亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于FMEA數(shù)據(jù)的汽車可靠性提升方法、裝置、設(shè)備及介質(zhì)與流程

文檔序號:40380875發(fā)布日期:2024-12-20 12:03閱讀:2來源:國知局
基于FMEA數(shù)據(jù)的汽車可靠性提升方法、裝置、設(shè)備及介質(zhì)與流程

本發(fā)明涉及汽車故障預(yù)測與可靠性設(shè)計,尤其涉及一種基于fmea數(shù)據(jù)的汽車可靠性提升方法、裝置、設(shè)備及介質(zhì)。


背景技術(shù):

1、汽車作為一種大規(guī)模生產(chǎn)的精密機電產(chǎn)品,內(nèi)部結(jié)構(gòu)日益復(fù)雜,零部件數(shù)量不斷增加,系統(tǒng)間耦合關(guān)系錯綜復(fù)雜,使得保證整車可靠性面臨巨大挑戰(zhàn)。尤其是在智能網(wǎng)聯(lián)、自動駕駛等新技術(shù)快速發(fā)展的背景下,汽車電子電氣架構(gòu)不斷演進,軟硬件一體化程度持續(xù)提升,全新的功能安全需求和使用場景給傳統(tǒng)的可靠性設(shè)計方法帶來了嚴峻考驗。

2、目前,汽車行業(yè)普遍采用fmea等經(jīng)典工具開展可靠性分析,工程師憑借經(jīng)驗,針對產(chǎn)品中的每個零部件或子系統(tǒng),羅列其可能出現(xiàn)的故障模式,分析故障原因和影響,并采取相應(yīng)的預(yù)防和檢測措施。

3、依賴人工經(jīng)驗的做法難以應(yīng)對日益增長的復(fù)雜性,存在分析不全面、風險評估不準確、缺乏量化依據(jù)等局限,隨著汽車行業(yè)數(shù)字化、智能化轉(zhuǎn)型的推進,大量結(jié)構(gòu)化的fmea數(shù)據(jù)和車輛運行數(shù)據(jù)被記錄和積累下來,如何充分挖掘其中蘊含的價值,用以指導可靠性設(shè)計,成為一個亟待解決的問題。


技術(shù)實現(xiàn)思路

1、有鑒于此,有必要提供一種基于fmea數(shù)據(jù)的汽車可靠性提升方法、裝置、電子設(shè)備及存儲介質(zhì),用以解決對汽車進行可靠性分析時存在分析不全面、風險評估不準確、缺乏量化依據(jù)的技術(shù)問題。

2、為了解決上述問題,本發(fā)明提供一種基于fmea數(shù)據(jù)的汽車可靠性提升方法,用于對汽車設(shè)計階段的風險進行預(yù)警以及汽車運行階段的故障進行預(yù)測,包括:

3、基于獲取的fmea數(shù)據(jù)對汽車故障進行分層,生成故障分層模型,并對所述fmea數(shù)據(jù)進行語義信息提取后,建立故障數(shù)據(jù)庫;

4、基于所述故障數(shù)據(jù)庫確定與所述故障分層模型相關(guān)聯(lián)的組塊以及所述組塊的屬性,基于所述組塊的屬性構(gòu)建與所述fmea數(shù)據(jù)相關(guān)聯(lián)的組塊屬性庫;

5、在設(shè)計階段,基于所述組塊屬性庫對設(shè)計階段的組塊方案進行風險預(yù)警;

6、在運行階段,利用訓練完備的故障預(yù)測模型對所述組塊方案進行故障概率預(yù)測,獲得故障預(yù)測結(jié)果。

7、在一種可能的實現(xiàn)方式中,所述基于獲取的fmea數(shù)據(jù)對汽車故障進行分層,生成故障分層模型,包括:

8、基于所述fmea數(shù)據(jù)確定故障影響范圍;

9、根據(jù)所述故障影響范圍將汽車故障進行分層,生成故障分層模型,其中,所述故障分層模型包括零部件層、組塊層、功能系統(tǒng)層、汽車系統(tǒng)層和整車層,所述組塊由多個關(guān)聯(lián)緊密的零部件組成,所述功能系統(tǒng)由多個組塊組成,所述汽車系統(tǒng)由多個功能系統(tǒng)組成,所述整車由多個汽車系統(tǒng)組成;

10、基于所述故障分層模型確定組塊層與零部件層、組塊層、功能系統(tǒng)層、汽車系統(tǒng)層和整車層的關(guān)系。

11、在一種可能的實現(xiàn)方式中,所述組塊的屬性包括結(jié)構(gòu)參數(shù)、材料屬性、工況參數(shù)、可靠性指標、功能參數(shù)以及維護參數(shù),其中,所述結(jié)構(gòu)參數(shù)至少包括尺寸、重量、形狀,所述材料屬性至少包括材料類型、強度、硬度,所述工況參數(shù)至少包括工作溫度、壓力、速度,所述可靠性指標至少包括平均無故障時間、故障率,所述功能參數(shù)至少包括制動力、反應(yīng)時間,所述維護參數(shù)至少包括維護周期、備件信息。

12、在一種可能的實現(xiàn)方式中,所述在設(shè)計階段,基于所述組塊屬性庫對設(shè)計階段的組塊方案進行風險預(yù)警,包括:

13、獲取設(shè)計階段的組塊方案,基于所述組塊屬性庫確定所述組塊方案的組塊屬性以及與所述組塊方案相似的歷史方案;

14、獲取所述歷史方案的組塊屬性,將所述組塊方案的組塊屬性以及歷史方案的組塊屬性進行匹配,計算出組塊的相似度;

15、基于所述相似度對所述組塊方案進行風險預(yù)警。

16、在一種可能的實現(xiàn)方式中,所述組塊的相似度的計算式為:

17、,

18、其中,為組塊方案的組塊的屬性向量,為歷史方案的組塊的屬性向量,為向量的內(nèi)積運算,為屬性向量的模長,為屬性向量的模長。

19、在一種可能的實現(xiàn)方式中,所述在運行階段,利用訓練完備的故障預(yù)測模型對所述組塊方案進行故障概率預(yù)測,獲得故障預(yù)測結(jié)果,包括:

20、獲取歷史故障數(shù)據(jù),

21、構(gòu)建故障預(yù)測模型,以所述組塊屬性庫中的組塊屬性以及歷史故障數(shù)據(jù)為訓練樣本訓練所述故障預(yù)測模型,獲得訓練完備的故障預(yù)測模型;

22、基于所述訓練完備的故障預(yù)測模型對所述組塊方案進行故障概率預(yù)測,獲得故障預(yù)測結(jié)果,其中,故障預(yù)測模型包括輸入層、隱藏層、輸出層,所述輸入層對應(yīng)組塊的屬性,所述隱藏層包含多個神經(jīng)元,所述輸出層對應(yīng)故障概率。

23、在一種可能的實現(xiàn)方式中,所述在運行階段,利用訓練完備的故障預(yù)測模型對所述組塊方案進行故障概率預(yù)測,獲得故障預(yù)測結(jié)果,還包括:

24、獲取汽車運行階段的真實故障數(shù)據(jù),將所述故障預(yù)測結(jié)果與所述真實故障數(shù)據(jù)進行對比,確定所述故障預(yù)測模型的預(yù)測偏差;

25、對所述預(yù)測偏差進行分析后,通過補充訓練樣本、優(yōu)化特征選擇以及調(diào)整算法參數(shù)對所述故障預(yù)測模型進行改進,并同步更新fmea數(shù)據(jù),以提升汽車的可靠性。

26、另一方面,本發(fā)明還提供一種基于fmea數(shù)據(jù)的汽車可靠性提升裝置,用于對汽車設(shè)計階段的風險進行預(yù)警以及汽車運行階段的故障進行預(yù)測,包括:

27、故障分層模塊,用于基于獲取的fmea數(shù)據(jù)對汽車故障進行分層,生成故障分層模型,并對所述fmea數(shù)據(jù)進行語義信息提取后,建立故障數(shù)據(jù)庫;

28、組塊屬性管理模塊,用于基于所述故障數(shù)據(jù)庫確定與所述故障分層模型相關(guān)聯(lián)的組塊以及所述組塊的屬性,基于所述組塊的屬性構(gòu)建與所述fmea數(shù)據(jù)相關(guān)聯(lián)的組塊屬性庫;

29、風險預(yù)警模塊,用于在設(shè)計階段,基于所述組塊屬性庫對設(shè)計階段的組塊方案進行風險預(yù)警;

30、故障預(yù)測模塊,用于在運行階段,利用訓練完備的故障預(yù)測模型對所述組塊方案進行故障概率預(yù)測,獲得故障預(yù)測結(jié)果。

31、另一方面,本發(fā)明還提供一種電子設(shè)備,包括:處理器和存儲器;

32、所述存儲器上存儲有可被所述處理器執(zhí)行的計算機可讀程序;

33、所述處理器執(zhí)行所述計算機可讀程序時實現(xiàn)如上所述的基于fmea數(shù)據(jù)的汽車可靠性提升方法中的步驟。

34、另一方面,本發(fā)明還提供一種計算機可讀存儲介質(zhì),所述計算機可讀存儲介質(zhì)存儲有一個或者多個程序,所述一個或者多個程序可被一個或者多個處理器執(zhí)行,以實現(xiàn)如上所述的基于fmea數(shù)據(jù)的汽車可靠性提升方法中的步驟。

35、本發(fā)明的有益效果是:基于獲取的fmea數(shù)據(jù)對汽車故障進行分層,生成故障分層模型,并對fmea數(shù)據(jù)進行語義信息提取后,建立故障數(shù)據(jù)庫,通過建立覆蓋各層級的結(jié)構(gòu)化故障數(shù)據(jù)庫,實現(xiàn)對汽車由局部到整體、由表及里的系統(tǒng)化分析,通過組塊的屬性構(gòu)建與fmea數(shù)據(jù)相關(guān)聯(lián)的組塊屬性庫,采用屬性化的形式規(guī)范對組塊的表征,使組塊與物理設(shè)計參數(shù)緊密關(guān)聯(lián),提升了分析的全面性,在設(shè)計階段,基于組塊屬性庫對設(shè)計階段的組塊方案進行風險預(yù)警,通過屬性匹配實現(xiàn)風險預(yù)警和經(jīng)驗復(fù)用,在運行階段,利用訓練完備的故障預(yù)測模型對組塊方案進行故障概率預(yù)測,克服了人工經(jīng)驗判斷的主觀性,提高了風險評估的準確性,使分析過程更加量化和客觀,為可靠性目標制定、方案優(yōu)選提供客觀依據(jù),全面提升汽車產(chǎn)品的可靠性。

當前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1