CN115419497A - 一种电子节温器监控方法、装置、设备、存储介质和车辆 - Google Patents
一种电子节温器监控方法、装置、设备、存储介质和车辆 Download PDFInfo
- Publication number
- CN115419497A CN115419497A CN202211054227.5A CN202211054227A CN115419497A CN 115419497 A CN115419497 A CN 115419497A CN 202211054227 A CN202211054227 A CN 202211054227A CN 115419497 A CN115419497 A CN 115419497A
- Authority
- CN
- China
- Prior art keywords
- heating resistor
- time period
- change rate
- preset time
- preset
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 230000008859 change Effects 0.000 claims abstract description 84
- 238000010438 heat treatment Methods 0.000 claims abstract description 73
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 238000012806 monitoring device Methods 0.000 claims abstract description 10
- 230000005484 gravity Effects 0.000 claims abstract description 6
- 238000003062 neural network model Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000006866 deterioration Effects 0.000 abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping 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
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01P—COOLING OF MACHINES OR ENGINES IN GENERAL; COOLING OF INTERNAL-COMBUSTION ENGINES
- F01P7/00—Controlling of coolant flow
- F01P7/14—Controlling of coolant flow the coolant being liquid
- F01P7/16—Controlling of coolant flow the coolant being liquid by thermostatic control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种电子节温器监控方法、装置、设备、存储介质和车辆,可以每隔预设间隔时间获取电子节温器的加热电阻的电路参数。然后基于预设时间段内加热电阻的所有电流值和电压值确定加热电阻在预设时间段内的电流变化速率和电压变化速率。将所有电流值、所有电压值、电流变化速率和电压变化速率输入至预设预测模型中,得到加热电阻在未来预设时间段内的功率变化速率。然后基于功率变化速率确定加热电阻在未来预设时间段内的功率变化值。基于功率变化值确定加热电阻在未来预设时间段内的功率下降比重。并在功率下降比重大于预设百分比时生成报警信号。该方法能够对加热电阻断路、短路、劣化等情况引起的电流异常进行有效的监测,并进行提醒。
Description
技术领域
本发明涉及车辆监控技术领域,具体涉及一种电子节温器监控方法、装置、设备、存储介质和车辆。
背景技术
电子节温器是在普通节温器的基础上,通过增加加热杆等加热装置形成的新型的控制装置,其能够实现快速开启节温控制,对提高车辆发动机水温、降低油耗起到了非常关键的作用。目前的车辆电子控制单元仅在电子节温器的加热杆出现断路或短路情况时,才会进行相应的报警,对于电子节温器加热电阻生产一致性差导致的阻值偏差过大等现象,所引起电流异常并不能进行有效的监测。
发明内容
为了解决现有技术存在的监测不够全面、监测可靠度低的问题,本发明提供了一种电子节温器监控方法、装置、设备、存储介质和车辆,其具有监控更加全面、准确可靠等特点。
根据本发明具体实施方式提供的一种电子节温器监控方法,包括:
每隔预设间隔时间获取电子节温器的加热电阻的电路参数,所述电路参数至少包括电流值和电压值;
基于预设时间段内所述加热电阻的所有电流值和电压值确定所述加热电阻在所述预设时间段内的电流变化速率和电压变化速率;
将所述所有电流值、所述所有电压值、所述电流变化速率和所述电压变化速率输入至预设预测模型中,得到所述加热电阻在未来预设时间段内的功率变化速率;
基于所述功率变化速率确定所述加热电阻在所述未来预设时间段内的功率变化值;
基于所述功率变化值确定所述加热电阻在所述未来预设时间段内的功率下降比重;
若所述功率下降比重大于预设百分比,则生成报警信号。
进一步地,所述电子节温器监控方法还包括:
将所述报警信号发送至车辆电子控制单元和报警设备,以生成不同的报警信息。
进一步地,所述电子节温器监控方法还包括:
将所述车辆电子控制单元生成的报警信息发送至车辆仪表盘进行声光报警。
进一步地,所述预设预测模型基于BP神经网络构建而成,所述预设预测模型的构建过程包括:
基于所述电路参数、所述电流变化速率、所述电压变化速率和所述功率变化速率确定BP神经网络模型的网络拓扑结构;
确定所述BP神经网络模型中隐含层参数,并初始化各层间的连接权值和阈值;
基于触发生成所述报警信号的数据集对初始化后的BP神经网络模型进行训练。
进一步地,所述基于触发生成所述报警信号的数据集对初始化后的BP神经网络模型进行训练,包括:
将所述数据集中的一部分数据用于所述初始化后的BP神经网络模型的训练,所述数据集中的另一部分数据用于训练后BP神经网络模型的验证。
进一步地,所述预设百分比为20%,所述未来预设时间段包括50个小时。
根据本发明具体实施方式提供的一种电子节温器监控装置,包括:
参数获取模块,用于每隔预设间隔时间获取电子节温器的加热电阻的电路参数,所述电路参数至少包括电流值和电压值;
预处理模块,用于基于预设时间段内所述加热电阻的所有电流值和电压值确定所述加热电阻在所述预设时间段内的电流变化速率和电压变化速率;
数据预测模块,用于将所述所有电流值、所述所有电压值、所述电流变化速率和所述电压变化速率输入至预设预测模型中,得到所述加热电阻在未来预设时间段内的功率变化速率;
第一计算模块,用于基于所述功率变化速率确定所述加热电阻在所述未来预设时间段内的功率变化值;
第二计算模块,用于基于所述功率变化值确定所述加热电阻在所述未来预设时间段内的功率下降比重;以及
报警生成模块,用于若所述功率下降比重大于预设百分比,则生成报警信号。
根据本发明具体实施方式提供的一种设备,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如上所述的电子节温器监控方法的各个步骤。
根据本发明具体实施方式提供的一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的电子节温器监控方法的各个步骤。
根据本发明具体实施方式提供的一种车辆,包括如上所述的电子节温器监控装置。
本发明所提供的电子节温器监控方法,可以每隔预设间隔时间获取电子节温器的加热电阻的电路参数。然后基于预设时间段内加热电阻的所有电流值和电压值确定加热电阻在预设时间段内的电流变化速率和电压变化速率。将所有电流值、所有电压值、电流变化速率和电压变化速率输入至预设预测模型中,得到加热电阻在未来预设时间段内的功率变化速率。然后基于功率变化速率确定加热电阻在未来预设时间段内的功率变化值。基于功率变化值确定加热电阻在未来预设时间段内的功率下降比重。并在功率下降比重大于预设百分比时生成报警信号。该方法能够对加热电阻断路、短路、劣化等情况引起的电流异常进行有效的监测,并在出现异常时生成报警信号进行提醒。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有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发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1是根据一示例性实施例提供的电子节温器监控方法的流程图;
图2是根据一示例性实施例提供的模型构建流程图;
图3是根据一示例性实施例提供的电子节温器监控装置的结构图;
图4是根据一示例性实施例提供的设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示本发明的实施例提供了一种电子节温器监控方法,该方法可以包括以下步骤:
101、每隔预设间隔时间获取电子节温器的加热电阻的电路参数,电路参数至少包括电流值和电压值。
一般电子节温器在正常情况下的加热电阻值为10Ω,电压为12V,电流为1.2A。当电子节温器的加热电阻劣化时,加热电阻的阻值会出现增到或减小的现象,进而使加热电阻上的电流和电压发生变化。通过每个预设间隔时间对加热电阻上的电流值、电压值等参数进行监控,如可每隔5秒进行参数的采集,对加热电阻上的参数进行实时的监控采集。
102、基于预设时间段内加热电阻的所有电流值和电压值确定加热电阻在预设时间段内的电流变化速率和电压变化速率。
在经过一段时间的加热电阻的电路参数的采集后,得到电流值和电压值的集合,根据所有电流值和电压值能够分别得到加热电阻在预设时间段内的电流变化速率和电压变化速率,能够分别表征加热电阻电流和电压的变化趋势。
103、将所有电流值、所有电压值、电流变化速率和电压变化速率输入至预设预测模型中,得到加热电阻在未来预设时间段内的功率变化速率。
将得到的所有电流值、电压值、电压变化速率和电流变化速率输入至预设预测模型中对加热电阻在未来一段时间内的功率变化速率进行预测,其中预设预测模型可基于BP神经网络、曲线趋势预测方法、最小二乘法等预测方法构建而成,
104、基于功率变化速率确定加热电阻在未来预设时间段内的功率变化值。
基于得到的功率变化速率即可得到加热电阻在未来预设时间段内的功率变化值,如功率下降了5W。
105、基于功率变化值确定加热电阻在未来预设时间段内的功率下降比重。
基于得到功率变化值和加热电阻在未来预设时间段内应稳定的最高值和最低值,即可得到加热电阻的功率下降的百分比。
106、若功率下降比重大于预设百分比,则生成报警信号。
一般当加热电阻在50小时内加热功率下降即加热功率劣化超过20%时,已经影响了电子节温器的开启速率。电子节温器的开启速率过快,导致水压波动大引发密封结构失效。电子节温器的开启速率过慢,引发水温升高,造成水温超限报警、发动机热疲劳损伤,最终导致发动机严重故障。该电子节温器监控方法能够对断路、短路、电阻劣化等原因引起的加热电阻功率的下降进行更加精准的预测和报警,对车辆发动机的安全运行提供了可靠保障。
在本发明的另一具体实施例中可将报警信号发送至车辆电子控制单元和报警设备,以生成不同的报警信息。其中可将车辆电子控制单元生成的报警信息发送至车辆仪表盘进行声光报警。当加热电阻的劣化达到20%的前50小时,ECU(电子控制单元)通过控制声光报警器的控制端口进行声光报警,或通过整车CAN总线传输到整车仪表盘进行声光报警。当加热器短路、断路或使用错误的加热器类型时,ECU同样会检测到加热器阻值超过预设限值,也可通过声光报警器或整车仪表盘进行报警。
在本发明的一些具体实施例中,参照图2所示预设预测模型可基于BP神经网络构建而成,预设预测模型的构建过程可包括以下步骤:
201、基于电路参数、电流变化速率、电压变化速率和功率变化速率确定BP神经网络模型的网络拓扑结构。
202、确定BP神经网络模型中隐含层参数,并初始化各层间的连接权值和阈值。
203、基于触发生成报警信号的数据集对初始化后的BP神经网络模型进行训练。
具体的,输入层的神经元数量可等于待处理数据中输入变量的数量,输出层的神经元的数量等于与每个输入关联的输出的数量,隐含层的层数可为两层,搭配适当的激活函数可以表示任意精度的任意决策边界,并且可以拟合任何精度的任何平滑映射。可提前准备300组电子节温器劣化的数据集,该数据集中的每组数据可包括电流值、电压值、电压变化速率和电流变化速率。可使用其中250组进行模型训练,50组数据进行验证。进行归一化处理后如统一计量单位、小数点位数后即可进行使用。
BP神经网络具体结构包括:输入层值Xi(1 2 ... n)、输入层与隐含层连接权值wij、隐含层阈值aj(1 2 ... l)、隐含层与输出层连接权值wjk、输出层阈值bk及输出层值Yk(1 2 ... m)六部分。
BP神经网络自学习可包括以下步骤:
1、网络的初始化。根据输入输出值确定输入层节点数n、隐含层节点数l、输出层节点数m,初始化输入层与隐含层连接权值wij、隐含层阈值aj(1 2 ... l)、隐含层与输出层连接权值wjk、输出层阈值bk(1 2 ... m),将赋[-1,1]间随机值,设定神经元激励函数及学习率η=0.1。
4、误差计算。根据实测值Yk和拟合值Ok,计算神经网络拟合误差ek,ek=Yk-Ok。
可以理解的是,本领域技术人员还可采用曲线趋势预测方法、最小二乘法等预测方法进行预设预测模型的构建,本发明在此不做限制。
基于同样的设计思路,参照图3所示,本发明的实施例还提供了一种电子节温器监控装置,该装置在运行时可实现上述电子节温器监控方法的各个步骤,该装置可以包括:
参数获取模块301,用于每隔预设间隔时间获取电子节温器的加热电阻的电路参数,电路参数至少包括电流值和电压值.
预处理模块302,用于基于预设时间段内加热电阻的所有电流值和电压值确定加热电阻在预设时间段内的电流变化速率和电压变化速率。
数据预测模块303,用于将所有电流值、所有电压值、电流变化速率和电压变化速率输入至预设预测模型中,得到加热电阻在未来预设时间段内的功率变化速率。
第一计算模块304,用于基于功率变化速率确定加热电阻在未来预设时间段内的功率变化值。
第二计算模块305,用于基于功率变化值确定加热电阻在未来预设时间段内的功率下降比重。以及
报警生成模块306,用于若功率下降比重大于预设百分比,则生成报警信号。
该电子节温器监控装置具有和上述实施例所提供的电子节温器监控方法相同的有益效果,其具体实现方式可参照上述电子节温器监控方法的实施例,本发明在此不再赘述。
参照图4所示本发明的实施例还提供了一种设备,该设备可以包括:存储器401和处理器402.
存储器401,用于存储程序.
处理器402,用于执行该程序,实现如上实施例所述的电子节温器监控方法的各个步骤。
本发明的实施例还提供了一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,实现如上实施例所述的电子节温器监控方法的各个步骤。
本发明的实施例还提供了一种车辆,可在该车辆的电子控制单元中设置如上实施例所述的电子节温器监控装置。
本发明上述实施例所提供的电子节温器监控方法、装置、设备、存储介质和车辆,能够及时发现电子节温器的劣化,快速实现报警,避免发动机发生重大故障,还能防止使用错误的加热电阻的情况。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本发明各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减,各实施例中记载的技术特征可以进行替换或者组合。
本发明各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。
本发明所提供的几个实施例中,应该理解到,所揭露的终端,装置和方法,可以通过其它的方式实现。例如,以上所描述的终端实施例仅仅是示意性的,例如,模块或子模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个子模块或模块可以结合或者可以集成到另一个模块,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的,作为模块或子模块的部件可以是或者也可以不是物理模块或子模块,即可以位于一个地方,或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块或子模块可以集成在一个处理模块中,也可以是各个模块或子模块单独物理存在,也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现,也可以采用软件功能模块或子模块的形式实现。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元,或者二者的结合来实施。软件单元可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后,还需要说明的是,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”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种电子节温器监控方法,其特征在于,包括:
每隔预设间隔时间获取电子节温器的加热电阻的电路参数,所述电路参数至少包括电流值和电压值;
基于预设时间段内所述加热电阻的所有电流值和电压值确定所述加热电阻在所述预设时间段内的电流变化速率和电压变化速率;
将所述所有电流值、所述所有电压值、所述电流变化速率和所述电压变化速率输入至预设预测模型中,得到所述加热电阻在未来预设时间段内的功率变化速率;
基于所述功率变化速率确定所述加热电阻在所述未来预设时间段内的功率变化值;
基于所述功率变化值确定所述加热电阻在所述未来预设时间段内的功率下降比重;
若所述功率下降比重大于预设百分比,则生成报警信号。
2.根据权利要求1所述的方法,其特征在于,还包括:
将所述报警信号发送至车辆电子控制单元和报警设备,以生成不同的报警信息。
3.根据权利要求2所述的方法,其特征在于,还包括:
将所述车辆电子控制单元生成的报警信息发送至车辆仪表盘进行声光报警。
4.根据权利要求1所述的方法,其特征在于,所述预设预测模型基于BP神经网络构建而成,所述预设预测模型的构建过程包括:
基于所述电路参数、所述电流变化速率、所述电压变化速率和所述功率变化速率确定BP神经网络模型的网络拓扑结构;
确定所述BP神经网络模型中隐含层参数,并初始化各层间的连接权值和阈值;
基于触发生成所述报警信号的数据集对初始化后的BP神经网络模型进行训练。
5.根据权利要求4所述的方法,其特征在于,所述基于触发生成所述报警信号的数据集对初始化后的BP神经网络模型进行训练,包括:
将所述数据集中的一部分数据用于所述初始化后的BP神经网络模型的训练,所述数据集中的另一部分数据用于训练后BP神经网络模型的验证。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述预设百分比为20%,所述未来预设时间段包括50个小时。
7.一种电子节温器监控装置,其特征在于,包括:
参数获取模块,用于每隔预设间隔时间获取电子节温器的加热电阻的电路参数,所述电路参数至少包括电流值和电压值;
预处理模块,用于基于预设时间段内所述加热电阻的所有电流值和电压值确定所述加热电阻在所述预设时间段内的电流变化速率和电压变化速率;
数据预测模块,用于将所述所有电流值、所述所有电压值、所述电流变化速率和所述电压变化速率输入至预设预测模型中,得到所述加热电阻在未来预设时间段内的功率变化速率;
第一计算模块,用于基于所述功率变化速率确定所述加热电阻在所述未来预设时间段内的功率变化值;
第二计算模块,用于基于所述功率变化值确定所述加热电阻在所述未来预设时间段内的功率下降比重;以及
报警生成模块,用于若所述功率下降比重大于预设百分比,则生成报警信号。
8.一种设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1~6中任一项所述的电子节温器监控方法的各个步骤。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1~6中任一项所述的电子节温器监控方法的各个步骤。
10.一种车辆,其特征在于,包括如权利要求7所述的电子节温器监控装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054227.5A CN115419497B (zh) | 2022-08-31 | 2022-08-31 | 一种电子节温器监控方法、装置、设备、存储介质和车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054227.5A CN115419497B (zh) | 2022-08-31 | 2022-08-31 | 一种电子节温器监控方法、装置、设备、存储介质和车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115419497A true CN115419497A (zh) | 2022-12-02 |
CN115419497B CN115419497B (zh) | 2024-02-23 |
Family
ID=84200425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211054227.5A Active CN115419497B (zh) | 2022-08-31 | 2022-08-31 | 一种电子节温器监控方法、装置、设备、存储介质和车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115419497B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2847082A1 (de) * | 1978-10-28 | 1980-05-08 | Walter G Steiner | Elektrische ueberwachungsvorrichtung fuer kraftfahrzeuge |
FR2496927A1 (fr) * | 1980-10-20 | 1982-06-25 | Calorstat Investissements | Procede de reglage thermostatique et dispositif pour la mise en oeuvre de ce procede |
JP2000303842A (ja) * | 1999-04-21 | 2000-10-31 | Honda Motor Co Ltd | エンジンの冷却制御装置 |
DE10318355A1 (de) * | 2003-04-23 | 2004-12-02 | Adam Opel Ag | Kühlsystem für einen Verbrennungsmotor und Steuerverfahren dafür |
US20040237911A1 (en) * | 2003-05-30 | 2004-12-02 | Nippon Thermostat Co., Ltd. | Control method for electronically controlled thermostat |
CN107654284A (zh) * | 2017-09-25 | 2018-02-02 | 东风汽车公司 | 汽油机冷却水高温保护***及其控制方法 |
CN107893697A (zh) * | 2017-11-24 | 2018-04-10 | 奇瑞汽车股份有限公司 | 一种电子节温器开度控制方法 |
CN110566339A (zh) * | 2019-09-27 | 2019-12-13 | 潍柴动力股份有限公司 | 节温器卡滞监控方法、装置、控制器及车辆 |
CN111028486A (zh) * | 2019-12-26 | 2020-04-17 | 杭州电力设备制造有限公司 | 一种电气设备高温预警方法、装置、设备及存储介质 |
CN111456840A (zh) * | 2020-05-18 | 2020-07-28 | 江苏隆信德科技有限公司 | 一种基于rbf神经网络的内燃机冷却水流量智能控制方法 |
US20200300156A1 (en) * | 2019-03-19 | 2020-09-24 | Toyota Jidosha Kabushiki Kaisha | Abnormality detection system of engine cooling water recirculation system |
CN113324593A (zh) * | 2021-08-04 | 2021-08-31 | 焕新汽车科技(南通)有限公司 | 一种回收电子节温器的检测和控制方法 |
CN114278424A (zh) * | 2022-01-25 | 2022-04-05 | 中船动力镇江有限公司 | 柴油机曲柄箱温度控制方法 |
CN114564885A (zh) * | 2022-02-17 | 2022-05-31 | 南瑞集团有限公司 | 一种基于bp神经网络的水轮发电机组轴瓦温度预警方法 |
-
2022
- 2022-08-31 CN CN202211054227.5A patent/CN115419497B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2847082A1 (de) * | 1978-10-28 | 1980-05-08 | Walter G Steiner | Elektrische ueberwachungsvorrichtung fuer kraftfahrzeuge |
FR2496927A1 (fr) * | 1980-10-20 | 1982-06-25 | Calorstat Investissements | Procede de reglage thermostatique et dispositif pour la mise en oeuvre de ce procede |
JP2000303842A (ja) * | 1999-04-21 | 2000-10-31 | Honda Motor Co Ltd | エンジンの冷却制御装置 |
DE10318355A1 (de) * | 2003-04-23 | 2004-12-02 | Adam Opel Ag | Kühlsystem für einen Verbrennungsmotor und Steuerverfahren dafür |
US20040237911A1 (en) * | 2003-05-30 | 2004-12-02 | Nippon Thermostat Co., Ltd. | Control method for electronically controlled thermostat |
CN107654284A (zh) * | 2017-09-25 | 2018-02-02 | 东风汽车公司 | 汽油机冷却水高温保护***及其控制方法 |
CN107893697A (zh) * | 2017-11-24 | 2018-04-10 | 奇瑞汽车股份有限公司 | 一种电子节温器开度控制方法 |
US20200300156A1 (en) * | 2019-03-19 | 2020-09-24 | Toyota Jidosha Kabushiki Kaisha | Abnormality detection system of engine cooling water recirculation system |
CN110566339A (zh) * | 2019-09-27 | 2019-12-13 | 潍柴动力股份有限公司 | 节温器卡滞监控方法、装置、控制器及车辆 |
CN111028486A (zh) * | 2019-12-26 | 2020-04-17 | 杭州电力设备制造有限公司 | 一种电气设备高温预警方法、装置、设备及存储介质 |
CN111456840A (zh) * | 2020-05-18 | 2020-07-28 | 江苏隆信德科技有限公司 | 一种基于rbf神经网络的内燃机冷却水流量智能控制方法 |
CN113324593A (zh) * | 2021-08-04 | 2021-08-31 | 焕新汽车科技(南通)有限公司 | 一种回收电子节温器的检测和控制方法 |
CN114278424A (zh) * | 2022-01-25 | 2022-04-05 | 中船动力镇江有限公司 | 柴油机曲柄箱温度控制方法 |
CN114564885A (zh) * | 2022-02-17 | 2022-05-31 | 南瑞集团有限公司 | 一种基于bp神经网络的水轮发电机组轴瓦温度预警方法 |
Non-Patent Citations (2)
Title |
---|
万玉琴等: "ADS 注入器Ⅱ低温恒温器传热特性研究", 低温与超导, pages 84 - 88 * |
刘德波等: "PEMFC 热管理***温度控制策略的仿真研究", 山东化工, pages 25 - 29 * |
Also Published As
Publication number | Publication date |
---|---|
CN115419497B (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652496B (zh) | 基于网络安全态势感知***的运行风险评估方法及装置 | |
CN107725283B (zh) | 一种基于深度信念网络模型的风机故障检测方法 | |
KR102118670B1 (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
CN112800116A (zh) | 一种业务数据的异常检测方法及装置 | |
US11606393B2 (en) | Node classification in dynamic networks using graph factorization | |
WO2023065584A1 (zh) | 设备的剩余使用寿命的确定方法、装置和电子设备 | |
KR20170127430A (ko) | 센서 오차를 검출, 분류 및/또는 완화하는 방법 및 시스템 | |
CN112433896A (zh) | 一种服务器磁盘故障预测方法、装置、设备及存储介质 | |
CN115642706A (zh) | 一种电网内配电负荷监控*** | |
CN115327979A (zh) | 基于高斯建模及线性贝叶斯估计的状态监测方法及组件 | |
CN108334427A (zh) | 存储***中的故障诊断方法及装置 | |
CN114970309A (zh) | 一种火电设备状态预警评估方法 | |
CN115419497B (zh) | 一种电子节温器监控方法、装置、设备、存储介质和车辆 | |
CN112128950B (zh) | 一种基于多种模型对比的机房温湿度预测方法及*** | |
CN116049642A (zh) | 一种故障诊断方法、***、电子设备及计算机存储介质 | |
CN115587642A (zh) | 一种基于bp神经网络的光伏***故障告警方法 | |
CN111721542B (zh) | 用于检测故障或模型失配的***和方法 | |
CN110826690A (zh) | 一种设备状态识别方法及其***、计算机可读存储介质 | |
CN112229435A (zh) | 基于规范变量分析的船舶主机偶发性故障检测方法及*** | |
CN112729831B (zh) | 轴承故障诊断方法、装置及*** | |
EP4099623A1 (en) | A system and method for feature selection recommendation | |
JP7351050B1 (ja) | 飛行機のランディングギアの安全性診断方法及び装置 | |
CN118091308A (zh) | 开关操作箱二次回路的故障定位方法、装置和计算机设备 | |
CN117216487A (zh) | 一种末端电网回路异变度的预测方法、***和存储介质 | |
CN118036653A (zh) | 一种抗干扰图神经网络的传感器故障检测方法 |
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 |