CN112606779A - 一种汽车故障预警方法及电子设备 - Google Patents
一种汽车故障预警方法及电子设备 Download PDFInfo
- Publication number
- CN112606779A CN112606779A CN202011544063.5A CN202011544063A CN112606779A CN 112606779 A CN112606779 A CN 112606779A CN 202011544063 A CN202011544063 A CN 202011544063A CN 112606779 A CN112606779 A CN 112606779A
- Authority
- CN
- China
- Prior art keywords
- fault
- electronic control
- control unit
- early warning
- failure
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012549 training Methods 0.000 claims description 64
- 238000012795 verification Methods 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000007257 malfunction Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开一种汽车故障预警方法及电子设备,方法包括:获取汽车的车辆信息、以及至少一个故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息;对于每个故障标识,将车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息输入关于该故障标识的故障预警模型,得到故障标识的预测故障概率;如果预测故障概率大于等于故障概率阈值,则执行对应的故障标识的预警操作。本发明通过检测车辆信息以及关联电子控制单元的参数信息,来可预测故障电子控制单元是否出现故障,实现故障预警功能。从而可以提前通知专营店(4S店),减少配件时间,完善维修流程,提高客户满意度。
Description
技术领域
本发明涉及汽车相关技术领域,特别是一种汽车故障预警方法及电子设备。
背景技术
现有的车联网项目的远程诊断,主要实现周期性和触发性诊断数据上传与分析。现有的故障诊断,指示在故障发生后,提示用户故障或将故障信息发送给专营店。且判断故障发生的标准只有故障逻辑里面定义的直接故障原因。
因此,现有技术的汽车故障判断,仅能采用固有的故障逻辑,根据故障电子控制器(Electronic Control Unit,ECU)的参数,判断是否发送故障,无法提前对故障进行预警。同时由于仅针对故障电子控制器进行判断,无法找出潜在故障的电子控制器。
发明内容
基于此,有必要针对现有技术,无法对汽车故障进行提前预警的技术问题,提供一种汽车故障预警方法及电子设备。
本发明提供一种汽车故障预警方法,包括:
获取汽车的车辆信息、以及至少一个故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息;
对于每个故障标识,将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息输入关于该故障标识的故障预警模型,得到所述故障标识的预测故障概率,所述故障标识用于表示对应的故障电子控制单元所出现的故障;
如果所述预测故障概率大于等于故障概率阈值,则执行对应的故障标识的预警操作。
进一步地,还包括:
响应于故障事件,获取该故障事件的故障标识,确定故障标识对应的故障电子控制单元;
获取汽车的车辆信息以及与所述故障电子控制单元关联的关联电子控制单元的参数信息;
将所述车辆信息以及所述关联电子控制单元的参数信息输入关于所述故障标识的故障预警模型,得到关于所述故障标识的预测故障概率作为验证故障概率;
如果所述验证故障概率小于所述故障概率阈值,则降低所述故障概率阈值、和/或将得到所述验证故障概率的车辆信息以及关联电子控制单元的参数信息作为失败用例对得到所述验证故障概率的故障预警模型进行训练。
进一步地,所述如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的预警操作之后,包括:
如果所述预测故障概率大于等于故障概率阈值,且在预设预测时间后,未出现预测故障概率大于等于故障概率阈值的故障标识所表示的故障,则判断预警失败,提高所述故障概率阈值、和/或将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息作为失败用例对所述故障预警模型进行训练。
进一步地,每一故障标识对应一故障概率阈值。
进一步地,所述故障电子控制单元所关联的关联电子控制单元为:与故障电子控制单元通过总线通信连接的电子控制单元。
进一步地,还包括:
获取故障事件发生时,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生时的车辆信息作为车辆信息训练参数;
将所述车辆信息训练参数、所述关联电子控制单元训练参数作为该故障事件的故障标识的故障预警模型的训练集,采用机器学习算法对所述训练集进行训练,得到故障预警模型。
进一步地,所述故障预警模型训练各关联电子控制单元的权重。
更进一步地,所述如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的预警操作,具体包括:
如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的直接故障预警操作,并将所述故障预警模型中,权重位于前N位的关联电子控制单元作为潜在故障电子控制单元,执行关于所述潜在故障电子控制单元的潜在故障预警操作,其中N为大于等于1的自然数。
再进一步地,所述获取故障事件发生时,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生时的车辆信息作为车辆信息训练参数,具体包括:
获取故障事件发生前预设训练时间段内以及故障事件发生后预设训练时间段内,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生前预设训练时间段内以及故障事件发生后预设训练时间段内的车辆信息作为车辆信息训练参数。
本发明提供一种汽车故障预警电子设备,包括:
至少一个处理器;以及,
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够执行如前所述的汽车故障预警方法。
本发明通过检测车辆信息以及关联电子控制单元的参数信息,来可预测故障电子控制单元是否出现故障,实现故障预警功能。从而可以提前通知专营店(4S店),减少配件时间,完善维修流程,提高客户满意度。
附图说明
图1为本发明一实施例一种汽车故障预警方法的工作流程图;
图2为本发明故障电子控制单元与关联电子控制单元示意图;
图3为本发明一种汽车故障预警方法的工作流程图;
图4为故障预测模型示意图;
图5为本发明最佳实施例故障预测流程示意图;
图6为本发明一实施例一种汽车故障预警电子设备的硬件结构示意图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细的说明。
实施例一
如图1所示为本发明一实施例一种汽车故障预警方法的工作流程图,包括:
步骤S101,获取汽车的车辆信息、以及至少一个故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息;
步骤S102,对于每个故障标识,将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息输入关于该故障标识的故障预警模型,得到所述故障标识的预测故障概率,所述故障标识用于表示对应的故障电子控制单元所出现的故障;
步骤S103,如果所述预测故障概率大于等于故障概率阈值,则执行对应的故障标识的预警操作。
具体来说,本发明可以应用在车载电子控制器(Electronic Control Unit,ECU)中,也可以应用在服务器中。
步骤S101获取汽车的车辆信息、以及至少一个故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息,其中关联电子控制单元为车载ECU。关联电子控制单元与故障电子控制单元关联但并不是相同的电子控制单元。如图2所示,其中胎压控制器21(Tire Pressure Monitoring System,TPMS)为故障电子控制单元,而与其关联的车身控制模块(Body Control Module,BCM)22、组合仪表(Combination meter/Cluster,METER)23、防抱死系统(Antilock Break System,ABS)24、胎压传感器25、胎压接收器26为关联电子控制单元。
本发明基于关联电子控制单元的参数来预测故障电子控制单元是否故障。故障电子控制单元与关联电子控制单元之间的关联关系,可以通过查表确定。
步骤S102对于每个故障标识,将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息输入关于该故障标识的故障预警模型,得到该故障标识的预测故障概率。具体来说,可以采用遍历的方式,遍历所有故障标识,并向对应的故障预警模型输入车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息。其中,故障标识可以为故障码。故障标识用于表示故障电子控制单元所出现的故障。通过检测电子控制单元的参数,判断该电子控制单元是否出现故障。例如,获取当前的车辆信息下该电子控制单元的参数阈值范围,获取该电子控制单元的参数,如果不在对应的参数阈值范围内,则判断该电子控制单元为故障电子控制单元,并触发产生相应的故障标识,例如故障码。因此,每个故障标识将会关联触发产生故障的故障电子控制单元,故障电子控制单元也与至少一个关联电子控制单元关联,关联电子控制单元为与故障电子控制单元在CAN的拓扑上相连的电子控制单元。在步骤S102中,遍历所有的故障标识,并选择对应的故障预警模型,然后将将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息输入关于该故障标识的故障预警模型。具体来说,可以通过查表确定故障电子控制单元所对应的关联电子控制单元。关联电子控制单元为至少一个,关联电子控制单元与故障预警模型的对应关系为多对一。即将至少一个关联电子控制单元作为一组,共同对应一个故障预警模型。两组关联电子控制单元之间可以有重复的关联电子控制单元。
如果预测故障概率大于等于故障概率阈值,则触发S103,执行相应的预警操作。具体来说,预警操作包括但不限于:在车辆的屏幕中显示预警信息、将预警信息发送到专营店、和/或将预警信息发送到服务器。
本发明通过检测车辆信息以及关联电子控制单元的参数信息,来可预测故障电子控制单元是否出现故障,实现故障预警功能。从而可以提前通知专营店(4S店),减少配件时间,完善维修流程,提高客户满意度。
实施例二
如图3所示为本发明一种汽车故障预警方法的工作流程图,包括:
步骤S301,获取故障事件发生时,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生时的车辆信息作为车辆信息训练参数。
在其中一个实施例中,所述获取故障事件发生时,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生时的车辆信息作为车辆信息训练参数,具体包括:
获取故障事件发生前预设训练时间段内以及故障事件发生后预设训练时间段内,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生前预设训练时间段内以及故障事件发生后预设训练时间段内的车辆信息作为车辆信息训练参数。
步骤S302,将所述车辆信息训练参数、所述关联电子控制单元训练参数作为该故障事件的故障标识的故障预警模型的训练集,采用机器学习算法对所述训练集进行训练,得到故障预警模型,所述故障预警模型训练各关联电子控制单元的权重。
步骤S303,响应于故障事件,获取该故障事件的故障标识,确定故障标识对应的故障电子控制单元。
步骤S304,获取汽车的车辆信息以及与所述故障电子控制单元关联的关联电子控制单元的参数信息。
步骤S305,将所述车辆信息以及所述关联电子控制单元的参数信息输入关于所述故障标识的故障预警模型,得到关于所述故障标识的预测故障概率作为验证故障概率。
步骤S306,如果所述验证故障概率小于所述故障概率阈值,则降低所述故障概率阈值、和/或将得到所述验证故障概率的车辆信息以及关联电子控制单元的参数信息作为失败用例对得到所述验证故障概率的故障预警模型进行训练。
步骤S307,获取汽车的车辆信息、以及至少一个故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息。
步骤S308,对于每个故障标识,将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息输入关于该故障标识的故障预警模型,得到所述故障标识的预测故障概率,所述故障标识用于表示对应的故障电子控制单元所出现的故障,所述故障电子控制单元所关联的关联电子控制单元为:与故障电子控制单元通过总线通信连接的电子控制单元。
步骤S309,如果所述预测故障概率大于等于故障概率阈值,则执行对应的故障标识的预警操作,其中每一故障标识对应一故障概率阈值。
在其中一个实施例中,所述如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的预警操作,具体包括:
如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的直接故障预警操作,并将所述故障预警模型中,权重位于前N位的关联电子控制单元作为潜在故障电子控制单元,执行关于所述潜在故障电子控制单元的潜在故障预警操作,其中N为大于等于1的自然数。
直接故障预警操作和潜在故障预警操作可以不同。例如直接故障预警操作的等级高于潜在故障预警操作的等级。例如直接故障预警操作可以进行告警,而潜在故障预警操作仅进行记录,并保存到4S店或者后台服务器中,当对车辆进行维修时,可以调用直接故障预警操作的记录和潜在故障预警操作的记录,以方便工程师对车辆故障进行排查。
步骤S310,如果所述预测故障概率大于等于故障概率阈值,且在预设预测时间后,未出现预测故障概率大于等于故障概率阈值的故障标识所表示的故障,则判断预警失败,提高所述故障概率阈值、和/或将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息作为失败用例对所述故障预警模型进行训练。
具体来说,步骤S301和步骤S302为故障预警模型的训练方法,可以获取历史的故障事件相关的关联电子控制单元的参数信息以及车辆信息进行训练。具体来说,生成故障产生前后一段时间车辆信息与ECU相关参数的训练集,利用机器学习算法,预测出特定车辆信息与ECU相关参数下,是否会产生故障码,以及产生故障码的类别。从而达到故障预测的目的。训练为有监督训练,可以选择故障事件发生前预设训练时间段内以及故障事件发生后预设训练时间段内的信息作为成功用例的训练集。而步骤S306和步骤S310的数据将将作为失败用例的训练集。通过对故障预警模型进行多次训练,从而提高故障预警模型的准确性。
如图4所示,故障预测模型的输入为:X1…Xm表示车辆通用参数,例如速度,里程等,p1…pm表示产生故障时车辆通用参数的值,Y1…Yn为关联ECU的参数,以TPMS为例,可以为胎压值。同理,q1…qn代表产生故障码时关联ECU的参数的值。
故障预测模型的输出为:故障码的预测概率。
该训练集收集了每次产生故障码时,车辆前后一段时间的参数信息,通过机器学习算法,不停的训练该数据集,建立模型,就可以预测出,当车辆处于某一状态下,预测故障产生的概率,并与概率阀值比较,并依据判定结果确定是否需要进行故障预警提醒,即故障预警的目的。
同时,每一个故障标识对应一个故障预测模型,同样地,每一个故障标识也对应一个故障概率阈值,每个故障预测模型以及每个故障概率阈值独立地进行修正。
步骤S303至步骤S306,在出现故障事件时,将获取汽车的车辆信息以及与所述故障电子控制单元关联的关联电子控制单元的参数信息输入对应的故障预警模型,得到关于所述故障标识的预测故障概率作为验证故障概率。由于此时已经发生故障事件,因此,如果验证故障概率大于等于故障概率阈值,则表示预测成功,而如果验证故障概率小于故障概率阈值,则表示预测失败。预测失败之后,一方面可以降低故障概率阈值。另一方面,可以将得到所述验证故障概率的车辆信息以及关联电子控制单元的参数信息作为失败用例对得到所述验证故障概率的故障预警模型进行重新训练,以提高故障预警模型的准确性。
步骤S307至步骤S310基于车辆信息以及关联电子控制单元的参数信息进行故障预警。当预测故障概率大于等于故障概率阈值即预测将会出现故障,然而,如果经过预测时间,仍未出现故障,则可以判断预测失败。对于预测失败,可以提高故障概率阈值,从而降低误判概率。也可以将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息作为失败用例对所述故障预警模型进行重新训练,以提高故障预警模型的准确性。
具体流程如图5所示,包括:
步骤S501,当故障ECU1的参数X1超过阈值,基于故障逻辑,产生故障码A;
步骤S502,获取此时的关联ECU参数以及车辆通用参数,例如关联ECUa的参数a1、关联ECUa的参数a2、关联ECUb的参数b1、车辆通用参数Z1、Z2等,采用机器学习算法训练潜在故障原因参数集,对故障前期参数变化规律建模,训练出各关联参数的权重,得到故障预警模型。
步骤S503,在未发生故障时,将关联ECU参数以及车辆通用参数,例如关联ECUa的参数a1、关联ECUa的参数a2、关联ECUb的参数b1、车辆通用参数Z1、Z2等输入故障预警模型,通过建立的模型监测关联参数,预测故障发生的预测概率。故障预警模型可以同时输出多个故障的预测概率。当预测概率大于等于故障概率阈值P的时候,发出预测概率大于等于故障概率阈值P的故障标识的故障预警这一动作。
其中,根据预警的正确性,再次生成P的训练集,不断训练出准确的故障概率阈值,预测失败的那组数据会重新回到训练集作为失败案例训练,此处可采用逻辑回归算法。
本实施例通过收集大量车辆故障信息,对故障预测模型进行训练,基于产生的故障事件,对故障预测模型及故障概率阈值进行修正,从而大大提供故障预测模型的准确性。同时,在出现故障时,选择权重较前的关联电子控制单元作为潜在故障电子控制单元,以便后续维修时,能提示工程师对其进行排查。
实施例三
如图6所示为本发明一实施例一种汽车故障预警电子设备的硬件结构示意图,包括:
至少一个处理器601;以及,
与至少一个所述处理器601通信连接的存储器602;其中,
所述存储器602存储有可被至少一个所述处理器601执行的指令,所述指令被至少一个所述处理器601执行,以使至少一个所述处理器601能够执行如前所述的汽车故障预警方法。
电子控制单元可以为汽车电子控制单元(Electronic Control Unit,ECU)或者服务器。图6中以一个处理器601为例。
电子设备还可以包括:输入装置603和显示装置604。
处理器601、存储器602、输入装置603及显示装置604可以通过总线或者其他方式电连接,图中以通过总线电连接为例。
存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的汽车故障预警方法对应的程序指令/模块,例如,图1所示的方法流程。处理器601通过运行存储在存储器602中的非易失性软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现上述实施例中的汽车故障预警方法。
存储器602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据汽车故障预警方法的使用所创建的数据等。此外,存储器602可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器602可选包括相对于处理器601远程设置的存储器,这些远程存储器可以通过网络电连接至执行汽车故障预警方法的装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置603可接收输入的用户点击,以及产生与汽车故障预警方法的用户设置以及功能控制有关的信号输入。显示装置604可包括显示屏等显示设备。
在所述一个或者至少一个模块存储在所述存储器602中,当被所述一个或者至少一个处理器601运行时,执行上述任意方法实施例中的汽车故障预警方法。
本发明通过检测车辆信息以及关联电子控制单元的参数信息,来可预测故障电子控制单元是否出现故障,实现故障预警功能。从而可以提前通知专营店(4S店),减少配件时间,完善维修流程,提高客户满意度。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种汽车故障预警方法,其特征在于,包括:
获取汽车的车辆信息、以及至少一个故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息;
对于每个故障标识,将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息输入关于该故障标识的故障预警模型,得到所述故障标识的预测故障概率,所述故障标识用于表示对应的故障电子控制单元所出现的故障;
如果所述预测故障概率大于等于故障概率阈值,则执行对应的故障标识的预警操作。
2.根据权利要求1所述的汽车故障预警方法,其特征在于,还包括:
响应于故障事件,获取该故障事件的故障标识,确定故障标识对应的故障电子控制单元;
获取汽车的车辆信息以及与所述故障电子控制单元关联的关联电子控制单元的参数信息;
将所述车辆信息以及所述关联电子控制单元的参数信息输入关于所述故障标识的故障预警模型,得到关于所述故障标识的预测故障概率作为验证故障概率;
如果所述验证故障概率小于所述故障概率阈值,则降低所述故障概率阈值、和/或将得到所述验证故障概率的车辆信息以及关联电子控制单元的参数信息作为失败用例对得到所述验证故障概率的故障预警模型进行训练。
3.根据权利要求1所述的汽车故障预警方法,其特征在于,所述如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的预警操作之后,包括:
如果所述预测故障概率大于等于故障概率阈值,且在预设预测时间后,未出现预测故障概率大于等于故障概率阈值的故障标识所表示的故障,则判断预警失败,提高所述故障概率阈值、和/或将所述车辆信息以及该故障标识所对应的故障电子控制单元所关联的关联电子控制单元的参数信息作为失败用例对所述故障预警模型进行训练。
4.根据权利要求1所述的汽车故障预警方法,其特征在于,每一故障标识对应一故障概率阈值。
5.根据权利要求1所述的汽车故障预警方法,其特征在于,所述故障电子控制单元所关联的关联电子控制单元为:与故障电子控制单元通过总线通信连接的电子控制单元。
6.根据权利要求1所述的汽车故障预警方法,其特征在于,还包括:
获取故障事件发生时,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生时的车辆信息作为车辆信息训练参数;
将所述车辆信息训练参数、所述关联电子控制单元训练参数作为该故障事件的故障标识的故障预警模型的训练集,采用机器学习算法对所述训练集进行训练,得到故障预警模型。
7.根据权利要求6所述的汽车故障预警方法,其特征在于,所述故障预警模型训练各关联电子控制单元的权重。
8.根据权利要求7所述的汽车故障预警方法,其特征在于,所述如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的预警操作,具体包括:
如果所述预测故障概率大于等于故障概率阈值,则执行关于所述故障标识的直接故障预警操作,并将所述故障预警模型中,权重位于前N位的关联电子控制单元作为潜在故障电子控制单元,执行关于所述潜在故障电子控制单元的潜在故障预警操作,其中N为大于等于1的自然数。
9.根据权利要求6至8任一项所述的汽车故障预警方法,其特征在于,所述获取故障事件发生时,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生时的车辆信息作为车辆信息训练参数,具体包括:
获取故障事件发生前预设训练时间段内以及故障事件发生后预设训练时间段内,该故障事件的故障标识对应的故障电子控制单元所关联的关联电子控制单元的参数信息,作为关联电子控制单元训练参数,获取同一故障事件发生前预设训练时间段内以及故障事件发生后预设训练时间段内的车辆信息作为车辆信息训练参数。
10.一种汽车故障预警电子设备,其特征在于,包括:
至少一个处理器;以及,
与至少一个所述处理器通信连接的存储器;其中,
所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够执行如权利要求1至9任一项所述的汽车故障预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011544063.5A CN112606779B (zh) | 2020-12-24 | 2020-12-24 | 一种汽车故障预警方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011544063.5A CN112606779B (zh) | 2020-12-24 | 2020-12-24 | 一种汽车故障预警方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112606779A true CN112606779A (zh) | 2021-04-06 |
CN112606779B CN112606779B (zh) | 2023-01-06 |
Family
ID=75245440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011544063.5A Active CN112606779B (zh) | 2020-12-24 | 2020-12-24 | 一种汽车故障预警方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112606779B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113386687A (zh) * | 2021-06-17 | 2021-09-14 | 东风汽车股份有限公司 | 一种车载通信终端故障监测的分级预警限速方法 |
CN113705896A (zh) * | 2021-08-30 | 2021-11-26 | 中国工商银行股份有限公司 | 目标设备的确定方法、装置及电子设备 |
CN113978394A (zh) * | 2021-10-26 | 2022-01-28 | 深圳市元征科技股份有限公司 | 车辆故障检测的方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106394445A (zh) * | 2016-10-09 | 2017-02-15 | 思建科技有限公司 | 一种车辆故障监测提示方法及系统 |
CN107403480A (zh) * | 2017-06-15 | 2017-11-28 | 北汽福田汽车股份有限公司 | 一种车辆故障预警方法、系统及车辆 |
CN110059325A (zh) * | 2018-01-19 | 2019-07-26 | 罗伯特·博世有限公司 | 车辆故障预警系统及对应的车辆故障预警方法 |
CN111338836A (zh) * | 2020-02-24 | 2020-06-26 | 北京奇艺世纪科技有限公司 | 处理故障数据的方法、装置、计算机设备和存储介质 |
CN111881980A (zh) * | 2020-07-29 | 2020-11-03 | 上海钧正网络科技有限公司 | 一种车辆故障检测方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-24 CN CN202011544063.5A patent/CN112606779B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106394445A (zh) * | 2016-10-09 | 2017-02-15 | 思建科技有限公司 | 一种车辆故障监测提示方法及系统 |
CN107403480A (zh) * | 2017-06-15 | 2017-11-28 | 北汽福田汽车股份有限公司 | 一种车辆故障预警方法、系统及车辆 |
CN110059325A (zh) * | 2018-01-19 | 2019-07-26 | 罗伯特·博世有限公司 | 车辆故障预警系统及对应的车辆故障预警方法 |
CN111338836A (zh) * | 2020-02-24 | 2020-06-26 | 北京奇艺世纪科技有限公司 | 处理故障数据的方法、装置、计算机设备和存储介质 |
CN111881980A (zh) * | 2020-07-29 | 2020-11-03 | 上海钧正网络科技有限公司 | 一种车辆故障检测方法、装置、计算机设备和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113386687A (zh) * | 2021-06-17 | 2021-09-14 | 东风汽车股份有限公司 | 一种车载通信终端故障监测的分级预警限速方法 |
CN113705896A (zh) * | 2021-08-30 | 2021-11-26 | 中国工商银行股份有限公司 | 目标设备的确定方法、装置及电子设备 |
CN113978394A (zh) * | 2021-10-26 | 2022-01-28 | 深圳市元征科技股份有限公司 | 车辆故障检测的方法、装置、电子设备及存储介质 |
CN113978394B (zh) * | 2021-10-26 | 2024-06-07 | 深圳市元征科技股份有限公司 | 车辆故障检测的方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112606779B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112606779B (zh) | 一种汽车故障预警方法及电子设备 | |
US11948405B2 (en) | Providing autonomous vehicle maintenance | |
CN106843190B (zh) | 分布式车辆健康管理系统 | |
US8676432B2 (en) | Fault prediction framework using temporal data mining | |
US8095261B2 (en) | Aggregated information fusion for enhanced diagnostics, prognostics and maintenance practices of vehicles | |
JP4453764B2 (ja) | 車両診断装置、車両診断システム、診断方法 | |
KR20190107080A (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
CN106650505A (zh) | 一种车辆攻击检测方法和装置 | |
CN105008875B (zh) | 基于所感测的振动确定用于机动车辆的矫正动作 | |
US20110145026A1 (en) | Software-centric methodology for verification and validation of fault models | |
EP2277778A2 (en) | Vehicle health management systems and methods with predicted diagnostic indicators | |
CN109101010B (zh) | 一种汽车故障诊断方法及相关设备 | |
WO2012148514A1 (en) | Collaborative multi-agent vehicle fault diagnostic system & associated methodology | |
JP7215131B2 (ja) | 判定装置、判定プログラム、判定方法及びニューラルネットワークモデルの生成方法 | |
CN114582043B (zh) | 提供最不可能和最有可能的原因信息的包括集成诊断模型的选择性健康信息报告系统 | |
CN113807547A (zh) | 车辆故障预警方法、系统、可读存储介质及计算机设备 | |
CN112650201B (zh) | 车辆故障诊断方法、装置、车辆及存储介质 | |
CN113660137A (zh) | 车载网络故障检测方法、装置、可读存储介质及电子设备 | |
KR102255599B1 (ko) | 차량 고장 진단 서비스 제공 시스템 및 방법 | |
CN114911982A (zh) | 一种车辆故障预警方法、装置、终端设备及存储介质 | |
US20220067535A1 (en) | Anomaly detection in cyber-physical systems | |
KR20220125689A (ko) | 차량 구성 요소들의 작동 상태를 결정하기 위한 방법 | |
CN109828857A (zh) | 车辆故障原因定位方法、装置、设备和存储介质 | |
CN115359585A (zh) | 车辆提前排查故障的方法、装置、车辆及存储介质 | |
CN113242815B (zh) | 用于诊断机动车中的安全部件的方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 430056 No. 10 Dongfeng Avenue, Wuhan economic and Technological Development Zone, Wuhan, Hubei Applicant after: DONGFENG MOTER Co.,Ltd. Address before: 510800, Fengshen Road, Huadu District, Guangdong, Guangzhou 12 Applicant before: DONGFENG MOTER Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |