[发明专利]一种基于高频时序数据的车辆故障预警方法及系统

说明书

本发明公开一种基于高频时序数据的车辆故障预警方法及系统，包括：对获取的车辆运行数据按车辆ID和时间顺序进行排序，且采用不同时间窗口进行划分后，得到不同时间窗口下的多元时序数据；对排序后的车辆运行数据进行异动检测，确定潜在异常车辆；根据多元变量间的相关关系，将潜在异常车辆在不同时间窗口下的多元时序数据转换为特征相关图，根据特征相关图判断潜在异常车辆的异常程度，得到不同时间窗口下潜在异常车辆的异常得分；根据不同时间窗口下的异常得分，对异常得分超出阈值的多元时序数据进行故障类型的匹配，得到故障类型。利用时序数据中的关系量化故障发生概率，并反馈故障类型，实现车辆运行过程中的实时故障预警。

技术领域

本发明涉及车辆实时故障预警技术领域，特别是涉及一种基于高频时序数据的车辆故障预警方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

设备的故障情况可以通过故障发生前的设备运行数据进行挖掘预测。根据设备运行数据的变化情况，在设备真正发生故障前，及时发现设备的异常状况并实时推送报警信息，从监控运行数据到报警推送的过程即为故障预警。

随着物流的不断壮大，商用卡车随之增多，而商用卡车营运工作负载高，是危化品、易燃易爆特种材料的主体运输工具，为保证卡车安全及时的到达目的地，就要尽可能的减少卡车在运行过程中发生故障的可能性，因此，实时故障预警至关重要。

目前大数据技术和物联网技术的发展，一些实时传感器设备可以支持以每秒一次的频率采集设备运行数据，实时故障预警通常伴随着海量高频数据的快速处理，从数据采集到报警推送的整个过程要保持低延迟，才能够让司机实时的掌握车辆的运行状态，一旦有发生故障的可能性，就可以提前采取有针对性的预防性维护，做到防患于未然。

现有的故障预警方法包括两种类型：传统的故障预警方法和基于大数据的故障预警方法。传统的故障预警方法有基于专家经验的预警、基于高性能传感器的故障预警和基于报警阈值的故障预警。

基于专家经验的故障预警以专家经验作为权重，在出现异常状况后根据专家经验权重进行推理演绎，达到模拟专家的效果，完成设备预警。这种方法在专家经验丰富的情况下可以达到不错的效果，但是也由于对专家知识的依赖，主观性较大，并不像数学模型那样精确。

基于高性能传感器的故障预警需要在设备上安装能够分析设备数据的高性能传感器，可以及时的将分析结果反馈给用户，做到超前预警。这种方法比较理想化，一些设备即使有对应的高性能传感器，价格也是比较昂贵的，不便于广泛使用。

基于报警阈值的故障预警是根据设备出厂前厂家设定的设备阈值来报警的，后台对设备进行实时的监控，一旦设备运行数据超过最大阈值或低于最小阈值，就启动报警设备。这种量身定制的方法虽然比较准确，但是报警的时间处于故障晚期，不利于对故障的早期发现和提前维修，具有一定的局限性。

基于大数据的故障预警监测的数据源均来自企业现有的数据集成中心，投入成本低。通过对历史运行数据的分析，发现潜在故障，并通过搭建算法模型预测未来的故障情况，进行实时报警推送，做到超前预警。由于不需要专家知识以及高性能传感器，基于大数据的故障预警通用性强，因此应用也较为广泛。

但是，当前基于大数据的故障预警方法，大多是通过分析历史数据给出报警信号，且在实际应用中，海量高频的历史数据存储成本太大，数据驱动模型的时间复杂度较高，故障预警的实时性较差。

发明内容

为了解决上述问题，本发明提出了一种基于高频时序数据的车辆故障预警方法及系统，利用时序数据中的关系量化故障发生概率，并反馈故障类型，实现车辆运行过程中的实时故障预警。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于高频时序数据的车辆故障预警方法，包括：