[发明专利]一种城市公共自行车故障的模糊识别方法

摘要

本发明公开了一种城市公共自行车故障的模糊识别方法，使用模糊识别算法，不需要使用任何定制的故障自动检测装置，不需要值班工作人员人工检测的情况下，判断车辆是否故障，并对故障进行分级，便于维修人员快速定位故障车辆、并合理安排维修次序。简单可行、成本低、可信度高，具有良好的经济和社会效益。

主权项

1.一种城市公共自行车故障的模糊识别方法，其特征在于：在不使用任何定制的故障自动检测装置、值班工作人员的人工检测的情况下，模糊识别车辆是否故障，并对故障情况进行分级，从而便于维修人员快速定位故障车辆、并合理安排维修次序，具体步骤如下：(1)租车点平均周转率计算租车点每天所有停车桩子的租借/归还操作的次数总和停车桩子的总数，用公式：η=Σi=1NleaseiN]]>其中N为租车点停车桩子总数，lease_i为每个停车转子的租借/归还操作的次数，周转率η越高，说明该租车点当天车辆使用率高，一般情况下，采用几个月、或者一年左右的每天周转率做平均得到平均周转率(2)选择模糊识别模块如果平均周转率则平均周转率极低，这样的租车点使用人数很低，无法识别；如果平均周转率则平均周转率较低，选用“车辆使用满意度”模糊识别模块；如果平均周转率则平均周转率较高，选用“车辆故障明显度”模糊识别模块；(3)“车辆使用满意度”模糊识别模块模糊化过程；(4)记录车辆租借/归还时间间隔，所谓“车辆租借/归还时间间隔”是指车辆完成租借操作之后到归还操作之间的时间间隔；(5)计算隶属度，选择隶属度函数为：μ(Δt)=1-e-(Δt-T0)Δt>T00Δt≤T0]]>式中，车辆租借/归还时间间隔Δt小于一个阈值T₀时，可以认为使用者刚租借车辆就发现车辆无法使用，直接归还，因此满意度为0；其他情况下，满意度随车辆租借/归还时间间隔Δt的增大而增加；(6)计算平均隶属度，将同一编号的车辆的隶属度函数值进行算术平均，计算一个时间段内的平均隶属度这是因为如果有的使用者可以容忍某些故障，其他的使用者可以容忍另外一些故障，因此取平均隶属度可以区分故障的等级；(7)设置模糊阈值，将隶属度函数分成五个模糊子集{很满意、较满意、无所谓、较不满意、很不满意}，公式为：由小及大依次选择μ₀，μ₁，μ₂，μ₃四个阈值，以区分五个模糊子集；(8)“车辆故障明显度”模糊识别模块模糊化过程；记录车辆使用频度，租车点全体车辆使用频度，所谓“车辆使用频度”是指车辆当天租借/归还的次数；所谓“租车点全体车辆使用频度”是指车辆完成归还操作之后的所在的租车点的当天全体车辆租借/归还次数；两者比例p作为隶属度函数的输入；(9)计算隶属度，选择隶属度函数为：σ(p)=e-(p-P0)p>P01p≤P0]]>式中，比例p小于一个阈值P₀时，可以认为租借次数相当少，因此可以认为故障十分明显；其他情况下，故障明显度随比例p的增加而减少；(10)计算平均隶属度，将同一编号的车辆的隶属度函数值进行算术平均，计算一个时间段内的平均隶属度这是因为车辆所停放的租车点有的周转率高，有的周转率低；(11)设置模糊阈值，将隶属度函数分成三个模糊子集{明显、一般、不明显}，公式为：由小及大依次选择σ₀，σ₁，σ₂三个阈值，以区分三个模糊子集；(12)模糊推理模糊逻辑规则如下：IF ET＝很满意OR EP＝不明显THEN DEG＝无故障；IF ET＝较满意OR EP＝不明显THEN DEG＝轻微故障；IF ET＝无所谓OR EP＝一般THEN DEG＝中度故障；IF ET＝较不满意OR EP＝明显THEN DEG＝较重故障；IF ET＝很不满意OR EP＝明显THEN DEG＝严重故障；据此，可以判断故障的等级DEG，以便维修人员定位故障车辆及合理安排维修次序。