[发明专利]一种基于车联网大数据的柴油发动机机油更换识别方法

说明书

本发明属于大数据处理分析技术及柴油发动机商用车精准保养领域，具体的是一种基于车联网大数据的柴油发动机机油更换识别方法。包括特征提取阶段、模型训练与预测阶段。特征提取阶段具体包括如下步骤：步骤1‑1、数据清洗；步骤1‑2、抽取目标工况数据集；步骤1‑3、特征提取。模型训练与预测阶段包括如下步骤：步骤2‑1、构建监督学习模型；步骤2‑2、模型结果预测；步骤2‑3、模型误差分析；步骤2‑4、融合多工况结果；步骤2‑5、模型结果展示。通过车辆工况数据，构建车辆工况与反映机油粘度的关键特征，准确识别用户更换机油的时间，为后续的精准保养推荐提供基础的数据依据。

技术领域

本发明属于大数据处理分析技术及柴油发动机商用车精准保养领域，具体的是一种基于车联网大数据的机油更换识别方法。

背景技术

机油作为发动机的重要润滑剂，在发动机的运转过程中起着冷却、防锈防蚀、缓冲、减震等作用。当机油液位过低或机油粘度存在异常的情况下，车辆整体的油耗、动力性都会受到较大的影响。因此，选择合适的时机进行机油更换与保养，是车主在日常用车过程中必须关注的问题。

与乘用车不同的是，商用车缺少机油油位的直接测点，对于发动机厂和主机厂而言，无法获取车主是否在合理时机进行过保养的信息，对于一些因为未及时保养而导致的故障，很难进行准确的定位与归因。另一方面，考虑到工程机械的里程数无法反映其实际工作情况，商用车目前的保养时机推荐基本以发动机工作时间为标准，若车主没有在指定服务站进行保养或维修，发动机厂和主机厂在无法获取其历史保养数据的情况下，很难实现保养周期的精准建议。

发明内容

本发明的目的是针对上述不足之处提供一种基于车联网大数据的柴油发动机机油更换识别方法，通过车辆工况数据，构建车辆工况与反映机油粘度的关键特征，准确识别用户更换机油的时间，为后续的精准保养推荐提供基础的数据依据。

本发明是采取以下技术方案实现的：

一种基于车联网大数据的柴油发动机机油更换识别方法，包括特征提取阶段、模型训练与预测阶段。

特征提取阶段具体包括如下步骤：

步骤1-1、数据清洗；

步骤1-2、抽取目标工况数据集；

步骤1-3、特征提取。

模型训练与预测阶段包括如下步骤：

步骤2-1、构建监督学习模型；

步骤2-2、模型结果预测；

步骤2-3、模型误差分析；

步骤2-4、融合多工况结果；

步骤2-5、模型结果展示。

进一步的，所述步骤1-1中所使用的车联网原始采集数据频率为1Hz，且数据中存在一部分不合理值或缺失值，需要按照以下规则进行处理：

规则1、对于部分采样保留值，如65536、256等，直接进行剔除该行数据；对于温度采样值≤-270℃的数据，判定为无效值，也进行剔除。

规则2、对于缺失值，若为温度测点且精度较低，可根据前后温度值进行插值；若非温度测点，则直接剔除该行数据。

进一步的，所述步骤1-2适用于识别方法的工况数据范围为柴油车发动机每天启动后的热车过程阶段；所述热车过程为柴油发动机启动后，发动机常规的升温过程，该过程发动机处于怠速状态，且会根据环境温度调整转速水平，通常固定在1～2个相对较窄的转速区间；所述升温过程，通常车辆中以冷却液温度作为测量指标。

步骤1-2中，目标工况抽取的条件如下：

1-2-1、车辆处于怠速状态，即发动机转速大于0 rpm，同时车速为0 km/h；

1-2-2、发动机冷却液温度高于45℃且低于55℃，在该温度区间内，冷却液温度近似等于油路中的机油温度；