CN114179946B - 一种电动车数据链路的智能化监测方法及*** - Google Patents
一种电动车数据链路的智能化监测方法及*** Download PDFInfo
- Publication number
- CN114179946B CN114179946B CN202210029899.4A CN202210029899A CN114179946B CN 114179946 B CN114179946 B CN 114179946B CN 202210029899 A CN202210029899 A CN 202210029899A CN 114179946 B CN114179946 B CN 114179946B
- Authority
- CN
- China
- Prior art keywords
- data
- electric vehicle
- vibration
- vector
- monitoring
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
- B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
- B62J45/40—Sensor arrangements; Mounting thereof
- B62J45/41—Sensor arrangements; Mounting thereof characterised by the type of sensor
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种电动车数据链路的智能化监测方法及***,所述方法包括:通过连接车联网平台,获得所述第一电动车的实时路况监测数据;根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组;根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;将所述第一震动异常数据和配置器件信息输入零件损耗模型中,获得第一损耗信息;根据所述第一损耗信息,获得第一提醒信息。解决了现有技术中无法准确利用智能化手段对电动车震动引起的零件磨损进行监测,从而影响电动车使用寿命,降低用户产品体验的技术问题。
Description
技术领域
本发明涉及大数据相关领域,尤其涉及一种电动车数据链路的智能化监测方法及***。
背景技术
目前,随着我国电动车产业链的不断发展,以及电动车轻便灵活、且环保节能等优点,受到了用户的喜爱,并且基于相关政策利好因素的影响,电动车相关电池研发,为电动车的发展提供了坚实的基础,从而促进了电动车的产量增长,据大数据统计,电动车的行业由高速发展转向高质量发展,对于电动车的质量具有进一步的需求,因此,利用智能算法和大数据,挖掘用户骑行需求,不断优化产品线的分布和产品体验成为目前的热点研究方向。
然而,现有技术中存在电动车数据监测不够完善,无法准确利用智能化手段对电动车震动引起的零件磨损进行监测,从而影响电动车使用寿命,降低用户产品体验的技术问题。
发明内容
针对现有技术中的缺陷,本申请的目的是,通过提供一种电动车数据链路的智能化监测方法及***,解决了现有技术中存在电动车数据监测不够完善,无法准确利用智能化手段对电动车震动引起的零件磨损进行监测,从而影响电动车使用寿命,降低用户产品体验的技术问题。达到了基于时间序列构建数据链路,并在数据链路的基础上实现数据的准确监测定位,从而能够对数据链路的数据资源进行统一智能监测分析的技术效果。
一方面,本申请提供一种电动车数据链路的智能化监测方法,所述方法应用于一种电动车数据链路的智能化监测***,所述***与一传感器组通信连接,所述方法包括:获得第一电动车的配置器件信息;通过连接车联网平台,对所述第一电动车行进路线的路况进行监测,获得实时路况监测数据;根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组,其中,所述第一传感器组包括第一震动传感器和第二震动传感器,所述第一震动传感器固定于所述第一电动车的前轮,所述第二震动传感器固定于所述第一电动车的后轮;根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,根据所述零件损耗模型,获得第一损耗信息;根据所述第一损耗信息,获得第一提醒信息。
另一方面,本申请还提供了一种电动车数据链路的智能化监测***,所述***包括:第一获得单元,所述第一获得单元用于获得第一电动车的配置器件信息;第二获得单元,所述第二获得单元用于通过连接车联网平台,对所述第一电动车行进路线的路况进行监测,获得实时路况监测数据;第一监测单元,所述第一监测单元用于根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组,其中,所述第一传感器组包括第一震动传感器和第二震动传感器,所述第一震动传感器固定于所述第一电动车的前轮,所述第二震动传感器固定于所述第一电动车的后轮;第一构建单元,所述第一构建单元用于根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;第一确定单元,所述第一确定单元用于通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;第一输入单元,所述第一输入单元用于将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,根据所述零件损耗模型,获得第一损耗信息;第三获得单元,所述第三获得单元用于根据所述第一损耗信息,获得第一提醒信息。
第三方面,本申请提供了一种电动车数据链路的智能化监测***,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,其中,所述处理器执行所述程序时实现第一方面任一项所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1、由于采用了获得第一电动车的配置器件信息,将配置器件信息作为基础分析结果并通过连接车联网平台获得电动车的实时路况监测信息,进一步的,通过连接的传感器组对所述第一电动车进行震动监测,确定实时震动数据组,从而根据所述实时路况监测信息和所述实时震动数据组,构建第一映射数据链路,并根据所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据,再根据所述第一震动异常数据对零件进行损耗分析,获得第一损耗信息,并根据其损耗信息生成第一提醒信息的方式,达到了基于时间序列构建数据链路,并在数据链路的基础上实现数据的准确监测定位,从而能够对数据链路的数据资源进行统一智能监测分析的技术效果;
2、由于采用了根据向量计算实现电动车前后轮的差异化分析,增加震动监测的进一步细化,从而达到了以数字化计算和向量判断逻辑关系的构建,实现差异导向的准确输出,增加监测和分析结果的准确性;
3、由于采用了构建用户增速行为与震动之间的数据关系模型,生成所述第一用户的行为模型,并根据所述第一用户的行为模型,能够在用户骑行增速的基础上,预测用户行为额外震动损耗,实现智能化提醒,为企业提供提升服务质量的方向,提高用户体验度。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读参照以下附图对非限制性实施例所做的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本申请实施例一种电动车数据链路的智能化监测方法的流程示意图;
图2为本申请实施例一种电动车数据链路的智能化监测方法的差异化导向提醒的流程示意图;
图3为本申请实施例一种电动车数据链路的智能化监测方法的差异导向分析输出的流程示意图;
图4为本申请实施例一种电动车数据链路的智能化监测方法的构建用户行为模型的流程示意图;
图5为本申请实施例一种电动车数据链路的智能化监测***的结构示意图;
图6为本申请实施例示例性电子设备的结构示意图。
具体实施方式
本申请实施例通过提供一种电动车数据链路的智能化监测方法及***,解决了现有技术中存在电动车数据监测不够完善,无法准确利用智能化手段对电动车震动引起的零件磨损进行监测,从而影响电动车使用寿命,降低用户产品体验的技术问题。达到了基于时间序列构建数据链路,并在数据链路的基础上实现数据的准确监测定位,从而能够对数据链路的数据资源进行统一智能监测分析的技术效果。
下面,将参考附图详细的描述根据本申请的示例实施例。显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
随着电动车技术的日益发展,对电动车的优化技术也逐步朝着大数据和数字化发展。电动车的在现阶段电池研究热点的背景下,使得电动车具有了较强的续航能力,产量和质量不断提高,针对于电动车震动造成器件磨损的方向上,通过拟提供一种电动车数据链路的智能化监测方法,将电动车的骑行用户特征和行进路况与电动车监测的震动结合起来形成数据链路,并在数据链路的基础上实现数据的准确监测定位,从而能够对数据链路的数据资源进行统一智能监测。
针对上述技术问题,本申请提供的技术方案总体思路如下:
通过对第一电动车的配置器件信息进行采集,再连接以电动车为主要特征的车联网平台,对所述第一电动车行进路线的路况进行监测,从而采集和传输实时路况监测数据,将电动车与一传感器组通信连接,通过第一震动传感器和第二震动传感器对所述第一电动车的前后轮进行震荡的数据监测,获得实时震动数据组,并将电动车的实时路况监测数据与传感器监测的实时震动数据组进行等时间节点的映射,从而搭建出第一映射数据链路,再对所述第一映射数据链路进行震动损失分析和数据标记,将标记的震动异常数据和电动车自身配置器件的属性信息进行适应性损耗分析,即输入零件损耗模型中,根据所述零件损耗模型输出的损耗信息,生成第一提醒信息用于提醒电动车的零件维修。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
如图1所示,本申请实施例提供了一种电动车数据链路的智能化监测方法,所述方法应用于一种电动车数据链路的智能化监测***,所述***与一传感器组通信连接,所述方法包括:
步骤S100:获得第一电动车的配置器件信息;
具体而言,所述第一电动车的配置器件信息为电动车工具主要构成器件,包括电动车外材质信息、减震装置、轮胎材料和电池配置及驱动装置中的配置器件信息,通过对电动车的配置器件信息进行信息集成和模块化分析,以存储至第一数据区块中,根据数据调用指令实现数据的应用和调用,通过对电动车的配置器件信息进行分析,为电动车之后的进一步分析提供基础数据,从而提高个人用户动车类型化分析,丰富电动车参照数据。
步骤S200:通过连接车联网平台,对所述第一电动车行进路线的路况进行监测,获得实时路况监测数据;
具体而言,所述车联网平台是一种结合大数据、为企业和个人提供高安全、高性能和高可靠的车联网服务,是一种物联网的子领域,采用智能采集技术和大数据分析对车辆进行分析,进一步的,通过连接车联网平台中的电动车网络,基于路况连接的智能采集装置,从而能够对用户在第一电动车的行进路线和进行路况监测分析,形成电动车骑行路线路况的信息录入,比如路况的限速、路面平整度以及路况复杂度等数据信息。从而对监测到的实时路况数据进行整理,同时根据其时间节点记录实现数据整合作为所述实时路况监测数据进行分析,丰富数据基础类别,提高监测准确性。
步骤S300:根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组,其中,所述第一传感器组包括第一震动传感器和第二震动传感器,所述第一震动传感器固定于所述第一电动车的前轮,所述第二震动传感器固定于所述第一电动车的后轮;
具体而言,所述第一传感器组为装配于电动车前后轮的震动传感器,且所述第一传感器组包括第一震动传感器和第二震动传感器。根据所述第一传感器组对所述第一电动车的前后轮进行震荡监测能够获得实时震动数据组,包括电动车前轮在行进路线上的震动以及电动车后轮在行进路线上的震动,且所述实时震动数据组中的每组震动数据都包括震动幅度和震动频率,可以通过数据连接符进行数据连接,从而实现对电动车的分布式监测连接,并将前轮和后轮的监测数据进行比对分析,由于前轮和后轮由于电动车自身结构以及骑行环境的不同,其震动的数据会出现不同,因此,通过增加双传感器实现所述实时震动数据组的采集再进行比对分析,能够提高监测数据的准确性,和分析结果的准确性。
进一步的,所述第一传感器组的传感器类型需要维护其轻便和微型特征,且装配于电动车前后轮上时,确定第一最优位置,比如装配于前轮车身的容置空间中,降低盗取可能性;或者采用贴片型传感器,通过数据采集和传输单元实现数据的采集,为了保证震动数据监测的同步性,还可以设置同步性监测单元,增加所述实时震动数据组中数据的完整性和同步性。
步骤S400:根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;
步骤S500:通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;
具体而言,所述实时路况监测数据和所述实时震动数据组都是通过对用户骑行电动车实时路程上的数据监测,具有时间序列性,因此,以时间序列为连接映射关系进行映射,构建所述第一映射数据链路,基于数据链路的条件下,能够对数据在同一时间节点下进行对比分析,确定其震动异常,并进行异常标记,标记后的数据作为所述第一震动异常数据。详细来说,由于实时路况中能够反应路面情况,根据实时的路面状况和监测的前后轮数据进行比对,判断震动数据或者震动频率是否处于预设震动数据阈值中,若震动数据较大或频率过高,表示其震动异常,从而确定所述第一震动异常数据。
进一步的,对所述第一映射数据链路进行震动损失数据标记时,是通过提前预设一个震动阈值,处于预设震动阈值之下的数据为不会引起震动损失的数据,处于预设震动阈值之上的数据为会引起震动损失的数据。因此,将预设震动阈值作为遍历条件,对所述第一映射数据链路中的所述实时震动数据组进行异常遍历,并根据标记的时间节点对所述第一映射数据链路中的所述实时路况监测数据进行二次异常比对,若对应的路面情况与震动监测数据不相符,确定所述第一震动数据,从而达到了通过构建数据链路实现异常震动的同步标记,在数据链路的基础上实现数据的准确监测定位,提高检测效率。
步骤S600:将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,根据所述零件损耗模型,获得第一损耗信息;
步骤S700:根据所述第一损耗信息,获得第一提醒信息。
具体而言,将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,其中,所述零件损耗模型为预测模型,根据其震动异常数据对电动车相关的配置器件进行震动损耗分析,由于配置器件的属性不同对于震动的承受力和耐振性有所不同,比如,当车辆的防震装置和防震***水平和结构承受力等,对应构建的分析模型不同,震动位移引起电动车震动磨损,以及震动时电池承受的震动载荷,会影响电动车使用寿命,因此,根据震动数据和所述配置器件信息进行模型的训练,预测配置器件零件损耗,从而根据其预测的损耗信息,形成寿命提醒损耗,当所述第一损耗信息越大表示目前电动车的使用寿命较短,形成所述第一提醒信息,用于提醒用户零件维修和养护。
进一步的,如图2所示,本申请实施例步骤S300还包括:
步骤S310:根据所述实时震动数据组,获得第一震动数据和第二震动数据,其中,所述第一震动数据通过所述第一震动传感器获得,所述第二震动数据通过所述第二震动传感器获得;
步骤S320:根据所述第一震动数据和所述第二震动数据的一一对应关系,构建第一时间序列分布模型;
步骤S330:以所述第一时间序列分布模型中的所述第一震动数据作为基础参照数据进行差异化分析,生成第一差异向量集;
步骤S340:通过对所述第一差异向量集,确定所述第一电动车的差异导向;
步骤S350:根据所述第一电动车的差异导向,获得第二提醒信息。
具体而言,由于所述第一震动数据是通过所述第一震动传感器采集电动车前轮震动数据获得,所述第二震动数据是通过所述第二震动传感器采集电动车后轮震动数据获得。由于电动车在行驶过程中,前后轮在同一时间节点其承受的震动数据可能会有所不同,比如,电动车后座储物箱的载物重量或者用户自身重量,引起的前轮和后轮在惯性条件下硬件弹性承重力,使得其震动的强度大小与位移产生区别,因此,需要通过其时间节点的一一对应关系,构建所述第一时间序列分布模型,其中,所述第一时间序列分布模型是震动数据的分布模型,能够根据其时间同步性进行一一差异化计算分析,从而确定所述第一电动车中前轮和后轮的震动偏向,将震动偏向较大,引起损耗较多的一方作为差异导向,比如,前轮的差异化分析结果比后轮的差异化分析结果大,将前轮作为差异导向,即前轮的损耗较为严重,其零件维修或提醒频率适当增加,达到了基于数据链进行智能化提醒的技术效果。
进一步的,进行差异化计算是根据所述第一震动数据和所述第二震动数据,以其中一方数据作为基础进行向量计算,根据向量的大小作为前轮和后轮的差异大小,以向量的方向作为前轮后轮的大小判断条件,优选的,可以将第一震动数据作为参照数据进行计算,即若向量为负,则前轮的震动小于后轮的震动,从而根据向量计算实现电动车前后轮的差异化分析,增加震动监测的进一步细化。
进一步的,如图3所示,本申请实施例步骤S340还包括:
步骤S341:通过对所述第一差异向量集中的所有向量进行绝对值大小分析,生成第一绝对值数据集;
步骤S342:根据所述第一绝对值数据集的大小,剔除小于等于第一预设绝对值的差异向量集,生成第二差异向量集;
步骤S343:根据所述第二差异向量集,获得第一标记向量的导向,其中,所述第一标记向量为所述第二差异向量集中绝对值最大的向量;
步骤S344:通过对所述第二差异向量集进行向量计算,获得第一累加向量;
步骤S345:判断所述第一标记向量的导向和所述第一累加向量的导向是否一致,若一致,将所述第一标记向量和所述第一累加向量的导向作为所述第一电动车的差异导向进行输出。
具体而言,所述第一差异向量集为对所述第一震动数据和所述第二震动数据进行差异化向量计算的结果数据集合,从而对所述第一差异向量集中进行绝对值大小分析,剔除小于等于第一预设绝对值的差异向量集,其中,所述第一预设绝对值为提前设置的最小震动数据标准,当震动数据小于等于所述第一预设绝对值时表示目前的震动数据较弱,不会对电动车配置器件造成损耗,因此为不必要计算数据,降低计算数据量,提高计算速率。
进一步的,将剔除后的差异向量集作为第二差异向量集,并根据所述第二差异向量集中的数据进行绝对值最大优选向量分析,获得所述第一标记向量,即绝对值越大的数据表示前轮和后轮承受的震动数据偏差较大,即损耗程度出现偏差,同时对所述第二差异向量集中的数据进行向量累加,以获得最终的偏差波动,即所述第一累加向量。并以优选的第一标记向量的正负号和所述第一累加向量的正负号进行最终差异导向的输出。比如,最大优选向量为正、波动累加为正,即前轮震动大于后轮震动,确定以前轮为导向输出。从而达到了以数字化计算和向量判断逻辑关系的构建,实现差异导向的准确输出,增加监测和分析结果的准确性。
进一步的,本申请实施例步骤S345还包括:
步骤S3451:若所述第一标记向量的导向和所述第一累加向量的导向不一致,根据所述第二差异向量集,获得N个标记向量,其中,所述N个标记向量为大于等于第二预设绝对值的差异向量集;
步骤S3452:通过对所述N个标记向量进行向量计算,获得第二累加向量;
步骤S3453:将所述第二累加向量的导向作为所述第一电动车的差异导向进行输出。
具体而言,以优选的第一标记向量的正负号和所述第一累加向量的正负号进行最终差异导向的输出。比如,当所述第一标记向量的导向和所述第一累加向量的导向不一致时,即最大优选向量的所述第一标记向量为正/负、波动累加的所述第一累加向量为负/正,在这种情况下,对所述第二差异向量集中大于第二预设绝对值的差异向量集进行累加,从而获得第二累加向量,其中,所述第二预设绝对值为提前预设的差异数据阈值,能够对所有的差异向量进行高数据提取,增加代表性,进一步的二次剔除微弱损耗影响的数据,保留具有代表性的高损耗影响的向量,生成所述N个标记向量。
进一步的,通过对所述N个标记向量进行向量累加计算,获得所述第二累加向量,再根据所述第二累加向量的向量正负方向作为差异导向进行输出。从而达到了以数字化计算和向量判断逻辑关系的构建,实现差异导向的准确输出的技术效果。
进一步的,如图4所示,本申请实施例步骤还包括:
步骤S810:通过对所述第一电动车进行骑行数据监测,获得第一骑行监测数据,其中,所述第一骑行监测数据为骑行速度监测数据;
步骤S820:根据所述第一骑行监测数据和所述实时震动数据组,构建第二映射数据链路,其中,所述第一映射数据链路和第二映射数据链路构成双数据链路;
步骤S830:通过对所述第二映射数据链路进行分析,构建第一用户的行为模型;
步骤S840:根据所述第一用户的行为模型和所述第一电动车的配置器件信息进行器件磨损预测,根据器件磨损预测结果,获得第三提醒信息。
进一步的,本申请实施例步骤S810还包括:
步骤S811:通过对所述第一骑行监测数据进行增速特征分析,获得第一增速时间分布区;
步骤S812:基于所述第二映射数据链路,对所述实时震动数据组在所述第一增速时间分布区的数据进行提取,获得第一增速震动数据;
步骤S813:根据所述第一增速时间分布区的速度数据和所述第一增速震动数据进行增速-震动分析,构建所述第一用户的行为模型,其中,所述第一用户为所述第一电动车的骑行用户。
具体而言,通过对所述第一电动车进行骑行数据监测是对所述第一电动车在行驶路线上的骑行速度进行监测,由于骑行速度较大时会引起电动车的震动增加,造成电动车配置器件的震动损耗,因此,通过对所述第一骑行监测数据和所述实时震动数据组构成第二映射数据链路,其中,所述第二映射数据链路为用户的行为模型。当用户在路况中骑行速度不稳定时,其间歇性和高频率的增速过程带来额外负荷,会降低电动车寿命,从而根据速度-震动的对应关系,实现用户模型的构建,以用户行为模型为损耗分析的基础进一步做额外震动损耗预测,获得所述第三提醒信息,从而提醒用户零件耐磨性以提高用户行车体验度和使用性。
进一步的,在进行时用户行为模型构建时,对用户的骑行速度特征数据进行分析,比如增速频率、增速数据、以及增速时长等多个增速特征,从而在所述第一骑行监测数据中选取具有增速特征的时间分布区进行时间节点标记,从而根据标记后的节点和所述第二映射数据链路对应获得所述第一增速震动对应的数据,进而构建出用户增速行为与震动之间的数据关系模型,生成所述第一用户的行为模型。
根据所述第一用户的行为模型,能够在用户骑行增速的基础上,预测对应的震动损耗,从而获得额外震动损耗,为了保证用户体验度,企业可以根据用户的行为模型和额外损耗,对电动车进行减震***的优化或者增加零件维修和配件质量的服务,从而能够对数据链路的数据资源进行统一智能监测和额外损耗的分析,以提高电动车的服务质量,优化产品体验度。
进一步的,本申请实施例步骤S100还包括:
步骤S110:根据所述第一电动车的配置器件信息,获得第一电机装配位置信息;
步骤S120:通过对所述第一电机进行自震动数据采集,获得电机震动数据;
步骤S130:根据所述第一电机装配位置信息和所述电机震动数据,对所述实时震动数据组进行预处理调整。
具体而言,所述第一电机装配位置信息为所述第一电机装配于所述第一电动车的位置信息,由于前轮和后轮中各自设置一震动传感器,当所述第一电机的装配位置不同时会对各自传感器的传感数据进行影响,因此,通过确定所述第一电机装配位置信息,并连接电动车的***确定电机的震动数据,从而根据采集到的电机震动数据对所述实时震动数据组进行预处理调整,防止由于电机震动影响所述实时震动数据组的计算准确度。其中,电动车是以电池作为能量来源,通过控制器、电机等部件,将电能转化为机械能运动,以控制电流大小改变速度的车辆,因此,当转速较高时会导致电机震动,从而影响所述实时震动数据组,因此,通过预处理调整震动数据的方式能够对数据进行准确处理和分析。
与现有技术相比,本发明具有如下的有益效果:
1、由于采用了获得第一电动车的配置器件信息,将配置器件信息作为基础分析结果并通过连接车联网平台获得电动车的实时路况监测信息,进一步的,通过连接的传感器组对所述第一电动车进行震动监测,确定实时震动数据组,从而根据所述实时路况监测信息和所述实时震动数据组,构建第一映射数据链路,并根据所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据,再根据所述第一震动异常数据对零件进行损耗分析,获得第一损耗信息,并根据其损耗信息生成第一提醒信息的方式,达到了基于时间序列构建数据链路,并在数据链路的基础上实现数据的准确监测定位,从而能够对数据链路的数据资源进行统一智能监测分析的技术效果;
2、由于采用了根据向量计算实现电动车前后轮的差异化分析,增加震动监测的进一步细化,从而达到了以数字化计算和向量判断逻辑关系的构建,实现差异导向的准确输出,增加监测和分析结果的准确性;
3、由于采用了构建用户增速行为与震动之间的数据关系模型,生成所述第一用户的行为模型,并根据所述第一用户的行为模型,能够在用户骑行增速的基础上,预测用户行为额外震动损耗,实现智能化提醒,为企业提供提升服务质量的方向,提高用户体验度。
实施例二
基于与前述实施例中一种电动车数据链路的智能化监测方法同样发明构思,本发明还提供了一种电动车数据链路的智能化监测***,如图5所示,所述***包括:
第一获得单元11,所述第一获得单元11用于获得第一电动车的配置器件信息;
第二获得单元12,所述第二获得单元12用于通过连接车联网平台,对所述第一电动车行进路线的路况进行监测,获得实时路况监测数据;
第一监测单元13,所述第一监测单元13用于根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组,其中,所述第一传感器组包括第一震动传感器和第二震动传感器,所述第一震动传感器固定于所述第一电动车的前轮,所述第二震动传感器固定于所述第一电动车的后轮;
第一构建单元14,所述第一构建单元14用于根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;
第一确定单元15,所述第一确定单元15用于通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;
第一输入单元16,所述第一输入单元16用于将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,根据所述零件损耗模型,获得第一损耗信息;
第三获得单元17,所述第三获得单元17用于根据所述第一损耗信息,获得第一提醒信息。
进一步的,所述***还包括:
第三获得单元,所述第三获得单元用于根据所述实时震动数据组,获得第一震动数据和第二震动数据,其中,所述第一震动数据通过所述第一震动传感器获得,所述第二震动数据通过所述第二震动传感器获得;
第二构建单元,所述第二构建单元用于根据所述第一震动数据和所述第二震动数据的一一对应关系,构建第一时间序列分布模型;
第一生成单元,所述第一生成单元用于以所述第一时间序列分布模型中的所述第一震动数据作为基础参照数据进行差异化分析,生成第一差异向量集;
第一确定单元,所述第一确定单元用于通过对所述第一差异向量集,确定所述第一电动车的差异导向;
第四获得单元,所述第四获得单元用于根据所述第一电动车的差异导向,获得第二提醒信息。
进一步的,所述***还包括:
第二生成单元,所述第二生成单元用于通过对所述第一差异向量集中的所有向量进行绝对值大小分析,生成第一绝对值数据集;
第三生成单元,所述第三生成单元用于根据所述第一绝对值数据集的大小,剔除小于等于第一预设绝对值的差异向量集,生成第二差异向量集;
第五获得单元,所述第五获得单元用于根据所述第二差异向量集,获得第一标记向量的导向,其中,所述第一标记向量为所述第二差异向量集中绝对值最大的向量;
第六获得单元,所述第六获得单元用于通过对所述第二差异向量集进行向量计算,获得第一累加向量;
第一判断单元,所述第一判断单元用于判断所述第一标记向量的导向和所述第一累加向量的导向是否一致,若一致,将所述第一标记向量和所述第一累加向量的导向作为所述第一电动车的差异导向进行输出。
进一步的,所述***还包括:
第七获得单元,所述第七获得单元用于若所述第一标记向量的导向和所述第一累加向量的导向不一致,根据所述第二差异向量集,获得N个标记向量,其中,所述N个标记向量为大于等于第二预设绝对值的差异向量集;
第八获得单元,所述第八获得单元用于通过对所述N个标记向量进行向量计算,获得第二累加向量;
第一输出单元,所述第一输出单元用于将所述第二累加向量的导向作为所述第一电动车的差异导向进行输出。
进一步的,所述***还包括:
第九获得单元,所述第九获得单元用于通过对所述第一电动车进行骑行数据监测,获得第一骑行监测数据,其中,所述第一骑行监测数据为骑行速度监测数据;
第三构建单元,所述第三构建单元用于根据所述第一骑行监测数据和所述实时震动数据组,构建第二映射数据链路,其中,所述第一映射数据链路和第二映射数据链路构成双数据链路;
第四构建单元,所述第四构建单元用于通过对所述第二映射数据链路进行分析,构建第一用户的行为模型;
第十获得单元,所述第十获得单元用于根据所述第一用户的行为模型和所述第一电动车的配置器件信息进行器件磨损预测,根据器件磨损预测结果,获得第三提醒信息。
进一步的,所述***还包括:
第十一获得单元,所述第十一获得单元用于通过对所述第一骑行监测数据进行增速特征分析,获得第一增速时间分布区;
第十二获得单元,所述第十二获得单元用于基于所述第二映射数据链路,对所述实时震动数据组在所述第一增速时间分布区的数据进行提取,获得第一增速震动数据;
第五构建单元,所述第五构建单元根据所述第一增速时间分布区的速度数据和所述第一增速震动数据进行增速-震动分析,构建所述第一用户的行为模型,其中,所述第一用户为所述第一电动车的骑行用户。
进一步的,所述***还包括:
第十三获得单元,所述第十三获得单元用于根据所述第一电动车的配置器件信息,获得第一电机装配位置信息;
第十四获得单元,所述第十四获得单元用于通过对所述第一电机进行自震动数据采集,获得电机震动数据;
第一调整单元,所述第一调整单元用于根据所述第一电机装配位置信息和所述电机震动数据,对所述实时震动数据组进行预处理调整。
前述图1实施例一中的一种电动车数据链路的智能化监测方法的各种变化方式和具体实例同样适用于本实施例的一种电动车数据链路的智能化监测***,通过前述对一种电动车数据链路的智能化监测方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种电动车数据链路的智能化监测***的实施方法,所以为了说明书的简洁,在此不再详述。
实施例三
下面参考图6来描述本申请的电子设备。
图6图示了根据本申请的电子设备的结构示意图。
基于与前述实施例中一种电动车数据链路的智能化监测方法的发明构思,本发明还提供一种电动车数据链路的智能化监测***,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种电动车数据链路的智能化监测***的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他***通信的单元。处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例提供一种电动车数据链路的智能化监测方法,所述方法应用于一种电动车数据链路的智能化监测***,所述***与一传感器组通信连接,所述方法包括:获得第一电动车的配置器件信息;通过连接车联网平台,对所述第一电动车行进路线的路况进行监测,获得实时路况监测数据;根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组,其中,所述第一传感器组包括第一震动传感器和第二震动传感器,所述第一震动传感器固定于所述第一电动车的前轮,所述第二震动传感器固定于所述第一电动车的后轮;根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,根据所述零件损耗模型,获得第一损耗信息;根据所述第一损耗信息,获得第一提醒信息。解决了现有技术中存在电动车数据监测不够完善,无法准确利用智能化手段对电动车震动引起的零件磨损进行监测,从而影响电动车使用寿命,降低用户产品体验的技术问题。达到了基于时间序列构建数据链路,并在数据链路的基础上实现数据的准确监测定位,从而能够对数据链路的数据资源进行统一智能监测分析的技术效果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***或计算机可读存储介质。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机可读存储介质的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机可读存储介质的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的***。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令***的制造品,该指令***实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例进行另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种电动车数据链路的智能化监测方法,其特征在于,所述方法应用于一种电动车数据链路的智能化监测***,所述***与一传感器组通信连接,所述方法包括:
获得第一电动车的配置器件信息;
通过连接车联网平台,对所述第一电动车的行进路线的路况进行监测,获得实时路况监测数据;
根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组,其中,所述第一传感器组包括第一震动传感器和第二震动传感器,所述第一震动传感器固定于所述第一电动车的前轮,所述第二震动传感器固定于所述第一电动车的后轮;
根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;
通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;
将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,根据所述零件损耗模型,获得第一损耗信息;
根据所述第一损耗信息,获得第一提醒信息;
所述方法还包括:
根据所述实时震动数据组,获得第一震动数据和第二震动数据,其中,所述第一震动数据通过所述第一震动传感器获得,所述第二震动数据通过所述第二震动传感器获得;
根据所述第一震动数据和所述第二震动数据的一一对应关系,构建第一时间序列分布模型;
以所述第一时间序列分布模型中的所述第一震动数据作为基础参照数据进行差异化分析,生成第一差异向量集;
通过对所述第一差异向量集,确定所述第一电动车的差异导向;
根据所述第一电动车的差异导向,获得第二提醒信息;
所述方法还包括:
通过对所述第一差异向量集中的所有向量进行绝对值大小分析,生成第一绝对值数据集;
根据所述第一绝对值数据集的大小,剔除小于等于第一预设绝对值的差异向量集,生成第二差异向量集;
根据所述第二差异向量集,获得第一标记向量的导向,其中,所述第一标记向量为所述第二差异向量集中绝对值最大的向量;
通过对所述第二差异向量集进行向量计算,获得第一累加向量;
判断所述第一标记向量的导向和所述第一累加向量的导向是否一致,若一致,将所述第一标记向量和所述第一累加向量的导向作为所述第一电动车的差异导向进行输出;
所述方法还包括:
若所述第一标记向量的导向和所述第一累加向量的导向不一致,根据所述第二差异向量集,获得N个标记向量,其中,所述N个标记向量为大于等于第二预设绝对值的差异向量集;
通过对所述N个标记向量进行向量计算,获得第二累加向量;
将所述第二累加向量的导向作为所述第一电动车的差异导向进行输出。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
通过对所述第一电动车进行骑行数据监测,获得第一骑行监测数据,其中,所述第一骑行监测数据为骑行速度监测数据;
根据所述第一骑行监测数据和所述实时震动数据组,构建第二映射数据链路,其中,所述第一映射数据链路和第二映射数据链路构成双数据链路;
通过对所述第二映射数据链路进行分析,构建第一用户的行为模型;
根据所述第一用户的行为模型和所述第一电动车的配置器件信息进行器件磨损预测,根据器件磨损预测结果,获得第三提醒信息。
3.如权利要求2所述的方法,其特征在于,所述方法还包括:
通过对所述第一骑行监测数据进行增速特征分析,获得第一增速时间分布区;
基于所述第二映射数据链路,对所述实时震动数据组在所述第一增速时间分布区的数据进行提取,获得第一增速震动数据;
根据所述第一增速时间分布区的速度数据和所述第一增速震动数据进行增速-震动分析,构建所述第一用户的行为模型,其中,所述第一用户为所述第一电动车的骑行用户。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述第一电动车的配置器件信息,获得第一电机装配位置信息;
通过对所述第一电机进行自震动数据采集,获得电机震动数据;
根据所述第一电机装配位置信息和所述电机震动数据,对所述实时震动数据组进行预处理调整。
5.一种电动车数据链路的智能化监测***,其特征在于,所述***包括:
第一获得单元,所述第一获得单元用于获得第一电动车的配置器件信息;
第二获得单元,所述第二获得单元用于通过连接车联网平台,对所述第一电动车行进路线的路况进行监测,获得实时路况监测数据;
第一监测单元,所述第一监测单元用于根据第一传感器组对所述第一电动车的前后轮进行震荡监测,获得实时震动数据组,其中,所述第一传感器组包括第一震动传感器和第二震动传感器,所述第一震动传感器固定于所述第一电动车的前轮,所述第二震动传感器固定于所述第一电动车的后轮;
第一构建单元,所述第一构建单元用于根据所述实时路况监测数据和所述实时震动数据组,构建第一映射数据链路;
第一确定单元,所述第一确定单元用于通过对所述第一映射数据链路进行震动损失数据标记,确定第一震动异常数据;
第一输入单元,所述第一输入单元用于将所述第一震动异常数据和所述配置器件信息输入零件损耗模型中,根据所述零件损耗模型,获得第一损耗信息;
第三获得单元,所述第三获得单元用于根据所述第一损耗信息,获得第一提醒信息;
第三获得单元,所述第三获得单元用于根据所述实时震动数据组,获得第一震动数据和第二震动数据,其中,所述第一震动数据通过所述第一震动传感器获得,所述第二震动数据通过所述第二震动传感器获得;
第二构建单元,所述第二构建单元用于根据所述第一震动数据和所述第二震动数据的一一对应关系,构建第一时间序列分布模型;
第一生成单元,所述第一生成单元用于以所述第一时间序列分布模型中的所述第一震动数据作为基础参照数据进行差异化分析,生成第一差异向量集;
第一确定单元,所述第一确定单元用于通过对所述第一差异向量集,确定所述第一电动车的差异导向;
第四获得单元,所述第四获得单元用于根据所述第一电动车的差异导向,获得第二提醒信息;
第二生成单元,所述第二生成单元用于通过对所述第一差异向量集中的所有向量进行绝对值大小分析,生成第一绝对值数据集;
第三生成单元,所述第三生成单元用于根据所述第一绝对值数据集的大小,剔除小于等于第一预设绝对值的差异向量集,生成第二差异向量集;
第五获得单元,所述第五获得单元用于根据所述第二差异向量集,获得第一标记向量的导向,其中,所述第一标记向量为所述第二差异向量集中绝对值最大的向量;
第六获得单元,所述第六获得单元用于通过对所述第二差异向量集进行向量计算,获得第一累加向量;
第一判断单元,所述第一判断单元用于判断所述第一标记向量的导向和所述第一累加向量的导向是否一致,若一致,将所述第一标记向量和所述第一累加向量的导向作为所述第一电动车的差异导向进行输出;
第七获得单元,所述第七获得单元用于若所述第一标记向量的导向和所述第一累加向量的导向不一致,根据所述第二差异向量集,获得N个标记向量,其中,所述N个标记向量为大于等于第二预设绝对值的差异向量集;
第八获得单元,所述第八获得单元用于通过对所述N个标记向量进行向量计算,获得第二累加向量;
第一输出单元,所述第一输出单元用于将所述第二累加向量的导向作为所述第一电动车的差异导向进行输出。
6.一种电子设备,其特征在于,包括处理器和存储器:所述存储器,用于存储;所述处理器,用于通过调用,执行权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质,其上存储有计算机程序和/或指令,其特征在于,该计算机程序和/或指令被处理器执行时实现权利要求1-4中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210029899.4A CN114179946B (zh) | 2022-01-12 | 2022-01-12 | 一种电动车数据链路的智能化监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210029899.4A CN114179946B (zh) | 2022-01-12 | 2022-01-12 | 一种电动车数据链路的智能化监测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114179946A CN114179946A (zh) | 2022-03-15 |
CN114179946B true CN114179946B (zh) | 2022-06-17 |
Family
ID=80606802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210029899.4A Active CN114179946B (zh) | 2022-01-12 | 2022-01-12 | 一种电动车数据链路的智能化监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114179946B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115855164B (zh) * | 2023-02-14 | 2023-06-02 | 广州三雅摩托车有限公司 | 一种摩托车实时质量检测方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340975A (zh) * | 2020-02-20 | 2020-06-26 | 东软睿驰汽车技术(沈阳)有限公司 | 异常数据特征提取方法、装置、设备及存储介质 |
CN112406875A (zh) * | 2020-11-30 | 2021-02-26 | 广州橙行智动汽车科技有限公司 | 一种车辆能耗的分析方法和装置 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102145469A (zh) * | 2011-04-29 | 2011-08-10 | 深圳市平进股份有限公司 | 在数控机床工作时检测切削刀具磨损的方法及装置 |
FR3029315B1 (fr) * | 2014-11-28 | 2016-12-09 | Renault Sa | Procede automatique d'estimation de la capacite d'une cellule d'une batterie |
EP3249737A4 (en) * | 2015-03-12 | 2018-05-02 | Omron Corporation | Battery, system, battery management method, battery management program, and recording medium |
CN105511450A (zh) * | 2015-12-30 | 2016-04-20 | 福建工程学院 | 叉装车远程故障监控及预测的方法 |
CN105930907A (zh) * | 2016-01-16 | 2016-09-07 | 平安科技(深圳)有限公司 | 车辆保养分析提醒方法、提醒装置及服务器 |
CN106097480A (zh) * | 2016-06-08 | 2016-11-09 | 南京航空航天大学 | 车辆行驶数据记录*** |
CN106240401A (zh) * | 2016-07-29 | 2016-12-21 | 北京小米移动软件有限公司 | 平衡车的控制方法和装置 |
US11219797B2 (en) * | 2017-09-06 | 2022-01-11 | International Business Machines Corporation | Real-time sensor based balance gamification and feedback |
US20190080529A1 (en) * | 2017-09-11 | 2019-03-14 | GM Global Technology Operations LLC | Systems and methods to detect abnormalities in a vehicle suspension system |
CN107846836B (zh) * | 2017-11-26 | 2019-10-08 | 江苏绿能汽配科技有限公司 | 一种汽车天线与电路板螺丝装配方法 |
WO2020082089A1 (en) * | 2018-10-19 | 2020-04-23 | Neutron Holdings, Inc. | Detecting types of travel corridors on which personal mobility vehicles travel |
CN112129290A (zh) * | 2019-06-24 | 2020-12-25 | 罗伯特·博世有限公司 | 用于监测骑行设备的***及方法 |
CN110470487A (zh) * | 2019-09-10 | 2019-11-19 | 朱子辰 | 一种车辆振动检测装置 |
CN110861497B (zh) * | 2019-11-28 | 2021-03-30 | 安徽江淮汽车集团股份有限公司 | 电动车抖动检测方法、装置、电子设备及存储介质 |
TWI745802B (zh) * | 2019-12-17 | 2021-11-11 | 長庚大學 | 載具異常之監測方法 |
EP3892491A1 (en) * | 2020-04-06 | 2021-10-13 | CNH Industrial Belgium N.V. | A vehicle including a data generator mesh |
CN111800289B (zh) * | 2020-05-19 | 2021-12-10 | 华为技术有限公司 | 通信网络故障分析方法和装置 |
CN112109562A (zh) * | 2020-09-18 | 2020-12-22 | 台州登尚机电有限公司 | 一种交流双绕组的电机控制*** |
CN112590985B (zh) * | 2020-12-24 | 2022-02-22 | 永安行科技股份有限公司 | 一种检测助力车故障的方法及*** |
CN113689721B (zh) * | 2021-07-30 | 2022-09-20 | 深圳先进技术研究院 | 一种自动驾驶车速控制方法、***、终端以及存储介质 |
-
2022
- 2022-01-12 CN CN202210029899.4A patent/CN114179946B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340975A (zh) * | 2020-02-20 | 2020-06-26 | 东软睿驰汽车技术(沈阳)有限公司 | 异常数据特征提取方法、装置、设备及存储介质 |
CN112406875A (zh) * | 2020-11-30 | 2021-02-26 | 广州橙行智动汽车科技有限公司 | 一种车辆能耗的分析方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114179946A (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101278324B (zh) | 自适应驾驶员工作负荷估计器 | |
CN114179946B (zh) | 一种电动车数据链路的智能化监测方法及*** | |
CN105894609A (zh) | 数据处理方法、装置及车险*** | |
CN113495547A (zh) | 一种实时安全的无人驾驶故障诊断与保护方法及*** | |
CN112562328A (zh) | 一种车辆行为预测方法及装置 | |
CN111695201B (zh) | 一种基于数据的磁浮列车运行状态的监测方法 | |
CN112319489A (zh) | 驾驶行为监测方法、监测***、服务器和存储介质 | |
Arief et al. | Sane: smart annotation and evaluation tools for point cloud data | |
CN116108717A (zh) | 一种基于数字孪生的交通运输设备运行预测方法及装置 | |
Karaduman et al. | Smart driving in smart city | |
CN110738356A (zh) | 一种基于sdn增强网络的电动汽车充电智能调度方法 | |
CN116246366A (zh) | 一种基于数字孪生的无人机健康运行评估方法 | |
CN111775711B (zh) | 纯电动汽车状态监测方法及*** | |
CN105719359B (zh) | 车辆信息的获取方法和装置 | |
CN116796821A (zh) | 面向3d目标检测算法的高效神经网络架构搜索方法及装置 | |
CN115891824A (zh) | 机动车辆的操作方法 | |
CN114167860B (zh) | 一种自动驾驶最优轨迹生成方法及装置 | |
CN109303565B (zh) | 一种睡眠状态的预测方法及装置 | |
CN115892038A (zh) | 智能车辆行驶控制***的操作方法 | |
CN109839940B (zh) | 一种基于在轨数据融合的轨迹预报处理方法 | |
EP3828785A2 (en) | Composite model generation program, composite model generation method, and information processing apparatus | |
CN111652065B (zh) | 基于车辆感知和智能穿戴的多模态安全驾驶方法、设备及*** | |
Naitmalek et al. | Embedded real-time speed forecasting for electric vehicles: a case study on RSK urban roads | |
Hajidavalloo et al. | Cloud-Assisted Collaborative Road Information Discovery With Gaussian Process: Application to Road Profile Estimation | |
Chen et al. | Modeling Control and Forecasting Nonlinear Systems Based on Grey Signal Theory |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230105 Address after: East side of 1F, Building 19, No.168, Kechang Street, Qiubin Street, Wucheng District, Jinhua City, Zhejiang Province, 321000 (independent declaration) Patentee after: Jinhua Jiaqi Electric Technology Co.,Ltd. Address before: 321000 floor 1, building 19, No. 168, Kechang street, qiubin street, Wucheng District, Jinhua City, Zhejiang Province (self declaration) Patentee before: Jinhua Luqi Electric Technology Co.,Ltd. |
|
TR01 | Transfer of patent right |