更新时间：2026-08-15 00:02:40
已登记
详细信息
-
知识产权名称
物流车队车辆故障预测数据
-
登记编号
DIP2025000009333
-
申请人
温岭市天航物流有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2025-06-25 18:00:20
详细信息
-
所属行业
信息传输、软件和信息技术服务业
-
交易状态
待交易
-
数据规模
2254
-
更新频次
按需更新
-
应用场景
该数据在物流车队车辆故障预测中具有重要的应用价值。能够提供自动化故障预警，更精确地判断潜在故障风险，帮助运维人员进行提前维护与调度。在智能车辆管理系统中具有广泛的应用场景，特别是在物流车队运营监控、自动驾驶车辆健康检测和公共交通车辆维护管理中，能够提高车辆运行安全性，降低故障维修成本，提供智能化的维修决策支持。
-
算法规则简要说明
数据收集： 本系统依赖于车辆前装传感器数据和历史故障记录数据。每条记录的编号唯一对应一个采样时间点的车辆状态数据。传感器采集的特征包括发动机温度（单位为摄氏度）、引擎转速（单位为转每分钟）、电池电压（单位为伏特）等实时运行参数。目标输出为故障概率（以百分比表示），用于评估当前状态下出现故障的风险。模型效果评价指标为平均绝对误差和AUC值，用于衡量预测准确性与分类能力。 数据预处理： 所有输入特征在进入模型之前进行标准化处理，使其均值为0，标准差为1，以加速模型训练并提高稳定性。异常值（如发动机温度超过安全阈值150℃或电压小于9V）将被识别为异常样本并剔除。为了增强模型泛化能力，还对部分历史样本进行SMOTE过采样处理，平衡正负样本数量。最终数据集按时间切分为训练集与测试集，避免未来信息泄露。 模型构建： 本系统采用深度前馈神经网络（Feedforward Deep Neural Network）架构，包含三个隐藏层，每层使用ReLU激活函数。网络输入为三维特征向量，包括发动机温度、引擎转速和电池电压；输出为当前车辆状态对应的故障概率预测值。 模型的核心运算过程如下：特征转换层：H = ReLU(W₁ × X + b₁)。其中，X为输入向量，包含发动机温度、引擎转速、电池电压；W₁和b₁为第一层的权重和偏置；ReLU为修正线性单元函数，H为隐层特征表示。故障概率输出：P̂ = Sigmoid(W₂ × H + b₂) × 100。其中，P̂为故障概率（百分比），W₂和b₂为输出层参数，Sigmoid函数将结果映射至[0,1]区间，并乘以100转为百分比输出。模型性能通过以下两个指标评估：平均绝对误差（MAE） = 平均值（|P̂ - P|）。AUC值（Area Under Curve）表示在所有正负样本中，正确排序的概率，值越接近1表示模型性能越优。其中，P为实际故障概率（从历史标签中得出），P̂为模型预测结果。
-
更新频次
按需更新
-
存证平台
浙江省知识产权区块链公共存证平台
