一种基于车联网数据的故障关联性分析系统及方法

技术领域

本发明涉及大数据分析的技术领域，特别是涉及一种基于车联网数据的故障关联性分析系统及方法。

背景技术

近年来，随着智能汽车技术的不断提高，车辆本身产生了越来越多的数据，并且车联网技术的不断发展使人们对道路情况的监测和掌控也越来越多，车车通信也成为了现实。而与此同时，数据分析的方法和工具也越来越多，因此越来越多的机构或个人希望通过分析这些数据来分析车辆本身是否故障，以达到及时维修保养的目的。

现有的一些方法对车辆本身记录的数据来进行故障分析，但是，会因为各种原因导致数据记录不准确或者丢失。分析结果的准确性普遍较低，为此，国内许多技术人员对行车方面的数据收集，分析方法进行了改进。以许多大型互联网公司为例，基于云平台地大数据分析产品应用而生。这些产品凭借丰富的云计算资源和精准地营销支持对产品营销和数据分析提供了高效而强大地支持。同时一线人员具有良好地保养和维修素质，但在数据转化和信息表达上不能够及时反馈，因此导致了这些大数据分析产品依然具有较高的技术门槛。尤其在数据分析技术发展迅速的今天，大多企业难以承担同时掌握各种数据分析技术所花费的巨大人力成本。另外，在实际应用过程中，往往需要根据不同的车辆和故障进行批量的应用，而现有的人员和技术都是短期无法满足的。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供一种可以有效解决上述问题的基于车联网数据的故障关联性分析系统及方法。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于车联网数据的故障关联性分析系统，包括车辆数据采集及传输与存储模块、车辆工况特征分析模块、大数据处理模块和车辆故障分析模块；

所述车辆数据采集及传输与存储模块用于分析车辆的工作数据以及传感器数据；

所述车辆工况特征分析模块用于分析车辆的转速、车辆负荷、车辆报警信息；

所述大数据处理模块用于接收终端发回的数据，并进行解析入库操作，对数据进行实时处理；

所述车辆故障分析模块负责结合其他类型工况数据进行联合分析，识别车辆故障特征，并进行推理预测。

进一步的，所述车辆故障分析模块中的预设模型能够进行持续优化，并能够对未知故障进行及时快速的发现和提醒。

进一步的，所述预设模型中包括使用大数据处理进行数据挖掘，找出常见机械故障的数据特征并生成对应的数据模型，同时保持模型的兼容性。

一种基于车联网数据的故障关联性分析方法，包括以下步骤：

S1、车辆数据采集、传输与存储：通过外设硬件设备从车辆CAN总线获取本车车辆数据实时工作状态数据，具体包括以下数据：车辆GPS定位数据、行走时间、水温分布时间、泵压分布时间、各类报警时间、各种模式工作时间、工作时间、各种压力传感器数据、发动机转速、水温、液压油温各状态实时记录的关键数据；

S2、对车辆工况特征分析：将车辆的基础信息，行驶数据，报警数据，工作数据单独放一个数据集做特征分析检测车辆故障相关特征；

S3、数据处理：对某一固定周期内的数据进行分析，如周期为一周，对非量化数据进行量化，进一步对所有影响因子进行标准化处理，目的是去除数据的单位限制，转化为0-1标准化区间内；对不同类型的数据进行实时解析和计算，变成我们所需要的业务数据；

S4、车辆故障分析：通过对数据的处理，运用数据挖掘和大数据计算，对车辆产生的故障进行分析计算，找出车辆发生故障的数据特征，并预制为车辆故障模型特征，减少车载终端的边缘计算和数据处理流程。

进一步的，所述S1中的车辆数据采集还包括通过互联网获得实时工作数据，具体包括以下数据：工作环境视频数据、当地温度数据、当地气候变化数据。

进一步的，所述S1中的车辆数据传输通过3G/4G/5G无线网络进行传输。

进一步的，所述S1中车辆数据存储为云端存储，将数据至计算平台根据以上数据分类分别存储为不同的数据集。

进一步的，所述S1中车辆数据存储还包括将行车数据单独提取存储为数据集：车速、加速度、倾斜角度。

(三)有益效果

与现有技术相比，本发明提供了一种基于车联网数据的故障关联性分析系统及方法，具备以下有益效果：

该基于车联网数据的故障关联性分析系统及方法，支持了车辆对实时工况和车辆工况特征进行提取和记录；其次，通过互联网技术将终端分析数据进行发送和接收，并通过大数据分析将接收数据存储到时序数据库中，记录车辆实时工况实现远程监控；可以结合车辆的现场视频和统计工况进行交叉验证，最后，结合车辆其他工况数据，包括保养记录，维修记录等进行数据挖掘，针对车辆的典型故障进行预测，为车辆及时保养和及时维修提供可靠的依据，针对车辆常见故障类型进行分析识别，用于构建车辆常见故障的提前预警并指导保养人员和维修人员的及时处理，提高服务质量，延长车辆使用时间。

附图说明

图1是本发明的总体流程图；

图2是本发明的数据分析过程图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，一种基于车联网数据的故障关联性分析系统，包括车辆数据采集及传输与存储模块、车辆工况特征分析模块、大数据处理模块和车辆故障分析模块；

所述车辆数据采集及传输与存储模块用于分析车辆的工作数据以及传感器数据；

所述车辆工况特征分析模块用于分析车辆的转速、车辆负荷、车辆报警信息；

所述大数据处理模块用于接收终端发回的数据，并进行解析入库操作，对数据进行实时处理；

所述车辆故障分析模块负责结合其他类型工况数据进行联合分析，识别车辆故障特征，并进行推理预测。

进一步的，所述车辆故障分析模块中的预设模型能够进行持续优化，并能够对未知故障进行及时快速的发现和提醒。

进一步的，所述预设模型中包括使用大数据处理进行数据挖掘，找出常见机械故障的数据特征并生成对应的数据模型，同时保持模型的兼容性。

一种基于车联网数据的故障关联性分析方法，包括以下步骤：

S1、车辆数据采集、传输与存储：通过外设硬件设备从车辆CAN总线获取本车车辆数据实时工作状态数据，具体包括以下数据：车辆GPS定位数据、行走时间、水温分布时间、泵压分布时间、各类报警时间、各种模式工作时间、工作时间、各种压力传感器数据、发动机转速、水温、液压油温各状态实时记录的关键数据；

S2、对车辆工况特征分析：将车辆的基础信息，行驶数据，报警数据，工作数据单独放一个数据集做特征分析检测车辆故障相关特征；

S3、数据处理：对某一固定周期内的数据进行分析，如周期为一周，对非量化数据进行量化，进一步对所有影响因子进行标准化处理，目的是去除数据的单位限制，转化为0-1标准化区间内；对不同类型的数据进行实时解析和计算，变成我们所需要的业务数据；

S4、车辆故障分析：通过对数据的处理，运用数据挖掘和大数据计算，对车辆产生的故障进行分析计算，找出车辆发生故障的数据特征，并预制为车辆故障模型特征，减少车载终端的边缘计算和数据处理流程；因为各种车辆的型号和种类都不大相同，发生故障的种类也各种各样，因此要求预测模型能够各种不同车辆的不同故障种类进行定制化处理，对模型要求快速部署；根据发生同一类型故障的车辆信息作为数据特征分析进行模型化处理。

进一步的，所述S1中的车辆数据采集还包括通过互联网获得实时工作数据，具体包括以下数据：工作环境视频数据、当地温度数据、当地气候变化数据。

进一步的，所述S1中的车辆数据传输通过3G/4G/5G无线网络进行传输。

进一步的，所述S1中车辆数据存储为云端存储，将数据至计算平台根据以上数据分类分别存储为不同的数据集。

进一步的，所述S1中车辆数据存储还包括将行车数据单独提取存储为数据集：车速、加速度、倾斜角度。

实施例1：分析车辆转速与车辆发动机异响的相关性

S1、获取不同车辆一周的车辆行驶数据、车辆实时转速数据与车辆发动机发生异响数据；

S2、通过箱型方法提出所需数据的异常值；

S3、由于各种数据的单位不同，将数据进行标准化处理；

S4、以车辆发生异响作为因变量Y，车辆转速数据作为影响因子集合X,通过软件进行线性回归模型拟合，得到模型；

S5、对线性回归模型进行零假设验证并通过，说明车辆转速信息与车辆发生异响有关。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。