具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例提供的一种车辆冷却回路检测方法，可应用在汽车或者电车的冷却回路检测系统中，用于对车辆冷却回路中的目标运行参数及其相关运行参数进行共同检测，避免了现有技术中对冷却回路进行检测时仅对单一参数进行异常判断时导致检测结果出现误差的问题。

在一实施例中，如图1所示，提供一种车辆冷却回路检测方法，包括：

步骤S101.获取冷却回路中的目标运行参数及其相关运行参数。

其中，冷却回路用于使车辆中的发动机或者电机在所有工况下都保持在适当的温度范围内，冷却回路既要防止发动机或者电机过热，也要防止冬季发动机过冷，冷却回路按照冷却介质不同可以分为风冷回路和水冷回路，将发动机或者电机中高温零件的热量直接散入大气而进行冷却的回路称为风冷回路，将这些热量先传给冷却水再散入大气而进行冷却的回路称为水冷回路，在冷却回路工作的过程中通过冷却回路中的参数传感器获取运行参数，例如，对于水冷回路，水冷回路中的运行参数可以包括冷却液温度、减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度。

其中，目标运行参数是指冷却回路中待检测的运行参数，相关运行参数是指与目标运行参数具有较高相关性的运行参数，冷却回路中的不同运行参数之间存在相关性，运行参数之间的相关性可以根据相关性矩阵获取，当两个运行参数之间的相关性系数大于预设值时，视为两个运行参数具有较强的相关性，例如，两个运行参数的相关性系数大于0.7，根据相关性矩阵可以获取与目标运行参数具有相关性的所有运行参数，例如，水冷回路中的运行参数减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度为冷却液温度的相关运行参数。

在步骤S101中，获取冷却回路中的目标运行参数及其相关运行参数，之前还包括：

获取冷却回路在正常工作状态下的目标运行参数及其相关运行参数，根据目标运行参数及其相关运行参数获取回归模型。

其中，回归模型是根据冷却回路在正常情况下的运行参数进行构建的，根据目标运行参数及其相关运行参数之间的相关矩阵，可以得知目标运行参数及其相关运行参数之间的相关性较强，进而目标运行参数及其相关运行参数之间存在多重共线性及自相关性的问题，因此，在构建回归模型的过程中需要消除多重共线性及自相关性。

步骤S102.将目标运行参数以及其相关运行参数输入至预先设置的回归模型以获取目标运行参数预测值。

其中，对于预先设置的回归模型，作为一种实施方式，根据目标运行参数及其相关运行参数获取回归模型，包括：

对目标运行参数及其相关运行参数进行迭代运算和回归拟合后得到回归模型。

其中，为了消除多重共线性及自相关性可以采用迭代法和回归拟合获取回归模型，迭代是数值分析中通过从初始估计出发寻找一系列近似解来解决问题(一般是解方程或者方程组)的过程，为实现这一过程所使用的方法统称为迭代法。例如：对于给定的线性方程组x_K+1＝Bx_K+f(x、B、f同为矩阵，任意线性方程组都可以变换成此形式，x_K代表迭代k次得到的x，初始时k＝0)逐步带入求近似解的方法称为迭代法，通过进行预设次数的迭代运算后再通过拟合方程进行回归拟合即可以得到回归模型。

本实施方式中，通过对目标运行参数及其相关运行参数进行迭代运算和回归拟合后得到回归模型，可以实现消除目标运行参数及其相关运行参数之间存在的多重共线性及自相关性。

其中，对于上述步骤，作为另一种实施方式，根据目标运行参数及其相关运行参数获取回归模型，包括：

对目标运行参数及其相关运行参数进行差分变换和回归拟合后得到回归模型。

其中，对目标运行参数及其相关运行参数可以采用广义差分法进行变换，广义差分法是将原模型变换为满足最小二乘法差分模型，再进行最下二乘法估计，设有一元线性模型，y_t＝β₀+β₁x_t+μ_t；

存在一阶自相关μ_t＝ρμ_t-1+V_t

其中，V_t为满足基本假定的扰动项

将模型滞后一期有：y_t-1＝β₀+β₁x_1，t-1+μ_t-1

方程两边同乘ρ，并于原模型相减得：

y_t-ρy_t-1＝β₀(1-ρ)+β₁(x_t-ρx_t-1)+μ_t-1

整理得：

y_t＝β₀(1-ρ)+ρy_t-1+β₁x_t-ρβ₁x_t-1+μ_t，

对此模型进行最小二乘法差分估计ρ的估计值，再用ρ的估计值对原模型进行广义差分变换后进行回归拟合，即可得到回归模型，将所获取的目标运行参数和相关运行参数输入到回归模型中，即可得到目标运行参数预测值。

步骤S103.判断目标运行参数与目标运行参数预测值之间的差值是否在预设范围内，是，则执行步骤S104，否，则执行步骤S105。

步骤S104.判定检测结果正常。

其中，在检测结果正常后，可以在预设时间间隔后重新执行步骤S101，例如，定时2分钟后重复执行一次。

步骤S105.判定检测结果异常并发出提示。

其中，判定检测结果异常并发出提示，包括：

判定检测结果异常时，获取及存储异常信息，并将异常信息通过预设预警路径进行提示。

其中，异常信息包括：异常内容、异常位置、异常时间、可能后果及指导措施等，预警路径包括短信提醒路径、PC页面提醒路径以及工单派发路径，提示方式包括：短信提醒、PC页面预警详情及图标提示、APP维修工单的自动生成及派发，维修人员将根据预警提示及工单内容进行异常原因验证及车辆维护。

本申请提供一种车辆冷却回路检测方法，通过获取冷却回路中的目标运行参数及其相关运行参数，将目标运行参数以及其相关运行参数输入至预先设置的回归模型以获取目标运行参数预测值，将目标运行参数预测值与目标运行参数之间的差值与预设范围进行比较，根据比较结果判定检测是否正常，本技术方案预先根据目标运行参数和相关运行参数构建回归模型，根据回归模型建立异常判断机制，当检测到冷却回路中目标运行参数的预测值与真实值偏差过大时，发出异常提示，不仅考虑到冷却回路中目标运行参数的变化情况，还同时考虑到与目标运行参数具有相关性的相关运行参数，相对于现有技术中通过单一的运行参数进行异常判断，能更加准确的判定出异常情况。

本申请另一实施例提供的一种车辆冷却回路检测方法，可应用在胶轮有轨电车的冷却回路检测系统中用于对车辆冷却回路中的目标运行参数及其相关运行参数进行共同检测，避免了现有技术中对冷却回路进行检测时仅对单一参数进行异常判断时导致检测结果出现误差的问题。

在一实施例中，如图2所示，提供一种车辆冷却回路检测方法，包括：

步骤S201.获取冷却回路中的冷却液温度、减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度。

其中，目标运行参数为冷却液温度，如下表1所示，为冷却回路中的运行参数冷却液温度、减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度的相关性矩阵，表1中Y代表冷却液温度，X₁代表减速器机油温度，X₂代表减速器油温温度，X₃代表IGBT温度，X₄代表散热器温度，X₅代表电枢绕组温度，冷却液温度与减速器机油温度之间的相关性系数为0.979，冷却液温度与减速器油温温度之间的相关性系数为0.994，冷却液温度与IGBT温度之间的相关性系数为0.986，冷却液温度与散热器温度之间的相关性系数为0.761，冷却液温度与散热器温度之间的相关性系数为0.902，根据相关性系数值可以确定减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度为冷却液温度的相关运行参数。

表1冷却回路内的运行参数相关矩阵表

步骤S202.将冷却液温度、减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度输入至预先设置的回归模型以获取冷却液温度预测值。

其中，回归模型的设置是通过冷却回路在正常工作状态下的冷却液温度、减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度进行计算得到的。

其中，根据上述表1中的冷却回路在正常工况下冷却液温度与减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度之间的相关矩阵，可看出冷却液温度与减速器机油温度、减速器油温温度、IGBT温度以及电枢绕组温度的相关性较强，相关性系数均在0.9以上，冷却液温度与散热器温度之间的相关性系数也在0.7以上，根据冷却回路的工作原理，各元器件温度相互间亦有较强的相关性，通过采用判断多重共线性的特征根判定法可以精确计算条件数K值为322，也印证自变量间存在较强的多重共线性，而线性回归模型中的解释变量之间若存在精确相关关系或高度相关关系会导致模型估计失真或难以估计准确。

如图3所示，胶轮有轨电车冷却回路水箱冷却液温度对各元器件温度原始数据回归残差图片段截取，可看出残差在若干正值后出现若干负值，即残差随时间变化并不频繁改变符号，可知模型中变量存在一定的正自相关性。自相关性一般会导致后果：(1)自相关不影响最小二乘估计量的线性和无偏性，但会使之失去有效性。即最小二乘估计量的方差不是最小的，估计量不是最优线性无偏估计量；(2)自相关的系数估计量将有相当大的方差；(3)自相关系数的T检验和回归方程的F检验结果不可信；(4)模型的预测功能失效。

由于上述冷却回路中的运行参数存在的多重共线性及自相关性问题，为了消除多重共线性及自相关性可以采用迭代法，作为一种实施方式，通过如下两次迭代和回归拟合后获得迭代模型，其中，两次迭代如下：

第一次迭代公式为：

其中，y_t为当前周期的冷却液温度，y_t-1为前一周期的冷却液温度，y_t'为冷却液温度的第一次迭代值，x_i,t分别为当前周期的减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度，x_i'_,t分别减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度的第一次迭代值。

第二次迭代公式为：

其中，y″_t为冷却液温度的第二次迭代值，x″_i,t分别减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度的第二次迭代值。

设因变量为y，k个自变量分别为X₁、X₂、……X_k，描述因变量y如何依赖于自变量X₁、X₂、X_k和误差项的方程称为多元回归模型其一般形式可表示为y＝B0+B1X₁+B2X₂+……+BkX_k+E，式中，BO，B1，B2，……Bk是模型的参数；E为误差项。

回归模型确定步骤:

首先，将车辆历史运行参数数据经过两次迭代处理后代入回归方程，通过最小二乘法得到正规方程组，求解方程组，得到B0，B1，B2，…，Bk的值，即得到回归方程的初步表达式。

其次，对回归方程进行如下显著性检验，1)复相关系数检验，检验线性关系密切程度；2)拟合优度检验，检验回归方程对观测值的拟合程度；3)F检验，检验回归方程的显著性，即模型参数是否均为0；4)t检验，检验回归系数的显著性，即某个模型参数是否为0。5)自相关检验；6)多重共线性检验。若以上检验均通过，获得回归模型。

经过两次迭代后再经过回归拟合后得到的回归模型S1为：

经过计算该迭代模型的拟合优度为0.856，但该迭代模型每一次的预测都要依赖于前两次的观测值。

作为另一种实施方式，对目标运行参数及其相关运行参数进行差分变换和回归拟合后得到回归模型。

其中，通过广义差分变换获取回归模型的优点是可多次调整自相关参数的估计值，直到得出比较满意的结果，而不损失样本数据，通过不断调整ρ值，并取ρ＝0.888435作差分变换后进行回归拟合，

回归模型确定步骤:

首先，将车辆历史运行参数数据经过0.888435的差分处理后代入回归方程，通过最小二乘法得到正规方程组，求解方程组，得到BO，B1，B2，Bk的值，即得到回归方程的初步表达式。

其次，对回归方程进行如下显著性检验，1)复相关系数检验，检验线性关系密切程度；2)拟合优度检验，检验回归方程对观测值的拟合程度；3)F检验，检验回归方程的显著性，即模型参数是否均为0；4)t检验，检验回归系数的显著性，即某个模型参数是否为0；5)自相关检验；6)多重共线性检验。若以上检验均通过，获得最终回归模型。

得到了优化后的回归模型S2为：

如图4所示，胶轮有轨电车冷却回路各温度做ρ＝0.814325变换后的拟合残差图片段，可知本实施方式的回归模型S2与上一实施方式回归模型S1相比自相关性消除得更明显，同时回归模型S2的拟合优度为0.9619，高于回归模型S1，且回归模型S2不需要获取前两次的观测值，相对于回归模型S1更简单易用。

如图5和图6所示，为胶轮有轨电车冷却回路的回归模型S2的效果片段截取，训练集及测试集的冷却液温度预测值与真实值均基本重合，可知该模型的预测效果较优，因此，依据回归模型S2制定冷却回路异常诊断机制。

步骤S203.判断冷却液温度与冷却液温度预测值之间的差值是否在预设范围内，是，则执行步骤S204，否，则执行步骤S205。

步骤S204.判定检测结果正常。

步骤S205.判定检测结果异常并发出提示。

其中，判断冷却液温度预测值与真实值的偏差，若预测值与真实值的差异在2以内，则本次诊断结束，否则本次诊断结果为异常，此时需将当前车辆名称、车厢名称、异常位置、发生时间、持续时间、异常内容等信息写入数据库预警表t_car_pre_warn_last_v1内进行记录。将异常信息写入数据库的同时会触发短信系统，向负责工程师定向发送预警信息，同时PC端进行预警信息的轮播、APP端自动生成维修工单并按照人员设置定向派发。以上流程步骤由计算机定时任务每2分钟执行一次。

本方案根据胶轮有轨电车历史正常工况下的冷却液温度与各工作部件温度数据，构建多元回归模型，并依据模型结果建立冷却回路异常诊断机制，当由冷却回路各元器件实时温度得到的冷却液温度预测值与真实值偏差过大时，诊断冷却回路当前运行参数存在异常，并第一时间通过短信、PC、APP方式进行提示，对冷却回路各元器件的功能和寿命提供一定程度的保障。

本申请另一种实施例提供一种车辆冷却回路检测装置，如图7所示，包括：

数据获取模块10，用于获取冷却回路中的目标运行参数及其相关运行参数；

数据预测模块20，用于将目标运行参数以及其相关运行参数输入至预先设置的回归模型以获取目标运行参数预测值；

诊断分析模块30，用于判断目标运行参数与目标运行参数预测值之间的差值是否在预设范围内，是，则判定检测结果正常，否，则判定检测结果异常并发出提示。

进一步的，如图8所示，车辆冷却回路检测装置还包括数据建模模块40，数据建模40用于：

获取冷却回路在正常工作状态下的目标运行参数及其相关运行参数，根据目标运行参数及其相关运行参数获取回归模型。

数据建模模块40还用于：

对目标运行参数及其相关运行参数进行迭代运算和回归拟合后得到回归模型。

数据建模模块40还用于：

对目标运行参数及其相关运行参数进行差分变换和回归拟合后得到回归模型。

当的目标运行参数为冷却液温度时，数据获取模块30用于：

获取冷却回路中的冷却液温度、减速器机油温度、减速器油温温度、IGBT温度、散热器温度以及电枢绕组温度。

数据建模模块40还用于：

对冷却液温度、减速器机油温度、IGBT温度、散热器温度以及电枢绕组温度经过以下两次迭代后得到迭代模型；

其中，第一次迭代公式为：

第二次迭代公式为：

迭代模型为：

数据建模模块还用于对目标运行参数及其相关运行参数进行差分变换和回归拟合后得到回归模型为：

关于车辆冷却回路检测装置的具体限定可以参见上文中对于车辆冷却回路检测方法的限定，在此不再赘述。上述车辆冷却回路检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储上述实施例的车辆冷却回路检测方法中所使用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆冷却回路检测方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中的车辆冷却回路检测方法。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中的车辆冷却回路检测方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。