2023年4月21日，在江蘇溧陽(yáng)舉辦的“2023智能制造知識(shí)應(yīng)用創(chuàng)新高峰論壇”上，中國(guó)工程院院士、北京理工大學(xué)教授孫逢春委托北京理工大學(xué)副教授張照生做主題演講，本文是根據(jù)演講內(nèi)容整理而成。

　　一、研究背景與思路

　　當(dāng)前，新能源汽車(chē)已成為交通領(lǐng)域“中國(guó)制造”的新名片。據(jù)公安部統(tǒng)計(jì)，截至2022年底，全國(guó)新能源汽車(chē)保有量達(dá)1310萬(wàn)輛，同時(shí)，我國(guó)新能源汽車(chē)整體處于國(guó)際先進(jìn)水平，包括整車(chē)產(chǎn)銷(xiāo)量全球第一、充電設(shè)施數(shù)量全球第一、動(dòng)力電池銷(xiāo)量全球第一。

　　隨著新能源汽車(chē)的高速發(fā)展，車(chē)輛安全已成為社會(huì)關(guān)注熱點(diǎn)和焦點(diǎn)。近幾年，新能源汽車(chē)自燃起火事故頻發(fā)，令消費(fèi)者產(chǎn)生了安全焦慮，也制約了汽車(chē)產(chǎn)業(yè)發(fā)展?？梢哉f(shuō)，安全是事關(guān)新能源汽車(chē)產(chǎn)業(yè)發(fā)展的第一要?jiǎng)?wù)。

新能源汽車(chē)起火自燃事故頻發(fā)，車(chē)輛安全已成為社會(huì)關(guān)注熱點(diǎn)和焦點(diǎn)

　　對(duì)于新能源汽車(chē)的安全運(yùn)行，我們總結(jié)出影響安全的三個(gè)問(wèn)題：故障診斷、風(fēng)險(xiǎn)預(yù)警、協(xié)同防控；并梳理出四個(gè)方面的具體原因，包括要素（感知哪些要素對(duì)新能源汽車(chē)安全運(yùn)行存在影響）、零部件（如何及時(shí)發(fā)現(xiàn)電池、電機(jī)、電控故障）、整車(chē)（安全預(yù)警如何提前評(píng)估）、行車(chē)（如何及時(shí)判別安全隱患），依次展開(kāi)研究。

　　研究思路是從實(shí)現(xiàn)安全要素、零部件安全到整車(chē)安全、行車(chē)安全到形成綜合協(xié)同防控。涵蓋突破安全要素特征感知、關(guān)鍵零部件健康狀態(tài)評(píng)估、整車(chē)安全態(tài)勢(shì)預(yù)警、行駛安全隱患聯(lián)網(wǎng)緝查等科學(xué)問(wèn)題，突破立體化監(jiān)測(cè)、智能化研判、全方位預(yù)警、精準(zhǔn)化管控等關(guān)鍵技術(shù)，達(dá)到在線(xiàn)監(jiān)測(cè)、聯(lián)動(dòng)研判、動(dòng)態(tài)預(yù)警、智能控制等相關(guān)功能，并最終建成覆蓋全地域、全品牌、全車(chē)型的國(guó)家新能源汽車(chē)安全運(yùn)行防控與決策支撐平臺(tái)；實(shí)現(xiàn)新能源汽車(chē)跨部門(mén)監(jiān)控信息共享應(yīng)用，通過(guò)運(yùn)行全過(guò)程監(jiān)測(cè)和風(fēng)險(xiǎn)協(xié)同防控，保障新能源汽車(chē)全生命周期安全運(yùn)行。

　　本研究是由北京理工大學(xué)和公安部武警所共同開(kāi)展，旨在從端、網(wǎng)、云三個(gè)層面，打通工信部的新能源汽車(chē)國(guó)家監(jiān)管平臺(tái)和公安部的全國(guó)公安交通集成指揮平臺(tái)，將車(chē)輛的運(yùn)行監(jiān)測(cè)、隱患排查、安全預(yù)警和公安的布控、執(zhí)法等結(jié)合起來(lái)，以減少新能源汽車(chē)事故的發(fā)生。

　　二、技術(shù)創(chuàng)新與成效

　　接下來(lái)，將圍繞安全要素感知、零部件健康狀況診斷、整車(chē)安全風(fēng)險(xiǎn)及時(shí)預(yù)警、行車(chē)隱患精準(zhǔn)防控四個(gè)方面展開(kāi)詳細(xì)介紹。包括如何突破云端大數(shù)據(jù)驅(qū)動(dòng)的新能源汽車(chē)安全運(yùn)行關(guān)鍵技術(shù)，實(shí)現(xiàn)監(jiān)測(cè)與管控的協(xié)同，保障熱失控的防控，減少事故的發(fā)生，實(shí)現(xiàn)新能源汽車(chē)安全防控從被動(dòng)監(jiān)測(cè)、事后處置，到主動(dòng)預(yù)警、精準(zhǔn)管控的變革。

　　1 安全要素感知

　　目前，采集的安全要素主要是電壓、電流、溫度等，維度較低。另外，對(duì)安全要素的量化較弱，研究不夠透徹，導(dǎo)致風(fēng)險(xiǎn)感知干擾因素多、特征復(fù)雜，安全要素感知難?；诖?#xff0c;提出了安全要素特征識(shí)別與風(fēng)險(xiǎn)感知溯源技術(shù)。

安全要素感知現(xiàn)狀

　　在安全要素提取方面，結(jié)合新能源汽車(chē)國(guó)家監(jiān)管平臺(tái)1300余萬(wàn)輛車(chē)輛的數(shù)據(jù)，進(jìn)行多元異構(gòu)數(shù)據(jù)的解析校驗(yàn)、數(shù)據(jù)清洗與重構(gòu)、存儲(chǔ)及平臺(tái)化應(yīng)用，并進(jìn)一步通過(guò)離散卷積小波變換等方法，發(fā)明了車(chē)輛數(shù)據(jù)的高階微分特征識(shí)別技術(shù)，提取與風(fēng)險(xiǎn)密切相關(guān)的30種安全要素，最終突破了全量數(shù)據(jù)驅(qū)動(dòng)的安全要素全面提取技術(shù)瓶頸。

　　在安全特征識(shí)別方面，克服了多因素干擾下數(shù)據(jù)無(wú)法判定風(fēng)險(xiǎn)、安全要素?zé)o量綱化為[0，1]、多安全要素耦合感知風(fēng)險(xiǎn)等問(wèn)題，提出新能源汽車(chē)安全要素的時(shí)間、空間和對(duì)象歸一量化方法，構(gòu)建無(wú)量綱-多維度風(fēng)險(xiǎn)智能強(qiáng)化感知算法，實(shí)現(xiàn)了跨時(shí)-空-對(duì)象的安全要素量化與多維度風(fēng)險(xiǎn)感知。

　　在安全溯源方面，構(gòu)建了國(guó)內(nèi)最大的新能源汽車(chē)事故數(shù)據(jù)庫(kù)，并從中提出數(shù)據(jù)模式與專(zhuān)家知識(shí)聯(lián)合診斷風(fēng)險(xiǎn)車(chē)輛典型故障的方法，如自放電異常、連接異常等專(zhuān)家聯(lián)合診斷的風(fēng)險(xiǎn)故障診斷方法，構(gòu)建以典型故障模式匹配與溯源為特色的安全要素知識(shí)庫(kù)。目前，典型故障識(shí)別準(zhǔn)確率95%，實(shí)現(xiàn)了新能源汽車(chē)典型故障的識(shí)別及溯源。

　　2 零部件故障診斷

　　目前，新能源汽車(chē)的車(chē)型有8000多種，每個(gè)車(chē)型應(yīng)用的零部件品牌又不一樣，導(dǎo)致部件類(lèi)型較多，挖掘方法千差萬(wàn)別，參數(shù)提取繁雜；另外受環(huán)境、地域、季節(jié)，老化程度等因素影響，數(shù)據(jù)多維關(guān)聯(lián)、時(shí)空交錯(cuò)，造成故障精準(zhǔn)預(yù)測(cè)難。因此，提出了車(chē)輛關(guān)鍵零部件全生命周期故障診斷技術(shù)

零部件故障診斷現(xiàn)狀

　　在關(guān)鍵部件安全特征挖掘方面，結(jié)合1300多萬(wàn)輛新能源汽車(chē)的數(shù)據(jù)，開(kāi)展關(guān)鍵部件的挖掘，進(jìn)行多維度安全特征提取，并構(gòu)建了覆蓋全車(chē)型關(guān)鍵零部件的多季節(jié)、多地域、多層次安全特征數(shù)據(jù)庫(kù)，及大數(shù)據(jù)驅(qū)動(dòng)的全車(chē)型、多地域關(guān)鍵零部件安全評(píng)估體系。

　　在安全健康狀態(tài)評(píng)估方面，把實(shí)驗(yàn)室的數(shù)據(jù)和實(shí)時(shí)數(shù)據(jù)進(jìn)行結(jié)合，用實(shí)驗(yàn)室數(shù)據(jù)標(biāo)定實(shí)時(shí)數(shù)據(jù)的方法，發(fā)現(xiàn)關(guān)鍵零部件全生命周期安全性能演化規(guī)律；還提出了全生命周期關(guān)鍵零部件健康狀態(tài)評(píng)估方法。目前，對(duì)電池、電機(jī)、電控評(píng)估準(zhǔn)確度都達(dá)到80%以上。

　　在關(guān)鍵零部件故障診斷方面，提出了值率模型的診斷體系，其已得到行業(yè)的普遍認(rèn)可。值率體系計(jì)算速度快，配合剛提到的特征數(shù)據(jù)庫(kù)可及時(shí)找到關(guān)鍵零部件故障閾值和變化率，實(shí)現(xiàn)車(chē)端的實(shí)時(shí)故障狀態(tài)診斷；模型的計(jì)算比較復(fù)雜，主要放在云端，可用于長(zhǎng)時(shí)間尺度安全風(fēng)險(xiǎn)預(yù)測(cè)。當(dāng)前，關(guān)鍵零部件故障診斷準(zhǔn)確率達(dá)到92.64%，故障預(yù)警率達(dá)到80%以上，實(shí)現(xiàn)了故障報(bào)警到安全風(fēng)險(xiǎn)預(yù)警的突破。

　　3 整車(chē)風(fēng)險(xiǎn)預(yù)警

　　由于整車(chē)涉及到所有的零部件，風(fēng)險(xiǎn)質(zhì)因更復(fù)雜，運(yùn)行工況多變；另外，在車(chē)端和云端發(fā)現(xiàn)的故障問(wèn)題，融合方法不明確，不能進(jìn)行同步交互，導(dǎo)致整車(chē)風(fēng)險(xiǎn)影響因素多機(jī)理難量化，運(yùn)行風(fēng)險(xiǎn)預(yù)警難。針對(duì)以上問(wèn)題，提出了端云融合的車(chē)輛運(yùn)行風(fēng)險(xiǎn)評(píng)估預(yù)警技術(shù)。

整車(chē)風(fēng)險(xiǎn)預(yù)警現(xiàn)狀

　　在安全評(píng)價(jià)體系方面，構(gòu)建了覆蓋主動(dòng)、被動(dòng)、部件及運(yùn)行安全四個(gè)維度的新能源汽車(chē)安全評(píng)價(jià)體系；建立了包含4類(lèi)要素的安全評(píng)價(jià)數(shù)據(jù)庫(kù)，大數(shù)據(jù)挖掘提取關(guān)鍵要素；采用熵值法、貝葉斯網(wǎng)絡(luò)進(jìn)行權(quán)重計(jì)算和指標(biāo)有效性驗(yàn)證。

　　在整車(chē)安全感知方面，開(kāi)展了自然駕駛實(shí)驗(yàn)，實(shí)時(shí)采集工況數(shù)據(jù)，并結(jié)合相關(guān)性分析，解析關(guān)鍵部件參數(shù)與行車(chē)工況耦合機(jī)理，揭示新能源汽車(chē)行車(chē)工況與關(guān)鍵部件實(shí)時(shí)狀態(tài)間的映射關(guān)系；針對(duì)整車(chē)安全，提出了耦合運(yùn)行工況的新能源汽車(chē)整車(chē)安全狀態(tài)感知方法，通過(guò)耦合工況將部件狀態(tài)映射到整車(chē)運(yùn)行安全等級(jí)，其中安全等級(jí)標(biāo)定為安全、低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)四級(jí)，實(shí)現(xiàn)了新能源汽車(chē)運(yùn)行安全狀態(tài)分類(lèi)、分級(jí)精準(zhǔn)感知。

　　在運(yùn)行風(fēng)險(xiǎn)預(yù)警方面，研發(fā)了新能源汽車(chē)端網(wǎng)云一體化風(fēng)險(xiǎn)預(yù)警裝備及系統(tǒng)，其采集數(shù)據(jù)頻率更高、更及時(shí)、更智能，并為整個(gè)體系提供了完備的數(shù)據(jù)。在此基礎(chǔ)上，采用神經(jīng)網(wǎng)絡(luò)融合運(yùn)行參數(shù)，建立了熱失控、動(dòng)力喪失等車(chē)端風(fēng)險(xiǎn)預(yù)警模型。如今，熱失控、部件故障、動(dòng)力喪失、駕駛行為、區(qū)域運(yùn)行5類(lèi)風(fēng)險(xiǎn)預(yù)警準(zhǔn)確率均超過(guò)70%，突破了全息全時(shí)域運(yùn)行風(fēng)險(xiǎn)精準(zhǔn)預(yù)警關(guān)鍵技術(shù)。

　　4 運(yùn)行風(fēng)險(xiǎn)緝查

　　由于運(yùn)行車(chē)輛主要通過(guò)交警部門(mén)的卡口進(jìn)行監(jiān)控，缺乏實(shí)時(shí)跟蹤，車(chē)輛運(yùn)行數(shù)據(jù)時(shí)效性差，對(duì)車(chē)輛的處置針對(duì)性也偏低。另外，受車(chē)輛運(yùn)場(chǎng)景的變化，如極端路況、惡劣天氣等，導(dǎo)致車(chē)輛場(chǎng)景時(shí)變隱患交織，運(yùn)行風(fēng)險(xiǎn)緝查難。為此，提出了安全風(fēng)險(xiǎn)協(xié)同緝查與聯(lián)動(dòng)管控技術(shù)。

運(yùn)行風(fēng)險(xiǎn)緝查現(xiàn)狀

　　在應(yīng)用場(chǎng)景智能化協(xié)同方面，打通了新能源汽車(chē)國(guó)家監(jiān)管平臺(tái)和交通集成指揮平臺(tái)，實(shí)現(xiàn)了兩個(gè)平臺(tái)間數(shù)據(jù)共享和傳輸。對(duì)于數(shù)據(jù)的共享應(yīng)用，提出了基于算力時(shí)效按需共享新能源汽車(chē)監(jiān)控?cái)?shù)據(jù)的應(yīng)用場(chǎng)景；對(duì)于數(shù)據(jù)傳輸，實(shí)現(xiàn)了結(jié)構(gòu)化數(shù)據(jù)每條交換時(shí)間平均0.496s。該應(yīng)用突破了新能源汽車(chē)監(jiān)控信息共享應(yīng)用場(chǎng)景智能化協(xié)同技術(shù)瓶頸。

　　在跨時(shí)空運(yùn)行風(fēng)險(xiǎn)研判方面，構(gòu)建了行為、環(huán)境、事故三者的關(guān)聯(lián)模型，建立了新能源汽車(chē)運(yùn)行風(fēng)險(xiǎn)數(shù)據(jù)庫(kù)，實(shí)現(xiàn)了交通行為與環(huán)境及事故關(guān)聯(lián)率達(dá)92.39%，突破了跨時(shí)空?qǐng)鼍暗男履茉雌?chē)運(yùn)行風(fēng)險(xiǎn)全程研判技術(shù)瓶頸。

　　在安全隱患精準(zhǔn)管控方面，集成了兩大基礎(chǔ)平臺(tái)的數(shù)據(jù)算法，通過(guò)對(duì)車(chē)輛安全風(fēng)險(xiǎn)、道路交通安全風(fēng)險(xiǎn)的綜合評(píng)判，實(shí)現(xiàn)新能源汽車(chē)安全隱患預(yù)警，已在北京冬奧會(huì)和嘉興百年黨慶實(shí)現(xiàn)了相關(guān)應(yīng)用。該應(yīng)用突破了新能源汽車(chē)運(yùn)行風(fēng)險(xiǎn)全網(wǎng)緝查和車(chē)路聯(lián)動(dòng)預(yù)警技術(shù)瓶頸。

　　基于以上技術(shù)突破、知識(shí)積累，以及新能源汽車(chē)國(guó)家監(jiān)管平臺(tái)和全國(guó)公安交通集成指揮平臺(tái)兩大基礎(chǔ)平臺(tái)的打通，構(gòu)建了新能源汽車(chē)安全運(yùn)行協(xié)同防控平臺(tái)。該平臺(tái)具有四大功能：立體化監(jiān)測(cè)、全方位預(yù)警、智能化研判、精準(zhǔn)化管控，打破工信-公安數(shù)據(jù)壁壘，保障了新能源汽車(chē)安全“感知-防控”協(xié)同。

　　其中，立體化監(jiān)測(cè)之所以稱(chēng)為立體化，是因?yàn)槠鋵?shí)現(xiàn)了運(yùn)行、充電、停車(chē)三個(gè)維度的監(jiān)測(cè)。例如，車(chē)輛運(yùn)行中，實(shí)現(xiàn)了部件至整車(chē)，單車(chē)至區(qū)域，時(shí)點(diǎn)至?xí)r序的全方位運(yùn)行監(jiān)測(cè)；充電過(guò)程，實(shí)現(xiàn)了充電全參數(shù)信息，全空間信息，全周期信息的多維度監(jiān)測(cè)；停車(chē)過(guò)程中，實(shí)現(xiàn)了停放數(shù)據(jù)縱向挖掘，橫向分析的深層次停車(chē)監(jiān)測(cè)。針對(duì)立體化監(jiān)測(cè)，開(kāi)發(fā)了相關(guān)的支撐系統(tǒng)，形成了從數(shù)據(jù)處理、事故分析到要素提取、知識(shí)集成閉環(huán)支撐立體化監(jiān)測(cè)的能力。

　　智能化研判則從整車(chē)、零部件、行車(chē)三個(gè)層面開(kāi)展了狀態(tài)研判研究工作，包括電池狀態(tài)、電機(jī)狀態(tài)、電控狀態(tài)，整車(chē)車(chē)輛聚集狀態(tài)、使用行為等，并開(kāi)發(fā)了特征量化、健康評(píng)估、故障診斷、安全感知聯(lián)動(dòng)支撐的智能化研判系統(tǒng)，實(shí)現(xiàn)了零部件-整車(chē)-運(yùn)行三維安全狀態(tài)耦合分析與智能化研判。

　　全方位預(yù)警，包括針對(duì)零部件，開(kāi)展了針對(duì)電池、電機(jī)、電控關(guān)鍵零部件安全預(yù)警的研究；對(duì)于整車(chē)，主要研究熱失控、動(dòng)力喪失、區(qū)域運(yùn)行等安全風(fēng)險(xiǎn)；開(kāi)發(fā)了新能源汽車(chē)運(yùn)行安全評(píng)價(jià)數(shù)據(jù)庫(kù)、新能源汽車(chē)運(yùn)行安全狀態(tài)感知系統(tǒng)、端網(wǎng)云一體化的運(yùn)行風(fēng)險(xiǎn)評(píng)估及預(yù)警系統(tǒng)，并構(gòu)建了4個(gè)維度安全評(píng)價(jià)、4種整車(chē)狀態(tài)感知和5類(lèi)風(fēng)險(xiǎn)端云融合評(píng)估協(xié)同支撐全方位預(yù)警。目前，電池、電機(jī)、電控等關(guān)鍵零部件故障診斷準(zhǔn)確率均已超過(guò)80%；熱失控、動(dòng)力喪失、區(qū)域運(yùn)行三個(gè)方面的預(yù)警準(zhǔn)確率也都超過(guò)80%。

　　精準(zhǔn)化管控，主要圍繞整車(chē)開(kāi)展行車(chē)軌跡、隱患分析、路況態(tài)勢(shì)、車(chē)輛分布的研究，開(kāi)發(fā)了路面運(yùn)行風(fēng)險(xiǎn)全程研判系統(tǒng)、安全風(fēng)險(xiǎn)精準(zhǔn)管控系統(tǒng)、分層遞階的端網(wǎng)云通信系統(tǒng)、端網(wǎng)云信息協(xié)同決策系統(tǒng)。通過(guò)研判系統(tǒng)—管控裝備，平臺(tái)互通—端云協(xié)同多層協(xié)作支撐精準(zhǔn)化管控，已實(shí)現(xiàn)跨時(shí)空運(yùn)行風(fēng)險(xiǎn)全程研判、車(chē)路安全風(fēng)險(xiǎn)協(xié)同管控，車(chē)輛安全隱患查處率超過(guò)90%，隱患車(chē)輛布控有效率達(dá)99%。

　　三、成果應(yīng)用與價(jià)值

　　端網(wǎng)云融合的新能源汽車(chē)安全運(yùn)行協(xié)同防控技術(shù)已在多行業(yè)、多產(chǎn)業(yè)應(yīng)用推廣。例如，北京冬奧會(huì)期間對(duì)運(yùn)輸服務(wù)車(chē)輛和社會(huì)車(chē)輛進(jìn)行分類(lèi)分級(jí)管理，實(shí)現(xiàn)對(duì)重點(diǎn)車(chē)輛的安全監(jiān)測(cè)和監(jiān)管，保證車(chē)輛的安全運(yùn)行，其應(yīng)用效果得到了冬奧組委高度評(píng)價(jià)。

　　在滬寧高速無(wú)錫段開(kāi)展了車(chē)輛管控示范，包括對(duì)3萬(wàn)余輛新能源汽車(chē)、11種車(chē)型，實(shí)現(xiàn)了預(yù)警示范等多項(xiàng)聯(lián)動(dòng)交互，該案例是平臺(tái)的首次實(shí)戰(zhàn)應(yīng)用。還包括在嘉興百年黨慶期間，通過(guò)跨公安部、工信部網(wǎng)絡(luò)協(xié)同的車(chē)輛管控，為交通運(yùn)行提供保障；電池安全預(yù)警及監(jiān)控系統(tǒng)已成功應(yīng)用于北京公交集團(tuán)，實(shí)現(xiàn)了120余輛新能源公交客車(chē)的提前預(yù)警。

　　此外，新能源汽車(chē)安全運(yùn)行協(xié)同防控平臺(tái)構(gòu)建的共性技術(shù)已在船舶、重型柴油車(chē)、動(dòng)力電池、特種設(shè)備、電動(dòng)飛機(jī)等多產(chǎn)業(yè)輻射推廣。

圖 平臺(tái)構(gòu)建共性技術(shù)已在多產(chǎn)業(yè)輻射推廣