本发明属于数据分析,具体涉及基于云计算的新能源汽车远程诊断方法及系统。
背景技术:
1、随着新能源汽车行业的快速发展,车辆智能化与网联化的趋势日益明显,然而,新能源汽车的复杂电气架构、高度集成的电子控制系统以及独特的动力系统特性,使得故障诊断与维护面临诸多挑战。传统的故障检测手段往往依赖于车主的主观感知、定期保养检查以及实地维修,这种模式存在响应滞后、诊断不准确、维修成本高昂等问题。尤其是对于一些隐性故障、早期故障迹象的捕捉,以及对特定工况下故障发生的内在规律的理解,传统方法显得力有未逮。
2、现有的新能源汽车远程诊断技术尽管已经取得一定进展,但在数据处理效率、故障定位精度、远程修复能力等方面仍存在局限。数据传输的安全性、实时性要求较高,而海量数据的快速处理与深度分析需要强大的计算能力与先进的算法支持。此外,新能源汽车特有的故障模式(如电池管理系统(bms)异常、电机控制问题等)需要先进的故障模型来识别。因此,亟需开发一种新能源汽车远程诊断方法。
技术实现思路
1、基于上述技术问题,本发明提供基于云计算的新能源汽车远程诊断方法及系统,通过实时数据采集、高效数据处理、智能分析以及精准故障定位,实现远程诊断与部分故障的远程修复,以显著提升故障处理效率,降低维修成本与时间。
2、本发明提供基于云计算的新能源汽车远程诊断方法,方法包括:
3、步骤s1:采集新能源汽车数据并传输至云端服务器;
4、步骤s2:接收到车载终端发送的运行数据后,进行数据预处理和特征提取,得到预处理数据,具体包括:
5、数据接收与存储,具体包括:
6、车载终端将新能源汽车的运行数据通过无线通信发送至云端服务器;
7、云端服务器通过预设的通信协议,使用加密和压缩技术接收数据;
8、接收的数据经过解密、解压缩后,存储在云平台的大规模分布式存储系统中,并进行结构化存储;
9、数据预处理与特征工程,具体包括:
10、对存储的数据进行清洗,处理缺失值、异常值;
11、使用最大信息系数计算各特征与故障标签的相关性,选择相关性高于阈值的特征作为输入;
12、计算多分量信号的包络熵;对每个分量信号进行希尔伯特变换获取瞬时相位和频率,计算瞬时频率的负熵,并取平均值作为包络熵;
13、基于最大信息系数选择特征并使用变分模态分解进行优化;
14、步骤s3:对预处理数据进行云计算分批处理和分析,得到故障检测结果;
15、步骤s4:对已识别的新能源汽车故障结果,云端服务器采用动态故障树分析进行故障定位,得到故障诊断结果;
16、步骤s5:将故障诊断结果进行推送并进行远程控制。
17、本发明还提供基于云计算的新能源汽车远程诊断系统,系统包括:
18、数据采集模块,用于采集新能源汽车数据并传输至云端服务器;
19、数据处理模块,用于接收到车载终端发送的运行数据后,进行数据预处理和特征提取,得到预处理数据,具体包括:
20、接收存储子模块,用于数据接收与存储,具体包括:
21、车载终端将新能源汽车的运行数据通过无线通信发送至云端服务器;
22、云端服务器通过预设的通信协议,使用加密和压缩技术接收数据;
23、接收的数据经过解密、解压缩后,存储在云平台的大规模分布式存储系统中,并进行结构化存储;
24、特征提取子模块,用于数据预处理与特征工程,具体包括:
25、对存储的数据进行清洗,处理缺失值、异常值;
26、使用最大信息系数计算各特征与故障标签的相关性,选择相关性高于阈值的特征作为输入;
27、计算多分量信号的包络熵;对每个分量信号进行希尔伯特变换获取瞬时相位和频率,计算瞬时频率的负熵,并取平均值作为包络熵;
28、基于最大信息系数选择特征并使用变分模态分解进行优化;
29、数据分析模块,用于对预处理数据进行云计算分批处理和分析,得到故障检测结果;
30、故障诊断模块,用于对已识别的新能源汽车故障结果,云端服务器采用动态故障树分析进行故障定位,得到故障诊断结果;
31、推送控制模块,用于将故障诊断结果进行推送并进行远程控制。
32、本发明与现有技术相比,具有以下有益效果:
33、本发明基于云计算的强大数据处理能力与先进的故障检测模型,本发明能够实时、准确地识别新能源汽车各类故障,通过动态故障树分析实现系统级故障解析,精准定位故障源,显著提升故障检测的准确性与定位效率;通过实时数据传输、云端智能分析与远程控制功能,本发明能够对部分故障进行远程诊断与修复,包括软件更新、参数调整、故障隔离等操作,无需用户前往维修站点,极大提高了故障处理的便捷性与效率。
1.基于云计算的新能源汽车远程诊断方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于云计算的新能源汽车远程诊断方法,其特征在于,所述基于最大信息系数选择特征并使用变分模态分解进行优化,具体包括:
3.根据权利要求1所述的基于云计算的新能源汽车远程诊断方法,其特征在于,所述对预处理数据进行云计算分批处理和分析,得到故障检测结果,具体包括:
4.根据权利要求3所述的基于云计算的新能源汽车远程诊断方法,其特征在于,所述构建新能源汽车故障检测模型,具体包括:
5.根据权利要求3所述的基于云计算的新能源汽车远程诊断方法,其特征在于,所述元学习自适应估计策略,具体包括:
6.基于云计算的新能源汽车远程诊断系统,其特征在于,所述系统包括:
7.根据权利要求6所述的基于云计算的新能源汽车远程诊断系统,其特征在于,所述基于最大信息系数选择特征并使用变分模态分解进行优化,具体包括:
8.根据权利要求6所述的基于云计算的新能源汽车远程诊断系统,其特征在于,所述数据分析模块,具体包括:
9.根据权利要求8所述的基于云计算的新能源汽车远程诊断系统,其特征在于,所述构建新能源汽车故障检测模型,具体包括:
10.根据权利要求8所述的基于云计算的新能源汽车远程诊断系统,其特征在于,所述元学习自适应估计策略,具体包括: