本发明涉及异常检测领域,尤其涉及一种汽车底盘的异常状态检测方法及系统。
背景技术:
1、在当前汽车产业的背景下,随着汽车数量的不断增加,人们对汽车安全性的关注不断提高。底盘作为汽车的核心组成部分,其状态的稳定性和可靠性直接关系到驾驶员和乘客的安全。因此,高效且准确的汽车底盘异常状态检测成为汽车安全性研究的重要方向之一。
2、底盘系统由多个组件构成,它们之间存在复杂的相互关系。传统的底盘状态检测方法受多种因素交叉影响,包括工作参数、使用环境、零部件材料等。现有研究往往难以综合考虑这些因素,导致检测准确性不高。
技术实现思路
1、本发明提供了一种汽车底盘的异常状态检测方法及系统,用于提高汽车底盘的异常状态检测准确率。
2、本发明第一方面提供了一种汽车底盘的异常状态检测方法,所述汽车底盘的异常状态检测方法包括:
3、对目标汽车底盘进行异常状态检测,确定对应的多个底盘寿命影响因素,并根据所述多个底盘寿命影响因素构建所述目标汽车底盘的目标寿命包线;
4、根据所述目标寿命包线,对所述目标汽车底盘中的多个底盘组件进行异常概率和异常路径分析,得到初始底盘异常矩阵;
5、通过层次分析法对所述多个底盘组件进行异常演化链分析,得到每个底盘组件的异常关联关系和异常传播路径;
6、根据所述异常关联关系和所述异常传播路径,对所述初始底盘异常矩阵进行矩阵优化,得到目标底盘异常矩阵;
7、将所述目标底盘异常矩阵输入预置的异常状态检测模型进行汽车底盘异常预测,得到汽车底盘异常预测结果;
8、根据所述汽车底盘异常预测结果对所述目标汽车底盘进行底盘异常状态处理,生成对应的目标底盘异常处理策略。
9、结合第一方面,在本发明第一方面的第一种实现方式中,所述对目标汽车底盘进行异常状态检测,确定对应的多个底盘寿命影响因素,并根据所述多个底盘寿命影响因素构建所述目标汽车底盘的目标寿命包线,包括:
10、对目标汽车底盘进行异常状态检测,得到所述目标汽车底盘的运行状态检测数据,并对所述运行状态检测数据进行数据集分类,得到所述目标汽车底盘中每个底盘组件的工作参数数据、使用环境数据及行驶历史数据;
11、对所述工作参数数据、所述使用环境数据及所述行驶历史数据进行寿命影响因素提取,确定所述目标汽车底盘的多个底盘寿命影响因素;
12、对所述多个底盘寿命影响因素进行影响权重分析,得到每个底盘寿命影响因素的影响权重数据;
13、根据所述影响权重数据,对所述多个底盘寿命影响因素进行寿命包线生成,得到初始寿命包线;
14、根据所述运行状态检测数据,对所述初始寿命包线进行校验,得到目标校验结果,并根据所述目标校验结果对所述初始寿命包线进行调整,生成对应的目标寿命包线。
15、结合第一方面,在本发明第一方面的第二种实现方式中,所述根据所述目标寿命包线,对所述目标汽车底盘中的多个底盘组件进行异常概率和异常路径分析,得到初始底盘异常矩阵,包括:
16、通过预置的自编码器对每个底盘组件的工作参数数据、使用环境数据及行驶历史数据进行特征提取,得到每个底盘组件的特征数据集;
17、根据所述目标寿命包线,对每个底盘组件的特征数据集进行异常概率运算,得到每个底盘组件的异常概率值;
18、对所述多个底盘组件进行异常路径分析,得到所述目标汽车底盘中多个底盘组件对应的第一异常网络;
19、通过预置的图神经网络,对所述第一异常网络以及每个底盘组件的异常概率值进行矩阵转换,得到初始底盘异常矩阵。
20、结合第一方面,在本发明第一方面的第三种实现方式中,所述通过层次分析法对所述多个底盘组件进行异常演化链分析,得到每个底盘组件的异常关联关系和异常传播路径,包括:
21、通过层次分析法确定所述多个底盘组件的层次结构,其中,所述层次结构中第一层是所述多个底盘组件,第一层表示最底层的要素,第二层是异常关联关系和异常传播路径,表示对应于每个底盘组件的异常演化链;
22、构建所述层次结构中第一层对应的第一判断矩阵,以及构建所述层次结构中第二层对应的第二判断矩阵;
23、分别计算每个底盘组件在异常演化链中的权重向量,所述权重向量表示每个组件在异常演化链中的重要度;
24、根据所述权重向量,对所述第一判断矩阵进行一致性校验,得到一致性校验结果;
25、根据所述一致性校验结果,对所述第二判断矩阵进行异常演化链分析,生成第二异常网络;
26、对所述第二异常网络进行底盘组件节点解析,得到每个底盘组件的异常关联关系和异常传播路径。
27、结合第一方面,在本发明第一方面的第四种实现方式中,所述根据所述异常关联关系和所述异常传播路径,对所述初始底盘异常矩阵进行矩阵优化,得到目标底盘异常矩阵,包括:
28、根据所述异常关联关系,对所述初始底盘异常矩阵中的多个矩阵元素进行位置关系调整,得到所述多个矩阵元素的位置优化结果;
29、根据所述异常传播路径,对所述初始底盘异常矩阵中的多个矩阵元素进行权重调整,得到所述多个矩阵元素的权重优化结果;
30、根据所述位置优化结果以及所述权重优化结果,对所述多个矩阵元素进行矩阵重构优化,得到目标底盘异常矩阵。
31、结合第一方面,在本发明第一方面的第五种实现方式中,所述将所述目标底盘异常矩阵输入预置的异常状态检测模型进行汽车底盘异常预测,得到汽车底盘异常预测结果,包括:
32、将所述目标底盘异常矩阵输入预置的异常状态检测模型,其中,所述异常状态检测模型包括多个卷积长短时网络以及全连接层;
33、分别通过所述多个卷积长短时网络对所述目标底盘异常矩阵进行异常特征提取,得到每个卷积长短时网络的初始异常特征矩阵;
34、对每个卷积长短时网络的初始异常特征矩阵进行矩阵融合,生成对应的融合异常特征矩阵;
35、将所述融合异常特征矩阵输入所述全连接层进行汽车底盘异常决策分析,得到汽车底盘异常预测结果。
36、结合第一方面,在本发明第一方面的第六种实现方式中,所述根据所述汽车底盘异常预测结果对所述目标汽车底盘进行底盘异常状态处理,生成对应的目标底盘异常处理策略,包括:
37、根据所述汽车底盘异常预测结果创建所述目标汽车底盘的初始底盘异常处理策略;
38、通过预置的鲸鱼优化算法,对所述初始底盘异常处理策略进行策略初始化,生成多个候选底盘异常处理策略;
39、对所述多个候选底盘异常处理策略进行适应度计算,得到每个候选底盘异常处理策略的适应度数据;
40、根据所述适应度数据对所述多个候选底盘异常处理策略进行策略最优化分析,得到对应的目标底盘异常处理策略。
41、本发明第二方面提供了一种汽车底盘的异常状态检测系统,所述汽车底盘的异常状态检测系统包括:
42、检测模块,用于对目标汽车底盘进行异常状态检测,确定对应的多个底盘寿命影响因素,并根据所述多个底盘寿命影响因素构建所述目标汽车底盘的目标寿命包线;
43、分析模块,用于根据所述目标寿命包线,对所述目标汽车底盘中的多个底盘组件进行异常概率和异常路径分析,得到初始底盘异常矩阵;
44、处理模块,用于通过层次分析法对所述多个底盘组件进行异常演化链分析,得到每个底盘组件的异常关联关系和异常传播路径;
45、优化模块,用于根据所述异常关联关系和所述异常传播路径,对所述初始底盘异常矩阵进行矩阵优化,得到目标底盘异常矩阵;
46、预测模块,用于将所述目标底盘异常矩阵输入预置的异常状态检测模型进行汽车底盘异常预测,得到汽车底盘异常预测结果;
47、生成模块,用于根据所述汽车底盘异常预测结果对所述目标汽车底盘进行底盘异常状态处理,生成对应的目标底盘异常处理策略。
48、本发明第三方面提供了一种汽车底盘的异常状态检测设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述汽车底盘的异常状态检测设备执行上述的汽车底盘的异常状态检测方法。
49、本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的汽车底盘的异常状态检测方法。
50、本发明提供的技术方案中,确定目标汽车底盘的多个底盘寿命影响因素并构建目标寿命包线;根据目标寿命包线对多个底盘组件进行异常概率和异常路径分析,得到初始底盘异常矩阵;通过层次分析法对多个底盘组件进行异常演化链分析,得到异常关联关系和异常传播路径;根据异常关联关系和异常传播路径进行矩阵优化,得到目标底盘异常矩阵;将目标底盘异常矩阵输入异常状态检测模型进行汽车底盘异常预测,得到汽车底盘异常预测结果;根据汽车底盘异常预测结果对目标汽车底盘进行底盘异常状态处理,生成目标底盘异常处理策略,本发明通过采用寿命包线构建、异常概率分析及层次分析法,能够全面且精确地评估汽车底盘的异常状态,有助于准确捕捉潜在问题,提高检测的全面性。通过对目标汽车底盘的实时数据进行分析,能够实现对底盘状态的实时监测和预测。这使得在问题发生之前,就能够采取相应的预防和处理措施,提高汽车底盘的可靠性和安全性。采用自编码器和优化算法技术,能够自适应地调整底盘异常状态检测模型和处理策略。通过层次分析法和异常演化链分析,对汽车底盘的异常状态进行多层次、多维度的分析,有助于深入理解不同组件之间的关系,通过矩阵优化方法,可以不断调整和提升异常状态检测的准确性和性能。结合神经网络和优化算法,能够生成智能化的异常处理策略,通过提前发现潜在问题、实现精准维护,进而提高了汽车底盘的异常状态检测准确率。