[发明专利]一种基于车联网的火情预警系统及预警方法有效
申请号: | 202110206179.6 | 申请日: | 2021-02-24 |
公开(公告)号: | CN113053054B | 公开(公告)日: | 2022-07-22 |
发明(设计)人: | 夏长高;张凡;杨鹏程;冒志恒;孙陈曦;张演 | 申请(专利权)人: | 江苏大学 |
主分类号: | G08B17/10 | 分类号: | G08B17/10;G08B17/06;G08B25/00;H04L67/12;H04L67/52;G07C5/00;G07C5/08;G06N3/04;H04L12/40 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 212013 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 联网 火情 预警系统 预警 方法 | ||
1.一种基于车联网的火情预警系统,其特征在于,包括传感器检测模块、数据融合处理模块、火情判定模块、车联网模块、主机厂云端、旁车安全风险判别模块、网关控制器和车辆总线各路CAN下控制器单元;
所述传感器检测模块用于将采集到的信息传递给数据融合处理模块;
所述数据融合处理模块用于预处理、归一化传感器信号,并将处理后的数据传输给火情判定模块;
所述火情判定模块根据上层的输入,进行特征融合与决策判断,并将决策结果发送给网关控制器和车联网模块;
所述网关控制器用于将火情判定结果路由到车辆总线各路CAN下控制器单元,执行各控制器火情下的控制策略;
所述车联网模块将起火车辆的数据发送到主机厂云端;同时将旁车信息发送给旁车安全风险判别模块;
所述旁车安全风险判别模块根据车联网传输的旁车信息进行旁车安全风险判别,并将判别结果发送回车联网模块,进行旁车预警;
所述主机厂云端,根据车联网发送的数据进行分布式云端训练,训练样本调整权值,修正火情预测模型。
2.根据权利要求1所述的基于车联网的火情预警系统,其特征在于,所述传感器检测模块包括IFC智能前置摄像头、GPS定位模块、车速传感器、加速度传感器、温度传感器、烟雾传感器、CO气体传感器、毫米波雷达和陀螺仪。
3.根据权利要求1所述的基于车联网的火情预警系统,其特征在于,车辆总线包括BodyCAN、PT CAN、Chassis CAN和Infomercial CAN;其中,所述Body CAN下连接车身控制器BCM,PT CAN下连接电池管理系统BMS,Chassis CAN下连接车身电子稳定系统ESP,InfomercialCAN下连接组合仪表IPK。
4.根据权利要求1所述的基于车联网的火情预警系统的预警方法,其特征在于,包括以下步骤:
步骤1:利用车联网模块向云端发出火情预测模型更新请求;
步骤2:判断本车的模型是否有更新;若有,将云端的模型更新至车端;若没有更新,则进入下一步骤;
步骤3:传感器检测模块采集所需的车辆位置信息、本车行驶状态信息、温度、烟雾、气体信息和旁车车辆行驶状态信息;
步骤4:数据融合处理模块对传感器检测模块采集的温度、烟雾、气体信号进行预处理与归一化;
步骤5:利用数据融合处理模块的输出作为火情判定模块的输入,进行火情判定,火情判定方法基于改进的RBF-BP混合神经网络,输出有火、无火和阴燃的概率;根据判定结果进行本车预警、旁车风险判别预警与云端数据上传,模型修正;
步骤6:若发生火情,网关控制器通过车辆总线向各路CAN下的控制器发送相应的功能禁止信号,执行火情下的控制策略进行本车预警;
步骤7:同时,利用车联网模块及传感器检测模块获取旁车的行驶状态、位置信息,将信息发送给旁车安全风险判断模块,根据判定结果进行主动预警或常规旁车信息更新;
步骤8:车端发送火情车辆相关传感、行驶数据及ECU故障码到主机厂云端,传感器数据为数据融合处理模块输出的数据;
步骤9:云端样本数据更新,训练样本调整模型权重,火情判定模型基于改进的RBF-BP混合神经网络;
步骤10:云端火情判定模型修正,等待车端请求更新。
5.根据权利要求4所述的基于车联网的火情预警系统的预警方法,其特征在于,所述数据融合处理模块的用于预处理、归一化传感器信号,预处理方法为:
其中,xi(n)为第n个采样时刻的传感器信号,i为1,2,3...分别表示温度、烟雾、CO传感器;Ui为传感器采集的相邻信号差的累加;Ri为局部决策结果;为传感器的门限值;f(x)为单位阶跃函数;
归一化方法为:
其中,xi为传感器未处理的原始值,xmax为样本数据的最大值,xmin为样本数据的最小值,x′i为归一化之后的值,i为1,2,3...分别表示各传感器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110206179.6/1.html,转载请声明来源钻瓜专利网。