基于人工智能的电动汽车火灾事故后综合判断方法.docx

《基于人工智能的电动汽车火灾事故后综合判断方法.docx》由会员分享，可在线阅读，更多相关《基于人工智能的电动汽车火灾事故后综合判断方法.docx（14页珍藏版）》请在第一文库网上搜索。

1、CN 114358663 A说明书3/8页基于人工智能的电动汽车火灾事故后综合判断方法技术领域0001本发明属于新能源汽车安全性技术领域，具体涉及基于人工智能的电动汽车火灾事故后综合判断方法。背景技术0002根据不完全统计，在2020年1-12月期间被媒体报道的烧车事故共124起，其中7月、8月、9月的事故数占全年事故的49虬总体来看，可能存在的原因和特点包括：1 .车辆基数变大2 .从事故统计来看，发生事故的车型往往集中在几种车型上。即使新的电池安全性已很大提升，但存量的高危车型还是一片雷区，直到这些车逐步退出使用隐患才会消除。3.到目前为上，行业内还没有形成一套完善的电池故障缺陷监控发现和

2、召回处理机制。0003电动汽车发生火灾事故后，为了调查火灾事故成因，一般需要先确定起火部位，再根据起火部位的零部件损坏情况及相关零部件工作原理后对起火原因进行分析；根据西华大学-西华交通司法鉴定中心对于新能源火灾车的多起事故调查后发现，目前对于起火部位的确定主要依靠调查人员的经验，尤其是现场环境较为复杂，车辆烧损比较严重的情况下，无法快速确定起火部位及火势蔓延趋势，没有一个可以快速判断起火部位的方法；对于目前大多数电动汽车，其动力电池位于底盘下方，而传统的调查方式更多用于燃油车，传统的火灾调查过程也与新能源电动车的火灾调查过程有较大的区别，没有一个可以快速判断是否为动力电池起火的调查方法。发明

3、内容0004本发明的目的是提供基于人工智能的电动汽车火灾事故后综合判断方法。0005为实现上述发明目的，本发明所采用的技术方案是：1 .一种基于人工智能的电动汽车火灾事故后综合判断方法，其特征在于：包括如下步骤：S1、建立正常状态电动汽车原始数据库；S2、采集并建立烧损车辆的实时数据库；S3、查找烧损车辆的BMS电池管理系统并检测BMS是否被烧损，若被烧损或无法通电运行，则进入S4,若未被烧损且可以通电运行，则进入S5；S4、对烧损车辆进行现场调查，并将S1的原始数据库与S2的实时数据库进行比对，结合最终调查结果判断出起火部位；S5、查DBMS内存储的数据信息，判断起火类型，若起火类型为动力电

4、池起火，则进入S6,若不是动力电池起火，则进入S4；S6、中MS记载的各电动汽车电池温度利用装置的温度变化值，确定具体的动力电池起火位置；所述S1中建立正常状态电动汽车原始数据库的方法为：S11、使用激光扫描仪或摄像头式扫描仪，在三维模型软件中建立正常状态电动汽车的参数化模型；S12、图像识别或人工识别方式提取正常状态下电动汽车车身上漆层颜色并确定漆层色号，将漆层色号植入S11的参数化模型中形成原始数据库，一个参数化模型对应一个漆层色号或多个漆层色号；S13、在参数化模型中以汽车纵向中心竖直平面，将汽车分为左半区域和右半区域；沿汽车前后方向，将汽车分为发动机舱区域、乘员舱前排区域、乘员舱后排区

5、域、行李舱区域；沿汽车垂向方向，将汽车车窗玻璃下沿以上区域划分为上部区域，将汽车车门下边梁以下区域划分为底部区域，将上部区域和底部区域之间区域划分为中间区域；所述S2中建立烧损车辆实时数据库方法为：S21、对事故车的车身外表面分别拍摄两侧侧视图、俯视图、前视图、后视图，然后升起车身，拍摄底盘仰视图，形成第一照片组；S22、对事故车的车身发动机舱、乘员舱、行李舱内部拍摄多个角度的照片，形成第二照片组；所述S4步骤中，将S1的原始数据库与S2的实时数据库进行比对的方法为：S41、利用图像深度学习与识别算法，提取S12存储的漆层色号，对第一照片组、第二照片组分别进行识别，找出漆层颜色发生变化的区域；

6、S42、第41确定的区域植入S13划定的区域中，并且在S13划定的区域中找出该区域中漆层变化区域面积与该区域中漆层总面积之比最大的一个或两个区域作为疑似起火区域。0006优选的，所述步骤S4中，还包括零部件受损程度判断，零部件受损程度判断方法为：所述的S41步骤中，还找出烧损车辆三维模型在火灾中被烧损或灭失的零部件，并在S1中建立的参数化模型中将该被烧损或灭失的零部件位置所在区域标注为烧损零件区域,提取所有烧损零件区域内各零部件的熔点，将熔点最高的零部件所在的烧损零件区域标记为零件高温区；所述的S42步骤中，若疑似起火区与零件高温区为同一个区域，则该区域为起火区域,并进入步骤S44；若不为同一

7、个区域，则将疑似起火区域、零件高温区域均标记为待确定区，并进入S43；S43、调查人员判断待确定区是否为起火区并将结果输入烧损车辆的实时数据库，如果待确定区域为起火区，则进入S44,如果待确定区域不是起火区，则结束并输出结果暂无法确定起火区；S44、调查人员判断起火区域所在位置，若起火区域位于车辆底部，则进入S45,地火区域不位于底部，则进入S46；S45、调查人员判断是否为动力电池起火，若是动力电池起火，则输出结果为动力电池起火，若不是电池起火，则进入S46；S46、在原始数据库中寻找该区域中原有的原始零件中的易燃零件，根据易燃零件的燃烧类型输出疑似起火类型。22CN 114358663 A

8、说明书7/8 页0007优选的，所述的S46步骤中，易燃零件包括电器线束、储液罐、高温部件，易燃零件的燃烧类型包括电器线束短路，储液罐泄露、高温部件引燃。0008优选的，所述的S5步骤中，查阅BMS内存储的数据信息并对起火类型进行判断时的判断过程如下：首先，将BMS从烧损车辆上拆下，然后将BMS与数据终端进行通讯连接，利用数据终端对BMS中记载的数据信息进行读取，然后从已经读取的数据中找出异常的数据信息，根据异常数据信息判断该数据信息是否是温度利用装置记载的，如果是温度利用装置记载的则进入S6,如果不是温度利用装置记载的，则进入S4。0009优选的，所述S2步骤中，还使用三维激光扫描建模或倾斜

9、摄影建模的方法创建烧损车辆三维模型。0010 本发明具有以下有益效果：本发明所述的方法首先建立车辆正常状态下的原始数据库，然后判断烧损车辆的BMS是否被烧损，若未被烧损，则调查BMS中记录的数据，并最终确定起火部位，若被烧损，则建立事故车的事实数据库，将事故车的实时数据库与原始数据库进行比对，然后根据事故车的漆色变化度、烧损或灭失零部件的位置等信息判断出疑似起火区，接下来，在疑似起火区根据漆色变化以及存在的熔点最高的零件判断出起火区，再根据起火区所在位置最终判断出起火类型，通过这一过程，使得本发明实现了对起火区域进行快速确定的目的，由传统的人工判断方式改为人工判断与图像深度学习识别相结合的方式

10、，大大提高了火灾事故车辆的起火部位判断效率，且降低了对相应专业人员的要求，特别适用于交通事故火灾调查领域。附图说明0011图1为本发明所述方法的流程图；图2为发生燃烧事故后的某电动车状态图；图3为图2的发动机舱状态图；图4为图2的乘员舱前排状态图；图5为图2的乘员舱后排状态图；图6为图2的底盘烧损情况状态图；图7为图2的动力电力布置图。具体实施方式0012下面结合本发明的优选实施例对本发明做进一步地详细、准确说明，但本发明的实施方式不限于此。0013因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域

11、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。0014应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。0015在本发明的描述中，需要说明的是，术语“第一”、“第二”第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。0016术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特

12、定的方位构造和操作，因此不能理解为对本发明的限制。0017 此外，“垂直”等术语并不表示要求部件之间绝对垂直，而是可以稍微倾斜。如“垂直”仅仅是指其方向相对而言更加垂直，并不是表示该结构一定要完全垂直，而是可以稍微倾斜。0018 在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”等应做广义理解。例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。实施例0019如图

13、1所示，一种基于人工智能的电动汽车火灾事故后综合判断方法，包括如下步骤:S1、建立正常状态电动汽车原始数据库；S2、采集并建立烧损车辆的实时数据库；S3、查找烧损车辆的BMS电池管理系统并检测BMS是否被烧损，若被烧损或无法通电运行，则进入S4,若未被烧损且可以通电运行，则进入S5；S4、对烧损车辆进行现场调查，并将S1的原始数据库与S2的实时数据库进行比对，结合最终调查结果判断出起火部位；S5、查阅BMS内存储的数据信息，判断起火类型，若起火类型为动力电池起火，则进入S6,若不是动力电池起火，则进入S4；S6、本期MS记载的各电动汽车电池温度利用装置的温度变化值，确定具体的动力电池起火位置；

14、本步骤中，首先需要说明的是，BMS中的数据信息记录但不限于记录如下信息：各个温度利用装置的位置信息、各个温度利用装置的编号、各个温度利用装置在进行工作时所监测的数据信息等。0020查阅BMS内存储的数据信息并对起火类型进行判断时，具体的判断过程如下：首先,将BMS从烧损车辆上拆下，然后将BMS与数据终端（如笔记本电脑、PC、手机等设备）进行通讯连接，利用数据终端对BMS中记载的数据信息进行读取，然后从已经读取的数据中找出异常的数据信息，根据异常数据信息判断该数据信息是否是温度利用装置记载的，如果是温度利用装置记载的则进入S6,如果不是温度利用装置记载的，则进入S4。通过这一过程，便使得本发明在

15、对发动机起火部位进行寻找和判断时，不再向常规技术一样，仅能通过调查人员的个人经验进行判断，即提升了结果的准确率和权威性，又减少了调查人员的工作量，有效提升了调查效率，减少了得出调查结果的时间。0021S6、中MS记载的各电动汽车电池温度利用装置的温度变化值，确定具体的动力电池1起火位置。0022 本步骤中，当采用S5所述步骤判断出起火原因是动力电池1起火之后，便从BMS中找出记载该异常信息的温度利用装置所在位置，进而确定动力电池1的具体起火位置。0023 所述步骤S1包括如下步骤：S11、使用激光扫描仪或摄像头式扫描仪，在三维模型软件中建立正常状态电动汽车的参数化模型；S12、提取正常状态下电动汽车车身上漆层颜色并确定漆层色号，将漆层色号植入S11的参数化模型中形成原始数据库，一个参数化模型对应一个漆层色号或多个漆层色号；S13、在参数化模型中以汽车纵向中心竖直平面，将汽车分为左半区域和右半区域；沿汽车前后方向，将汽车