System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 汽车变速器的预测性维护制造技术_技高网

汽车变速器的预测性维护制造技术

技术编号:43259417 阅读:7 留言:0更新日期:2024-11-08 20:40
本发明专利技术涉及车辆的汽车变速器的预测性维护的系统、方法及设备。举例来说,变速器具有用于测量变速箱油的温度、施加于变速器的轴上的扭矩的至少一个传感器、振动传感器及/或麦克风。在其中假定车辆在正常操作的周期期间,由变速器传感器产生的传感器数据用于训练人工神经网络以辨识传感器数据的正常模式。随后,经训练人工神经网络用于确定来自变速器传感器的当前传感器数据是否异常。可响应于根据人工神经网络及当前传感器数据确定变速器的操作异常而产生车辆的维护警告。

【技术实现步骤摘要】

本文中揭示的至少一些实施例大体上涉及车辆,且更特定来说(但不限于),涉及监测汽车变速器系统的预测性维护。


技术介绍

1、汽车变速器是使用齿轮及齿轮系来转换主动轴与从动轴之间的速度及扭矩的变速箱。通常,汽车变速器在一般情况下可持续使用超过150,000英里或约7年。

2、然而,不同驾驶及/或使用风格可对汽车变速器的使用寿命产生不同影响。举例来说,过热或变速箱油缺乏维护会缩短变速器的寿命。举例来说,飙车或突然停车会缩短变速器的寿命。举例来说,使用变速器来使车辆保持停车状态而不使用停车制动会缩短变速器的寿命。驾驶坏的变速器会很危险。

3、自主驾驶
的最近发展允许计算系统至少在一些条件下操作机动车辆的控制元件,无需来自车辆的人类操作者的辅助。

4、举例来说,可将传感器(例如相机及雷达)安装于机动车辆上以检测在道路上行驶的车辆的周围环境的条件。安装于车辆上的计算系统分析传感器输入以识别条件且产生用于车辆的方向及/或速度的自主调整的控制信号或命令,使用或不使用来自车辆的人类操作者的任何输入。

5、在一些布置中,当计算系统辨识其中计算系统无法以安全方式继续操作车辆的情况时,计算系统警告车辆的人类操作者且请求人类操作者接管车辆的控制且手动驾驶以代替允许计算系统自主驾驶车辆。

6、自主驾驶及/或高级驾驶辅助系统(adas)可使用人工神经网络(ann)来识别在传感器输入中捕获的事件及/或对象。传感器输入的实例包含来自数字相机、激光雷达、雷达、超声声呐等的图像。

7、一般来说,人工神经网络(ann)使用神经元网络处理网络的输入且从网络产生输出。

8、举例来说,网络中的每一神经元接收一组输入。神经元的一些输入可为网络中的特定神经元的输出;且神经元的一些输入可为提供到神经网络的输入。网络中的神经元之间的输入/输出关系表示网络中的神经元连通性。

9、举例来说,每一神经元可具有分别用于其输入的偏压、激活函数及一组突触权重。激活函数可呈阶梯函数、线性函数、对数-s形函数等的形式。网络中的不同神经元可具有不同激活函数。

10、举例来说,每一神经元可产生其输入及其偏压的加权和且接着产生使用神经元的激活函数计算的作为加权和的函数的输出。

11、ann的输入与输出之间的关系一般由ann模型定义,ann模型包含表示网络中的神经元的连通性的数据及每一神经元的偏压、激活函数及突触权重。使用给定ann模型,计算装置从网络的一组给定输入计算网络的输出。

12、举例来说,可基于相机输入产生ann网络的输入;且来自ann网络的输出可为例如事件或对象的项目的标识。

13、脉冲神经网络(snn)是高度模仿自然神经网络的一种类型的ann。snn神经元在神经元的激活电平足够高时产生脉冲作为输出。snn神经元的激活电平模仿自然神经元的膜电势。snn神经元的输出/脉冲可改变接收输出的其它神经元的激活电平。snn神经元随时间变化的电流激活电平通常使用微分方程建模且被视为snn神经元的状态。来自其它神经元的传入脉冲可将神经元的激活电平推高以达到脉冲的阈值。一旦神经元发出脉冲,则其激活电平复位。在发出脉冲之前,snn神经元的激活电平可随时间衰减,如由微分方程控制。snn神经元的行为的时间元素使snn适合于处理时空数据。snn的连通性通常是稀疏的,这有利于减少计算工作量。

14、一般来说,ann可使用有监督方法训练,其中ann中的参数经调整以最小化或减小由相应输入导致的已知输出与从将输入应用到ann产生的计算输出之间的误差。有监督学习/训练方法的实例包含强化学习及具有误差校正的学习。

15、替代地或组合地,可使用无监督方法训练ann,其中由一组给定输入导致的准确输出在训练完成之前是未知的。ann可经训练以将项目分类成多个类别或将数据点分类成若干集群。

16、多种训练算法可用于复杂机器学习/训练范例。


技术实现思路

1、根据本申请案的一方面,提供一种车辆。所述车辆包括:汽车变速器;至少一个传感器,其经配置于所述汽车变速器上以产生传感器数据;计算机系统,其经配置以确定所述车辆的操作参数,所述计算机系统具有:一或多个存储器组件,其经配置以存储所述传感器数据;及推理引擎,其经配置以使用人工神经网络、所述传感器数据及所述操作参数确定所述汽车变速器的操作是否异常;其中所述计算机系统经配置以响应于根据所述人工神经网络确定所述汽车变速器的所述操作异常而产生维护警告。

2、根据本申请案的另一方面,提供一种方法。所述方法包括:在经配置于车辆中的数据存储装置中从经配置于所述车辆的汽车变速器上的至少一个传感器接收传感器数据;确定与来自经配置于所述汽车变速器上的所述至少一个传感器的所述传感器数据相关联的所述车辆的操作参数;由所述数据存储装置使用人工神经网络且基于来自经配置于所述汽车变速器上的所述至少一个传感器的所述传感器数据及所述操作参数确定所述汽车变速器的操作是否异常;及响应于根据所述人工神经网络确定所述汽车变速器的所述操作异常而产生所述车辆的维护警告。

3、根据本申请案的又一方面,提供一种经配置于车辆中的数据存储装置。所述数据存储装置包括:主机接口,其经配置以从经配置于所述车辆的汽车变速器上的至少一个传感器接收传感器数据;一或多个存储器组件,其经配置以将所述传感器数据循环地存储于输入区域中;控制器,其经配置以确定与来自经配置于所述汽车变速器上的所述至少一个传感器的所述传感器数据相关联的所述车辆的操作参数;及推理引擎,其经配置以使用人工神经网络且基于来自所述至少一个传感器的所述传感器数据及所述操作参数确定所述汽车变速器的操作是否异常,其中响应于根据所述人工神经网络确定所述汽车变速器的所述操作异常而产生所述车辆的维护警告。

本文档来自技高网...

【技术保护点】

1.一种汽车车辆,其包括:

2.根据权利要求1所述的汽车车辆,其中所述轴是第一轴;且所述汽车车辆进一步包括:

3.根据权利要求1所述的汽车车辆,其中所述装置包含信息娱乐系统。

4.根据权利要求1所述的汽车车辆,其中所述装置包含仪表板。

5.根据权利要求1所述的汽车车辆,其进一步包括:

6.根据权利要求5所述的汽车车辆,其中所述至少一个存储器组件进一步经配置以存储所述人工神经网络的模型;且所述输出根据所述模型而产生。

7.根据权利要求6所述的汽车车辆,其中所述至少一个存储器组件进一步经配置以具有输入区域以循环地存储所述传感器数据以向所述人工神经网络提供输入,以周期性产生输出。

8.根据权利要求7所述的汽车车辆,其中所述至少一个存储器组件进一步经配置以具有输出区域;且所述处理器进一步经配置以将指示所述操作为异常的所述传感器数据的一部分从所述输入区域复制到所述输出区域。

9.根据权利要求8所述的汽车车辆,其中使用在与所述组件的正常操作相关联的预定的时段期间所收集的来自所述至少一个传感器的传感器数据来训练所述人工神经网络,以建立所述正常操作的模式用于检测所述模式以外的所述异常操作。

10.根据权利要求9所述的汽车车辆,其中所述至少一个传感器包含温度传感器、扭矩传感器、振动传感器、或麦克风或其任意组合。

...

【技术特征摘要】

1.一种汽车车辆,其包括:

2.根据权利要求1所述的汽车车辆,其中所述轴是第一轴;且所述汽车车辆进一步包括:

3.根据权利要求1所述的汽车车辆,其中所述装置包含信息娱乐系统。

4.根据权利要求1所述的汽车车辆,其中所述装置包含仪表板。

5.根据权利要求1所述的汽车车辆,其进一步包括:

6.根据权利要求5所述的汽车车辆,其中所述至少一个存储器组件进一步经配置以存储所述人工神经网络的模型;且所述输出根据所述模型而产生。

7.根据权利要求6所述的汽车车辆,其中所述至少一个存储器组件进一步经配置以具有输入区域以循环地存储所述传感器数据以向所...

【专利技术属性】
技术研发人员:P·卡莱R·R·N·比尔比
申请(专利权)人:美光科技公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1