CN110097219B - 一种基于安全树模型的电动车辆运维优化方法 - Google Patents
一种基于安全树模型的电动车辆运维优化方法 Download PDFInfo
- Publication number
- CN110097219B CN110097219B CN201910317323.6A CN201910317323A CN110097219B CN 110097219 B CN110097219 B CN 110097219B CN 201910317323 A CN201910317323 A CN 201910317323A CN 110097219 B CN110097219 B CN 110097219B
- Authority
- CN
- China
- Prior art keywords
- event
- safety
- electric vehicle
- fault
- bottom layer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012423 maintenance Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 230000001364 causal effect Effects 0.000 claims description 29
- 238000004458 analytical method Methods 0.000 claims description 23
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 238000013024 troubleshooting Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 210000003462 vein Anatomy 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000011144 upstream manufacturing Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 11
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 230000006378 damage Effects 0.000 description 20
- 230000007246 mechanism Effects 0.000 description 14
- 239000003921 oil Substances 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000010720 hydraulic oil Substances 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种基于安全树模型的电动车辆运维优化方法,包括:S1.构建安全树;S2.基于所述安全树对各个底层事件进行安全重要度排序;S3.判定所述电动车辆的安全状态是否已达阈值,如果是执行步骤S4,否则继续评估;S4.对所述安全树中安全重要度高的分支进行排查并排除故障,然后返回步骤S3。实施本发明的基于安全树模型的电动车辆运维优化方法,可以对于在实际运营过程中,电动车辆安全性能不断变化的电动车辆的安全性进行实时、精确、数字化的评估,从而根据安全树模块,综合各安全故障状态,从而对电动车辆的安全状态进行定时定量的描述,进而实现对电动车辆制造维修运营维护的指导,从而提高电动车辆的安全性。
Description
技术领域
本发明涉及运输工具,更具体地说,涉及一种基于安全树模型的电动车辆运维优化方法。
背景技术
随着世界经济的快速发展和对环保意识的重视,汽车的普及率越来越高,同时对汽车尾气排放要求也越来越高,节能、安全、无污染的电动车辆是未来的发展趋势。然而,电动车辆一般有高达上百伏的电气***,这就超过了直流的安全电压范围,如不进行合理的设计与防护,将可能带来人员电击等高压安全问题。此外,电动车辆包括诸如转向***、制动***、安全控制***等多个组成部门,每个组成部分又包括多个组成部件。任何部件的失效或者故障都可能造成整个车辆的失控,或者故障,从而导致驾驶者或者乘客遭遇危险。然而目前仍然缺乏能够***有效的理论分析和工程经验相结合的电动车辆安全管理与控制方法;以及缺乏定量描述电动车辆安全状态、精确体现各***安全特性电动车辆安全状态的方法。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于安全树模型的电动车辆运维优化方法。
本发明解决其技术问题所采用的技术方案是:构造一种基于安全树模型的电动车辆运维优化方法,包括:
S1.构建安全树,所述安全树包括多个底层事件、中间层事件、顶层事件以及所述底层事件、所述中间层事件、所述顶层事件之间的逻辑因果关系和安全重要度;
S2.基于所述安全树对各个底层事件进行安全重要度排序;
S3.判定所述电动车辆的安全状态是否已达阈值,如果是执行步骤S4,否则继续评估;
S4.对所述安全树中安全重要度高的分支进行排查并排除故障,然后返回步骤S3。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,所述步骤S4进一步包括:
S41.根据所述各个底层事件的安全重要度排序选择所述安全树中未进行标注且安全重要度高的分支进行标注,从而获得从所述安全重要度高的分支的从底层事件到顶层事件的事件脉络线;
S42.对所述事件脉络线进行分析以获得所述事件脉络线的底层事件参数;
S43.基于所述底层事件参数对所述底层事件进行故障排查并消除故障,然后返回步骤S3。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,所述步骤S42进一步包括:
S421.根据所述事件脉络线上的底层事件、中间层事件或顶层事件中各层级事件的重要度的变化规律对所述事件脉络线进行分析;
S422.对于根据所述事件脉络线上的底层事件、中间层事件或顶层事件中重要度变化异常的事件,根据所述事件脉络线的上下游找出实际发生的底层事件,确定所述底层事件的因果关系并获得所述底层事件的底层事件参数。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,所述消除故障包括维修、更换零部件,功能和/或结构的重新设计。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,所述步骤S1进一步包括:
S11.采集电动车辆的电动车辆安全故障数据;
S12.将所述电动车辆安全故障数据映射归类到不同的安全事件组别中,并分别统计各个安全事件组别频次数据;
S13.采用联合分析方法对各个安全事件组别中的所述电动车辆安全故障数据进行分类构建安全树。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,所述步骤S13进一步包括:
S131.将所述电动车辆安全故障数据至少分为第一故障类别、第二故障类别、第三故障类别和第四故障类别;
S132.采用不同的分析方法分析所述第一故障类别、所述第二故障类别、所述第三故障类别和所述第四故障类别的所述电动车辆安全故障数据,以确定所述电动车辆安全故障数据之间的层级关系从而确定底层事件、中间层事件和顶层事件以及所述底层事件、所述中间层事件、所述顶层事件之间的逻辑因果关系和安全重要度;
S133.逐层建立故障因果关系直至遍历所有的所述电动车辆安全故障数据以完成电动车辆的安全树构建。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,所述步骤S2进一步包括
S21.通过中间层事件的采集和统计,分析所述中间层事件的存在的参数偏差,将所述中间层事件的原始频次数据换算为标准化的各级中间事件频次数据;
S22.通过所述逻辑因果关系和所述中间事件的结果分析统计得到各个底层事件的发生概率;
S23.基于所述安全树和所述中间层事件的采集和所述中间事件频次数据统计得到各个顶层事件的发生概率;
S24.基于各个底层事件对各个中间事件的概率,和各个顶层事件的发生概率,计算得到各个底层事件对顶层事件的影响概率;
S25.基于各个底层事件对各个顶层事件的影响概率对各个底层事件进行安全重要度排序。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,所述步骤S21包括:
S211.采集所述电动车辆的中间事件的故障数据并进行统计解耦,针对所述电动车辆的运行参数的动态变化,分析存在的参数偏差;将所述参数偏差和所述故障数据中的突发失效报警事件作为所述中间层事件的原始频次数据;
S212.针对各级中间事件的原始频次数据对应的工作环境,将所述原始频次数据换算为标准化的各级中间事件频次数据;和/或
所述步骤S22包括:统计在现场应用、测试、检验场景下的标准化的各级中间事件频次数据,并分别计算对应各个底层事件的发生概率。
在本发明所述的基于安全树模型的电动车辆运维优化方法中,在所述步骤S23中,通过中间事件的发生频次统计和分布、各中间事件的风险度值,计算顶层事件的发生概率;和/或
在所述步骤S24中,采用贝叶斯算法算出各个底层事件对所述顶层事件的影响概率。
本发明解决其技术问题采用的另一技术方案是,构造一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的基于安全树模型的电动车辆运维优化方法。
实施本发明的基于安全树模型的电动车辆运维优化方法和计算机可读存储介质,可以对于在实际运营过程中,电动车辆安全性能不断变化的电动车辆的安全性进行实时、精确、数字化的评估,从而根据安全树模块,综合各安全故障状态,从而对电动车辆的安全状态进行定时定量的描述,进而实现对电动车辆制造维修运营维护的指导,从而提高电动车辆的安全性。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明的第一优选实施例的基于安全树模型的电动车辆运维优化方法的流程示意图;
图2是本发明的优选实施例的基于安全树模型的电动车辆运维优化方法的电动车辆安全故障数据的归类示意图;
图3a-3c是本发明的优选实施例的基于安全树模型的电动车辆运维优化方法的部分安全树的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明涉及一种基于安全树模型的电动车辆运维优化方法,包括:S1.构建安全树,所述安全树包括多个底层事件、中间层事件、顶层事件以及所述底层事件、所述中间层事件、所述顶层事件之间的逻辑因果关系和安全重要度;S2.基于所述安全树对各个底层事件进行安全重要度排序;S3.判定所述电动车辆的安全状态是否已达阈值,如果是执行步骤S4,否则继续评估;S4.对所述安全树中安全重要度高的分支进行排查并排除故障,然后返回步骤S3。实施本发明的基于安全树模型的电动车辆运维优化方法和计算机可读存储介质,可以对于在实际运营过程中,电动车辆安全性能不断变化的电动车辆的安全性进行实时、精确、数字化的评估,从而根据安全树模块,综合各安全故障状态,从而对电动车辆的安全状态进行定时定量的描述,进而实现对电动车辆制造维修运营维护的指导,从而提高电动车辆的安全性。
在本发明中,电动车辆的安全树是全面解决电动车辆安全问题的***方法,是由通过顶层事件、底层事件、相关逻辑和数据建立相关逻辑体系,通过电动车辆安全需求分析和电动车辆***构建安全事件模型建立树状图,是对车辆不同层次事件之间逻辑关系的描述,针对例如制动***、转向***、车身零部件等多个子***或部件进行图形表征和定性描述。安全树专注于已真实发生事件,追踪穿透***设置壁垒,模块化开放型体系设计。在本发明中,安全树安全重要度是定量分析与评价底层事件对顶层事件影响重要程度的主要度量,它反映了各个底层事件对于电动车辆安全影响的权重。在本发明,所述安全树的安全重要度包涵了所述各个底层事件的概率、所述各个中间事件的差异化和各个顶层事件的风险程度因素,是各个底层事件对各个顶层事件的影响大小的定量评价。安全重要度代表了电动车辆各个底层事件的安全权重。在本发明中,底层事件可以理解为基础故障,而顶层事件可以理解为表层故障。底层事件与顶层事件之间存在直接的因果关系,或者间接的因果关系。底层事件和顶层事件之间,可能存在中间层事件。在本发明中,安全重要度赋予各个底层事件以统计特征,是对***安全性的量化描述,是定量化分析电动车辆***安全性的工具。
在电动车辆实际运营过程中,电动车辆安全性能随时间是不断在变化的。当电动车辆运行时长达到一定数值或经历某种情况时,其零部件或子***可能由于部件老化损耗等原因对电动车辆的安全性能产生重大影响。这些信息如果不能及时获取,对电动车辆而言可能会引起极大损失,因此对电动车辆的安全性进行实时、精确、数字化的评估是必要的。电动车辆安全状态是指统筹电动车辆完整的安全树模型,综合各安全故障状态,计算出对电动车辆安全性有指示意义并统一体现的电动车辆重要参数,这是基于安全树模型对电动车辆安全情况的实时定量描述。
在汽车安全状态评估的基础上,即可针对电动车辆安全状态实时评估值对车辆进行安全维护。当电动车辆安全状态评估值达到危险阈值时,及时对车辆进行维修保养,将危险零部件进行更新替换。在电动车辆安全***出现不良状态之前,可基于安全树对电动车辆安全状态进行实时监控评估,从而决定是否需要维修、保养等。通过安全树模型,可以对电动车辆安全树基础故障结构重要度与关键重要度均高的事件先排查,对关联分支中重要度较高的枝干进行标注,从而得到一条由安全故障顶事件到基础故障底事件的事件脉络线。对该事件脉络线进行进一步分析,即可得到此故障脉络所对应的安全故障、基础故障、以及基础故障参数等故障信息。针对该安全故障实际问题,可对其进行安全故障排除检验,缩小故障范围,同时对相应部分进行维修或替换,并评估维修方案的合理性。完成维修后,需要对汽车安全状态进行再次评估,当新安全状态估值下的车辆寿命无法满足实际目标需求时,还需再次对其进行检修,继续查找危险零部件,直至完成预计维修目标。此外,根据事件脉络线上各层级故障重要度的变化规律,通过对重要度值发生跳变故障节点的判断,能够有助于对重要核心基础故障问题的分析。对于重要度评价出现异常的安全故障,按照其所在的安全树脉络结构,对该安全故障的上下游进行进一步分析以找出实际故障发生节点,确定因果关系。依照故障模块节点的逻辑关系,对于零部件发生的故障或损坏,可以维修或替换;若故障发生的原因在于其结构或是功能的设计存在不合理部分,则需要对该部分进行重新设计。
图1是本发明的第一优选实施例的基于安全树模型的电动车辆运维优化方法的流程示意图。如图1所示,在步骤S1中,构建安全树。所述安全树包括多个底层事件、中间层事件、顶层事件以及所述底层事件、所述中间层事件、所述顶层事件之间的逻辑因果关系和安全重要度。在本发明的优选实施例中,可以采用已知的任何方法构建安全树,也可以采用已有的安全树。
下面描述了根据本发明的优选实施例的构建安全树的方法。本领域技术人员知悉,在本发明的其他优选实施例中,可以采用其他的方法构建安全树。本发明在此不受该具体构建方法的限制。
在本发明一个优选实施例中,构建安全树的步骤包括:采集电动车辆的电动车辆安全故障数据;将所述电动车辆安全故障数据映射归类到不同的安全事件组别中,并统计计算各个安全事件组别频次数据;采用联合分析方法对各个安全事件组别中的所述电动车辆安全故障数据进行分类构建安全树。
在本发明的一个优选实施例中,该采集电动车辆的电动车辆安全故障数据的步骤可以进一步包括通过CAN总线将所述电动车辆的电动车辆控制器、安全控制器和行车记录仪中的数据传送到平台数据库;然后从所述数据中获取所述电动车辆的电动车辆安全故障数据。例如,可以将电动车辆安全故障数据映射归类制动***、转向***、车身零部件等多个子***或部件,这样就将所述电动车辆安全故障数据按照映射归类的原理计入不同的组别当中,并且统计各个安全事件组别发生批次。
如图2所示,在本发明的一个优选实施例中,可以将所述电动车辆安全故障数据分别映射到结构安全事件、电气安全事件、功能逻辑安全事件、碰撞安全事件、热安全事件、防爆安全事件、运营维修安全事件、环境安全事件和全生命周期安全事件。并且,根据数据归类、分析和计算,可以获得其基层事件概率分别为结构安全事件30%、电气安全事件10%、功能逻辑安全事件20%、碰撞安全事件5%、热安全事件5%、防爆安全事件8%、运营维修安全事件9%、环境安全事件8%、全生命周期安全事件5%。上述归纳分析过程可以采用本领域中已知的各种方法,也可以采用已知方法计算各个安全事件组别占全部安全故障的概率,还可以采用电动车辆制造商各自的测量和采集经验数据。
在本发明的一个优选实施例中,所述采用联合分析方法对各个安全事件组别中的所述电动车辆安全故障数据进行分类构建安全树的步骤进一步包括:将所述电动车辆安全故障数据至少分为第一故障类别、第二故障类别、第三故障类别和第四故障类别;采用不同的分析方法分析所述第一故障类别、所述第二故障类别、所述第三故障类别和所述第四故障类别的所述电动车辆安全故障数据,以确定所述电动车辆安全故障数据之间的层级关系从而确定底层事件、中间层事件和顶层事件以及所述底层事件、所述中间层事件、所述顶层事件之间的逻辑因果关系和安全重要度;逐层建立故障因果关系直至遍历所有的所述电动车辆安全故障数据以完成电动车辆的安全树构建。其中,所述第一故障类别为机理清晰或者机理可验证故障,所述第二故障类别为机理不清晰但具有经验验证基础的故障,所述第三故障类别为机理不清楚但有运行数据支持的故障;第四类故障类别为机理清晰但***结构复杂故障。例如,将第一故障类别的所述电动车辆安全故障数据按照机理划分为顶层事件、中间层事件以及底层事件;采用贝叶斯推理法分析第二故障类别的所述电动车辆安全故障数据的故障因数相关性,从而基于分析结果将第二故障类别的所述电动车辆安全故障数据划分为顶层事件、中间层事件以及底层事件;采用机器学习法分析第三故障类别的所述电动车辆安全故障数据的故障因数相关性,从而基于分析结果将第三故障类别的所述电动车辆安全故障数据划分为顶层事件、中间层事件以及底层事件;采用解释结构法解析第四故障类别的所述电动车辆安全故障数据的故障因数相关性,从而基于分析结果将第四故障类别的所述电动车辆安全故障数据划分为顶层事件、中间层事件以及底层事件。
在本发明的一个优选实施例中,所述采用联合分析方法对各个安全事件组别中的所述电动车辆安全故障数据进行分类构建安全树的步骤进一步包括:针对一个顶层事件和其对应的全部底层事件,根据其多层因果关系,逐层建立“IF…THEN…”规则描述事件之间的因果关系,直至遍历所有的“顶层事件-底层事件”对;基于所述顶层事件,所述底层事件以及其之间的因果关系和经历的中间层事件生成表达所述顶层事件和所述底层事件的逻辑关系的规则集合;基于所述规则集合,所述顶层事件,所述底层事件以及所述中间层事件,以及所述安全树模块构建所述安全树;验证所述规则集合以去除逻辑关系错误或事件错误。
图3a-3c是本发明的优选实施例的部分安全树的示意图。如图3a-3c所示,结构安全事件下面可以细分三个中间事件,即制动安全事件,行驶传动安全事件,和转向安全事件,我们可以分别对各个事件构建安全树。我们接着以制动安全事件为例进行说明。如图3b,将所述制动安全事件作为顶层事件,我们发现,其实际上与多个中间安全事件和多个底层安全事件之间存在因果关系。对于第一类,机理清晰或者机理可验证故障的事件,比如制动阀损坏X14、管路接头损坏X16、液压控制器异常X21、液压油量不足X24、液压电机异常X22,可以直接获得他们的因果关系,这时可以直接根据机理确定制动阀损坏X14、管路接头损坏X16、液压控制器异常X21、液压油量不足X24、液压电机异常X22为底层事件,采用“IF…THEN…”规则描述事件之间的因果关系为如果制动阀损坏X14、管路接头损坏X16、液压控制器异常X21、液压油量不足X24、液压电机异常X22,那么发生制动安全事件。
对于第二类,机理不清晰但具有经验验证基础的故障,采用贝叶斯推理法分析第二故障类别的所述电动车辆安全故障数据的故障因数相关性,从而基于分析结果将第二故障类别的所述电动车辆安全故障数据划分为顶层事件、中间层事件以及底层事件。同如图3c所示,将所述制动安全事件作为顶层事件,我们通过贝叶斯算法,可以发现转向安全事件作为第一中间层事件,分别与第二中间层事件转向操作机构故障、转向机故障、转向执行机构故障因果关联。而转向操作机构故障分别与多个底层事件方向盘紧固异常、方向管轴承损坏、方向管柱花键磨损花键紧、固螺丝滑牙、花键润滑油不足的直接因果关联。转向机故障分别与多个底层事件转向机润滑油不足X6、转向机花键损坏X7、转向机齿轮磨损损坏X8、转向机紧固螺丝松X9、转向机浸水X10直接因果关联。转向执行机构故障分别与多个底层事件转向节臂损坏X11、转向球头损坏X12、转向羊角变形/断裂X13、转向稳定杆断裂X14、转向干涉X15直接因果关联。
对于第三类,对于机理不清楚但有运行数据支持的故障,可以采用机器学习法分析第三故障类别的所述电动车辆安全故障数据的故障因数相关性,从而基于分析结果将第三故障类别的所述电动车辆安全故障数据划分为顶层事件、中间层事件以及底层事件。同如图3b所示,将所述制动安全事件作为顶层事件,我们通过相似状态比较法可以发现,驻车制动故障实际上可以作为第一层中间事件,而其和作为第一层中间事件的行车制动故障一样与第二层中间事件制动压力异常存因果关系。而该制动压力异常又与多个底层事件制动油封损坏X6、制动器漏油X5以及制动器底板变形X8存在因果关系。同时驻车制动故障还与多个底层事件手柄损坏X8、摩檫片磨损X1、制动油缸卡滞X2、制动弹簧损坏X3、传动轴损坏X12直接存在因果关系。
对于第四类,机理清晰但***结构复杂故障;采用解释结构法解析第四故障类别的所述电动车辆安全故障数据的故障因数相关性,从而基于分析结果将第四故障类别的所述电动车辆安全故障数据划分为顶层事件、中间层事件以及底层事件。同如图3b所示,将所述制动安全事件作为顶层事件,我们通过解释结构法可以发现,行车制动故障实际上可以作为第一层中间事件,而其与多个底层事件摩檫片磨损X1、制动油缸卡滞X2、制动弹簧损坏X3、支架轴承损坏X4直接存在因果关系,同时又与第二层中间事件制动压力异常存因果关系。而制动压力异常又与底层事件制动油封损坏X6和制动器漏油X5存在因果关系。
因此,本领域技术人员可以根据上述教导,构建电动车辆的整个安全树,和/或其中一部分安全树在本发明的优选实施例中,在构建安全树之后,验证所述规则集合以去除逻辑关系错误或事件错误。针对描述安全树的“IF…THEN…”规则集,查找其中事件逻辑关系的错误,常见的事件关系错误。
本发明的安全树是一种基于数据驱动、概率计算和安全重要度分析的综合型、开放式、全周期的安全体系,其是用于评价车辆安全状态的***模型,是定量化分析***安全性的有力工具。该安全树体系可针对不同的安全故障分类进行设计,突破单独针对各***部件进行安全性分析的局限,能够更好地反映电动车辆安全状况。安全树针对安全领域故障数据设立,各层次安全故障数据之间的相关性除了基于逻辑推演之外,也由故障事件的统计特征和数据所决定。安全树模型专注于已真实发生故障事件,按设计思路或***展开追踪并穿透***设置壁垒,模块化开放型体系设计。基于新的故障数据可实时更新安全树,形成良性循环并不断优化。安全树应用面向实际的设计生产运维过程,更加符合工程实践要求。
在步骤S2中,基于所述安全树对各个底层事件进行安全重要度排序。在本发明的优选实施例中,所述步骤S2可以进一步包括S21.通过中间层事件的采集和统计,分析所述中间层事件的存在的参数偏差,将所述中间层事件的原始频次数据换算为标准化的各级中间事件频次数据;S22.通过所述逻辑因果关系和所述中间事件的结果分析统计得到各个底层事件的发生概率;S23.基于所述安全树和所述中间层事件的采集和所述中间事件频次数据统计得到各个顶层事件的发生概率;S24.基于各个底层事件对各个中间事件的概率,和各个顶层事件的发生概率,计算得到各个底层事件对顶层事件的影响概率;S25.基于各个底层事件对各个顶层事件的影响概率对各个底层事件进行安全重要度排序。
优选地,在所述步骤S21中,通过中间层事件的采集和统计,分析所述中间层事件的存在的参数偏差,将所述中间层事件的原始频次数据换算为标准化的各级中间事件频次数据。在本发明的一个优选实施例中,可以采集所述电动车辆的中间事件故障数据进行统计解耦,针对运行参数的动态变化,分析可能存在的参数偏差。参数偏差和突发失效报警,构成各级中间事件原始数据,并最终转化频次数据;针对各级中间事件原始频次数据对应的工作环境,将原始频次数据换算为标准化的各级中间事件频次数据。本领域技术人员知悉,可以采用本领域中已知的任何方法统计各个中间事件的发生频次并进行标准化修正。优选地,在所述步骤S22中,统计在现场应用、测试、检验场景下的标准化的各级中间事件频次数据,并分别计算对应各个底层事件的发生概率。优选地,在所述步骤S22中,通过中间事件的发生频次统计和分布、各中间事件的风险度值,计算顶层事件的发生概率;优选地,在所述步骤S24中,基于各个底层事件对各个中间事件的概率,和各个顶层事件的发生概率,通过贝叶斯计算可以得到各个底层事件对顶层事件的影响概率;本领域技术人员知悉,除了下述计算方法之外,本领域技术人员还可以根据实际情况,采用其他的计算公式进行计算。本发明在此不受具体计算方法的限制。
在本发明的一个优选实施例中,所述底层事件的重要度等于所述顶层事件的发生概率相对所述标准化修正后的所述底层事件的发生概率求偏导。在本发明的进一步的优选实施例中,可以基于下述公式计算所述底层事件的安全重要度:
其中,IG(i)是底层事件Xi的安全重要度;qi是标准化修正后的所述底层事件的发生概率;g是所述顶层事件的发生概率,其是关于q1,q2,…qi,…,qN的割集集合。
在本发明的进一步的优选实施例中,可以基于标准化修正后的所述底层事件的发生概率构建结构函数、构建最小割集集合,根据安全树安全重要度公式计算底层事件的结构安全重要度。例如,假定有i个底层事件,每个底层事件的发生概率为Xi,构建结构函数然后创建最小割集集合为{X1},{X2},{X3},……,{Xi}。基于安全树安全重要度公式可以计算安全树结构安全重要度
在步骤S3中,判定所述电动车辆的安全状态是否已达阈值。该阈值例如可以根据电动车辆的实际运行参数进行设置,例如可以是最高运行速度,最高每小时耗电量,等等。本领域技术人员可以根据实际的制造,维修经验设置该阈值。该阈值可以是一个或者多个数值,当然优选是多个数值,尤其是多个表征电动车辆的不良状态的数值。如前所述,电动车辆安全性能随时间是不断在变化的。当电动车辆运行时长达到一定数值或经历某种情况时,其零部件或子***可能由于部件老化损耗等原因对电动车辆的安全性能产生重大影响,如果此时不进行处理的话,可能会发生严重故障,甚至事故,造成巨大损失。因此当所述电动车辆的安全状态一定达到阈值时,需要执行步骤S4,进行后续处理。如果没有达到阈值,证明所述电动车辆的安全状态尚可,此时无需进行后续处理,继续进行实时监测即可。
在步骤S4中,对所述安全树中安全重要度高的分支进行排查并排除故障。在故障排除之后,可以返回步骤S3,继续进行监测。如果监测发现还是所述电动车辆的安全状态是否已达阈值,证明故障还是没有排查完全,需要进一步排查。这样,可以依据安全重要度顺序,将安全树中的一个、两个甚至多个分支进行排查,直至故障全部排除,或者将大部分故障排除,直至所述电动车辆的安全状态低于阈值。所述消除故障包括维修、更换零部件,功能和/或结构的重新设计。依照故障节点发生的逻辑关系,对于零部件发生的故障或损坏,可以维修或替换;若故障发生的原因在于其结构或是功能的设计存在不合理部分,则需要对该部分进行重新设计
在本发明的优选实施例中,可以首先根据所述各个底层事件的安全重要度排序选择所述安全树中未进行标注且安全重要度高的分支进行标注,从而获得从所述安全重要度高的分支的从底层事件到顶层事件的事件脉络线;然后对所述事件脉络线进行分析以获得所述事件脉络线的底层事件参数;最后基于所述底层事件参数对所述底层事件进行故障排查并消除故障。在故障排除之后,可以返回步骤S3,继续进行监测。如果监测发现还是所述电动车辆的安全状态是否已达阈值,证明故障还是没有排查完全,需要进一步排查。这样,可以依据安全重要度顺序,将安全树中的一个、两个甚至多个分支进行排查,直至故障全部排除,或者将大部分故障排除,直至所述电动车辆的安全状态低于阈值。
在本发明的进一步的优选实施例中,所述对所述事件脉络线进行分析以获得所述事件脉络线的底层事件参数进一步包括根据所述事件脉络线上的底层事件、中间层事件或顶层事件中各层级事件的重要度的变化规律对所述事件脉络线进行分析;对于根据所述事件脉络线上的底层事件、中间层事件或顶层事件中重要度变化异常的事件,根据所述事件脉络线的上下游找出实际发生的底层事件,确定所述底层事件的因果关系并获得所述底层事件的底层事件参数;对于没有重要度变化异常的事件,直接获取所述底层事件的底层事件参数。
下面结合图2-3b所示的实施例,对本发明说明如下。例如,在电动车辆的运营过程中,我们发现电动车辆的安全状态已经达到危险阈值,比如刹车距离过大,超过危险阈值,我们将根据安全树分析其事件脉络线,我们发现,根据其重要度,刹车距离超过危险阈值的事件脉络线为结构安全事件-制动安全事件-制动管路漏油事件/液压传感器异常事件,因此我们将这两路事件脉络线进行标注。然后我们根据该事件脉络线上的底层事件(制动管路漏油事件/液压传感器异常事件)中间层事件(制动安全事件)或顶层事件(结构安全事件)中各层级事件的重要度的变化规律对所述事件脉络线进行分析,发现所述事件脉络线上的底层事件、中间层事件或顶层事件中并未有任何异常变化,因此认为制动管路漏油事件/液压传感器异常事件发生的可能性最大,因此获取所述底层事件(制动管路和液压传感器)的底层事件参数,并基于该底层事件参数,决定是对制动管路和液压传感器进行检修还是更换,还是进行重新设计等等。在故障排除结束之后,再判断电动车辆的安全状态已经达到危险阈值。如果此时电动车辆的安全状态已经小于危险阈值,证明我们的故障排除非常成功,如果此时电动车辆的安全状态还是已经达到危险阈值,证明我们的故障排除不成功,可能实际发生问题的是其他底层事件。因此我们再次返回到安全树,这时因为结构安全事件-制动安全事件-制动管路漏油事件/液压传感器异常事件这条事件脉络线已经被标注了,我们将根据其重要度从安全树中另外选择一条事件脉络线,例如我们可以选择结构安全事件-制动安全事件-制动压力异常-制动油封损坏。同理,我们可以重复上述操作,直到电动车辆的安全状态已经小于危险阈值。
在有一种情况,对于根据所述事件脉络线上的底层事件、中间层事件或顶层事件中重要度变化异常的事件,根据所述事件脉络线的上下游找出实际发生的底层事件,确定所述底层事件的因果关系并获得所述底层事件的底层事件参数。例如假设我们依照事件脉络线,例如我们可以选择结构安全事件-制动安全事件-制动压力异常-制动油封损坏,但是我们发现,制动油封损坏的安全度异常,其针对制动压力异常,这时,我们将继续考量制动压力异常的其他底层事件,制动器漏油,制动器底板变形等情况,最后本领域技术人员根据实际的车辆运行情况和先验经验可以知晓,实际发生的底层事件实际上是制动器底板变形,这时,获取所述底层事件(制动器底板变形)的底层事件参数,并基于该底层事件参数,决定是对制动器底板进行检修还是更换,还是进行重新设计等等。在故障排除结束之后,再判断电动车辆的安全状态已经达到危险阈值。如果此时电动车辆的安全状态已经小于危险阈值,证明我们的故障排除非常成功,如果此时电动车辆的安全状态还是已经达到危险阈值,证明我们的故障排除不成功,可能实际发生问题的是其他底层事件。因此我们再次返回到安全树,这时因为结构安全事件-制动安全事件-制动压力异常-制动器底板变形这条事件脉络线已经被标注了,我们将根据其重要度从安全树中另外选择一条事件脉络线,可以重复上述操作,直到电动车辆的安全状态已经小于危险阈值。
实施本发明的基于安全树模型的电动车辆运维优化方法,可以对于在实际运营过程中,电动车辆安全性能不断变化的电动车辆的安全性进行实时、精确、数字化的评估,从而根据安全树模块,综合各安全故障状态,从而对电动车辆的安全状态进行定时定量的描述,进而实现对电动车辆制造维修运营维护的指导,从而提高电动车辆的安全性。
本发明解决其技术问题采用的另一技术方案是,构造一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的基于安全树模型的电动车辆运维优化方法。
因此,本发明可以通过硬件、软件或者软、硬件结合来实现。本发明可以在至少一个计算机***中以集中方式实现,或者由分布在几个互连的计算机***中的不同部分以分散方式实现。任何可以实现本发明方法的计算机***或其它设备都是可适用的。常用软硬件的结合可以是安装有计算机程序的通用计算机***,通过安装和执行程序控制计算机***,使其按本发明方法运行。
本发明还可以通过计算机程序产品进行实施,程序包含能够实现本发明方法的全部特征,当其安装到计算机***中时,可以实现本发明的方法。本文件中的计算机程序所指的是:可以采用任何程序语言、代码或符号编写的一组指令的任何表达式,该指令组使***具有信息处理能力,以直接实现特定功能,或在进行下述一个或两个步骤之后实现特定功能:a)转换成其它语言、编码或符号;b)以不同的格式再现。
因此本发明还涉及一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的电动车辆的安全树构建方法。
本发明还涉及电动车辆,包括处理器,存储在所述处理器中的计算机程序,所述程序被处理器执行时实现所述的电动车辆的安全树构建方法。
实施本发明的基于安全树模型的电动车辆运维优化方法和计算机可读存储介质,可以对于在实际运营过程中,电动车辆安全性能不断变化的电动车辆的安全性进行实时、精确、数字化的评估,从而根据安全树模块,综合各安全故障状态,从而对电动车辆的安全状态进行定时定量的描述,进而实现对电动车辆制造维修运营维护的指导,从而提高电动车辆的安全性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于安全树模型的电动车辆运维优化方法,其特征在于,包括:
S1.构建安全树,所述安全树包括多个底层事件、中间层事件、顶层事件以及所述底层事件、所述中间层事件、所述顶层事件之间的逻辑因果关系和安全重要度;
S2.基于所述安全树对各个底层事件进行安全重要度排序;
S3.判定所述电动车辆的安全状态是否已达阈值,如果是执行步骤S4,否则继续评估;
S4.对所述安全树中安全重要度高的分支进行排查并排除故障,然后返回步骤S3;
所述步骤S1进一步包括:
S11.采集电动车辆的电动车辆安全故障数据;
S12.将所述电动车辆安全故障数据映射归类到不同的安全事件组别中,并分别统计各个安全事件组别频次数据;
S13.采用联合分析方法对各个安全事件组别中的所述电动车辆安全故障数据进行分类构建安全树;
所述步骤S2进一步包括
S21.通过中间层事件的采集和统计,分析所述中间层事件的存在的参数偏差,将所述中间层事件的原始频次数据换算为标准化的各级中间事件频次数据;
S22.通过所述逻辑因果关系和所述中间事件的结果分析统计得到各个底层事件的发生概率;
S23.基于所述安全树和所述中间层事件的采集和所述中间事件频次数据统计得到各个顶层事件的发生概率;
S24.基于各个底层事件对各个中间事件的概率,和各个顶层事件的发生概率,计算得到各个底层事件对顶层事件的影响概率;
S25.基于各个底层事件对各个顶层事件的影响概率对各个底层事件进行安全重要度排序;
所述步骤S21包括:S211.采集所述电动车辆的中间事件的故障数据并进行统计解耦,针对所述电动车辆的运行参数的动态变化,分析存在的参数偏差;将所述参数偏差和所述故障数据中的突发失效报警事件作为所述中间层事件的原始频次数据;S212.针对各级中间事件的原始频次数据对应的工作环境,将所述原始频次数据换算为标准化的各级中间事件频次数据;
所述步骤S22包括:统计在现场应用、测试、检验场景下的标准化的各级中间事件频次数据,并分别计算对应各个底层事件的发生概率;
在所述步骤S23中,通过中间事件的发生频次统计和分布、各中间事件的风险度值,计算顶层事件的发生概率;
在所述步S24中,采用贝叶斯算法算出各个底层事件对所述顶层事件的影响概率。
2.根据权利要求1所述的基于安全树模型的电动车辆运维优化方法,其特征在于,所述步骤S4进一步包括:
S41.根据所述各个底层事件的安全重要度排序选择所述安全树中未进行标注且安全重要度高的分支进行标注,从而获得从所述安全重要度高的分支的从底层事件到顶层事件的事件脉络线;
S42.对所述事件脉络线进行分析以获得所述事件脉络线的底层事件参数;
S43.基于所述底层事件参数对所述底层事件进行故障排查并消除故障,然后返回步骤S3。
3.根据权利要求2所述的基于安全树模型的电动车辆运维优化方法,其特征在于,所述步骤S42进一步包括:
S421.根据所述事件脉络线上的底层事件、中间层事件或顶层事件中各层级事件的重要度的变化规律对所述事件脉络线进行分析;
S422.对于根据所述事件脉络线上的底层事件、中间层事件或顶层事件中重要度变化异常的事件,根据所述事件脉络线的上下游找出实际发生的底层事件,确定所述底层事件的因果关系并获得所述底层事件的底层事件参数;对于没有重要度变化异常的事件,直接获取所述底层事件的底层事件参数。
4.根据权利要求3所述的基于安全树模型的电动车辆运维优化方法,其特征在于,所述消除故障包括维修、更换零部件,功能和/或结构的重新设计。
5.根据权利要求1所述的基于安全树模型的电动车辆运维优化方法,其特征在于,所述步骤S13进一步包括:
S131.将所述电动车辆安全故障数据至少分为第一故障类别、第二故障类别、第三故障类别和第四故障类别;
S132.采用不同的分析方法分析所述第一故障类别、所述第二故障类别、所述第三故障类别和所述第四故障类别的所述电动车辆安全故障数据,以确定所述电动车辆安全故障数据之间的层级关系从而确定底层事件、中间层事件和顶层事件以及所述底层事件、所述中间层事件、所述顶层事件之间的逻辑因果关系和安全重要度;
S133.逐层建立故障因果关系直至遍历所有的所述电动车辆安全故障数据以完成电动车辆的安全树构建。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现根据权利要求1-5中任意一项权利要求所述的基于安全树模型的电动车辆运维优化方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910317323.6A CN110097219B (zh) | 2019-04-19 | 2019-04-19 | 一种基于安全树模型的电动车辆运维优化方法 |
PCT/CN2020/085376 WO2020211846A1 (zh) | 2019-04-19 | 2020-04-17 | 一种基于安全树模型的电动车辆运维优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910317323.6A CN110097219B (zh) | 2019-04-19 | 2019-04-19 | 一种基于安全树模型的电动车辆运维优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097219A CN110097219A (zh) | 2019-08-06 |
CN110097219B true CN110097219B (zh) | 2020-04-24 |
Family
ID=67445263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910317323.6A Active CN110097219B (zh) | 2019-04-19 | 2019-04-19 | 一种基于安全树模型的电动车辆运维优化方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110097219B (zh) |
WO (1) | WO2020211846A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097219B (zh) * | 2019-04-19 | 2020-04-24 | 深圳市德塔防爆电动汽车有限公司 | 一种基于安全树模型的电动车辆运维优化方法 |
CN112700156A (zh) * | 2021-01-07 | 2021-04-23 | 武汉理工大学 | 一种新能源汽车运行安全性能评价体系构建方法 |
CN114386632B (zh) * | 2022-01-17 | 2024-07-16 | 浙江容大电力工程有限公司 | 一种基于电力大数据的配电运维*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544389A (zh) * | 2013-10-18 | 2014-01-29 | 丽水学院 | 基于故障树和模糊神经网络的汽车起重机故障诊断方法 |
CN103632211A (zh) * | 2013-12-06 | 2014-03-12 | 清华大学 | 一种机动车故障预警和召回预测*** |
CN106647724A (zh) * | 2017-02-15 | 2017-05-10 | 北京航空航天大学 | 一种基于车辆异常数据监测的t‑box信息安全检测及防护方法 |
CN107527127A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 一种概率安全评价中raw重要度的计算方法 |
CN107703914A (zh) * | 2017-09-30 | 2018-02-16 | 中国民用航空飞行学院 | 一种航空发动机fadec***安全性评估方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2947080A1 (fr) * | 2009-06-22 | 2010-12-24 | Peugeot Citroen Automobiles Sa | Procede pour controler la surete de fonctionnement d'un systeme |
CN102879680B (zh) * | 2012-09-26 | 2015-07-29 | 中南大学 | 轨道交通车辆装备通用检测及故障诊断方法及*** |
CN103699120B (zh) * | 2013-12-25 | 2017-04-12 | 北京航天测控技术有限公司 | 一种特种车辆故障诊断*** |
CN104155118B (zh) * | 2014-08-15 | 2017-02-08 | 广西三原高新科技有限公司 | 一种汽车健康体检*** |
CN204965181U (zh) * | 2015-09-25 | 2016-01-13 | 中国矿业大学 | 一种基于异构网络的汽车远程故障诊断*** |
CN105204497A (zh) * | 2015-09-25 | 2015-12-30 | 中国矿业大学 | 一种基于异构网络的汽车远程故障诊断*** |
CN108120886B (zh) * | 2016-11-30 | 2019-12-10 | 比亚迪股份有限公司 | 无线充电***故障的评判方法及*** |
CN108956107A (zh) * | 2018-05-18 | 2018-12-07 | 合肥通用机械研究院有限公司 | 耦合三角模糊数的往复压缩机典型故障的故障树诊断方法 |
CN110097219B (zh) * | 2019-04-19 | 2020-04-24 | 深圳市德塔防爆电动汽车有限公司 | 一种基于安全树模型的电动车辆运维优化方法 |
-
2019
- 2019-04-19 CN CN201910317323.6A patent/CN110097219B/zh active Active
-
2020
- 2020-04-17 WO PCT/CN2020/085376 patent/WO2020211846A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544389A (zh) * | 2013-10-18 | 2014-01-29 | 丽水学院 | 基于故障树和模糊神经网络的汽车起重机故障诊断方法 |
CN103632211A (zh) * | 2013-12-06 | 2014-03-12 | 清华大学 | 一种机动车故障预警和召回预测*** |
CN107527127A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 一种概率安全评价中raw重要度的计算方法 |
CN106647724A (zh) * | 2017-02-15 | 2017-05-10 | 北京航空航天大学 | 一种基于车辆异常数据监测的t‑box信息安全检测及防护方法 |
CN107703914A (zh) * | 2017-09-30 | 2018-02-16 | 中国民用航空飞行学院 | 一种航空发动机fadec***安全性评估方法 |
Non-Patent Citations (1)
Title |
---|
《基于故障树与实例推理的汽车故障诊断***的研究与设计》;王文晶;《中国优秀硕士学位论文全文数据库(信息科技辑)》;20140815;第I140-571页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110097219A (zh) | 2019-08-06 |
WO2020211846A1 (zh) | 2020-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097219B (zh) | 一种基于安全树模型的电动车辆运维优化方法 | |
CN103617110B (zh) | 服务器设备状态检修*** | |
CN111351664B (zh) | 一种基于lstm模型的轴承温度预测和报警诊断方法 | |
CN102375452B (zh) | 改善故障代码设定和隔离故障的事件驱动的数据挖掘方法 | |
CN111114519B (zh) | 一种铁路车辆制动故障预测方法及健康管理*** | |
WO2008034583A1 (en) | Diagnostic system and method for monitoring a rail system | |
KR102102346B1 (ko) | 함정설비의 상태기반 정비지원 시스템 및 방법 | |
CN113624291A (zh) | 油耗监测方法、油耗监测装置以及工程车辆 | |
CN109507992B (zh) | 一种机车制动***部件的故障预测方法、装置及设备 | |
CN113283003B (zh) | 一种基于时空融合决策的高速列车轴温异常检测方法 | |
CN110084500B (zh) | 基于安全树概率和安全重要度的电动车辆安全控制方法和电动车辆 | |
CN114323671A (zh) | 借助人工智能方法基于对电驱动***的组件的预测诊断来确定剩余使用寿命的方法和设备 | |
CN110110401B (zh) | 一种基于安全树模型的电动车辆安全设计优化方法 | |
CN111144606B (zh) | 一种电动车辆的安全失效风险预测方法以及电动车辆 | |
CN117671818B (zh) | 一种车辆数据的管理*** | |
CN112597581A (zh) | 一种基于时空融合决策的高速列车温度异常检测方法 | |
CN110084919B (zh) | 一种电动车辆的安全树构建方法以及电动车辆 | |
CN109754490A (zh) | 电力机车制动***的健康管理方法、装置、介质及设备 | |
Miguelanez et al. | Fault diagnosis of a train door system based on semantic knowledge representation | |
CN111145381B (zh) | 一种电动车辆的安全状态评估方法以及电动车辆 | |
CN111143752B (zh) | 一种电动车辆的安全重要度的计算方法以及电动车辆 | |
CN111144681B (zh) | 一种电动车辆的关键重要度的计算方法以及电动车辆 | |
WO2024004313A1 (ja) | 不具合診断システム、不具合診断装置および不具合診断方法 | |
CN117994979A (zh) | 多目标融合的数据处理方法及装置 | |
Wang et al. | PROCESS MONITORING IN HYBRID ELECTRIC VEHICLES BASED ON DYNAMIC NONLINEAR METHOD |
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 | ||
CP03 | Change of name, title or address |
Address after: 518000 101, 301, building 1, No.1, rongshou Road, Shatian community, Kengzi street, Pingshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen deta Industrial Intelligent Electric Vehicle Co., Ltd Address before: 518000 Guangdong province Shenzhen City Pingshan Kengzi streets rongshou Ludeta high-tech factory 1 layer Patentee before: DELTA INDUSTRIAL EXPLOSION-PROOF ELECTRIC VEHICLE Co.,Ltd. |
|
CP03 | Change of name, title or address |