CN116235123A - 预测性维护方法和*** - Google Patents
预测性维护方法和*** Download PDFInfo
- Publication number
- CN116235123A CN116235123A CN202180049143.XA CN202180049143A CN116235123A CN 116235123 A CN116235123 A CN 116235123A CN 202180049143 A CN202180049143 A CN 202180049143A CN 116235123 A CN116235123 A CN 116235123A
- Authority
- CN
- China
- Prior art keywords
- data
- component
- vehicle
- vehicles
- category
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural 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
- B60R16/0234—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions related to maintenance or repairing of vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
- G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本发明涉及一种公路车辆(10)的部件(11)的预测性维护方法和为实施该方法而配置的预测性维护装置。该方法由至少一个与部件(11)相连的控制单元(12)实施,包括以下步骤:a.车辆数据收集(S200),包括:i.与所述部件的第一种预定的使用参数组合使用有关的第一种数据(CP1(1),…,CP1(N)),ii.与所述部件的第二种预定的使用参数组合使用有关的第二种数据(CP2(1),…,CP2(M)),iii.能够根据车辆行驶公里数确定代表部件磨损的至少一个控制参数的变化的第三种数据(P3),b.根据车辆的第一种和第二种数据,从具有第一种数据和第二种数据类似的多个车辆的预先确定类别(C1,1,…,C5,5)中,选择(S300)一个车辆的第一种数据和第二种数据与所选类别车辆类似的类别,c.将车辆的第三种数据与所选类别的参考数据进行比较(S400),该参考数据是从代表所选类别中每辆车的部件磨损的前述控制参数的变化数据中获得的,d.根据比较的结果,推断出该部件未来的行为(S500)。
Description
技术领域
本次公开内容涉及公路车辆部件的预测性维护领域。
背景技术
公路车辆的预防性维护是指进行定期维护,以便在某个部件发生故障之前就能将其更换。维护操作一般是根据部件的运行时间来安排的,通常以运行小时数表示,计算出的运行小时数要能够在部件出现故障之前对其更换。
这种方法的工作效果并不好,因为它以部件的额定值为基础,没有考虑到各个部件的真实状态。因此,各种部件到期就会被更换,即使其中一些部件仍然可以使用。
此外,在部件性能突然失效的情况下,用户发现部件发生故障,而没有提前收到部件损坏的提醒。
US20180204393A1文件提出根据车辆使用时间或行驶公里数预测车辆某一部件(如空气滤清器)所需进行的维护操作。当收集到的具有代表性的滤清器堵塞数据平均值和/或标准偏差高于阈值时,就会实施这种预测。该预测以具有代表性的滤清器堵塞数据的平均值变动和/或标准偏差的变化为基础。阈值可以预先设定,或者根据参数来估计,如车辆行驶公里数、车辆的驾驶记录、在安装滤清器时获得的校准值。
这种方法有一个缺点。获得的有关滤清器堵塞的数据不一定与部件的使用情况相关,不一定与车辆的使用情况相关,这使得检测和预测的准确性不高。
发明内容
本次公开内容改善了这种情况。
本次公开内容的一个主要目的是更可靠地预测部件未来的行为,例如未来的故障。
它提出了一种对公路车辆的部件进行预测性维护的方法,该方法由与部件相连的至少一个控制单元实施,包括以下步骤:
a.收集车辆数据,包括:
i.与所述部件的第一种预定的使用参数组合使用有关的第一种数据,
ii.与所述车辆的第二种预定的使用参数组合使用有关的第二种数据,
iii.能够根据车辆行驶公里数确定具有代表性的部件磨损至少一个控制参数变化的第三种数据,
b.根据车辆的第一种和第二种数据,从预先确定的第一种数据和第二种数据类似的多个车辆类别中,选择第一种数据和第二种数据与所选类别的车辆数据类似的车辆类别。
c.将车辆的第三种数据与所选类别的参考数据进行比较,该参考数据是从所选类别中每辆车具有代表性的部件磨损的前述控制参数的变化数据中获得的。
d.根据比较的结果,推断出该部件未来的行为。
另一方面,提出了一种对公路车辆的至少一个部件进行预测性维护的装置,该装置包括:
-至少有一个与部件相连的控制单元,该控制单元包括一个处理器和一个存储器,存储:
*多个预先确定的车辆类别,其部件使用参数的第一种预定组合有关的第一种数据和车辆使用参数的第二种预定组合有关的第二种数据类似同一类别车辆数据,以及
*与每个类别相关的参考数据,这些参考数据来自有关类别每辆车具有代表性部件磨损情况的前述控制参数变化数据,
至少一个具有以下功能的控制单元:
a.从所述车辆收集一系列数据,其中包括:
i.与所述部件的第一种预定的使用参数组合使用有关的第一种数据,
ii.与所述车辆的第二种预定的使用参数组合使用有关的第二种数据,
iii.能够根据车辆行驶公里数确定具有代表性部件磨损的至少一个控制参数变化的第三种数据,
b.根据所述车辆的第一种和第二种数据,从存储在存储器中的多个预先建立的类别中选择一个类别,所述车辆的第一种数据和第二种数据与所选类别的车辆的数据相似,
c.将车辆的第三种数据与存储在存储器中的选定类别的参考数据进行比较,
d.根据比较的结果,推断出该部件未来的行为。
根据另一方面,提出了一种计算机程序,其中包含当程序由处理器执行时,用于实施本文定义的方法的全部或部分指令。根据另一方面,提出了一个非临时性的、计算机可读的记录介质,在该介质上记录了这样一个程序。
以下各段落中提出的特征均可有选择性地使用。它们既可以独立使用,也可以相互结合使用。
-此外,该方法还包括,比较步骤结束时,检测部件相对所选类别的车辆部件的异常行为的检测步骤,以及推断该部件未来行为的步骤,即推断该部件的未来故障的步骤;
-所选类别的参考数据包括有关所选类别所有车辆获得的控制参数平均值变化的分散数据,比较步骤包括将所述车辆一定行驶公里数下的控制参数值与相应的分散数据进行比较;
-此外,该方法还包括,当比较步骤结束,检测到车辆部件的异常行为时,发出警报信息。
-第一种数据包括所述部件每个预定使用参数组合的多个使用频率,第二种数据包括所述车辆每个预定使用参数组合的多个使用频率;
-多个预设类别是通过对多个车辆收集的第一种和第二种数据采用无监督分类算法而获得的;
-此外,收集车辆一系列数据的步骤还包括收集与车辆行驶公里数有关的第四种数据,而选择一类车辆的步骤包括:
*根据车辆行驶的公里数,从一组预设类别中选择多个预设类别,以及*根据所述车辆的第一种和第二种数据,从多个类别中选择一个类别;
–控制单元的设置是比较结束时,能够检测部件有别于所选类别的车辆部件的异常行为,并推断出该部件的未来故障。
附图说明
以下的详细描述和对附图的分析将展示其他特征、细节和优点。
图1
[图1]是根据一个实施例的预测性维护***的示意图。
图2
[图2]是根据一个实施例的预测性维护方法的示意图。
图3A
[图3A]展示根据一个实施例由一辆车收集的第一组数据。
图3B
[图3B]展示根据一个实施例由一辆车收集的第二组数据。
图3C
[图3C]展示根据一个实施例由一辆车收集的第三组数据。
图4
[图4]展示了车辆使用参数的一个组合。
图5
[图5]表示图2中的方法所使用的一组类别。
图6
[图6]表示一个所选类别和相关车辆的一个控制参数的变化。
具体实施方式
下面的图纸和说明主要包含确定性内容。因此,它们不仅有助于进一步理解本次公开的内容,而且在必要时,也有助于更好地对其进行定义。
图1展示了根据一个实施例,适用于实施图2的预测性维护方法的预测性维护***。该预测性维护***包括安装在公路车辆10(此处为小汽车)上的预测性维护装置,以及适合与安装在车辆上的预测性维护装置进行通信的远程服务器20。公路车辆是指任何带有发动机(通常是内燃机或电机)的在道路上行驶并能载人或载物的车辆。
车辆10包括至少一个部件11、至少一个控制单元12、部件的至少一个电子控制器13和多个传感器14。控制单元12与部件11、电子控制器13和多个传感器14相连,例如,通过控制器局域网络CAN(英文“Controller Area Network”)或FlexRAy类型的数据通信总线连接。当控制单元12具有合适的通信接口时,控制单元12可被设置为与远程服务器20直接通信,或者也可以间接地通过另一个具有合适通信接口的控制单元进行通信。在这种情况下,数据通过上述的数据通信总线在两个不同的控制单元之间传输。请注意,部件的电子控制器13可以是独立的(如此处所示),也可以集成到控制单元12中。
在此处说明的示例中,控制单元12是一个电子控制单元(英文“ElectronicControl Unit”),包括至少一个处理器、一个存储器和与车辆的各种执行器和传感器(特别是发动机)的通信接口,以及与远程服务器20的通信接口。部件12的电子控制器13的配置是能够根据该部件特有的但不限于该部件的各种传感器测量的各种参数执行预定的控制法则。电子控制器13还包括至少一个处理器、一个存储器以及在必要情况下与各种传感器的通信接口。
此外,电子控制器13在控制部件11的过程中,对参与控制命令并具有代表性的部件磨损的一个参数进行测量,也称为部件的控制参数。该数值可由控制单元12定期收集,以了解部件的磨损参数与行驶公里数的关系。
部分传感器14中能够获取描述车辆10动态行为的物理特征。在一个实施例中,通过传感器14,能够获取车辆的速度、发动机扭矩、发动机温度、加速踏板位置、车辆加速或减速、方向盘角度或转向角度等使用参数。
另一部分传感器14可以用于获得所述部件的使用参数。有利情况下,该部件的使用参数是对该部件的磨损有影响的参数。当电子控制器13与控制单元12(此处是发动机控制单元)不同时,也可以通过电子控制器13获得该部件的使用参数,。举例说明,可以获得诸如机动车喷油器的喷油压力、油温、喷油量和喷油泵速度等参数。当然,也可以考虑其他类型的部件,从而考虑部件的其他使用参数。
传感器14中还可以包含一个里程表,以确定车辆行驶的公里数。
控制单元12设置为收集与车辆使用、部件使用以及随着行驶公里数变化而变化的部件磨损数据。
特别是,车辆使用和部件使用的相关数据可以分别对应于部件使用和车辆使用参数的预定组合的使用数据。
收集的部件使用数据可包括部件使用参数的预定组合的使用频率。如图3A所示,对于部件使用参数CP1(1),...,CP1(N)的每个预定组合,针对喷油器的磨损参数,控制单元12计算部件使用参数特定组合的使用频率,类似于以申请人名义提交的编号为FR1900865的专利申请的第7页l.10至第8页l.17段中描述的方式。
有利情况下,如图4所示,每个使用参数,例如部件的A、B、C参数,分别被划分为多个数值范围{a1,...,a20},{b1,...,b3},{c1,...,c3]。部件使用参数的每个预定组合CP1(1),...,CP1(N)对应于组件的每个使用参数A、B、C的一个或多个数值范围的特定组合,例如CP1(1)={a1,a2;b2;c3},...,CP1(N)={a20;b1;c1}。由此收集的数据可创建一个所述车辆部件的使用特性文件。
收集的车辆使用数据可包括车辆使用参数的预定组合的使用频率。如图3B所示,对于每个预定的车辆使用参数组合CP2(1),...,CP2(N),控制单元12对特定的车辆使用参数组合被使用的次数进行统计。会发现车辆使用参数的组合是以类似于图4描述的参考方式来定义的,即各种车辆使用参数的数值范围的组合。由此收集的数据可创建一个有关车辆的使用特性文件。
此外,与部件的磨损变化有关的数据对应于部件的至少一个磨损参数P3随行驶公里数变化相关的数据,如图3C的示意性参考说明。例如喷油器磨损的具有代表性参数可以是喷油器的关闭时间。
从图3C中可以看出,部件磨损参数,即部件磨损的具有代表性控制参数,随着行驶公里数的变化而变化。磨损参数的变化与车辆和部件的使用方式相关,从而与车辆和部件的使用特性相关。
此外,如前所述,含有控制单元12的预测性维护装置能够与远程服务器20通信。远程服务器20的设置是可收集多个车辆的与车辆使用、部件使用和部件磨损随着行驶公里数的变化而变化有关的数据,例如之前参考图3A、3B和3C中描述的数据。特别是,由远程服务器20收集的一组数据对应于由类似于参照图1描述的车辆10(该车辆包括与部件11、电子控制器13和多个传感器14连接的控制单元12)的多个车辆收集和传输的数据。
远程服务器20还被设置为可通过使用无监督的分类算法,根据如上所述为多个车辆收集的部件使用和车辆使用数据,确定多个类别。采用无监督分类算法可以识别具有类似部件使用和车辆使用特性的车辆。车辆使用和部件使用特性分别与部件使用和车辆使用参数的不同组合CP1(1),...,CP1(N)和CP2(1),...,CP2(M)的使用频率分布有关。因此,可以基于为每辆车收集的部件磨损和车辆磨损参数的组合的使用频率进行无监督分类。
远程服务器20也被设置为可确定与每个类别相关的参考数据。参考数据与随行驶公里数变化而变化的部件磨损参数的变化有关,并从一个类别中的每辆车的部件磨损参数的变化数据中获得。
最后,远程服务器20被设置为可向车辆的预测性维护装置传输与预先建立的类别和相关参考数据有关的数据,以存储在控制单元12的存储器中。
因此,控制单元12能够根据从车辆收集的数据,例如与车辆使用、部件使用和部件磨损的变化有关的数据,以及与存储在其存储器中的多个预先建立的类别有关的数据(包括与每个预先建立的类别相关的参考数据),推断出部件的未来行为,如参照图2的详细说明。关于部件的未来行为,如果与同类车辆相比,部件在磨损方面表现出异常行为,则可能是部件的未来故障,或者预测部件的磨损参数值。
在一个实施例中,车辆10还可以包含一个连接到控制单元12的显示器(未展示),用于向驾驶人员或专门的维修服务机构显示警报信息,例如,当该部件表现出有别于具有类似部件和车辆使用参数的车辆收集的磨损数据的异常磨损行为时显示警报,以表明需要对该部件进行维修。
图2更详细地描述了预测性维护装置的控制单元12实施的预测性维护方法的步骤。
参照前述内容,预测性维护方法包括一个步骤S100,即数据存储器接收和存储远程服务器20预先建立的类别的相关数据以及与每个类别相关参考数据。
预设类别的有关数据可以识别具有类似部件使用和车辆使用特性的车辆,而参考数据从相关类别中每辆车的部件磨损参数变化数据获得的。这些参考数据可以通过对相关类别中的每辆车所收集的变化数据进行统计分析来获得。例如,参考数据可以包括位置特征(如模式、中位数、算术平均数、分位数)和分散特征(如范围、平均偏差、分位数间偏差、方差、标准差和变异系数)。在图6的例子中,展示的是μ均值和标准偏差σ随某类车辆的行驶公里数的变化而变化的情况。
预测性维护方法还包括一个步骤S200,即收集与车辆使用有关的数据、与部件使用有关的数据和与部件磨损随行驶公里数变化而变化有关的数据,如前参照图3A、3B和3C所示。这里需要提醒的是,通过车辆使用和部件使用的相关数据,可以建立部件使用特性和车辆使用特性,即车辆和部件的各种使用参数组合的使用频率的分布。
特别是收集车辆使用参数的每个预定组合CP2(1),...,CP2(M)的使用次数和部件使用参数的每个预定组合CP1(1),...,CP1(N)的使用次数。这可以通过增加一个计数器来实现,该计数器是针对每个参数组合的,每次每个部件或车辆使用参数都属于相关组合的数值的范围内。同时也根据行驶公里数的变化,收集磨损参数的变化,即具有代表性的磨损控制参数的变化。在一个实施例中,为了减少收集的数据量,可以收集一个预定行驶公里数内获得的磨损参数的平均值,例如,每100公里收集一个平均值。
预测性维护方法还包括一个选择步骤S300,即从存储在存储器中的多个预设的类别中选择一个类别,该类别在步骤S200期间收集的部件使用有和与车辆使用数据与所选类别车辆的数据相似。
具体来说,就是利用与部件使用参数CP1和车辆使用参数CP2的不同组合的使用频率分布数据以及与存储在存储器中预设类别数据,选择车辆使用和部件使用特性相似的类别。例如,预设类别数据可能相当于每个预设类别中心点的位置,并选择中心点与之最接近的类别。
然后,在步骤S400中,比较步骤S200中收集的车辆磨损参数的变化数据和与步骤S300中所选类别相关的参考数据。
在一个实施例中,比较在步骤S200中收集的磨损参数的每个值和根据相关类别参考数据所定义的一个或多个阈值。例如,阈值S1和S2可以根据前述位置和/或分散特征确定。
在图6所示的例子中,检查为车辆收集的磨损参数的数值,在图中用十字表示,是否:
-大于第一阈值S1,即μ+σ,或
-小于第二阈值S2,即μ-σ
在该类别的所有车辆在给定行驶公里数下的部件磨损参数P3中,平均值是μ和标准偏差是σ。
在此重申,喷油器的磨损参数,即代表部件磨损的控制参数,可以是喷油器的关闭时间。
作为替代或补充,步骤S400可以包含从与步骤S200中收集的部件的磨损变化有关的数据计算浮动平均值的子步骤,此处是每100公里收集的磨损参数的平均值,以及将浮动平均值与平均值相比较的子步骤。
然后,在步骤S450中,确定与所选类别的车辆部件相比,车辆部件10的行为是否不正常。例如,收集到的磨损参数的代表性数值超出参考范围次数时,就会检测到部件的异常行为。在图6所示的例子中,参考范围由上述的两个阈值S1和S2定义。我们会注意到,参考范围,也就是阈值S1、S2,可能会随着行驶公里数的变化而变化,如图6中的点状曲线所示。
然后,在步骤S500中,推断出该部件的未来行为。
在一个实施例中,当在步骤S450中检测到异常行为时,从中推断出部件的未来故障。在步骤S600中,会向驾驶人员或维护机构发出警报信息,表明需要对该部件进行维护。
步骤S200可以连续实施,而步骤S300、S400、S450和S500可以根据车辆行驶的公里数定期实施。
因此,车辆数据收集步骤S200还可以包含收集与车辆行驶的公里数有关的数据,当车辆已经行驶了预定的公里数时,可以实施步骤S300以及后续步骤,例如当自这些步骤的最后一次实施以来车辆行驶的公里数小于10000公里时。
此外,在一个实施例中,在远程服务器20预先建立并存储在内存的多个类别中选择一个类别的步骤S300可以包含:
-第一个选择子步骤S310,根据步骤S200中确定的车辆10行驶的公里数,从一组预设类别中选择多个预设类别,以及
-第二个选择子步骤S320,从子步骤S310中选择的多个类别中选择一个类别。
事实上,如参考图5所示,远程服务器20预先建立并存储在电子维护装置的存储器的类别组可包括多个子类别,每个子类别是为预先确定的一个行驶公里数范围而建立的。
在图5所示的例子中,C1,1、C1,2、C1,3、C1,4、C1,5、C1,6是为行驶了0至10,000公里的车辆建立的子类别;
-C2,1、C2,2、C2,3、C2,4、C2,5、C2,6是为行驶了0至20,000公里的车辆建立的子类别;
-C3,1、C3,2、C3,3、C3,4、C3,5是为行驶了0至30,000公里的车辆建立的子类别;
-C4,1、C4,2、C4,3、C4,4、C4,5、C4,6、C4,7、C4,8、C4,9是为行驶了0至40,000公里的车辆建立的子类别;
-C5,1、C5,2、C5,3、C5,4、C5,5是为行驶了0至50,000公里的车辆建立的子类别。
每个子类别包括预定的行驶公里数范围内具有相似的车辆和部件使用特性的车辆。同样的,与这些子类别相关的参考数据也是针对相应的公里数范围进行计算。
在图5所示的例子中,当执行步骤S300时,已经行驶了35,000公里的车辆将被归类到子类别C4,1、C4,2、C4,3、C4,4、C4,5、C4,6、C4,7、C4,8、C4,9的中的一个类别。
因此,根据车辆行驶的公里数,将一组预设类别划分为不同的子类别组,可以根据目前可用的数据实施无监督分类算法。当所收集数据的车辆没有全部累积很长的行驶公里数时,这一点尤为有利。这样就有可能获得不同行驶公里数的参考数据,参考数据在最初的几个行驶公里数范围中更为准确。事实上,有更多的车辆在最初的几个行驶公里数范围内行驶,如图5中象征着每个子类别中包含的车辆数量的方框宽度所示。
有利情况下,存储器接收和存储有关预设类别和与每个类别相关的参考数据的步骤S100可以定期更新,特别是为了在各种车辆行驶的公里数增加时完善模型,即完善类别和相关参考数据。
此外,我们会注意到,控制单元12收集的数据也可以被传送到远程服务器,以便通过无监督分类算法建立类别和计算与这些类别相关的参考数据。然后,类别的建立包括一个选择子步骤,即根据行驶的公里数选择不同车辆收集的所有数据。因此,当每辆车辆行驶了预定公里数之后,远程服务器20收集使用的数据将在有利情况下传输。在此处描述的例子中,为每10,000公里传输一次。
在另一个不同的实施例中,在步骤S450中,如果没有检测到部件的异常行为,则推断该部件的行为与所选类别的所有部件一样,在步骤S500中,可以在车辆行驶了指定的额外距离后预测部件的磨损参数值,由此推断该部件的未来行为。特别是,可以使用为包括预定里程数在内的行驶公里数范围所建立的子类别的参考数据来预测部件在一个预定里程数内的至少一个磨损参数值。
有利情况下,所选择的相关子类别要包含大多数车辆磨损和部件磨损特性与执行S100步骤时当前行驶的公里数相关车辆的特性相似的车辆。然后,步骤S100可以包含子类别数据接收及其在存储器的储存,特别是相关的参考数据,以用于根据在步骤S320中所选子类别来预测在预定里程下的磨损参数值。例如,根据前述例子,如果在步骤S320中选择了子类C4,3,并且要预测100,000公里的磨损参数值,那么子类别C4,3将与为行驶0至100,000公里之间的车辆建立的子类别C10,k相关联,子类别C4,3中的最多数车辆与子类别C10,k中的车辆具有相似的车辆使用和部件使用特性。
然后,借助于至少一个磨损参数,就有可能推断出该部件的寿命终结时间等。
Claims (11)
1.对公路车辆(10)的部件(11)进行预测性维护的方法,该方法由连接到该部件(11)的至少一个控制单元(12)实施,该方法包括以下步骤:
a.车辆数据收集(S200),包括:
i.与所述部件的第一种预定使用参数组合有关的第一种数据(CP1(1),…,CP1(N)),
ii.与所述车辆的第二种预定使用参数组合有关的第二种数据(CP2(1),…,CP2(M)),
iii.能够根据车辆行驶公里数确定具有代表性部件磨损的至少一个控制参数变化的第三种数据(P3),
b.根据车辆的第一种和第二种数据,从预先确定的具有类似第一种数据和第二种数据的多个车辆类别(C1,1,…,C5,5)中,选择车辆的第一种数据和第二种数据与所选类别的车辆类似的类别。
c.将车辆的第三种数据与所选类别的参考数据进行比较(S400),该参考数据是从所选类别中每辆车的代表部件磨损的前述控制参数的变化数据中获得的。
d.根据比较的结果,推断出该部件未来的行为(S500)。
2.根据前述权利要求的部件(11)预测性维护方法(100),其中:
-该方法还包括,在比较步骤结束时,对部件相对于所选类别的车辆的部件的异常行为的检测步骤(S450),以及
推断该部件未来的行为的步骤(S500),即推断该部件的未来故障的步骤。
3.根据前述任何一项权利要求的部件(11)预测性维护方法,其中:
-所选类别的参考数据包括根据所选类别所有车辆获得的控制参数平均值分散数据,并且
-比较步骤(S400)包括将所述车辆一定行驶公里数下的控制参数值与相应的分散数据进行比较。
4.根据前述权利要求的部件(11)预测性维护方法,该方法还包含比较步骤结束,检测到车辆部件的异常行为时,发出的警报信息(S600)。
5.根据前述任何一项权利要求的部件(11)预测性维护方法,其中:
-第一种数据包括所述部件的每个预定的使用参数组合的多个使用频率;
-第二种数据包括所述车辆的每个预定的使用参数组合的多个使用频率;
6.根据前述任何一项权利要求的部件(11)预测性维护方法,其中:
-多个预先建立的类别是通过对多个车辆收集的第一种和第二种数据实施无监督分类算法而获得的。
7.根据前述任何一项权利要求的部件(11)预测性维护方法,其中:
-车辆数据收集步骤(S200)还包括收集与车辆行驶公里数有关的第四种数据,-选择一类车辆的步骤(S300)包括:
*根据车辆行驶的公里数,从一组预先建立的类别中选择多个预先建立的类别(S310),以及
*根据所述车辆的第一种和第二种数据,选择多个类别中的一个(S320)类别。
8.对公路车辆(10)的至少一个部件(11)进行预测性维护的装置,该装置包括:
-至少有一个与部件(11)相连的控制单元(12),该控制单元包括一个处理器和一个存储器,存储:
*多个预先确定的车辆类别,其部件使用参数的第一种预定组合有关的第一种数据使用和第二种预定组合有关的第二种数据使用与同一类别的车辆的数据使用类似,以及
*与每个类别相关的参考数据,这些参考数据来自有关类别的每辆车的具有代表性的部件磨损情况的前述控制参数的变化数据,
该至少一个控制单元的配置为:
a.从所述车辆收集一系列数据,其中包括:
i.与所述部件的第一种预定的使用参数组合使用有关的第一种数据,
ii.与所述车辆的第二种预定的使用参数组合使用有关的第二种数据,
iii.能够根据车辆行驶公里数确定具有代表性的部件磨损的至少一个控制参数变化的第三种数据,
b.根据所述车辆的第一种和第二种数据,从存储在存储器中的多个预设类别中选择一个类别,所述车辆的第一种数据和第二种数据与所选类别的车辆的数据相似,
c.将车辆的第三种数据与存储在存储器中的选定类别的参考数据进行比较,
d.根据比较的结果,推断出该部件未来的行为。
9.根据权利要求8对公路车辆(10)的至少一个部件(11)进行预测性维护的装置,在该装置中,控制单元的配置是在比较结束时,检测该部件相对于所选类别的车辆部件的异常行为,并推断出该部件的未来故障。
10.一种计算机程序,其中包含当该程序由处理器执行时根据权利要求1至7中的任何一种权力要求实施该的方法的指令。
11.一种非暂时性计算机可读记录介质,其上记录有当该程序由处理器执行时用于执行权利要求1至7中任一项的方法的程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2007414A FR3112622B1 (fr) | 2020-07-15 | 2020-07-15 | Procédé et système de maintenance prédictive |
FRFR2007414 | 2020-07-15 | ||
PCT/EP2021/066256 WO2022012837A1 (fr) | 2020-07-15 | 2021-06-16 | Procede et systeme de maintenance predictive |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116235123A true CN116235123A (zh) | 2023-06-06 |
Family
ID=72885723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180049143.XA Pending CN116235123A (zh) | 2020-07-15 | 2021-06-16 | 预测性维护方法和*** |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230315082A1 (zh) |
CN (1) | CN116235123A (zh) |
FR (1) | FR3112622B1 (zh) |
WO (1) | WO2022012837A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102023000076A1 (de) | 2023-01-12 | 2024-07-18 | Mercedes-Benz Group AG | Verfahren zur Bestimmung eines Abnutzungsindikators für ein Fahrzeug und Fahrzeug |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2714506B1 (fr) * | 1993-12-28 | 1996-02-09 | Valeo Electronique | Procédé de gestion de la maintenance d'un véhicule, ordinateur de bord et station de diagnostic associés mettant en Óoeuvre le procédé. |
US6609051B2 (en) * | 2001-09-10 | 2003-08-19 | Daimlerchrysler Ag | Method and system for condition monitoring of vehicles |
US10672199B2 (en) | 2017-01-18 | 2020-06-02 | Ford Global Technologies, Llc | Method for monitoring component life |
US11182988B2 (en) * | 2018-02-08 | 2021-11-23 | Geotab Inc. | System for telematically providing vehicle component rating |
CN111368366A (zh) * | 2018-12-06 | 2020-07-03 | 比亚迪股份有限公司 | 车辆零部件健康状态分析的方法和装置、及存储介质 |
-
2020
- 2020-07-15 FR FR2007414A patent/FR3112622B1/fr active Active
-
2021
- 2021-06-16 CN CN202180049143.XA patent/CN116235123A/zh active Pending
- 2021-06-16 WO PCT/EP2021/066256 patent/WO2022012837A1/fr active Application Filing
- 2021-06-16 US US18/016,337 patent/US20230315082A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022012837A1 (fr) | 2022-01-20 |
US20230315082A1 (en) | 2023-10-05 |
FR3112622B1 (fr) | 2022-07-15 |
FR3112622A1 (fr) | 2022-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113748030B (zh) | 用于车辆轮胎性能建模和反馈的***和方法 | |
US20200339160A1 (en) | Method and system for analyzing the control of a vehicle | |
JP5018444B2 (ja) | 車両故障診断予測装置 | |
KR20180105850A (ko) | 차량 고장 진단 시스템 및 그 진단방법 | |
US20210300132A1 (en) | Tire state estimation system and method utilizing a physics-based tire model | |
CN113454554B (zh) | 对道路车辆的部件进行预测性维护的方法和装置 | |
US11403889B2 (en) | Part maintenance and value estimation system | |
CN110895414B (zh) | 用于确定并监视额外燃料消耗的原因的方法和*** | |
CN116235123A (zh) | 预测性维护方法和*** | |
JP7406048B2 (ja) | タイヤ摩耗を予測するための階層的データ構造及び方法 | |
US11941920B2 (en) | Apparatus and method of providing automotive preventive maintenance service | |
WO2020213024A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6292544B2 (ja) | エンジンオイル劣化診断装置 | |
CN113196345B (zh) | 用于对机动车辆进行分类的方法以及*** | |
EP3613975B1 (en) | Method and system for determining a cause of extra-fuel consumption | |
KR20160100264A (ko) | Dtg 빅데이터를 이용하는 연비 예측 모델 생성 방법 | |
RU2798250C2 (ru) | Способ и система для определения причины чрезмерного расхода топлива | |
RU2798078C2 (ru) | Способ и система для определения и мониторинга причины чрезмерного расхода топлива | |
US20240246373A1 (en) | System and method for real-time estimation of tire rolling resistance force | |
WO2023133051A1 (en) | Comprehensive tire health modeling and systems for the development and implementation thereof | |
CN117897284A (zh) | 根据轮胎充气压力估计作用在轮胎上的垂直负载 | |
CN118171831A (zh) | 预测性维护平台 | |
JP2024503591A (ja) | 音響フットプリント分析を使用してタイヤ摩耗を推定するためのシステム及び方法 | |
WO2022231782A1 (en) | System and method for identifying a tire contact length from radial acceleration signals |
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 |