CN115086377B - 基于大数据的机油保养地点预测方法 - Google Patents

基于大数据的机油保养地点预测方法 Download PDF

Info

Publication number
CN115086377B
CN115086377B CN202210764829.3A CN202210764829A CN115086377B CN 115086377 B CN115086377 B CN 115086377B CN 202210764829 A CN202210764829 A CN 202210764829A CN 115086377 B CN115086377 B CN 115086377B
Authority
CN
China
Prior art keywords
engine oil
working condition
vehicle
engine
prediction method
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
Application number
CN202210764829.3A
Other languages
English (en)
Other versions
CN115086377A (zh
Inventor
陈旭
李智
冯坦
徐傲
缪斯浩
石浩
陈猛
柴启寅
刘喆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Trucks Co ltd
Original Assignee
Dongfeng Trucks Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dongfeng Trucks Co ltd filed Critical Dongfeng Trucks Co ltd
Priority to CN202210764829.3A priority Critical patent/CN115086377B/zh
Publication of CN115086377A publication Critical patent/CN115086377A/zh
Application granted granted Critical
Publication of CN115086377B publication Critical patent/CN115086377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3469—Fuel consumption; Energy use; Emission aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明涉及汽车发动机技术领域，公开了一种基于大数据的机油保养地点预测方法，包括控制器、车载T‑BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T‑BOX，车载T‑BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。本发明基于大数据的机油保养地点预测方法，基于发动机运行工况和运行条件，对机油更换地点进行预测，准确评估车辆的健康状态。

Description

基于大数据的机油保养地点预测方法
技术领域
本发明涉及汽车发动机技术领域，具体涉及一种基于大数据的机油保养地点预测方法。
背景技术
机油在长期和更好地使用发动机中起着重要作用，机油主要有五个作用：第一个作用是润滑作用，在发动机零部件运作的过程中，由于机油润滑作用的存在，减少了金属摩擦，保证了发动机平稳的运行；第二个作用是密封作用，利用机油的密封性，密封活塞和活塞环之间的间隙，以防止气体逸出并保持动力；第三个作用是冷却作用，机油可通过吸收和释放燃烧产生的发动机内部的热量，达到防止发动机内部过热的作用；第四个作用是清洁作用，它通过吸收燃烧产生的发动机内部的污垢来保持发动机清洁；第五个作用是防锈作用，机油可以保护发动机免受由发动机中的水分和酸引起的锈蚀和腐蚀。
但机油在使用过程中会损耗，为了保证发动机能够正常进行日常工作，需要定期对发动机机油进行更换。由于机油的种类很多，若是更换不合格的机油，还会导致车辆发动机损坏，造成较大的损失。因此为了更好的服务客户，汽车制造商需要了解发动机更换机油的地点，进而可以确认机油的更换不会导致车辆出现故障。一般情况下，车辆到4S店维修会记录机油更换时间和车辆里程，但在其他地方更换机油则不会保存保养记录，导致产生以下缺点：
1)若车辆不在4S店进行机油维修保养，汽车制造商无法掌握车辆机油更换地点，从而无法获得完整的机油保养记录，进而无法准确评估车辆的健康状态；
2)若车辆不在4S店进行机油维修保养，汽车制造商无法掌握车辆机油更换地点，也无法确认车辆保养所用的机油品质，无法评估更换机油是否会导致车辆损坏；
3)汽车制造商无法获取所有车辆的机油保养地点，因此无法制定准确的售后市场的机油储备计划，从而有效应对市场的机油更换需求。
中国专利(公开日：2021年08月31日、公开号：CN113320538A)公开了一种根据车辆轨迹推荐的养护地点选择***，涉及汽车后市场技术领域，解决了现车辆保养***其生成的保养方案，其只是依据车辆的信息及相近保养企业所整理生成，其无法辨识保养企业是否存在“坑顾客”、“捆绑消费”、“保养陷阱”等的问题。一种根据车辆轨迹推荐的养护地点选择***，包括车辆信息采集单元，保养方案生成单元，所述保养方案生成单元与所述车辆信息采集单元网络数据传输连接。经网络自动查询模块中关键字对比模块对保养方案内保养企业通过关键字经5G模块A网络查询，而经关键字网络查询的数据也同时显示在触控显示模块上，以供驾驶员甄别参考保养方案内保养企业，以确定后续车辆所需保养的保养方案。但该方案是根据车辆轨迹来跟踪，且需要机油保养数据，若车辆不在4S店进行机油维修保养，则无法取得相关数据。
中国专利(公开日：2008年03月26日、公开号：CN101149337)公开了一种车辆用机油更换时间提示装置及车辆用机油更换时间提示装置的安装结构；包括使发出的光线照射在机油上的发光部分、和吸收上述发光部分发射出来的光线并使电阻值发生变化的受光部分，以及通过上述电阻值的变化来表示机油更换与否，或装置是否有异常的表示部分。可以用简单的结构来有效地告知使用者机油的更换时机。还可以知道装置是否有异常。是关于像车辆一样在高温、高压的环境里也能有效地提示机油的更换时机的车辆用机油更换时间提示装置，及车辆用机油更换时间的提示装置安装结构。该方案同样无法获取车辆不在4S店进行机油维修保养的数据。
中国专利(公开日：2015年04月29日、公开号：CN104568466A)公开了一种计算车辆更换机油时间点的方法，该方法将车辆的运行过程划分为若干时间段，根据对应时间段内的发动机实际负荷及实际转速，计算对应时间段内的发动机摩擦当量，当摩擦当量累计达到车辆的额定摩擦总量时，即为最佳的更换机油时间点，使车辆的更换机油时间点是一个变化量很大的动态量，一方面能够使机油达到最长的使用寿命，解决了现有技术中机油还在使用寿命内就被更换而造成浪费的现状，另一方面，可以延长发动机的寿命，解决了现有技术中机油已经达到更换点而未及时更换带来发动机磨损增加、寿命缩短的现状。该方案同样无法获取车辆不在4S店进行机油维修保养的数据。
发明内容
本发明的目的就是针对上述技术的不足，提供一种基于大数据的机油保养地点预测方法，基于发动机运行工况和运行条件，对机油更换地点进行预测，准确评估车辆的健康状态。
为实现上述目的，本发明所设计的基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，所述控制器收集车辆的行驶状态信息，并将所述行驶状态信息发送至所述车载T-BOX，所述车载T-BOX将所述行驶状态发送至所述云平台，所述云平台根据接收到的所述行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
优选地，所述行驶状态信息包括转速、扭矩、机油温度和机油压力。
优选地，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点。
优选地，所述工况区间为按照发动机的转速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果。
优选地，所述驾驶循环包括车辆启动、车辆运行和车辆停车的全过程。
优选地，采集机油压力数据时，计算频次为1Hz，即每秒计算一次结果。
优选地，相邻两个所述工况区间之间的转速差为100rpm。
优选地，所述工况区间可以按照转速、车速、扭矩百分数、燃油消耗量和废气流量划分，也可以按照多个参数共同定义划分。
优选地，一个所述驾驶循环的时间大于60min，若小于60min，则这段时间的数据并入到上一个驾驶循环，避免因为频繁的短期运行导致工况区间很少，无法准确判断机油压力的变化，导致机油压力更换地点预测不准确。
优选地，若所述工况区间内的工况数小于600个，则舍弃该工况区间，不参与计算，避免因为工况区间内的工况数量较少，导致该工况区间的压力平均值计算不准确，进而无法得到前后驾驶循环的机油压力差值。
本发明与现有技术相比，具有以下优点：，基于发动机运行工况和运行条件，对机油更换地点进行预测，准确评估车辆的健康状态。
具体实施方式
下面结合具体实施例对本发明作进一步的详细说明，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例1
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
实施例2
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为3，预设压力差为50kpa。
实施例3
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为5，预设压力差为60kpa。
另外，本实施例中，工况区间为按照发动机的转速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果。具体工况区间划分如下：(100，900]，(900，1200]，(1200,1400]，(1400,1600],(1600,1800]。
实施例4
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为10，预设压力差为55kpa。
本实施例中，工况区间为按照发动机的车速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果，本实施例中，相邻两个工况区间之间的转速差为100rpm，具体工况区间划分如下：(100，900)、(900，1000]、(1000，1100]、…(1700，1800]。
实施例5
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为6，预设压力差为50kpa。
本实施例中，工况区间为按照扭矩百分数将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果。
实施例6
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为5，预设压力差为60kpa。
本实施例中，工况区间为按照燃油消耗量将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果。
实施例7
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为5，预设压力差为60kpa。
本实施例中，工况区间为按照废气流量将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果。
实施例8
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为7，预设压力差为60kpa。
本实施例中，工况区间为按照转速和扭矩百分数将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果。
实施例9
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为6，预设压力差为50kpa。
本实施例中，工况区间为按照发动机的转速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果，驾驶循环包括车辆启动、车辆运行和车辆停车的全过程。
实施例10
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为5，预设压力差为55kpa。
本实施例中，工况区间为按照发动机的转速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果，驾驶循环包括车辆启动、车辆运行和车辆停车的全过程。
本实施例中，采集机油压力数据时，计算频次为1Hz，即每秒计算一次结果。
实施例11
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为5，预设压力差为55kpa。
本实施例中，工况区间为按照发动机的转速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果，驾驶循环包括车辆启动、车辆运行和车辆停车的全过程，一个驾驶循环的时间大于60min，若小于60min，则这段时间的数据并入到上一个驾驶循环。
本实施例中，采集机油压力数据时，计算频次为1Hz，即每秒计算一次结果。
实施例12
一种基于大数据的机油保养地点预测方法，包括控制器、车载T-BOX和云平台，控制器收集车辆的行驶状态信息，并将行驶状态信息发送至车载T-BOX，车载T-BOX将行驶状态发送至云平台，云平台根据接收到的行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点。
其中，行驶状态信息包括转速、扭矩、机油温度和机油压力。
具体的，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点，本实施例中，N为5，预设压力差为55kpa。
本实施例中，工况区间为按照发动机的转速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果，驾驶循环包括车辆启动、车辆运行和车辆停车的全过程，一个驾驶循环的时间大于60min，若小于60min，则这段时间的数据并入到上一个驾驶循环。
本实施例中，采集机油压力数据时，计算频次为每分计算一次结果。
另外，若工况区间内的工况数小于600个，则舍弃该工况区间，不参与计算。
本发明基于大数据的机油保养地点预测方法，基于发动机运行工况和运行条件，对机油更换地点进行预测，准确评估车辆的健康状态。
在此，需要说明的是，上述技术方案的描述是示例性的，本说明书可以以不同形式来体现，并且不应被解释为限于本文阐述的技术方案。相反，提供这些说明将使得本发明公开将是彻底和完整的，并且将向本领域技术人员充分传达本说明书所公开的范围。此外，本发明的技术方案仅由权利要求的范围限定。
用于描述本说明书和权利要求的各方面公开的仅仅是示例，因此，本说明书和权利要求的不限于所示出的细节。在上述描述中，当相关的已知功能或配置的详细描述被确定为不必要地模糊本说明书和权利要求的重点时，将省略详细描述。
在使用本说明书中描述的“包括”、“具有”和“包含”的情况下，除非使用否则还可以具有另一部分或其他部分，所用的术语通常可以是单数但也可以表示复数形式。
最后，应当指出，以上内容是结合具体实施方式对发明所做的进一步详细说明，不能认为本发明的具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，所做出的简单替换，都应当视为属于本本发明的保护范围。以上实施例仅是本发明较有代表性的例子。显然，本发明不限于上述实施例，还可以有许多变形。凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应认为属于本发明的保护范围。
同时，需要说明的是，上述技术方案的描述是示例性的，本说明书可以以不同形式来体现，并且不应被解释为限于本文阐述的技术方案。相反，提供这些说明将使得本发明公开将是彻底和完整的，并且将向本领域技术人员充分传达本说明书所公开的范围。此外，本发明的技术方案仅由权利要求的范围限定。本发明的各种实施方案的特征可以部分地或全部地彼此组合或者拼接，并且可以如本领域技术人员可以充分理解的以各种不同地构造来执行。本发明的实施方案可以彼此独立地执行，或者可以以相互依赖的关系一起执行。
对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，上述结构都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于大数据的机油保养地点预测方法，其特征在于：包括控制器、车载T-BOX和云平台，所述控制器收集车辆的行驶状态信息，并将所述行驶状态信息发送至所述车载T-BOX，所述车载T-BOX将所述行驶状态发送至所述云平台，所述云平台根据接收到的所述行驶状态信息中的发动机机油压力的变化，预测机油更换时间，并记录更换地点，所述行驶状态信息包括转速、扭矩、机油温度和机油压力，根据GPS持续时间和发动机转速进行机油更换点的记录，当发动机转速为0的GPS持续时间大于60min，记录这段时间的地点位置信息，读取这段时间前后驾驶循环的机油压力信息，计算停机后驾驶循环与停机前驾驶循环在同一工况区间的压力差值，得到不同工况区间的压力差值，若有N个工况区间的压力差值大于预设压力差，则判定在这段时间内发生了机油更换，将这段时间所处的地点位置信息记录为机油更换地点。
2.根据权利要求1所述基于大数据的机油保养地点预测方法，其特征在于：所述工况区间为按照发动机的转速将车辆工况进行区分，划分为若干个工况区间，将每个工况区间下的机油压力存储在对应工况区间内，每个驾驶循环结束时计算一次工况区间的平均值，作为该工况区间的结果。
3.根据权利要求1所述基于大数据的机油保养地点预测方法，其特征在于：所述驾驶循环包括车辆启动、车辆运行和车辆停车的全过程。
4.根据权利要求1所述基于大数据的机油保养地点预测方法，其特征在于：采集机油压力数据时，计算频次为1Hz，即每秒计算一次结果。
5.根据权利要求2所述基于大数据的机油保养地点预测方法，其特征在于：相邻两个所述工况区间之间的转速差为100rpm。
6.根据权利要求1所述基于大数据的机油保养地点预测方法，其特征在于：所述工况区间可以按照转速、车速、扭矩百分数、燃油消耗量和废气流量划分，也可以按照多个参数共同定义划分。
7.根据权利要求1所述基于大数据的机油保养地点预测方法，其特征在于：一个所述驾驶循环的时间大于60min，若小于60min，则这段时间的数据并入到上一个驾驶循环。
8.根据权利要求1所述基于大数据的机油保养地点预测方法，其特征在于：若所述工况区间内的工况数小于600个，则舍弃该工况区间，不参与计算。
CN202210764829.3A 2022-06-29 2022-06-29 基于大数据的机油保养地点预测方法 Active CN115086377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210764829.3A CN115086377B (zh) 2022-06-29 2022-06-29 基于大数据的机油保养地点预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210764829.3A CN115086377B (zh) 2022-06-29 2022-06-29 基于大数据的机油保养地点预测方法

Publications (2)

Publication Number Publication Date
CN115086377A CN115086377A (zh) 2022-09-20
CN115086377B true CN115086377B (zh) 2023-05-23

Family

ID=83258278

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210764829.3A Active CN115086377B (zh) 2022-06-29 2022-06-29 基于大数据的机油保养地点预测方法

Country Status (1)

Country Link
CN (1) CN115086377B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971164A (zh) * 2014-06-03 2014-08-06 上海安车信信息技术有限公司 整合云服务、线下终端和车载设备的车辆后市场服务方法
CN106302668A (zh) * 2016-08-03 2017-01-04 深圳市永兴元科技有限公司 车辆保养提醒方法及云服务器
DE102017104195A1 (de) * 2017-03-01 2018-03-01 Schaeffler Technologies AG & Co. KG Verfahren zur Instandhaltung eines autonomen Fahrzeugs sowie autonomes Fahrzeug zur Ausführung des Verfahrens
CN107992879A (zh) * 2017-11-07 2018-05-04 上海炬宏信息技术有限公司 自动判断车辆保养用户潜在流失风险的方法
KR20190096842A (ko) * 2018-02-09 2019-08-20 박범상 차량의 효율적 관리를 위한 네트워킹 시스템
CN111907444A (zh) * 2020-07-31 2020-11-10 东风商用车有限公司 重型卡车发动机油智能保养***
WO2021110005A1 (zh) * 2019-12-02 2021-06-10 长城汽车股份有限公司 发动机机油保养控制方法及装置
CN113221457A (zh) * 2021-05-13 2021-08-06 北京车和家信息技术有限公司 一种车辆保养信息的确定方法、装置、设备及介质
CN114038085A (zh) * 2021-10-29 2022-02-11 东风商用车有限公司 车辆维保管理***及方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971164A (zh) * 2014-06-03 2014-08-06 上海安车信信息技术有限公司 整合云服务、线下终端和车载设备的车辆后市场服务方法
CN106302668A (zh) * 2016-08-03 2017-01-04 深圳市永兴元科技有限公司 车辆保养提醒方法及云服务器
DE102017104195A1 (de) * 2017-03-01 2018-03-01 Schaeffler Technologies AG & Co. KG Verfahren zur Instandhaltung eines autonomen Fahrzeugs sowie autonomes Fahrzeug zur Ausführung des Verfahrens
CN107992879A (zh) * 2017-11-07 2018-05-04 上海炬宏信息技术有限公司 自动判断车辆保养用户潜在流失风险的方法
KR20190096842A (ko) * 2018-02-09 2019-08-20 박범상 차량의 효율적 관리를 위한 네트워킹 시스템
WO2021110005A1 (zh) * 2019-12-02 2021-06-10 长城汽车股份有限公司 发动机机油保养控制方法及装置
CN111907444A (zh) * 2020-07-31 2020-11-10 东风商用车有限公司 重型卡车发动机油智能保养***
CN113221457A (zh) * 2021-05-13 2021-08-06 北京车和家信息技术有限公司 一种车辆保养信息的确定方法、装置、设备及介质
CN114038085A (zh) * 2021-10-29 2022-02-11 东风商用车有限公司 车辆维保管理***及方法

Also Published As

Publication number Publication date
CN115086377A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CA1304502C (en) Automatic engine oil change indicator system
RU2717575C2 (ru) Способ (варианты) и система для прогнозирования остаточного ресурса фильтра транспортного средства
US9884615B2 (en) Motor assistance for a hybrid vehicle based on predicted driving range
JPH09329011A (ja) 電子制御連続潤滑油交換システム
RU2714215C2 (ru) Способ заправки транспортного средства
JP3549505B2 (ja) データ記録装置
US20180231518A1 (en) Identifying viscosity grade and new oil status based on dielectric and viscosity sensor
JP5363008B2 (ja) オイル劣化判定装置
US5968107A (en) System and method for engine parameter trending
US20070245721A1 (en) System for Evaluating Degree of Soot Loading in Depollution Means
JPH11311149A (ja) エンジン管理装置
EP1179205A1 (en) Turbocharger fatigue life monitor
JP2016520819A (ja) 車両システムの健全性の状態を監視するための方法
CN101240725A (zh) 自适应油压故障检测
CN101611224B (zh) 用于控制汽车驱动机构的自动切断过程和/或启动过程的控制单元
CN115086377B (zh) 基于大数据的机油保养地点预测方法
CN101142397A (zh) 事件记录方法和装置
CN108596348A (zh) 汽车保养信息推送方法及***
CN105459899A (zh) 车辆预热提醒***和车辆预热提醒方法
US6977583B2 (en) Automatic reset of lubricating fluid life monitoring system
BRPI0411000B1 (pt) veículo tracionado a motor com limpeza de exaustão e método correspondente
JP4101615B2 (ja) エンジンオイルの劣化検出装置
US8386120B2 (en) Method for automatically determining engine oil change frequency based on fuel injected
CN110925068A (zh) 一种液态还原剂供给泵健康状态诊断方法
KR101033319B1 (ko) 엔진오일 산출방법 및 엔진오일 경고등 제어방법

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