【技术实现步骤摘要】
本专利技术涉及车辆养护，具体涉及一种基于用户大数据分析的车辆养护状态智能预测方法。
技术介绍
1、车辆养护是指定期对汽车相关部分进行检查、清洁、补给、润滑、调整或更换某些零件的预防性工作，车辆制动系统是指对汽车某些部分(主要是车轮)施加一定的力，从而对其进行一定程度的强制制动的一系列专门装置，它的主要目的是保证行车的安全，因此，制动系统在车辆定期养护时至关重要。
2、现有的车辆制动系统养护过程中，通过对制动系统实时参数数据进行判断，若实时参数数据超过一临界值时，则表明车辆需要进行养护了，但是由于车辆一直在使用过程中，且每个车主的驾驶习惯和每个车辆经常处于的驾驶环境都不一样，从而缺少对车辆制动系统整体养护状态的预测和反馈，从而给车辆带来安全隐患，因此，本专利技术提供一种基于用户大数据分析的车辆养护状态智能预测方法。
技术实现思路
1、本专利技术的目的在于提供一种基于用户大数据分析的车辆养护状态智能预测方法，解决上述技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于用户大数据分析的车辆养护状态智能预测方法，所述方法包括如下步骤：
4、步骤s1、每隔一定周期t监测车辆制动系统实时状态参数；
5、步骤s2、根据车辆制动系统的实时状态参数计算车辆的当前养护状态系数；
6、步骤s3、根据当前养护状态系数判断车辆制动系统当前的养护状态，将当前养护状态系数与预设养护状态系数阈值比较，若当前养护状态系数大于
7、步骤s4、根据定期获取的车辆制动系统实时状态参数得到车辆制动系统参数历史变化情况；
8、步骤s5、根据车辆制动系统参数历史变化情况计算车辆的养护状态预测系数；
9、步骤s6、根据车辆的养护状态预测系数对车辆的养护状态进行预测，将车辆的养护状态预测系数与预设的车辆的养护状态预测系数阈值进行比较，若车辆的养护状态预测系数大于预设的车辆的养护状态预测系数阈值，则预测车辆处于养护状态临界点，进入步骤s7，否则，预测车辆当前不需要进行养护；
10、步骤s7、获取车辆日常行驶参数，根据车辆的养护状态预测系数和预设的车辆的养护状态预测系数阈值，预测计算车辆养护时间期限。
11、作为本专利技术方案的进一步描述，所述步骤s1中定期获取的车辆制动系统实时状态参数包括：刹车片的磨损量d、制动液液面高度h和制动踏板行程l；
12、所述步骤s7中车辆日常行驶参数包括：车辆日常行驶里程m和车辆日常行驶油耗v。
13、作为本专利技术方案的进一步描述，所述步骤s2的具体过程包括：
14、获取车辆制动系统当前各个刹车片的磨损量di、制动液液面高度h和制动踏板行程l；
15、根据下式计算车辆的当前养护状态系数σ：
16、
17、式中，α、β和γ分别为预设的权重系数，其中，α＞β＞γ＞0，n为刹车片总数量，n＞i＞0，且i属于[1，n]，di表示为第i片刹车片的磨损量，di0为第i片刹车片预设衡量磨损量，h为预设衡量制动液液面高度，l0为预设衡量制动踏板行程。
18、作为本专利技术方案的进一步描述，所述步骤s3的具体过程包括：
19、将车辆的当前养护状态系数σ与预设养护状态系数阈值σth比较，当车辆的当前养护状态系数σ大于预设养护状态系数阈值σth时，需要立即对车辆进行养护，否则，对车辆的养护状态进行预测。
20、作为本专利技术方案的进一步描述，所述步骤s4的具体过程包括：
21、获取每个周期t的监测的车辆制动系统状态参数，分别拟合车辆制动系统各个刹车片的磨损量di随时间t变化函数di(t)、制动液液面高度随时间变化函数h(t)和制动踏板行程随时间变化函数l(t)；
22、构建直角坐标系xoy，x轴表示t，在直角坐标系中分别生成车辆制动系统各个刹车片的磨损量di随时间t变化函数di(t)曲线制动液液面高度随时间变化函数h(t)曲线ch和制动踏板行程随时间变化函数l(t)曲线cl；
23、通过下式计算曲线与x轴围成的面积s1i、曲线ch与x轴围成的面积s2和曲线cl与x轴围成的面积s3：
24、
25、将s1i、s2和s3代入下式计算车辆的养护状态预测系数ρ：
26、
27、式中，max{di(t)}、max{h(t)}和max{l(t)}分别为函数di(t)、函数h(t)和函数l(t)的最大值，min{di(t)}、min{h(t)}和min{l(t)}的最小值。
28、作为本专利技术方案的进一步描述，所述步骤s6的具体过程为：
29、将车辆的养护状态预测系数ρ与车辆的养护状态预测系数阈值ρth比较，当车辆的养护状态预测系数ρ大于预设的车辆的养护状态预测系数阈值ρth，则预测计算车辆养护时间期限，否则，预测车辆当前不需要进行养护。
30、作为本专利技术方案的进一步描述，所述步骤s7的具体过程为：
31、通过公式计算车辆养护时间期限指示值
32、
33、式中，m0为预设的车辆日常标准行驶里程，v0预设的车辆日常标准行驶油耗，θ为转换系数；
34、将作为输入值输入神经网络模型，输出的结果为建议车辆养护时间期限。
35、作为本专利技术方案的进一步描述，所述神经网络模型为根据历史数据训练完成的bp选择网络模型。
36、本专利技术的有益效果：
37、本专利技术每隔一定周期t监测车辆制动系统实时状态参数，然后根据车辆制动系统的实时状态参数计算车辆的当前养护状态系数，将当前养护状态系数与预设养护状态系数阈值比较，若当前养护状态系数大于预设养护状态系数阈值，则需要立即进行养护，若当前养护状态系数不大于预设养护状态系数阈值时，根据车辆制动系统参数历史变化情况计算车辆的养护状态预测系数，将车辆的养护状态预测系数与预设的车辆的养护状态预测系数阈值进行比较，若车辆的养护状态预测系数大于预设的车辆的养护状态预测系数阈值，则预测车辆处于养护状态临界点，获取车辆日常行驶参数，根据车辆的养护状态预测系数和预设的车辆的养护状态预测系数阈值，预测计算车辆养护时间期限，提前对车辆进行养护，从而降低车辆安全隐患。
本文档来自技高网...【技术保护点】
1.一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤S1中定期获取的车辆制动系统实时状态参数包括：刹车片的磨损量D、制动液液面高度H和制动踏板行程L；
3.根据权利要求1所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤S2的具体过程包括：
4.根据权利要求1所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤S3的具体过程包括：
5.根据权利要求4所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤S4的具体过程包括：
6.根据权利要求5所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤S6的具体过程为：
7.根据权利要求6所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤S7的具体过程为：
8.根据权利要求7所述的一种基于用户大数据分析的车
...【技术特征摘要】
1.一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤s1中定期获取的车辆制动系统实时状态参数包括：刹车片的磨损量d、制动液液面高度h和制动踏板行程l；
3.根据权利要求1所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤s2的具体过程包括：
4.根据权利要求1所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述步骤s3的具体过程...
【专利技术属性】
技术研发人员：杨斌，王永峰，孙慧，贾百川，贾继洋，
申请(专利权)人：山东安百通信科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。