一种智能诊断方法及系统与流程

本发明涉及车辆故障诊断，具体涉及一种智能诊断方法及系统。

背景技术：

1、随着近年来我国经济的持续快速发展，电子商务与物流行业迎来了前所未有的繁荣期，这一趋势直接带动了商用车市场的急剧扩张。商用车作为物流运输的核心载体，其数量在短短数年间实现了飞跃式增长，不仅在城市配送、长途运输中扮演着至关重要的角色，还深刻影响着供应链管理的每一个环节。然而，随着商用车保有量的激增和用车强度的不断提升，车辆故障率也相应呈现出上升趋势，这对车辆维护与故障排查提出了更为严峻的挑战，尤其是当车辆处于即将故障的状态，其故障提前预警的效率及准确性亟待提高。

技术实现思路

1、本发明的主要目的是提供一种智能诊断方法及系统，旨在解决现有技术中车辆故障提前预警的效率及准确性较低的技术问题。

2、为实现上述目的，第一方面，本技术实施例中提供了一种智能诊断方法，应用于车辆故障诊断系统，所述车辆故障诊断系统包括故障诊断终端tbox以及数据流故障诊断云平台，所述方法包括：

3、获取目标车辆的故障诊断指令，所述故障诊断指令携带目标车辆第一部件的工况数据流信息，所述第一部件的工况数据流信息包括刹车系统制动响应时差，所述制动响应时差为刹车系统当前响应时间与期望响应时间之间的差值；

4、根据所述故障诊断指令获取目标车辆第二部件的工况数据流信息，所述第二部件的工况数据流信息包括动力系统温升速率；

5、根据所述动力系统温升速率及刹车系统制动响应时差进行关联度检测得到关联检测结果，所述关联度检测用于判断动力系统温升速率是否与刹车系统制动响应时差存在关联，所述关联检测结果为强关联及弱关联中的一种；

6、在所述关联检测结果为强关联的情况下，将动力系统温升速率及刹车系统制动响应时差输入预先训练的刹车故障概率预估模型得到刹车故障概率预估值；

7、确定所述刹车故障概率预估值大于或等于概率阈值，判断所述目标车辆存在刹车故障风险并触发预警信号；

8、在所述目标车辆满足危险行驶条件的情况下，将所述预警信号发送至所述目标车辆的车载终端。

9、在一种可能的实现方式中，所述获取目标车辆的故障诊断指令，包括：

10、获取目标车辆第一部件的工况数据流信息，所述第一部件的工况数据流信息包括刹车系统制动响应时差；

11、在所述刹车系统制动响应时差大于第一预设差值且小于第二预设差值时，初步判断所述目标车辆的刹车系统存在故障风险，所述第二预设差值为目标车辆刹车系统发生故障时的最小制动响应时差；

12、触发目标车辆的故障诊断指令。

13、在一种可能的实现方式中，所述根据所述动力系统温升速率及刹车系统制动响应时差进行关联度检测得到关联检测结果，包括：

14、对动力系统温升速率数据序列和刹车系统制动响应时差数据序列进行降噪预处理；

15、对所述动力系统温升速率数据序列和刹车系统制动响应时差数据序进行时间同步处理以确保在关联分析时考虑时间同步性；

16、利用斯皮尔曼秩相关系数计算动力系统温升速率与刹车系统制动响应时差之间的关联度，所述关联度用于表征两者之间的关系强度；

17、确定斯皮尔曼秩相关系数的绝对值大于或等于0.7，判断所述动力系统温升速率及刹车系统制动响应时差存在强关联；

18、确定斯皮尔曼秩相关系数的绝对值小于0.7，判断所述动力系统温升速率及刹车系统制动响应时差存在弱关联。

19、在一种可能的实现方式中，所述利用斯皮尔曼秩相关系数计算动力系统温升速率与刹车系统制动响应时差之间的关联度，包括：

20、将两个变量（x, y）的数据进行排序，记下排序后的位置（x’, y’），（x’, y’）的值称为秩次，变量x、y中一个为动力系统温升速率，另一个为刹车系统制动响应时差；

21、计算每个数据对的秩次之差di=xi’−yi’；

22、利用斯皮尔曼秩相关系数模型计算得到斯皮尔曼秩相关系数，其中，斯皮尔曼秩相关系数模型满足如下表达式：

23、；

24、其中，为斯皮尔曼秩相关系数，n为总的观测样本数，di为第i个数据对的秩次之差。

25、在一种可能的实现方式中，所述将动力系统温升速率及刹车系统制动响应时差输入预先训练的刹车故障概率预估模型得到刹车故障概率预估值，包括：

26、获取预设时间段内的动力系统温升速率均值及刹车系统制动响应时差均值；

27、将预设时间段内获取的动力系统温升速率均值及刹车系统制动响应时差均值输入预先训练的刹车故障概率预估模型得到刹车故障概率预估值，其中，所述刹车故障概率预估模型满足如下表达式：

28、；

29、其中，p为刹车故障的概率，为动力系统的温升速率均值，为动力系统温升速率的历史最大值，为动力系统温升速率阈值，为刹车系统制动响应时差均值，为刹车系统制动响应时差的历史最大值，为刹车系统制动响应时差阈值。

30、在一种可能的实现方式中，所述在所述目标车辆满足危险行驶条件的情况下，将所述预警信号发送至所述目标车辆的车载终端，包括：

31、获取目标车辆的当前行驶车速；

32、在所述目标车辆的当前行驶车速大于或等于预设车速的情况下，将所述预警信号发送至所述目标车辆的车载终端。

33、在一种可能的实现方式中，所述在所述目标车辆满足危险行驶条件的情况下，将所述预警信号发送至所述目标车辆的车载终端，包括：

34、获取目标车辆的当前行驶路面的光滑度及目标车辆的当前行驶车速；

35、在所述目标车辆的当前行驶路面的光滑度大于或等于预设光滑度，且目标车辆的当前行驶车速大于或等于预设车速的情况下，将所述预警信号发送至所述目标车辆的车载终端。

36、在一种可能的实现方式中，所述目标车辆为电动汽车，所述目标车辆的动力系统包括驱动电机，所述根据所述故障诊断指令获取目标车辆第二部件的工况数据流信息，包括：

37、根据所述故障诊断指令获取目标车辆驱动电机的温升速率。

38、在一种可能的实现方式中，所述目标车辆为燃料汽车，所述目标车辆的动力系统包括发动机，所述根据所述故障诊断指令获取目标车辆第二部件的工况数据流信息，包括：

39、根据所述故障诊断指令获取目标车辆发动机的温升速率。

40、第二方面，本技术实施例中还提供了一种车辆故障诊断系统，包括：

41、故障诊断终端tbox，用于获取车辆的工况数据流信息，并通过无线通信发送至数据流故障诊断云平台；

42、数据流故障诊断云平台，用于接收故障诊断终端tbox发送的工况数据流信息，并根据所述工况数据流信息进行车辆故障分析；以及，

43、存储器及处理器，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如第一方面所述的方法。

44、区别于现有技术，本技术实施例提供的一种智能诊断方法，在车辆自动触发故障检测指令的情况下，首先获取目标车辆动力系统温升速率及刹车系统制动响应时差，然后根据所述动力系统温升速率及刹车系统制动响应时差进行关联度检测得到关联检测结果，在所述关联检测结果为强关联的情况下，将动力系统温升速率及刹车系统制动响应时差输入预先训练的刹车故障概率预估模型得到刹车故障概率预估值；当刹车故障概率预估值大于或等于概率阈值，判断目标车辆存在刹车故障风险并触发预警信号；最后在目标车辆满足危险行驶条件的情况下，将所述预警信号发送至所述目标车辆的车载终端。也即，通过采集动力系统温升速率及刹车系统制动响应时差数据流进行刹车故障模型分析以得到刹车故障概率，从而提前预知车辆的故障风险，并在车辆处于危险行驶状态时，将预警信号将发送至车载终端从而提前提醒驾驶员车辆存在故障风险。如此，大大提高了车辆故障提前预警的效率及准确性。