CN115993809A - 汽车网络车辆总线诊断 - Google Patents
汽车网络车辆总线诊断 Download PDFInfo
- Publication number
- CN115993809A CN115993809A CN202211258959.6A CN202211258959A CN115993809A CN 115993809 A CN115993809 A CN 115993809A CN 202211258959 A CN202211258959 A CN 202211258959A CN 115993809 A CN115993809 A CN 115993809A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- wiring
- data
- diagnostic data
- segments
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- 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
-
- 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
- B60W50/029—Adapting to failures or work around with other constraints, e.g. circumvention by avoiding use of failed parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- B60W2050/0215—Sensor drifts or sensor failures
-
- 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
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Abstract
本公开提供“汽车网络车辆总线诊断”。提供了执行车载网络诊断。一种云系统从车辆接收布线诊断数据。所述布线诊断数据包括关于车辆的多个布线段的电气操作的信息。所述云系统的机器学习模型用于分析所述布线诊断数据。响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,从所述云系统向所述车辆发送响应,所述响应包括将由所述车辆执行以解决所述问题的一个或多个校正动作。
Description
技术领域
本公开的各方面总体上涉及用于车载网络的内置诊断。
背景技术
车辆部件通过车辆布线(诸如控制器局域网(CAN)或以太网布线)发送和接收数据。最初,或在其他情况下,随着时间的推移,车辆布线可能变得不可靠。这可能会影响通过车辆布线的数据传输。时域反射(TDR)是用于通过沿着布线提供电子脉冲并观察反射波形来确定电气布线的特性的技术。通过识别反射波形的定时或其他特性,可以识别布线中的问题的位置。
发明内容
在一个或多个说明性示例中,提供了一种用于执行车载网络诊断的系统。所述系统包括一个或多个云服务器。所述一个或多个云服务器被编程为:从车辆接收布线诊断数据,所述布线诊断数据包括关于所述车辆的多个布线段的电气操作的信息;利用机器学习模型来分析所述布线诊断数据;以及响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,发送包括将由所述车辆执行以解决所述问题的一个或多个校正动作的响应。
在一个或多个说明性示例中,提供了一种用于执行车载网络诊断的方法。一种云系统从车辆接收布线诊断数据。所述布线诊断数据包括关于车辆的多个布线段的电气操作的信息。所述云系统的机器学习模型用于分析所述布线诊断数据。响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,从所述云系统向所述车辆发送响应,所述响应包括将由所述车辆执行以解决所述问题的一个或多个校正动作。
在一个或多个说明性示例中,一种包括用于执行车载网络诊断的指令的非暂时性计算机可读介质,所述指令在由一个或多个云服务器执行时使所述一个或多个云服务器执行包括以下的操作:从车辆接收布线诊断数据,所述布线诊断数据包括关于所述车辆的多个布线段的电气操作的信息,所述布线诊断数据包括使用所述车辆的集成到车辆控制器中和/或与所述多个布线段内联的时域反射计(TDR)功能确定的所述多个布线段的电缆诊断详情,所述电缆诊断详情包括针对所述多个布线段中的每一个的使用所述TDR功能测量的链路质量和针对所述多个布线段中的每一个的布缆长度;利用机器学习模型来分析所述布线诊断数据;以及响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,发送包括将由所述车辆执行以解决所述问题的一个或多个校正动作的响应。
附图说明
图1示出了包括被配置为用于提供车载网络诊断的中央网关的示例性系统;
图2示出了在用于执行车载网络诊断的系统的背景下的图1的车辆;
图3示出了布线诊断数据的示例;
图4示出了所述车辆的车辆的布线线路的一部分的示例;
图5示出了车辆执行车载网络诊断的示例性过程;
图6示出了电缆监测系统执行车载网络诊断的示例性过程;
图7示出了电缆监测系统重新训练机器学习模型以改进车载网络诊断的示例性过程;并且
图8示出了用于执行车载网络诊断的示例性计算装置。
具体实施方式
根据需要,本文中公开了本发明的详细实施例;然而,应当理解,所公开的实施例仅仅是可以各种形式和替代形式实施的本发明的示例。附图不一定按比例绘制;一些特征可能被放大或最小化以示出特定部件的细节。因此,本文公开的具体结构细节和功能细节并不解释为限制性,而仅解释为用于教导本领域技术人员以各种方式采用本发明的代表性基础。
将更高速的车载网络(诸如汽车以太网)包括在车辆中引入了布线诊断的复杂性。车辆可以用以太网布缆布线,诸如部件之间的电线的带护套的非屏蔽部分。与诸如控制器局域网(CAN)的较低吞吐量网络相比,此类网络可能更容易有不良布缆的问题。
可以将特征设计到汽车物理层中以进行布线诊断并记录任何识别的问题,诸如随时间推移的电线中断和链路质量。例如,一些物理总线实施方式可以使用内置时域反射计(TDR)功能对布缆执行诊断。这可以用于确定车辆内的以太网布缆的各个段的信号质量状态或信号质量指示(SQI)。经训练的神经网络可以接收此类布线诊断,并且可以用于识别和/或预测潜在的布线问题。本文详细描述了本公开的其他方面。
图1示出了包括被配置用于提供车载网络诊断的中央网关110的示例性系统100。中央网关110可以通过一个或多个车辆总线106连接到多个电子控制单元(ECU)104。中央网关110还可以包括一个或多个诊断端口108。中央网关110可以包括处理器112、存储器114以及用于应用程序118和/或数据120的存储装置116。虽然图1中示出了示例性系统100,但是如图所示的示例性部件不意在限制。实际上,系统100可以具有更多或更少的部件,并且可以使用额外的或替代的部件和/或实施方式。
车辆102可以包括各种类型的汽车、跨界型多功能车(CUV),运动型多用途车(SUV)、卡车、休闲车(RV)、船、飞机或用于运输人员或货物的其他移动机械。在许多情况下,车辆102可以由内燃发动机提供动力。作为另一种可能性,车辆102可以是由内燃发动机和一个或多个电动马达两者提供动力的混合动力电动车辆(HEV)。在另一个示例中,车辆102可以是仅由电动马达驱动的纯电动车辆。
车辆102可包括多个电子控制单元(ECU)104,所述多个ECU被配置为在车辆电池和/或传动系的动力下执行和管理各种车辆102功能。如所描绘,示例性车辆ECU 104被表示为离散ECU 104-A至104-H。然而,车辆ECU 104可以共享物理硬件、固件和/或软件,以使得来自多个ECU 104的功能可以集成到单个ECU 104中或跨多个ECU 104分布。车辆ECU 104可以包括被配置为接收相关联的软件、固件或配置设置的更新的各种车辆102部件。
作为一些非限制性车辆ECU 104的示例:动力传动系统控制模块(PCM)104-A可以被配置为控制发动机和变速器部件;防抱死制动系统(ABS)104-B控制器,其被配置为控制制动和牵引控制部件;电动助力转向(EPAS)104-C控制器,其被配置为控制转向辅助并调整牵引或漂移补偿功能;高级驾驶员辅助系统(ADAS)104-D,诸如自适应巡航控制或自动化制动;以及前照灯控制模块(HCM)104-E,其被配置为控制灯开/关设置。ECU 104还可以包括其他动力传动系统104-F或底盘104-G部件、被配置为支持语音命令以及与驾驶员和驾驶员携带的装置的蓝牙接口(例如,由密歇根州迪尔伯恩的福特汽车公司提供的SYNC系统)的信息娱乐系统104-H、被配置为利用嵌入式调制解调器访问车辆102外部的联网装置的连接性控制器104-I(诸如远程信息处理控制单元(TCU))、机电车身控制器104-J(诸如车窗或锁致动器)和挂车控制器104-K部件(诸如灯控制和传感器数据以支持连接的挂车)。
车辆总线106可以包括在车辆ECU 104之间可用的各种通信方法。车辆总线106还可以支持中央网关110与车辆ECU 104之间的通信。作为一些非限制性示例,车辆总线106可以为车辆控制器局域网(CAN)、以太网网络或面向媒体的系统传输(MOST)网络。一个或多个CAN网络可以是各种类型,包括但不限于具有高达500kbps的数据容量的高速CAN(HS-CAN)、具有高达125kbps的数据容量的中速CAN(MS-CAN)和/或具有高达2000kbps或更高的数据容量的CAN灵活数据速率(FD-CAN)。应注意,所示的总线拓扑结构仅仅是示例,并且可以使用其他数量和布置的车辆总线106。这些车辆总线106可以被实施为一系列布线段。例如,车辆总线106可以包括从中央网关110到末端位置的多个布线段。
车辆102还可以包括可以由外部装置使用来监测车辆102的状态的诊断端口108。在一个示例中,诊断端口108可以是连接到车辆总线106的车载诊断(OBD)端口。用户可以将加密狗、读码器或其他扫描装置连接到诊断端口108,并可以使用由诊断端口108提供的连接来获得对穿过车辆总线106的消息的访问。一旦连接,用户就可以利用连接的扫描装置来捕获诊断代码、监测车辆健康状况,或者在一些情况下调整车辆设置。类似于HS-CAN的速度,CAN诊断端口108可以支持高达500kbps的数据容量。在另一个示例中,诊断端口108可以是互联网协议诊断(DoIP)端口124,并且可以经由以太网而不是经由OBD标准提供对穿过车辆总线106的消息的访问。DoIP端口124可以支持比CAN更高的数据速率,因为使用TCP/IP64字节有效载荷的以太网可以支持大约45Mbps的数据速率,而1460字节有效载荷可以支持大约95Mbps的数据速率。
中央网关110可以被配置为在用于在车辆102内通信的车辆总线106之间提供电气接口。在一个示例中,中央网关110可以被配置为在连接到中央网关110的CAN和/或车载以太网车辆总线106之间转换信号和命令。例如,中央网关110可以支持与多达十个CAN车辆总线106和多达七个以太网车辆总线106的连接。通过除了CAN之外还支持以太网,中央网关110可能够提供对更高速车载网络通信的支持,同时仍然执行车辆102内的现有或传统网关功能。
作为特定的非限制性示例,中央网关110可以通过HS-CAN车辆总线106连接到动力传动系统104-F部件;通过第二HS-CAN车辆总线106连接到底盘部件104-G、安全系统和仪表组;通过第三HS-CAN车辆总线106连接到信息娱乐系统104-H;通过第四HS-CAN车辆总线106连接到连接性104-I和以太网安全备份系统;通过第一MS-CAN总线连接到机电车身控制器104-J;通过第二MS-CAN车辆总线106连接到挂车控制器104-K和/或从车辆102的外部容易地访问的节点;通过第一和第二诊断数据车辆总线106连接而连接到诊断端口108;通过第一FD-CAN车辆总线106连接到PCM 104-A、ABS 104-B、EPAS 104-C和其他控制器;并且通过第二FD-CAN车辆总线106连接到ADAS 104-D、HCM 104-E和其他控制器。例如,信息娱乐104-H、连接性104-I、仪表组104-L、抬头显示器104-M和ADAS 104-D各自经由单独的2线100Mbsp以太网车辆总线106连接到中央网关110。在又一个示例中,抬头显示器104-M可以与仪表组104-L集成。
中央网关110还可以被配置为提供支持车辆102的域CAN消息传递的计算功能。例如,中央网关110可包括一个或多个处理器112,所述一个或多个处理器112被配置为执行支持本文所描述的过程的指令、命令和其他例程。在一个示例中,中央网关110可以被配置为执行从中央网关110的存储介质116加载到中央网关110的存储器114的应用程序118的指令。应用程序118可以包括被编程为支持本文详细讨论的中央网关110的操作的软件代码。例如,应用程序118可以包括用于促进从车辆102收集数据120、发送数据120以及从远程源接收命令以供执行的软件代码。计算机可读介质116(也称为处理器可读介质或存储装置)包括参与提供可由中央网关110的处理器112读取的指令或其他数据的任何非暂时性介质(例如,有形介质)。可根据使用多种编程语言和/或技术创建的计算机程序来编译或解译计算机可执行指令,所述各种编程语言和/或技术包括但不限于以下的单独或组合形式:Java、C、C++、C#、Objective C、Fortran、Pascal、Java Script、Python、Perl和PL/SQL。作为一个具体示例,中央网关110可以配备有至少128兆字节的RAM,以及用于处理能力以实现各种计算任务的处理器112的2至4个核心。
图2示出了在用于执行车载网络诊断的系统200的背景下的图1的车辆102。如上所述,车辆102可以包括连接性控制器104-I,诸如TCU,以通过通信网络202与云服务器204通信。云服务器204被配置为托管维护机器学习模型210和训练数据212的电缆监测数据存储区206以及被配置为从车辆102接收布线诊断数据218并基于由机器学习模型210对布线诊断数据218的分析来利用机器学习模型210向车辆102提供校正动作的电缆监测服务214。应注意,系统200是示例,并且可使用具有更多、更少或不同元件的系统200。
通信网络202可以向连接到外部通信网络202的装置提供通信服务,诸如分组交换网络服务(例如,互联网接入、互联网协议语音(VoIP)通信服务)。外部通信网络202的示例为蜂窝电话网络。例如,连接性控制器104-I可经由与一个或多个蜂窝塔的连接来访问蜂窝网络。为了促进通过通信网络202的通信,连接性控制器104-I可以与唯一装置标识符(例如,移动装置号码(MDN)、互联网协议(IP)地址等)相关联,以将连接性控制器104-I在通信网络202上的通信识别为与车辆102相关联。
云服务器204可以包括各种类型的计算设备,诸如计算机工作站、服务器、台式计算机、由大型计算机服务器执行的虚拟服务器实例或某一其他计算系统和/或装置。计算装置(诸如云服务器204)通常包括可在其上保存计算机可执行指令的存储器,其中所述指令可由计算装置的一个或多个处理器执行。此类指令和其他数据可使用多种计算机可读介质来存储。计算机可读介质(也称为处理器可读介质或存储装置)包括参与提供可由计算机(例如,由云服务器204的处理器)读取的数据(例如,指令)的任何非暂时性(例如,有形)介质。一般来说,处理器例如从存储器经由计算机可读存储介质等接收指令,并且执行这些指令,从而执行一个或多个过程,包括本文描述的过程中的一者或多者。可根据使用多种编程语言和/或技术创建的计算机程序来编译或解译计算机可执行指令,所述多种编程语言和/或技术包括但不限于以下的单一形式或组合形式:Java、C、C++、C#、Fortran、Pascal、Visual Basic、JavaScript、Perl等。
电缆监测数据存储区206可以是包括在云服务器204的存储装置上的一个这样的应用程序。电缆监测数据存储区206可包括指令,在被加载到存储器中并由云服务器204执行时,所述指令使云服务器204执行包括关系信息的存储、更新和检索的数据库功能。数据库或数据储存库(诸如电缆监测数据存储区206)可包括用于存储、访问和检索各种数据的各种机构(诸如电缆监测数据存储区206),包括分层数据库、文件系统中的一组文件、专有格式的应用程序数据库、关系数据库管理系统(RDBMS)等。例如,除了采用用于创建、存储、编辑和执行所存储程序的语言之外,RDBMS还可以采用结构化查询语言(SQL)。在一个示例中,可以存储诸如布线诊断数据208、机器学习模型210、训练数据212和校正动作216的数据。
布线诊断数据208可以包括通过通信网络202从车辆102发送到云服务器204以用于执行执行中的车载网络诊断的信息。图3示出了布线诊断数据208的示例300。如图3所示并且继续参考图2,在一个示例中,布线诊断数据208可以包括车辆102的标识符302(诸如VIN)、电缆诊断详情304、数据传输诊断详情306和/或环境车辆传感器读数308。
布线诊断数据208的电缆诊断详情304可以包括关于车辆102的车辆总线106的一个或多个布线段的电气操作的信息。例如,车辆102的一些物理总线实施方式可以使用内置时域反射计(TDR)功能对车辆布缆执行诊断。此类功能可以内置到车辆102的ECU 104中的一个或多个中。在其他示例中,此类功能可以沿着车辆布缆内联,诸如在沿着布线线路的各个节点处。在断开连接或间歇性连接的情况下,TDR信息可以提供沿着给定布线线路的存在开路或短路位置的大致长度。
图4示出了车辆102的车辆106的布线线路的一部分的示例400。如图4所示,所述线路包括三个部分:车门后视镜电线束,所述车门后视镜电线束连接到车门电线束,所述车门电线束又连接到车身电线束。用于监测这三个布线段的TDR功能可以包括在布线线路的各种部件中。例如,TDR功能可以包括在车门后视镜线束上的传感器中以允许从布线线路的传感器端点进行测量,沿着所述布线内联以在沿着布线线路的节点之间进行测量,和/或在布线线路连接到的ECU 104内以允许从ECU 104端点进行测量。
在一个示例中,电缆诊断详情304可以包括表,所述表包括针对车辆102的段中的每一个的所测量的链路质量(例如,使用TDR功能)以及布缆长度。例如,对于布线线路的所示部分,这可以包括对车门后视镜电线束段的五米长度和所测量的链路质量、车门电线束段的三米长度和所测量的链路质量以及所连接的车身电线束段的四米长度和所测量的链路质量的指示。
返回参考图3,布线诊断数据208的数据传输诊断详情306可以包括关于数据传输以及车辆总线106的信息,诸如针对车辆总线106的多个段中的每一个的信道质量(例如,误码率(BER)、信噪比(SNR)、连接时间等)。该附加信息可以提供数据以帮助识别零星问题的根本原因以及确定随时间推移的整体网络健康状况。
布线诊断数据208的周围车辆传感器读数308可以包括来自车辆102的其他传感器的信息。这可以包括例如温度或其他天气信息;关于车辆102的移动的速度、加速度或其他信息;日期、当日时间等。此类因素也可用于帮助识别发生间歇性问题的状况。
返回参考图2,机器学习模型210(诸如经训练的神经网络)可以用于基于从车辆102接收的布线诊断数据218来执行电缆问题的检测。通常,机器学习模型210可以接收布线诊断数据218作为输入,并且可以使用该数据来输出是否识别出车辆102的任何问题。例如,机器学习模型210可以利用布线诊断数据218来基于收集的其他车辆102的统计数据来确定链路质量和/或识别任何异常数据点。
可以使用训练数据212来训练机器学习模型210。训练数据212可以包括被标记为指示训练数据212的链路质量的布线诊断数据208。在训练阶段,可以使用该数据来允许调整机器学习模型210中的可调整参数(诸如权重和偏差),以允许机器学习模型210提供准确的输出。
电缆监测服务214可以是包括在云服务器204的存储装置上或以其他方式可由云服务器访问的应用程序或库。当被访问时,电缆监测服务214可以被配置为从车辆102请求或以其他方式接收布线诊断数据218。电缆监测服务214可以将接收到的布线诊断数据218应用于机器学习模型210,以确定布线诊断数据218是否指示车辆102的当前或未来可能的布线问题。
响应于电缆监测服务214确定的问题,电缆监测服务214可以向车辆102发送一个或多个校正动作216。作为一些示例,校正动作216可以包括对告知车辆102寻求服务的指示、车辆102数据沿着车辆102内的更可靠的布线段的新的路线选择以避开具有问题的段,和/或对车辆102的配置的更新以降低数据速度或减小更新间隔而以其他方式调整数据流量以缓解具有问题的段的问题。
电缆监测服务214还可以被配置为将布线诊断数据218并入训练数据212中,以允许重新训练和改进机器学习模型210。通过具有来自活动车辆102的附加训练数据212,可以重新训练机器学习模型210以随时间推移改善其性能。
例如,响应于确定车辆102的问题,电缆监测服务214可以在检测到该问题之前从该车辆102中提取较早的布线诊断数据218。通过在问题发生之前分析车辆的特性,电缆监测服务214可能够提供关于各种布线部件的预期维护问题或寿命终止的预测。这些预测可以用于在问题发生之前发出警告,和/或识别对车辆102的设计或组装进行改变的地方,以改善车辆102部件的寿命。
在一些示例中,车辆102可以维持感应定义车辆102应何时将布线诊断数据208发送到电缆监测系统214进行测试的测试条件220的数据。例如,测试条件220可以指示车辆102响应于车辆102处于工厂模式(例如,正在建造)而发送布线诊断数据208。作为一种可能性,当车辆102被组装并到达各个站时,车辆102可以将其布线诊断数据208提供给电缆监测系统214进行测试。这可以允许在完成最终组装之前在建造车辆102时诊断布线问题。通过这样做,可以在完成车辆102组装之前更容易地校正问题。
在另一个示例中,车辆102可以是车辆车队的一部分,并且测试条件220可以指示车辆102将布线诊断数据208发送到电缆监测系统214进行测试的特定于车队的定时条件。例如,车队可以指定车辆102发送布线诊断数据208的测试条件220:在车辆起动时、每天、每周、每月、在行驶预定义距离之后、响应于车辆102从用户的返回、响应于将车辆102分配给用户、响应于车辆102的ECU 104中的一个发出诊断代码等中的一者或多者。在一个示例中,这些测试条件220可由车队运营商推送给车辆102。
在又一示例中,车辆102可以具有车辆102发送布线诊断数据208的用户定义的测试条件220:在车辆起动时、每天、每周、每月、在行驶预定义距离之后、响应于DTC的发生等中的一者或多者。在一个示例中,这些测试条件220可由车辆拥有者例如使用用户的移动装置或使用车辆102的HMI来应用于车辆102。在又一个示例中,车辆102可以响应于例如从电缆监测系统214、从车辆102的用户或车队管理者的移动装置等接收到这样做的请求而发送布线诊断数据208。
图5示出了车辆102执行车载网络诊断的示例性过程500。在一个示例中,在系统200的背景下,过程500可以由与电缆监测系统214通信的车辆102执行。
在操作502处,车辆102捕获布线诊断数据208。在一个示例中,如关于图3至图4所述,车辆102可以捕获电缆诊断详情304、数据传输诊断详情306和/或周围车辆传感器读数308,如上所述。
在操作504处,车辆102确定是否满足测试条件220。在一个示例中,测试条件220可以指定使车辆102将捕获的布线诊断数据208发送到电缆监测系统214的一个或多个条件。例如,如上所述,这些条件可以包括车辆102处于工厂模式、车辆102在组装期间到达各个站、车辆102的特定于车队的定时条件和/或车辆102的用户定义的测试条件220。如果满足测试条件220,则控制转到操作506。否则,控制返回到操作502。
在操作506处,车辆102将布线诊断数据208发送到电缆监测系统214。在一个示例中,车辆102的连接性控制器104-I可以通过通信网络202将布线诊断数据208发送到托管电缆监测服务214的云服务器204。关于图6中的过程600进一步详细讨论由电缆监测服务214执行车载网络诊断的细节。
在操作508处,车辆102从电缆监测系统214接收响应。在一个示例中,车辆102的连接性控制器104-I可以通过通信网络202从托管电缆监测服务214的云服务器204接收处理布线诊断数据208的结果。
在操作510处,车辆102确定在对车辆102的响应中是否指示任何校正动作216。例如,在一些示例中,电缆监测系统214可以确定车辆102正在适当地运行。在此类情况下,电缆监测系统214可以向车辆102(或向车辆102的所有者或车队运营商的装置)提供指示车辆102正在正确运行的响应。在其他示例中,该响应可以包括车辆102存在问题的指示。在这种情况下,该响应还可以指示要由车辆102实施的一个或多个校正动作216。如上所述,这些校正动作216可以包括对告知车辆102寻求服务的指示、车辆102数据沿着车辆102内的更干净的布线段的新的路线选择以避开具有问题的段,和/或对车辆102的配置的更新以降低数据速度或减小更新间隔而以其他方式调整数据流量以缓解具有问题的段的问题。如果指示校正动作216,则控制转到操作512。否则,控制返回到操作502。
在操作512之后,车辆102将校正动作216应用于车辆102。在一个示例中,中央网关110和/或车辆的一个或多个ECU 104可以实施校正动作216。这可以包括例如改变信号沿着车辆总线106的路线选择、降低数据速度或减小更新间隔而以其他方式调整数据流量以缓解问题等。在操作512之后,控制转到操作502。
图6示出了电缆监测系统214执行车载网络诊断的示例性过程600。在一个示例中,在系统200的背景下,过程600可以由与车辆102通信的电缆监测系统214执行。
在操作602处,电缆监测系统214从车辆102接收布线诊断数据208。在一个示例中,电缆监测系统214通过通信网络202接收布线诊断数据208,如上面关于过程500的操作506所讨论的。电缆监测系统214可以将布线诊断数据208存储到电缆监测数据存储区206以进行处理。
在操作604处,电缆监测系统214利用经训练的机器学习模型210来识别所接收的布线诊断数据208的问题。在一个示例中,电缆监测系统214基于机器学习模型210对布线诊断数据218的分析来利用机器学习模型210向车辆102提供校正动作。例如,机器学习模型210可以利用布线诊断数据218来基于收集的其他车辆102的统计数据来确定链路质量和/或识别可指示车辆102的布线的问题的任何异常数据点。可以如上所述以及如下文关于图7中的过程700所述来训练机器学习模型210。
在操作606处,如果指示问题,则电缆监测系统214将控制转到操作608以在操作608处将校正动作216发送到车辆102。在一个示例中,电缆监测系统214发送校正动作216,如上面关于过程500的操作508所讨论的。如果没有指示问题,则电缆监测系统214还可以任选地发送指示没有指示问题的响应。无论如何,在操作608之后,或者在确定没有指示问题之后,控制转到操作602。
图7示出了电缆监测系统214重新训练机器学习模型210以改进车载网络诊断的示例性过程700。在一个示例中,与过程600一样,在系统200的背景下,过程700可以由与车辆102通信的电缆监测系统214执行。
在操作702处,电缆监测系统214将接收的布线诊断数据208并入训练数据212中。训练数据212可以包括被标记为指示训练数据212的链路质量的布线诊断数据208。另外,通过具有来自活动车辆102的附加训练数据212,可以重新训练机器学习模型210以随时间推移改善其性能。例如,响应于确定车辆102的问题,电缆监测服务214可以在检测到该问题之前从该车辆102中提取较早的布线诊断数据218并将该数据标记为预测未来问题的可能性。通过在问题发生之前分析车辆102的特性,电缆监测服务214可能够提供关于各种布线部件的预期维护问题或寿命终止的预测。这些预测可以用于在问题发生之前发出警告,和/或识别对车辆102的设计或组装进行改变的地方,以改善车辆102部件的寿命。
在操作704处,电缆监测系统214重新训练机器学习模型210。例如,使用并入有所接收的布线诊断数据208的训练数据212,电缆监测系统214可以调整机器学习模型210中的参数,诸如权重和偏差,以允许机器学习模型210根据训练数据212中的带标记的输出来提供准确的结果。
在操作706处,电缆监测系统214应用经重新训练的机器学习模型210以供使用。例如,经重新训练的机器学习模型210可以在过程600的操作604处用于改善电缆监测系统214的运行。在操作706之后,过程700结束。
因此,所公开的方法允许技术人员识别有问题的确切布线段。这可以允许在零星问题的情况下容易地确定松动的端子或损坏的电缆或外壳的位置。此外,所公开的方法还可以提供随时间推移预测和记录车辆总线106健康状况的能力。在一个增强中,系统200可以基于预定义因素(诸如由于热暴露随时间的变化)来收集电缆老化数据,并且可以使用该信息来预测由于热量、电磁兼容性等引起的布缆性能变化。
图8示出了用于执行车载网络诊断的示例性计算装置802。参考图8并参考图1至图7,ECU 104、中央网关110和云服务器205可以是此类计算装置802的示例。计算装置通常包括计算机可执行指令,诸如电缆监测数据存储区206和/或电缆监测服务214中的那些,其中所述指令可由一个或多个计算装置802执行。计算机可执行指令可以根据使用各种编程语言和/或技术创建的计算机程序来编译或解译,所述各种编程语言和/或技术单独地或组合地包括但不限于JavaTM、C、C++、C#、Visual Basic、JavaScript、Python、JavaScript、Perl等。一般来讲,处理器(例如,微处理器)接收例如来自存储器、计算机可读介质等的指令,并且执行这些指令,从而执行一个或多个过程,包括本文所描述的过程中的一个或多个。可以使用各种计算机可读介质存储和传输此类指令和其他数据,诸如机器学习模型210、训练数据212、校正动作216、布线诊断数据218和/或测试条件220。
如图所示,计算装置802可包括操作性地连接到存储装置806、网络装置808、输出装置810和输入装置812的处理器804。应注意,这仅仅是示例,并且可使用具有更多、更少或不同部件的计算装置802。
处理器804可以包括实施中央处理单元(CPU)和/或图形处理单元(GPU)的功能的一个或多个集成电路。在一些示例中,处理器804是集成CPU和GPU的功能的片上系统(SoC)。SoC可任选地将其他部件(诸如,例如存储装置806和网络装置808)包括到单个集成装置中。在其他示例中,CPU和GPU经由外围连接装置(诸如快捷外围部件互连(PCI)或另一合适的外围数据连接)彼此连接。在一个示例中,CPU是可商购的中央处理装置,其实施指令集,诸如x86、ARM、Power或无互锁流水线级的微处理器(MIPS)指令集系列中的一者。
无论细节如何,在操作期间,处理器804执行从存储装置806检索到的所存储的程序指令。所存储的程序指令相应地包括控制处理器804的操作以执行本文描述的操作的软件。存储装置806可包括非易失性存储器和易失性存储器装置两者。非易失性存储器包括固态存储器,诸如与非(NAND)快闪存储器、磁性和光学存储介质,或者当系统被停用或失去电力时保留数据的任何其他合适的数据存储装置。易失性存储器包括静态和动态随机存取存储器(RAM),所述静态和动态随机存取存储器在系统100的操作期间存储程序指令和数据。
GPU可包括用于向输出装置810显示至少二维(2D)和任选的三维(3D)图形的硬件和软件。输出装置810可包括图形或视觉显示装置,诸如电子显示屏、投影仪、打印机或再现图形显示的任何其他合适的装置。作为另一个示例,输出装置810可以包括音频装置,诸如扬声器或耳机。作为又一示例,输出装置810可以包括触觉装置,诸如可机械地升高的装置,所述触觉装置在示例中可以被配置为显示盲文或可以被触摸以向用户提供信息的另一物理输出。
输入装置812可包括使得计算装置802能够从用户接收控制输入的各种装置中的任一种。接收人机界面输入的合适的输入装置的示例可以包括键盘、鼠标、轨迹球、触摸屏、语音输入装置、图形输入板等。
网络装置808可各自包括使所述部件能够通过网络(诸如通信网络202)从外部装置发送和/或接收数据的各种装置中的任何一个。合适的网络装置808的示例包括以太网接口、Wi-Fi收发器、蜂窝收发器、或蓝牙或蓝牙低功耗(BLE)收发器、或从另一计算机或外部数据存储装置接收数据的其他网络适配器或外围互连装置,所述其他网络适配器或外围互连装置对于以高效方式接收大量数据可能很有用。
关于本文所描述的过程、系统、方法、启发法等,应理解,尽管已经将此类过程等的步骤描述为根据某个有序顺序发生,但是此类过程可以以与本文所描述的次序不同的次序执行所描述的步骤来实践。还应理解,可以同时执行特定步骤,可以添加其他步骤,或者可以省略本文所述的特定步骤。换句话说,本文对过程的描述出于说明特定实施例的目的而提供,并且决不应被解释为限制权利要求。
因此,应当理解,以上描述意图为说明性的而非限制性的。在阅读以上描述时,除所提供的示例之外的许多实施例和应用将为明显的。所述范围不应参考以上描述来确定,而是应参考所附权利要求以及享有此类权利要求的权利的等效物的整个范围来确定。预计并且意图在于本文所讨论的技术未来将有所发展,并且所公开的系统和方法将并入此类未来实施例中。总而言之,应当理解,本申请能够进行修改和变化。
权利要求中使用的所有术语意图给出它们最宽泛的合理结构和它们的普通含义,如本文所描述的技术的技术人员所理解,除非本文给出明确的相反指示。特别地,除非权利要求叙述相反的明确限制,否则使用诸如“一个”、“该”、“所述”等单数冠词应被解读为叙述所指示的要素中的一者或多者。
提供本公开的摘要以允许读者快速地确定本技术公开的本质。应当理解,提交摘要将不用于解释或限制权利要求的范围或含义。此外,在前述具体实施方式中,可看出,出于使本公开行文流畅的目的,各种特征在各种实施例中组合在一起。本公开的该方法不应解释为反映所要求保护的实施例要求比每项权利要求中明确叙述的特征更多的特征的意图。而是,如所附权利要求所反映的,发明主题在于少于单个公开实施例的所有特征。因此,所附权利要求特此结合到具体实施方式中,其中每项权利要求自身作为单独要求保护的主题。
尽管上文描述了示例性实施例,但是这些实施例并不意图描述本公开的所有可能的形式。相反,本说明书中所使用的字词是描述性字词而非限制性字词,并且应理解,在不脱离本公开的精神和范围的情况下,可做出各种改变。另外,各种实施的实施例的特征可以组合以形成本公开的另外的实施例。
根据本发明,提供了一种用于执行车载网络诊断的系统,其具有:一个或多个云服务器,所述一个或多个云服务器被被编程为:从车辆接收布线诊断数据,所述布线诊断数据包括关于所述车辆的多个布线段的电气操作的信息;利用机器学习模型来分析所述布线诊断数据;以及响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,发送包括将由所述车辆执行以解决所述问题的一个或多个校正动作的响应。
根据一个实施例,所述布线诊断数据包括使用所述车辆的集成到车辆控制器中和/或与所述多个布线段内联的时域反射计(TDR)功能确定的所述多个布线段的电缆诊断详情。
根据一个实施例,所述电缆诊断详情包括针对所述多个布线段中的每一个的使用所述TDR功能测量的链路质量和针对所述多个布线段中的每一个的布缆长度。
根据一个实施例,所述布线诊断数据包括数据传输诊断详情,所述数据传输诊断详情指定关于沿所述多个布线段中的每一个的数据传输的信道质量的信息。
根据一个实施例,所述布线诊断数据包括周围车辆传感器读数,所述周围车辆传感器读数指定关于温度、天气、车辆速度、车辆加速度、车辆移动、日期或当日时间中的一者或多者的信息。
根据一个实施例,所述一个或多个校正动作包括对所述车辆寻求服务的指示。
根据一个实施例,所述一个或多个校正动作包括车辆数据沿要应用到所传输的车辆数据的所述多个布线段的新的路线选择,以避开所述多个布线段中正在经历所述问题的段。
根据一个实施例,所述一个或多个校正动作包括对所述车辆的配置的更新,以降低数据速度或改变沿所述多个段的数据传输的更新间隔,从而缓解所述问题。
根据一个实施例,所述一个或多个云服务器还被编程为:利用从多个车辆接收的预测性布线诊断数据来重新训练所述机器学习模型,所述预测性布线诊断数据被选择为在所述多个车辆遇到问题之前从所述多个车辆接收的布线诊断数据,所述预测性布线诊断数据被用于训练所述机器学习模型以识别预测未来问题的布线诊断数据;以及利用所述重新训练的机器学习模型来分析从所述车辆接收的另外的布线诊断数据。
根据一个实施例,本发明的特征还在于所述车辆,其中所述车辆包括通过一个或多个车辆总线与多个车辆电子控制单元(ECU)通信的中央网关,所述车辆被编程为响应于由所述车辆维持的测试条件的发生来发送所述布线诊断数据。
根据一个实施例,所述一个或多个云服务器还被编程为向所述车辆发送所述测试条件。
根据一个实施例,所述测试条件包括在车辆组装期间所述车辆到达一个或多个中间组装站。
根据一个实施例,所述测试条件包括以下中的一者或多者:车辆起动的发生、经过预定义时间段的发生、响应于所述车辆行驶预定义距离、响应于所述车辆的用户的变化和/或响应于所述车辆的所述多个ECU中的一个发出诊断代码。
根据本发明,一种用于执行车载网络诊断的方法包括:从车辆向云系统接收布线诊断数据,所述布线诊断数据包括关于所述车辆的多个布线段的电气操作的信息;利用所述云系统的机器学习模型来分析所述布线诊断数据;以及响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,发送包括将由所述车辆执行以解决所述问题的一个或多个校正动作的响应。
在本发明的一个方面,所述布线诊断数据包括以下中的一者或多者:使用所述车辆的集成到车辆控制器中和/或与所述多个布线段内联的时域反射计(TDR)功能确定的所述多个布线段的电缆诊断详情,所述电缆诊断详情包括针对所述多个布线段中的每一个的使用所述TDR功能测量的链路质量和针对所述多个布线段中的每一个的布缆长度;数据传输诊断详情,所述数据传输诊断详情指定关于沿所述多个布线段中的每一个的数据传输的信道质量的信息;或周围车辆传感器读数,所述周围车辆传感器读数指定关于温度、天气、车辆速度、车辆加速度、车辆移动、日期或当日时间中的一者或多者的信息。
在本发明的一个方面,所述一个或多个校正动作包括以下中的一者或多者:对所述车辆寻求服务的指示;车辆数据沿所述车辆内的要应用到车辆数据的所述多个布线段的新的路线选择,以避开多个布线段中正在经历所述问题的段;或对所述车辆的配置的更新,以降低数据速度或改变沿所述多个布线段的数据传输的更新间隔,从而缓解所述问题。
在本发明的一个方面,所述方法包括:利用从多个车辆接收的预测性布线诊断数据来重新训练所述机器学习模型,所述预测性布线诊断数据被选择为在车辆遇到问题之前从所述车辆接收的布线诊断数据,所述预测性布线诊断数据被用于训练所述机器学习模型以识别预测未来车辆问题的布线诊断数据;以及利用所述重新训练的机器学习模型来分析从所述车辆接收的另外的布线诊断数据。
在本发明的一个方面,所述方法包括:将测试条件从所述云系统发送到所述车辆;以及响应于所述测试条件的发生而从所述车辆接收所述布线诊断数据。
在本发明的一个方面,所述测试条件包括以下中的一者或多者:车辆在车辆组装期间到达一个或多个中间组装站;或车辆起动的发生、经过预定义时间段的发生、响应于所述车辆行驶预定义距离、响应于所述车辆的用户的变化和/或响应于所述车辆的所述多个ECU中的一个发出诊断代码中的一者或多者。
根据本发明,提供了一种具有用于执行车载网络诊断的指令的非暂时性计算机可读介质,所述指令在由一个或多个云服务器执行时使所述一个或多个云服务器执行包括以下的操作:从车辆接收布线诊断数据,所述布线诊断数据包括关于所述车辆的多个布线段的电气操作的信息,所述布线诊断数据包括使用所述车辆的集成到车辆控制器中和/或与所述多个布线段内联的时域反射计(TDR)功能确定的所述多个布线段的电缆诊断详情,所述电缆诊断详情包括针对所述多个布线段中的每一个的使用所述TDR功能测量的链路质量和针对所述多个布线段中的每一个的布缆长度;利用机器学习模型来分析所述布线诊断数据;以及响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,发送包括将由所述车辆执行以解决所述问题的一个或多个校正动作的响应。
Claims (15)
1.一种用于执行车载网络诊断的系统,其包括:
一个或多个云服务器,所述一个或多个云服务器被编程为:
从车辆接收布线诊断数据,所述布线诊断数据包括关于所述车辆的多个布线段的电气操作的信息;
利用机器学习模型来分析所述布线诊断数据;以及
响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,发送包括将由所述车辆执行以解决所述问题的一个或多个校正动作的响应。
2.如权利要求1所述的系统,其中所述布线诊断数据包括使用所述车辆的集成到车辆控制器中和/或与所述多个布线段内联的时域反射计(TDR)功能确定的所述多个布线段的电缆诊断详情。
3.如权利要求2所述的系统,其中所述电缆诊断详情包括针对所述多个布线段中的每一个的使用所述TDR功能测量的链路质量和针对所述多个布线段中的每一个的布缆长度。
4.如权利要求1所述的系统,其中所述布线诊断数据包括数据传输诊断详情,所述数据传输诊断详情指定关于沿所述多个布线段中的每一个的数据传输的信道质量的信息。
5.如权利要求1所述的系统,其中所述布线诊断数据包括周围车辆传感器读数,所述周围车辆传感器读数指定关于温度、天气、车辆速度、车辆加速度、车辆移动、日期或当日时间中的一者或多者的信息。
6.如权利要求1所述的系统,其中所述一个或多个校正动作包括对所述车辆寻求服务的指示。
7.如权利要求1所述的系统,其中所述一个或多个校正动作包括车辆数据沿要应用到所传输的车辆数据的所述多个布线段的新的路线选择,以避开所述多个布线段中正在经历所述问题的段。
8.如权利要求1所述的系统,其中所述一个或多个校正动作包括对所述车辆的配置的更新,以降低数据速度或改变沿所述多个段的数据传输的更新间隔,从而缓解所述问题。
9.如权利要求1所述的系统,其中所述一个或多个云服务器还被编程为:
利用从多个车辆接收的预测性布线诊断数据来重新训练所述机器学习模型,所述预测性布线诊断数据被选择为在所述多个车辆遇到问题之前从所述多个车辆接收的布线诊断数据,所述预测性布线诊断数据被用于训练所述机器学习模型以识别预测未来问题的布线诊断数据;以及
利用所述重新训练的机器学习模型来分析从所述车辆接收的另外的布线诊断数据。
10.如权利要求1所述的系统,其还包括所述车辆,其中所述车辆包括通过一个或多个车辆总线与多个车辆电子控制单元(ECU)通信的中央网关,所述车辆被编程为响应于由所述车辆维持的测试条件的发生来发送所述布线诊断数据。
11.如权利要求10所述的系统,其中所述一个或多个云服务器还被编程为向所述车辆发送所述测试条件。
12.如权利要求10所述的系统,其中所述测试条件包括在车辆组装期间所述车辆到达一个或多个中间组装站。
13.如权利要求10所述的系统,其中所述测试条件包括以下中的一者或多者:车辆起动的发生、经过预定义时间段的发生、响应于所述车辆行驶预定义距离、响应于所述车辆的用户的变化和/或响应于所述车辆的所述多个ECU中的一个发出诊断代码。
14.一种用于执行车载网络诊断的方法,其包括:
从车辆向云系统接收布线诊断数据,所述布线诊断数据包括关于所述车辆的多个布线段的电气操作的信息;
利用所述云系统的机器学习模型来分析所述布线诊断数据;以及
响应于所述机器学习模型基于所述布线诊断数据识别出所述电气操作的问题,发送包括将由所述车辆执行以解决所述问题的一个或多个校正动作的响应。
15.如权利要求14所述的方法,其中
所述布线诊断数据包括以下中的一者或多者:
使用所述车辆的集成到车辆控制器中和/或与所述多个布线段内联的时域反射计(TDR)功能确定的所述多个布线段的电缆诊断详情,所述电缆诊断详情包括针对所述多个布线段中的每一个的使用所述TDR功能测量的链路质量和针对所述多个布线段中的每一个的布缆长度;
数据传输诊断详情,所述数据传输诊断详情指定关于沿所述多个布线段中的每一个的数据传输的信道质量的信息;或
周围车辆传感器读数,所述周围车辆传感器读数指定关于温度、天气、车辆速度、车辆加速度、车辆移动、日期或当日时间中的一者或多者的信息;或
所述一个或多个校正动作包括以下中的一者或多者:
对所述车辆寻求服务的指示;
车辆数据沿所述车辆内的要应用到车辆数据的所述多个布线段的新的路线选择,以避开多个布线段中正在经历所述问题的段;或
对所述车辆的配置的更新,以降低数据速度或改变沿所述多个布线段的数据传输的更新间隔,从而缓解所述问题。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/506,541 | 2021-10-20 | ||
US17/506,541 US11810409B2 (en) | 2021-10-20 | 2021-10-20 | Automotive network vehicle bus diagnostics |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115993809A true CN115993809A (zh) | 2023-04-21 |
Family
ID=85773166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211258959.6A Pending CN115993809A (zh) | 2021-10-20 | 2022-10-14 | 汽车网络车辆总线诊断 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11810409B2 (zh) |
CN (1) | CN115993809A (zh) |
DE (1) | DE102022127546A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117651012A (zh) * | 2024-01-25 | 2024-03-05 | 江铃汽车股份有限公司 | 一种车辆中央网关测试方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9016533D0 (en) * | 1990-07-27 | 1990-09-12 | Churchill V L Ltd | Automotive diagnostic tool |
US8213321B2 (en) * | 2007-02-01 | 2012-07-03 | Deere & Company | Controller area network condition monitoring and bus health on in-vehicle communications networks |
EP4180981A1 (en) * | 2011-10-05 | 2023-05-17 | Analog Devices, Inc. | Two-wire communication system for high-speed data and power distribution |
CN112415323A (zh) * | 2019-08-23 | 2021-02-26 | 微芯片技术股份有限公司 | 诊断网络内的电缆故障 |
-
2021
- 2021-10-20 US US17/506,541 patent/US11810409B2/en active Active
-
2022
- 2022-10-14 CN CN202211258959.6A patent/CN115993809A/zh active Pending
- 2022-10-19 DE DE102022127546.9A patent/DE102022127546A1/de active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102022127546A1 (de) | 2023-04-20 |
US20230122334A1 (en) | 2023-04-20 |
US11810409B2 (en) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180232959A1 (en) | Enhanced central gateway for vehicle networking | |
CN104932489B (zh) | 无线车载芯片刷写诊断系统及方法 | |
US20130268156A1 (en) | Data Privacy Mechanism | |
CN110233768B (zh) | 基于uds的can总线测试系统及can总线测试方法 | |
CN110855558B (zh) | 车联网网关及CANoverTCP/IP协议连接实现方法、ECU及升级方法 | |
US20180370459A1 (en) | Apparatus and method for checking or monitoring in-vehicle control unit | |
EP3213213B1 (fr) | Procédé, équipement et système d'aide au diagnostic | |
WO2018197920A1 (en) | Method and system to determine vehicle type identification trough diagnostic port | |
CN105955240A (zh) | 一种车辆电控系统故障快速检索方法 | |
CN115993809A (zh) | 汽车网络车辆总线诊断 | |
CN111612937A (zh) | 车载诊断监测程序规划和执行 | |
CN111795835A (zh) | 车辆的监测方法、装置及车载设备 | |
CN106354117A (zh) | 确定控制器局域网中的接地偏移源 | |
JP2013101426A (ja) | 車載通信装置 | |
CN114379570A (zh) | 车辆数据操纵和机械故障的自动检测 | |
CN113505056A (zh) | 车辆诊断方法、系统、装置及存储介质 | |
CN112937476A (zh) | 用于电动车辆和自主车辆的配电系统监测 | |
CN102514535A (zh) | 一种车载网络系统中车速信号的通信处理方法 | |
CN116048055A (zh) | 车辆故障检测方法、装置和存储介质 | |
Naik et al. | An automotive diagnostics, fuel efficiency and emission monitoring system using CAN | |
CN109213111B (zh) | 整车控制器测试方法及系统 | |
CN107391215A (zh) | 一种ecu嵌入式软件刷新和下载编程的系统 | |
Kim et al. | Compare of vehicle management over the air and on-board diagnostics | |
CN108259251A (zh) | 一种网关控制器路由配置方法、装置、设备及汽车 | |
KR20100028254A (ko) | 네트워크 데이터 관리 장치 및 관리 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |