一种基于车联网大数据的车辆健康状态评估方法及系统与流程

本发明涉及车辆健康状态评估，具体地说，涉及一种基于车联网大数据的车辆健康状态评估方法及系统。

背景技术：

1、一种基于车联网大数据的车辆健康状态评估方法及系统旨在动态更新车辆健康标准库和自适应调整评估权重，通过车联网实时采集的车辆动力系统、电力系统、悬挂系统等数据，结合历史评估数据和车辆使用场景，控制车辆健康评估的精准性和实时性，实现对不同类型车辆在不同使用环境下的精确健康状态评估，提供个性化的维护建议和预警。

2、现有的车辆健康状态评估方法及系统通常难以根据车辆类型和使用场景进行动态调整，由于车辆类型众多且根据不同车辆类型评估车辆的侧重点复杂多样，会导致健康评估结果不符合本类型车辆的健康状况，并难以满足复杂驾驶场景的需求和不同类型车辆的差异化评估的问题，因此，提供一种基于车联网大数据的车辆健康状态评估方法及系统。

技术实现思路

1、本发明的目的在于提供一种基于车联网大数据的车辆健康状态评估方法及系统，以解决上述背景技术中提出的由于车辆类型众多且根据不同车辆类型评估车辆的侧重点复杂多样，会导致健康评估结果不符合本类型车辆的健康状况，并难以满足复杂驾驶场景的需求和不同类型车辆的差异化评估的问题。

2、为实现上述目的，本发明目的在于提供了一种基于车联网大数据的车辆健康状态评估方法，包括：

3、s1、分类不同车辆类型，通过车联网大数据，收集已评估车辆的健康数据构建车辆健康标准库；

4、s2、采集车辆的动力系统数据、制动系统数据和悬挂系统数据；

5、s3、使用动力数据健康算法并结合车辆的动力系统数据，计算车辆的动力系统健康指标；

6、s4、使用电力数据健康算法并结合车辆的电力系统数据，计算车辆的电力系统健康指标；

7、s5、使用悬挂数据健康算法并结合车辆的悬挂系统数据，计算车辆的悬挂系统健康指标；

8、s6、构建权重自适应模型，权重自适应模型根据车辆类型，赋予车辆动力系统加权系数、电力系统加权系数和悬挂系统加权系数计算车辆的动力系统健康指标、电力系统健康指标和悬挂系统健康指标，并计算综合车辆健康指数。

9、作为本技术方案的进一步改进，所述s1中，分类不同车辆类型，通过车联网大数据，收集已评估车辆的健康数据构建车辆健康标准库，具体方法如下：

10、s1.1、对不同类型车辆进行分类，包括轿车、越野车、卡车、客车和电动车；

11、s1.2、对每种车辆类型的车辆健康数据进行分类管理，包括动力系统健康指标、电力系统健康指标和悬挂系统健康指标；

12、s1.3、通过车联网大数据，收集已评估的车辆健康数据以及车辆标准健康数据，并按不同车辆类型以及分类存储于车辆健康标准库中；

13、s1.4、设计动态更新机制，车辆健康标准库利用动态更新机制并根据新评估车辆健康数据自动更新车辆健康标准库。

14、作为本技术方案的进一步改进，所述s1.4中设计动态更新机制，具体如下：

15、s1.4.1、收集车联网大数据的车辆健康数据；

16、s1.4.2、选择设定动态更新机制收集车辆健康数据的时间间隔；

17、s1.4.3、每当评估完新车辆的综合车辆健康指数时，系统将新车辆的综合车辆健康指数添加到车辆健康标准库中，更新车辆健康标准库；

18、s1.4.4、动态更新机制还将根据车辆类型和车辆使用场景，调整健康指标在车辆健康标准库中的权重；

19、s1.4.5、更新车辆健康标准库后，生成新车辆健康标准库版本，并保留旧版本。

20、作为本技术方案的进一步改进，所述s2中，采集车辆的动力系统数据、制动系统数据和悬挂系统数据，具体如下：

21、s2.1、采集动力系统数据，包括发动机转速、燃油消耗率和动力输出状态；

22、s2.2、采集电力系统数据，包括电池电压、电池电流和充放电循环次数；

23、s2.3、采集悬挂系统数据，包括悬挂位移、车身震动和悬挂反应时间。

24、作为本技术方案的进一步改进，所述动力数据健康算法是基于车辆的动力系统数据，通过多变量组合方法、加权求和方法以及非线性函数方法，综合计算车辆动力系统健康指标的技术方法；

25、所述s3中，使用动力数据健康算法并结合车辆的动力系统数据，计算车辆的动力系统健康指标hpower，具体方法如下：

26、hpower＝α1·frpm(t)+α2·gfuel(t)+α3·hpower(t)；

27、

28、其中，α1、α2和α3为动力系统加权系数，且满足α1+α2+α3＝1；frpm(t)为基于发动机转速数据和时间t的健康指标函数；gfuel(t)为基于燃油消耗率数据和时间t的健康指标函数；hpower(t)为基于动力输出状态数据时间t的健康指标函数；

29、t为总时间长度；为在总时间长度t内的发动机转速平均值；δrpm(t)为在时间t发动机转速的偏差；e-0.1t为指数衰减因子；为在总时间长度t内的燃油消耗率平均值；δfuel(t)为在时间t燃油消耗率的偏差；为在总时间长度t内的动力输出平均值；δpower(t)为在时间t动力输出的偏差；ω1为动力输出的振荡频率。

30、作为本技术方案的进一步改进，所述电力数据健康算法是基于车辆的电力系统数据，结合多变量回归分析方法，综合计算车辆的电力系统健康指标的技术方法；

31、所述s4中，使用电力数据健康算法并结合车辆的电力系统数据，计算车辆的电力系统健康指标helectric，具体方法如下：

32、helectric＝γ1·fvoltage(t)+γ2·gcurrent(t)+γ3·kcycles(t)；

33、

34、其中，γ1、γ2和γ3是电力系统加权系数，且满足γ1+γ2+γ3＝1；fvoltage(t)为基于电池电压随时间t变化的健康指标函数；gcurrent(t)为基于电池电流随时间t变化的健康指标函数；kcycles(t)为基于电池充放电循环次数的健康指标函数；

35、为在总时间长度t内的电池电压平均值；δvoltage(t)为在时间t电压的偏差；e-0.05t为电压波动对时间的衰减因子；为在总时间长度t内的电流平均值；δcurrent(t)为在时间t电流的偏差；c(t)为当前充放电循环次数；cmax为电池的最大充放电循环寿命，由制造商提供。

36、作为本技术方案的进一步改进，所述悬挂数据健康算法是基于多变量非线性分析技术所实现，用于综合分析悬挂位移、车身振动、悬挂反应时间数据，评估车辆悬挂系统健康；

37、所述s5中，使用悬挂数据健康算法并结合车辆的悬挂系统数据，计算车辆的悬挂系统健康指标hsuspension，具体方法如下：

38、hsuspension＝θ1·fdisplacement(t)+θ2·gvibration(t)+θ3·hresponse(t)；

39、

40、其中，θ1、θ2和θ3是悬挂系统加权系数，且满足θ1+θ2+θ3＝1；fdisplacement(t)为基于悬挂位移随时间t变化的健康评估函数；gvibration(t)为基于车身振动随时间t变化的健康评估函数；hresponse(t)为基于悬挂反应时间的健康评估函数；

41、为在总时间长度t内悬挂位移的平均值；δdisplacement(t)为在时间t悬挂位移的偏差；为在总时间长度t内车身振动的平均值；δvibration(t)为在瞬时t车身振动偏差；为在总时间长度t内悬挂系统的平均反应时间；δresponse(t)为悬挂反应时间的偏差；ω2为悬挂系统的振动响应频率。

42、作为本技术方案的进一步改进，所述s6中，构建权重自适应模型，权重自适应模型根据车辆类型，赋予车辆动力系统加权系数、电力系统加权系数和悬挂系统加权系数计算车辆的动力系统健康指标、电力系统健康指标和悬挂系统健康指标，并计算综合车辆健康指数，具体如下：

43、s6.1、权重自适应模型包含四个主要部分：

44、动力系统加权系数：α1、α2和α3；

45、电力系统加权系数：γ1、γ2和γ3；

46、悬挂系统加权系数：θ1、θ2和θ3；

47、综合车辆健康指数加权系数：λ1、λ2和λ3；

48、s6.2、根据车辆类型，初始化加权系数矩阵w：

49、

50、s6.3、根据车辆类型和车辆使用场景，动态调整上述加权系数；

51、s6.4、根据调整后的动力系统加权系数、电力系统加权系数和悬挂系统加权系数，计算动力系统健康指标hpower、电力系统健康指标helectric和悬挂系统健康指标hsuspension；

52、s6.5、根据调整后的综合车辆健康指数加权系数λ1、λ2和λ3，计算综合车辆健康指数。

53、作为本技术方案的进一步改进，所述s6.5中，根据调整后的综合车辆健康指数加权系数λ1、λ2和λ3，计算综合车辆健康指数hvehicle，具体方法如下：

54、hvehicle＝λ1·hpower+λ2·helectric+λ3·hsuspension；

55、其中，λ1为动力系统健康指标的加权系数；λ2为电力系统健康指标的加权系数；λ3为悬挂系统健康指标的加权系数。

56、通过使用综合加权系数λ1,λ2,λ3，结合车辆动力系统、电力系统和悬挂系统的健康指标，最终计算出车辆的综合健康指数hvehicle。这一综合健康指数能全面反映车辆的整体运行状态，并为车辆的维护和管理提供数据支持。

57、另一方面，本发明提供了一种基于车联网大数据的车辆健康状态评估系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行计算机程序实现上述的基于车联网大数据的车辆健康状态评估方法。

58、与现有技术相比，本发明的有益效果：

59、1、该基于车联网大数据的车辆健康状态评估方法及系统中，基于动态更新的车辆健康标准库和实时采集的车辆数据，可以根据不同车辆类型和使用场景，动态调整健康评估权重，确保评估结果的精准性和时效性。

60、2、该基于车联网大数据的车辆健康状态评估方法及系统中，通过权重自适应模型结合不同车辆类型，根据车辆的动力系统、电力系统和悬挂系统的健康指标进行加权计算，实现综合健康指数的精确评估。