CN106843190A - 分布式车辆健康管理系统 - Google Patents

Abstract

一种分布式车辆健康管理系统包括在车辆中执行诊断例程的基于车辆的诊断处理器。诊断例程生成诊断数据。基于处理器的设备执行高级车辆健康管理例程。基于处理器的设备根据诊断数据来确定部件的健康状态。远程信息处理设备传送来自车辆的健康状态数据和诊断数据中的至少一者。远离车辆设置远程实体。远程实体经由远程信息处理设备接收数据，所述数据是从基于车辆的处理器和基于处理器的设备中的至少一者输出的数据的选择性子集。远程实体根据由车辆接收的数据来执行校准例程，用于校准诊断例程和健康管理例程中的至少一者。

Description

分布式车辆健康管理系统

背景技术

实施例涉及车辆健康管理系统。

分布式车辆健康管理系统执行和校准同时在云中的算法。上传到云的数据可能对于执行有限，但对于校准却溢出。云中的数据传输和数据处理的成本对于某些部件或系统例程而言过高。

传统的系统校准诊断算法仅基于生产阶段中的几个车辆并且完全在车辆ECU上执行。集中式系统收集所有的诊断故障代码和参数识别代码数据，并将整个数据集上传到执行高级VHM算法的云中。这是一个昂贵且计算代价高的过程。

发明内容

实施例的优点是减少从车辆或类似设备向用于处理数据的远程实体发送大量数据。本文描述的系统和技术利用车辆ECU或智能电话从车辆获得数据并执行车辆健康管理(VHM)例程以评估部件、子系统或系统的健康。车辆健康管理(VHM)系统通常包括以下功能：诊断(检测、隔离(故障类型)、定位故障(哪里))、预报(预测故障)和故障缓解(改变部件的操作，从而延迟故障)。基于车辆健康管理例程的输出，仅将特定选择的数据集上传到云以供远程实体用以进一步校准车辆健康管理算法，或用于车载诊断算法的校准。因此，减少了所传输的数据量，从而仅提供校准VHM例程所需的必要数据。

此外，VHM应用程序，特别是当加载在智能电话、ECU等上时，可以容易地更新，而无需刷新ECU来更新算法。

实施例设想一种分布式车辆健康管理系统。基于车辆的诊断处理器执行车辆中的诊断例程。诊断例程生成诊断数据。基于处理器的设备执行高级车辆健康管理例程。基于处理器的设备根据诊断数据确定部件的健康状态。远程信息处理设备传送来自车辆的健康状态数据状态和诊断数据中的至少一者。远离车辆设置远程实体。远程实体经由远程信息处理设备接收数据。数据是从诊断处理器和基于处理器的设备中的至少一者所输出的数据的选择性子集。远程实体根据由车辆接收的用于校准诊断例程和健康管理例程中的至少一者的数据来执行校准例程。

附图说明

图1是分布式车辆健康管理系统的框图。

图2是用于分析部件和系统的框图的流程图。

图3是用于识别用于通信区域网络的基于消息的诊断和预测方案的框图的流程图。

图4是用于预测剩余使用寿命的框图的流程图。

图5a和图5b表示示出模型的示例性图。

图6是用于校准与DTC/MIL相关的诊断算法的框图的流程图。

具体实施方式

图1示出了分布式车辆健康管理系统10的框图。虽然本文所述的系统是指车辆，但应当理解，系统可以由火车、轮船、飞机或其中执行诊断例程的任何其它系统来应用和利用。

分布式车辆健康管理(VCM)系统10包括用于在车辆14中执行诊断例程的诊断处理器12。由车载诊断算法执行的诊断例程的示例可以包括但不限于产生参数识别代码(PID)和诊断故障代码(DTC)的发动机操作。

DTC基于车载诊断算法设置在车辆中。服务诊断工具从车辆处理器存储器中检索DTC并且用于确定车辆中的故障。车辆中的每个处理器包括在车辆经历故障并被检测到时存储DTC的存储器。DTC是用于识别车辆内的各种部件中发生的故障的字母数字代码。这样的DTC与各种电动车辆功能相关，所述功能包括但不限于发动机操作、排放、制动、动力传动、安全和转向。每个子系统可以具有其自己的车载处理器用于监测子系统操作的故障，或者一个处理器可以负责监测多个子系统的故障。当子系统处理器检测到故障时，产生一个或多个DTC。

可以检索PID以确定由传感器或类似设备输出的特定信息。PID代码是记录在ECU等的存储器中并经由扫描工具或车辆网关模块通过通信总线检索出的部件的操作参数。通信总线上的其中一个设备识别其负责的PID代码，并发回与PID代码有关的信息，对于该PID代码提供与感测与检测到的故障相关的数据的一个或多个设备有关的进一步细节。

基于处理器的设备16是执行高级车辆健康管理(VHM)算法的辅助处理设备。高级VHM算法利用DTC/PID数据来进一步分析车辆系统的健康。基于处理器的设备16可以是便携式通信设备，包括但不限于智能电话或车辆的HMI。

远程信息处理设备18用作用于向车辆传送数据和从车辆传送数据的网关。远程信息处理设备18可以包括允许数据从车辆传输到远程实体20的任何类型的通信媒介。远程实体20可以包括具有存储器、服务器和计算设备的后台，其允许进一步处理所选择的数据以便校准高级VHM算法和校准车载诊断算法。远程实体20可以利用云服务或固定基础设施。

图2示出了用于分析部件的框图的流程图，所述部件包括但不限于电池、起动器或燃料部件。应当理解，本文所使用的术语部件被定义为一个部件、部件集、子系统或系统。

在步骤30中，确定是否存在没有相应的红色警报的保证。红色警报由VHM算法确定。如果确定不存在没有相应的红色警报的保证，则例程继续循环并监测红色警报。如果确定存在红色警报，则例程进行到步骤32。

在步骤31中，选择用于相应车队车辆的车辆识别号码(VIN)用于数据收集。

在步骤32中，响应于确定是否存在没有相应的红色警报的保证，将VIN的状态设定为上传数据。

步骤33-38由基于处理器的设备执行。在步骤33中，确定是否触发了VHM算法。VHM算法可以周期性地或通过事件来触发。例如，可以在每次起动之后执行电池健康检查算法。在另一示例中，转向马达算法可以仅在客户转动车轮时执行，否则，没有足够的激励来执行转向算法。再次参考步骤33，如果确定未触发VHM算法，则返回到步骤33。如果确定触发了VHM算法，则例程进行到步骤34。

在步骤34中，从车辆收集原始数据。原始数据包括可用于评估车辆内特定系统的车辆健康管理的任何DTC或PID。

在步骤35中，将数据保存到循环缓冲器。在执行健康管理算法时，数据将被存储和检索。

在步骤36中，执行VHM算法。VHM算法涉及用于检查和确定车辆内部件的健康状态的车载诊断。

在步骤37中，基于来自VHM算法的输出，确定是否存在红色警报或者是否将VIN设定为上传数据。本文所述的红色警报从VHM算法生成，其中识别出某种类型的错误或故障代码。如果确定存在红色警报或者将VIN设定为上传数据，则例程进行到步骤38；否则，例程返回到步骤33以监测是否触发了VHM算法。

在步骤38中，在各个周期之前以及在各个周期之后上传数据。利用远程信息处理设备将决定上传到云或类似的存储器存储设备。

在步骤39中，如果客户警告是合理的，则通过应用程序(例如智能电话上的应用程序)、电子邮件或其他通信设备通知客户。

除了通知客户之外，在步骤40中，利用来自具有保证或红色警报决定的车辆的数据来校准VHM算法。

在步骤41中，如果需要，下载在车辆内执行高级VHM算法的车辆HMI或智能电话的新参数或更新。

这个过程是成本有效的，并且需要整个数据的一小部分上传到云用于这个相应的应用程序。执行由车辆内的基于处理器的设备进行，并且只有选择性数据(例如，0.5％)被提供给远程实体。

图3示出了用于识别用于通信区域网络(CAN)的基于消息的诊断和预测方案的框图的流程图。

步骤50-54由基于处理器的设备执行。在步骤50中，确定是否触发了VHM算法。如果确定触发了VHM算法，则例程进行到步骤51；否则，例程继续循环以检查触发的VHM算法。

在步骤51中，收集来自车辆的原始数据，并将其提供给基于处理器的设备。

在步骤52中，执行基于处理器的设备内的高级VHM算法。

在步骤53中，基于来自VHM算法的输出，确定是否存在红色警报或者是否将VIN设定为上传数据。如果确定存在红色警报或者将VIN设定为上传数据，则例程进行到步骤54；否则，例程返回到步骤50。

在步骤54中，响应于来自VHM算法的结果，将来自VHM算法的决定上传到云。

在步骤55中，通过与经销商共享VHM结果的服务来通知车辆经销商或其他服务人员。替代地，可以使用电子邮件或任何其他类型的通信分发服务来共享由VHM算法输出的决定。

在步骤56中，如果经销商根据决定确定拓扑以某种形式改变，则经销商通知远程实体(例如，后台)该改变。拓扑是用于所有车辆ECU和连接器的连接信息(例如，映射)。例如，电池控制模块(BCM)连接到内嵌式连接器X1，而内嵌式连接器X1连接到发动机控制模块(ECM)，ECM连接到转矩控制模块(TCM)，等等。拓扑还可以包含每个连接的距离或电阻值。拓扑信息可以用于确定故障的位置(例如，BCM和TCM之间的总线断开)。可以确定拓扑中的变化，例如，关于服务人员是否改变了ECU连接或者发现连接被其他经销商改变。基于现有连接状态生成拓扑信息。以VHM算法可以读取的特殊格式生成数据。

在步骤57中，响应于远程实体的通知而生成新的或更新的拓扑信息。

在步骤58中，将更新的拓扑下载到已经提供数据的该相应车辆的应用程序。

这个过程是成本有效的，并且不需要为这个相应的应用程序上传到云的数据。执行由车辆内的基于处理器的设备进行，并且仅将与数据相反的决定提供给远程实体。

图4示出了用于预测剩余使用寿命的框图的流程图。

步骤60-63表示训练阶段。启动训练以确定在车辆的基于处理器的设备中使用的相应的退化寿命模型。选择一个车队的车辆VIN用于数据收集。

在步骤61中，分析车队的故障记录，以确定相应部件的故障时间。

在步骤62中，确定应当使用哪个车队退化寿命模型，使得模型拟合数据趋势。进行检查以确定寿命模型是否预测出车辆数据在与模型相同的方向上的趋向。这可以基于在模型中使用的车辆数据与来自所有车队车辆的数据相比而言的退化来确定。提供一组模型用于确定应选择哪种退化寿命模型。一旦选择了模型，就进行确定，使得数据和模型之间的距离最小化。如果这样，则确认所选择的寿命模型是预测出在相同方向上的数据趋势的模型。

在步骤63中，将车队退化寿命模型下载到车辆内的基于处理器的设备。

步骤64-68由基于处理器的设备执行。在步骤64中，通过确定是否触发了VHM算法来启动基于处理器的设备内的寿命退化模型的执行。如果确定触发了VHM算法，则例程进行到步骤65；否则，例程循环，直到触发VHM算法。

在步骤65中，从车辆收集原始数据。原始数据包括可用于评估车辆内特定系统的车辆健康管理的任何DTC或PID。

在步骤66中，将当前数据和历史数据拟合到所选择的寿命退化模式。这根据车队模型来执行。根据趋势形成群集。通过拟合来自该车辆的数据，可以确定一个特定趋势对于该相应车辆是否是最佳的，并且可以进行验证以确保数据在实际的方向上的趋向(例如，健康状况变差，而不是变好)。在车辆中输入车队模型，并且基于该车辆的具有最小均方误差的当前数据来选择最佳参数拟合。图5a和图5b表示利用线性拟合和多项式拟合来确定车辆数据是否是在相同方向上的趋势的图。图5a表示电阻的示例性图，而图5b表示健康状态的示例性图。如图5a中所示，数据样本表示x轴，而电阻值表示y轴。车辆数据通常以90表示。线性拟合模型通常由92表示，而多项式拟合模型通常由94表示。从图中可以看出，基于该车辆的具有最小均方误差的当前数据来选择最佳拟合模型。图5b表示利用相同的最佳拟合模型的健康状态。

在步骤67中，基于其自身的数据为车辆部件调整寿命模型(类似于步骤66中描述的过程)，以确定故障时间。作为示例，利用具有遵循多项式回归的特定分量的寿命模型。如果针对车队数据的最佳拟合绘制出单个部件数据，并且如果在任何时候部件偏离该车队数据，则根据单个部件的数据趋势来调整多项式回归的参数。

在步骤68中，确定故障时间是否接近。如果故障时间接近，则例程进行到步骤69；否则，例程返回到步骤64。

在步骤69中，如果寿命退化模型的决定被上传到云或其他存储设备，则设定红色警报。

在步骤70中，经由应用程序或通过电子邮件通知客户故障时间。

图6示出了用于预测DTC/MIL(制造商指示灯)例程的校准的框图的流程图。

步骤80-83由基于处理器的设备执行。在基于处理器的设备(例如车辆HMI或智能电话)内，执行高级诊断例程。在步骤80中，确定是否触发了VHM算法。如果确定触发了VHM算法，则例程进行到步骤81；否则，例程继续循环以检查触发的VHM算法。

在步骤81中，收集来自车辆的原始数据并将其保存在循环缓冲器中。

在步骤82中，确定是否已经在预定天数内设定了DTC/MIL。如果确定在预定天数内设定了DTC/MIL，则例程进行到步骤83；否则，例程不断地循环检查以查看是否在预定天数内设定了DTC/MIL。

在步骤83中，将关于是否设定了DTC/MIL的原始数据上传到云或其他存储设备。

在步骤84中，分析数据以验证诊断算法的准确性。可以由数据分析者确定。虽然设定了与燃料泵更换相对应的DTC，但用于自从其可以的历史的所有数据确定由于噪声而设定了DTC。如果这样，那么DTC是一个假警报。因此，可以确定算法的准确性。

在步骤85中，响应于验证诊断算法的准确性，如果需要，校准DTC/MIL算法。

在步骤86中，将校准的DTC/MIL算法发送给技术专家或工程师以修改算法的代码。

在步骤87中，ECU重新闪烁以更新算法。

虽然已经详细描述了本发明的某些实施例，但是本发明所属领域的技术人员将认识到用于实施由所附权利要求限定的本发明的各种替代设计和实施例。

Claims (10)

1.一种分布式车辆健康管理系统，其包括：

基于车辆的诊断处理器，其执行车辆中的诊断例程，所述诊断例程生成诊断数据；

基于处理器的设备，其执行高级车辆健康管理例程，所述基于处理器的设备根据所述诊断数据确定部件的健康状态；

远程信息处理设备，其传送来自车辆的健康状态数据和诊断数据中的至少一者；以及

远程实体，其远离所述车辆设置，所述远程实体经由所述远程信息处理设备接收数据，所述数据是从所述诊断处理器和基于处理器的设备中的至少一者输出的数据的选择性子集，所述远程实体根据所述车辆接收的数据执行校准例程，用于校准诊断例程和健康管理例程中的至少一者。

2.根据权利要求1所述的分布式车辆健康管理系统，其中，所述远程实体所执行的校准技术包括高级车辆健康管理校准例程。

3.根据权利要求1所述的分布式车辆健康管理系统，其中，所述远程实体所执行的校准技术包括车载诊断校准例程。

4.根据权利要求1所述的分布式车辆健康管理系统，其中，所述基于处理器的设备包括人机接口设备。

5.根据权利要求1所述的分布式车辆健康管理系统，其还包括：云计算服务，其中，所述诊断数据和所述健康状态数据中的至少一者经由所述远程信息处理设备传输到云计算服务。

6.根据权利要求5所述的分布式车辆健康管理系统，其中，响应于由所述车辆健康维护例程产生的红色警报，执行将健康状态数据和诊断数据中的至少一者从所述车辆上传到所述云。

7.根据权利要求5所述的分布式车辆健康管理系统，其中，响应于车辆包括被设定为上传健康状态数据和诊断数据中的至少一者到所述云计算服务的车辆识别号码，执行将健康状态数据和诊断数据中的至少一者从所述车辆上传到所述云计算服务。

8.根据权利要求1所述的分布式车辆健康管理系统，其中，所述远程实体将更新的算法下载到所述基于处理器的设备，更新的参数用于重新校准车辆健康管理例程。

9.根据权利要求1所述的分布式车辆健康管理系统，其中，所述车辆健康管理例程预测相应部件的剩余使用寿命。

10.根据权利要求1所述的分布式车辆健康管理系统，其中，应用所述车辆健康管理例程，以校准诊断故障代码例程和故障指示灯例程中的至少一者。