熊剛，王文明，謝勇波，康祖超

（長(zhǎng)沙中車智馭新能源科技有限公司，湖南 長(zhǎng)沙 410083）

0 引言

近年來(lái)，電動(dòng)汽車蓬勃發(fā)展，電動(dòng)汽車保有量日益增長(zhǎng)，如2018年中國(guó)城市電動(dòng)公交保有量達(dá)67萬(wàn)輛，并以大于10萬(wàn)輛的數(shù)量增長(zhǎng)。隨著電動(dòng)汽車數(shù)量和電氣化程度增長(zhǎng)，車輛故障也日趨增長(zhǎng)，車輛故障將導(dǎo)致車輛在行駛時(shí)故障限功、拋錨等故障情形，極大影響出行體驗(yàn)和增加交通擁堵。因此對(duì)電動(dòng)汽車健康評(píng)估的需求更顯迫切，以便對(duì)車輛進(jìn)行有效管理和預(yù)測(cè)性維護(hù)，減少車輛故障，提高出勤率和乘坐體驗(yàn)[1-3]。電動(dòng)汽車電動(dòng)部件眾多結(jié)構(gòu)復(fù)雜，難以統(tǒng)一地對(duì)其健康進(jìn)行評(píng)估，電動(dòng)汽車網(wǎng)聯(lián)化和大數(shù)據(jù)分析技術(shù)發(fā)展，實(shí)現(xiàn)了車輛各環(huán)節(jié)數(shù)據(jù)的匯聚和多維度的分析，這為電動(dòng)汽車健康評(píng)估提供了條件[4-6]。本文基于電動(dòng)公交售后維護(hù)信息的大數(shù)據(jù)分析，選定以車輛故障碼為特征，以模糊綜合評(píng)價(jià)技術(shù)來(lái)評(píng)估車輛健康。

1 健康評(píng)估應(yīng)用框架

為對(duì)接入云平臺(tái)每輛城市電動(dòng)公交進(jìn)行健康評(píng)估，為公交運(yùn)營(yíng)和維保提供參考建議，基于云平臺(tái)評(píng)估車輛每日的運(yùn)營(yíng)健康狀態(tài)，車輛健康評(píng)估應(yīng)用框架如圖1，電動(dòng)汽車通過車聯(lián)網(wǎng)將車輛三電數(shù)據(jù)匯集到云平臺(tái)，同時(shí)將售后維保數(shù)據(jù)儲(chǔ)存到云平臺(tái)服務(wù)中，在云平臺(tái)的大數(shù)據(jù)分析服務(wù)器提取售后維保數(shù)據(jù)和對(duì)應(yīng)車輛三電數(shù)據(jù)，進(jìn)行清洗和融合；通過大數(shù)據(jù)預(yù)處理探索車輛健康與車輛數(shù)據(jù)的關(guān)系，建立起健康評(píng)估模型，并將健康模型轉(zhuǎn)換為可實(shí)時(shí)執(zhí)行的健康評(píng)估規(guī)則，評(píng)估模型和規(guī)則庫(kù)可不斷更新和迭代；當(dāng)車輛上傳相關(guān)的數(shù)據(jù)后根據(jù)健康評(píng)估規(guī)則庫(kù)，產(chǎn)生相應(yīng)的車輛健康評(píng)分，為車輛運(yùn)行和管理提供建議，便于車輛預(yù)測(cè)性維護(hù)和運(yùn)營(yíng)管理及售后備貨。

圖1 車輛健康評(píng)估應(yīng)用框架

健康評(píng)估模型采用離線計(jì)算，以歷史故障車輛數(shù)據(jù)為模型數(shù)據(jù)來(lái)源，使用模糊綜合評(píng)價(jià)對(duì)車輛健康的因素進(jìn)行計(jì)算，產(chǎn)生對(duì)車輛健康的模糊評(píng)價(jià)，通過影響因素和模糊評(píng)價(jià)建立車輛健康評(píng)價(jià)規(guī)則庫(kù)。

根據(jù)城市公交運(yùn)營(yíng)特點(diǎn)和減輕云平臺(tái)計(jì)算負(fù)擔(dān)，對(duì)車輛健康評(píng)估采用離線方式以自然天的方式進(jìn)行計(jì)算，即對(duì)每日完整數(shù)據(jù)離線進(jìn)行一次車輛的健康評(píng)估，根據(jù)規(guī)則庫(kù)計(jì)算各因素健康評(píng)分在通過加權(quán)方式獲取車輛整體健康評(píng)分。

2 車輛健康評(píng)估

篩選車輛健康影響因素，使用模糊評(píng)價(jià)方法生產(chǎn)健康評(píng)價(jià)規(guī)則，并產(chǎn)生最終健康評(píng)分。

2.1 城市公交健康影響因素

影響車輛健康因素眾多，根據(jù)可觀測(cè)和數(shù)據(jù)可達(dá)云平臺(tái)原則，采用云平臺(tái)獲取的數(shù)據(jù)來(lái)進(jìn)行評(píng)估。對(duì)于城市運(yùn)營(yíng)公交，車輛故障是影響車輛正常運(yùn)營(yíng)的最主要因素，其將導(dǎo)致車輛跛行甚至拋錨，本文以車輛故障的角度對(duì)車輛進(jìn)行健康評(píng)估，依據(jù)車輛維保數(shù)據(jù)，在數(shù)據(jù)探索中使用CBC算法對(duì)車輛故障相關(guān)聯(lián)度計(jì)算，選定車輛故障代碼、車輛狀態(tài)關(guān)鍵表征參數(shù)、車輛里程作為車輛健康影響因素[7]。

車輛故障代碼、狀態(tài)關(guān)鍵表征參數(shù)均可認(rèn)為特定場(chǎng)景下車輛狀態(tài)的體現(xiàn)，故障代碼在眾多車型中具備通用性，便于不同車型下統(tǒng)一尺度地進(jìn)行健康評(píng)價(jià)，車輛狀態(tài)關(guān)鍵表征參數(shù)可分為預(yù)設(shè)報(bào)警和關(guān)鍵特征參數(shù)，預(yù)設(shè)報(bào)警作為故障代碼的補(bǔ)充，關(guān)鍵特征參數(shù)為對(duì)車輛某狀態(tài)某特征參數(shù)的統(tǒng)計(jì)值。由于影響因素的數(shù)量眾多且關(guān)聯(lián)復(fù)雜難以在同一模型下進(jìn)行評(píng)估，將其進(jìn)行分解，如圖2。其中，故障代碼可分為儲(chǔ)能、驅(qū)動(dòng)、電控三個(gè)部分，每一類影響因素下包括多個(gè)數(shù)據(jù)項(xiàng)。

圖2 車輛健康影響因素

2.2 模糊綜合評(píng)價(jià)

根據(jù)2.1的分類，對(duì)每一類進(jìn)行模糊綜合評(píng)價(jià)產(chǎn)生每一個(gè)因素的健康評(píng)估規(guī)則[8-10]。

（1）建立每一類的影響因素集：

（2）建立評(píng)估對(duì)象的評(píng)語(yǔ)集：

（3）建立權(quán)重集

（4）確定單因素評(píng)判矩陣

（5）模糊綜合評(píng)判

通過模糊綜合評(píng)價(jià)建立了每一個(gè)影響因素對(duì)應(yīng)健康評(píng)價(jià)的對(duì)應(yīng)關(guān)系及參數(shù)，對(duì)影響因素集，可為原始數(shù)據(jù)也可為通過統(tǒng)計(jì)或聚類的參數(shù)，對(duì)權(quán)重集和評(píng)判矩陣依據(jù)專家經(jīng)驗(yàn)和CRC計(jì)算的相關(guān)度進(jìn)行設(shè)定。

儲(chǔ)能、電驅(qū)動(dòng)、電控三類故障代碼、預(yù)設(shè)報(bào)警、關(guān)鍵特征參數(shù)、車輛總里程分別進(jìn)行模糊綜合評(píng)價(jià)后，生成城市電動(dòng)公交的健康評(píng)估規(guī)則庫(kù)。

2.3 車輛健康評(píng)分

對(duì)車輛健康評(píng)分采用百分制即健康評(píng)分在[0,100]內(nèi)來(lái)評(píng)價(jià)車輛健康度，在車輛影響因素觸發(fā)后采用減分制，健康評(píng)分表述為：

H：車輛健康評(píng)分；

X：故障代碼扣分項(xiàng)；

Y：預(yù)設(shè)報(bào)警扣分項(xiàng)；

Z：車輛總里程扣分項(xiàng)；

S：車輛關(guān)鍵特征參數(shù)扣分項(xiàng)；

k1、k2、k3、k4為各影響因素設(shè)定的比例系數(shù)，根據(jù)其重要程度設(shè)定。；

對(duì)健康評(píng)分項(xiàng)的每一項(xiàng)扣分項(xiàng)，根據(jù)健康評(píng)估規(guī)則，對(duì)車輛觸發(fā)的每一項(xiàng)評(píng)分規(guī)則進(jìn)行累加，即：

3 車輛健康評(píng)估應(yīng)用示例

以一純電動(dòng)城市公交車型展現(xiàn)本文健康評(píng)估方法的應(yīng)用。

3.1 創(chuàng)建健康評(píng)估規(guī)則示例

通過該車型維保記錄，將維保記錄中車輛按實(shí)際記錄狀況分為{良好，正常，注意，故障} 四類，并按相應(yīng)車輛故障記錄數(shù)據(jù)聚類和相關(guān)度分析篩選出車輛相關(guān)度較高的車輛故障代碼、預(yù)設(shè)報(bào)警、車輛總里程等影響因素，并對(duì)所有車輛每日對(duì)每個(gè)影響因素發(fā)生次數(shù)聚類并劃分為三個(gè)區(qū)間，對(duì)每個(gè)影響因素運(yùn)行模糊綜合評(píng)價(jià)算法，獲取該因素隸屬的評(píng)語(yǔ)集vi及隸屬度bi，創(chuàng)建車輛健康評(píng)估規(guī)則。其中根據(jù)評(píng)語(yǔ)集狀態(tài)設(shè)置車輛健康扣分如車輛狀態(tài)良好則不扣分，車輛故障扣30分。評(píng)語(yǔ)集對(duì)應(yīng)狀態(tài)扣分與其隸屬度乘積取整即為某個(gè)因素對(duì)應(yīng)的扣分值。

根據(jù)該模糊綜合評(píng)估對(duì)影響因素的評(píng)估，轉(zhuǎn)換為健康評(píng)估規(guī)則，并在云平臺(tái)該類車型下設(shè)定評(píng)價(jià)規(guī)則如圖3。

圖3 車輛健康評(píng)估規(guī)則設(shè)定

3.2 車輛健康評(píng)估示例

當(dāng)設(shè)定好該車型的健康評(píng)估規(guī)則后，每日凌晨將對(duì)該車型本日所有車輛的數(shù)據(jù)進(jìn)行處理并按公式6計(jì)算各輛車本日的健康評(píng)分。如圖4為該型號(hào)車輛在最近6天的健康評(píng)分。

圖4 車輛健康評(píng)分

表1為某天的該車型所有車輛健康評(píng)分的分布，由表中可見健康評(píng)分在90以上占比達(dá)76.69%，平均值為92.56，車輛健康評(píng)分集中在高分段，60分以下占比0.39%，該分段車輛故障較頻發(fā)，健康狀態(tài)較差，應(yīng)需多進(jìn)行關(guān)注，提前進(jìn)行維保。

表1 車輛健康評(píng)分分布

4 結(jié)語(yǔ)

本文對(duì)電動(dòng)汽車健康評(píng)估進(jìn)行應(yīng)用性研究，以電動(dòng)汽車每日的運(yùn)營(yíng)健康評(píng)估為研究對(duì)象，確立以車輛故障代碼為主要影響因素來(lái)評(píng)估車輛健康，使用模糊綜合評(píng)價(jià)方法建立單影響因素的健康評(píng)估模型，并將其轉(zhuǎn)化為車輛健康評(píng)估規(guī)則，綜合各評(píng)估規(guī)則建立以天為單位車輛健康評(píng)分，實(shí)現(xiàn)了對(duì)電動(dòng)城市公交的車輛健康評(píng)估，對(duì)車輛管理和預(yù)測(cè)性維護(hù)具有一定的指導(dǎo)意義。本文方法能對(duì)整車進(jìn)行健康評(píng)估，對(duì)健康評(píng)分較低的車輛無(wú)法指導(dǎo)具體部件故障，無(wú)法針對(duì)具體的故障點(diǎn)進(jìn)行預(yù)測(cè)性維護(hù)，對(duì)關(guān)鍵零部件進(jìn)行預(yù)測(cè)維護(hù)將是后續(xù)提升的重點(diǎn)。