CN105046088A - 一种基于知识库的汽车远程智能诊断方法和系统 - Google Patents

一种基于知识库的汽车远程智能诊断方法和系统 Download PDF

Info

Publication number
CN105046088A
CN105046088A CN201510487653.1A CN201510487653A CN105046088A CN 105046088 A CN105046088 A CN 105046088A CN 201510487653 A CN201510487653 A CN 201510487653A CN 105046088 A CN105046088 A CN 105046088A
Authority
CN
China
Prior art keywords
value
vehicle
score value
treatment advice
diagnostic trouble
Prior art date
Application number
CN201510487653.1A
Other languages
English (en)
Other versions
CN105046088B (zh
Inventor
黄亮
王建波
祁超
Original Assignee
彩虹无线(北京)新技术有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 彩虹无线(北京)新技术有限公司 filed Critical 彩虹无线(北京)新技术有限公司
Priority to CN201510487653.1A priority Critical patent/CN105046088B/zh
Publication of CN105046088A publication Critical patent/CN105046088A/zh
Application granted granted Critical
Publication of CN105046088B publication Critical patent/CN105046088B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及一种基于知识库的汽车远程智能诊断方法和系统,方法包括以下步骤:构建车辆健康体检模型;采集当前车辆的数据流;将当前车辆的数据流代入车辆健康体检模型,得到当前车辆健康体检报告;系统包括车辆健康体检模型构建模块用于构建车辆健康体检模型;当前车辆的数据流采集模块用于采集当前车辆的数据流;当前车辆健康体检报告生成模块用于将当前车辆的数据流代入车辆健康体检模型,得到当前车辆健康体检报告。本发明能够解决是汽车故障及风险反应滞后和过度依赖修理人员的问题,通过数据流进行预测性异常诊断,并通过车辆健康体检模型进行智能的计算机分析,准确地找到问题原因。

Description

一种基于知识库的汽车远程智能诊断方法和系统
技术领域
[0001] 本发明涉及车联网领域,尤其涉及一种基于知识库的汽车远程智能诊断方法和系 统。
背景技术
[0002] 目前车联网的应用逐步加深,随着后装OBD设备和前装集成设备在汽车上的安 装,越来越多的车辆被纳入了被信息全程覆盖的范围。汽车作为一个综合的信息服务终端, 一方面源源不断地向远程服务器发送车辆各个子系统的运行数据,另一方面从互联网上获 取各式各样的信息,包括新闻资讯、音频、视频、基于位置的服务等。
[0003] 目前,很多对于汽车诊断的手段主要有诊断设备和远程诊断系统。诊断设备一般 用于汽车发生故障后,进行现场的诊断分析工具,需要将设备接入到OBD串口,读取实时数 据流,显示在设备屏幕上,现场救援人员根据数据分析故障原因;远程诊断系统是基于终端 采集模块采集的数据传输到云服务器,通过专家系统对数据进行分析,然后将分析结果返 回给用户。这两种方法存在两个问题:1、都是对于故障的事后分析方法;2,故障的诊断依 赖于有经验的维修人员。
发明内容
[0004] 本发明所要解决的是汽车的故障及风险反应滞后和过度依赖修理人员的技术问 题,提供一种基于知识库的汽车远程智能诊断方法和系统。
[0005] 本发明解决上述技术问题的技术方案如下:一种基于知识库的汽车远程智能诊断 方法,包括以下步骤:
[0006] 步骤1,构建车辆健康体检模型;
[0007] 步骤2,采集当前车辆的数据流;
[0008] 步骤3,将所述当前车辆的数据流代入所述车辆健康体检模型,得到当前车辆健康 体检报告。
[0009] 在上述技术方案的基础上,本发明还可以做如下改进。
[0010] 进一步,步骤1中,所述车辆健康体检模型包括车辆总分值计算模型和分指标阈 值模型;
[0011] 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆 的健康状况划分;
[0012] 所述车辆总分值的计算方法包括:
[0013] 记车辆总分值为X,设定车辆总分值为百分制,即0彡X彡100,则X = XP +X2 ' +X3< +Xf +X5< +X6< +X7',其中XP表示加权后故障码总分值,X2'表示加权后发 动机负载分值,X3 '表示加权后冷却剂温度分值,X4 '表示加权后节气门开度分值,X5 ' 表示加权后怠速时发动机转速分值,X6 '表示加权后燃油经济性分值,X7 '表示加权后驾 驶习惯分值;其中 Xl' =alXXl,X2' =a2XX2,X3' =a3XX3,X4' =a4XX4,X5' =a5XX5, X6 ^ = a6XX6, X7 ^ = a7XX7,其中Xl表示故障码总分值,X2表示发动机负 载分值,X3表不冷却剂温度分值,X4表不节气门开度分值,X5表不怠速时发动机转速分值, X6表不燃油经济性分值,X7表不驾驶习惯分值;al、a2、a3、a4、a5、a6和a7分别表不XI、 X2、X3、X4、X5、X6 和 X7 的权重,且 al+a2+a3+a4+a5+a6+a7 = I ;
[0014] 其中Xl = 100-K,K表示故障码总扣分,K = Σ ki,ki表示第i个故障码的扣分, 记车辆的故障码共有N个,N彡0,i = 1,2,3,·*·,Ν,其中ki =MXT,其中M表示故障码标 准分,T表示故障码分类评分百分比,M为一个固定值,T为预先设定的不同故障码对应的评 分百分比,每一个故障码对应一个故障码分类评分百分比;若计算出来的K超过100,则记K 为 100 ;
[0015] X2的取值为100或0,X2的取值为100时为正常,X2的取值为0时为异常,当发动 机负载介于预先设定的发动机负载范围内时,X2取值为100,否则X2取值为0,此时发动机 负载异常;
[0016] X3的取值为100或0,X3的取值为100时为正常,X3的取值为0时为异常,当冷却 剂温度介于预先设定的冷却剂温度范围内时,X3取值为0,否则X3取值为100 ;
[0017] X4的取值为100或0,X4的取值为100时为正常,X4的取值为0时为异常,当气节 门开度介于预先设定的气节门开度范围内时,X4取值为100,否则X2取值为0 ;
[0018] X5的取值为100或0,X5的取值为100时为正常,X5的取值为0时为异常,当速度 为〇时发动机转速介于预先设定的发动机转速范围内时,X5取值为100,否则X5取值为0 ;
[0019] 记G表示车型官方耗油,A表示实际燃油经济型数值,其中且A = 245. 687 X (tempVX speedV) / (rpmVXpressV),其中 tempV 表不平均进气温度,speedV 表不 平均车速,rpmV表示平均发动机转速,且rpmV不为零,pressV表示平均进气歧管压力,当进 气歧管压力为0时,取PressV为1,若A < G,则X6取值为100,若A > G,则记燃油经济型 比例为R,R =[ (A-G)/GX 100 % ],X6的取值根据R的数值进行多级划分,设置多个燃油经 济型比例取值区间,每一个区间对应一个燃油经济性分值;
[0020] X7的取值为100或0,当车速和水温满足预先设定的条件时,X7取值0,否则X7取 值 100 ;
[0021] 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间,每 一个区间对应一个车辆的健康状况评价。
[0022] 进一步,所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、 燃油经济性处理建议模型和驾驶习惯处理建议模型;
[0023] 所述故障码处理建议模型为设置多个故障码数量的取值区间,每一个区间对应一 个处理建议;
[0024] 所述监控指数处理建议模型为设置多个异常数据数目的取值区间,每一个区间对 应一个处理建议;所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、 节气门开度和怠速时发动机转速;
[0025] 所述燃油经济性处理建议模型为根据X6的取值,进行不同的处理建议;
[0026] 所述驾驶习惯处理建议模型为根据X7的取值,进行不同的处理建议。
[0027] 进一步,步骤2中,所述当前车辆的数据流包括当前车辆的故障码数据流和当前 车辆的监控数据流;
[0028] 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故 障码个数、故障码描述;
[0029] 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS 维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、 后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状 态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向 加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正Bl、长期燃油修 正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温 度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、 油轨压力、进气歧管绝对压力、氧传感器BlSl输出电压、氧传感器B1S2输出电压、氧传感器 B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电 压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对 油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸 汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发 动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。
[0030] 进一步,步骤3中,所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前 车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议,当前车辆的 分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理 建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建 议、燃油经济性处理建议和驾驶习惯处理建议。
[0031] 本发明解决上述技术问题的另一种技术方案如下:一种基于知识库的汽车远程智 能诊断系统,包括车辆健康体检模型构建模块、当前车辆的数据流采集模块和当前车辆健 康体检报告生成模块;
[0032] 所述车辆健康体检模型构建模块用于构建车辆健康体检模型;
[0033] 所述当前车辆的数据流采集模块用于采集当前车辆的数据流;
[0034] 所述当前车辆健康体检报告生成模块用于将所述当前车辆的数据流代入所述车 辆健康体检模型,得到当前车辆健康体检报告。
[0035] 在上述技术方案的基础上,本发明还可以做如下改进。
[0036] 进一步,所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型;
[0037] 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆 的健康状况划分;
[0038] 所述车辆总分值的计算方法包括:
[0039] 记车辆总分值为X,设定车辆总分值为百分制,即0彡X彡100,则X = XP +X2 ' +X3< +Xf +X5< +X6< +X7',其中XP表示加权后故障码总分值,X2'表示加权后发 动机负载分值,X3 '表示加权后冷却剂温度分值,X4 '表示加权后节气门开度分值,X5 ' 表示加权后怠速时发动机转速分值,X6 '表示加权后燃油经济性分值,X7 '表示加权后驾 驶习惯分值;其中 Xl' =alXXl,X2' =a2XX2,X3' =a3XX3,X4' =a4XX4,X5' =a5XX5, X6 ^ = a6XX6, X7 ^ = a7XX7,其中Xl表示故障码总分值,X2表示发动机负 载分值,X3表不冷却剂温度分值,X4表不节气门开度分值,X5表不怠速时发动机转速分值, X6表不燃油经济性分值,X7表不驾驶习惯分值;al、a2、a3、a4、a5、a6和a7分别表不XI、 X2、X3、X4、X5、X6 和 X7 的权重,且 al+a2+a3+a4+a5+a6+a7 = I ;
[0040] 其中Xl = 100-K,K表示故障码总扣分,K = Σ ki,ki表示第i个故障码的扣分, 记车辆的故障码共有N个,N彡0,i = 1,2,3,·*·,Ν,其中ki =MXT,其中M表示故障码标 准分,T表示故障码分类评分百分比,M为一个固定值,T为预先设定的不同故障码对应的评 分百分比,每一个故障码对应一个故障码分类评分百分比;若计算出来的K超过100,则记K 为 100 ;
[0041] X2的取值为100或0,X2的取值为100时为正常,X2的取值为0时为异常,当发动 机负载介于预先设定的发动机负载范围内时,X2取值为100,否则X2取值为0,此时发动机 负载异常;
[0042] X3的取值为100或0,X3的取值为100时为正常,X3的取值为0时为异常,当冷却 剂温度介于预先设定的冷却剂温度范围内时,X3取值为0,否则X3取值为100 ;
[0043] X4的取值为100或0,X4的取值为100时为正常,X4的取值为0时为异常,当气节 门开度介于预先设定的气节门开度范围内时,X4取值为100,否则X2取值为0 ;
[0044] X5的取值为100或0,X5的取值为100时为正常,X5的取值为0时为异常,当速度 为〇时发动机转速介于预先设定的发动机转速范围内时,X5取值为100,否则X5取值为0 ;
[0045] 记G表示车型官方耗油,A表示实际燃油经济型数值,其中且A = 245. 687 X (tempVX speedV) / (rpmVXpressV),其中 tempV 表不平均进气温度,speedV 表不 平均车速,rpmV表示平均发动机转速,且rpmV不为零,pressV表示平均进气歧管压力,当进 气歧管压力为0时,取PressV为1,若A < G,则X6取值为100,若A > G,则记燃油经济型 比例为R,R =[ (A-G)/GX 100 % ],X6的取值根据R的数值进行多级划分,设置多个燃油经 济型比例取值区间,每一个区间对应一个燃油经济性分值;
[0046] X7的取值为100或0,当车速和水温满足预先设定的条件时,X7取值0,否则X7取 值 100 ;
[0047] 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间,每 一个区间对应一个车辆的健康状况评价。
[0048] 进一步,所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、 燃油经济性处理建议模型和驾驶习惯处理建议模型;
[0049] 所述故障码处理建议模型为设置多个故障码数量的取值区间,每一个区间对应一 个处理建议;
[0050] 所述监控指数处理建议模型为设置多个异常数据数目的取值区间,每一个区间对 应一个处理建议;所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、 节气门开度和怠速时发动机转速;
[0051] 所述燃油经济性处理建议模型为根据X6的取值,进行不同的处理建议;
[0052] 所述驾驶习惯处理建议模型为根据X7的取值,进行不同的处理建议。
[0053] 进一步,所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控 数据流;
[0054] 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故 障码个数、故障码描述;
[0055] 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS 维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、 后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状 态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向 加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正Bl、长期燃油修 正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温 度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、 油轨压力、进气歧管绝对压力、氧传感器BlSl输出电压、氧传感器B1S2输出电压、氧传感器 B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电 压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对 油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸 汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发 动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。
[0056] 进一步,所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车 辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议,当前车辆的分指标处 理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型 和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经 济性处理建议和驾驶习惯处理建议。
[0057] 本发明的有益效果是:本发明能够解决是汽车故障及风险反应滞后和过度依赖修 理人员的问题,通过数据流进行预测性异常诊断,并通过车辆健康体检模型进行智能的计 算机分析,准确地找到问题原因。
附图说明
[0058] 图1为本发明实施例一所述基于知识库的汽车远程智能诊断方法的流程图;
[0059] 图2为本发明所述智能推送系统;
[0060]图3为本发明实施例二所述基于知识库的汽车远程智能诊断系统的结构图。
具体实施方式
[0061] 以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并 非用于限定本发明的范围。
[0062]图1为本发明实施例一所述基于知识库的汽车远程智能诊断方法的流程图。
[0063] 如图1所示,一种基于知识库的汽车远程智能诊断方法,包括以下步骤:
[0064] 步骤1,构建车辆健康体检模型;
[0065] 所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型;
[0066] 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆 的健康状况划分;
[0067] 所述车辆总分值的计算方法包括:
[0068] 记车辆总分值为X,设定车辆总分值为百分制,即0彡X彡100,则X = XP +X2 ' +X3< +Xf +X5< +X6< +X7',其中XP表示加权后故障码总分值,X2'表示加权后发 动机负载分值,X3 '表示加权后冷却剂温度分值,X4 '表示加权后节气门开度分值,X5 ' 表示加权后怠速时发动机转速分值,X6 '表示加权后燃油经济性分值,X7 '表示加权后驾 驶习惯分值;其中 Xl' =alXXl,X2' =a2XX2,X3' =a3XX3,X4' =a4XX4,X5' = a5XX5,X6< =a6XX6,X7< =a7XX7,其中Xl表示故障码总分值,X2表示发动机负载 分值,X3表不冷却剂温度分值,X4表不节气门开度分值,X5表不怠速时发动机转速分值,X6 表不燃油经济性分值,X7表不驾驶习惯分值;al、a2、a3、a4、a5、a6和a7分别表不XI、X2、 父3、父4、父5、父6和父7的权重,且&1+&2+&3+&4+&5+&6+&7 = 1,&1、&2、&3、&4、&5、&6和&7的 值可以根据需要设定;
[0069] 其中Xl = 100-K,K表示故障码总扣分,K = Σ ki,ki表示第i个故障码的扣分, 记车辆的故障码共有N个,N彡0,i = 1,2,3,·*·,Ν,其中ki =MXT,其中M表示故障码标 准分,T表示故障码分类评分百分比,M为一个固定值,可以根据需要进行设定,T为预先设 定的不同故障码对应的评分百分比,其中故障码来源于《故障码分类库》,可以根据需要为 故障码设定故障码级别,不同的故障码级别代表不同的评分百分比,每一个故障码对应一 个故障码分类评分百分比。若计算出来的K超过100,则记K为100 ;
[0070] X2的取值为100或0,X2的取值为100时为正常,X2的取值为0时为异常,当发动 机负载介于预先设定的发动机负载范围内时,X2取值为100,否则X2取值为0,此时发动机 负载异常,预先设定的发动机负载范围可以根据需要设定;
[0071] X3的取值为100或0,X3的取值为100时为正常,X3的取值为0时为异常,当冷却 剂温度介于预先设定的冷却剂温度范围内时,X3取值为0,否则X3取值为100,预先设定的 冷却剂温度范围可以根据需要设定;
[0072] X4的取值为100或0,X4的取值为100时为正常,X4的取值为0时为异常,当气节 门开度介于预先设定的气节门开度范围内时,X4取值为100,否则X2取值为0,预先设定的 气节门开度范围可以根据需要设定;
[0073] X5的取值为100或0,X5的取值为100时为正常,X5的取值为0时为异常,当速度 为〇时发动机转速介于预先设定的发动机转速范围内时,X5取值为100,否则X5取值为0, 预先设定的发动机转速范围可以根据需要设定;
[0074] 记G表示车型官方耗油,A表示实际燃油经济型数值,其中且A = 245. 687 X (tempVX speedV) / (rpmVXpressV),其中 tempV 表不平均进气温度,speedV 表不 平均车速,rpmV表示平均发动机转速,且rpmV不为零,pressV表示平均进气歧管压力,当进 气歧管压力为0时,取PressV为1,若A < G,则X6取值为100,若A > G,则记燃油经济型 比例为R,R =[ (A-G)/GX 100 % ],X6的取值根据R的数值进行多级划分,设置多个燃油经 济型比例取值区间,每一个区间对应一个燃油经济性分值;所述多个燃油经济型比例取值 区间以及其对应的燃油经济性分值可以根据需要设定;
[0075] X7的取值为100或0,当车速和水温满足预先设定的条件时,X7取值0,否则X7取 值100 ;所述预先设定的条件可以根据需要设定。
[0076] 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间,每 一个区间对应一个车辆的健康状况评价。
[0077] 所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经 济性处理建议模型和驾驶习惯处理建议模型;
[0078] 故障码处理建议模型为设置多个故障码数量的取值区间,每一个区间对应一个处 理建议;
[0079] 监控指数处理建议模型为设置多个异常数据数目的取值区间,每一个区间对应一 个处理建议;所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气 门开度和怠速时发动机转速;
[0080] 燃油经济性处理建议模型为根据燃油经济性分值的不同设置与其对应的处理建 议;每一个燃油经济性分值对应一个处理建议。
[0081] 驾驶习惯处理建议模型为根据X7的取值,进行不同的处理建议。
[0082] 步骤2,采集当前车辆的数据流;所述当前车辆的数据流包括当前车辆的故障码 数据流和当前车辆的监控数据流。
[0083] 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故 障码个数、故障码描述等;
[0084] 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS 维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后 右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、 数据产生时间、瞬时油耗、方向盘的位置(转角)、方向盘的转速、方向盘传感器状态、车速、 纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃 油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进 气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状 态、油轨压力、进气歧管绝对压力、氧传感器BlSl输出电压、氧传感器B1S2输出电压、氧传 感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出 电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相 对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP 蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活 发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温等;
[0085] 步骤3,将所述当前车辆的数据流代入所述车辆健康体检模型,得到当前车辆健康 体检报告;所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分 值对应的车辆的健康状况评价和当前车辆的分指标处理建议,当前车辆的分指标处理建议 包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶 习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处 理建议和驾驶习惯处理建议。
[0086] 所述当前车辆健康体检报告将信息以文字、语音等方式在用户App端呈现。所述 呈现方式可以通过智能推送系统实现。
[0087]图2为本发明所述智能推送系统。
[0088] 如图2所示,智能诊断系统将诊断结论发送到消息管理服务器(带有车辆ID),App 终端根据车辆ID注册一个Session在消息管理服务器,消息服务器接收到消息后根据车辆 ID找到对应的App终端进行发送,App终端监听程序接收到消息后触发消息提示或者语音 播放功能。
[0089] 以下为一个具体的实施例。
[0090]假设车辆健康体检模型中,al =40%,a2 = 5%,a3 = 5%,a4 = 5%,a5 = 5%, a6 = 20%,a7 = 20%,M = 10,其中故障码级别对应的评分百分比可以设置为如下表所示:
Figure CN105046088AD00131
Figure CN105046088AD00141
[0095] 如上表所示,通过五位码以及16进制码来区分不同的故障码。
[0096] 设置当发动机负载介于13-45之间时,X2取值为100,否则X2取值为0。
[0097] 设置当冷却剂温度> 105°C时,X3取值为0,否则X3取值为100。
[0098] 设置当气节门开度介于0. 2% -0. 4%之间时,X4取值为100,否则X2取值为0。
[0099] 设置当速度为0时发动机转速在700rpm-860rpm之间时,X5取值为100,否则X5 取值为0。
[0100] 设置X6的取值如下表所示:
[0101]
Figure CN105046088AD00142
[0102] 设置当水温小于等于50°C,车速不等于0时,X7取值为0,如果车速等于0,则X7 取值为100 ;在水温大于50°c的情况下,X7取值为100。
[0103] 车辆的健康状况划分为:当85 < X < 100时,车辆的健康状况评价为"很棒",当 70 < X < 85时,车辆的健康状况评价为"良好",当60 < X < 70时,车辆的健康状况评价 为"一般",当X < 60时,车辆的健康状况评价为"很差"。
[0104] 故障码处理建议模型如下表所示:
[0105]
Figure CN105046088AD00143
Figure CN105046088AD00151
[0108] 上表中的Nt表示监控指数处理建议模型监控的数据类型的数目。
[0109] 燃油经济性处理建议模型如下表所示:
[0110]
[0111] 驾驶习惯处理建议模型如下表所示:
Figure CN105046088AD00152
'
[0112]
[0113] 假设采集到的当前车辆的故障码数据
Figure CN105046088AD00153
流如下表所示I
Figure CN105046088AD00154
Figure CN105046088AD00161
[0116] 假设采集到的当前车辆的监控数据流如下表所示:
Figure CN105046088AD00162
Figure CN105046088AD00171
Figure CN105046088AD00181
Figure CN105046088AD00191
[0121] 根据当前车辆的数据流,当前车辆一共有四个故障码,分别为P00185、P00070、 P00017和P00825,对应的故障码级别分别为A、B、C和D,由于M= 10,则Kl = 10X100% =10,K2 = 10X60%= 6,K3 = 10X20%= 2,K4 = 10X10%= LK = Σ ki = 10+6+2+1 =19, Xl = 100-19 = 81,XP = 40% Χ81 = 32. 4。
[0122] 发动机负载为50,因此Χ2 = 0, Χ2 ' = 0。
[0123] 冷却剂温度为 77. 0,因此 X3 = 100, X3 ' = 5% X 100 = 5。
[0124] 气节门开度为4. 5%,因此X4 = 0,X4 ' = 0。
[0125] 当速度为0时发动机转速为850,因此X5 = 100, X5 ' = 5% X 100 = 5。
[0126] 平均进气温度为53. (TC,平均车速为54. 0,平均发动机转速为846,平均进气歧 管压力为 117.0,则 A = 245.687X (53.0X54.〇V(846X117) = 7. 103, G = 6.8, R = (7. 103-6. 8)/6. 8 = 4. 46%,因此 Χ6 = 90, Χ6 ' = 20% Χ90 = 18。
[0127] 车速为54,水温为28,因此X7 = 0,X7 ' = 0。
[0128] 则 X = XP +X2 ^ +X3 ^ +X^ +X5 ^ +X6 ^ +X7 ^ = 32. 4+0+5+0+5+18+0 = 70. 4〇
[0129] 当前车辆的健康状况评价为:良好。
[0130] 由于当前车辆的故障码数量为4个,因此故障码处理建议为:发现故障码,建议进 行维修。
[0131] 由于Nt = 4,异常数据数目为2个,因此监控指数处理建议为:发现异常数据,建 议进行维修。
[0132] 由于X6 = 90,因此燃油经济性处理建议为:车辆油耗正常。
[0133] 由于X7 = 0,因此驾驶习惯处理建议为:驾驶习惯不良,需要改进。
[0134] 图3为本发明实施例二所述基于知识库的汽车远程智能诊断系统的结构图。
[0135] 根据上述基于知识库的汽车远程智能诊断方法,可以得到与方法的技术特征一一 对应的系统,如图3所示,一种基于知识库的汽车远程智能诊断系统,其特征在于,包括车 辆健康体检模型构建模块、当前车辆的数据流采集模块和当前车辆健康体检报告生成模 块;车辆健康体检模型构建模块用于构建车辆健康体检模型;当前车辆的数据流采集模块 用于采集当前车辆的数据流;当前车辆健康体检报告生成模块用于将所述当前车辆的数据 流代入所述车辆健康体检模型,得到当前车辆健康体检报告。
[0136] 在本说明书的描述中,参考术语"实施例一"、"实施例二"、"示例"、"具体示例"、或 "一些示例"等的描述意指结合该实施例或示例描述的具体方法、装置或者特点包含于本发 明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是 相同的实施例或示例。而且,描述的具体特征、方法、装置或者特点可以在任一个或多个实 施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将 本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0137] 以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和 原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (10)

1. 一种基于知识库的汽车远程智能诊断方法,其特征在于,包括以下步骤: 步骤1,构建车辆健康体检模型; 步骤2,采集当前车辆的数据流; 步骤3,将所述当前车辆的数据流代入所述车辆健康体检模型,得到当前车辆健康体检 报告。
2. 根据权利要求1所述的基于知识库的汽车远程智能诊断方法,其特征在于,步骤1 中,所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型; 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健 康状况划分; 所述车辆总分值的计算方法包括: 记车辆总分值为X,设定车辆总分值为百分制,即O彡X彡100,则X = Xl ' +X2 ' +X3< +Xf +X5< +X6< +X7',其中XP表示加权后故障码总分值,X2'表示加权后发 动机负载分值,X3 '表示加权后冷却剂温度分值,X4 '表示加权后节气门开度分值,X5 ' 表示加权后怠速时发动机转速分值,X6 '表示加权后燃油经济性分值,X7 '表示加权后驾 驶习惯分值;其中 Xl' =alXXl,X2' =a2XX2,X3' =a3XX3,X4' =a4XX4,X5' =a5XX5, X6 ^ = a6XX6, X7 ^ = a7XX7,其中Xl表示故障码总分值,X2表示发动机负 载分值,X3表不冷却剂温度分值,X4表不节气门开度分值,X5表不怠速时发动机转速分值, X6表不燃油经济性分值,X7表不驾驶习惯分值;al、a2、a3、a4、a5、a6和a7分别表不XI、 X2、X3、X4、X5、X6 和 X7 的权重,且 al+a2+a3+a4+a5+a6+a7 = I ; 其中Xl = 100-K,K表示故障码总扣分,K = E ki,ki表示第i个故障码的扣分,记车 辆的故障码共有N个,N彡0,i = 1,2,3,…,N,其中ki =MXT,其中M表示故障码标准分, T表示故障码分类评分百分比,M为一个固定值,T为预先设定的不同故障码对应的评分百 分比,每一个故障码对应一个故障码分类评分百分比;若计算出来的K超过100,则记K为 100 ; X2的取值为100或0,X2的取值为100时为正常,X2的取值为0时为异常,当发动机负 载介于预先设定的发动机负载范围内时,X2取值为100,否则X2取值为0,此时发动机负载 异常; X3的取值为100或0,X3的取值为100时为正常,X3的取值为0时为异常,当冷却剂温 度介于预先设定的冷却剂温度范围内时,X3取值为0,否则X3取值为100 ; X4的取值为100或0,X4的取值为100时为正常,X4的取值为0时为异常,当气节门开 度介于预先设定的气节门开度范围内时,X4取值为100,否则X2取值为0 ; X5的取值为100或0,X5的取值为100时为正常,X5的取值为0时为异常,当速度为0 时发动机转速介于预先设定的发动机转速范围内时,X5取值为100,否则X5取值为0 ; 记G表示车型官方耗油,A表示实际燃油经济型数值,其中且A = 245. 687 X (tempVX speedV) / (rpmVXpressV),其中 tempV 表不平均进气温度,speedV 表不 平均车速,rpmV表示平均发动机转速,且rpmV不为零,pressV表示平均进气歧管压力,当进 气歧管压力为0时,取PressV为1,若A < G,则X6取值为100,若A > G,则记燃油经济型 比例为R,R =[ (A-G)/GX 100% ],X6的取值根据R的数值进行多级划分,设置多个燃油经 济型比例取值区间,每一个区间对应一个燃油经济性分值; X7的取值为100或0,当车速和水温满足预先设定的条件时,X7取值0,否则X7取值 100 ; 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间,每一个 区间对应一个车辆的健康状况评价。
3. 根据权利要求2所述的基于知识库的汽车远程智能诊断方法,其特征在于,所述分 指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模 型和驾驶习惯处理建议模型; 所述故障码处理建议模型为设置多个故障码数量的取值区间,每一个区间对应一个处 理建议; 所述监控指数处理建议模型为设置多个异常数据数目的取值区间,每一个区间对应一 个处理建议;所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气 门开度和怠速时发动机转速; 所述燃油经济性处理建议模型为根据X6的取值,进行不同的处理建议; 所述驾驶习惯处理建议模型为根据X7的取值,进行不同的处理建议。
4. 根据权利要求1所述的基于知识库的汽车远程智能诊断方法,其特征在于,步骤2 中,所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流; 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码 个数、故障码描述; 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS维 度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后 右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、 数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加 速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正 B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温 度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、 油轨压力、进气歧管绝对压力、氧传感器BlSl输出电压、氧传感器B1S2输出电压、氧传感器 B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电 压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对 油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸 汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发 动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。
5. 根据权利要求3所述的基于知识库的汽车远程智能诊断方法,其特征在于,步骤3 中,所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应 的车辆的健康状况评价和当前车辆的分指标处理建议,当前车辆的分指标处理建议包括根 据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处 理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议 和驾驶习惯处理建议。
6. -种基于知识库的汽车远程智能诊断系统,其特征在于,包括车辆健康体检模型构 建模块、当前车辆的数据流采集模块和当前车辆健康体检报告生成模块; 所述车辆健康体检模型构建模块用于构建车辆健康体检模型; 所述当前车辆的数据流采集模块用于采集当前车辆的数据流; 所述当前车辆健康体检报告生成模块用于将所述当前车辆的数据流代入所述车辆健 康体检模型,得到当前车辆健康体检报告。
7.根据权利要求6所述的基于知识库的汽车远程智能诊断系统,其特征在于,所述车 辆健康体检模型包括车辆总分值计算模型和分指标阈值模型; 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健 康状况划分; 所述车辆总分值的计算方法包括: 记车辆总分值为X,设定车辆总分值为百分制,即O彡X彡100,则X = Xl ' +X2 ' +X3< +Xf +X5< +X6< +X7',其中XP表示加权后故障码总分值,X2'表示加权后发 动机负载分值,X3 '表示加权后冷却剂温度分值,X4 '表示加权后节气门开度分值,X5 ' 表示加权后怠速时发动机转速分值,X6 '表示加权后燃油经济性分值,X7 '表示加权后驾 驶习惯分值;其中 Xl' =alXXl,X2' =a2XX2,X3' =a3XX3,X4' =a4XX4,X5' =a5XX5, X6 ^ = a6XX6, X7 ^ = a7XX7,其中Xl表示故障码总分值,X2表示发动机负 载分值,X3表不冷却剂温度分值,X4表不节气门开度分值,X5表不怠速时发动机转速分值, X6表不燃油经济性分值,X7表不驾驶习惯分值;al、a2、a3、a4、a5、a6和a7分别表不XI、 X2、X3、X4、X5、X6 和 X7 的权重,且 al+a2+a3+a4+a5+a6+a7 = I ; 其中Xl = 100-K,K表示故障码总扣分,K = E ki,ki表示第i个故障码的扣分,记车 辆的故障码共有N个,N彡0,i = 1,2,3,…,N,其中ki =MXT,其中M表示故障码标准分, T表示故障码分类评分百分比,M为一个固定值,T为预先设定的不同故障码对应的评分百 分比,每一个故障码对应一个故障码分类评分百分比;若计算出来的K超过100,则记K为 100 ; X2的取值为100或0,X2的取值为100时为正常,X2的取值为0时为异常,当发动机负 载介于预先设定的发动机负载范围内时,X2取值为100,否则X2取值为0,此时发动机负载 异常; X3的取值为100或0,X3的取值为100时为正常,X3的取值为0时为异常,当冷却剂温 度介于预先设定的冷却剂温度范围内时,X3取值为0,否则X3取值为100 ; X4的取值为100或0,X4的取值为100时为正常,X4的取值为0时为异常,当气节门开 度介于预先设定的气节门开度范围内时,X4取值为100,否则X2取值为0 ; X5的取值为100或0,X5的取值为100时为正常,X5的取值为0时为异常,当速度为0 时发动机转速介于预先设定的发动机转速范围内时,X5取值为100,否则X5取值为0 ; 记G表示车型官方耗油,A表示实际燃油经济型数值,其中且A = 245. 687 X (tempVX speedV) / (rpmVXpressV),其中 tempV 表不平均进气温度,speedV 表不 平均车速,rpmV表示平均发动机转速,且rpmV不为零,pressV表示平均进气歧管压力,当进 气歧管压力为0时,取PressV为1,若A < G,则X6取值为100,若A > G,则记燃油经济型 比例为R,R =[ (A-G)/GX 100% ],X6的取值根据R的数值进行多级划分,设置多个燃油经 济型比例取值区间,每一个区间对应一个燃油经济性分值; X7的取值为100或0,当车速和水温满足预先设定的条件时,X7取值0,否则X7取值 100 ; 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间,每一个 区间对应一个车辆的健康状况评价。
8. 根据权利要求7所述的基于知识库的汽车远程智能诊断系统,其特征在于,所述分 指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模 型和驾驶习惯处理建议模型; 所述故障码处理建议模型为设置多个故障码数量的取值区间,每一个区间对应一个处 理建议; 所述监控指数处理建议模型为设置多个异常数据数目的取值区间,每一个区间对应一 个处理建议;所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气 门开度和怠速时发动机转速; 所述燃油经济性处理建议模型为根据X6的取值,进行不同的处理建议; 所述驾驶习惯处理建议模型为根据X7的取值,进行不同的处理建议。
9. 根据权利要求6所述的基于知识库的汽车远程智能诊断系统,其特征在于,所述当 前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流; 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码 个数、故障码描述; 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS维 度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后 右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、 数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加 速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正 B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温 度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、 油轨压力、进气歧管绝对压力、氧传感器BlSl输出电压、氧传感器B1S2输出电压、氧传感器 B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电 压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对 油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸 汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发 动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。
10. 根据权利要求8所述的基于知识库的汽车远程智能诊断系统,其特征在于,所述当 前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健 康状况评价和当前车辆的分指标处理建议,当前车辆的分指标处理建议包括根据故障码处 理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型 得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯 处理建议。
CN201510487653.1A 2015-08-10 2015-08-10 一种基于知识库的汽车远程智能诊断方法和系统 Active CN105046088B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510487653.1A CN105046088B (zh) 2015-08-10 2015-08-10 一种基于知识库的汽车远程智能诊断方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510487653.1A CN105046088B (zh) 2015-08-10 2015-08-10 一种基于知识库的汽车远程智能诊断方法和系统

Publications (2)

Publication Number Publication Date
CN105046088A true CN105046088A (zh) 2015-11-11
CN105046088B CN105046088B (zh) 2018-03-02

Family

ID=54452628

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510487653.1A Active CN105046088B (zh) 2015-08-10 2015-08-10 一种基于知识库的汽车远程智能诊断方法和系统

Country Status (1)

Country Link
CN (1) CN105046088B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105430085A (zh) * 2015-11-30 2016-03-23 华南理工大学 一种使用节气门开度评估驾驶行为经济性的系统及方法
CN106696865A (zh) * 2016-12-30 2017-05-24 张加林 润滑油的合成方法、装置及系统
CN106998352A (zh) * 2017-02-23 2017-08-01 深圳市元征软件开发有限公司 一种汽车预诊断方法及服务器
CN107063708A (zh) * 2017-03-14 2017-08-18 华东师范大学 一种通过车辆总线设备分析车辆健康状况的装置及方法
CN107490485A (zh) * 2016-11-15 2017-12-19 宝沃汽车(中国)有限公司 车辆健康度检测方法、装置及车辆
CN108693868A (zh) * 2018-05-25 2018-10-23 深圳市轱辘车联数据技术有限公司 故障预测模型训练的方法、车辆故障预测的方法及装置
CN109240254A (zh) * 2017-07-10 2019-01-18 卢照敢 基于车况数据流的汽车状态评估及故障预警方法
CN109738191A (zh) * 2019-01-11 2019-05-10 北京三一智造科技有限公司 发动机健康状态评价方法及系统
CN109887373A (zh) * 2019-01-30 2019-06-14 北京津发科技股份有限公司 基于车辆驾驶的驾驶行为数据采集方法、测评方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201993448U (zh) * 2011-01-07 2011-09-28 武汉理工大学 一种燃料电池系统的故障诊断装置
CN102571987A (zh) * 2012-02-28 2012-07-11 中国人民解放军军事交通学院 基于Web的汽车远程故障诊断专家系统
US20120277949A1 (en) * 2011-04-29 2012-11-01 Toyota Motor Engin. & Manufact. N.A.(TEMA) Collaborative multi-agent vehicle fault diagnostic system & associated methodology
CN102097636B (zh) * 2011-01-07 2013-07-17 武汉理工大学 一种燃料电池系统的故障诊断装置及方法
CN102354179B (zh) * 2011-08-02 2013-08-21 厦门华戎能源科技有限公司 锂离子电池组远程监控及故障诊断系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201993448U (zh) * 2011-01-07 2011-09-28 武汉理工大学 一种燃料电池系统的故障诊断装置
CN102097636B (zh) * 2011-01-07 2013-07-17 武汉理工大学 一种燃料电池系统的故障诊断装置及方法
US20120277949A1 (en) * 2011-04-29 2012-11-01 Toyota Motor Engin. & Manufact. N.A.(TEMA) Collaborative multi-agent vehicle fault diagnostic system & associated methodology
CN102354179B (zh) * 2011-08-02 2013-08-21 厦门华戎能源科技有限公司 锂离子电池组远程监控及故障诊断系统
CN102571987A (zh) * 2012-02-28 2012-07-11 中国人民解放军军事交通学院 基于Web的汽车远程故障诊断专家系统

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
AL-TAEE M A,ET AL.,: "Remote monitoring of vehicle diagnostics and location using a smart box with Global Positioning System and General Packet Radio Service", 《COMPUTER SYSTEMS AND APPLICATIONS, 2007. AICCSA07. IEEE/ACS INTERNATIONAL CONFERENCE ON. IEEE, 2007》 *
LIANGYU LEI,ET AL.,: "Research on Failure Diagnoses of Mechanical Equipment Based on Virtual Reality", 《2010 3RD INTERNATIONAL CONFERENCE ON POWER ELECTRONICS AND INTELLIGENT TRANSPORTATION SYSTEM》 *
曹恺: "轻型汽油车远程监测及故障诊断技术研究", 《中国博士学位论文全文数据库工程科技II辑(月刊)》 *
李小敏,: "基于Android智能手机的汽车诊断系统的研究与实现", 《中国优秀硕士学位论文全文数据库工程科技II辑(月刊)》 *
盛祥政: "基于智能手机的远程汽车诊断系统的研发与开发", 《中国优秀硕士学位论文全文数据库工程科技II辑(月刊)》 *
苏子林,等: "基于远程数据交换与智能控制系统的汽车故障诊断研究", 《鲁东大学学报(自然科学版)》 *
谌宝林: "基于Android平台的车辆远程信息服务系统客服端设计与开发", 《中国优秀硕士学位论文全文数据库信息科技辑(月刊)》 *
颜伏伍,等: "基于智能手机的汽车远程故障诊断系统", 《华中科技大学学报(自然科学版)》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105430085A (zh) * 2015-11-30 2016-03-23 华南理工大学 一种使用节气门开度评估驾驶行为经济性的系统及方法
CN105430085B (zh) * 2015-11-30 2019-05-14 华南理工大学 一种使用节气门开度评估驾驶行为经济性的系统及方法
CN107490485A (zh) * 2016-11-15 2017-12-19 宝沃汽车(中国)有限公司 车辆健康度检测方法、装置及车辆
CN106696865A (zh) * 2016-12-30 2017-05-24 张加林 润滑油的合成方法、装置及系统
CN106998352A (zh) * 2017-02-23 2017-08-01 深圳市元征软件开发有限公司 一种汽车预诊断方法及服务器
CN107063708A (zh) * 2017-03-14 2017-08-18 华东师范大学 一种通过车辆总线设备分析车辆健康状况的装置及方法
CN109240254A (zh) * 2017-07-10 2019-01-18 卢照敢 基于车况数据流的汽车状态评估及故障预警方法
CN108693868A (zh) * 2018-05-25 2018-10-23 深圳市轱辘车联数据技术有限公司 故障预测模型训练的方法、车辆故障预测的方法及装置
CN109738191A (zh) * 2019-01-11 2019-05-10 北京三一智造科技有限公司 发动机健康状态评价方法及系统
CN109738191B (zh) * 2019-01-11 2020-08-25 北京三一智造科技有限公司 发动机健康状态评价方法及系统
CN109887373A (zh) * 2019-01-30 2019-06-14 北京津发科技股份有限公司 基于车辆驾驶的驾驶行为数据采集方法、测评方法及装置

Also Published As

Publication number Publication date
CN105046088B (zh) 2018-03-02

Similar Documents

Publication Publication Date Title
US20190087256A1 (en) Computer System and Method for Defining and Using a Predictive Model Configured to Predict Asset Failures
CN102768115B (zh) 一种风电机组齿轮箱健康状态实时动态监控方法
EP2678832B1 (en) Diagnostic baselining
US8732112B2 (en) Method and system for root cause analysis and quality monitoring of system-level faults
US8384354B2 (en) Sensor arrangement and method of using the same
US6456928B1 (en) Prognostics monitor for systems that are subject to failure
US6950782B2 (en) Model-based intelligent diagnostic agent
Capriglione et al. On-line sensor fault detection, isolation, and accommodation in automotive engines
US8676553B2 (en) Apparatus abnormality diagnosis method and system
CN103247091B (zh) 一种驾驶评价系统及方法
US9026400B2 (en) Diagnostic process for home electronic devices
CN104809878B (zh) 利用公交车gps数据检测城市道路交通异常状态的方法
DE102014105674A1 (de) Online-fahrzeugwartung
DE102015214739A1 (de) Bestimmung einer Fehlerursache bei einem Fahrzeug
US5361628A (en) System and method for processing test measurements collected from an internal combustion engine for diagnostic purposes
USRE39619E1 (en) Automotive code reader
US7987028B2 (en) Method and apparatus for reading and erasing diagnostic trouble codes from a vehicle
US8374745B2 (en) Telematics-enabled aggregated vehicle diagnosis and prognosis
CN1196984C (zh) 异常检测系统及其教导方法
US8447459B2 (en) Internet-based system for monitoring vehicles
US8099207B2 (en) Method for determining the performance of motor vehicle consumables
US8732524B2 (en) Systems and methods for using a corrective action as diagnostic evidence
CN109522600B (zh) 基于组合深度神经网络的复杂装备剩余使用寿命预测方法
KR100742147B1 (ko) 차량 진단방법, 차량 진단 시스템, 차량 및 센터
US4497057A (en) Motor vehicle diagnostic monitoring system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant