CN110377009A - 一种用于汽车故障诊断的方法和系统 - Google Patents
一种用于汽车故障诊断的方法和系统 Download PDFInfo
- Publication number
- CN110377009A CN110377009A CN201910694247.0A CN201910694247A CN110377009A CN 110377009 A CN110377009 A CN 110377009A CN 201910694247 A CN201910694247 A CN 201910694247A CN 110377009 A CN110377009 A CN 110377009A
- Authority
- CN
- China
- Prior art keywords
- detection
- data
- project
- equipment
- artificial
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本发明一种用于汽车故障诊断的方法,包括以下步骤:S1:检测设备通过OBD口连接车辆,对车辆的电控系统进行检测,获得电控特性数据,完成检测后将设备检测数据自动上传至服务器;S2:通过人工对车辆进行检测,获得机械特性数据,输入数据采集终端,将人工检测数据上传到服务器;S3:服务器对步骤S1中的设备检测数据和步骤S2中的人工检测数据进行整合,生成包括电控特性和机械特性的检测数据,得到包含故障问题的检测结果;S4:根据步骤S3中获得的检测结果,通过大数据计算和人工推荐,输出智能推荐项目。该方法支持设备检测和人工检测,打通了检测设备与人工机械检测的结果数据并生成推荐项目。本发明还提出一种用于汽车故障诊断的系统。
Description
技术领域
本发明涉及一种用于汽车故障诊断的方法,属于汽车诊断检测技术领域。
背景技术
随着我国经济的发展,国民生活水平大幅提升,汽车作为一种耐用大宗消费品,也越来越多进入普通消费者的家中,根据公安部的统计,截至2018年底,全国的机动车保有量已经超过3.27亿,随着巨大的汽车存量而来的是机动车维修检测业务,市场同样十分巨大。
目前在汽车进行检测的时候,针对汽车的诊断及检测一般有以下两种方法:设备检测和人工检测。设备检测诊断一般是通过OBD接口连接汽车,然后针对汽车的电控系统进行检测,通过OBD检测可以查看汽车数据、相关功能模块的工作状况、及检测车辆内部故障等。这种检测方式主要是针对车辆电控系统的检测,可发现汽车内部故障,但未包含机械检测。人工检测是由人工对车辆机械部分进行检测,如车辆外观、轮胎胎纹厚度、车内设施等。
现有的检测方法主要有以下问题:设备检测和人工检测是两套独立的检测方法,设备检测数据和人工检测数据也是两份独立的检测数据,未能打通整合,针对故障问题未有针对的解决方案和推荐项目。
发明内容
为克服现有技术的不足,本发明提出一种用于汽车故障诊断的方法,同时支持了设备检测和人工检测,打通了检测设备与人工机械检测的结果数据并生成推荐项目,执行效率更高、检测方式更全面、检测维度更多、检测结果更准确、结果呈现更客观、呈现方式更科学。
为实现上述目的,本发明的一种用于汽车故障诊断的方法,包括以下步骤:
S1:设备检测:检测设备通过OBD口连接车辆,对车辆的电控系统进行检测,获得电控特性数据,完成检测后将设备检测数据自动上传至服务器;
S2:人工检测:通过人工对车辆进行检测,获得机械特性数据,输入数据采集终端,将人工检测数据上传到服务器;
S3:数据处理:服务器对步骤S1中的设备检测数据和步骤S2中的人工检测数据进行整合,生成包括电控特性和机械特性的检测数据,得到包含故障问题的检测结果;
S4:智能项目推荐:根据步骤S3中获得的检测结果,通过大数据计算和人工推荐,输出智能推荐项目。
进一步地,在步骤S1中,获得的电控特性数据包括汽车数据、相关功能模块的工作状况和检测车辆故障。
进一步地,在步骤S3中,处理设备检测数据,设备检测数据结构为:检测大类统一映射为电脑检测,故障码映射为检测小类,故障描述映射为检测项目。
进一步地,在步骤S2中,人工检测获得的机械特性数据包括车辆外观、轮胎胎纹厚度和车内设施状态。
进一步地,在步骤S3中,抽象人工检测数据结构层级为检测大类、检测小类和检测项目。
进一步地,在步骤S3中,将人工检测数据和设备检测数据的数据结构进行统一并按照检测大类、检测小类和检测项目对数据进行重新整合,得到检测结果。
进一步地,在步骤S4中,首先对检测结果中的故障问题,在服务器本地数据库和云数据库中收集历史解决方案,得到项目、材料信息,然后将项目、材料和检测结果推入ES,按权重计算得分,取出匹配项目,得到大数据计算推荐项目。
进一步地,计算权重的维度包括品牌、品牌、厂家、车系、排量、年款、里程。
进一步地,人工对匹配项目和检测结果中的故障问题进行检测项目推荐,结合大数据计算推荐项目,输出智能推荐项目。
本发明还提出一种用于汽车故障诊断的系统,包括检测端、服务器端和数据项目推荐终端,
检测端包括:
设备检测端:具有OBD接口的诊断设备和故障读取设备,包括汽车数据、功能模块、车辆故障码读取设备;
人工检测端:包括用于检测车辆外观、轮胎胎纹厚度、车内设施的检测设备,还包括用于记录输入人工检测数据的数据采集设备;
服务器端包括:
大数据处理器:大数据处理器对设备检测数据和人工检测数据进行分析生成推荐项目;
数据项目推荐终端:将大数据处理器生成的推荐项目和人工推荐项目整合进行显示推送,数据项目推荐终端的载体包括网页、手机APP、运营商提示信息。
本发明的一种用于汽车故障诊断的方法可将设备检测数据与人工检测数据自动上传并打通和整合,从而生成包含车辆电控和机械等方面的检测数据,数据更全面、过程更高效。在一个系统内同时支持了设备检测和人工检测,打通了检测设备与人工机械检测的结果数据并生成推荐项目,针对检测结果中的问题和故障,通过大数据计算生成解决方案和推荐项目,执行效率更高、检测方式更全面、检测维度更多、检测结果更准确、结果呈现更客观、呈现方式更科学。
附图说明
下面结合附图对本发明作进一步描写和阐述。
图1是本发明首选实施方式的一种用于汽车故障诊断的方法的流程图;
图2是本发明首选实施方式的一种用于汽车故障诊断的方法中智能项目推荐的流程图。
具体实施方式
下面将结合附图、通过对本发明的优选实施方式的描述,更加清楚、完整地阐述本发明的技术方案。
如图1和图2所示,本发明首选实施方式的一种用于汽车故障诊断的方法,包括以下步骤:
S1:设备检测:检测设备通过OBD口连接车辆,对车辆的电控系统进行检测,获得电控特性数据,包括汽车数据、相关功能模块的工作状况和检测车辆故障,完成检测后将设备检测数据自动上传至服务器。
S2:人工检测:通过人工对车辆进行检测,获得机械特性数据,包括车辆外观、轮胎胎纹厚度和车内设施状态,输入数据采集终端,将人工检测数据上传到服务器。
S3:数据处理:服务器对步骤S1中的设备检测数据和步骤S2中的人工检测数据进行整合,抽象人工检测数据结构层级为检测大类、检测小类和检测项目,设备检测数据结构为:检测大类统一映射为电脑检测,故障码映射为检测小类,故障描述映射为检测项目,生成包括电控特性和机械特性的检测数据,将人工检测数据和设备检测数据的数据结构进行统一并按照检测大类、检测小类和检测项目对数据进行重新整合,得到包含故障问题的检测结果。
S4:智能项目推荐:首先对检测结果中的故障问题,在服务器本地数据库和云数据库中收集历史解决方案,得到项目、材料信息,然后将项目、材料和检测结果推入ES,按权重计算得分,取出匹配项目,得到大数据计算推荐项目。计算权重的维度包括品牌、品牌、厂家、车系、排量、年款、里程等。然后人工对匹配项目和检测结果中的故障问题进行检测项目推荐,结合大数据计算推荐项目,输出智能推荐项目。
本发明首选实施方式的一种用于汽车故障诊断的系统,包括检测端、服务器端和数据项目推荐终端,
检测端包括:
设备检测端:具有OBD接口的诊断设备和故障读取设备,包括汽车数据、功能模块、车辆故障码读取设备;
人工检测端:包括用于检测车辆外观、轮胎胎纹厚度、车内设施的检测设备,还包括用于记录输入人工检测数据的数据采集设备;
服务器端包括:
大数据处理器:大数据处理器对设备检测数据和人工检测数据进行分析生成推荐项目;
数据项目推荐终端:将大数据处理器生成的推荐项目和人工推荐项目整合进行显示推送,数据项目推荐终端的载体包括网页、手机APP、运营商提示信息。
本发明的一种用于汽车故障诊断的方法可将设备检测数据与人工检测数据自动上传并打通和整合,从而生成包含车辆电控和机械等方面的检测数据,数据更全面、过程更高效。在一个系统内同时支持了设备检测和人工检测,打通了检测设备与人工机械检测的结果数据并生成推荐项目,针对检测结果中的问题和故障,通过大数据计算生成解决方案和推荐项目,执行效率更高、检测方式更全面、检测维度更多、检测结果更准确、结果呈现更客观、呈现方式更科学。
上述具体实施方式仅仅对本发明的优选实施方式进行描述,而并非对本发明的保护范围进行限定。在不脱离本发明设计构思和精神范畴的前提下,本领域的普通技术人员根据本发明所提供的文字描述、附图对本发明的技术方案所作出的各种变形、替代和改进,均应属于本发明的保护范畴。本发明的保护范围由权利要求确定。
Claims (10)
1.一种用于汽车故障诊断的方法,其特征在于,包括以下步骤:
S1:设备检测:检测设备通过OBD口连接车辆,对车辆的电控系统进行检测,获得电控特性数据,完成检测后将设备检测数据自动上传至服务器;
S2:人工检测:通过人工对车辆进行检测,获得机械特性数据,输入数据采集终端,将人工检测数据上传到服务器;
S3:数据处理:服务器对步骤S1中的设备检测数据和步骤S2中的人工检测数据进行整合,生成包括电控特性和机械特性的检测数据,得到包含故障问题的检测结果;
S4:智能项目推荐:根据步骤S3中获得的检测结果,通过大数据计算和人工推荐,输出智能推荐项目。
2.如权利要求1所述的一种用于汽车故障诊断的方法,其特征在于,在步骤S1中,获得的电控特性数据包括汽车数据、相关功能模块的工作状况和检测车辆故障。
3.如权利要求2所述的一种用于汽车故障诊断的方法,其特征在于,在步骤S3中,处理所述设备检测数据,所述设备检测数据结构为:检测大类统一映射为电脑检测,故障码映射为检测小类,故障描述映射为检测项目。
4.如权利要求1所述的一种用于汽车故障诊断的方法,其特征在于,在步骤S2中,人工检测获得的机械特性数据包括车辆外观、轮胎胎纹厚度和车内设施状态。
5.如权利要求4所述的一种用于汽车故障诊断的方法,其特征在于,在步骤S3中,抽象所述人工检测数据结构层级为检测大类、检测小类和检测项目。
6.如权利要求1所述的一种用于汽车故障诊断的方法,其特征在于,在步骤S3中,将人工检测数据和设备检测数据的数据结构进行统一并按照检测大类、检测小类和检测项目对数据进行重新整合,得到检测结果。
7.如权利要求1所述的一种用于汽车故障诊断的方法,其特征在于,在步骤S4中,首先对检测结果中的故障问题,在服务器本地数据库和云数据库中收集历史解决方案,得到项目、材料信息,然后将项目、材料和检测结果推入ES,按权重计算得分,取出匹配项目,得到大数据计算推荐项目。
8.如权利要求7所述的一种用于汽车故障诊断的方法,其特征在于,所述计算权重的维度包括品牌、品牌、厂家、车系、排量、年款、里程。
9.如权利要求8所述的一种用于汽车故障诊断的方法,其特征在于,人工对匹配项目和检测结果中的故障问题进行检测项目推荐,结合大数据计算推荐项目,输出智能推荐项目。
10.一种用于汽车故障诊断的系统,其特征在于,包括检测端、服务器端和数据项目推荐终端,
所述检测端包括:
设备检测端:具有OBD接口的诊断设备和故障读取设备,包括汽车数据、功能模块、车辆故障码读取设备;
人工检测端:包括用于检测车辆外观、轮胎胎纹厚度、车内设施的检测设备,还包括用于记录输入人工检测数据的数据采集设备;
所述服务器端包括:
大数据处理器:所述大数据处理器对设备检测数据和人工检测数据进行分析生成推荐项目;
所述数据项目推荐终端:将大数据处理器生成的推荐项目和人工推荐项目整合进行显示推送,所述数据项目推荐终端的载体包括网页、手机APP、运营商提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910694247.0A CN110377009B (zh) | 2019-07-30 | 2019-07-30 | 一种用于汽车故障诊断的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910694247.0A CN110377009B (zh) | 2019-07-30 | 2019-07-30 | 一种用于汽车故障诊断的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110377009A true CN110377009A (zh) | 2019-10-25 |
CN110377009B CN110377009B (zh) | 2022-06-07 |
Family
ID=68256995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910694247.0A Active CN110377009B (zh) | 2019-07-30 | 2019-07-30 | 一种用于汽车故障诊断的方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377009B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283618A (zh) * | 2021-05-26 | 2021-08-20 | 上海声通信息科技股份有限公司 | 一种智能汽车维保机器人 |
CN113688156A (zh) * | 2021-08-27 | 2021-11-23 | 深圳市玄羽科技有限公司 | 一种基于大数据的机械故障检测系统及方法 |
CN114279718A (zh) * | 2021-11-30 | 2022-04-05 | 重庆长安汽车股份有限公司 | 一种基于实时车况的可配置故障诊断方法及故障诊断系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880162A (zh) * | 2012-10-29 | 2013-01-16 | 北京开元智信通软件有限公司 | 汽车诊断方法、系统、诊断终端及后台服务器 |
CN103048992A (zh) * | 2013-01-16 | 2013-04-17 | 张燕 | 汽车故障远程监控和云端诊断方法及系统 |
CN104133467A (zh) * | 2014-07-30 | 2014-11-05 | 浪潮集团有限公司 | 一种基于云计算的obds远程故障诊断恢复系统 |
CN105608660A (zh) * | 2015-12-18 | 2016-05-25 | 沈阳益中祥科技有限公司 | 机动车专门查验区管理系统所采用的查验方法 |
CN106227200A (zh) * | 2016-09-19 | 2016-12-14 | 常熟米豆智能设备科技有限公司 | 一种汽车在线故障诊断方法 |
CN106292625A (zh) * | 2016-08-03 | 2017-01-04 | 深圳市永兴元科技有限公司 | 车辆故障在线检测系统及方法 |
WO2017079474A2 (en) * | 2015-11-04 | 2017-05-11 | Zoox, Inc. | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions |
CN107531326A (zh) * | 2015-03-12 | 2018-01-02 | 奈庭吉尔智慧系统公司 | 自动化无人机系统 |
CN108375974A (zh) * | 2018-05-21 | 2018-08-07 | 上海星融汽车科技有限公司 | 一种用于远程记录、分析、诊断、维修车辆故障的方法及系统 |
CN108509995A (zh) * | 2018-04-03 | 2018-09-07 | 电子科技大学 | 基于中文文本分析和obd数据处理的汽车故障诊断方法 |
CN108614540A (zh) * | 2018-04-27 | 2018-10-02 | 重庆车云金服科技股份有限公司 | 汽车检测修理方法及其系统 |
CN108983755A (zh) * | 2018-08-10 | 2018-12-11 | 广州朗讯猛虎汽车检测有限公司 | 一种全车检测系统 |
-
2019
- 2019-07-30 CN CN201910694247.0A patent/CN110377009B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880162A (zh) * | 2012-10-29 | 2013-01-16 | 北京开元智信通软件有限公司 | 汽车诊断方法、系统、诊断终端及后台服务器 |
CN103048992A (zh) * | 2013-01-16 | 2013-04-17 | 张燕 | 汽车故障远程监控和云端诊断方法及系统 |
CN104133467A (zh) * | 2014-07-30 | 2014-11-05 | 浪潮集团有限公司 | 一种基于云计算的obds远程故障诊断恢复系统 |
US20180095460A1 (en) * | 2015-03-12 | 2018-04-05 | Nightingale Intelligent Systems | Automated drone systems |
CN107531326A (zh) * | 2015-03-12 | 2018-01-02 | 奈庭吉尔智慧系统公司 | 自动化无人机系统 |
WO2017079474A2 (en) * | 2015-11-04 | 2017-05-11 | Zoox, Inc. | Machine-learning systems and techniques to optimize teleoperation and/or planner decisions |
CN105608660A (zh) * | 2015-12-18 | 2016-05-25 | 沈阳益中祥科技有限公司 | 机动车专门查验区管理系统所采用的查验方法 |
CN106292625A (zh) * | 2016-08-03 | 2017-01-04 | 深圳市永兴元科技有限公司 | 车辆故障在线检测系统及方法 |
CN106227200A (zh) * | 2016-09-19 | 2016-12-14 | 常熟米豆智能设备科技有限公司 | 一种汽车在线故障诊断方法 |
CN108509995A (zh) * | 2018-04-03 | 2018-09-07 | 电子科技大学 | 基于中文文本分析和obd数据处理的汽车故障诊断方法 |
CN108614540A (zh) * | 2018-04-27 | 2018-10-02 | 重庆车云金服科技股份有限公司 | 汽车检测修理方法及其系统 |
CN108375974A (zh) * | 2018-05-21 | 2018-08-07 | 上海星融汽车科技有限公司 | 一种用于远程记录、分析、诊断、维修车辆故障的方法及系统 |
CN108983755A (zh) * | 2018-08-10 | 2018-12-11 | 广州朗讯猛虎汽车检测有限公司 | 一种全车检测系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283618A (zh) * | 2021-05-26 | 2021-08-20 | 上海声通信息科技股份有限公司 | 一种智能汽车维保机器人 |
CN113688156A (zh) * | 2021-08-27 | 2021-11-23 | 深圳市玄羽科技有限公司 | 一种基于大数据的机械故障检测系统及方法 |
CN114279718A (zh) * | 2021-11-30 | 2022-04-05 | 重庆长安汽车股份有限公司 | 一种基于实时车况的可配置故障诊断方法及故障诊断系统 |
CN114279718B (zh) * | 2021-11-30 | 2023-02-28 | 重庆长安汽车股份有限公司 | 一种基于实时车况的可配置故障诊断方法及故障诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110377009B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377009A (zh) | 一种用于汽车故障诊断的方法和系统 | |
Wang et al. | CAVBench: A benchmark suite for connected and autonomous vehicles | |
CN106314438B (zh) | 一种司机驾驶轨迹中异常轨迹的检测方法和系统 | |
CN110008584B (zh) | 一种基于GitHub的半监督异构软件缺陷预测方法 | |
CN105593880B (zh) | 用于生成与车辆检修请求数据有关的基线的方法以及系统 | |
CN108647791B (zh) | 一种多源汽车安全信息的处理方法、装置及系统 | |
CN106557541A (zh) | 用于产品故障检测的执行数据的自动分析的装置和方法 | |
CN103870384B (zh) | 测试用例推定方法及系统 | |
CN104749334A (zh) | 基于模式识别的生物式异常水质评价系统设计方法 | |
US20150081729A1 (en) | Methods and systems for combining vehicle data | |
US20200160412A1 (en) | Server device and information providing method | |
CN106323664A (zh) | 空调机组的振动测试及诊断方法、装置及空调机组 | |
KR102383051B1 (ko) | 딥러닝 모델 기반 자동차 부품검사 서비스 제공 방법 | |
WO2023034625A9 (en) | System and method for identifying advanced driver assist systems for vehicles | |
CN1573785A (zh) | 改进支援系统 | |
CN112597238A (zh) | 基于人员信息的知识图谱构建方法、系统、设备及介质 | |
CN108983755A (zh) | 一种全车检测系统 | |
Li et al. | A Novel Method for Lithium‐Ion Battery Fault Diagnosis of Electric Vehicle Based on Real‐Time Voltage | |
Yan et al. | The identification algorithm and model construction of automobile insurance fraud based on data mining | |
CN208224474U (zh) | 用电计量设备故障监控装置 | |
CN117251814A (zh) | 一种高速公路充电桩电量损耗异常的分析方法 | |
CN115274100B (zh) | 基于血浆光谱的疾病筛查模型构建方法及疾病筛查装置 | |
Aquize et al. | Self-organizing maps for anomaly detection in fuel consumption. Case study: Illegal fuel storage in Bolivia | |
CN113516798A (zh) | 一种调表车判断方法和装置 | |
CN116541786A (zh) | 基于驾驶行为的网约车识别方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |