СИСТЕМА ПРОГНОЗУВАННЯ СТАНУ АВТОМОБІЛЯ НА ОСНОВІ СТАТИСТИЧНИХ ДАНИХ ДІАГНОСТИЧНОГО РОЗ’ЄМУ OBD-II
DOI:
https://doi.org/10.31498/2522-9990232020241201Ключові слова:
машинне навчання, кореляція, прогнозування, інтелектуально-статистична модель, OBD-II, метод Arima, транспортний засібАнотація
Визначення стану автомобіля полягає в знаходженні несправностей в роботі окремих вузлів на основі корелюючих показників, що надаються роз'ємом OBD-II і на основі отриманої інформації робити висновок про несправності агрегату. Робота транспортних засобів постійно контролюється за фізичними параметрами, такі вимірювання отримуються електронними датчиками і передаються через внутрішній протокол зв'язку автомобіля до головного блоку управління для подальшої обробки. Грунтуючись на даних показниках можлива побудова інтелектуально-статистичної моделі, яка може визначати і прогнозувати стан автомобільного вузла в часі. Робота присвячена створенню інтелектуально-статистичної моделі та візуалізації кореляції значень з використанням сучасних методів машинного навчання (метод інтегрованої моделі авторегресії ARIMA) і застосування даних знань для побудови алгоритму. Проведено огляд основних статей які відносяться до теми роботи. Розглянуто основні етапи побудови моделі і візуалізації для більш точного результату. Проведено моделювання на вибірці даних з роз'єму OBD-II за певний проміжок часу, для перевірки гіпотези, а також побудована математична модель. Моделювання проводилося на реальних даних отриманих з автомобіля. Розроблено багатоплатформовий додаток який використовує результати моделювання для визначення несправності автомобільного агрегату за допомогою проаналізованих даних отриманих з роз'єму OBD-II. Наведено результати роботи додатку, інформаніцю для якого було взято з часового ряду, який використовувався для побудови моделі. Зроблено висновок про можливість застосування методу прогнозування часових рядів для побудови комплексної системи оцінки стану агрегату за отриманими даними через протокол з'єднання з автомобілем, яка буде застосовна в більшості випадків.
Посилання
Implementation of integrated OBD-II connector with external network, Sung hyun Baek Jong-Wook Jang (2019)
Diagnostics vehicle's condition using obd-ii and raspberry pi technology: study literature J V Moniaga1, S R Manalu1, D A Hadipurnawan and F Sahidi
Tamer Abukhalil, Harbi AlMahafzah, Malek Alksasbeh and Bassam A. Y. Alqaralleh. Fuel Consumption Using OBD-II and Support Vector Machine Model
OBD-II sensor diagnostics for monitoring vehicle operation and consumption Dimitrios Rimpas, Andreas Papadakis, Maria Samarakou
Sales forecasting newspaper with ARIMA: A case study (2018). Carina Intan Permatasaria, Wahyudi Sutopob and Muh. Hisjamc. Department of Industrial Engineering, Faculty of Engineering, Sebelas Maret University, Surakarta 57126, Indonesia
J. Fattah, L. Ezzine, Z. Aman, H. El Moussami, A. Lachhab. Forecasting of demand using ARIMA model Int. J. Eng. Bus. Manag (2018)
