基于人工智能的电动公交预测性维护
机器学习
2025-10-29 v1
摘要
预测性维护（PdM）对于优化效率和最小化电动公交的停机时间至关重要。尽管这些车辆提供环境优势，但由于复杂的电力传动和电池系统，PdM 面临挑战。传统维护常基于计划检查，难以捕捉多维度实时 CAN Bus 数据中的异常。本研究采用图基特征选择方法分析电动公交 CAN Bus 参数之间的关系，探讨使用人工智能技术进行 targeted 警报预测的性能。收集的两年原始数据经过广泛预处理以确保数据质量和一致性。开发了一种混合图基特征选择工具，通过结合统计过滤（皮尔逊相关、Cramer's V、ANOVA F 检验）与优化基于社区检测算法（InfoMap、Leiden、Louvain、Fast Greedy）实现。通过网格和随机搜索优化 SVM、Random Forest 和 XGBoost 模型，采用 SMOTEEN 和二分搜索下采样进行数据平衡。使用 LIME 实现模型可解释性，以识别影响预测的特征。结果表明，所developed 系统有效预测车辆警报，增强特征可解释性，并支持符合 Industry 4.0 原则的主动维护策略。
关键词
引用
@article{arxiv.2510.23879,
title = {Artificial Intelligence Based Predictive Maintenance for Electric Buses},
author = {Ayse Irmak Ercevik and Ahmet Murat Ozbayoglu},
journal= {arXiv preprint arXiv:2510.23879},
year = {2025}
}