Сбор и анализ автомобильных данных (Руководство Coinv)

< Назад к Набор инструментов для сбора данных

Быстрый ответ
Сбор и анализ автомобильных данных — это процесс сбора и анализа сигналов от транспортного средства в режиме реального времени, таких как вибрация, шум, температура, ток и скорость, для понимания того, как транспортное средство ведет себя в реальных условиях движения. Системы Coinv позволяют это сделать, собирая синхронизированные высокочастотные данные с нескольких систем.

Оглавление

Почему динамический анализ сигналов важен в современных автомобилях
Что такое сбор и анализ автомобильных данных?
Как работают автомобильные системы сбора данных
Ключевые технологии, лежащие в основе высокоточного сбора данных.
Сценарий применения 1: Аккумулятор, двигатель и системы управления электромобиля
Сценарий применения 2: Испытания на шумо- и виброизоляцию
Сценарий применения 3: Диагностика неисправностей и прогнозирующее техническое обслуживание
От данных к решениям
Проблемы сбора данных в автомобильной отрасли
Будущие тенденции
Часто задаваемые вопросы
Автор

Захватывает сигналы движущихся транспортных средств в реальном времени.
Поддерживает многоканальную синхронизацию данных.
Используется в системах электромобилей, для тестирования NVH (шум, вибрация и жесткость) и диагностики.
Сочетает встроенную обработку данных с облачным анализом.
Помогает инженерам повысить производительность и снизить количество сбоев.

Почему динамический анализ сигналов важен в современных автомобилях

Современные транспортные средства не работают в стабильных условиях. Меняется всё — скорость, нагрузка, температура, дорожное покрытие.

Если вы будете рассматривать только статические данные, вы упустите из виду то, что на самом деле происходит на дороге.

Я сталкивался со случаем, когда проблему с трансмиссией не удалось обнаружить в лабораторных условиях. Но как только мы зафиксировали вибрацию и крутящий момент одновременно во время реальной езды, первопричина проявилась немедленно.

Именно этот пробел заполняет динамический анализ сигналов.

Что такое сбор и анализ автомобильных данных?

На практике это означает преобразование физического поведения в полезные данные.

Современная система собирает:

механические сигналы (вибрация, скорость, крутящий момент)
электрические сигналы (ток, напряжение)
тепловые сигналы (температура)

Системы Coinv работают по полному циклу:

приобретать → передавать → обрабатывать → анализировать → применять

Отличием этой системы от более старых является акцент на… сигналы, чувствительные ко времени—вещи, которые быстро меняются и не повторяются предсказуемым образом.

Как работают автомобильные системы сбора данных

Уровень сбора данных (датчики и оборудование)

Всё начинается с датчиков.

Типичная конфигурация включает в себя:

акселерометры для измерения вибрации
микрофоны для шума
датчики температуры
датчики давления
датчики тока
датчики скорости

Но одних датчиков недостаточно.

Дескрипторы обработки сигнала:

усиление
фильтрация
изоляция

Без этого шага помехи от самого транспортного средства могут исказить данные.

Уровень передачи данных

Данные передаются от транспортного средства к системам обработки двумя способами:

Проводные системы

МОЖЕТ
ЭН
RS485

Они стабильны и используются в лабораторных условиях.

Беспроводные системы

4G / 5G
Wi-Fi
Bluetooth

Они используются во время дорожных испытаний.

Современные системы часто включают в себя встроенный процессор для уменьшения объема передаваемых данных.

Уровень обработки данных

Исходные данные не готовы к анализу.

Его необходимо очистить и выровнять:

Фильтрация шума (Калмана, вейвлет-преобразование)
калибровка с использованием параметров датчика
синхронизация времени между каналами
сжатие для снижения нагрузки на хранилище

Даже небольшие различия во времени между каналами могут нарушить анализ.

Уровень анализа данных

Именно здесь инженеры действительно чему-то учатся.

Распространенные методы:

временная область (пиковое значение, среднеквадратичное значение, эксцесс)
частотная область (БПФ, спектр)
частотно-временной анализ (вейвлет, STFT)

Машинное обучение также используется для:

классифицировать неисправности
обнаружение закономерностей
прогнозирование неудач

Уровень приложения

Заключительный этап — использование полученных результатов.

Это включает в себя:

улучшение производительности системы
выявление неисправностей
регулировка параметров управления
сохранение тестовых данных для дальнейшего использования

Ключевые технологии, лежащие в основе высокоточного сбора данных.

Многоканальная синхронизация

Сигналы должны совпасть по времени.

Например:

вибрация в зависимости от скорости двигателя
ток против температуры

В системах Coinv используются:

PTP-синхронизация
аппаратные триггеры

Точность достигает микросекунд.

Без этого причинно-следственные связи теряются.

Конструкция, защищающая от помех

Транспортные средства издают шум — электрический и механический.

Для обеспечения чистоты сигналов:

Используются экранированные кабели.
Изолирующие модули уменьшают помехи
Заземление тщательно спроектировано.
Фильтрация удаляет нежелательный шум.

Системы должны соответствовать стандартам электромагнитной совместимости, таким как ISO 11452.

Анализ в реальном времени (периферийные устройства + облако)

Современные системы разделяют работу:

Встроенная система обработки данных обеспечивает быстрое обнаружение.
Облачные системы позволяют проводить более глубокий анализ.

Пример:

Системы, использующие батареи с частотой дискретизации 10 мс, способны практически мгновенно обнаруживать аномальные состояния.

Сценарий применения 1: Аккумулятор, двигатель и системы управления электромобиля

Что измеряется

Батарея:

напряжение (±0,1% от полной шкалы)
текущий (±0,2% от полной шкалы)
температура (±0,5°C)
СОК

Мотор:

скорость (±1 об/мин)
крутящий момент (±0,3% от полной шкалы)
вибрация (диапазон ±50 г)

Контроль:

CAN-сигналы
Данные ЭБУ

Выборка:

батарея: 100 Гц–1 кГц
двигатель: 1 кГц–10 кГц
Регулировка: 100 Гц

Пример реального проекта

В ходе испытаний электромобилей на прочность в тяжелых условиях:

Были синхронизированы 8 аналоговых каналов и 4 канала CAN.

Результаты:

Эффективность батареи повышена более чем на 10%.
Вибрация двигателя снизилась примерно на 30%.
Уровень шума снижен примерно на 5 дБ(А).

Сценарий применения 2: Испытания на шумо- и виброизоляцию

Аббревиатура NVH означает шум, вибрацию и жесткость.

Настройка измерений

акселерометры на двигателе, шасси и кузове
микрофоны внутри и снаружи салона
частота дискретизации до 20 кГц

Подход к анализу

БПФ определяет доминирующие частоты
Частотно-временные методы позволяют выявлять переходные процессы.

Пример:

Уровень шума в салоне автомобиля превышал 60 дБ(А).

Причина:

изношенная опора двигателя

Исправить:

Замена снизила уровень шума на 8 дБ(А).

Сценарий применения 3: Диагностика неисправностей и прогнозирующее техническое обслуживание

Обнаружение неисправностей

Типичные закономерности:

Износ подшипников → увеличение пиков вибрации
Износ шестерен → компоненты с аномальной частотой

Анализ на основе ИИ

Модели машинного обучения могут:

определить типы неисправностей
оценить степень тяжести

При наличии качественных данных точность может превышать 90%.

Прогнозируемое техническое обслуживание

Вместо того чтобы ждать неудачи:

тенденции сигналов отслеживания
оценить оставшийся срок службы

Реальные результаты:

Затраты на техническое обслуживание сократились примерно на 40%.
Уровень отказов снизился примерно на 35%.

В число функций системы входят:

72-часовая локальная буферизация данных
шифрование AES-128

От данных к решениям

Сами по себе данные ничего не решают.

Важно то, как это используется:

связывание сигналов с физическими причинами
учет результатов при внесении изменений в дизайн
повышение надежности с течением времени

Именно здесь системы Coinv демонстрируют свою ценность.

Проблемы сбора данных в автомобильной отрасли

большие объемы данных
сложность синхронизации
суровые условия эксплуатации
долговечность оборудования

Будущие тенденции

Интеграция ИИ

автоматизированная диагностика
обнаружение шаблонов

Меньшие системы

портативные устройства
интегрированные модули транспортного средства

Данные из нескольких источников

объединение данных о транспортных средствах и окружающей среде

Стандартизация

унифицированные форматы
сопоставимые результаты испытаний

Часто задаваемые вопросы

Что измеряет система динамического сбора сигналов в автомобильной промышленности в реальных условиях эксплуатации?

В процессе реального вождения устройство одновременно измеряет множество типов сигналов. Это включает в себя вибрацию, шум, электрические параметры, такие как напряжение и ток, механические данные, такие как крутящий момент и скорость, а также факторы окружающей среды, такие как температура и деформация. Цель состоит в том, чтобы регистрировать все сигналы одновременно, а не по отдельности.

Почему синхронизация имеет решающее значение в автомобильных системах сбора данных?

Синхронизация гарантирует, что все сигналы совпадают по времени. Это позволяет инженерам точно сравнивать такие параметры, как вибрация и скорость. В системах с большим количеством каналов даже незначительные ошибки синхронизации могут привести к неверным выводам, особенно при отслеживании неисправностей или источников шума.

Какие самые серьезные проблемы существуют сегодня в сфере сбора данных в автомобильной промышленности?

К основным проблемам относятся обработка больших объемов данных, подключение различных систем, таких как датчики и сети CAN, борьба с помехами и неблагоприятными условиями окружающей среды, а также удовлетворение потребностей в обработке данных в режиме реального времени. Эти проблемы усугубляются по мере усложнения конструкции транспортных средств.

Как искусственный интеллект меняет анализ автомобильных сигналов?

Искусственный интеллект помогает быстрее и точнее анализировать сложные данные. Он может обнаруживать неисправности, распознавать закономерности и прогнозировать отказы до того, как они произойдут. Это сокращает время тестирования и улучшает планирование технического обслуживания.

Что следует учитывать инженерам при выборе системы сбора данных?

Следует обратить внимание на частоту дискретизации, количество каналов, возможность обработки данных в реальном времени, помехоустойчивость и совместимость с автомобильными системами, такими как CAN и Ethernet. Система также должна надежно работать во время реального вождения без потери данных.

Автор

Джонни Лю
Генеральный директор компании Dowway Vehicle

Джонни Лю работает в сфере систем тестирования транспортных средств и анализа автомобильных данных. Он руководил проектами по испытанию электромобилей на долговечность, анализу шума и вибрации, а также разработкой систем прогнозирующего технического обслуживания.

Последнее обновление: 24 марта 2026 г.

Dowway Vehicle