基于车联网平台的机场电动特种车辆故障预警方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113761728A(43)申请公布日2021.12.07(21)申请号202110973506.0(22)申请日2021.08.24(71)申请人威海广泰空港设备股份有限公司地址264200山东省威海市环翠区黄河街16号(72)发明人李文轩张楠楠李耕阚犇胡宽博管锐刘海涛黄博朱立明(74)专利代理机构威海科星专利事务所37202代理人孙小栋(51)Int.Cl.G06F30/20(2020.01)G06F17/18(2006.01)G06F119/02(2020.01)权利要求书2页说明书7页附图4页(54)发明名称基于车联网平台的机场电动特种车辆故障预警方法(57)摘要本发明涉及一种基于车联网平台的机场电动特种车辆故障预警方法，其为了解决了机场电动特种车发生故障后才报警存在事后性和时延性的技术的技术问题，搭建可以采集电动车辆实时参数的监控平台；基于分布式系统架构，将大量数据进行处理并储存；针对故障类型对数据进行筛选，抽取出故障数据；将故障数据与正常数据进行对比分析，确定相应故障与目标参数间的相关性；利用贝叶斯网络建立故障预警模型，用于预测车辆发生相应故障的概率；根据该预警模型，结合车联网平台采集的实时车辆参数，对车辆进行故障概率预测，并将故障预警信号发送至终端。本发明基于车联网采集的实时车辆数据，代入所建的故障预警模型，在故障可能发生之前做出预警，提高安全性。CN113761728ACN113761728A权利要求书1/2页1.一种基于车联网平台的机场电动特种车辆故障预警方法，其特征在于，包括以下步骤：步骤1：分析机场电动特种车辆的故障种类及引起故障的原因，构建车辆监控参数表；步骤2：搭建机场电动特种车辆车联网平台；步骤3：在车联网平台的基础上，抽取目标车辆的历史运行数据，并对数据进行相应的预处理；步骤4：在上述处理后的数据的基础上，将目标车辆的故障状态对比正常运行状态下的相应参数进行分析，确定相应故障与目标参数间的相关性；步骤5：建立目标车辆相应故障的故障预警模型；步骤6：在故障预警模型的基础上，基于车联网平台的实时运行参数，通过故障预警模型对目标车辆进行故障概率预测。2.根据权利要求1所述的基于车联网平台的机场电动特种车辆故障预警方法，其特征在于：所述步骤4中，基于所述步骤3的分析和对数据的预处理，由所有参数构成一个参数空间，记相应故障种类Ti，参数空间x＝{x1，x2…xi}；并逐一判断x中各参数和相应故障Ti的相关性，确定和Ti相关的参数空间Xi；具体的：对比分析故障时段相应参数和正常运行下该参数，定义相关性参数Cxi如下：公式(1)中，a表示故障时段相应参数的均值，a0表示该参数对应时段下正常运行时的均值；b表示故障时段相应参数的极大值与极小值之差，b0表示该参数对应时段下正常运行时的极大值与极小值之差；并设置阈值α0，当参数xi与故障种类Ti的相关性参数Cxi大于等于阈值α0，则认为参数xi与故障种类Ti相关；将参数空间x中每个参数带入公式Cxi，计算出的值大于阈值α0表示相关；依次确定和相应故障相关的参数，确定故障种类Ti的相关参数空间Xi(Xi＝{xj|xj＝xi且Cxi>＝α0})；所述步骤5中，定义贝叶斯网络中的节点为X＝{x1,x2,…,xn}，根据链式规则，贝叶斯网络的联合概率分布P(X)表示如下：如果用A(xi)表示非子节点构成的任何节点子集，用π(xi)表示xi的父节点的集合，则依据条件独立性假设有：P(xi|A(xi),π(xi))＝P(xi|π(xi))网络中所有节点的联合概率就可以表示如下：2CN113761728A权利要求书2/2页构建车辆故障概率模型中定义如下：车辆系统和参数具有3种状态，它们用0,1,2表示；其中0状态为正常工作状态，1状态为重故障状态，2状态为轻故障状态；在参数中也有二态的即0,1或0,2；Ti表示相应特种车辆的某种故障，x1，x2…表示经过步骤4判定相关性后所确定的关联空间Xi中的参数xj(xj＝xi且Cxi>＝α0)；P(T＝1)表示该故障发生的概率，P(x1＝0)、P(x1＝1)、P(x1＝2)…分别表示相应参数正常工作状态、重故障状态、轻故障状态的概率；则有相应故障概率如下：根据先验概率和条件概率，可以推算出车辆相应故障的发生概率。所述步骤6中，设置阈值α，当发生故障的概率P(T＝1)大于等于阈值α，表示故障将有极大可能在下一时间点出现，此时生成故障预警信息报表。3CN113761728A说明书1/7页基于车联网平台的机场电动特种车辆故障预警方法技术领域[0001]本发明涉及机车电动特种车辆技术领域，具体而言，涉及一种基于车联网平台的机场电动特种车辆故障预警的方法。背景技术[0002