首页 / 车灯故障预测系统

车灯故障预测系统有效专利 实用

技术领域

[0001] 本实用新型涉及车灯检测技术领域,具体涉及一种车灯故障预测系统。

相关背景技术

[0002] 随着汽车产业的快速发展,汽车数量在不断增加,汽车已经普遍存在用户的日常生活中,成为越来越重要的代步工具,因此,汽车的正常行驶对用户至关重要。其中,车灯的正常运作对于车辆的安全性来说也说非常重要的,一旦车灯遇到故障,严重时会造成重大交通事故,给生命安全带来严重的威胁,由此,需要对车灯进行定期检查。
[0003] 相关技术中,主要是根据维修技师的维修经验和维修水平来预测车灯可能存在的故障,并针对可能存在的故障进行保养或更换。然而,当维修技师的经验不足或者对当前车辆的车型了解不够时,无法准确地预测出车灯是否存在故障,存在一定的安全隐患。实用新型内容
[0004] 本实用新型为解决上述技术问题,提供了一种车灯故障预测系统,采用目标检测模型对车灯两端的电压进行分析以预测车灯是否存在发生故障的风险,大大提高了预测的准确性,从而提高了行车的安全性。
[0005] 本实用新型采用的技术方案如下:
[0006] 一种车灯故障预测系统,包括:电压采集模块,所述电压采集模块用于采集所述车灯两端的电压;数据分析处理模块,所述数据分析处理模块与所述电压采集模块相连,所述数据分析处理模块用于根据所述车灯两端的电压获取目标检测数据,并根据目标检测模型对所述目标检测数据进行分析,以获取所述车灯两端的电压的变化趋势;故障预测模块,所述故障预测模块用于根据所述车灯两端的电压的变化趋势预测所述车灯是否存在发生故障的风险。
[0007] 所述数据分析处理模块包括:数据预处理单元,所述数据预处理单元用于对所述车灯两端的电压进行预处理,以获取第一电压数据;特征提取单元,所述特征提取单元用于对所述第一电压数据进行特征提取,以获取所述目标检测数据;数据分析单元,所述数据分析单元用于根据所述目标检测模型对所述目标检测数据进行分析,以获取所述车灯两端的电压的变化趋势。
[0008] 所述数据分析单元还用于:获取样本训练集,并根据所述样本训练集对神经网络进行训练以生成所述目标检测模型。
[0009] 车灯故障预测系统还包括:报警模块,所述报警模块与所述故障预测模块相连,所述报警模块用于在预测所述车灯存在发生故障的风险时发出报警信号。
[0010] 本实用新型的有益效果:
[0011] 本实用新型采用目标检测模型对车灯两端的电压进行分析以预测车灯是否存在发生故障的风险,大大提高了预测的准确性,从而提高了行车的安全性。

具体实施方式

[0019] 下面将结合本实用新型实施例中的附图,对本实用新型实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本实用新型一部分实施例,而不是全部的实施例。基于本实用新型中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本实用新型保护的范围。
[0020] 图1是根据本实用新型实施例的车灯故障预测系统的方框示意图。
[0021] 如图1所示,本实用新型实施例的车灯故障预测系统,可包括:电压采集模块100、数据分析处理模块200和故障预测模块300。
[0022] 其中,电压采集模块100用于采集车灯两端的电压;数据分析处理模块200与电压采集模块100相连,数据分析处理模块200用于根据车灯两端的电压获取目标检测数据,并根据目标检测模型对目标检测数据进行分析,以获取车灯两端的电压的变化趋势;故障预测模块300用于根据车灯两端的电压的变化趋势预测车灯是否存在发生故障的风险。
[0023] 根据本实用新型的一个实施例,如图2所示,数据分析处理模块200可包括:数据预处理单元210、特征提取单元220和数据分析单元230。其中,数据预处理单元210用于对车灯两端的电压进行预处理,以获取第一电压数据;特征提取单元220用于对第一电压数据进行特征提取,以获取目标检测数据;数据分析单元230用于根据目标检测模型对目标检测数据进行分析,以获取车灯两端的电压的变化趋势。
[0024] 具体而言,首先,通过电压采集模块100(例如,可包括电压传感器)实时采集车灯两端的电压;其次,通过数据预处理单元210对车灯两端的电压进行预处理以获取第一电压数据,并通过特征提取单元220对第一电压数据进行特征提取以获取目标检测数据,由此,可对采集到的车灯两端的电压数据进行处理,以去除异常数据(例如,电压瞬间跳动导致采集到的车灯两端的电压异常增大或者减小),从而获取有效的数据,即目标检测数据,大大提高了后续数据分析的准确性;然后,通过数据分析单元230根据目标检测模型对目标检测数据进行分析,以获取车灯两端的电压的变化趋势。
[0025] 需要说明的是,在通过数据分析单元230对目标检测数据进行分析之前,数据分析单元230还用于:获取样本训练集,并根据样本训练集对神经网络进行训练以生成目标检测模型。也就是说,数据分析单元230在对目标检测数据进行分析之前,需要先获取样本训练集(对待训练车灯两端的电压进行采集),并根据样本训练集对神经网络进行训练以生成目标检测模型。
[0026] 进一步而言,通过故障预测模块300根据车灯两端的电压的变化趋势预测车灯是否存在发生故障的风险。举例而言,如图3a所示,正电压趋于最大偏离电压值Vmax;或者,如图3b所示,负电压趋于最小偏离电压值Vmin;或者,如图3c所示,电压呈正负电压震荡的趋势,并且震荡幅度越来越大,趋于最大偏离电压值Vmax和最小偏离电压值Vmin,说明车灯存在发生故障的风险。
[0027] 需要说明的是,除了可根据车灯两端的电压预测车灯是否存在发生故障的风险外,还可根据其他的参数预测车灯是否存在发生故障的风险,例如,根据车灯的电流、功率等,具体的预测方式可参见上述实施例,为避免冗余,在此不再详述。
[0028] 根据本实用新型的一个实施例,如图4所示,车灯故障预测系统还可包括:报警模块400。其中,报警模块400与所述故障预测模块300相连,所述报警模块400用于在预测所述车灯存在发生故障的风险时发出报警信号。
[0029] 具体而言,作为一种可能的实施方式,报警模块400可包括车载显示屏或者移动终端(例如,手机等)的显示器,当故障预测模块300预测车灯存在发生故障的风险时,报警模块400可发送文字报警信号,例如,在车载显示屏或者移动终端的显示器上显示“车灯即将故障”;作为另一种可能的实施方式,报警模块400可包括蜂鸣器,当故障预测模块300预测车灯存在发生故障的风险时,报警模块400可发送语音报警信号。
[0030] 由此,采用目标检测模型对车灯两端的电压进行分析,能够准确地预测出车灯是否存在发生故障的风险,并对车灯的寿命进行跟踪,预测剩余使用寿命,同时,在达到临界值时,发生报警信号,以便于用户及时采取相应措施,将安全隐患扼杀在摇篮,从而大大提高了行车的安全性。
[0031] 综上所述,根据本实用新型实施例的车灯故障预测系统,通过电压采集模块采集车灯两端的电压,以及通过数据分析处理模块根据车灯两端的电压获取目标检测数据,并根据目标检测模型对目标检测数据进行分析,以获取车灯两端的电压的变化趋势,以及通过故障预测模块根据车灯两端的电压的变化趋势预测车灯是否存在发生故障的风险。由此,采用目标检测模型对车灯两端的电压进行分析以预测车灯是否存在发生故障的风险,大大提高了预测的准确性,从而提高了行车的安全性。
[0032] 对应上述实施例的车灯故障预测系统,本实用新型还提出一种车灯故障预测方法。
[0033] 如图5所示,本实用新型实施例的车灯故障预测方法可包括以下步骤:
[0034] S501,采集车灯两端的电压。
[0035] S502,根据车灯两端的电压获取目标检测数据,并根据目标检测模型对目标检测数据进行分析,以获取车灯两端的电压的变化趋势。
[0036] S503,根据车灯两端的电压的变化趋势预测车灯是否存在发生故障的风险。
[0037] 需要说明的是,本实用新型实施例的车灯故障预测方法更具体的实施方式可参照上述车灯故障预测系统的实施例,在此不再赘述。
[0038] 根据本实用新型实施例的车灯故障预测方法,采集车灯两端的电压,以及根据车灯两端的电压获取目标检测数据,并根据目标检测模型对目标检测数据进行分析,以获取车灯两端的电压的变化趋势,并根据车灯两端的电压获取目标检测数据,并根据目标检测模型对目标检测数据进行分析,以获取车灯两端的电压的变化趋势。由此,采用目标检测模型对车灯两端的电压进行分析以预测车灯是否存在发生故障的风险,大大提高了预测的准确性,从而提高了行车的安全性。
[0039] 对应上述实施例,本实用新型还提出一种计算机设备。
[0040] 本实用新型实施例的计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现上述实施例的车灯故障预测方法。
[0041] 根据本实用新型实施例的计算机设备,采用目标检测模型对车灯两端的电压进行分析以预测车灯是否存在发生故障的风险,大大提高了预测的准确性,从而提高了行车的安全性。
[0042] 对应上述实施例,本实用新型还提出一种非临时性计算机可读存储介质。
[0043] 本实用新型实施例的非临时性计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述的车灯故障预测方法。
[0044] 根据本实用新型实施例的非临时性计算机可读存储介质,采用目标检测模型对车灯两端的电压进行分析以预测车灯是否存在发生故障的风险,大大提高了预测的准确性,从而提高了行车的安全性。
[0045] 在本实用新型的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。“多个”的含义是两个或两个以上,除非另有明确具体的限定。
[0046] 在本实用新型中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本实用新型中的具体含义。
[0047] 在本实用新型中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
[0048] 在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本实用新型的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0049] 流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本实用新型的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本实用新型的实施例所属技术领域的技术人员所理解。
[0050] 在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
[0051] 应当理解,本实用新型的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
[0052] 本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
[0053] 此外,在本实用新型各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
[0054] 上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本实用新型的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本实用新型的限制,本领域的普通技术人员在本实用新型的范围内可以对上述实施例进行变化、修改、替换和变型。

当前第1页 第1页 第2页 第3页
相关技术
车灯故障相关技术
预测系统相关技术
李萌发明人的其他相关专利技术