[发明专利]云边缘协同计算的智慧驱动桥健康监测系统及其方法

权利要求书

1.一种云边缘协同计算的智慧驱动桥健康监测系统，其特征在于，包括车桥运转数据采集模块、车载边缘计算模块、通讯模块和车桥云端故障预测模块；

所述车桥运转数据采集模块包括对驱动桥壳数据信息的采集以及存储；

所述车载边缘计算模块用于对数据进行数据整理和逻辑判断；

所述通讯模块用于将车桥运转数据采集模块中的数据传输至车载边缘计算模块中，并将车载边缘计算模块中的数据传输至车桥云端故障预测模块中；

所述车桥云端故障预测模块用于对数据进行大数据分析，发布故障预测。

2.根据权利要求1所述的云边缘协同计算的智慧驱动桥健康监测系统，其特征在于，所述车桥运转数据采集模块包括传感器和数据采集卡，传感器包括振动传感器、油温传感器、摩擦片温度传感器、车桥转速传感器和车桥扭矩传感器，所述数据采集卡通过线缆连接振动传感器、油温传感器、摩擦片温度传感器、车桥转速传感器和车桥扭矩传感器，用于收集车桥各路多源信号的收集。

3.根据权利要求1所述的云边缘协同计算的智慧驱动桥健康监测系统，其特征在于，所述通讯模块包括CAN通讯线路和TCP/IP通讯线路，CAN通讯线路通过CAN网络，遵循车辆CAN通讯协议，将车桥运转数据采集模块中的数据传输至车载边缘计算模块中，TCP/IP通讯线路通过TCP/IP网络，遵循车辆TCP/IP通讯协议，将车载边缘计算模块中的数据传输至车桥云端故障预测模块中。

4.根据权利要求3所述的云边缘协同计算的智慧驱动桥健康监测系统，其特征在于，所述通讯模块在进行数据传输前，对数据进行加密，加密方法为采用加密算法对数据域进行加密，并定期或不定期在云端更新密钥，以确保数据的安全性和保密性。

5.根据权利要求1所述的云边缘协同计算的智慧驱动桥健康监测系统，其特征在于，所述车载边缘计算模块设置于边缘端控制器内，车载边缘计算模块对车桥运转数据采集模块内的原始数据进行预处理、特征提取、特征选择和特征融合；

预处理包括对原始数据中的异常值、缺失值和异源、异构值进行处理；

特征提取包括时域特征和频域特征；

特征选择方法为通过特征评估准则进行特征筛选后，采用特征降维处理；

特征融合包括综合各数据源，将不同结构和属性的数据整合归纳于一体。

6.根据权利要求5所述的云边缘协同计算的智慧驱动桥健康监测系统，其特征在于，所述缺失值采用多重插补的方式进行填充，所述异常值采用分箱的方式进行平滑噪声，异源、异构值为重复值，重复值采用删除的方式处理；

时域特征包括均值、标准差、有效值、峭度、方根幅值、波形因子、脉冲系数和裕度因子，频域特征包括重心频率(FC)、均方频率(MSF)和均方根频率(RMSF)，时域特征和频域特征的分析方法包括短时傅里叶变换(STFT)和小波变换方法；

特征评估准则包括皮尔逊相关系数、边界宽度、Fisher判别和信息增益；

特征降维方法包括主成分分析、线性判别分析、核主成分分析、核判别分析、局部线性嵌入和流形学习。

7.根据权利要求1所述的云边缘协同计算的智慧驱动桥健康监测系统，其特征在于，所述车桥云端预测模块包括数据库、状态监测模块、数据预处理模块和模型库；

数据库内存放有传感器采集的历史原始数据，以及现场监测数据；

状态监测模块用于对历史原始数据进行分类收集；

数据预处理模块通过对分类后的数据集分别进行预处理、特征提取、特征降维和特征融合，得到多源信息融合特征集；

模型库内存放有神经网络机器学习模型和故障预测模型，故障预测模型由多源信息融合特征集通过训练所得。