CN112446980B - 提出最小概率故障的增强型部件故障诊断方法 - Google Patents

提出最小概率故障的增强型部件故障诊断方法 Download PDF

Info

Publication number
CN112446980B
CN112446980B CN202010916045.9A CN202010916045A CN112446980B CN 112446980 B CN112446980 B CN 112446980B CN 202010916045 A CN202010916045 A CN 202010916045A CN 112446980 B CN112446980 B CN 112446980B
Authority
CN
China
Prior art keywords
soh
vehicle
green
time
predetermined
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.)
Active
Application number
CN202010916045.9A
Other languages
English (en)
Other versions
CN112446980A (zh
Inventor
S·姜
X·杜
Y·张
V·K·萨德卡尔
J·J·桑切斯
P·E·克拉热夫斯基
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
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 GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN112446980A publication Critical patent/CN112446980A/zh
Application granted granted Critical
Publication of CN112446980B publication Critical patent/CN112446980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C2205/00—Indexing scheme relating to group G07C5/00
    • G07C2205/02—Indexing scheme relating to group G07C5/00 using a vehicle scan tool
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
  • Secondary Cells (AREA)

Abstract

本文公开了一种诊断和提出表现出的车辆故障的最小概率故障的方法及系统。该方法包括启动车辆健康状况管理(VHM)算法以监视至少一个车辆部件在预定时间段内在每个车辆运行事件期间的健康状态(SOH)。VHM算法为至少一个车辆部件确定绿色SOH标记、黄色SOH标记和红色SOH标记中的至少一个及置信度；计算出在预定时间段内的绿色SOH标记的数量(NCalculated)；在出现车辆故障后，当满足一组条件时，立即为至少一个部件提供最小概率原因指示。该组条件包括(i)NCalculated等于或大于绿色SOH标记的预定数量和(ii)不存在黄色SOH标记和红色SOH标记。

Description

提出最小概率故障的增强型部件故障诊断方法
技术领域
本公开涉及一种车辆健康状况管理(VHM)系统，更具体地，涉及一种使用通过提出最小概率故障来减少不必要部件更换次数的方法的VHM系统。
背景技术
现代车辆包括许多车辆传感器，其监视车辆上的系统和系统内的选定部件。车辆健康状况管理(VHM)系统从车辆传感器收集和处理数据，对数据进行分析并将数据转换为运行支撑信息，以识别车辆系统和部件的当前健康状态(SOH)，提高车辆安全性和可靠性，以及帮助实现最优维护措施。当车辆健康状况管理系统位于车辆中或集成到车辆中时，VHM系统可以称为集成车辆健康状况管理(IVHM)系统。
通常，当车辆出现问题时，技术人员通常首先检查并更换最有可能导致问题的车辆部件，直到问题解决为止。例如，常见的车辆问题，例如，当车辆无法启动时，维修技术人员会启动判断过程，该过程首先从手动检查车辆电池作为问题的潜在原因开始。首先检查车辆电池是因为通常这是车辆无法启动的最常见原因。如果有任何迹象表明电池可能是问题的原因，那么更换电池。
如果电池电量耗尽，那么检查结果可能表明电池是问题的原因，然而，这可能不是根本原因。维修技术人员可以继续更换电池，只是发现车辆仍然无法启动。现在，技术人员必须继续研究导致车辆无法启动的其他潜在原因。这导致维修技术人员浪费时间，由于更换无故障电池而增加保修成本，并且给客户带来不便。
因此，虽然当前的VHM系统达到了监视车辆系统和部件的当前SOH的预期目的，但是仍需要一种VHM系统，当VHM系统检测到潜在的车辆问题时，该VHM系统提出最小概率故障，以减少不必要的部件更换次数来解决车辆问题。
发明内容
本公开在多个方面提出一种诊断表现出的车辆故障的最小概率原因故障的方法。该方法包括启动车辆健康状况管理(VHM)算法以监视至少一个车辆部件在预定时间段内在每个点火事件期间的健康状态(SOH)，其中VHM算法为至少一个车辆部件确定绿色SOH标记、黄色SOH标记和红色SOH标记中的至少一个SOH标记以及每个SOH标记的置信度；记录在预定时间段内的绿色SOH标记、黄色SOH标记和红色SOH标记及其置信度；在出现车辆故障后，立即检索在预定时间段内的绿色SOH标记、黄色SOH标记和红色SOH标记及其置信度；计算出在预定时间段内的绿色SOH标记的数量(NCalculated)；当满足预定条件时，针对至少一个部件提出最小概率原因建议。预定条件包括(i)所计算出的绿色SOH标记的数量(NCalculated)等于或大于预定值和(ii)不存在黄色SOH标记和红色SOH标记。
根据本公开的另一方面，该方法还包括将预定时间段划分为分段时间间隔并滤除在分段时间间隔内重复的绿色SOH标记、黄色SOH标记和红色SOH标记。预定时间段是连续30天时段，分段时间间隔是24小时时段。
根据本公开的另一方面，该方法还包括确定时间间隙，其中时间间隙是无任何SOH标记的连续分段时间间隔的最大数量。预定条件还包括(iii)无绿色SOH标记的连续分段时间间隔的数量小于预定值。
根据本公开的另一方面，其中，使用NCalculated＝(NTotal–NBefore)来计算出Ncalculated。NBefore是在时间间隙之前的绿色SOH标记的数量。NTotal是在预定时间段内的绿色SOH标记的总数。
根据本公开的另一方面，使用Ncalculated＝[NBefore x f(T)]+NAfter来计算出Ncalculated。NBefore是在时间间隙之前的绿色SOH标记的数量。NAfter是在时间间隙之后的绿色SOH标记的数量。f(T)是0<＝f(T)<＝1的单调递减函数，例如f(T)＝1-T/T1，其中T是时间间隙的大小。
根据本公开的另一方面，当时间间隙小于预定义值且在该间隙之后的绿色SOH标记的置信度高于预定阈值时，使用Ncalculated＝NTotal来计算出Ncalculated。NTotal是在预定时间段内的绿色SOH标记的总数。NAfter是在时间间隙之后的绿色SOH标记的数量。在该间隙之后的绿色SOH标记的置信度是在该间隙之后的所有绿色SOH标记的置信度的最小值。
根据本公开的另一方面，该方法还包括确定在预定时间段内是否存在缺失SOH标记。预定条件还包括(iv)不存在缺失SOH标记。
根据本公开的另一方面，该方法还包括确定在预定时间段内是否存在任何子系统警报。预定条件还包括(v)不存在子系统警报。
根据本公开的另一方面，该方法还包括手动检查至少一个部件是否存在可见故障。预定条件还包括(vi)未发现可见故障。
本公开在多个方面还提供了一种诊断和提出表现出的车辆故障的最小概率原因故障的方法。该方法包括启动车辆健康状况管理(VHM)算法以监视至少一个车辆部件在预定时间段内在每个点火事件期间的健康状态(SOH)，其中VHM算法为至少一个车辆部件确定绿色SOH标记、黄色SOH标记和红色SOH标记中的至少一个SOH标记；计算出在预定时间段内的绿色SOH标记的数量(NCalculated)；在出现车辆故障后，当满足一组条件时，立即为至少一个部件提供最小概率原因指示。该组条件包括(i)所计算出的绿色SOH标记的数量(NCalculated)等于或大于绿色SOH标记的预定数量和(ii)不存在黄色SOH标记和红色SOH标记。
在本公开的另一方面，该方法还包括确定无任何SOH标记的连续分段时间间隔的最大数量。该组条件还包括(iii)无任何SOH标记的连续分段时间间隔的数量小于分段时间间隔的预定数量。
在本公开的另一方面，该方法还包括确定在预定时间段内的缺失SOH标记的数量。该组条件还包括(iv)缺失SOH标记的数量小于预定值。
在本公开的另一方面，该方法还包括确定在预定时间段内是否存在任何子系统警报。该组条件还包括(v)不存在子系统警报。
在本公开的另一方面，该方法还包括目视检查至少一个部件是否存在故障。该组条件还包括(vi)未发现可见故障。
在本公开的另一方面，使用以下等式中的至少一个等式来计算出Ncalculated：
(i)NCalculated＝(NTotal–NBefore)
(ii)NCalculated＝[NBefore x f(T)]+NAfter；以及
(ii)NCalculated＝NTotal，当时间间隙小于预定义值且在该间隙之后的绿色SOH标记的置信度高于预定阈值时。
其中，NTotal是在预定时间段内的绿色SOH标记的总数；NBefore是在时间间隙之前的绿色SOH标记的数量，NAfter是在时间间隙之后的绿色SOH标记的数量；以及f(T)是0<＝f(T)<＝1的单调递减函数，例如f(T)＝1-T/T1，其中T是时间间隙的大小。
本公开在几个方面还提供了一种用于车辆的集成车辆健康状况管理系统(IVHMS)。该IVHMS包括配置成从车辆部件收集信息的部件传感器以及与部件传感器进行电子通信的控制器。该控制器配置成启动车辆健康状况管理(VHM)算法以监视至少一个车辆部件在预定时间段内在每个点火事件期间的健康状态(SOH)，其中，VHM算法为至少一个车辆部件确定绿色SOH标记、黄色SOH标记和红色SOH标记中的至少一个SOH标记；计算出在预定时间段内的绿色SOH标记的数量(NCalculated)；在出现车辆故障后，当满足一组预定条件时，为至少一个部件提供最小概率原因指示。
在本公开的另一方面，该IVHMS还包括与控制器进行通信的人机界面(HMI)。HMI上显示最小概率原因指示。
在本公开的另一方面，控制器与车辆分开放置，且控制器与部件传感器进行无线电子通信。
在本公开的另一方面，该组预定条件包括(i)所计算出的绿色SOH标记的数量(NCalculated)等于或大于绿色SOH标记的预定数量；(ii)不存在黄色SOH标记和红色SOH标记。
根据本文提供的描述，更多应用领域将变得显而易见。应当理解，说明书和具体示例仅仅是为了说明的目的，而不是旨在限制本公开的范围。
附图说明
本文描述的附图仅用于说明的目的，并不旨在以任何方式限制本公开的范围。
图1是根据示例性实施例的一种诊断和提出表现出的车辆故障的最小概率原因故障的方法的方块图；
图2是示出图1所示根据示例性实施例的方块200的操作的流程图；
图3是示出图2所示根据示例性实施例的子例程300的操作的流程图；
图4是示出根据另一示例性实施例在为子例程300确定参数时的选项的流程图；以及
图5是一种具有配置成实现图1的方法的集成车辆健康状况管理系统的车辆的功能图。
具体实施方式
以下描述本质上仅仅是示例性的，并不旨在限制本公开、应用或用途。本文参照附图公开了图示的实施例，其中，在多个附图中，相同的数字始终指示相应的部分。附图不一定按比例绘制，并且某些特征可能被放大或最小化以示出特定特征的细节。本文公开的具体结构和功能细节并不旨在被解释为限制性的，而是作为教导本领域技术人员如何实践本发明的代表性基础。
参照图1，其示出了根据本公开的示例性实施例的一种诊断表现出的车辆故障以针对所表现出的车辆故障提出最小概率原因故障的方法(方法100)的方块图。方法100评估至少一个车辆部件(例如车辆的电池)的运行参数，为该部件提供绿色、黄色或红色的健康状态(SOH)标记并为所提供的SOH标记提供置信度。绿色标记为车辆部件正如预期运行的指示。黄色标记为车辆部件功能性降低的指示。红色标记为车辆部件发生故障的指示。在出现车辆故障后，方法100分析并记录车辆部件的SOH标记及相应置信度，以确定该车辆部件是否为导致所表现出的车辆故障的最小概率故障。
从方块102开始，方法100包括启动通常在机动车辆的集成车辆健康状况管理系统(IVHMS)中使用的车辆健康状况管理(VHM)算法。优选地，每当车辆的发动机启动时，例如当车辆的操作者在车辆内转动钥匙或在远程装置上按下按钮来启动发动机时，就会启动VHM算法。车辆每次启动或尝试启动均被称为点火事件。
在预定车辆运行事件(例如点火事件)后，VHM算法立即从车辆内的传感器收集信息以监视车辆内各个部件的性能特征。VHM算法为各个部件确定SOH标记以及SOH标记的置信度。VHM算法通过监视车辆部件的健康状况(包括跟踪车辆部件的性能下降或故障)来预测此类部件的故障。在机动车辆的IVHMS中用于确定SOH标记及相应置信度的VHM算法在本领域中是已知的。此类VHM算法可以是车辆系统或车辆部件专用的。
移到方块104，在预定时间段(Tl)(优选地，连续30天时段)上记录每个点火事件的日期和时间以及每个点火事件的各个受监视部件的SOH及置信度。换言之，记录每个点火事件的日期和时间，并在过去30天内保留所确定的各个受监视部件的SOH标记，在30天后可以将所确定的SOH标记存档或删除。
移到方块106，方法100然后将预定时间段(T1)划分为多个预定时间间隔。优选地，将连续30天时段(预定时间段)划分为连续的24小时时间间隔(预定时间间隔)。在24小时时间间隔内，在每个点火事件期间，VHM算法在发动机运行期间一直连续运行，并监视车辆的多个部件和系统以及相关诊断数据(例如，检测到的故障或过去的故障)和预后数据(例如，剩余使用寿命或初期故障)，以为部件和系统提供绿色、黄色或红色的SOH标记。对于24小时的时间间隔，期间可能没有点火事件或可能有多个点火事件。例如，如果车辆在发动机关闭的情况下停放24小时时间间隔，那么可能没有点火事件，或者如果车辆在24小时时间间隔期间多次启动和停止，那么可能有多个点火事件。
移到方块108，该方法还包括在每个24小时时间间隔内为至少一个车辆部件计算由VHM算法所确定的绿色SOH标记、黄色SOH标记和红色SOH标记的总数。优选地，每个点火事件均具有SOH标记。然而，应当理解，由于运行时间不足、传感器故障、数据收集不足等原因，VHM算法可能无法为每一个点火事件确定SOH标记。对于每个不连续的24小时间隔，计算绿色SOH结果的总数。对于整个连续的30天时段，也计算出绿色SOH结果的数量。
仅在存在令人信服的信息的情况下才给出至少一个车辆部件是车辆故障的根本原因的可能性指示。因此，当至少一个车辆部件的连续绿色SOH标记的数量在一定数量的连续时间间隔(例如连续3天)内或在不连续的时间间隔(例如，24小时时段)内小于在预定时间段(例如，30天)内的预定阈值时，不给出至少一个车辆部件是所表现出的车辆故障的根本原因的可能性指示。
数据收集中的错误可能会影响确定受监视部件是否是车辆问题的根本原因的可能性。仅作为示例，预定数量的连续绿色SOH可能已经在短时间段内发生，例如在不到24小时时段内。作为另一示例，在点火事件的总数大于SOH标记的数量的情况下，可能存在所提出的数据丢失。作为又一示例，虽然车辆部件故障发生在最后一个点火事件之后，但是尚未被VHM算法检测到。
在由VHMS或由机动车辆的操作者或车辆技术人员检测到所表现出的车辆故障后，该方法立即转到方块200，分析SOH标记以提出受监视部件的最小概率原因。参照图2，从方块202开始，检索包括在预定时间段(T1)上各个受监视车辆部件的SOH标记的车辆数据。优选地，T1是记录VHM确定的最近30天。作为非限制性示例，各个受监视车辆部件中的一个车辆部件是车辆电池的部件，其将用于进一步描述方块200。VHM算法经由车辆内的传感器来监视电池的运行参数。可以监视的车辆电池运行参数包括充电状态、开路电压、最小起动电压、起动时间和电池内阻。测量这些运行参数允许VHM算法来评估车辆电池的总体健康状况，并为电池提供SOH标记。
移到方块204，滤除对于车辆电池意义不大的数据。意义不大的数据包括在预定短时间段内(例如一个小时内)重复的VHM测定。短时间段内的此类重复数据可能是车辆操作者或技术人员反复尝试启动车辆的结果。
移到测定方块206，如果有任何黄色或红色的SOH标记，那么该方法移到方块216，在方块216，不发出最小概率原因，并且该方法结束。在判定方块206，如果没有黄色或红色的SOH标记，那么该方法移到判定方块208。
在判定方块208，如果在无SOH判定的情况下存在任何等于或大于预定时间值(T2)的连续时间间隔，那么流程图继续到子例程300。在无SOH判定的情况下的两个或更多个连续时间间隔被称为时间间隙(T)。优选地，时间值(T2)为3天。参照图3，其示出了子例程300的流程图。子例程300从方块302开始，移到方块304。在方块304，选择时间间隙T(即，大于或等于3天)，并将NTotal设置为在30天时段内的绿色SOH标记的总数。
到方块304，使用以下三个选项中的至少一个选项，计算出绿色SOH标记(N)的值(NCalculated)。对于选项1，NCalculated等于预定时间段内的绿色SOH标记的总数(NTotal)减去时间间隙之前的绿色SOH标记的总数(NBefore)，表示为NCalculated＝(NTotal–NBefore)。在选项2中，NCalculated＝[(NBefore)x f(T)]+[时间间隙之后的绿色SOH标记的数量(NAfter)]。式中，f(T)定义为0<＝f(T)<＝1的单调递减函数，例如f(T)＝1-T/T1，其中T是时间间隙中的时间量，也称为时间间隙的大小。在选项3中，参照图4，在判定方块402，如果T小于预定时间间隔值(优选地，7天)且绿色SOH标记在时间间隙之后具有高合并置信度(优选地，大于90％或95％置信度)，那么在方块404，NCalculated等于(NTotal)。合并置信度可以是时间间隙之后的一组绿色SOH置信度内的最小置信度、时间间隙之后的一组绿色SOH置信度内的最大置信度和时间间隙之后的一组绿色SOH置信度的平均值中的一个置信度。否则，在方块406，NCalculated等于NTotal-NBefore。
回到图2，从子例程300或从方块208移到判定方块210，如果NCalculated等于或大于预定N值，那么该方法移到方块212。预定N值优选为20个绿色SOH标记。否则，该方法移到方块216，在方块216，不发出最小概率原因通知，并且该方法结束。
从方块210移到方块212。在方块212，将在预定时间段T1(即，30天)内记录的VHM确定的总数与在预定时间段T1内记录的点火事件的总数进行比较。
移到判定方块214，如果点火事件的总数大于VHM确定的总数，那么存在缺失VHM确定的指示，导致该方法移到方块216，在方块216，不发出最小概率原因，并且该方法结束。如果没有缺失VHM确定的指示，那么该方法移到方块218，在方块218，检索在预定时间段T1内例如与子系统相关的判断故障代码(DTC)、参数标识符(PID)的任何警报以及例如省电模式信息(BSM)的其他警报。
如果有任意警报发生，那么移到判定方块220，然后该方法移到方块216，在方块216，不发出最小概率原因通知，并且该方法结束。如果没有警报发生，那么该方法移到方块222。在方块222，提示技术人员进行手动检查，以查看故障部件是否有任何可见指示，例如在车辆电池的情况下，查看是否存在破裂或泄漏。
从方块220移到判定方块224，如果从手动检查中发现任何故障，那么该方法移到方块216，在方块216，不发出最小概率原因，并且该方法结束。如果从手动检查中未发现可见故障，那么该方法移到方块226，在方块226，发出最小概率原因。如果NCalculated等于或大于预定值，优选地为40或更大，并且置信度等于或大于预定值，优选地，大于70％，那么以高置信度发出最小概率原因通知。
参照图5，其为一种集成车辆健康状况管理系统(IVHMS)，总体上由附图标记500表示，用于实现诊断所表现出的车辆故障并为所表现出的车辆故障提出最小概率原因故障的方法100。该IVHMS包括配置成从车辆部件502收集信息的部件传感器506、与部件传感器506进行电子通信的控制器508以及与控制器508进行电子通信的人机界面(HMI)514。控制器508收集信息以监视各个车辆部件和子系统的性能特征，并执行VHM算法以通过跟踪性能下降或故障来预测子系统中的故障。VHM算法优选地针对每个点火事件均启动，并且在各个车辆部件和子系统运行期间一直连续运行以为此类各个车辆部件和子系统确定SOH标记。控制器508根据方法100对SOH标记进行分析以针对所表现出的车辆故障提出最小概率原因故障。
车辆控制器508与HMI 514进行通信以与车辆操作者或技术人员进行通信，针对所表现出的车辆故障提出最小概率原因故障。在一示例性实施例中，控制器508位于车辆内，并经由通信总线系统512与车辆中的部件传感器进行通信。在另一示例性实施例中，控制器508位于远离车辆的位置，其中车辆504内的传感器与车辆内的通信总线系统512进行通信，控制器508经由无线网络(未示出)与通信总线进行通信。
至少一个部件传感器506被配置成监视至少一个车辆部件502的健康状况。作为非限制性示例，部件502可以是车辆电池的部件502，并且部件传感器506被配置成监视电池502的运行参数，包括充电状态、开路电压、最小起动电压、起动时间和电池内阻。部件传感器502收集关于部件502的运行参数的信息，并将信息传递给控制器508。
控制器508是非通用的电子控制装置，其具有预编程的数字计算机或处理器510、存储器512或用于存储例如控制逻辑、软件应用程序、指令、计算机代码、数据、查找表等数据的非暂时性计算机可读介质。计算机可读介质包括能够由计算机存取的任何类型的介质，例如只读存储器(ROM)、随机存取存储器(RAM)、硬盘驱动器、光盘(CD)、数字视频光盘(DVD)或任何其他类型的存储器。“非暂时性”计算机可读介质不包括传输暂时性电信号或其他信号的有线通信链路、无线通信链路、光学通信链路或其他通信链路。非暂时性计算机可读介质包括可永久存储数据的介质以及可存储数据并随后覆盖的介质，例如可重写光盘或可擦除存储装置。计算机代码包括任何类型的程序代码，包括源代码、目标代码和可执行代码。
本公开的方法及用于实现该方法的IVHMS提供了多个优点。该方法跟踪并保留对来自VHM评估的连续绿色SOH结果的数量的计数，以针对车辆问题(包括突发故障、间歇性故障或未发现的故障，或应用电池故障判断的缺失数据问题)生成最小概率原因判定，并向车辆的操作者或维修技术人员提供令人信服的车辆部件状态信息，以使维修技术人员避免潜在的不当零件更换，从而减少未发现故障(NTF)的更换和相关的保修成本，并为客户带来便利。
本公开的描述本质上仅仅是示例性的，并且不脱离本公开的主旨的变化旨在落入本公开的范围内。这种变化不应被视为背离本公开的精神和范围。

Claims (4)

1.一种诊断表现出的车辆故障的最小概率原因的方法，包括：
启动车辆健康状况管理(VHM)算法以监视至少一个车辆部件在预定时间段内在预定车辆运行事件期间的健康状态(SOH)，其中所述VHM算法为所述至少一个车辆部件确定绿色SOH标记、黄色SOH标记和红色SOH标记中的至少一个；
记录在所述预定时间段内的绿色SOH标记、黄色SOH标记和红色SOH标记；
基于表现出的车辆故障检索在所述预定时间段内的绿色SOH标记、黄色SOH标记和红色SOH标记；
计算出在所述预定时间段内的绿色SOH标记的数量(NCalculated)；
在预定条件满足时，为所述至少一个车辆部件发出最小概率原因建议，其中所述预定条件包括(i)所计算出的绿色SOH标记的数量(NCalculated)等于或大于预定N值和(ii)不存在黄色SOH标记和红色SOH标记；
还包括：
将所述预定时间段划分为分段时间间隔；以及
滤除在一分段时间间隔内重复的绿色SOH标记、黄色SOH标记和红色SOH标记；
还包括为所述至少一个车辆部件所确定的绿色SOH标记、黄色SOH标记和红色SOH标记中的至少一个确定置信度；
还包括：
确定时间间隙，其中所述时间间隙是无SOH标记的连续分段时间间隔的预定数量；以及
其中所述预定条件还包括(iii)所述时间间隙小于预定值；
其中使用NCalculated＝(NTotal–NBefore)来计算出NCalculated，其中：
NBefore是在所述时间间隙之前的绿色SOH标记的数量；以及
NTotal是在所述预定时间段内的绿色SOH标记的总数；
其中使用NCalculated＝[NBefore x f(T)]+NAfter来计算出Ncalculated，其中：
NBefore是在所述时间间隙之前的绿色SOH标记的数量；
NAfter是在所述时间间隙之后的绿色SOH标记的数量；以及
f(T)是0<＝f(T)<＝1的单调递减函数，其中T是所述时间间隙中的预定时间量；
其中，当所述时间间隙小于连续时间间隔的预定数量且合并置信度高于预定值时，使用Ncalculated＝NTotal来计算出Ncalculated，其中所述合并置信度包括在所述时间间隙之后的一组绿色SOH置信度的最小置信度、最大置信度和平均置信度中的一个；
其中：
NTotal是在预定时间段内的绿色SOH标记的总数。
2.根据权利要求1所述的方法，还包括：
确定在所述预定时间段内是否存在缺失的SOH标记；
其中所述预定条件还包括(iv)不存在缺失的SOH标记。
3.根据权利要求2所述的方法，还包括：
确定在所述预定时间段内是否存在针对所述至少一个车辆部件的任意警报；
其中所述预定条件还包括(v)不存在针对所述至少一个车辆部件的警报。
4.根据权利要求3所述的方法，还包括：
手动检查所述至少一个车辆部件是否存在可见故障；
其中所述预定条件还包括(vi)未发现可见故障。
CN202010916045.9A 2019-09-05 2020-09-03 提出最小概率故障的增强型部件故障诊断方法 Active CN112446980B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/561,711 2019-09-05
US16/561,711 US11288900B2 (en) 2019-09-05 2019-09-05 Method of enhanced component failure diagnosis for suggesting least probable fault

Publications (2)

Publication Number Publication Date
CN112446980A CN112446980A (zh) 2021-03-05
CN112446980B true CN112446980B (zh) 2022-04-15

Family

ID=74736173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010916045.9A Active CN112446980B (zh) 2019-09-05 2020-09-03 提出最小概率故障的增强型部件故障诊断方法

Country Status (2)

Country Link
US (1) US11288900B2 (zh)
CN (1) CN112446980B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11794758B2 (en) * 2020-11-30 2023-10-24 GM Global Technology Operations LLC Selective health information reporting systems including integrated diagnostic models providing least and most possible cause information

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102200487A (zh) * 2010-03-24 2011-09-28 通用汽车环球科技运作有限责任公司 用于机动车系统的事件驱动故障诊断架构
CA2776648A1 (en) * 2011-05-25 2012-11-25 Honeywell International, Inc. Systems and methods to configure condition based health maintenance systems
CN102799171A (zh) * 2011-05-25 2012-11-28 通用汽车环球科技运作有限责任公司 检测故障码设置中的异常和使用分析症状增强维修文件
CN103617110A (zh) * 2013-11-11 2014-03-05 国家电网公司 服务器设备状态检修系统
CN104036559A (zh) * 2009-04-07 2014-09-10 福特全球技术公司 执行车辆诊断的系统
CN105976074A (zh) * 2015-10-21 2016-09-28 乐卡汽车智能科技（北京）有限公司 一种车辆健康参数的生成、展现方法以及装置
CN106406273A (zh) * 2015-08-03 2017-02-15 大众汽车有限公司 车辆中故障原因的确定
CN107807325A (zh) * 2017-10-23 2018-03-16 柳州铁道职业技术学院 基于多状态理论的铁路轨道电路可靠性分析系统及其方法
EP3483686A1 (en) * 2017-11-10 2019-05-15 General Electric Company Methods and apparatus for prognostic health monitoring of a turbine engine

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011043966A2 (en) * 2009-10-07 2011-04-14 General Electric Company Vehicle suspension control system and method
US8560165B2 (en) * 2012-01-17 2013-10-15 GM Global Technology Operations LLC Co-operative on-board and off-board component and system diagnosis and prognosis
US20190311558A1 (en) * 2018-04-10 2019-10-10 GM Global Technology Operations LLC Method and apparatus to isolate an on-vehicle fault
US11100732B2 (en) * 2019-05-21 2021-08-24 GM Global Technology Operations LLC Enhanced system failure diagnosis

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036559A (zh) * 2009-04-07 2014-09-10 福特全球技术公司 执行车辆诊断的系统
CN102200487A (zh) * 2010-03-24 2011-09-28 通用汽车环球科技运作有限责任公司 用于机动车系统的事件驱动故障诊断架构
CA2776648A1 (en) * 2011-05-25 2012-11-25 Honeywell International, Inc. Systems and methods to configure condition based health maintenance systems
CN102799171A (zh) * 2011-05-25 2012-11-28 通用汽车环球科技运作有限责任公司 检测故障码设置中的异常和使用分析症状增强维修文件
CN103617110A (zh) * 2013-11-11 2014-03-05 国家电网公司 服务器设备状态检修系统
CN106406273A (zh) * 2015-08-03 2017-02-15 大众汽车有限公司 车辆中故障原因的确定
CN105976074A (zh) * 2015-10-21 2016-09-28 乐卡汽车智能科技（北京）有限公司 一种车辆健康参数的生成、展现方法以及装置
CN107807325A (zh) * 2017-10-23 2018-03-16 柳州铁道职业技术学院 基于多状态理论的铁路轨道电路可靠性分析系统及其方法
EP3483686A1 (en) * 2017-11-10 2019-05-15 General Electric Company Methods and apparatus for prognostic health monitoring of a turbine engine

Also Published As

Publication number Publication date
CN112446980A (zh) 2021-03-05
US11288900B2 (en) 2022-03-29
US20210074087A1 (en) 2021-03-11

Similar Documents

Publication Publication Date Title
CN110059325B (zh) 车辆故障预警系统及对应的车辆故障预警方法
US7877636B2 (en) System and method for detecting temporal relationships uniquely associated with an underlying root cause
KR101757075B1 (ko) 차량 고장 진단 분석을 위한 주행 데이터 모니터링 시스템 및 방법
EP2948744B1 (en) Determining a remedial action for a motorized vehicle based on sensed vibration
JP2005048770A (ja) 故障を診断し分離するためのモデルベースのインテリジェントエージェントを利用する方法
CN111736030B (zh) 一种汽车的通用故障管理方法
US6347267B1 (en) On-vehicle controller failure diagnosing method and apparatus
US20220101666A1 (en) Method and Apparatus for Determining a Residual Service Life based on a Predictive Diagnosis of Components of an Electric Drive System Using Artificial Intelligence Techniques
CN113232462B (zh) 胎压管理方法、装置及计算机存储介质
CN112606779B (zh) 一种汽车故障预警方法及电子设备
GB2497636A (en) Vehicle fault diagnosis system
CN116345690B (zh) 基于供电系统设备清单的电力监测虚警识别方法及系统
CN112446980B (zh) 提出最小概率故障的增强型部件故障诊断方法
TWI648179B (zh) 預警系統及預警方法
KR102255599B1 (ko) 차량 고장 진단 서비스 제공 시스템 및 방법
US11100732B2 (en) Enhanced system failure diagnosis
CN117041088A (zh) 一种网络设备温度监控报警方法、系统及存储介质
CN118343145A (zh) 车辆的故障处理方法及车载设备
WO2018025802A1 (ja) 異常通知装置及び異常通知方法
CN112685424B (zh) 发动机故障存储的处理方法和装置
CN117687382A (zh) 一种车辆故障对账方法、系统及计算机介质
JP5885563B2 (ja) プラント機器の経年劣化進行度合判定システム
CN116794435A (zh) 电气元件监测方法、系统、作业机械及电子设备
CN116461337A (zh) 电动汽车的电池动力中断故障识别方法及装置
CN118760130A (zh) 一种基于发动机ecu的诊断系统

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