CN112677770A - Ota升级方法、存储介质以及电子设备和车辆 - Google Patents

Abstract

本发明公开了一种OTA升级方法、存储介质以及电子设备和车辆，该方法包括以下步骤：在利用OTA升级包对待升级ECU器件进行OTA升级时，采集车辆蓄电池性能指标参数，获取待升级ECU器件的刷写日志信息以及当前的整车网络负载情况；训练OTA升级耗电预测模型，根据当前蓄电池的性能指标参数、待升级ECU器件的刷写日志信息以及当前的网络负载情况预测待升级ECU器件的耗电量；在得到耗电量预测值后，动力电池根据耗电量预测值对蓄电池进行充电；当检测蓄电池的电量值大于或等于耗电量预测值时，触发待升级ECU器件进行OTA升级。该方法通过对待升级ECU器件进行OTA升级的耗电量进行预测，可有效提升OTA的升级速率。

Description

OTA升级方法、存储介质以及电子设备和车辆

技术领域

本发明涉及车辆远程升级技术领域，具体涉及一种OTA升级方法、一种计算机可读存储介质、一种电子设备和一种车辆。

背景技术

OTA(Over the Air，空中下载)升级，在升级包下载到主控模块以后有以下两种升级方式。一种是ECU(Electronic Control Unit，电子控制单元)升级过程中，假设蓄电池电量不足就允许使用动力电池通过DCDC模块对蓄电池进行充电，以满足ECU升级的供电要求。另一种ECU升级过程是不允许动力电池对蓄电池进行充电，比如VCU(Vehicle controlunit，车辆控制单元)、CDU(Conversion&Distribution Unit，转换配电单元)、DCDC控制器等。

对于需要断开动力电池连接的ECU升级，可以是在不判断蓄电池电量的情况下进行，但若在升级过程中出现蓄电池电量不足的情况则需要对固件版本进行回滚。也可以是在升级这些ECU之前先通过动力电池对蓄电池按照标定的阀值进行充电，或者直接对蓄电池进行充电直至满电，来保证电量能满足这些ECU器件的刷写要求。然而，该通过标定的方式得到蓄电池阀值的方式存在以下问题：一方面，未考虑到电池的自然老化问题，随着时间的推移，可能需要超过标定值的电量才能完成整车的固件刷写；另一方面，未考虑到并不是每次OTA升级都要刷写固定数量的元器件，若以满足最大元器件数量的电量要求来作标定，那么就需要等待一段比较长的充电时间。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种OTA升级方法，通过对待升级ECU器件进行OTA升级的耗电量进行预测，可有效提升OTA的升级速率。

本发明的第二个目的在于提出一种计算机可读存储介质。

本发明的第三个目的在于提出一种电子设备。

本发明的第四个目的在于提出一种车辆。

为达到上述目的，本发明第一方面实施例提出了一种OTA升级方法，包括以下步骤：在利用OTA升级包对待升级ECU器件进行OTA升级时，采集车辆蓄电池性能指标参数，并获取待升级ECU器件的过往刷写日志信息和当前整车刷写的网络负载情况；训练OTA升级耗电预测模型，根据本次升级前的蓄电池性能指标参数、待升级ECU器件的过往刷写日志信息和当前整车的网络负载情况对待升级ECU器件进行OTA升级的耗电量进行预测，得到耗电量预测值；根据耗电量预测值对蓄电池进行充电；当检测蓄电池的电量值大于或等于耗电量预测值时，触发待升级ECU器件进行OTA升级。

根据本发明实施例的OTA升级方法，通过预先训练的OTA升级耗电预测模型根据采集的蓄电池性能指标参数、所获取的待升级ECU器件的过往刷写日志信息和当前整车刷写的网络负载情况对待升级ECU器件进行OTA升级的耗电量进行预测，得到耗电量预测值，并根据得到的耗电量预测值对蓄电池进行充电，可使得蓄电池供电量能够满足待升级ECU器件进行OTA升级的用电需求，从而可有效提升OTA的升级速率。

根据本发明的一个实施例，OTA升级耗电预测模型的训练过程如下：在车辆使用过程中，采集蓄电池的电池信息，记为电池样本信息；在ECU器件进行OTA升级的过程中，记录ECU器件升级时的器件信息，记为器件样本信息；利用电池样本信息和器件样本信息对DeepGBM模型进行训练，得到OTA升级耗电预测模型。

根据本发明的一个实施例，利用电池样本信息和器件样本信息对DeepGBM模型进行训练，包括：利用层级数量为二的神经网络算法对电池样本信息和器件样本信息进行embedding处理；利用embedding处理后的电池样本信息和器件样本信息对DeepGBM模型进行训练。

根据本发明的一个实施例，利用预先训练的OTA升级耗电预测模型，根据电池信息和器件信息对待升级ECU器件进行OTA升级的耗电量进行预测，包括：利用层级数量为二的神经网络算法对电池信息和器件信息进行embedding处理；利用预先训练的OTA升级耗电预测模型，根据embedding处理后的电池信息和器件信息对待升级ECU器件进行OTA升级的耗电量进行预测。

根据本发明的一个实施例，在对待升级ECU器件进行OTA升级之前，所述方法还包括：接收OTA升级包及其对应的配置文件；根据配置文件确定需要进行OTA升级的待升级ECU器件。

根据本发明的一个实施例，OTA升级耗电预测模型的训练过程还包括：利用新获取的电池样本信息和器件样本信息，对当前的OTA升级耗电预测模型进行修正；向车辆发送修正后的OTA升级耗电预测模型。

根据本发明的一个实施例，通过TSP平台训练得到OTA升级耗电预测模型，并将OTA升级耗电预测模型发送至车辆的车载TBOX，通过车载TBOX利用预先训练的OTA升级耗电预测模型对待升级ECU器件进行OTA升级的耗电量进行预测。

为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现上述的OTA升级方法。

根据本发明实施例的计算机可读存储介质，其上存储的计算机程序被处理器执行时，可实现上述的OTA升级方法，从而可有效提升OTA的升级速率。

为达到上述目的，本发明第三方面实施例提出了一种电子设备，包括存储器、处理器和存储在存储器上的计算机程序，计算机程序被处理器执行时，实现上述的OTA升级方法。

根据本发明实施例的电子设备，存储在存储器上的计算机程序被处理器执行时，可实现上述的OTA升级方法，从而可有效提升OTA的升级速率。

为达到上述目的，本发明第四方面实施例提出了一种车辆，包括上述的电子设备。

根据本发明实施例的车辆，通过其上的电子设备，可实现上述的OTA升级方法，从而可有效提升OTA的升级速率。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为根据本发明一个实施例的OTA升级方法的流程图；

图2为根据本发明一个具体示例的OTA升级耗电预测模型训练流程图；

图3为根据本发明一个具体示例的待升级ECU器件进行OTA升级的耗电量预测流程图；

图4为根据本发明一个实施例的车辆的结构框图。

具体实施方式

下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的OTA升级方法、存储介质以及电子设备和车辆。

图1为根据本发明一个实施例的OTA升级方法的流程图。参考图1所示，该方法可包括以下步骤：

S101，在利用OTA升级包对待升级ECU器件进行OTA升级时，采集车辆蓄电池性能指标参数，并获取待升级ECU器件的过往刷写日志信息和当前整车刷写的网络负载情况。

具体地，可通过车载TBOX(Telematics Box，车联网系统)采集车辆蓄电池当前的电池信息，并获取待升级ECU器件的器件信息和当前整车刷写的网络负载情况，该器件信息可包括待升级ECU器件的过往刷写日志信息。其中，蓄电池的电池信息可为蓄电池的性能指标参数，具体可包括电池温度、使用次数、使用条件、震动情况、存放时间、电池SOC(Stateof Charge荷电状态)、使用时长中的至少一种。待升级ECU器件的过往刷写日志信息可包括过往刷写时长折算的需要消耗的电量、刷写时长、刷写时的温度和湿度中的至少一种。其中，待升级ECU器件为需要断开高压进行升级的ECU器件，且不同的ECU器件可具有不同的标识码，该标识码可用于识别所需要升级的ECU器件。本实施例中，可通过所获取的当前整车刷写的网络负载情况确定待升级ECU器件的升级包刷写安装时间，以提升OTA的升级速率。

需要说明的是，在对待升级ECU器件进行OTA升级之前，还可从TSP(TelematicsService Provider，汽车远程服务提供商)平台接收OTA升级包及其对应的配置文件。其中，该配置文件可包括待升级ECU器件的器件信息和待升级ECU器件标识码。根据所接收的配置文件可确定需要进行OTA升级的待升级ECU器件以及待升级ECU器件的器件信息。

S102，训练OTA升级耗电预测模型，根据本次升级前的蓄电池性能指标参数、待升级ECU器件的过往刷写日志信息和当前整车的网络负载情况对待升级ECU器件进行OTA升级的耗电量进行预测，得到耗电量预测值。

具体地，可预先训练得到OTA升级耗电预测模型，然后将通过车载TBOX采集得到的蓄电池当前的电池性能指标参数和待升级ECU器件的过往刷写日志信息输入至OTA升级耗电预测模型，以通过该预测模型基于所输入信息和当前整车的网络负载情况输出得到耗电量预测值。需要说明的是，本实施例中的整车的网络负载情况还可作为OTA升级耗电预测模型预测耗电量预测值的参数之一。例如，OTA升级耗电预测模型可根据当前整车网路负载情况调取训练过程中对应相同整车网络负载情况的训练模型对当前所输入信息进行预测，以提高OTA升级耗电预测模型的预测准确度。

其中，OTA升级耗电预测模型的训练过程如下：在车辆使用过程中，采集蓄电池的电池信息，记为电池样本信息；在ECU器件进行OTA升级的过程中，记录ECU器件升级时的器件信息，记为器件样本信息；利用电池样本信息和器件样本信息对DeepGBM模型(由CatNN和GBDT2NN组成)进行训练，得到OTA升级耗电预测模型。

在本发明的一个实施例中，通过TSP平台训练得到OTA升级耗电预测模型，并将OTA升级耗电预测模型发送至车辆的车载TBOX，通过车载TBOX利用预先训练的OTA升级耗电预测模型对待升级ECU器件进行OTA升级的耗电量进行预测。

具体地，如图2所示，当车辆下线后，可通过车载TBOX采集蓄电池的电池信息作为电池样本信息，获取车辆使用过程中各个ECU器件进行OTA升级时的器件信息作为对应ECU器件的器件样本信息。

本实施例中，通过采集蓄电池的电池信息作为电池样本信息可避免电池的自然老化问题，从而可避免出现根据标定阈值对蓄电池进行充电后无法满足ECU升级的电量要求问题。

进一步地，车载TBOX在获取上述信息后，可将上述信息发送至TSP平台。TSP平台根据所获取的电池样本信息和各个ECU器件的器件样本信息对DeepGBM模型训练以得到不同的OTA升级耗电预测模型。

例如，TSP平台可根据获取的第一电池样本信息和ECU器件A经过多次训练得到第一OTA升级耗电预测模型，当然还可根据第二电池样本信息和ECU器件A或ECU器件B经过多次训练分别得到第二OTA升级耗电预测模型或第三OTA升级耗电预测模型。

需要说明的是，利用电池样本信息和器件样本信息对DeepGBM模型进行训练时，如图2所示，还可利用层级数量为二的神经网络算法对电池样本信息和器件样本信息进行embedding(嵌入)处理，然后利用embedding处理后的电池样本信息和器件样本信息对DeepGBM模型进行训练以得到对应器件的OTA升级耗电预测模型。

进一步地，如图3所示，TSP平台训练得到OTA升级耗电预测模型后，在需要对某一ECU器件进行升级时，可将待升级器件的OTA升级耗电预测模型和配置文件以及升级包发送至车辆的车载TBOX。车载TBOX可根据当次接收的配置文件获取待升级ECU器件的器件信息。当配置文件存在多个待升级器件的器件信息时，可根据标识码获取当前待升级器件的器件信息。车载TBOX读取配置文件获取待升级器件的器件信息后，进一步采集蓄电池的电池信息，然后将上述信息输入至OTA升级耗电预测模型，OTA升级耗电预测模型通过层级数量为二的神经网络算法对蓄电池的电池信息和待升级器件的器件信息进行embedding处理，再基于embedding处理后的待升级器件的器件信息和蓄电池的电池信息，利用所接收的预先训练的OTA升级耗电预测模型对待升级ECU器件进行OTA升级的耗电量进行预测。

本实施例中，根据当次接收的配置文件对待升级ECU器件进行OTA升级的耗电量进行预测，可实现耗电量预测值的动态调整，从而可使得蓄电池供电量能够满足当次待升级ECU器件进行OTA升级的用电需求，并且无需进行大量的试验对充电阈值进行标定，有效节约了时间成本和人力成本。

在本发明的一个实施例中，OTA升级耗电预测模型的训练过程还可包括：利用新获取的电池样本信息和器件样本信息，对当前的OTA升级耗电预测模型进行修正，并在修正后向车辆发送修正后的OTA升级耗电预测模型。

具体地，如图2所示，车载TBOX可每隔预设时间采集蓄电池的电池信息和车辆使用过程中各个ECU器件进行OTA升级时的器件信息作为新获取的电池样本信息和器件样本信息，以对当前的OTA升级耗电预测模型进行修正。需要说明的是，TSP平台在需要对各个ECU器件进行升级时，所发送的OTA升级耗电预测模型均为修正后的OTA升级耗电预测模型。

S103，根据耗电量预测值对蓄电池进行充电。

具体地，OTA升级耗电预测模型可根据embedding处理后的待升级器件的器件信息和蓄电池的电池信息输出当前待升级ECU器件安装升级包完成升级所需要的耗电量预测值。在获取耗电量预测值后，车载TBOX可将其发送至动力电池，动力电池可根据该耗电量预测值对蓄电池进行充电。

S104，当检测蓄电池的电量值大于或等于耗电量预测值时，触发待升级ECU器件进行OTA升级。

具体地，车载TBOX可对蓄电池充电量进行检测，当检测蓄电池充电量达到耗电量预测值或者超过耗电量预测值一定值后，可触发待升级ECU器件进行OTA升级。需要说明的是，动力电池可在蓄电池充电量达到耗电量预测值后，继续对蓄电池进行充电。

根据本发明实施例的OTA升级方法，通过预先训练的OTA升级耗电预测模型根据获取的车辆蓄电池当前电池信息和待升级ECU器件信息对待升级ECU器件进行OTA升级的耗电量进行预测，得到耗电量预测值，并根据得到的耗电量预测值通过动力电池对蓄电池进行充电，可使得蓄电池供电量能够满足待升级ECU器件进行OTA升级的用电需求，从而可有效提升OTA的升级速率。

进一步地，本发明还提出了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述的OTA升级方法。

根据本发明实施例的计算机可读存储介质，其上存储的计算机程序被处理器执行时，可实现上述的OTA升级方法，从而可有效提升OTA的升级速率。

进一步地，本发明还提出了一种电子设备，包括存储器、处理器和存储在存储器上的计算机程序，该计算机程序被处理器执行时，实现上述的OTA升级方法。

根据本发明实施例的电子设备，存储在存储器上的计算机程序被处理器执行时，可实现上述的OTA升级方法，从而可有效提升OTA的升级速率。

进一步地，本发明还提出了一种车辆。如图4所示，该车辆1000包括上述的电子设备100。

根据本发明实施例的车辆，通过其上的电子设备，可实现上述的OTA升级方法，从而可有效提升OTA的升级速率。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“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特征、结构、材料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一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种OTA升级方法，其特征在于，包括以下步骤：

在利用OTA升级包对待升级ECU器件进行OTA升级时，采集车辆蓄电池性能指标参数，并获取所述待升级ECU器件的过往刷写日志信息和当前整车刷写的网络负载情况；

训练OTA升级耗电预测模型，根据本次升级前的所述蓄电池性能指标参数、待升级ECU器件的过往刷写日志信息和当前整车的网络负载情况对所述待升级ECU器件进行OTA升级的耗电量进行预测，得到耗电量预测值；

根据所述耗电量预测值对所述蓄电池进行充电；

当检测所述蓄电池的电量值大于或等于所述耗电量预测值时，触发所述待升级ECU器件进行OTA升级。

2.如权利要求1所述的OTA升级方法，其特征在于，所述OTA升级耗电预测模型的训练过程如下：

在车辆使用过程中，采集所述蓄电池的电池信息，记为电池样本信息；

在ECU器件进行OTA升级的过程中，记录ECU器件升级时的器件信息，记为器件样本信息；

利用所述电池样本信息和所述器件样本信息对DeepGBM模型进行训练，得到所述OTA升级耗电预测模型。

3.如权利要求2所述的OTA升级方法，其特征在于，利用所述电池样本信息和所述器件样本信息对所述DeepGBM模型进行训练，包括：

利用层级数量为二的神经网络算法对所述电池样本信息和所述器件样本信息进行embedding处理；

利用embedding处理后的电池样本信息和器件样本信息对所述DeepGBM模型进行训练。

4.如权利要求1所述的OTA升级方法，其特征在于，利用预先训练的所述OTA升级耗电预测模型，根据电池信息和器件信息对待升级ECU器件进行OTA升级的耗电量进行预测，包括：

利用层级数量为二的神经网络算法对所述电池信息和所述器件信息进行embedding处理；

利用预先训练的所述OTA升级耗电预测模型，根据embedding处理后的电池信息和器件信息对待升级ECU器件进行OTA升级的耗电量进行预测。

5.如权利要求1所述的OTA升级方法，其特征在于，在对所述待升级ECU器件进行OTA升级之前，所述方法还包括：

接收OTA升级包及其对应的配置文件；

根据所述配置文件确定需要进行OTA升级的待升级ECU器件。

6.如权利要求2所述的OTA升级方法，其特征在于，所述OTA升级耗电预测模型的训练过程还包括：

利用新获取的电池样本信息和器件样本信息，对当前的OTA升级耗电预测模型进行修正；

向车辆发送修正后的OTA升级耗电预测模型。

7.如权利要求2所述的OTA升级方法，其特征在于，通过TSP平台训练得到OTA升级耗电预测模型，并将所述OTA升级耗电预测模型发送至所述车辆的车载TBOX，通过所述车载TBOX利用预先训练的所述OTA升级耗电预测模型对所述待升级ECU器件进行OTA升级的耗电量进行预测。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的OTA升级方法。

9.一种电子设备，包括存储器、处理器和存储在所述存储器上的计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-7中任一项所述的OTA升级方法。

10.一种车辆，其特征在于，包括如权利要求9所述的电子设备。

Images