CN104807642B - 汽车发动机故障检测方法和装置 - Google Patents

Abstract

本发明提供了一种汽车发动机故障检测方法及装置，所述方法包括：获取汽车发动机预设信号的实际信号数据；对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据；分别计算所述实际标准化信号数据与m个正常标准化信号数据中的每个数据之间的距离，得到m个距离；根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率；计算所述m个故障概率的最小值，所述故障概率最小值即为汽车发动机预设信号发生故障的概率。该方法能够为司机和维修人员了解汽车发动机的故障信息提供重要依据，降低了对发动机的盲目维修的可能，进而减少了盲目维修产生的费用，降低了发动机的维修成本。

Description

汽车发动机故障检测方法和装置

技术领域

本发明涉及汽车发动机信号处理技术领域，尤其涉及一种汽车发动机故障检测方法和装置。

背景技术

汽车是一个复杂的机械系统，它由数千种零件构成，发动机是汽车的动力源，是汽车的心脏。汽车的一些基本技术性能都直接或间接地与发动机的信号相联系。因此，发动机信号的检测对发动机性能的了解至关重要。

在发动机不解体的情况下，如果根据与发动机有关的信号就能判断发动机的当前运行状况，并能检测出发动机的哪些零件发生了故障或发生故障概率的大小，这无疑会提高发动机使用的可靠性、经济性和安全性，同时也会减少发动机盲目维修产生的费用。

发明内容

有鉴于此，本发明的第一方面提供了一种汽车发动机故障检测方法，以实现根据与发动机相关的信号数据即可判断出发动机的故障。

基于本发明的第一方面，本发明的第二方面提供了一种汽车发动机故障检测装置。

为了实现上述发明目的，本发明采用了如下技术方案：

一种汽车发动机故障检测方法，包括：

获取汽车发动机预设信号的实际信号数据，所述实际信号数据为n1维数据向量，其中，n1≥1，且n1为整数；

对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据；

当所述实际标准化信号数据的维度与预设维度不一致时，将所述实际标准化信号数据的维度统一到所述预设维度，当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，将所述正常标准化信号数据的维度统一到所述预设维度；其中，所述正常标准化信号数据库内包括所述预设信号的m个正常标准化信号数据，每个所述正常标准化信号数据均为n2维数据向量；其中，m≥1，n2≥1，且m、n2均为整数；所述正常标准化信号数据是由汽车发动机未发生故障时采集的正常信号数据进行归一化处理得到的；

分别计算所述实际标准化信号数据与m个正常标准化信号数据中的每个数据之间的距离，得到m个距离；

根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率；

计算所述m个故障概率的最小值，所述故障概率最小值即为汽车发动机预设信号发生故障的概率。

进一步地，所述对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据具体包括：

提取发动机预设信号的正常信号数据在n2个维度上的最小值S₁和最大值S₂；

根据以下公式分别对所述实际信号数据的每个维度上的数据进行归一化处理，得到所述实际标准化信号数据；

所述公式的表达式为：

其中，为所述实际标准化信号数据在第i’个维度上的归一化后的数据；其中，1≤i'≤n1，且i’均为整数；

e_i’是所述实际信号数据在第i’个维度上的数据。

进一步地，当所述实际标准化信号数据的维度小于所述预设维度时，采用重插值法将所述实际标准化信号数据的维度统一到所述预设维度；

当所述实际标准化信号数据的维度大于所述预设维度时，采用重采样法将所述实际标准化信号数据的维度统一到所述预设维度；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度小于所述预设维度时，采用重插值法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度大于所述预设维度时，采用重采样法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

进一步地，当所述实际标准化信号数据的维度与预设维度不一致时，采用双线性算法将所述实际标准化信号数据的维度统一到所述预设维度；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，采用双线性算法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

进一步地，所述根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率，具体为：根据以下公式计算所述实际标准化信号数据与第i个正常标准化信号数据之间的距离对应的故障概率：

其中，θ₁＝1，θ₂＝8；

P_fi是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的故障概率；

d_i是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的距离。

一种汽车发动机故障检测装置，包括：

获取单元，用于获取汽车发动机预设信号的实际信号数据，所述实际信号数据为n1维数据向量，其中，n1≥1，且n1为整数；

归一化处理单元，用于对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据；

维度统一单元，用于当所述实际标准化信号数据的维度与预设维度不一致时，将所述实际标准化信号数据的维度统一到所述预设维度，当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，将所述正常标准化信号数据的维度统一到所述预设维度；其中，所述正常标准化信号数据库内包括所述预设信号的m个正常标准化信号数据，每个所述正常标准化信号数据均为n2维数据向量；其中，m≥1，n2≥1，且m、n2均为整数；所述正常标准化信号数据是由汽车发动机未发生故障时采集的正常信号数据进行归一化处理得到的；

距离计算单元，用于分别计算所述实际标准化信号数据与m个正常标准化信号数据中的每个数据之间的距离，得到m个距离；

故障概率计算单元，用于根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率；

最小值计算单元，用于计算所述m个故障概率的最小值，所述故障概率最小值即为汽车发动机预设信号发生故障的概率。

进一步地，所述归一化处理单元具体包括：

提取子单元，用于提取发动机预设信号的正常信号数据在n2个维度上的最小值S₁和最大值S₂；

归一化处理子单元，用于根据以下公式分别对所述实际信号数据的每个维度上的数据进行归一化处理，得到所述实际标准化信号数据；

所述公式的表达式为：

其中，为所述实际标准化信号数据在第i’个维度上的归一化后的数据；其中，1≤i'≤n1，且i’均为整数；

e_i’是所述实际信号数据在第i’个维度上的数据。

进一步地，所述维度统一单元包括：

第一维度统一子单元，用于当所述实际标准化信号数据的维度小于所述预设维度时，采用重插值法将所述实际标准化信号数据的维度统一到所述预设维度；当所述实际标准化信号数据的维度大于所述预设维度时，采用重采样法将所述实际标准化信号数据的维度统一到所述预设维度；

第二维度统一子单元，用于当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度小于所述预设维度时，采用重插值法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度；当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度大于所述预设维度时，采用重采样法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

进一步地，所述维度统一单元包括：

第三维度统一子单元，用于当所述实际标准化信号数据的维度与预设维度不一致时，采用双线性算法将所述实际标准化信号数据的维度统一到所述预设维度；

第四维度统一子单元，用于当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，采用双线性算法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

进一步地，所述故障概率计算单元包括故障概率计算子单元，所述故障概率计算子单元具体为：根据以下公式计算所述实际标准化信号数据与第i个正常标准化信号数据之间的距离对应的故障概率：

其中，θ₁＝1，θ₂＝8；

P_fi是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的故障概率；

d_i是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的距离。

相较于现有技术，本发明具有以下有益效果：

本发明提供的汽车发动机故障检测方法中，根据发动机在某一行程内的某一信号的实际标准化信号数据与该信号的多个正常标准化信号数据的距离，计算出发动机在该信号上发生的多个故障概率，这多个故障概率的最小值即为发动机在该信号上发生故障的概率。

因此，通过本发明提供的方法，仅根据发动机的信号就能够检测出发动机的当前运行状态，而且能够获取到发动机在某一信号上发生故障的概率。所以该方法能够为司机和维修人员了解汽车发动机的故障信息提供重要依据，降低了对发动机的盲目维修的可能，进而减少了盲目维修产生的费用，降低了发动机的维修成本。

附图说明

为了清楚地理解本发明的技术方案，下面将描述本发明的具体实施方式时用到的附图做一简要说明。显而易见地，这些附图仅是本发明的部分实施例，本领域普通技术人员在未付出创造性劳动的前提下还可以获得其它附图。

图1是本发明实施例提供的发动机信号的正常标准化信号数据库的数据格式的示意图；

图2是本发明实施例提供的发动机进气歧管绝对压力信号的正常标准化信号数据向量的生成方法的流程示意图；

图3是本发明实施例一提供的汽车发动机在进气歧管绝对压力方面的故障检测方法的流程示意图；

图4是本发明实施例一提供的进气歧管绝对压力的实际数据的归一化处理方法的流程示意图；

图5是本发明实施例一提供的采用双线性算法将实际标准化信号数据向量的维度与正常标准化信号数据向量的维度统一到相同维度的示意图；

图6是基于本发明实施例一提供的检测方法得到的某一行程段内进气歧管绝对压力信号数据的分析图表；

图7是本发明实施例二提供的汽车发动机故障检测装置的结构示意图。

具体实施方式

为使本发明解决的技术问题、技术手段和达到的技术效果更加清楚完整，下面结合附图对本发明的具体实施方式进行详细描述。

需要说明的是，为了能够检测发动机在任一信号上的故障发生概率。本发明提供的汽车发动机故障检测方法中，预先建立有发动机信号的正常标准化信号数据库。在该发动机信号的正常标准化信号数据库中，存储有发动机的多个信号的至少一个正常标准化信号数据。换句话说，在发动机信号的正常标准化信号数据库中，发动机的每一个信号对应至少一个正常标准化信号数据。存储在发动机信号的正常标准化信号数据库中的任意一个信号的正常标准化信号数据格式如图1所示，每一个信号的正常标准化信号数据中均包括信号名称、正常信号数据最小值S₁、正常信号数据最大值S₂以及标准信号向量。设定某一信号的标准信号向量为n2维数据向量，其中，n2为正整数。不同类型信号的标准信号向量的维度可以相同也可以不同。也就是说，在正常标准化信号数据库中，n2值可能会根据信号类型的不同而取不同的值。

在任意一个信号的正常标准化信号数据中，正常信号数据的最小值S₁和最大值S₂为采集到的信号的正常信号数据在n2个维度上的最小值和最大值。

用数学表达式表示发动机的某一信号的正常信号数据如下：E₀＝[e₁,e₂,...e_i,...,e_n2]^T。其中，e_i为发动机的某一信号的正常信号向量在第i个维度上的信号数据值。则正常信号数据的最小值S₁＝min(e₁,e₂,...,e_i,...,e_n2)，正常信号数据的最大值S₂＝max(e₁,e₂,...,e_i,...,e_n2)。

需要指出的是，本发明实施例所述的信号是与发动机相关的信号，这些与发动机相关的信号包括但不限于进气歧管绝对压力、进气温度、空气流量、控制模块电压、冷却液温度、发动机油温、机油压力或蓄电池电压。

下面以进气歧管绝对压力为例来说明如何生成发动机的任一信号的一个正常标准化信号数据。

假设发动机的进气歧管绝对压力信号包括n2个维度上的数据，其中，n2≥1，且n2为整数。

图2表示出如何生成发动机的进气歧管绝对压力信号的正常标准化信号数据向量的流程示意图。如图2所示，该方法包括以下步骤：

S201、获取某一行程段内，发动机正常运行时的正常进气歧管绝对压力信号数据E₀＝[e₁,e₂,...,e_i,...e_n2]^T：

需要说明的是，所述发动机正常运行是指发动机运行时没有发生任何故障。此时获取到的进气歧管绝对压力信号数据E₀＝[e₁,e₂,...,e_i,...e_n2]^T为发动机无故障时对应的进气歧管绝对压力信号数据，该进气歧管绝对压力信号数据可以作为判断发动机是否发生了故障的参照数据。其中，1≤i≤n2，且i为整数。

S202、求解正常进气歧管绝对压力信号数据E₀＝[e₁,e₂,...,e_i,...e_n2]^T中在n2个维度上的最小值S₁和最大值S₂：

为了能够根据发动机对应的进气歧管绝对压力信号来判断发动机的进气歧管绝对压力是否发生了异常，需要将上述步骤获取到的进气歧管绝对压力信号数据进行归一化处理，以使归一化后的进气歧管绝对压力信号数据中的各个维度上的数据值在0～1之间。

在归一化处理中，其归一化的最小比例参数和最大比例参数分别为进气歧管绝对压力信号数据E₀＝[e₁,e₂,...,e_i,...e_n2]^T中在n2个维度上的最小值S₁和最大值S₂。

所以，本步骤中，为了获取到归一化处理过程中的最小比例参数和最大比例参数需要求解出正常进气歧管绝对压力信号数据E₀＝[e₁,e₂,...,e_i,...e_n2]^T中在n2个维度上的最小值S₁和最大值S₂。其中，S₁＝min(e₁,e₂,...,e_i,...,e_n2)，S₂＝max(e₁,e₂,...,e_i,...,e_n2)。

S203、根据公式对正常进气歧管绝对压力信号数据中各个维度上的数据分别进行归一化处理，得到每个维度上的归一化后的数据，从而得到正常标准化进气歧管绝对压力信号数据

需要说明的是，图2所示的进气歧管绝对压力信号数据的正常标准化信号数据的生成方法，同样适用于发动机的其它信号的正常标准化信号数据的生成过程，此时，只需将进气歧管绝对压力信号数据替换为其它信号数据。

将采用上述方法获取到的发动机的各个信号的正常标准化数据向量按照图1所示的格式存储起来，就形成了发动机信号的正常标准化信号数据库。

下面介绍本发明提供的汽车发动机故障检测方法的具体实施方式。具体参见实施例一。

实施例一

需要说明的是，实施例一所述的汽车发动机故障检测方法是以根据汽车发动机的进气歧管绝对压力信号来检测汽车发动机在进气歧管绝对压力方面是否发生故障为例说明的。图3是本发明实施例一提供的汽车发动机在进气歧管绝对压力方面的故障检测方法流程示意图。当需要检测汽车发动机的其它信号方面是否发生故障，将进气歧管绝对压力替换为其它信号仍然采用图3所示的方法即可实现检测汽车发动机的其它信号方面的故障。

图3是本发明实施例一提供的汽车发动机故障检测方法流程示意图。如图3所示，该检测方法包括以下步骤：

S301、获取汽车实际行驶过程中发动机的进气歧管绝对压力的实际信号数据；所述进气歧管绝对压力的实际信号数据均为n1维数据向量，n1≥1，且n1为整数：

用数学表达式表示进气歧管绝对压力的实际信号数据为：V₀＝[v₁,v₂,...v_i′,...v_n1]。其中，v_i’为实际信号数据的第i’(1≤i'≤n1,且i'为整数)个维度上的信号数据值。

需要说明的是，汽车实际行驶过程中，发动机的运行可能正常，即无任何故障发生，也有可能运行异常，即产生一个或多个故障。

作为本发明的一个具体实施例，采集的汽车发动机的进气歧管绝对压力信号数据可以存储在汽车的Dbbox中。其中，Dbbox是一个访问终端，用户可以访问该终端，并能获取到存储在其内的数据。

S302、对所述实际信号数据中的每个维度上的数据进行归一化处理，得到实际标准化信号数据：

为了较为准确地比较实际信号数据与正常信号数据之间的差距，需要对获取到的进气歧管绝对压力的实际信号数据中的每一个维度上的数据分别进行归一化处理，使得归一化后的实际信号数据中的每一个维度上的数据值均在0～1之间，进而得到实际标准化信号数据。

由于实际信号数据均包括n1个维度上的数据，因此，在对实际信号数据进行归一化的过程中，需要对每个维度上的数据均进行归一化。

作为本发明的一个具体实施例，对进气歧管绝对压力的实际信号数据进行归一化处理的具体过程如图4所示，其包括以下步骤：

S401、从预先建立的发动机信号的正常标准化信号数据库中提取进气歧管绝对压力的正常信号数据的最小值S₁和最大值S₂：

根据前述描述可知，预先建立的发动机信号的正常标准化信号数据库中存储有正常标准化信号数据，并且存储的每种信号的正常标准化信号数据中均包括该信号的正常信号数据最小值和正常信号数据最大值。所以，本步骤可以从预先建立的发动机信号的正常标准化信号数据库中提取到进气歧管绝对压力的正常信号数据在n2个维度上的最小值S₁和最大值S₂。

S402、根据以下公式分别对实际信号数据中的每个维度上的数据进行归一化处理，得到所述实际标准化信号数据：

其中，计算公式为：

其中，为所述实际标准化信号数据在第i’个维度上的归一化后的数据；其中，1≤i'≤n1，且i’均为整数；

e_i’是所述实际信号数据在第i’个维度上的数据。

为了较为清楚地了解进气歧管绝对压力信号的实际标准化信号数据向量，下面以表达式来表示进气歧管绝对压力信号的实际标准化信号数据向量V_db。

S303、当所述实际标准化信号数据的维度与预设维度不一致时，将所述实际标准化信号数据向量的维度统一到所述预设维度，当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，将所述正常标准化信号数据的维度统一到所述预设维度：

需要说明的是，在本发明实施例中，预先设置有进气歧管绝对压力信号数据的向量维度，设定该维度为预设维度n。为了方便后续计算实际标准化信号数据与正常标准化信号数据之间的距离，将实际标准化信号数据的维度以及正常标准化信号数据的维度均统一到预设维度n。

具体实现方式如下：

当所述实际标准化信号数据的维度n1小于所述预设维度n时，采用重插值法将所述实际标准化信号数据的维度n1统一到所述预设维度n；

当所述实际标准化信号数据的维度n1大于所述预设维度n时，采用重采样法将所述实际标准化信号数据的维n1度统一到所述预设维度n；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度n2小于所述预设维度n时，采用重插值法将所述预设信号的正常标准化信号数据的维度n2统一到所述预设维度n；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度大于所述预设维度时，采用重采样法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

作为本发明的一个具体实施例，本发明采用双线性算法将实际标准化信号数据的维度以及正常标准化信号数据的维度统一到相同的预设维度n。具体实现过程如图5所示。

假设向量S(i,j)、S(i+1,j)、S(i,j+1)、S(i+1,j+1)已知，S(u,v)为待插值向量，并且dx＝u-i，dy＝v-j，则，

S(u,j)＝S(i,j)+[S(i+1,j)-S(i,j)]dx；

S(u,j+1)＝S(i,j+1)+[S(i+1,j+1)-S(i,j+1)]dx

S(u,v)＝S(u,j)+[S(u,j+1)-S(u,v)]dy。

S304、分别计算实际标准化信号数据与m个正常标准化信号数据的每个数据之间的距离：

具体地，计算具有相同维度的实际标准化信号数据V_db与每个正常标准化信号数据的欧式距离d。

其中，实际标准化信号数据向量V_db与第i个正常标准化信号数据E_normi的欧式距离d_i的计算公式如下：

d_i＝||V_db-E_normi||。

当把实际标准化信号数据与m个正常标准化信号数据中每个数据对应的距离均计算出来后，即得到了m个距离，其分别可以表示为：d₁、d₂、…、d_i、…d_m。

S305、根据所述m个距离中的每个距离分别计算发动机的进气歧管绝对压力信号的故障概率：

根据进气歧管绝对压力信号的实际标准化信号数据向量V_db与第i个正常标准化信号数据向量E_normi的距离di计算发动机的进气歧管绝对压力信号的第i个故障概率P_fi的计算公式如下：

其中，θ₁＝1，θ₂＝8；

P_fi是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的故障概率；

d_i是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的距离。

采用上述计算公式逐一计算出进气歧管绝对压力信号相对于m个正常标准化信号数据的故障概率。这m个故障概率分别表示为：P_f1,P_f2,...,P_fi,...,P_fm。

S306、计算所述m个故障概率的最小值，所述故障概率最小值即为汽车发动机预设信号发生故障的概率：

具体为：求解进气歧管绝对压力的m个故障概率的最小值，该故障概率最小值即为汽车发动机在进气歧管绝对压力信号的故障概率。用公式表示为：P_f＝min(P_f1,P_f2,...,P_fi,...,P_fm)。

以上为本发明实施例一提供的检测汽车发动机故障的方法，该方法根据实际的进气歧管绝对压力信号数据能够检测出发动机在进气歧管绝对压力信号方面发生故障的概率。由于发动机的进气歧管绝对压力信号数据可以由检测设备得到，该信号数据的获取方法较为简单，而且本发明能够仅仅根据获取的这些信号检测出发动机在进气歧管绝对压力方面发生故障的概率。因此，本发明提供的检测方法仅利用发动机的信号即能在很大程度上诊断发动机当前故障信息，从而能及时给驾驶员提供维修信息。

进一步地，本发明提供的汽车发动机故障检测方法在对发动机故障进行检测的过程中，仅需要发动机的信号，因此该检测方法所需的参数较少，能够较容易地实现。而且，本发明提供的检测方法中所需的发动机的信号数据能够很容易地通过硬件获取，因此该方法既适合云计算分析，也能应用到移动终端上。

需要说明的是，本发明提供的方法不限于仅采用进气歧管绝对压力信号这个信号，作为本发明的扩展实施例，本发明提供的方法可以适用于发动机的任一信号。作为本发明实施例的扩充，上述实施例一所述的进气歧管绝对压力信号可以为与发动机相关的预设信号，如上所述，所述预设信号包括但不限于进气歧管绝对压力、进气温度、空气流量、控制模块电压、冷却液温度、发动机油温、机油压力或蓄电池电压。

所以，本发明提供的方法为司机和维修人员了解汽车发动机的故障信息提供了重要依据，降低了对发动机的盲目维修的可能，降低了发动机的维修成本。

进一步地，本发明实施例一提供的汽车发动机故障检测方法，还能够将任一信号在一段行程内的正常信号数据、实际信号数据以及标准化信号数据随时间的变化关系分别以图表的形式显示给用户，因而该检测方法能够实时为驾驶员提供汽车发动机的最新运转情况。图6是基于本发明的汽车发动机故障检测方法得到的某一段行程中的进气歧管绝对压力信号数据的分析图表。并且在该分析图表中还给出进气歧管绝对压力信号发生故障的概率为0.264611。作为本发明的扩展实施例，基于本发明的汽车发动机故障检测方法还能够提供其它信号数据的分析结果。这些其它信号包括但不限于进气温度、空气流量传感器的空气流量、控制模块电压、发动机冷却液温度、发动机油温、机油压力、蓄电池电压等等。

基于上述实施例一提供的汽车发动机故障检测方法，本发明还提供了汽车发动机故障检测装置，具体参见实施例二。

实施例二

图7是本发明实施例二提供的汽车发动机故障检测装置，如图7所示，该汽车发动机故障检测装置包括以下单元：

获取单元71，用于获取汽车发动机预设信号的实际信号数据，所述实际信号数据为n1维数据向量，其中，n1≥1，且n1为整数；

归一化处理单元72，用于对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据；

维度统一单元73，用于当所述实际标准化信号数据的维度与预设维度不一致时，将所述实际标准化信号数据的维度统一到所述预设维度，当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，将所述正常标准化信号数据的维度统一到所述预设维度；其中，所述正常标准化信号数据库内包括所述预设信号的m个正常标准化信号数据，每个所述正常标准化信号数据均为n2维数据向量；其中，m≥1，n2≥1，且m、n2均为整数；所述正常标准化信号数据是由汽车发动机未发生故障时采集的正常信号数据进行归一化处理得到的；

距离计算单元74，用于分别计算所述实际标准化信号数据与m个正常标准化信号数据中的每个数据之间的距离，得到m个距离；

故障概率计算单元75，用于根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率；

最小值计算单元76，用于计算所述m个故障概率的最小值，所述故障概率最小值即为汽车发动机预设信号发生故障的概率。

通过实施例二提供的检测装置能够根据发动机的信号数据即可检测出发动机在与该信号数据相关的方面发生故障的概率。因此，本发明提供的检测装置能及时给驾驶员提供维修信息。

进一步地，本发明提供的汽车发动机故障检测装置在对发动机故障进行检测的过程中，仅需要发动机的信号，因此该检测装置所需的参数较少，能够较容易地实现。而且，本发明提供的检测装置中所需的发动机的信号数据能够很容易地通过硬件获取，因此该装置既适合云计算分析，也能应用到移动终端上。

作为本发明的一个具体实施例，所述归一化处理单元72具体包括：

提取子单元721，用于提取发动机预设信号的正常信号数据在n2个维度上的最小值S₁和最大值S₂；

归一化处理子单元722，用于根据以下公式分别对所述实际信号数据的每个维度上的数据进行归一化处理，得到所述实际标准化信号数据；

所述公式的表达式为：

其中，为所述实际标准化信号数据在第i’个维度上的归一化后的数据；其中，1≤i'≤n1，且i’均为整数；

e_i’是所述实际信号数据在第i’个维度上的数据。

作为本发明的进一步改进，所述维度统一单元73包括：

第一维度统一子单元731，用于当所述实际标准化信号数据的维度小于所述预设维度时，采用重插值法将所述实际标准化信号数据的维度统一到所述预设维度；当所述实际标准化信号数据的维度大于所述预设维度时，采用重采样法将所述实际标准化信号数据的维度统一到所述预设维度；

第二维度统一子单元732，用于当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度小于所述预设维度时，采用重插值法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度；当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度大于所述预设维度时，采用重采样法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

作为本发明的另一实施例，所述维度统一单元73包括：

第三维度统一子单元733，用于当所述实际标准化信号数据的维度与预设维度不一致时，采用双线性算法将所述实际标准化信号数据的维度统一到所述预设维度；

第四维度统一子单元734，用于当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，采用双线性算法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

进一步地，所述故障概率计算单元75包括故障概率计算子单元，所述故障概率计算子单元具体为：根据以下公式计算所述实际标准化信号数据与第i个正常标准化信号数据之间的距离对应的故障概率：

其中，θ₁＝1，θ₂＝8；

P_fi是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的故障概率；

d_i是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的距离。

以上为本发明的优选实施例。应当指出，对于本领域的普通技术人员来说，在不脱离本发明的发明构思的前提下，还可以做出若干改进和润饰，这些改进和润饰也应在本发明的保护范围之列。

Claims (10)

1.一种汽车发动机故障检测方法，其特征在于，包括：

获取汽车发动机预设信号的实际信号数据，所述实际信号数据为n1维数据向量，其中，n1≥1，且n1为整数；

对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据；

当所述实际标准化信号数据的维度与预设维度不一致时，将所述实际标准化信号数据的维度统一到所述预设维度，当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，将所述正常标准化信号数据的维度统一到所述预设维度；其中，所述正常标准化信号数据库内包括所述预设信号的m个正常标准化信号数据，每个所述正常标准化信号数据均为n2维数据向量；其中，m≥1，n2≥1，且m、n2均为整数；所述正常标准化信号数据是由汽车发动机未发生故障时采集的正常信号数据进行归一化处理得到的；

分别计算所述实际标准化信号数据与m个正常标准化信号数据中的每个数据之间的距离，得到m个距离；

根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率；

计算所述m个故障概率的最小值，所述故障概率最小值即为汽车发动机预设信号发生故障的概率。

2.根据权利要求1所述的方法，其特征在于，所述对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据具体包括：

提取发动机预设信号的正常信号数据在n2个维度上的最小值S₁和最大值S₂；

根据以下公式分别对所述实际信号数据的每个维度上的数据进行归一化处理，得到所述实际标准化信号数据；

所述公式的表达式为：

$V_{db}^{i^{\′}}=\frac{e_{i^{\′}}-S_1}{S_2-S_1};$

其中，为所述实际标准化信号数据在第i’个维度上的归一化后的数据；其中，1≤i'≤n1，且i’均为整数；

e_i’是所述实际信号数据在第i’个维度上的数据。

3.根据权利要求1所述的方法，其特征在于，当所述实际标准化信号数据的维度小于所述预设维度时，采用重插值法将所述实际标准化信号数据的维度统一到所述预设维度；

当所述实际标准化信号数据的维度大于所述预设维度时，采用重采样法将所述实际标准化信号数据的维度统一到所述预设维度；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度小于所述预设维度时，采用重插值法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度大于所述预设维度时，采用重采样法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

4.根据权利要求1所述的方法，其特征在于，当所述实际标准化信号数据的维度与预设维度不一致时，采用双线性算法将所述实际标准化信号数据的维度统一到所述预设维度；

当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，采用双线性算法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率，具体为：根据以下公式计算所述实际标准化信号数据与第i个正常标准化信号数据之间的距离对应的故障概率：

$P_{fi}=\left\{\begin{array}{c}0,d_i<{\mathrm{\&theta;}}_1\\ \frac{d_i-{\mathrm{\&theta;}}_1}{{\mathrm{\&theta;}}_2-{\mathrm{\&theta;}}_1},{\mathrm{\&theta;}}_1\&le;d_i\&le;{\mathrm{\&theta;}}_2,1\&le;i\&le;m,\\ 1,d_i\&GreaterEqual;{\mathrm{\&theta;}}_2\end{array}\right.$

其中，θ₁＝1，θ₂＝8；

P_fi是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的故障概率；

d_i是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的距离。

6.一种汽车发动机故障检测装置，其特征在于，包括：

获取单元，用于获取汽车发动机预设信号的实际信号数据，所述实际信号数据为n1维数据向量，其中，n1≥1，且n1为整数；

归一化处理单元，用于对所述实际信号数据的每个维度上的数据进行归一化处理，得到实际标准化信号数据；

维度统一单元，用于当所述实际标准化信号数据的维度与预设维度不一致时，将所述实际标准化信号数据的维度统一到所述预设维度，当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，将所述正常标准化信号数据的维度统一到所述预设维度；其中，所述正常标准化信号数据库内包括所述预设信号的m个正常标准化信号数据，每个所述正常标准化信号数据均为n2维数据向量；其中，m≥1，n2≥1，且m、n2均为整数；所述正常标准化信号数据是由汽车发动机未发生故障时采集的正常信号数据进行归一化处理得到的；

距离计算单元，用于分别计算所述实际标准化信号数据与m个正常标准化信号数据中的每个数据之间的距离，得到m个距离；

故障概率计算单元，用于根据所述m个距离中的每个距离分别计算发动机预设信号的故障概率，得到m个故障概率；

最小值计算单元，用于计算所述m个故障概率的最小值，所述故障概率最小值即为汽车发动机预设信号发生故障的概率。

7.根据权利要求6所述的装置，其特征在于，所述归一化处理单元具体包括：

提取子单元，用于提取发动机预设信号的正常信号数据在n2个维度上的最小值S₁和最大值S₂；

归一化处理子单元，用于根据以下公式分别对所述实际信号数据的每个维度上的数据进行归一化处理，得到所述实际标准化信号数据；

所述公式的表达式为：

$V_{db}^{i^{\&prime;}}=\frac{e_{i^{\&prime;}}-S_1}{S_2-S_1};$

其中，为所述实际标准化信号数据在第i’个维度上的归一化后的数据；其中，1≤i'≤n1，且i’均为整数；

e_i’是所述实际信号数据在第i’个维度上的数据。

8.根据权利要求6所述的装置，所述维度统一单元包括：

第一维度统一子单元，用于当所述实际标准化信号数据的维度小于所述预设维度时，采用重插值法将所述实际标准化信号数据的维度统一到所述预设维度；当所述实际标准化信号数据的维度大于所述预设维度时，采用重采样法将所述实际标准化信号数据的维度统一到所述预设维度；

第二维度统一子单元，用于当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度小于所述预设维度时，采用重插值法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度；当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度大于所述预设维度时，采用重采样法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

9.根据权利要求6所述的装置，其特征在于，所述维度统一单元包括：

第三维度统一子单元，用于当所述实际标准化信号数据的维度与预设维度不一致时，采用双线性算法将所述实际标准化信号数据的维度统一到所述预设维度；

第四维度统一子单元，用于当正常标准化信号数据库内的所述预设信号的正常标准化信号数据的维度与所述预设维度不一致时，采用双线性算法将所述预设信号的正常标准化信号数据的维度统一到所述预设维度。

10.根据权利要求6-9任一项所述的装置，其特征在于，所述故障概率计算单元包括故障概率计算子单元，所述故障概率计算子单元具体为：根据以下公式计算所述实际标准化信号数据与第i个正常标准化信号数据之间的距离对应的故障概率：

$P_{fi}=\left\{\begin{array}{c}0,d_i<{\mathrm{\&theta;}}_1\\ \frac{d_i-{\mathrm{\&theta;}}_1}{{\mathrm{\&theta;}}_2-{\mathrm{\&theta;}}_1},{\mathrm{\&theta;}}_1\&le;d_i\&le;{\mathrm{\&theta;}}_2,1\&le;i\&le;m,\\ 1,d_i\&GreaterEqual;{\mathrm{\&theta;}}_2\end{array}\right.$

其中，θ₁＝1，θ₂＝8；

P_fi是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的故障概率；

d_i是所述预设信号的实际标准化信号数据与第i个正常标准化信号数据的距离。