【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及車輛的自動化故障診斷。更具體地，本專利技術(shù)涉及電動汽車的故障檢測，尤其是遠程診斷電動汽車的動力系統(tǒng)故障的方法。
技術(shù)介紹
1、電動汽車故障的遠程診斷是一種利用通信技術(shù)和大數(shù)據(jù)分析，對電動汽車進行實時監(jiān)控和故障診斷的技術(shù)。這種技術(shù)使用車載傳感器、數(shù)據(jù)傳輸模塊、云端服務(wù)器和用戶界面。車載傳感器負責(zé)收集電動汽車動力系統(tǒng)的運行數(shù)據(jù)，如電池狀態(tài)、電機性能和控制系統(tǒng)參數(shù)。這些數(shù)據(jù)通過數(shù)據(jù)傳輸模塊，如無線網(wǎng)絡(luò)或蜂窩網(wǎng)絡(luò)，實時發(fā)送到云端服務(wù)器。在云端，專門的分析軟件會對數(shù)據(jù)進行處理和分析，利用機器學(xué)習(xí)和人工智能算法，識別出潛在的故障和性能下降的跡象。用戶界面，如智能手機應(yīng)用或網(wǎng)頁儀表板，允許車主或維修技師遠程查看車輛狀態(tài)和接收故障警報。
2、電動汽車由于其復(fù)雜的結(jié)構(gòu)和嚴苛的運行環(huán)境，容易出現(xiàn)電動機故障、dc/dc轉(zhuǎn)換器故障、電池故障等各種故障。因此，有效且實時的故障診斷對于保障車輛的安全性和可靠性至關(guān)重要。
技術(shù)實現(xiàn)思路
1、本公開的第一個方面提供了一種用于遠程診斷電動汽車的動力系統(tǒng)故障的方法。在一些實施例中，該方法可以包括：采集電動汽車的動力系統(tǒng)的實時數(shù)據(jù)；將實時數(shù)據(jù)傳輸至云平臺；利用隨機森林模型對實時數(shù)據(jù)進行特征重要程度排序；采用模擬退火算法優(yōu)化隨機森林模型的超參數(shù)；將優(yōu)化后的隨機森林模型部署在云平臺上，用于進行實時故障分類和診斷；利用云平臺提供電動汽車的動力系統(tǒng)的實時故障警報和診斷報告。
2、在一些實施例中，隨機森林模型可以基于訓(xùn)練集進行實時故障分類和診
3、
4、其中，δgini(t,j)表示在決策樹t中，由特征j導(dǎo)致的gini指數(shù)的降低值，t是決策樹的總數(shù)。
5、在一些實施例中，模擬退火算法可以通過冷卻機制優(yōu)化隨機森林模型的超參數(shù)。冷卻機制可以使用對數(shù)冷卻調(diào)度。
6、在一些實施例中，可以通過式2計算對數(shù)冷卻調(diào)度：
7、
8、其中，tn是迭代后的溫度，ti是初始溫度，k是對數(shù)增長常數(shù)，γ是調(diào)節(jié)因子，δ是冪次因子，iter是當(dāng)前的迭代次數(shù)。
9、在一些實施例中，實時數(shù)據(jù)可以包括電動汽車的dc/dc轉(zhuǎn)換器、電動機、電池的數(shù)據(jù)。實時數(shù)據(jù)可以包括電壓、電流、溫度、壓力或其任意組合。
10、在一些實施例中，初始溫度可以是100至200，γ調(diào)節(jié)因子可以是0.3至0.7?？梢詧?zhí)行多次迭代直至超參數(shù)收斂至最優(yōu)解。
11、在一些實施例中，aws平臺可以包括aws?sagemaker?endpoint模塊和/或awscloudwatch模塊。
12、應(yīng)當(dāng)理解，本公開并非旨在標識本公開的實施例的關(guān)鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種用于遠程診斷電動汽車的動力系統(tǒng)故障的方法，所述方法包括：
2.如權(quán)利要求1所述的方法，其中所述隨機森林模型基于訓(xùn)練集進行所述實時故障分類和診斷，所述訓(xùn)練集中的特征j的重要性Ij通過式1計算：
3.如權(quán)利要求2所述的方法，其中所述模擬退火算法通過冷卻機制優(yōu)化所述隨機森林模型的所述超參數(shù)，所述冷卻機制使用對數(shù)冷卻調(diào)度。
4.如權(quán)利要求3所述的方法，其中通過式2計算所述對數(shù)冷卻調(diào)度：
5.如權(quán)利要求4所述的方法，其中所述實時數(shù)據(jù)包括所述電動汽車的DC/DC轉(zhuǎn)換器、電動機、電池的數(shù)據(jù)。
6.如權(quán)利要求5所述的方法，其中所述實時數(shù)據(jù)包括電壓、電流、溫度、壓力或其任意組合。
7.如權(quán)利要求4所述的方法，其中所述初始溫度為100至200，所述γ調(diào)節(jié)因子是0.3至0.7，其中執(zhí)行多次迭代直至所述超參數(shù)收斂至最優(yōu)解。
8.如權(quán)利要求1所述的方法，其中所述云平臺是AWS云平臺。
9.如權(quán)利要求8所述的方法，其中所述AWS平臺包括AWS?SageMaker?Endpoint模塊。
10.
...【技術(shù)特征摘要】
1.一種用于遠程診斷電動汽車的動力系統(tǒng)故障的方法，所述方法包括：
2.如權(quán)利要求1所述的方法，其中所述隨機森林模型基于訓(xùn)練集進行所述實時故障分類和診斷，所述訓(xùn)練集中的特征j的重要性ij通過式1計算：
3.如權(quán)利要求2所述的方法，其中所述模擬退火算法通過冷卻機制優(yōu)化所述隨機森林模型的所述超參數(shù)，所述冷卻機制使用對數(shù)冷卻調(diào)度。
4.如權(quán)利要求3所述的方法，其中通過式2計算所述對數(shù)冷卻調(diào)度：
5.如權(quán)利要求4所述的方法，其中所述實時數(shù)據(jù)包括所述電動汽車的dc/dc轉(zhuǎn)換器、電動機、電池的數(shù)據(jù)。...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：章鑫杰，
申請(專利權(quán))人：上海科絡(luò)達云軟件技術(shù)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。