CN116048055A - 车辆故障检测方法、装置和存储介质 - Google Patents
车辆故障检测方法、装置和存储介质 Download PDFInfo
- Publication number
- CN116048055A CN116048055A CN202310181672.6A CN202310181672A CN116048055A CN 116048055 A CN116048055 A CN 116048055A CN 202310181672 A CN202310181672 A CN 202310181672A CN 116048055 A CN116048055 A CN 116048055A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- fault
- controller
- parameter
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 230000002159 abnormal effect Effects 0.000 claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000007613 environmental effect Effects 0.000 claims description 33
- 238000012423 maintenance Methods 0.000 claims description 17
- 238000013145 classification model Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000003066 decision tree Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明实施例涉及车辆技术领域,公开了一种车辆故障检测方法、装置和存储介质,该方法包括:获取车辆的车辆运行数据和控制器执行数据,所述车辆运行数据包括所述车辆所处的环境参数、所述车辆的状态参数和运行参数中的至少一项;根据所述车辆运行数据,确定所述车辆的运行场景;根据所述运行场景对应的控制器标准数据与所述控制器执行数据,确定所述控制器执行数据中的异常数据;基于故障数据库,确定所述异常数据对应的车辆故障原因。应用本发明的技术方案,能够提高检测车辆故障的效率和便利性。
Description
技术领域
本发明实施例涉及车辆技术领域,具体涉及一种车辆故障检测方法、装置和存储介质。
背景技术
目前,在车辆发生故障后,需要用户将车辆送至汽车销售服务4S店,利用车辆厂家的诊断设备读取车辆的故障信息,由技术人员分析故障信息,确定故障所在,然后对车辆进行维修。
对用户而言,这种故障处理方式便利性比较差,而且车辆厂家的诊断设备数量有限,会造成车辆维修需要耗费很长时间,故障处理效率较低。
发明内容
鉴于上述问题,本发明实施例提供了一种车辆故障检测方法、装置和存储介质,用于解决现有技术中存在的车辆故障处理效率较低的问题。
根据本发明实施例的一个方面,提供了一种车辆故障检测方法,所述方法包括:获取车辆的车辆运行数据和控制器执行数据,所述车辆运行数据包括所述车辆所处的环境参数、所述车辆的状态参数和运行参数;根据所述车辆运行数据,确定所述车辆的运行场景;根据所述运行场景对应的控制器标准数据与所述控制器执行数据,确定所述控制器执行数据中的异常数据;基于故障数据库,确定所述异常数据对应的车辆故障原因。
在一种可选的方式中,所述环境参数包括所述车辆所处的地理环境、环境温度、大气压力中的至少一项,所述运行参数包括所述车辆的行驶速度、加速踏板开度和刹车开度中的至少一项,所述状态参数包括电池荷电状态和充电状态中的至少一项。
在一种可选的方式中,所述根据所述运行场景对应的控制器标准数据与所述控制器执行数据,确定所述控制器执行数据中的异常数据,包括:获取所述运行场景对应的控制器标准数据;将所述运行场景对应的控制器标准数据与所述控制器执行数据进行比对,确定所述控制器执行数据中与所述控制器标准数据不一致的异常控制参数;所述基于故障数据库,确定所述异常数据对应的车辆故障原因,包括:查询所述故障数据库,并将所述故障数据库中与所述异常控制参数匹配的故障原因确定为所述车辆故障原因。
在一种可选的方式中,所述方法还包括:根据所述异常控制参数的类型和所述异常控制参数与所述控制器标准数据的偏差信息,确定所述车辆的故障程度。
在一种可选的方式中,在所述确定所述异常数据对应的车辆故障原因之后,所述方法还包括:根据所述车辆故障原因,生成故障提示信息,所述故障提示信息包括所述车辆故障原因、故障程度,以及与所述车辆故障原因对应的故障维修方案中的至少一项;输出所述故障提示信息,用以向与所述车辆关联的终端设备发送所述故障提示信息,或者,用以在所述车辆的显示屏显示所述故障提示信息。
在一种可选的方式中,所述根据所述车辆运行数据,确定所述车辆的运行场景,包括:利用场景分类模型,对所述环境参数、所述状态参数和所述运行参数进行分类处理,确定所述车辆的运行场景;或者,按照所述环境参数、所述状态参数和所述运行参数的优先级,与预设运行场景对应的参数信息进行匹配,确定所述车辆的运行场景。
在一种可选的方式中,所述方法还包括:根据所述车辆运行数据、所述控制器执行数据和所述车辆故障原因,更新所述故障数据库。
在一种可选的方式中,在获取车辆的车辆运行数据和控制器执行数据之前,所述方法还包括:响应于数据采集指令,采集所述数据采集指令对应的控制器的执行数据,以得到所述控制器执行数据。
根据本发明实施例的另一方面,提供了一种车辆故障检测装置,所述装置包括:获取模块,用于获取车辆的车辆运行数据和控制器执行数据,所述车辆运行数据包括所述车辆所处的环境参数、所述车辆的状态参数和运行参数;第一确定模块,用于根据所述车辆运行数据,确定所述车辆的运行场景;第二确定模块,用于根据所述运行场景对应的控制器标准数据与所述控制器执行数据,确定所述控制器执行数据中的异常数据;第三确定模块,用于基于故障数据库,确定所述异常数据对应的车辆故障原因。
在一种可选的方式中,所述环境参数包括所述车辆所处的地理环境、环境温度、大气压力中的至少一项,所述运行参数包括所述车辆的行驶速度、加速踏板开度和刹车开度中的至少一项,所述状态参数包括电池荷电状态和充电状态中的至少一项。
在一种可选的方式中,所述第二确定模块用于获取所述运行场景对应的控制器标准数据;将所述运行场景对应的控制器标准数据与所述控制器执行数据进行比对,确定所述控制器执行数据中与所述控制器标准数据不一致的异常控制参数;所述基于故障数据库,确定所述异常数据对应的车辆故障原因,包括:查询所述故障数据库,并将所述故障数据库中与所述异常控制参数匹配的故障原因确定为所述车辆故障原因。
在一种可选的方式中,所述第三确定模块还用于根据所述异常控制参数的类型和所述异常控制参数与所述控制器标准数据的偏差信息,确定所述车辆的故障程度。
在一种可选的方式中,在所述确定所述异常数据对应的车辆故障原因之后,所述第三确定模块还用于根据所述车辆故障原因,生成故障提示信息,所述故障提示信息包括所述车辆故障原因、故障程度,以及与所述车辆故障原因对应的故障维修方案中的至少一项,输出所述故障提示信息,用以向与所述车辆关联的终端设备发送所述故障提示信息,或者,用以在所述车辆的显示屏显示所述故障提示信息。
在一种可选的方式中,所述第一确定模块用于利用场景分类模型,对所述环境参数、所述状态参数和所述运行参数进行分类处理,确定所述车辆的运行场景;或者,按照所述环境参数、所述状态参数和所述运行参数的优先级,与预设运行场景对应的参数信息进行匹配,确定所述车辆的运行场景。
在一种可选的方式中,所述第三确定模块还用于根据所述车辆运行数据、所述控制器执行数据和所述车辆故障原因,更新所述故障数据库。
在一种可选的方式中,所述获取模块还用于响应于数据采集指令,采集所述数据采集指令对应的控制器的执行数据,以得到所述控制器执行数据。
根据本发明实施例的另一方面,提供了一种电子设备,包括:处理器;存储器,用于存放至少一可执行指令;所述可执行指令使所述处理器执行如上任一项所述的车辆故障检测方法的操作。
根据本发明实施例的又一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如上任一项所述的车辆故障检测方法的操作。
本发明实施例可以获取车辆的车辆运行数据和控制器执行数据,并根据车辆运行数据,确定车辆的运行场景,根据该运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据,然后基于故障数据库,确定异常数据对应的车辆故障原因,实现了车辆运行的自动化监测和车辆故障的自动识别,提高了车辆故障的检测效率和便利性,能够为用户及时了解车况,以及维修车辆提供指导和帮助。
上述说明仅是本发明实施例技术方案的概述,为了能够更清楚了解本发明实施例的技术手段,而可依照说明书的内容予以实施,并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
附图仅用于示出实施方式,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明提供的一种车辆故障检测方法的流程图;
图2示出了本发明提供的另一种车辆故障检测方法的流程图;
图3示出了本发明提供的又一种车辆故障检测方法的流程图;
图4示出了本发明提供的又一种车辆故障检测方法的流程图;
图5示出了本发明提供的又一种车辆故障检测方法的流程图;
图6示出了本发明提供的又一种车辆故障检测方法的流程图;
图7示出了本发明提供的一种车辆故障检测方法的交互图;
图8示出了本发明提供的又一种车辆故障检测方法的流程图;
图9示出了本发明提供的一种车辆故障检测装置的结构示意图;
图10示出了本发明提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。
图1示出了本发明实施例提供的一种车辆故障检测方法的流程图,该方法可以由电子设备执行,可以获取车辆最近一段时间内的车辆运行数据和控制器执行数据,并根据车辆运行数据和控制器执行数据检测出车辆是否发生故障,以及车辆故障原因,实现了车辆故障的自动化识别,提高了车辆故障检测的效率和便利性。
其中,电子设备可以是车辆上具备数据处理功能的中控台,也可以是车辆关联的后台服务器或服务集群,或者也可以是提供车辆数据处理的云端服务器,本实施例对此不做具体限定。如图1所示,本发明实施例提供的车辆故障检测方法可以包括以下步骤:
步骤110:获取车辆的车辆运行数据和控制器执行数据。
车辆的车辆运行数据是指车辆运行过程中的一系列数据,可以包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项。例如,车辆运行数据可以包括车辆所处的地理位置的地形数据、温度数据等,以及与车辆行驶相关的动力装置的数据,如发动机启动与关闭的时间、刹车踏板和油门踏板的开度等数据,也可以包括车辆的行驶数据,如行驶轨迹、行驶速度、行驶时间等数据;控制器执行数据是指控制车辆运行的控制器件的执行数据,按照功能划分,车辆的控制器件可以包括动力域、底盘域、信息娱乐域、自动驾驶域、车身域共五个功能域。
其中,动力域可以包括发动机、变速箱、电池,以及排放、节油节电等的控制器。底盘域可以包括制动系统、传动系统、行驶系统、转向系统、车速传感器、车身姿态传感器等。信息娱乐域可以包括音响、座椅等;自动驾驶域可以包括图像采集传感器和图像处理器等。车身域则可以包括车前灯、车后灯、内饰灯、车门锁、车窗、天窗、雨刮器、后备箱、空调、智能钥匙、天线等。
本实施例中,电子设备可以接收车辆发送的通讯报文,或者主动发送检测指令,来获取车辆运行数据和控制器执行数据。示例性的,电子设备可以通过车辆上安装的传感器、控制器件、数据记录仪器和数据系统等获取车辆运行数据和控制器执行数据。
例如,车辆运行数据中的环境参数,如地理位置等可以通过车辆上安装的传感器,如全球定位系统(Global Positioning System,GPS)传感器采集,发送机启动与关闭时间、刹车和油门踏板的开度等可以通过车辆上安装的事件记录仪器(Event Data Records,EDR)和车载自诊断系统(On-Board Diagnostic,OBD)等记录和获取。
控制器执行数据可以通过各个区域的域控制器获取,具体而言,在车辆按照功能划分的每个功能域中,每个区域都具有相应的域控制器,域控制器可以通过控制器局域网络(Controller Area Network,CAN)或者局域互联网络(Local Interconnect Network,LIN)或者以太网等通讯方式将获取的控制器件的数据传输至车辆的中控台或者托管至云端服务器。
需要说明的是,域控制器也可以通过其他通讯方式,如具有灵活数据速率的CAN(CAN With Flexible Data-Rate,CAN FD)通讯方式将获取的控制器的数据传输至车辆的中控台或者云端服务器,本实施例对此不做特殊限定。
在一种可选的方式中,环境参数是指车辆所处的环境的参数,可以包括车辆所处的地理环境、环境温度、大气压力中的至少一项。地理环境是指车辆所处的位置的自然环境,可以包括地理位置、地形等信息;环境温度和大气压力分别为车辆所处的外部环境的温度和大气压力。
运行参数是指车辆运行过程中的参数,可以包括车辆的行驶速度、加速踏板开度和刹车踏板开度中的至少一项。加速踏板开度和刹车踏板开度分别表示加速踏板和刹车踏板从初始位置踩到底的踏板行程,踏板开度越高,说明踏板行程越长,踏板位置越靠近底部。
状态参数是指车辆的动力状态相关的参数,可以包括车辆的电池荷电状态和充电状态中的至少一项。电池荷电状态指电池的剩余电量,充电状态包括正在充电和未充电两种状态。
通过获取车辆的车辆运行数据和控制器执行数据,可以实现车辆运行的数据化监测,为分析车辆的运行情况提供数据支撑。
步骤120:根据车辆运行数据,确定车辆的运行场景。
车辆的运行场景可以指示车辆在对应时间的行驶情况、所处的环境的类型,以及驾驶员的驾驶情况等。每种运行场景对应一种具体的车辆运行状态。
示例性的,车辆的运行场景可以具体按照季节、城市、道路类型、速度、充电状态、驾驶时长等设置,例如,运行场景1对应的参数可以是:{冬季;北京;城市公路;低速;未充电;20分钟},运行场景2对应的参数可以是:{夏季;北京;高速公路;高速;未充电;1小时}。
应当理解,上述运行场景仅作为示例性说明,按照实际需求,运行场景可以结合其他运行参数,设置为更加细分的多种场景,并且车辆的速度等参数也可以是具体的数值,本实施例对此不做特殊限定。
在获取车辆的车辆运行数据后,可以从中提取对应的场景特征数据,如上述运行场景的参数示例中的季节特征、城市特征、道路类型特征和速度特征、驾驶时长特征等的数据,然后根据这些场景特征数据的特征值确定车辆在对应时间的运行场景。例如,假设车辆运行数据是车辆在最近15分钟内的运行数据,且根据车辆运行数据可以确定该数据中的场景特征数据与运行场景1对应的参数值相同,则通过分析车辆运行数据,可以确定车辆在上述时间段内的运行场景为上述运行场景1。
通过确定车辆的运行场景,可以确定车辆行驶的外部环境和内部运行情况,完成对车辆运行情况的初步检测。
步骤130:根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据。
运行场景对应的控制器标准数据可以是车辆在该运行场景下正常工作时的控制数据,也可以是车辆在该运行场景下发生异常时的控制数据。将运行场景对应的控制器标准数据与控制器执行数据进行比对,可以确定控制器执行数据中的异常数据。
例如,将运行场景对应的控制器标准数据与控制器执行数据中对应条目的数据,如轮胎胎压的数据进行比对,可以确定控制器执行数据中的各个条目的数据是否处于正常范围,从而识别出控制器执行数据中的异常数据。
通过上述方法,可以识别出控制器执行数据的异常数据,实现车辆故障检测的数据定位。
步骤140:基于故障数据库,确定异常数据对应的车辆故障原因。
故障数据库是利用一个或多个车辆的车辆运行数据和控制器执行数据,以及车辆故障情况生成的故障库,其可以记录车辆在发生某种特定的故障时的车辆运行数据和控制器执行数据的数据情况。例如,故障数据库中可以记录车辆的轮胎胎压过高时,轮胎胎压的压力范围为大于250kpa,此时车辆轮胎的磨损程度会增加。
为了增加故障数据库的完善程度,在建立故障数据库时,可以由专业技术人员结合自身的车辆检修经验对上述车辆运行数据、控制器执行数据进行分析,来生成具有更高可靠性的故障数据库。
在确定控制器执行数据中的异常数据后,利用故障数据库可以确定异常数据对应的车辆故障原因。例如,当异常数据为电池电量时,则根据故障数据库中电池电量的正常范围,可以确定车辆故障原因为电池电量较低。
根据本实施例提供的车辆故障检测方法,可以获取车辆的车辆运行数据和控制器执行数据,并根据车辆运行数据,确定车辆的运行场景,根据该运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据,然后基于故障数据库,确定异常数据对应的车辆故障原因,实现了车辆运行的自动化监测和车辆故障的自动识别,提高了车辆故障的检测效率和便利性,能够为用户及时了解车况,以及维修车辆提供指导和帮助。
如前所述,在一种可选的方式中,车辆运行数据可以包括车辆所处的环境参数、车辆的状态参数和运行参数。为了确定车辆的故障原因,图2示出了本实施例提供的另一种车辆故障检测方法的流程图,如图2所示,车辆故障检测方法可以包括以下步骤210~240:
步骤210:获取车辆的车辆运行数据和控制器执行数据。
其中,车辆运行数据包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项。
步骤220:利用场景分类模型,对环境参数、状态参数和运行参数进行分类处理,确定车辆的运行场景;或者,按照环境参数、状态参数和运行参数的优先级,与预设运行场景对应的参数信息进行匹配,确定车辆的运行场景。
即,在该步骤中,车辆的运行场景可以通过以下两种方式中的任意一种确定:
(1)利用场景分类模型,对环境参数、状态参数和运行参数进行分类处理,确定车辆的运行场景。
其中,场景分类模型可以是预先训练好的分类模型,如可以是决策树、随机森林等模型。
以决策树模型为例,可以将环境参数、状态参数和运行参数作为预先训练好的决策树模型的输入数据,输入数据的每一个特征为该决策树模型中的一个节点,根据其取值的不同,可以划分出不同的分支,生成的树状结构可以表示输入数据的分类情况,位于树状结构最末端的每个节点对应一个运行场景。
在训练决策树模型时,首先可以根据运行场景的种类构建每个运行场景所对应的根节点和叶子节点,来完成决策树模型的构建。其中,根节点表示车辆运行数据中的某个特征的判断,叶子节点表示判断结果的输出,根节点和叶子节点可以包括多个层级,比如一个根节点可以划分出多个叶子节点,这些叶子节点中的每个节点又可以根据特征情况进一步划分出多个子节点,作为另一层级的叶子节点。
在构建决策树模型后,可以将训练数据输入至构建的决策树模型中进行训练,来生成预先训练好的决策树分类模型。其中,训练数据可以是获取的一个或多个车辆的车辆运行数据,该数据同样可以包括车辆所处的环境参数、车辆的状态参数和运行参数等。
由于场景分类模型可以通过大量的车辆运行数据训练生成,且其处理速度和效率也比较高,所以利用场景分类模型对车辆运行数据进行划分,来确定车辆的运行场景,能够提高确定运行场景的效率和准确率。
(2)按照环境参数、状态参数和运行参数的优先级,与预设运行场景对应的参数信息进行匹配,确定车辆的运行场景。
其中,环境参数、状态参数和运行参数的优先级可以用于表示各种参数的对于评估车辆的运行情况的重要程度,优先级越高,表明参数对车辆运行情况的影响程度越高。各参数的优先级可以由操作人员根据实际需求设置,例如,由于在不同的环境条件下车辆的控制器件的正常运行范围可能不同,所以环境参数的优先级可以设置为第一优先级,状态参数和运行参数分别可以设置为第二优先级和第三优先级。
预设运行场景是指车辆可能的运行场景,预设运行场景对应的参数信息是指车辆在处于该预设运行场景时的参数的种类和取值范围等信息。一般而言,预设运行场景及其参数信息可以由操作人员根据车辆实际的运行场景种类和运行数据预先设置。
按照环境参数、状态参数和运行参数的优先级,可以依次将环境参数、状态参数和运行参数与预设运行场景对应的参数信息,如环境参数信息、状态参数信息和运行参数信息进行匹配,来确定车辆的运行场景。
例如,可以首先将第一优先级的环境参数与各个预设运行场景对应的环境参数信息进行匹配,筛选出候选运行场景,然后将状态参数与各个候选运行场景对应的状态参数进行匹配,来确定候选运行场景中的目标运行场景,最后将运行参数信息与目标运行场景对应的运行参数信息进行匹配,来确定车辆的运行场景。
在一种可选的方式中,当环境参数、状态参数和运行参数中的某个参数包括多个数据内容时,环境参数、状态参数和运行参数的优先级可以进一步根据各参数中的数据内容进行设置。
例如,当环境参数包括环境温度、大气压力,状态参数包括电池的荷电状态和充电状态时,环境参数和状态参数的优先级可以根据各参数中具体的数据内容进行设置,如可以按照各数据内容的重要程度,将环境参数和状态参数的优先级从高到低依次设置为环境温度、电池的荷电状态、大气压力和充电状态。
通过按照车辆运行数据中的参数优先级,将车辆运行数据中的各个参数与预设运行场景的参数信息进行匹配,来确定车辆的运行场景,可以优化参数的匹配路径,提高确定车辆的运行场景的效率。
步骤230:根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据。
步骤240:基于故障数据库,确定异常数据对应的车辆故障原因。
通过上述步骤210~240,可以对车辆运行数据中的环境参数、状态参数和运行参数进行分析,确定车辆的运行场景,并根据运行场景确定车辆故障原因,实现了车辆故障的自动检测,也有助于用户了解车辆运行情况。
需要说明的是,上述步骤210、步骤230~240的具体实现方式可以参见前述实施例中步骤110、步骤130~140的具体实现方式,此处不再赘述。
图3示出了本发明实施例提供的又一种车辆故障检测方法的流程图,如图3所示,可以包括以下步骤:
步骤310:获取车辆的车辆运行数据和控制器执行数据。
其中,车辆运行数据包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项。
步骤320:根据车辆运行数据,确定车辆的运行场景。
步骤330:获取运行场景对应的控制器标准数据。
运行场景对应的控制器标准数据可以是车辆在该运行场景下正常运行的控制器的执行数据。
具体的,电子设备可以根据所确定的车辆的运行场景,在对应的控制器标准数据库中查找与车辆的运行场景匹配的控制器标准数据。
步骤340:将运行场景对应的控制器标准数据与控制器执行数据进行比对,确定控制器执行数据中与控制器标准数据不一致的异常控制参数。
将运行场景对应的控制器标准数据与控制器执行数据进行比对,即将控制器标准数据与控制器执行数据的相应数据进行比对,如将控制器标准数据中的标准刹车踏板开度与控制器执行数据中的刹车踏板开度进行比对,来确定控制器执行数据中与控制器标准数据不一致的数据,得到异常控制参数。
相应的,控制器执行数据中与控制器标准数据一致的数据即为正常控制参数。
步骤350:查询故障数据库,并将故障数据库中与异常控制参数匹配的故障原因确定为车辆故障原因。
例如,可以按照车辆的种类和型号查询对应的故障数据库,然后在故障数据库中查找与异常控制参数的参数类型和数值范围均匹配的故障原因,得到车辆的车辆故障原因。
通过上述步骤310~350,可以识别出控制器执行数据中的异常控制参数,基于异常控制参数确定车辆故障原因。
需要说明的是,上述步骤310~320的具体实现方式可以参见前述实施例中步骤110~120的具体实现方式,此处不再赘述。
为了方便用户了解车辆的运行情况对驾驶车辆的影响,在一种可选的方式中,可以在确定车辆故障原因之后进一步确定车辆的故障程度。图4示出了本发明实施例提供的又一种车辆故障检测方法,如图4所示,可以包括以下步骤:
步骤410:获取车辆的车辆运行数据和控制器执行数据。
其中,车辆运行数据包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项。
步骤420:根据车辆运行数据,确定车辆的运行场景。
步骤430:将运行场景对应的控制器标准数据与控制器执行数据进行比对,确定控制器执行数据中的异常控制参数。
步骤440:将故障数据库中与异常控制参数匹配的故障原因确定为车辆故障原因。
步骤450:根据异常控制参数的类型和异常控制参数与控制器标准数据的偏差信息,确定车辆的故障程度。
其中,异常控制参数与控制器标准数据的偏差信息可以包括异常控制参数与控制器标准数据的差值或比值等。
对于数值类型的控制参数,可以根据异常控制参数的参数类型和该异常控制参数与控制器标准数据的偏差信息,确定车辆的故障程度。例如,当异常控制参数为轮胎胎压时,其控制器标准数据的数据范围为240~250kpa,计算异常控制参数的数值与该数据范围中的端点值的差值,可以确定车辆轮胎的故障程度。
通过上述方法,可以在确定车辆的故障原因之后,进一步确定车辆的故障程度,便于确定车辆是否能够继续行驶,以及能够行驶的时间,提高用户用车的便利性。
需要说明的是,上述步骤410~440的具体实现方式可以参见前述实施例中步骤310~340的具体实现方式,此处不再赘述。
在确定异常数据对应的车辆故障原因之后,为了使用户了解车辆的故障情况,图5示出了本发明实施例提供的又一种车辆故障检测方法的流程图,如图5所示,可以包括以下步骤:
步骤510:获取车辆的车辆运行数据和控制器执行数据。
其中,车辆运行数据包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项。
步骤520:根据车辆运行数据,确定车辆的运行场景。
步骤530:根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据。
步骤540:基于故障数据库,确定异常数据对应的车辆故障原因。
步骤550:根据车辆故障原因,生成故障提示信息。
故障提示信息包括车辆故障原因、故障程度,以及与车辆故障原因对应的故障维修方案中的至少一项。
故障提示信息可以是由文字和图片中的至少一项构成的提示信息,其中可以包括车辆的故障原因和故障程度,该故障程度可以具体包括故障原因对车辆上装置运行的影响程度和对车辆行驶的影响程度等,也可以包括车辆故障原因对应的故障维修方案,该故障维修方案可以根据车辆的故障情况具体设置,可以包括车辆的维修方法、距离车辆当前位置最近的维修站的信息等。
步骤560:输出故障提示信息,用以向与车辆关联的终端设备发送故障提示信息,或者,用以在车辆的显示屏显示故障提示信息。
其中,与车辆关联的终端设备可以是与车辆绑定或连接的用户使用的客户端,如手机、电脑等。
在生成故障提示信息后,可以输出该故障提示信息,如可以将该故障提示信息同步给终端设备和车辆的中控台,终端设备和车辆的显示屏中可以显示故障提示信息,这样用户便可以了解车辆的故障情况和故障处理方式,进而按照故障提示信息中的故障维修方案维修车辆,或者将车辆驾驶至最近的维修站进行维修。
在一种可选的方式中,终端设备和车辆的中控台还可以根据用户使用终端设备和中控台的状态,选择是否显示或以音频方式播放故障提示信息,来保障用户驾驶的安全性,为用户提供便利。
通过上述方法,可以使用户了解车辆的故障等级和情况,以及故障的维修方案,为用户选择是否维修车辆,以及如何维修车辆提供指导,能够极大地提高检测车辆故障的效率,为车辆维修提供便利。
需要说明的是,上述步骤510~540的具体实现方式可以参见前述实施例中步骤110~140的具体实现方式,此处不再赘述。
图6示出了本发明实施例提供的又一种车辆故障检测方法的流程图,如图6所示,可以包括以下步骤:
步骤610:获取车辆的车辆运行数据和控制器执行数据。
其中,车辆运行数据包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项。
步骤620:根据车辆运行数据,确定车辆的运行场景。
步骤630:根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据。
步骤640:基于故障数据库,确定异常数据对应的车辆故障原因。
步骤650:根据车辆运行数据、控制器执行数据和车辆故障原因,更新故障数据库。
由于故障数据库记录了车辆在发生某种特定的故障时的车辆运行数据和控制器执行数据的数据情况,因此,为了完善故障数据库,可以在确定车辆故障原因之后,进一步根据车辆运行数据、控制器执行数据和车辆故障原因,自动修改故障数据库中的故障参数,来完成故障数据库的更新。
随着故障数据库的不断更新,其能够结合专业技术人员的车辆检修经验和大量车辆数据的分析结果,所以依赖故障数据库所确定的车辆故障原因能够避免因个人专业知识差异而造成车辆故障误判的情况,具有更高的可靠性和准确度。
需要说明的是,上述步骤610~640的具体实现方式可以参见前述实施例中步骤110~140的具体实现方式,此处不再赘述。
图7示出了本发明实施例提供的一种车辆故障检测方法的交互图,如图7所示,该方法包括车辆710、云端服务器720和终端设备730,具体包括以下步骤:
步骤701:在云端服务器720中建立故障数据库。
故障数据库可以是操作人员根据获取的一个或多个车辆的车辆运行数据和控制器执行数据,以及车辆故障原因生成的数据库。在建立故障数据库时,可以结合专业技术人员的车辆检修经验和车辆数据的分析,形成包含车辆运行数据、控制器执行数据和故障情况的数据库。
步骤702:由车辆710获取车辆运行数据和控制器执行数据。
其中,车辆运行数据可以包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项,控制器执行数据可以包括车辆中各个控制器件的数据。
步骤703:车辆710将获取的车辆运行数据和控制器执行数据发送至云端服务器720。
步骤704:云端服务器720根据车辆运行数据,确定车辆的运行场景。
云端服务器720在接收到车辆运行数据和控制器执行数据之后,可以对车辆运行数据进行分析,来确定车辆在对应时间的运行场景。例如,云端服务器720可以按照车辆运行数据中的环境参数、状态参数和运行参数的优先级,将环境参数、状态参数和运行参数与预设运行场景对应的参数信息进行匹配,来确定车辆的运行场景。
其中,预设运行场景及其对应的参数信息可以由操作人员预先根据车辆的实际运行场景种类和运行数据设置,并存储在云端服务器720中。
步骤705:云端服务器720根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据。
例如,云端服务器720可以将运行场景对应的控制器标准数据与控制器执行数据进行比对,确定控制器执行数据中的异常控制参数,即得到异常数据。
步骤706:云端服务器720基于故障数据库,确定异常数据对应的车辆故障原因。
在确定异常数据后,云端服务器720可以在故障数据库中查找与异常数据,如上述异常控制参数匹配的故障原因,作为车辆故障原因。
在确定车辆故障原因之后,云端服务器720还可以进一步根据异常控制参数的类型和异常控制参数与控制器标准数据的偏差信息,确定车辆的故障程度。
步骤707:云端服务器720生成故障提示信息。
其中,故障提示信息可以包括车辆故障原因、故障程度,以及与车辆故障原因对应的故障维修方案中的至少一项。
步骤708:云端服务器720将故障提示信息发送至终端设备730。
终端设备730在接收到故障提示信息之后,可以显示或播放故障提示信息,使得用户可以根据故障提示信息确定车辆的故障情况,以及确定何时处理车辆故障,处理车辆故障的方法等。
在车辆使用过程中,由于用户使用不同部件的频率不同、车辆各部件的使用寿命等也存在差异,所以在获取控制器执行数据时,如果控制器执行数据包括所有控制器的执行数据,那么可能会存在一些控制器的执行数据在很长时间段内未发生变化的情况。
因此,为了减少控制器执行数据的数据量,提高故障检测效率,图8示出了本发明实施例提供的又一种车辆故障检测方法的流程图,如图8所示,可以包括以下步骤:
步骤810:响应于数据采集指令,采集该数据采集指令对应的控制器的执行数据,以得到控制器执行数据。
其中,数据采集指令是采集控制器执行数据的指令,可以是电子设备按照一定时间周期自动触发生成的,也可以是电子设备根据车辆运行状况自动触发生成的,如在电子设备确定车辆某个部件出现异常时,可以自动生成数据采集指令,并且数据采集指令中可以包括出现异常的部件所对应的控制器的参数信息。
在一些情况下,数据采集指令也可以是由用户在终端设备或车辆的中控台等手动触发生成的指令。此时,用户可以选择相应的控制器,以使得生成的数据采集指令中包括这些控制器的参数信息。
在接收到数据采集指令时,电子设备可以对该数据采集指令中的控制器的参数信息进行解析,确定数据采集指令所指示的一个或多个控制器,然后获取车辆上该控制器在一段时间内的执行数据,来得到控制器执行数据。这样,便可以达到按需采集控制器执行数据的目的。
步骤820:获取车辆的车辆运行数据和控制器执行数据。
其中,车辆运行数据包括车辆所处的环境参数、车辆的状态参数和运行参数中的至少一项。
步骤830:根据车辆运行数据,确定车辆的运行场景。
步骤840:根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据。
步骤850:基于故障数据库,确定异常数据对应的车辆故障原因。
在确定车辆故障原因之后,可以将车辆故障原因同步发送给与车辆关联的终端设备或车辆的中控台,使用户可以及时参考车辆故障原因,处理车辆故障。
通过上述方法,可以控制电子设备按照数据采集指令所指示的控制器,获取对应的控制器的执行数据,得到控制器执行数据,而不需要采集车辆上的所有控制器的执行数据,所以能够减少控制器执行数据的数据量,提高数据获取效率和车辆故障检测效率。
需要说明的是,上述步骤820~850的具体实现方式可以参见前述实施例中步骤110~140的具体实现方式,此处不再赘述。
综上,根据本实施例中的车辆故障检测方法,可以根据车辆的车辆运行数据,确定车辆的运行场景,根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据,进而利用故障数据库,确定异常数据对应的车辆故障原因,并生成故障提示信息发送至终端设备或车辆的中控台,使得用户可以及时了解车辆的运行情况和故障情况,以及车辆故障的处理方案,提高了车辆故障检测的时效性和可靠性,为用户维修车辆提供了便利。
图9示出了本发明实施例提供的一种车辆故障检测装置的结构示意图。如图9所示,该车辆故障检测装置900可以包括:获取模块910,可以用于获取车辆的车辆运行数据和控制器执行数据,车辆运行数据可以包括车辆所处的环境参数、车辆的状态参数和运行参数;第一确定模块920,可以用于根据车辆运行数据,确定车辆的运行场景;第二确定模块930,可以用于根据运行场景对应的控制器标准数据与控制器执行数据,确定控制器执行数据中的异常数据;第三确定模块940,可以用于基于故障数据库,确定异常数据对应的车辆故障原因。
在一种可选的方式中,环境参数包括车辆所处的地理环境、环境温度、大气压力中的至少一项,运行参数包括车辆的行驶速度、加速踏板开度和刹车开度中的至少一项,状态参数包括电池荷电状态和充电状态中的至少一项。
在一种可选的方式中,第二确定模块930可以用于获取运行场景对应的控制器标准数据;将运行场景对应的控制器标准数据与控制器执行数据进行比对,确定控制器执行数据中与控制器标准数据不一致的异常控制参数;第三确定模块940可以用于查询故障数据库,并将故障数据库中与异常控制参数匹配的故障原因确定为车辆故障原因。
在一种可选的方式中,第三确定模块940还可以用于根据异常控制参数的类型和异常控制参数与控制器标准数据的偏差信息,确定车辆的故障程度。
在一种可选的方式中,在确定异常数据对应的车辆故障原因之后,第三确定模块940还可以用于根据车辆故障原因,生成故障提示信息,故障提示信息包括车辆故障原因、故障程度,以及与车辆故障原因对应的故障维修方案中的至少一项,输出故障提示信息,用以向与车辆关联的终端设备发送故障提示信息,或者,用以在车辆的显示屏显示故障提示信息。
在一种可选的方式中,第一确定模块920可以用于利用场景分类模型,对环境参数、状态参数和运行参数进行分类处理,确定车辆的运行场景;或者,按照环境参数、状态参数和运行参数的优先级,与预设运行场景对应的参数信息进行匹配,确定车辆的运行场景。
在一种可选的方式中,第三确定模块940还可以用于根据车辆运行数据、控制器执行数据和车辆故障原因,更新故障数据库。
在一种可选的方式中,获取模块910还可以用于响应于数据采集指令,采集数据采集指令对应的控制器的执行数据,以得到控制器执行数据。
上述装置中各模块的具体细节在方法部分实施方式中已经详细说明,未披露的方案细节内容可以参见方法部分的实施方式内容,因而不再赘述。
图10示出了本发明实施例提供的一种电子设备的结构示意图,本发明具体实施例并不对电子设备的具体实现做限定。
如图10所示,该电子设备可以包括:处理器(processor)1002、通信接口(Communications Interface)1004、存储器(memory)1006、以及通信总线1008。
其中:处理器1002、通信接口1004、以及存储器1006通过通信总线1008完成相互间的通信。通信接口1004,用于与其它设备比如客户端或其它服务器等的网元通信。处理器1002,用于执行程序1010,具体可以执行上述用于车辆故障检测方法实施例中的相关步骤。
具体地,程序1010可以包括程序代码,该程序代码包括计算机可执行指令。
处理器1002可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器1006,用于存放程序1010。存储器1006可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序1010具体可以被处理器1002调用使电子设备执行上述车辆故障检测方法的操作步骤。
本发明实施例提供了一种计算机可读存储介质,所述存储介质存储有至少一可执行指令,该可执行指令在电子设备上运行时,使得所述电子设备执行上述任意方法实施例中的车辆故障检测方法。
可执行指令具体可以用于使得电子设备执行上述车辆故障检测方法的操作步骤。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。此外,本发明实施例也不针对任何特定编程语言。
在此处所提供的说明书中,说明了大量具体细节。然而能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。类似地,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。其中,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
Claims (10)
1.一种车辆故障检测方法,其特征在于,所述方法包括:
获取车辆的车辆运行数据和控制器执行数据,所述车辆运行数据包括所述车辆所处的环境参数、所述车辆的状态参数和运行参数中的至少一项;
根据所述车辆运行数据,确定所述车辆的运行场景;
根据所述运行场景对应的控制器标准数据与所述控制器执行数据,确定所述控制器执行数据中的异常数据;
基于故障数据库,确定所述异常数据对应的车辆故障原因。
2.根据权利要求1所述的方法,其特征在于,所述环境参数包括所述车辆所处的地理环境、环境温度、大气压力中的至少一项,所述运行参数包括所述车辆的行驶速度、加速踏板开度和刹车开度中的至少一项,所述状态参数包括电池荷电状态和充电状态中的至少一项。
3.根据权利要求1所述的方法,其特征在于,所述根据所述运行场景对应的控制器标准数据与所述控制器执行数据,确定所述控制器执行数据中的异常数据,包括:
获取所述运行场景对应的控制器标准数据;
将所述运行场景对应的控制器标准数据与所述控制器执行数据进行比对,确定所述控制器执行数据中与所述控制器标准数据不一致的异常控制参数;
所述基于故障数据库,确定所述异常数据对应的车辆故障原因,包括:
查询所述故障数据库,并将所述故障数据库中与所述异常控制参数匹配的故障原因确定为所述车辆故障原因。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
根据所述异常控制参数的类型和所述异常控制参数与所述控制器标准数据的偏差信息,确定所述车辆的故障程度。
5.根据权利要求1-4中任一项所述的方法,其特征在于,在所述确定所述异常数据对应的车辆故障原因之后,所述方法还包括:
根据所述车辆故障原因,生成故障提示信息,所述故障提示信息包括所述车辆故障原因、故障程度,以及与所述车辆故障原因对应的故障维修方案中的至少一项;
输出所述故障提示信息,用以向与所述车辆关联的终端设备发送所述故障提示信息,或者,用以在所述车辆的显示屏显示所述故障提示信息。
6.根据权利要求1所述的方法,其特征在于,所述根据所述车辆运行数据,确定所述车辆的运行场景,包括:
利用场景分类模型,对所述环境参数、所述状态参数和所述运行参数进行分类处理,确定所述车辆的运行场景;或者,
按照所述环境参数、所述状态参数和所述运行参数的优先级,与预设运行场景对应的参数信息进行匹配,确定所述车辆的运行场景。
7.根据权利要求1-4中任一项所述的方法,其特征在于,所述方法还包括:
根据所述车辆运行数据、所述控制器执行数据和所述车辆故障原因,更新所述故障数据库。
8.根据权利要求1-4中任一项所述的方法,其特征在于,在获取车辆的车辆运行数据和控制器执行数据之前,所述方法还包括:
响应于数据采集指令,采集所述数据采集指令对应的控制器的执行数据,以得到所述控制器执行数据。
9.一种车辆故障检测装置,其特征在于,所述装置包括:
获取模块,用于获取车辆的车辆运行数据和控制器执行数据,所述车辆运行数据包括所述车辆所处的环境参数、所述车辆的状态参数和运行参数中的至少一项;
第一确定模块,用于根据所述车辆运行数据,确定所述车辆的运行场景;
第二确定模块,用于根据所述运行场景对应的控制器标准数据与所述控制器执行数据,确定所述控制器执行数据中的异常数据;
第三确定模块,用于基于故障数据库,确定所述异常数据对应的车辆故障原因。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如权利要求1-8任意一项所述的车辆故障检测方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310181672.6A CN116048055A (zh) | 2023-02-28 | 2023-02-28 | 车辆故障检测方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310181672.6A CN116048055A (zh) | 2023-02-28 | 2023-02-28 | 车辆故障检测方法、装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116048055A true CN116048055A (zh) | 2023-05-02 |
Family
ID=86129676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310181672.6A Pending CN116048055A (zh) | 2023-02-28 | 2023-02-28 | 车辆故障检测方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116048055A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117055536A (zh) * | 2023-10-10 | 2023-11-14 | 北京集度科技有限公司 | 一种功能检测方法、装置及电子设备 |
-
2023
- 2023-02-28 CN CN202310181672.6A patent/CN116048055A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117055536A (zh) * | 2023-10-10 | 2023-11-14 | 北京集度科技有限公司 | 一种功能检测方法、装置及电子设备 |
CN117055536B (zh) * | 2023-10-10 | 2023-12-29 | 北京集度科技有限公司 | 一种功能检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170103101A1 (en) | System for database data quality processing | |
CN107015550B (zh) | 诊断测试执行控制系统和方法 | |
Huybrechts et al. | Automatic reverse engineering of CAN bus data using machine learning techniques | |
CN111311914B (zh) | 车辆行驶事故监控方法、装置和车辆 | |
CN111881520A (zh) | 一种自动驾驶测试的异常检测方法、装置、计算机设备及存储介质 | |
US20200172112A1 (en) | System and method for determining a change of a customary vehicle driver | |
CN107346565B (zh) | 一种交通工具数据处理方法、装置和终端设备 | |
CN113119985B (zh) | 汽车驾驶数据监控方法、装置、设备及存储介质 | |
CN109163913A (zh) | 一种汽车故障诊断方法及相关设备 | |
US20180370537A1 (en) | System providing remaining driving information of vehicle based on user behavior and method thereof | |
CN110576808B (zh) | 车辆、车机设备及其基于人工智能的场景信息推送方法 | |
CN110971567A (zh) | 车辆、云服务器、车机设备、媒介器件及数据整合方法 | |
CN110956715A (zh) | 行车记录方法、行车记录系统、云端服务器及车辆 | |
CN110793537A (zh) | 一种导航路径推荐方法、车机及车辆 | |
CN116048055A (zh) | 车辆故障检测方法、装置和存储介质 | |
US10572542B1 (en) | Identifying a vehicle based on signals available on a bus | |
CN115993809A (zh) | 汽车网络车辆总线诊断 | |
CN110871810A (zh) | 车辆、车机设备及其基于驾驶模式的行车信息提示方法 | |
CN113011852A (zh) | 车辆保养提醒方法、装置、车载设备及存储介质 | |
CN112543937A (zh) | 数据处理方法、装置及设备 | |
CN115359585A (zh) | 车辆提前排查故障的方法、装置、车辆及存储介质 | |
CN109177661A (zh) | 胎压监测方法及装置 | |
CN114936122A (zh) | 车辆监测系统、方法及可读存储介质 | |
CN112613514A (zh) | 一种基于车辆识别号码的信息反馈方法以及装置 | |
CN116108041B (zh) | 车辆测试数据的确定方法、装置、车辆和存储介质 |
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 |