本发明公开了一种制动器的远程诊断方法，当踏板处于被用户使用，该方法通过实时监控踏板位置和电动汽车的电机脉冲，记录开始时间和踏板处在强制动点处时的时间和脉冲，计算出电机的速度变化率，并传给服务器进行聚类分析，建立制动速度变化率模型，通过分析电动汽车制动过程中负载、行驶坡度和速度变化率来判断该制动器功能是否正常。由此，本发明方法可以及时发现制动器功能是否正常，以减少维护人员的工作量。
(1)记录测试人员踩板制动操作过程中刚踩住汽车踏板时所对应的开始时刻t1和该时刻汽车电机单位时间脉冲数V1以及当前车辆的负载和车辆所处的坡度；
(2)每隔一定时间采集获取一次汽车电机单位时间脉冲数，直到踏板到达强制动点；
(3)记录踏板到达强制动点时所对应的当前时刻t2和该时刻汽车电机单位时间脉冲数V2，进而计算出此次车辆制动的速度变化率，并将所述的速度变化率与所述的负载和坡度组成一组样本数据；
(4)根据步骤(1)至(3)采集制动器正常的车辆在不同负载和坡度情况下所对应的多组样本数据，并对这些样本数据进行聚类以分成K类，从而构建得到一个关于负载和坡度的速度变化率模型，K为大于1的自然数；
(5)对于待诊断的汽车制动器，获取当前车辆的负载及车辆所处的坡度并重复执行根据步骤(1)至(3)计算得到在当前负载和坡度情况下多次车辆制动的速度变化率，进而组建得到多组测试数据；
(6)将所述的测试数据输入速度变化率模型进行分析，以判定该汽车制动器是否存在故障。
2.根据权利要求1所述的远程诊断方法，其特征在于：所述的步骤(2)中每隔100ms采集获取一次汽车电机单位时间脉冲数，当距离开始时刻t1超过10秒测试人员仍未将踏板踩至到达强制动点，则认定此次操作过程不是制动，并将采集到的数据取消。
3.根据权利要求1所述的远程诊断方法，其特征在于：所述的步骤(3)中根据以下公式计算速度变化率：其中：a为速度变化率。
4.根据权利要求1所述的远程诊断方法，其特征在于：所述的速度变化率模型具有以下特点：①制动正常情况下，相同坡度，负载越大，速度变化率越小；
②制动正常情况下，相同负载，坡度越大，速度变化率越大。
5.根据权利要求1所述的远程诊断方法，其特征在于：所述采集到的样本数据和测试数据均上传至远端服务器，由远端服务器对样本数据进行聚类并构建所述的速度变化率模型，进而利用速度变化率模型对测试数据进行分析，以判定汽车制动器是否存在故障。
6.根据权利要求1所述的远程诊断方法，其特征在于：所述的步骤(6)中将测试数据输入速度变化率模型进行分析，逐个判断每组测试数据是否归属于K类样本数据中的任一类，若有η％的测试数据符合归属，则判定待诊断的汽车制动器正常，否则判定待诊断的汽车制动器故障；η为大于50且小于100的自然数。
7.根据权利要求5所述的远程诊断方法，其特征在于：所述上传至远端服务器的样本数据和测试数据中还包含车辆的唯一标识码。
一种制动器的远程诊断方法
技术领域
[0001] 本发明属于电动汽车设备诊断技术领域，具体涉及一种制动器的远程诊断方法。
背景技术
[0002] 随着网络业务的发展，越来越多的传统业务开始尝试与互联网结合，以带来更好的用户体验以及更加丰富的业务。汽车行业的发展也使得新能源的电动汽车走进人们的生活中，电动汽车与互联网结合的也越来越紧密，如GPS定位，电子锁等功能已经方便了我们的生活。虽然电动汽车节能环保使用方便，但是作为交通工具也有着不少安全隐患，及时发现安全隐患，减少不必要的损失是非常必要的，尤其是时刻监控电动汽车的制动器功能，制动器出现异常，电动汽车不能及时的制动将会出现不可避免的安全危害。
[0003] 现在很多地方都出现了租赁汽车的现象，例如公园、学校、游乐场等地方，很多城市甚至有了一套租赁汽车系统，用于平时市民的租赁使用。大量车辆的投放使用会使得维护成本变高，维护力度变弱。制动器功能是否正常是重中之重，关乎性命与财产的安全。
[0004] 大量的电动汽车在被租赁过程中，出现制动器功能异常，使用者往往不会记得向维护人员反馈制动器是否异常，大量的电动汽车的维护工作需要派维护人员每天检修也是不科学的，作为互联网时代，通过互联网监控每辆车的状态，定位车子的异常，减少维护人员的成本，系统的管理大量租赁汽车是一种趋势。通过监控车辆的制动器功能是否正常，每天时时刻刻获取车辆控制器功能数据，一旦发现异常可以立即去检修，不仅节约人力成本，也减少由于制动器异常导致的危害。
发明内容
[0005] 鉴于上述，本发明提供了一种制动器的远程诊断方法，能够解决现有只能借助工人手工检查电动汽车制动器功能的问题，减少人力和物力的投入。
[0006] 一种制动器的远程诊断方法，包括如下步骤：
[0007] (1)记录测试人员踩板制动操作过程中刚踩住汽车踏板时所对应的开始时刻t1和该时刻汽车电机单位时间脉冲数V1以及当前车辆的负载和车辆所处的坡度；
[0008] (2)每隔一定时间采集获取一次汽车电机单位时间脉冲数，直到踏板到达强制动点；
[0009] (3)记录踏板到达强制动点时所对应的当前时刻t2和该时刻汽车电机单位时间脉冲数V2，进而计算出此次车辆制动的速度变化率，并将所述的速度变化率与所述的负载和坡度组成一组样本数据；
[0010] (4)根据步骤(1)至(3)采集制动器正常的车辆在不同负载和坡度情况下所对应的多组样本数据，并对这些样本数据进行聚类以分成K类，从而构建得到一个关于负载和坡度的速度变化率模型，K为大于1的自然数；
[0011] (5)对于待诊断的汽车制动器，获取当前车辆的负载及车辆所处的坡度并重复执行根据步骤(1)至(3)计算得到在当前负载和坡度情况下多次车辆制动的速度变化率，进而组建得到多组测试数据；
[0012] (6)将所述的测试数据输入速度变化率模型进行分析，以判定该汽车制动器是否存在故障。
[0013] 所述的步骤(2)中每隔100ms采集获取一次汽车电机单位时间脉冲数，当距离开始时刻t1超过10秒测试人员仍未将踏板踩至到达强制动点，则认定此次操作过程不是制动，并将采集到的数据取消。
[0014] 所述的步骤(3)中根据以下公式计算速度变化率：
[0015]
[0016] 其中：a为速度变化率。
[0017] 所述的速度变化率模型具有以下特点：
[0018] ①制动正常情况下，相同坡度，负载越大，速度变化率越小；
[0019] ②制动正常情况下，相同负载，坡度越大，速度变化率越大。
[0020] 所述采集到的样本数据和测试数据均上传至远端服务器，由远端服务器对样本数据进行聚类并构建所述的速度变化率模型，进而利用速度变化率模型对测试数据进行分析，以判定汽车制动器是否存在故障。
[0021] 所述的步骤(6)中将测试数据输入速度变化率模型进行分析，逐个判断每组测试数据是否归属于K类样本数据中的任一类，若有η％的测试数据符合归属，则判定待诊断的汽车制动器正常，否则判定待诊断的汽车制动器故障；η为大于50且小于100的自然数。
[0022] 所述上传至远端服务器的样本数据和测试数据中还包含车辆的唯一标识码。
[0023] 本发明远程诊断方法通过数据采集向服务器端发送车辆负载、行驶坡度和制动速度变化率，服务器端对该车辆的制动速度变化率进行分析，通过多组数据的分析可以判断出该车辆的制动器是否正常，以便可以用于大规模车辆的检修中及时获取制动器功能是否正常。
[0024] 本发明通过监控车辆的制动器功能是否正常，每天时时刻刻获取车辆控制器功能数据，一旦发现异常可以立即去检修或者停止使用该车辆，以解决现有只能借助工人手工检查电动汽车制动器功能的问题，减少人力和物力的投入。
附图说明
[0025] 图1为本发明制动器远程诊断方法的步骤流程示意图。
具体实施方式
[0026] 为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
[0027] 如图1所示，本发明制动器远程诊断方法包括以下步骤：
[0028] (1)当用户踩住踏板时，记录开始时间t1和此刻电机单位时间脉冲数V1，当前车辆的负载M和车辆所处的坡度θ。记录时间和此刻电机单位时间脉冲数是为了当车辆处于制动行为时，计算车辆的速度变化率。
[0029] (2)每100ms获取一次电机的单位时间脉冲数，直到踏板到达强制动点或者时间距离初始时间超过10s。踏板到达强制动点时，我们可以认为此次行为为制动行为，当时间超过10s，但是踏板没有到达强制动点时，我们认为此次行为为非制动行为，将不予计算。
[0030] (3)当踏板到达强制动点，记录当前时间为t2和此刻电机单位时间脉冲数V2，通过(V1-V2)/(t2-t1)公式计算出此次车辆制动的速度变化率，并将本次负载M、车辆所处的坡度θ和速度变化率a等数据上传至服务器，上传服务器的数据也包括车辆的唯一标识(VIN码)。
[0031] (4)采集车辆制动正常车辆作为标准样本,将采集车辆制动正常车辆的不同负载和不同坡度时的速度变化率作为标准样本，根将收集的制动正常车辆的不同负载和不同坡度时的速度变化率通过聚类分析，建立一个关于负载M和坡度θ的速度变化率模型。初始确认统计数据的90％为正常数据，根据以上两个特点此时对正常数据(M1,θ1,a1),…(Mn,θn,an)进行分类，可分成k类。
[0032] 对于距离的度量，本实施方式采用Lp norm的算法，如果值是L1norm，那么就采绝对值/曼哈顿距离(Manhattan distance)，如果是L2norm，就采用常见的欧氏距离(Euclidean distance)，同时取得每个类的阈值范围deltai和类中心为center(M,θ,a)。本实施方式所采用的分类算法如下：
[0033] 首先，随机选取k个聚类质心点为
[0034] 然后，重复下面过程直到收敛；
[0035] 对于每一个样例i，计算其应该属于的类：
[0036]
[0037] 对于每一个类j，重新计算该类的质心：
[0038]
[0039] 此时得到k个聚类质心点。
[0040] (5)使用车辆过程中通过分析车辆当前的负载、坡度和制动速度变化率是否基本符合当前模型，如果大量数据显示不符合当前模型，则表示车辆制动出现问题，应及时检修，否则为正常状态。本实施方式分析制动速度变化率方法如下：
[0041] 根据累计数据建立的关于负载和坡度的速度变化率模型，及时收集运营车辆的负载、行驶的坡度和速度变化率，据新一批数据new(M,θ,a)中点落在k类中的个数是否达到90％作为制动器出现故障的判定。
[0042] 本实施方式可采用车辆嵌入式监控系统和服务器端协同实现：车辆嵌入式监控系统间断的获取制动时电动汽车的电机脉冲数、车辆负载和车辆行驶坡度，计算制动的速度变化率，将数据传给指定服务器。服务器端接收车辆嵌入式监控系统所发送的车辆负载、车辆行驶坡度和制动速度变化率，将这些数据进行聚类分析，建立一个关于负载和坡度的速度变化率模型，使用车辆过程中通过分析车辆当前的负载、坡度和制动速度变化率是否基本符合当前模型，如果大量数据显示不符合当前模型，则表示车辆制动出现问题，应及时检修，否则为正常状态。
[0043] 上述的对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。
