车辆损坏检测器的制作方法

本公开涉及利用数学模型估算和预计车辆损坏。

背景技术：

车辆在通过道路时受到损坏。受到的损坏根据道路、车辆的类型、驾驶条件以及车辆的当前机械状态而变化。需要一种预计受到的损坏的系统。

技术实现要素：

本公开利用一种车辆损坏检测器解决了上述需要，该车辆损坏检测器包括：具有马达、悬架、车轮、配置为报告悬架位移的传感器的车辆；处理器，其配置为：基于所述报告估算现有悬架损坏、基于路线和现有悬架损坏预计最低限度的未来悬架损坏(marginalfuturesuspensiondamage)、计算根据采用预计的路线的车辆值的最低限度的减小。

本公开利用一种检测对具有马达、悬架、车轮和配置为报告悬架位移的传感器的车辆的损坏的方法解决了上述需要，该方法包括：利用处理器：基于报告估算现有悬架损坏、基于路线和现有悬架损坏预计最低限度的未来悬架损坏、计算根据采用预计的路线的车辆值的最低限度的减少。

附图说明

为了更好地理解本发明，可以参照以下附图中所示的实施例。附图中的部件不一定按比例绘制，并且相关的元件可以省略，或者在一些情况下，可以夸大比例，以便强调和清楚地示出本文所描述的新颖特征。此外，如本领域中已知的，系统部件可以不同地布置。进一步地，在附图中，相同的附图标记表示多个视图中的相应部分。

图1是用于发现悬架损坏的方法的框图；

图2是用于发现车辆值的方法的框图；

图3是用于根据预计的驾驶路线预测车辆损坏的方法的框图；

图4是分割成各种模型的示例地图；

图5是车辆硬件的框图；

图6是用于生成环境模型的方法的框图。

具体实施方式

虽然本发明可以以各种形式实施，但是在附图中示出并且将在下文中描述了一些示例性和非限制性实施例，应当理解的是，本公开被认为是本发明的示例并且不旨在将本发明限制于所示的具体实施例。

在本申请中，转折连词的使用旨在包括连词。定冠词或不定冠词的使用并不表示基数。特别地，对“该”对象或“一个(a)”和“一个(an)”对象的引用也旨在表示可能的多个这样的对象之一。此外，连词“或”可以用于传达同时存在的特征，而不是相互排斥的替代。换句话说，连词“或”应当被理解为包括“和/或”。

图5示出了车辆500的电子部件501至508。车辆500可以是轿车、运动型多用途车(suv)、卡车或摩托车。车辆可以是汽油动力、柴油动力、天然气动力、混合动力或电动的。车辆可以包括发动机、马达、电池、变速器、安全带、车窗、座椅、制动器和转向装置。

车辆的电子部件通过数据总线501通信。数据总线与中央处理器(cpu)502，诸如随机存取存储器(ram)的易失性存储器503，诸如硬盘驱动器或固态驱动器(ssd)的非易失性存储器504，包括用于无线通信的一个或多个天线的远程信息处理控制单元(tcu)505，包括触摸屏显示器、旋钮、按钮和灯的用户界面506，诸如温度传感器、距离传感器、湿度传感器、转速(rpm)传感器的本地车辆传感器507以及控制诸如变速器的各种机械部件的致动器508可操作地通信。

车辆500还包括实现车轮和车架之间的相对运动的悬架。悬架包括对应于一个或多个车轮的车轮悬架。每个车轮悬架包括橡胶衬套、具有主弹簧和减震器的支柱、以及轮胎。

车轮悬架模型100模拟每个车轮悬架的移动或运动。悬架模型100包括代表橡胶衬套的非线性弹簧101，该橡胶衬套附接到代表主弹簧的线性弹簧102和代表减震器的非线性阻尼器103。弹簧102和阻尼器103附接到表示轮胎的非线性弹簧105。主弹簧、减震器和轮胎的组合质量表示为一方面连接在弹簧105之间的块，另一方面连接在弹簧102和阻尼器103之间的块。

力106和107作用在悬架模型100上。如果车辆具有四个车轮，则向下的力106表示作用在1/4的车辆车身质量上的力。向下的力106包括重力和等于1/4车身质量乘以直接在线性弹簧101上方的区域中的车身的垂直加速度的可变反作用力。向上的力107表示道路的力。存在合适的数学模型，其预测或估算响应于力和位移的弹簧和阻尼器的性能。例如，奥卢本卡·莫西·阿鲁巴(olugbengamosesanubi)的可变刚度悬架系统(其通过引用整体并入本文)公开了合适的模型。

当车辆运动时，悬架高度传感器108通过将测量的长度与已知的静止长度进行比较来测量一个或多个弹簧和阻尼器的位移。在一些实施例中，悬架高度传感器108仅测量弹簧102和阻尼器103的位移。在各种实施例中，假定主弹簧和减震器的长度相等。

同时，刚度控制器110主动地调节阻尼器103的阻尼常数和弹簧102的弹簧常数中的一个或多个。在一些实施例中，悬架高度传感器108还测量轮胎的位移。合适的刚度控制器在本领域中是已知的，并且例如在美国专利号9174508和美国公开号2016/0046166中公开，它们的全部内容通过引用并入本文。

悬架高度传感器108将位移馈送到道路模型109。同时，刚度控制器110将受控阻尼和弹簧常数馈送到道路模型109。道路模型109从其他车轮的悬架模型收集类似的数据。使用该数据，道路模型估算力106和107的大小。更具体地，模型开始于确定车辆的质量，通常使用弹簧系数和在点火开关接通时的行驶高度传感器测量结果。如果车辆重负荷，则磨损将更大，并且这种影响利用调节被悬架的车辆的质量(在106-101之间)来应对。该模型由107处的位移驱动，该位移是由车辆在道路上移动时该道路的高度变化引起的。模型预测响应于位移的反作用力107。迈克尔·布伦德尔(michaelblundell)和戴米安·哈蒂(damianharty)的多车身系统方法的车辆动力学(爱思唯尔公司(elsevier)，2014年9月18日)(其通过引用整体并入本文)的悬架系统的建模和分析的第4章，更详细地描述了该模型。

当轮胎穿过道路的表面时，轮胎基于道路的粗糙度膨胀和收缩。粗糙道路将随着时间产生可变力107，而平滑道路将导致随时间的相对恒定的力107。道路模型109随时间跟踪道路力107的大小，并基于道路力107的大小改变的频率来估算道路粗糙度。在各种实施例中，道路模型109将道路分割成段并且向每个段分配粗糙度常数。道路模型将粗糙度常数上传到粗糙度地图111，粗糙度地图111将粗糙度常数与一段绘制的道路相关联。

应当理解的是，上面讨论的模型是1/4悬架模型。其他实施例应用1/2悬架模型，其包括由两个1/4模型建模的单个轴(左对和右对)，其中车身质量106-101通过刚性连杆和用于模拟侧倾的连杆、弹簧和缓冲器连接。方向盘变化率可以作为1/2悬架模型的有用输入。或者，也可以实施全悬架模型以提供更精确，但也更难解决的更全面的模型。完整的模型除了侧倾和独立的车轮运动以外考虑俯仰，并且制动扭矩可以是有用的输入。

转到图4，总体示出和阐述了示例地图400。起点是401。终点是405。一个可能的路线是402和403。另一个可能的路线是402和404。框406至412表示对应于道路段的道路模型。道路段可以是一致的(参见框406至411)或可变的(比较框406与框412)。在一些实施例中，根据相应道路模型的精确度来分割道路。例如，一个道路模型可以充分地描述403的全部。

参照框407至410，道路的一段可以包括多个道路模型。例如，模型407可以对应于道路的粗糙度。模型408可以对应于道路的交通。模型409可以对应于道路的倾斜度。模型410可以对应于下面更详细描述的环境模型。

返回图1，在道路模型估算道路的力107之后，车身模型112根据力107、轮胎和支柱的已知质量104、以及弹簧和阻尼器的已知位移估算车身承载在悬架上的力106。更具体地，模型根据悬架高度测量结果的时间序列预测道路表面位移(从而可以表征道路粗糙度)、缓冲器和弹簧以及轮胎的力和位移。

损坏模型113估算轮胎、主弹簧和减震器中的至少一个的剩余使用寿命或损坏。弹簧损坏模型将具有可以根据模型从位移的时域滤波器估算的弹簧周期的数量和深度。缓冲器上的力和其随时间积分的位移的乘积将给出缓冲器所吸收的累积能量，以及损坏模型的主要输入。

转到图2，总体示出和阐述了预计全部车辆损坏的方法200。该模型取决于直接唯一数据206，或特定于特定车辆的直接数据和聚合数据207，或从一组车辆收集的数据。直接唯一数据206包括一个特定车辆的直接观察到的当前机械状态。例如，唯一数据可以反映特定车辆的左前保险杠的损坏，燃料喷射器以一半容量操作，以及特定车辆的右前车轮悬架(由模型113确定)的适度损坏。方法200将聚合数据应用于(a)通过环境模型来预计或估算对车辆的其他损坏、以及(b)根据所有损坏(观察到的和环境的)来预计或估算车辆的值。

如上所述，该方法在206中聚集对特定车辆唯一的数据。该方法在204中收集来自车辆的本地传感器的测量结果。这些结果可以体现在来自一个或多个损坏模型204(诸如悬架损坏模型113)的结果中。在205中，该方法从诸如本地维修店201的其他来源收集对车辆唯一的数据。维修店201的技术人员可能准备损坏报告，该报告列出当前的缺陷或机械问题。如下所述，该数据将最终被合并，产生每个车辆的配置文件或得分。

该方法在206中生成包含观察到的或预计的唯一车辆损坏的结构化数据集。作为一个示例，结构化数据集可以识别具有唯一身份证明(id)——例如车辆识别号码(vin)——的车辆。结构化数据集可以预先填充有与车辆的特定模型相对应的部件列表。每个部件可以与指示对车辆的损坏的一个或多个数据集相关联。数据集可以识别损坏的大小、损坏的种类和信息的来源。

如上所述，该方法在207中聚集聚合数据。聚合数据包括结构化数据集，该数据集列出：(a)对特定车辆的部件的先前预计的损坏，(b)对特定车辆的观察到的损坏，以及c)修复观察到的损坏的成本。

该方法可以比较聚合数据207的(a)和(b)以确定特定部件(例如车辆悬架)的损坏预计如何与在其它部件中观察到的损坏(即，环境预测)相关。例如，参照图6的示例方法600，具有预计的悬架损坏601的一定百分比的汽车也将显示发动机损坏602。方法600测试预计的悬架损坏601和观察到的发动机损坏602之间的相关性的强度，其中环境建模器603基于悬架损坏产生发动机损坏的环境模型604。

回到图2，各种环境模型208(例如环境模型600和410)将环境损坏预计与车辆部件的直接损坏观察相关联。在一些实施例中，环境模型208依赖于特定车辆模型或其它已知数据(例如总体车辆位置、当前车辆健康、车辆年龄和车辆周围的环境条件)中的一个或多个。例如，一个环境模型208可以基于位于南俄亥俄州(southernohio)(体现为相应的邮政编码的集合)的2008轿车的悬架损坏来预测发动机损坏。该模型还可以包括预计的强度或置信水平。如图4所示，在一些情况下，可以沿着道路分割环境模型。

在将环境模型208应用于特定车辆的唯一数据206之后，该方法用209中的环境预计来补充唯一数据。步骤209中的新的唯一数据集具有一结构，该结构包括对特定部件的估算的或观察到的损坏以及估算或观察的置信水平(观察的置信水平可以是100％)。在一些实施例中，在步骤206中收集的直接唯一数据的估算的损坏的置信水平高于在208中通过环境损坏模型产生的环境唯一数据。

方法200将价格模型210应用于唯一数据209。在一些实施例中，价格模型估算修复缺陷的成本。在其他实施例中，价格模型估算与特定缺陷相关联的车辆值的减少。方法200可以从聚合数据207构建价格模型210。更具体地，方法200可以构建与(a)聚合数据207、(b)对特定车辆的观察到的损害、(c)修复观察到的损坏的成本匹配或相关的模型。通过将价格模型210应用于每个损坏的部件，方法200估算特定车辆的总值211。

转到图3，总体示出和阐述了模拟在预计路线上的车辆损坏的方法300。导航程序学习驾驶路线301。驾驶路线可以是用户选择的或根据当前车辆位置和输入或预计的车辆端点的机器生成的。导航程序从道路模型图302中调用对应于预计路线的一个或多个道路模型303。导航程序(或单独的程序)从例如在图1的109和111中报告的车辆数据构建或收集这些模型303。导航程序还收集与道路模型相关的条件305。例如，道路模型的结果可以取决于天气(包括温度和降水)、预计的车辆速度(基于驾驶员行为、交通、速度限制)和预计的车辆路线。一个或多个损坏模型304(例如悬架损坏模型113)基于条件305和道路模型303预计车辆损坏。

在各种实施例中，来自经过图3中发现的特定路线的预计的未来车辆损坏经由损坏模型204返回到方法200。车辆现在执行方法200，好像来自损坏模型304的预计的损坏是实际的直接损坏数据。方法200基于车辆经过预计的路线301返回预计的车辆值211。结果，方法200返回两个不同的值211：对应于实际车辆历史(历史值)的一个值211；对应于在经过预计的路线(未来值)之后的车辆的未来值的另一个值211。

方法200可以比较(例如，减去)这两个值以发现由于预计的路线导致的值的最低限度的减小。在各种实施例中，方法200将值发送到外部服务器。外部服务器基于值的最低限度的减少对保险单或延伸服务计划(esp)202进行定价。外部服务器将保险单或延伸服务计划发送到车辆。在各种实施例中，该方法还生成并显示风险图。风险图可以识别从当前位置到目的地的各种路线。风险图可以示出具有图形提示(例如颜色变化)的路线的预计成本。

本公开包括各种方法。应当理解的是，这些方法可以体现为车辆存储器中的并且在车辆处理器上执行的非瞬态指令。替代地或另外地，这些方法可以全部或部分地在可操作地连接到车辆的外部服务器上执行。

应当理解的是，为了权利要求的目的，“负载车辆”在此被定义为包含转向系统、具有发动机或马达的加速系统、包括配置为减速车辆的制动器的制动系统、车轮的车辆，其中车轮中的至少一个配置为接收由发动机或马达、一个或多个座椅、至少一个处理器和可操作地连接到处理器的存储器产生的扭矩。应当理解的是，当权利要求具体包括术语“负载车辆”时，上述定义适用并且仅适用。

应当理解的是，为了权利要求的目的，当涉及计算机程序时，术语“同时”表达程序排队等待同时立即处理(或被处理)。术语“同时”不要求处理器实际上同时执行两个程序。换句话说，术语“同时”涵盖其中处理器的单个内核被赋予执行软件的两个线程的任务的情况。

上述实施例，特别是任何“优选”实施例是实现的可能示例，并且仅仅是为了清楚理解本发明的原理而提出的。在本质上不背离本文所描述的技术的精神和原理的情况下，可以对上述实施例进行许多变化和修改。所有修改旨在包括在本公开的范围内并由所附权利要求保护。