一种多数据融合的车辆故障监测预警方法、设备及介质技术

本发明专利技术公开了一种多数据融合的车辆故障监测预警方法、设备及介质。方法包括以下步骤：通过物联网采集车辆声音数据和车辆行驶数据；提取车辆声音数据的滤波器组特征，将车辆声音数据转换为车辆时频数据；将车辆时频数据输入第一特征提取模型，得到第一特征向量；将车辆行驶数据输入第二特征提取模型，得到第二特征向量；将第一特征向量和第二特征向量进行拼接融合，得到第三特征向量；将第三特征向量输入分类器，得到故障分类结果。本发明专利技术有助于进一步建立车辆声音与故障的关系，构建声音、行驶数据与故障的知识图谱，为驾驶人员或维修人员提供高效的故障判别方案。提供高效的故障判别方案。提供高效的故障判别方案。

【技术实现步骤摘要】
一种多数据融合的车辆故障监测预警方法、设备及介质


[0001]本专利技术涉及车辆状态监控领域，尤其是一种多数据融合的车辆故障监测预警方法、设备及介质。

技术介绍

[0002]车辆在使用过程中，存在诸多的安全风险，不仅容易导致车辆在使用过程中不能正常行驶，还会导致交通事故，造成经济的损失和人员的伤亡。
[0003]当前对车辆的监控，大多通过视频并结合AI技术对驾驶员的驾驶行为进行监控，提示驾驶员安全驾驶；利用物联网技术采集车辆的速度、转速、胎压、油耗、位置等车辆行驶数据，实时同步到物联网中台，监控车辆的运行状态。但是这些监控方法忽视了车辆运行时所发出的声音，没有利用车辆的声音并结合车辆的其他行驶数据，对车辆故障进行监测预警。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种多数据融合的车辆故障监测预警方法、设备及介质。
[0005]本专利技术的第一方面提供了一种多数据融合的车辆故障监测预警方法，包括以下步骤：
[0006]通过物联网采集车辆声音数据和车辆行驶数据；
[0007]提取车辆声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多数据融合的车辆故障监测预警方法，其特征在于，包括以下步骤：通过物联网采集车辆声音数据和车辆行驶数据；提取车辆声音数据的滤波器组特征，将车辆声音数据转换为车辆时频数据；将车辆时频数据输入第一特征提取模型，得到第一特征向量；将车辆行驶数据输入第二特征提取模型，得到第二特征向量；将第一特征向量和第二特征向量进行拼接融合，得到第三特征向量；将第三特征向量输入分类器，得到故障分类结果。2.根据权利要求1所述的一种多数据融合的车辆故障监测预警方法，其特征在于，所述将车辆声音数据转换为车辆时频数据，具体包括以下步骤：通过以下公式对车辆声音数据进行预加重处理，得到第一中间声音数据y
n
；y
n
＝x
n
‑
ax
n
‑1式中，x
n
是当前时刻的车辆声音数据，x
n
‑1是上一时刻的车辆声音数据，a是预设滤波系数；通过以下公式对第一中间声音数据进行频谱估计，得到第二中间声音数据F
x
(f)；式中，K多正弦窗函数的个数，m＝1,2,
……
,N；N为采样点数；对第二声音中间数据进行平滑，得到第三声音中间数据；将第三声音中间数据输入由以下公式构成的梅尔频率滤波器，得到车辆时频数据；式中f表示第三声音中间数据的实际频率。3.根据权利要求2所述的一种多数据融合的车辆故障监测预警方法，其特征在于，所述对第二声音中间数据进行平滑，得到第三声音中间数据，具体包括以下步骤：将第二声音中间数据输入滑动平均滤波器，得到声音平滑数据；逐帧比较第二声音中间数据和声音平滑数据，取第二声音中间数据和声音平滑数据中的极大值作为新的第二声音中间数据；返回将第二声音中间数据输入滑动平均滤波器这一步骤，直至返回次数达到预设迭代次数；将最终得到的第二声音中间数据作为第三声音中间数据输出。4.根据权利要求1所述的一种多数据融合的车辆故障监测预警方法，其特征在于，所述第一特征提取模型，具体包括一维卷积层、压缩激励残差网络层和注意力统计池化层；所述将车辆时频数据输入第一特征提取模型，得到第一特征向量，具体包括以下步骤：通过一维卷积层对所述车辆时频数据进行卷积操作，...

【专利技术属性】
技术研发人员：王宏军，李磊，陈东升，汪滔滔，李刚，
申请(专利权)人：北京北明数科信息技术有限公司，
类型：发明
国别省市：