一种基于物联网的新能源汽车故障诊断方法与流程

本发明涉及物联网，具体涉及一种基于物联网的新能源汽车故障诊断方法。

背景技术：

1、物联网是一种通过互联网连接和搜集物体之间数据的技术。通过在各种物体上安装传感器和设备，物联网可以使这些物体能够相互通信并交换信息，实现数据的实时监测、收集和分析，从而为用户提供更智能、便捷的服务和体验。

2、对于新能源车的故障诊断来说，物联网起着至关重要的作用。通过在新能源车上安装传感器和连接设备，可以实时监测车辆的各项数据，如电池状态、电机运行情况、车辆行驶数据等。当出现故障时，物联网可以快速准确地诊断问题所在，并及时向车主或维修人员发送警报信息，帮助他们更快速地解决问题，保证车辆的安全和可靠性。

3、然而，实际中因不同车辆的型号、设计、被使用习惯的不同，单一的故障诊断方法只能针对一种车型进行单独检测，无法实现大规模大批量的通用，无法在需要宏观调控的场景下进行应用。

技术实现思路

1、本发明的目的在于提供一种基于物联网的新能源汽车故障诊断方法，解决以下技术问题：

2、现有的故障诊断方法只能针对一种车型进行单独检测，无法实现大规模大批量的通用。

3、本发明的目的可以通过以下技术方案实现：

4、一种基于物联网的新能源汽车故障诊断方法，包括以下步骤：

5、获取多个驶入目标路段的车辆的历史车速数据、与历史车速数据采集时刻相同的多种历史车况数据、实时车速数据和与实时车速数据采集时刻相同的多种实时车况数据；

6、根据历史车况数据和实时车况数据，以历史车速数据和实时车速数据为基准，得到每个车辆的历史状态向量和实时状态向量，其中，历史状态向量用于表征车辆在日常行驶时的状态，实时状态向量用于表征车辆在目标路段中行驶时的状态；

7、根据历史状态向量和实时状态向量，得到每个车辆的行驶状态向量，行驶状态向量用于表征车辆在目标路段中行驶时的状态与该车辆在日常行驶时的状态的比较结果；

8、聚类多个车辆的行驶状态向量，得到聚类簇和噪声点；

9、根据噪声点对应的行驶状态向量，得到该行驶状态向量对应的车辆的故障诊断结果，并向该车辆发出预警。

10、作为本发明进一步的方案：所述根据历史车况数据和实时车况数据，以历史车速数据和实时车速数据为基准，得到每个车辆的历史状态向量和实时状态向量，包括：

11、基于第一车速阈值，从目标车辆的历史车速数据中筛选出高于第一车速阈值的第一车速数据，并获取第一车速数据对应的历史车况数据，得到第一车速数据对应的第一车况数据；

12、根据第一车况数据和第一车速数据的比值，得到目标车辆的历史状态向量；

13、根据目标车辆的实时车况数据和目标车辆的实时车速数据的比值，得到目标车辆的实时状态向量。

14、作为本发明进一步的方案：所述历史状态向量中每个元素对应一种第一车况数据，历史状态向量中每个元素的值为该元素对应种类的第一车况数据与第一车速数据的比值的平均值；所述实时状态向量中每个元素对应一种实时车况数据，实时状态向量中每个元素的值为该元素对应种类的实时车况数据与实时车速数据的比值的平均值。

15、作为本发明进一步的方案：所述根据历史状态向量和实时状态向量，得到每个车辆的行驶状态向量，包括：

16、获取目标车辆的历史车速数据、历史车况数据、历史状态向量及实时状态向量；

17、根据历史车速数据和历史车况数据，计算每种历史车况数据与历史车速数据的皮尔逊相关系数；

18、根据历史状态向量和实时状态向量之间的比较关系，结合皮尔逊相关系数，得到目标车辆的行驶状态向量。

19、作为本发明进一步的方案：所述根据历史状态向量和实时状态向量之间的比较关系，结合皮尔逊相关系数，得到目标车辆的行驶状态向量，包括：

20、通过下式得到目标车辆的行驶状态向量：

21、；

22、其中，a为目标车辆的行驶状态向量，a为对角线矩阵，对角线矩阵a中对角线上的元素分别为每种历史车况数据与历史车速数据的皮尔逊相关系数的绝对值，w为历史状态向量，v为实时状态向量。

23、作为本发明进一步的方案：所述聚类多个车辆的行驶状态向量，得到聚类簇和噪声点，包括：

24、获取预设邻域半径和预设最小邻域点数；

25、根据预设邻域半径和预设最小邻域点数，基于dbscan算法对多个行驶状态向量进行聚类，得到由行驶状态向量构成的聚类簇和噪声点。

26、作为本发明进一步的方案：所述预设邻域半径通过下式确定：

27、；

28、其中，eps为预设邻域半径，c为预设第一比例超参数，max(|w|)为模最大的历史状态向量的模。

29、作为本发明进一步的方案：所述预设最小邻域点数通过下式确定：

30、；

31、其中，minpts为预设最小邻域点数，d为预设第二比例超参数，maxflow为目标路段的最大车流量。

32、本发明的有益效果：

33、本发明提供一种基于物联网的新能源汽车故障诊断方法，其先获取多个驶入目标路段的车辆的历史车速数据、历史车况数据、实时车速数据和实时车况数据，然后以历史车速数据和实时车速数据为基准，分析历史车况数据和实时车况数据得到每个车辆的历史状态向量和实时状态向量，然后再通过历史状态向量和实时状态向量得到每个车辆的行驶状态向量，通过对行驶状态向量的聚类，便可以寻找出目标路段中行驶状态异常的车辆，从而实现故障诊断。相比于现有技术，本发明通过历史状态向量表示车辆日常的行驶状态，通过实时状态向量表示车辆在目标路段中的状态，因两种向量均是以车速数据为基准得到的，所以这两种向量均消除了因行驶情况不一致而导致的状态描述误差。此外，本发明中的行驶状态向量为根据历史状态向量和实时状态向量得到的相对值，这样就可以将不同车型的评估标准统一化，用同样的方法和尺度对目标路段中的多个车辆同时进行分析，以实现故障诊断方法在大规模场景下大批量的应用。

技术特征：

1.一种基于物联网的新能源汽车故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于物联网的新能源汽车故障诊断方法，其特征在于，所述根据历史车况数据和实时车况数据，以历史车速数据和实时车速数据为基准，得到每个车辆的历史状态向量和实时状态向量，包括：

3.根据权利要求2所述的基于物联网的新能源汽车故障诊断方法，其特征在于，所述历史状态向量中每个元素对应一种第一车况数据，历史状态向量中每个元素的值为该元素对应种类的第一车况数据与第一车速数据的比值的平均值；所述实时状态向量中每个元素对应一种实时车况数据，实时状态向量中每个元素的值为该元素对应种类的实时车况数据与实时车速数据的比值的平均值。

4.根据权利要求3所述的基于物联网的新能源汽车故障诊断方法，其特征在于，所述根据历史状态向量和实时状态向量，得到每个车辆的行驶状态向量，包括：

5.根据权利要求4所述的基于物联网的新能源汽车故障诊断方法，其特征在于，所述根据历史状态向量和实时状态向量之间的比较关系，结合皮尔逊相关系数，得到目标车辆的行驶状态向量，包括：

6.根据权利要求5所述的基于物联网的新能源汽车故障诊断方法，其特征在于，所述聚类多个车辆的行驶状态向量，得到聚类簇和噪声点，包括：

7.根据权利要求6所述的基于物联网的新能源汽车故障诊断方法，其特征在于，所述预设邻域半径通过下式确定：

8.根据权利要求6所述的基于物联网的新能源汽车故障诊断方法，其特征在于，所述预设最小邻域点数通过下式确定：

技术总结本发明涉及物联网技术领域，具体公开了一种基于物联网的新能源汽车故障诊断方法，其先获取多个驶入目标路段的车辆的历史车速数据、历史车况数据、实时车速数据和实时车况数据，然后得到每个车辆的行驶状态向量，通过对行驶状态向量的聚类，寻找出目标路段中行驶状态异常的车辆，从而实现故障诊断。相比于现有技术，本发明中因历史状态向量和实时状态向量均是以车速数据为基准得到的，所以这两种向量均消除了因行驶情况不一致而导致的状态描述误差。此外，本发明中的行驶状态向量也为相对值，这样就可以将不同车型的评估标准统一化，用同样的方法和尺度对目标路段中的多个车辆同时进行分析，以实现故障诊断方法在大规模场景下大批量的应用。技术研发人员：朱万明,聂亦能,汤威,刘旭程受保护的技术使用者：中印云端（深圳）科技有限公司技术研发日：技术公布日：2024/7/15