[发明专利]车辆故障预测方法、预测系统及车辆

说明书

本发明提供了一种车辆故障预测方法、预测方法和车辆，涉及车辆技术领域，本发明的车辆故障预测方法，包括：实时采集车辆的数据并发送至大数据平台。接收由大数据平台对所述数据进行清洗和统计分析后的车辆的数据并进行展示。将车辆是否在此刻或即将发生故障，以及车辆此刻或即将发生故障的部位和概率输出展示并报警，本发明的车辆故障预测方法和系统，可以预测车辆此刻或即将是否会发生故障，已经故障发生的部位和概率，不需要人为进行逐一排除，节省时间和人力成本。并且在得到了故障时就可以直接提醒报警，在真正的事故发生之前提醒，提高车辆的安全性。

技术领域

本发明涉及车辆技术领域，特别是涉及一种车辆故障预测方法、预测系统及车辆。

背景技术

通过对网络用户的大数据分析发现，其中用户普遍在抱怨三缸发动机随着使用时间的变化，发动机的抖动情况会显著增加。目前常采用的是根据用户的感知，不断的排查判断车辆故障抖动的原因，非常浪费时间和人力成本，且排查困难。此外，即便逐一排查，由于试验过程中是否抖动完全由试验人员自行进行主观判断，当试验不充分、或者测试工况不全面或者驾驶员敏感性不足时，有可能将整车轻微的抖动带到量产引起客户抱怨。

发明内容

本发明的第一方面的一个目的是要提供一种车辆故障预测方法，解决现有技术中需要实验员逐一排查车辆故障问题导致资源浪费的问题。

本发明的第一方面的另一个目的是解决现有技术中无法预测车辆故障的问题。

本发明的第二方面的目的是提供一种车辆，解决现有技术中需要实验员逐一排查车辆故障问题导致资源浪费的问题；

本发明的第三方面的目的是提供一种车辆故障预测系统。

特别地，本发明提供一种车辆故障预测方法，包括：

实时采集车辆的数据并发送至大数据平台，其中，所述数据包括车辆振动数据、车速、发动机转速、发动机温度、电流、电量和/或胎压；

接收由大数据平台对所述数据进行清洗和统计分析后的所述车辆的数据并进行展示；

将所述车辆是否在此刻或即将发生故障，以及所述车辆此刻或即将发生故障的部位和概率输出展示并报警，其中，所述车辆此刻或即将发生故障的部位和概率为所述大数据平台将统计分析后的数据输入到模型得到的。

可选地，所述模型包括判别模型，所述判别模型接收所述统计分析后的数据，根据某一时刻的数据预测所述车辆此刻是否会发生故障，并得到所述车辆此刻会发生故障的部位和概率。

可选地，所述模型还包括预测模型，所述预测模型接收所述统计分析后的数据，根据某一时刻的数据预测下一时刻所述车辆是否将会发生故障，同时得到下一时刻所述车辆将发生故障的部位和概率。

可选地，所述车辆振动数据包括所述车辆各部件的振动频率和振动幅度；

对清洗后的数据进行统计分析的步骤包括：

根据所述振动幅度和所述振动频率对所述车辆的振动情况进行分级，统计所述车辆各部件在各个等级下振动幅度的占比及在各个等级下所述振动频率的占比。

可选地，所述统计分析后的数据通过BI系统进行展示；

所述BI系统还实时展示所述车辆各部件的振动数据信息、所述车辆是否会发生故障信息、是否即将发生故障信息以及发生故障或即将发生故障的部位信息。

可选地，大数据平台对所述数据进行清洗的步骤包括：通过spark/flink对所述车辆的数据进行清洗，以除去所述车辆的数据中的异常数据；所述判别模型为XGBoost模型；所述预测模型为RNN模型，并且在所述RNN模型中引入LSTM模块。

特别地，本发明还提供一种车辆，包括：