(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111508019.3 (22)申请日 2021.12.10 (71)申请人 青岛青特众力车桥有限公司 地址 266000 山东省青岛市城阳区正阳东 路777号 (72)发明人 刘本友　马嵩华　纪建奕　杨朝会　 马翠贞　刘宗强　马长城　柳春汀　 杨玉冰　 (74)专利代理 机构 无锡知更鸟知识产权代理事 务所(普通 合伙) 32468 代理人 郭元聪 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/08(2012.01) G01D 21/02(2006.01)G06F 16/906(2019.01) G06K 9/62(2022.01) G06N 3/08(2006.01) H04L 9/40(2022.01) H04L 12/40(2006.01) H04L 67/12(2022.01) (54)发明名称 云边缘协同计算的智慧驱动桥健康监测系 统及其方法 (57)摘要 本发明提出了云边缘协同计算的智慧驱动 桥健康监测系统及其方法， 一种云边缘协同计算 的智慧驱动桥健康监测系统， 包括车桥运转数据 采集模块、 车载边缘计算模块、 通讯模块和车桥 云端故障预测模块； 车桥运转数据采集模块包括 对驱动桥壳数据信息的采集以及存储； 车载边缘 计算模块用于对 数据进行数据整理和逻辑判断； 通讯模块用于将车桥运转数据采集模块中的数 据传输至 车载边缘计算模块中， 并将车载边缘计 算模块中的数据传输至车桥云端故障预测模块 中； 车桥云端故障预测模块用于对 数据进行大数 据分析， 发布故障预测， 借此， 本发明具有能够实 时获得汽车驱动桥的运转状态， 并使得驱动桥内 部易损部件故障可精准预测， 保障汽 车智慧安全 行驶的优点。 权利要求书2页 说明书5页 附图2页 CN 114202198 A 2022.03.18 CN 114202198 A 1.一种云边缘协同计算的智慧驱动桥健康监测系统， 其特征在于， 包括车桥运转数据 采集模块、 车 载边缘计算模块、 通讯模块和车桥云端故障预测模块； 所述车桥 运转数据采集模块包括对驱动桥壳数据信息的采集以及存 储； 所述车载边缘计算模块用于对数据进行 数据整理和逻辑判断； 所述通讯模块用于将车桥运转数据采集模块中的数据传输至车载边缘计算模块中， 并 将车载边缘计算模块中的数据传输 至车桥云端故障预测模块中； 所述车桥云端故障预测模块用于对数据进行 大数据分析， 发布故障预测。 2.根据权利要求1所述的云边缘协同计算的智慧驱动 桥健康监测系统， 其特征在于， 所 述车桥运转数据采集模块包括传感器和数据采集卡， 传感器包括振动传感器、 油温传感器、 摩擦片温度传感器、 车桥转速传感器和车桥扭矩传感器， 所述数据采集卡通过线缆连接振 动传感器、 油温传感器、 摩擦片温度传感器、 车桥转速传感器和车桥扭矩传感器， 用于 收集 车桥各路多源信号的收集。 3.根据权利要求1所述的云边缘协同计算的智慧驱动 桥健康监测系统， 其特征在于， 所 述通讯模块包括CAN通讯线路和TCP/IP通讯线路， CAN通讯线路通过CAN网络， 遵循车辆CAN 通讯协议， 将车桥运转数据采集模块中的数据传输至车载边缘计算模块中， TCP/IP通讯线 路通过TCP/IP网络， 遵循车辆TCP/IP通讯协议， 将车载边缘计算模块中的数据传输至车桥 云端故障预测模块中。 4.根据权利要求3所述的云边缘协同计算的智慧驱动 桥健康监测系统， 其特征在于， 所 述通讯模块在进行数据传输前， 对数据进行加密， 加密方法为采用加密算法对数据域进行 加密， 并定期或不定期在云端更新密钥， 以确保数据的安全性和保密性。 5.根据权利要求1所述的云边缘协同计算的智慧驱动 桥健康监测系统， 其特征在于， 所 述车载边缘计算模块设置于边缘端控制器内， 车载边缘计算模块对车桥运转数据采集模块 内的原始数据进行 预处理、 特征提取、 特 征选择和特 征融合； 预处理包括对原 始数据中的异常值、 缺失值和异源、 异构值进行处 理； 特征提取包括时域特 征和频域特 征； 特征选择方法为通过特征评估准则进行 特征筛选后， 采用特 征降维处 理； 特征融合包括综合各 数据源， 将不同结构和 属性的数据整合归纳于一体。 6.根据权利要求5所述的云边缘协同计算的智慧驱动 桥健康监测系统， 其特征在于， 所 述缺失值采用多重插补的方式进 行填充， 所述异常值采用分箱的方式进 行平滑噪声， 异源、 异构值为重复值， 重复值采用删除的方式处 理； 时域特征包括均值、 标准差、 有效值、 峭度、 方根幅值、 波形因子、 脉冲系数和裕度因子， 频域特征包括重心频率(FC)、 均方频率(MSF)和均方根频率(RMSF)， 时域特征和频域特征的 分析方法包括短时傅里叶变换(STFT)和小 波变换方法； 特征评估准则包括皮尔逊相关系数、 边界宽度、 Fisher判别和信息增益； 特征降维方法包括主成分分析、 线性判别分析、 核主成分分析、 核判别分析、 局部线性 嵌入和流形 学习。 7.根据权利要求1所述的云边缘协同计算的智慧驱动 桥健康监测系统， 其特征在于， 所 述车桥云端预测模块包括数据库、 状态监测模块、 数据预处 理模块和模型库； 数据库内存放有传感器采集的历史原 始数据， 以及现场监测数据；权　利　要　求　书 1/2 页 2 CN 114202198 A 2状态监测模块用于对历史原 始数据进行分类收集； 数据预处理模块通过对分类后的数据集分别进行预处理、 特征提取、 特征降维和特征 融合， 得到多源信息融合特 征集； 模型库内存放有神经网络机器学习 模型和故障预测模型， 故障预测模型由多源信 息融 合特征集通过训练所 得。 8.根据权利要求7所述的云边缘协同计算的智慧驱动 桥健康监测系统， 其特征在于， 所 述故障预测模型的建造方法为： 步骤1、 将多源信息融合特 征集内的数据分为训练集和 测试集； 步骤2、 采用神经网络机器学习模型对训练集进行预测训练， 得到故障预测模型， 并输 出预测结果： {y(t+1),y(t+2),. ..， y(t+k)}； 步骤3、 将测试集输入该故障预测模型进行验证， 通过神经网络机器学习模型的计算判 断该预测结果是否达到预测精度， 如果达到预测精度， 则得到预测结果， 即输出 阙值y阙值， 如 果达不到预测精度， 则返回多源信息融合特 征集， 重新进行故障预测模型的建立。 9.一种云边 缘协同计算的智慧驱动桥 健康监测的方法， 其特 征在于， 包括如下步骤： 步骤1、 通过振动传感器、 油温传感器、 摩擦片 温度传感器、 车桥转速传感器和车桥扭矩 传感器对车桥各路的数据进行采集， 并通过数据采集卡对车桥各路信号进行分类 收集， 得 到数据A； 步骤2、 通过通讯模块将数据A进行加密， 并传送至车载边缘计算模块， 车载边缘计算模 块对数据A分别进 行预处理、 特征提取、 特征降维和特征融合， 得到数据B， 完善数据的同时， 减轻数据传输量； 步骤3、 通过通讯模块将数据B作为现场监测数据传送至车桥云端故障预测模块， 数据B 输入故障预测模型， 得到 输出预测结果： {y(t+1),y(t+2),. ..， y(t+k)}； 步骤4、 将预测结果和输出阙值进行对比， 对比的公式为： y(t+k)＞＝y阙值， 如果满足公 式结果， 则进 行故障预警， 如果不满足公 式结果， 则继续进 行通过输入现场监测数据进行现 场监测。 10.根据权利要求9所述的云边缘协同计算的智慧驱动桥健康监测的方法， 其特征在 于， 所述步骤3中y的含义 为： ， t的含义 为： ， y阙值的含义为： 。权　利　要　求　书 2/2 页 3 CN 114202198 A 3