥βth时,发送高电耗原因代码=1,表示高电耗原因为驾驶比较激烈;
当高车速占比η高速≥η高速th时,发送高电耗原因代码=2,表示高电耗原因为高车速行驶里程较多;
当相同车速和电机总扭矩下的平均加速度a加速平均≥a加速平均th时,发送高电耗原因代码=3,表示高电耗原因为行车时车辆质量较大或经常爬坡;
当四驱行驶里程占总里程占比η四驱≥η四驱th时,发送高电耗原因代码=4,表示高电耗原因为四驱模式下行驶里程较多,驱动系统效率低;
当回收能量占驱动能耗占比η回收≥η回收th时,发送高电耗原因代码=5,表示高电耗原因为回收能量较少;
当空调压缩机等效能耗E空调≥E空调th时,发送高电耗原因代码=6,表示高电耗原因为空调压缩机负载较大,消耗的能量较多;
当PTC加热器等效能耗EPTC≥EPTCth时,发送高电耗原因代码=7,表示高电耗原因为PTC加热器负载较大,消耗的能量较多;
当辅助驾驶低压附件等效能耗E辅驾低压≥E辅驾低压th时,发送高电耗原因代码=8,表示高电耗原因为辅助驾驶低压附件负载较大,消耗的能量较多;
当舒适性低压附件等效能耗E舒适低压≥E舒适低压th时,发送高电耗原因代码=9,表示高电耗原因为舒适性低压附件负载较大,消耗的能量较多;
当娱乐性低压附件等效能耗E娱乐低压≥E娱乐低压th时,发送高电耗原因代码=10,表示高电耗原因为娱乐性低压附件负载较大,消耗的能量较多;
当车辆对外供电系统等效能耗E供电系统≥E供电系统th时,发送高电耗原因代码=11,表示高电耗原因为车辆对外供电系统负载较大,消耗的能量较多。
当存在多个高电耗原因时,同时输出多个代码,一种具体的实施例中,当高电耗原因为驾驶比较激烈、且高车速行驶里程较多、且行车时车辆质量较大或经常爬坡时,输出的代码为1&2&3。
在一些实施例中,所述样本汽车为多台,所述指标阈值的确定方法包括:
步骤S401、根据所述样本行车数据计算每台所述样本汽车与所述指标阈值对应的所述行车指标的样本指标数据。样本指标数据的计算方式可参考上述样本耗电量以及指标数据的计算方式,并具有对应的技术效果,在此不过多赘述。
步骤S402、将所有所述样本指标数据按照数值大小排序,得到指标数据序列。
步骤S403、将所述指标数据序列中第M个的所述样本指标数据确定为与所述行车指标对应的所述指标阈值,其中,M为根据所述指标数据序列中所述样本指标数据的数量确定的。
在一些实施例中,所述将所述指标数据序列中第M个的所述样本指标数据确定为与所述行车指标对应的所述指标阈值,包括:利用下式确定M:
M=[β×B]
其中,B为所述样本指标数据的数量,[·]表示取整,β为序列参数,当所述指标数据序列按照所述样本指标数据的数值从大到小排序,β取0.1至0.3,当所述指标数据序列按照所述样本指标数据的数值从小到大排序,β取0.7至0.9。
一种具体的实施例中,将所有所述样本指标数据按照数值从小到大排序,得到指标数据序列,此时确定β=0.8,M=样本指标数据的数量×0.8,当M不为整数时取整,以所述指标数据序列中有100个数据为例(即数据库中有100辆样本汽车),由此将第80个的样本指标数据确定为与所述行车指标对应的所述指标阈值。另一种具体的实施例中,将所有所述样本指标数据按照数值从大到小排序,得到指标数据序列,此时确定β=0.2,M=样本指标数据的数量×0.2,当M不为整数时取整,以所述指标数据序列中有100个数据为例(即数据库中有100辆样本汽车),由此将第20个的样本指标数据确定为与所述行车指标对应的所述指标阈值。
具体实施时所述指标数据序列与指标阈值的确定方式可参考上述耗电量序列以及高电耗阈值在具体实施时的确定方式,并具有对应的技术效果,在此不过多赘述。
一种具体的实施例中,所述方法还包括:
响应于所述目标汽车不处于所述高电耗状态,输出行车正常的信号;或响应于所述目标汽车处于所述高电耗状态,输出行车高电耗的信号。具体实施时,所述行车高电耗的信号或所述行车正常的信号可以由云端数据分析系统以短信或应用弹窗的形式与高电耗原因一起发送给用户。
需要说明的是,本申请实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本申请的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种汽车电耗诊断装置,如图3所示,包括:
获取模块10,用于从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,所述数据库间隔预设的第一时间更新其中的样本行车数据;
计算模块20,用于利用所述历史行车数据计算所述目标汽车的历史耗电量,并利用所述样本行车数据计算所述样本汽车的样本耗电量;
诊断模块30,用于响应于所述历史耗电量大于等于高电耗阈值,诊断所述目标汽车处于所述高电耗状态,其中,所述高电耗阈值为根据所述样本耗电量确定的。
本申请提供的装置利用能够不断更新的样本汽车的行车数据对需要进行高电耗诊断的目标汽车进行耗电分析,目标汽车是否处于高电耗状态的判断标准会根据其他样本汽车的耗电状况产生变化,从而对目标汽车进行更为准确、更为符合实际情况的电耗诊断。
在一些实施例中,所述数据库中包括与所述目标汽车唯一对应的车辆识别码,所述获取模块还用于:
响应于接收到诊断指令,根据所述诊断指令携带的与所述车辆识别码对应的指令标识,从所述数据库中搜索并获取与所述车辆识别码对应的所述目标车辆的所述历史行车数据。
在一些实施例中,如图4所示,所述样本汽车为多台,所述诊断模块还被配置为:根据所述样本耗电量确定所述高电耗阈值,所述诊断模块进一步包括:
排序单元40,用于将所有所述样本耗电量按照数值大小排序,得到耗电量序列。
阈值确定单元50,用于将所述耗电量序列中第N个的所述样本耗电量确定为高电耗阈值,其中,N为根据所述耗电量序列中所述样本耗电量的数量确定的。
在一些实施例中,所述阈值确定单元50还用于:利用下式确定N:
N=[α×A]
其中,A为所述样本耗电量的数量,[·]表示取整,α为序列参数,当所述耗电量序列按照所述样本耗电量的数值从大到小排序,α取0.1至0.3,当所述耗电量序列按照所述样本耗电量的数值从小到大排序,α取0.7至0.9。
在一些实施例中,所述装置还包括:
原因分析模块,用于响应于所述目标汽车处于所述高电耗状态,根据所述历史行车数据计算得到多个行车指标的指标数据,其中,每个所述行车指标都有与之对应的指标阈值;
将所有所述指标数据大于等于与之对应的所述指标阈值的所述行车指标对应的代码,作为所述高电耗原因输出。
在一些实施例中,所述样本汽车为多台,所述原因分析模块还用于:
根据所述样本行车数据计算每台所述样本汽车与所述指标阈值对应的所述行车指标的样本指标数据;
将所有所述样本指标数据按照数值大小排序,得到指标数据序列;
将所述指标数据序列中第M个的所述样本指标数据确定为与所述行车指标对应的所述指标阈值,其中,M为根据所述指标数据序列中所述样本指标数据的数量确定的。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述任一实施例中相应的汽车电耗诊断方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上任意一实施例所述的汽车电耗诊断方法。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
上述实施例的电子设备用于实现前述任一实施例中相应的汽车电耗诊断方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述的汽车电耗诊断方法。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的汽车电耗诊断方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
基于同一发明构思,与上述任意实施例方法相对应的,本申请还提供了一种车辆,所述车辆包括上述电子设备。所述实施例的车辆用于实现前述任一实施例中相应的汽车电耗诊断方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本申请的范围(包括权利要求)被限于这些例子;在本申请的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本申请实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本申请实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本申请实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本申请的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本申请的具体实施例对本申请进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
需要说明的是,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。而且,术语“包括”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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本申请实施例的精神和原则之内,所做的任何省略、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 (10)
1.一种汽车电耗诊断方法,其特征在于,包括:
从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,所述数据库间隔预设的第一时间更新其中的样本行车数据;
利用所述历史行车数据计算所述目标汽车的历史耗电量,并利用所述样本行车数据计算所述样本汽车的样本耗电量;
响应于所述历史耗电量大于等于高电耗阈值,诊断所述目标汽车处于所述高电耗状态,其中,所述高电耗阈值为根据所述样本耗电量确定的。
2.根据权利要求1所述的方法,其特征在于,所述数据库中包括与所述目标汽车唯一对应的车辆识别码;
从数据库中获取所述目标汽车的所述历史行车数据,包括:
响应于接收到诊断指令,根据所述诊断指令携带的与所述车辆识别码对应的指令标识,从所述数据库中搜索并获取与所述车辆识别码对应的所述目标车辆的所述历史行车数据。
3.根据权利要求1所述的方法,其特征在于,所述样本汽车为多台,根据所述样本耗电量确定所述高电耗阈值,包括:
将所有所述样本耗电量按照数值大小排序,得到耗电量序列;
将所述耗电量序列中第N个的所述样本耗电量确定为高电耗阈值,其中,N为根据所述耗电量序列中所述样本耗电量的数量确定的。
4.根据权利要求3所述的方法,其特征在于,所述将所述耗电量序列中第N个的所述样本耗电量确定为高电耗阈值,包括:
利用下式确定N:
N=[α×A]
其中,A为所述样本耗电量的数量,[·]表示取整,α为序列参数,当所述耗电量序列按照所述样本耗电量数值从大到小排序,α取0.1至0.3,当所述耗电量序列按照所述样本耗电量数值从小到大排序,α取0.7至0.9。
5.根据权利要求1所述的方法,其特征在于,还包括:
响应于所述目标汽车处于所述高电耗状态,根据所述历史行车数据计算得到多个行车指标的指标数据,其中,每个所述行车指标都有与之对应的指标阈值;
将所有所述指标数据大于等于与之对应的所述指标阈值的所述行车指标对应的代码,作为所述高电耗原因输出。
6.根据权利要求5所述的方法,其特征在于,所述样本汽车为多台,所述指标阈值的确定方法包括:
根据所述样本行车数据计算每台所述样本汽车与所述指标阈值对应的所述行车指标的样本指标数据;
将所有所述样本指标数据按照数值大小排序,得到指标数据序列;
将所述指标数据序列中第M个的所述样本指标数据确定为与所述行车指标对应的所述指标阈值,其中,M为根据所述指标数据序列中所述样本指标数据的数量确定的。
7.一种汽车电耗诊断装置,其特征在于,包括:
获取模块,用于从数据库中获取目标汽车的历史行车数据以及样本汽车的样本行车数据,其中,所述数据库间隔预设的第一时间更新其中的样本行车数据;
计算模块,用于利用所述历史行车数据计算所述目标汽车的历史耗电量,并利用所述样本行车数据计算所述样本汽车的样本耗电量;
诊断模块,用于响应于所述历史耗电量大于等于高电耗阈值,诊断所述目标汽车处于所述高电耗状态,其中,所述高电耗阈值为根据所述样本耗电量确定的。
8.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任意一项所述的方法。
9.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,其特征在于,所述计算机指令用于使计算机执行权利要求1至6任意一项所述方法。
10.一种车辆,其特征在于,所述车辆包括权利要求8所述的电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465664.6A CN118068800A (zh) | 2022-11-22 | 2022-11-22 | 汽车电耗诊断方法、装置、电子设备、存储介质及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465664.6A CN118068800A (zh) | 2022-11-22 | 2022-11-22 | 汽车电耗诊断方法、装置、电子设备、存储介质及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118068800A true CN118068800A (zh) | 2024-05-24 |
Family
ID=91110184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211465664.6A Pending CN118068800A (zh) | 2022-11-22 | 2022-11-22 | 汽车电耗诊断方法、装置、电子设备、存储介质及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118068800A (zh) |
-
2022
- 2022-11-22 CN CN202211465664.6A patent/CN118068800A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111806239B (zh) | 电动车辆续航里程测量方法、电子设备及存储介质 | |
CN111497679B (zh) | 一种纯电动汽车能耗监测优化方法及系统 | |
CN114786991A (zh) | 用于确定动力电池的状态值的方法 | |
CN111038334A (zh) | 一种电动汽车续驶里程预测方法及装置 | |
EP3591413B1 (en) | Method for evaluating an electric battery state of health | |
CN102870270A (zh) | 用于车辆中的量程计算的系统及方法 | |
WO2022262583A1 (zh) | 电池健康状态测算方法以及相关设备 | |
CN105128853A (zh) | 一种用于计算增程式混合动力汽车续驶里程的系统 | |
CN111422070A (zh) | 一种续航里程的检测方法、装置和新能源车辆 | |
CN113895307B (zh) | 一种剩余里程的确定方法、装置、电动汽车及介质 | |
CN114940132B (zh) | 电动车续航里程预测方法、测试方法和系统 | |
US10054643B2 (en) | Method and apparatus for isolating root cause of low state of charge of a DC power source | |
CN113219336B (zh) | 电池劣化判断系统、方法及存储有程序的非临时性存储介质 | |
CN211926038U (zh) | 车载空调滤芯寿命的预测系统及车辆 | |
CN116562405A (zh) | 一种增程式插电混合动力汽车预约充电智能方法、装置及计算机系统 | |
CN114329337A (zh) | 一种电动汽车绝缘电阻预测方法、系统及存储介质 | |
CN111896264B (zh) | 增程器用发动机的试验工况生成方法、装置及电子设备 | |
CN116992240B (zh) | 一种车辆排放远程评估方法、设备和存储介质 | |
CN114001989A (zh) | 一种基于工况识别的单车空调能耗预测方法及预测装置 | |
CN118068800A (zh) | 汽车电耗诊断方法、装置、电子设备、存储介质及车辆 | |
CN114707037A (zh) | 新能源车辆节能驾驶推荐方法、装置、设备及存储介质 | |
CN111563976A (zh) | 商用车剩余行驶里程的确定方法及装置 | |
CN114056187B (zh) | 车辆续航里程计算方法、装置、设备及存储介质 | |
CN112183984A (zh) | 驾驶行为处理方法、装置、存储介质和电子设备 | |
US11890963B2 (en) | Method and system for method for estimating a present energy consumption of an electrically propelled vehicle |
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 |