CN103455026B - 一种车辆故障诊断和预警方法及装置 - Google Patents

Abstract

本发明提供一种车辆故障诊断和预警方法及装置，方法包括：根据大量车辆的运行参数数据，建立车辆中各种运行参数分别对应的统计模型；根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据，并根据统计模型确定与该运行参数数据对应的参数状态数据；对于每种故障类型，建立相应运行参数状态数据的统计模型，得到故障模型；获取车辆实时上报的运行参数数据，根据统计模型确定与该运行参数数据对应的参数状态数据，并在有异常运行参数时进行异常告警，以及，根据故障模型确定车辆是否将要或者已经发生故障，并在车辆将要或者已经发生故障时进行故障预警或者告警。本发明实现了对车辆故障的自动诊断和预警。

Description

一种车辆故障诊断和预警方法及装置

技术领域

本发明涉及车辆安全技术领域，特别涉及一种车辆故障诊断和预警方法及装置。

背景技术

随着汽车技术的进步，汽车正朝电子化方向发展，尤其是汽车电子技术与计算机、网络技术的结合为汽车电子化带来了根本的变革。同时汽车电子化也使故障诊断方法发生了重大变化，传统的眼观、耳听、手摸的检查方法被使用各种电子诊断设备读取汽车电子控制单元(ElectronicControlUnit，ECU)的各种数据并判断汽车是否工作正常的方法所取代。

远程故障诊断系统，是把故障诊断现场、远程故障诊断中心和生产、维修等领域有机结合起来的一个系统。系统基本工作原理是：利用现场传感技术采集车辆故障情况，作为故障诊断的依据。当现场人员或设备无法对车辆故障做出准确判断时，将信息通过网络传输给远程故障诊断中心，由远程故障诊断中心中的人类专家或者故障诊断专家系统实现智能诊断。

一般认为，专家系统是一个具有大量专门知识与经验的计算机程序系统，它是应用知识和人工智能技术，通过推理和判断来解决那些需要大量人类专家才能解决的复杂问题。在专家系统中需要建立诊断知识库，诊断知识库中包括大量的汽车故障诊断资源，其建立过程比较复杂。

可见，传统的远程故障诊断系统需要使用复杂的专家系统，而且，对于专家系统解决不了的问题，还需要人类专家参与。

发明内容

有鉴于此，本发明的目的是提供一种车辆故障诊断和预警方法及装置，在不需要使用专家系统，也不需要大量的人工参与的前提下，实现对车辆故障的自动诊断和预警。

为实现上述目的，本发明提供技术方案如下：

一种车辆故障诊断和预警方法，包括：

根据大量车辆的运行参数数据，建立车辆中各种运行参数分别对应的统计模型；

根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据，并根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，所述参数状态数据记录各种运行参数的正常状态或异常状态；

对于每种故障类型，建立与其对应的运行参数状态数据的统计模型，得到故障模型；

获取车辆实时上报的运行参数数据，根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，并在有异常运行参数时进行异常告警，以及，根据所述故障模型确定车辆是否将要或者已经发生故障，并在确定车辆将要或者已经发生故障时进行故障预警或者告警。

一种车辆故障诊断和预警装置，包括：

参数模型建立模块，用于根据大量车辆的运行参数数据，建立车辆中各种运行参数分别对应的统计模型；

参数状态确定模块，用于根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据，并根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，所述参数状态数据记录各种运行参数的正常状态或异常状态；

故障模型建立模块，用于对于每种故障类型，建立与其对应的运行参数状态数据的统计模型，得到故障模型；

故障诊断模块，用于获取车辆实时上报的运行参数数据，根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，并在有异常运行参数时进行异常告警，以及，根据所述故障模型确定车辆是否将要或者已经发生故障，并在确定车辆将要或者已经发生故障时进行故障预警或者告警

与现有技术基于人工或者专家系统对车辆的诊断数据进行分析相比，本发明利用大数据统计建模的方式来对大量车辆的诊断数据进行分析，能够自动对车辆故障进行诊断和预警，从而省去了专家系统以及大量的人工参与。

附图说明

图1是根据本发明实施例的车辆故障诊断和预警方法的流程图；

图2是根据本发明实施例的车辆故障诊断和预警装置的结构图；

图3是根据本发明实施例的车辆故障诊断和预警系统的结构图；

图4是根据本发明实施例的车辆故障诊断和预警系统的详细结构图；

图5是本发明实施例中油耗的正态分布示意图。

具体实施方式

以下结合附图对本发明进行详细描述。

对于车载的诊断数据，通常的分析方式是通过诊断仪的判断或者通过专业人员的分析来推断汽车的故障。本发明实施例提供的技术方案，是利用群体平均数据和维修数据的关联，推断或预判汽车故障及异常工况，具体地，是采用大数据建模的方式，自动的、非人工参与的判定和推断车辆故障。

图3是根据本发明实施例的车辆故障诊断和预警系统的结构图。在图3中，车辆各传感器用于采集车辆运行参数数据，并通过车载网络发送到车载诊断系统(On-BoardDiagnostics，OBD)接口，然后，车载数据终端从OBD接口获取所述运行参数数据，将所述运行参数数据发送到车联网云端，车联网云端对大量车辆的运行数据进行分析后，建立车辆运行参数的统计模型和车辆的故障模型。根据运行参数的统计模型可以确定运行参数是否正常，并在有某个运行参数异常时发送异常告警信息到终端；根据故障模型可以确定车辆是否发生故障，并在确定车辆发生故障时发送故障告警信息到终端。其中，进行告警的方式可以是向智能手机应用程序(APP)发送，也可以是通过短信或网页通知等。

图4是根据本发明实施例的车辆故障诊断和预警系统的详细结构图。在图4中，汽车系统包括多个数据采集单元，每个数据采集单元对应一个汽车部件，分别为汽车部件1数据采集单元、汽车部件2数据采集单元、汽车部件3数据采集单元和汽车部件4数据采集单元，这些数据采集单元通常支持控制器局域网(ControllerAreaNetwork，CAN)接口或者OBD接口，通过CAN接口或OBD接口连接到车内总线，并可以将采集到的汽车运行参数数据通过车内总线发送到存储和通信单元。存储和通信单元具有无线通信(WIFI、GPRS、3G)功能，可以将汽车的各个部件的运行参数数据发送到互联网上的数据采集服务器。该数据采集服务器通常用URL或者IP来标识地址。车载的通信终端(存储和通信单元)通常具有数据存储的功能，以便于在无线通信中断时，缓存和暂时的保存数据。当数据缓冲溢出时，通常会从最早的数据开始覆盖缓存数据，从而保留最后的数据。当缓存数据被发送到互联网服务器上后，即被清除。

数据采集服务器可以对采集到的数据进行初步的处理，转换成统一的元记录，发送到数据存储服务器，其中，数据存储的方式可以采用关系型数据库或者是非关系型的大数据存储方式。另外，维修人员还须将车辆的维修记录上传到数据存储服务器中，维修记录中主要包括车辆的故障类型对应的运行参数数据，也就是说，维修人员在对车辆进行维修确定故障类型后，可以将该故障类型与运行参数数据的对应关系上传到数据存储服务器。

然后，大数据分析系统就可以根据大量车辆汽车上传的运行参数数据和维修人员上传的维修记录进行分析，并建立各种统计模型，主要包括车辆各运行参数对应的统计模型(对应图4中的异常报警系统)以及故障模型(对应图4中的故障预警引擎)。

在建立了上述两个模型后，就可以根据车辆实时上报的运行参数数据对车辆故障进行诊断和预警。具体而言，基于异常报警系统，可以在车辆的某个运行参数异常时进行异常告警，基于故障预警引擎，可以在车辆发生故障时进行故障告警。其中，可以由客户通知系统进行所述告警，例如，可以通过智能终端、短信、网站页面、或者EMAIL来通知车主或驾驶员。

以下主要针对上述的大数据分析系统进行详细描述。

图1是根据本发明实施例的车辆故障诊断和预警方法的流程图。参照图1，所述方法主要包括如下步骤：

步骤101，根据大量车辆的运行参数数据，建立各种运行参数分别对应的统计模型；

在本发明中，所谓“大量”是指统计学意义上的“大量”。比如，可以对某一个城市中安装有车载终端的所有车辆发送的运行参数数据进行统计和分析。

对于存储在数据存储服务器中的数据，大数据分析系统可以通过结合如下因素，包括车型、出厂日期、地理位置、气候、行车数据等，找出不同工况下的汽车中数千参数的各种关系和特征。

对于数据的分析分成总体和局部，并且可以采用静态模型或动态模型。在动态模型中，可以对环境和路况进行综合分析。

例如，对于油耗数据，可以根据汽车所在的地理位置和外部环境温度，建立一个区域、温度的油耗数据模型(如下表所示)。

如果汽车处在所在区域的话，其油耗特性应该是在其正态分布范围内，并且会有偏大和偏小的判定。油耗的正态分布模型具体可参见图5。

进一步，还可以根据需要加入各种瞬态指标，例如车辆所处的道路位置和速度，加速情况等信息，并根据这些信息建立综合统计模型。其中的速度和加速(油门)信息是通过车载采集设备提取的。

另外，对于上述的车型和出厂日期，可以通过安装人员获取，用户也可以自行注册，对于上述的地理位置，可以由采集设备上面的GPS模块获取，上述的气候可以通过GPS和天气实况数据查询(天气网站和门户网站提供的数据)得到。

步骤102，根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据，并根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，所述参数状态数据记录各种运行参数的正常状态或异常状态；

车辆进行维修后，维修人员可以根据维修时确定的故障类型，将该故障类型作为维修记录上传到数据存储服务器。然后，根据上述的运行参数的统计模型，可以确定车辆运行参数数据中哪些运行参数处于正常状态，哪些运行参数属于异常状态，用以确定该故障的关联模型。

具体地，可以根据运行参数的统计模型，确定运行参数的正常范围，当运行参数在所述正常范围之内时，确定该运行参数为正常运行参数，否则，确定该运行参数为异常运行参数。其中，所述正常范围是运行参数在预定置信度下的置信区间。

例如，对于图5中油耗参数的正态分布模型，我们可以计算出置信度为0.95的置信区间，即图5中标注为“正常”的区间，当车辆的油耗“偏高”或“偏低”时，可以确定该油耗参数处于异常状态。

步骤103，对于每种故障类型，建立与其对应的运行参数状态数据的统计模型，得到故障模型；

由于样本空间足够大，则对于每种故障类型，根据步骤102会得到大量的参数状态数据，对这些参数状态数据进行分析，可以得到对应的统计模型，例如状态分布模型，并可以将该统计模型视为车辆的故障模型。

步骤104，获取车辆实时上报的运行参数数据，根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，并在有异常运行参数时进行异常告警，以及，根据所述故障模型确定车辆是否发生故障，并在确定车辆发生故障时进行故障告警。

在建立了车辆运行参数的统计模型以及车辆的故障模型后，就可以在车辆的某个运行参数发生异常时进行异常告警，在车辆发生故障时进行故障告警，如果车辆参数满足某一故障发生前的模式，会对故障进行预警。对于如何判定车辆的某个运行参数是否正常可以参见步骤102。对于如何根据所述故障模型确定车辆是否发生故障则与步骤102中的方法类似，具体如下：

根据运行参数状态数据的统计模型，确定运行参数状态的正常范围，当参数状态数据不在所述正常范围之内时，确定车辆发生故障，其中，所述正常范围为参数状态数据在预定置信度下的置信区间。

以下给出本发明的一个应用实例。

在具体实现时，需要在大量的车辆上安装数据终端，利用终端将这些车辆的运行数据(比如，OBD数据，包括发动机系统数据，底盘系统数据等)通过移动通讯网络(包括但是不限于GPRS、3G、WIFI等)上传到互联网服务器。在互联网服务器中，根据车辆的型号、地域、气候、路况、车速以及OBD数据创建诊断系统模型。当检测到某一车辆的某一参数符合故障条件时，即可推断此车辆的此参数异常，需要进行检修。另外，还需要记录大量同型号的汽车在每次车辆维修前的运行数据(包括正常数据与异常数据)，以及由4S店的最后明确的故障，建立故障模型。当用户的车辆符合该故障的先期条件的话，既可以进行预警。

对于整车的所有监测数据，可以用矩阵x来表示：

对于其他因素，可以用环境矩阵E来表示：

(El....En)

对于故障F，可以根据运行参数的统计模型确定x和E中的正常运行参数和异常运行参数，得到运行参数状态数据，用矩阵Cx和Ce来表示：

$\mathrm{Cx}=\left(\begin{array}{cccc}1& 0& \·\·\·1& 1\\ 0& 0& \·\·\·0& 0\\ 0& 1& \·\·\·0& 1\\ 1& 0& \·\·\·0& 0\end{array}\right)$

Ce＝(010....1)

在Cx和Ce中，0表示参数正常，1表示参数异常。然后，根据多次故障的Cx和Ce进行统计，可以得到运行参数状态数据的统计模型，例如状态分布模型，该统计模型既为车辆的故障模型，根据该故障模型对车辆实时上报的运行参数数据进行判定，可以确定发生故障的概率。

以下介绍实现上述方法的装置。

图2是根据本发明实施例的车辆故障诊断和预警装置的结构图。参照图2，所述装置主要包括参数模型建立模块10、参数状态确定模块20、故障模型建立模块30和故障诊断模块40，其中：

所述参数模型建立模块10用于根据大量车辆的运行参数数据，建立各种运行参数分别对应的统计模型。

所述参数状态确定模块20用于根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据，并根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，所述参数状态数据记录各种运行参数的正常状态或异常状态。具体地，可以根据运行参数的统计模型，确定运行参数的正常范围，当运行参数在所述正常范围之内时，确定该运行参数为正常运行参数，否则，确定该运行参数为异常运行参数，其中，所述正常范围是根据运行参数的统计模型确定的、运行参数在预定置信度下的置信区间。

所述故障模型建立模块30用于对于每种故障类型，建立与其对应的运行参数状态数据的统计模型，得到故障模型。

所述故障诊断模块40用于获取车辆实时上报的运行参数数据，根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，并在有异常运行参数时进行异常告警，以及，根据所述故障模型确定车辆是否发生故障，并在确定车辆发生故障时进行故障告警。具体地，可以根据运行参数状态数据的统计模型，确定运行参数状态的正常范围，当参数状态数据不在所述正常范围之内时，确定车辆发生故障，其中，所述正常范围是根据运行参数状态数据的统计模型确定的、参数状态数据在预定置信度下的置信区间。

其中，所述统计模型可以为正态分布模型，也可以是其他类型的统计模型。

综上所述，根据本发明实施例的技术方案，不需要了解车辆的工作原理，也不需要专家的参与，通过大数据样本的分析就可以完成车辆故障的诊断和预警，从而省去了专家系统以及大量的人工参与。

需要说明的是，在附图的流程图示出的步骤可以在诸如设置有一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。另外，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (13)

1.一种车辆故障诊断和预警方法，其特征在于，包括：

根据大量车辆的运行参数数据，建立车辆中各种运行参数分别对应的统计模型；

根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据，并根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，所述参数状态数据记录各种运行参数的正常状态或异常状态；

对于每种故障类型，建立与其对应的运行参数状态数据的统计模型，得到故障模型；

获取车辆实时上报的运行参数数据，根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，并在有异常运行参数时进行异常告警，以及，根据所述故障模型确定车辆是否将要或者已经发生故障，并在确定车辆将要或者已经发生故障时进行故障预警或者告警。

2.如权利要求1所述的车辆故障诊断和预警方法，其特征在于：

所述统计模型为正态分布模型。

3.如权利要求1或2所述的车辆故障诊断和预警方法，其特征在于，在根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据之后，所述根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，包括：

根据运行参数的统计模型，确定运行参数的正常范围，当运行参数在所述正常范围之内时，确定该运行参数为正常运行参数，否则，确定该运行参数为异常运行参数。

4.如权利要求3所述的车辆故障诊断和预警方法，其特征在于，所述根据运行参数的统计模型，确定运行参数的正常范围，包括：

根据运行参数的统计模型，确定运行参数在预定置信度下的置信区间，将所述正常范围设置为所述置信区间。

5.如权利要求1或2所述的车辆故障诊断和预警方法，其特征在于，在获取车辆实时上报的运行参数数据之后，所述根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，包括：

根据运行参数的统计模型，确定运行参数的正常范围，当运行参数在所述正常范围之内时，确定该运行参数为正常运行参数，否则，确定该运行参数为异常运行参数。

6.如权利要求5所述的车辆故障诊断和预警方法，其特征在于，所述根据运行参数的统计模型，确定运行参数的正常范围，包括：

根据运行参数的统计模型，确定运行参数在预定置信度下的置信区间，将所述正常范围设置为所述置信区间。

7.如权利要求1或2所述的车辆故障诊断和预警方法，其特征在于，所述根据所述故障模型确定车辆是否将要或者已经发生故障包括：

根据运行参数状态数据的统计模型，确定运行参数状态的正常范围，当参数状态数据不在所述正常范围之内时，确定车辆将要或者已经发生故障。

8.如权利要求7所述的车辆故障诊断和预警方法，其特征在于，所述根据运行参数状态数据的统计模型，确定运行参数状态的正常范围，包括：

根据运行参数状态数据的统计模型，确定参数状态数据在预定置信度下的置信区间，将所述正常范围设置为所述置信区间。

9.一种车辆故障诊断和预警装置，其特征在于，包括：

参数模型建立模块，用于根据大量车辆的运行参数数据，建立车辆中各种运行参数分别对应的统计模型；

参数状态确定模块，用于根据大量车辆的维修记录，获取各种故障类型对应的运行参数数据，并根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，所述参数状态数据记录各种运行参数的正常状态或异常状态；

故障模型建立模块，用于对于每种故障类型，建立与其对应的运行参数状态数据的统计模型，得到故障模型；

故障诊断模块，用于获取车辆实时上报的运行参数数据，根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据，并在有异常运行参数时进行异常告警，以及，根据所述故障模型确定车辆是否将要或者已经发生故障，并在确定车辆将要或者已经发生故障时进行故障预警或者告警。

10.如权利要求9所述的车辆故障诊断和预警装置，其特征在于：

所述统计模型为正态分布模型。

11.如权利要求9或10所述的车辆故障诊断和预警装置，其特征在于，所述参数状态确定模块按照如下方式，来执行根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据：

根据运行参数的统计模型，确定运行参数的正常范围，当运行参数在所述正常范围之内时，确定该运行参数为正常运行参数，否则，确定该运行参数为异常运行参数，其中，所述正常范围是根据运行参数的统计模型确定的、运行参数在预定置信度下的置信区间。

12.如权利要求9或10所述的车辆故障诊断和预警装置，其特征在于，所述故障诊断模块按照如下方式，来执行根据运行参数的统计模型确定与该运行参数数据对应的参数状态数据：

根据运行参数的统计模型，确定运行参数的正常范围，当运行参数在所述正常范围之内时，确定该运行参数为正常运行参数，否则，确定该运行参数为异常运行参数，其中，所述正常范围是根据运行参数的统计模型确定的、运行参数在预定置信度下的置信区间。

13.如权利要求9或10所述的车辆故障诊断和预警装置，其特征在于，所述根据所述故障模型确定车辆是否将要或者已经发生故障，包括：

根据运行参数状态数据的统计模型，确定运行参数状态的正常范围，当参数状态数据不在所述正常范围之内时，确定车辆将要或者已经发生故障，其中，所述正常范围是根据运行参数状态数据的统计模型确定的、参数状态数据在预定置信度下的置信区间。