DE112009001371T5 - Integrierter hierarchischer Prozess für die Fehlerdetektierung und -lokalisierung - Google Patents
Integrierter hierarchischer Prozess für die Fehlerdetektierung und -lokalisierung Download PDFInfo
- Publication number
- DE112009001371T5 DE112009001371T5 DE112009001371T DE112009001371T DE112009001371T5 DE 112009001371 T5 DE112009001371 T5 DE 112009001371T5 DE 112009001371 T DE112009001371 T DE 112009001371T DE 112009001371 T DE112009001371 T DE 112009001371T DE 112009001371 T5 DE112009001371 T5 DE 112009001371T5
- Authority
- DE
- Germany
- Prior art keywords
- subsystems
- components
- systems
- vehicle
- subsystem
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 title claims abstract description 8
- 230000004807 localization Effects 0.000 title claims abstract 5
- 230000008569 process Effects 0.000 title description 6
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000003745 diagnosis Methods 0.000 claims description 10
- 239000000725 suspension Substances 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000012896 Statistical algorithm Methods 0.000 claims 6
- 230000003862 health status Effects 0.000 claims 2
- 230000036541 health Effects 0.000 description 8
- 238000004393 prognosis Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012774 diagnostic algorithm Methods 0.000 description 1
- 238000013154 diagnostic monitoring Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
- B60Q11/00—Arrangement of monitoring devices for devices provided for in groups B60Q1/00 - B60Q9/00
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
- B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
- B60R2021/01122—Prevention of malfunction
- B60R2021/01184—Fault detection or diagnostic circuits
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/02—Control of vehicle driving stability
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
- Vehicle Body Suspensions (AREA)
Abstract
Verfahren zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das Verfahren umfasst:
Aufteilen des Fahrzeugs in eine Mehrzahl von Systemen, in eine Mehrzahl von Teilsystemen und in eine Mehrzahl von Komponenten;
Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Baum mit Ebenen, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt;
Nutzen von Algorithmen in den Systemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale der Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist;
Senden von Signalen, die die Vertrauensschätzsignale enthalten, von den Komponenten zu den Teilsystemen und von den Teilsystemen zu den Systemen;
Analysieren der Vertrauensschätzsignale in der Mehrzahl von Systemen, um einen...
Aufteilen des Fahrzeugs in eine Mehrzahl von Systemen, in eine Mehrzahl von Teilsystemen und in eine Mehrzahl von Komponenten;
Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Baum mit Ebenen, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt;
Nutzen von Algorithmen in den Systemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale der Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist;
Senden von Signalen, die die Vertrauensschätzsignale enthalten, von den Komponenten zu den Teilsystemen und von den Teilsystemen zu den Systemen;
Analysieren der Vertrauensschätzsignale in der Mehrzahl von Systemen, um einen...
Description
- HINTERGRUND DER ERFINDUNG
- 1. Gebiet der Erfindung
- Diese Erfindung bezieht sich allgemein auf ein System und auf ein Verfahren zum Bestimmen der Grundursache von Fehlern in einem Fahrzeugsystem und insbesondere auf ein System und auf ein Verfahren zum Bestimmen der Grundursache von Fehlern in einem Fahrzeugsystem und zum Lokalisieren des Fehlers, wobei das System und das Verfahren mehrere Modelle und Beobachtungen in einem hierarchischen Baum verwenden, um einen Vertrauensschätzwert der Quelle eines bestimmten Fehlers zu liefern.
- 2. Diskussion des verwandten Gebiets
- Moderne Fahrzeuge enthalten viele elektrische Fahrzeugsysteme wie etwa Fahrzeugstabilitätssteuerungssysteme. Zum Beispiel nutzen bestimmte Fahrzeugstabilitätssysteme das automatische Bremsen in Ansprechen auf ein unerwünschtes Drehen oder Gieren des Fahrzeugs. Einige Fahrzeugstabilitätssysteme nutzen eine aktive Vorderrad- oder Hinterradlenkung, die dem Fahrzeugbetreiber beim Lenken des Fahrzeugs in Ansprechen auf die detektierte Drehung des Lenkrads hilft. Einige Fahrzeugstabilitätssysteme nutzen aktive Federungssysteme, die die Fahrzeugfederung in Ansprechen auf Straßenbedingungen und andere Fahrzeugbetriebsbedingungen ändern.
- Die diagnostische Überwachung von Fahrzeugstabilitätssystemen ist eine wichtige Fahrzeugentwurfsbetrachtung, um Systemfehler schnell detektieren zu können und die Fehler für Wartungs- und Kundendienstzwecke lokalisieren zu können. Üblicherweise nutzen diese Stabilitätssysteme verschiedene Teilsysteme, Aktuatoren und Sensoren wie etwa Gierratensensoren, Querbeschleunigungssensoren, Lenkradeinschlagwinkel-Sensoren usw., die dazu verwendet werden, eine Steuerung des Fahrzeugs bereitstellen zu helfen. Falls irgendeiner bzw. irgendeines der Sensoren, Aktuatoren und Teilsysteme, die diesen Systemen zugeordnet sind, gestört ist, ist es erwünscht, den Fehler schnell zu detektieren und störungssichere Strategien zu aktivieren, um zu verhindern, dass das System auf eine wahrgenommene, aber falsche Bedingung falsch anspricht. Außerdem ist es erwünscht, den defekten Sensor, den defekten Aktuator oder das defekte Teilsystem für Wartungs-, Kundendienst- und Ersatzzwecke zu lokalisieren. Somit ist es notwendig, die verschiedenen Sensoren, Aktuatoren und Teilsysteme, die in diesen Systemen genutzt werden, zu überwachen, um eine Störung zu identifizieren.
- Es ist eine Entwurfsherausforderung, die Grundursache eines Fehlers zu identifizieren und den Fehler die ganze Strecke bis auf die Komponentenebene oder sogar bis auf die Teilsystemebene in einem Fahrzeugsystem hinab zu lokalisieren. Die verschiedenen Teilsysteme und Komponenten in einem Fahrzeugsystem wie etwa Fahrzeugbremssystem oder ein Fahrzeuglenkungssystem werden üblicherweise nicht von dem Fahrzeughersteller entworfen, sondern von einer Fremdquelle bereitgestellt. Infolgedessen können diese Komponenten und Teilsysteme keine Kenntnis davon haben, was andere Teilsysteme oder Komponenten in dem Gesamtfahrzeugsystem tun, sondern wissen sie nur, wie ihr bestimmtes Teilsystem oder ihre bestimmte Komponente arbeitet. Somit können diese Fremdteilsysteme oder -komponenten wissen, dass sie nicht richtig arbeiten, aber nicht wissen, ob ihre Komponente oder ihr Teilsystem fehlerhaft ist oder ein anderes Teilsystem oder eine andere Komponente fehlerhaft ist. Zum Beispiel kann ein Fahrzeug in einer Richtung ziehen, was das Ergebnis eines Bremsproblems oder eines Lenkungsproblems sein kann. Da das Bremssystem und das Lenkungssystem nicht wissen, ob das andere richtig arbeitet, kann das Gesamtfahrzeugsystem allerdings nicht in der Lage sein, die Grundursache dieses Problems zu identifizieren.
- Jedes einzelne Teilsystem oder jede einzelne Komponente kann einen Diagnosefehlercode ausgeben, der ein Problem angibt, wenn sie nicht richtig arbeiten, wobei dieser Fehlercode aber nicht ein Ergebnis eines Problems mit dem Teilsystem oder der Komponente sein muss, das bzw. die den Code ausgibt. Mit anderen Worten, der Diagnosecode kann gesetzt werden, da das Teilsystem oder die Komponente nicht richtig arbeitet, wobei dieser Betrieb aber das Ergebnis dessen sein kann, dass ein anderes Teilsystem oder eine andere Komponente nicht richtig arbeitet. Es ist erwünscht zu wissen, wie zuverlässig die Diagnosecodes von einem bestimmten Teilsystem oder von einer bestimmten Komponente sind, um zu bestimmen, ob dieses Teilsystem oder diese Komponente der Fehler eines Problems ist.
- ZUSAMMENFASSUNG DER ERFINDUNG
- In Übereinstimmung mit den Lehren der vorliegenden Erfindung werden ein System und ein Verfahren zum Bestimmen der Grundursache eines Fehlers in einem Fahrzeugsystem, in einem Fahrzeugteilsystem oder in einer Fahrzeugkomponente unter Verwendung von Modellen und Beobachtungen offenbart. In einer Ausführungsform wird ein hierarchischer Baum genutzt, um Fehler- oder Diagnosecodes von mehreren Teilsystemen und Komponenten zu kombinieren, um einen Vertrauensschätzwert davon zu erhalten, ob ein bestimmter Diagnosecode eine genaue Angabe eines Problems bei einem bestimmten Teilsystem oder bei einer bestimmten Komponente gibt. In einer anderen Ausführungsform wird ein hierarchisches Diagnosenetz genutzt, das sich auf die Theorie hierarchischer Informationen stützt, wobei für die Entscheidungsfindung auf irgendeiner Ebene des Netzes nur die geforderten abstrahierten Informationen verwendet werden. In einer anderen Ausführungsform wird ein graphengestütztes Diagnose- und Prognosesystem genutzt, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind. Die Knoten sind Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme und enthalten Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule.
- Weitere Merkmale der vorliegenden Erfindung gehen aus der folgenden Beschreibung und aus den beigefügten Ansprüchen in Verbindung mit den beigefügten Zeichnungen hervor.
- KURZBESCHREIBUNG DER ZEICHNUNGEN
-
1 ist ein hierarchischer Baum zum Analysieren von Diagnosecodes von Fahrzeugsystemen, -teilsystemen und -komponenten in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung; -
2 ist ein hierarchisches Diagnosenetz zum Schätzen von Vertrauensgraden von Diagnosecodes für Diagnose- und Prognosezwecke in einem Fahrzeug in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung; und -
3 ist ein graphengestütztes Diagnose- und Prognosesystem für ein Fahrzeug in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung. - AUSFÜHRLICHE BESCHREIBUNG DER AUSFÜHRUNGSFORMEN
- Die folgende Diskussion der Ausführungsformen der Erfindung, die auf ein System und auf ein Verfahren zum Identifizieren eines Vertrauensschätzwerts dafür, ob ein Fahrzeugteilsystem oder eine Fahrzeugkomponente die Grundursache eines bestimmten Fehlers ist, gerichteten ist, ist dem Wesen nach lediglich beispielhaft und soll die Erfindung oder ihre Anwendungen oder Verwendungen in keiner Weise einschränken.
- Die vorliegende Erfindung schlägt einen Prozess zum Bestimmen der Grundursache eines Fehlers in einem Fahrzeug unter Verwendung mehrerer Modelle und Beobachtungen vor. Jedes der Modelle liefert einen Vertrauensschätzwert über die Beobachtung, die es hinsichtlich eines potentiellen Fehlerzustands macht. Wie im Folgenden ausführlich diskutiert wird, kann die Erfindung einen hierarchischen Baum verwenden, um Diagnosecodes und andere Signale von Teilsystemen und Komponenten zu analysieren. Jede Ebene des hierarchischen Baums greift auf diejenigen Informationen zu, die sie vor dem Treffen einer Entscheidung hat. Die Informationen von verschiedenen Zweigen des Baums können auf der Grundlage von Fahrzeuginformationen wie etwa der Geschwindigkeitsabhängigkeit dynamisch geändert werden. Die Modellvertrauensschätzwerte können ebenfalls unter Verwendung von Daten von mehreren Fahrzeugen bestimmt werden. Die Informationen können durch verschiedene Verfahren wie etwa statistische Techniken, z. B. Dempster-Shafer-Theorie oder Bayes-Theorie, miteinander kombiniert werden. Die hierarchische Architektur ist skalierbar und flexibel und ermöglicht somit die dynamische Integration von Mehrfachfehlern.
- Die Informationen fließen von Teilsystem- und Komponenten-Entscheidungseinrichtungen, die auf der Grundlage lokaler Informationen die Entscheidungen treffen, in dem hierarchischen Baum nach oben. Der Gesamt-Fahrzeuggesundheitszustand kann durch Betrachtung der obersten Ebene des Baums bestimmt werden. Jeder Zweig kann ein anderes Teilsystem wie etwa einen Motor, ein elektrisches Teilsystem, ein Lenkungsteilsystem, ein Bremsteilsystem usw. repräsentieren, wobei der Gesundheitszustand dieser Teilsysteme zusammen mit einem Vertrauen in die Beurteilung bestimmt werden kann. Informationen in dem Baum können auch dazu verwendet werden, Komponenten, die die Gesamtfahrzeuggesundheit schwächen, zu ersetzen.
-
1 ist ein hierarchischer Baum10 des oben diskutierten Typs in Übereinstimmung mit einer Ausführungsform der vorliegenden Erfindung. Der Baum10 enthält vier Schichten, wobei eine oberste Schicht ein Hauptsteuerprogramm12 ist, das schließlich unter Verwendung der Informationen, die es empfängt, die Quelle eines Fehlers bestimmt. Der Baum10 zerfällt in drei Systeme, d. h. in ein Fahrzeugfahrwerksystem14 , in ein Fahrzeugantriebsstrangsystem16 und in ein Fahrzeugkarosseriesystem18 . Jedes separate System14 ,16 und18 kann auf einer dritten Ebene in seine repräsentativen Teilsysteme aufgeteilt werden. Zum Beispiel kann das Fahrwerksystem14 in ein Lenkungsteilsystem20 und in ein Bremsteilsystem22 aufgeteilt werden, kann das Antriebsstrangsystem16 in ein Motorteilsystem24 und in ein Getriebeteilsystem26 aufgeteilt werden und kann das Karosseriesystem18 in ein Sicherheitsteilsystem28 und in ein Luftsackteilsystem30 aufgeteilt werden. Jedes Teilsystem20 –30 enthält Komponenten auf einer vierten Ebene des Baums10 und kann irgendeine geeignete Komponente in diesem bestimmten Teilsystem sein. Zum Beispiel enthält das Lenkungsteilsystem Komponenten32 wie etwa einen Lenkradeinschlagwinkelsensor (HWA-Sensor). Gleichfalls enthält das Bremsteilsystem22 Komponenten34 , enthält das Motorteilsystem24 Komponenten36 , enthält das Getriebeteilsystem26 Komponenten38 und enthält das Sicherheitsteilsystem28 Komponenten40 und enthält das Luftsackteilsystem30 Komponenten42 . Falls die Teilsysteme und Komponenten aufgeteilt werden können, kann der Baum10 auf andere Ebenen unter der vierten Ebene der Komponenten32 –42 erweitert werden. - Jede der Komponenten
32 –42 , der Teilsysteme20 –30 , der Systeme14 ,16 und18 und des Hauptsteuerprogramms12 nutzt verschiedene Algorithmen, die Fahrzeugdiagnosecodes, -fehlercodes und andere Informationen und Daten analysieren. Diese Algorithmen enthalten Entscheidungsfindungsalgorithmen, die einen Vertrauensschätzwert dafür liefern, ob eine bestimmte Komponente32 –42 , ein bestimmtes Teilsystem20 –30 oder ein bestimmtes System14 ,16 und18 einen bestimmten Fehler oder einen potentiellen Fehler aufweist. Zum Beispiel werden Signale von den Komponenten32 –42 zu ihrem jeweiligen Teilsystem20 –30 gesendet, wobei sie Diagnosecodes enthalten, falls ein potentieller Fehler bei der Komponente auftritt. Ferner enthalten die Komponenten32 –34 Algorithmen, die zusätzliche Signale liefern, die mit dem Diagnosecode gesendet werden, die das Vertrauensschätzsignal darüber enthalten, wie sicher die besondere Komponente ist, dass der Fehler in dieser Komponente auftritt. Da die Informationen zu der nächsten Ebene nach oben gehen, können Algorithmen auf der Teilsystemebene daraufhin auf der Grundlage aller Signale, die sie von ihren Komponenten empfangen, unter Verwendung der Diagnosesignale und der Vertrauensschätzsignale beurteilen, ob eine dieser Komponenten einen Fehler aufweist. Die Teilsysteme20 –30 senden daraufhin Diagnosesignale und Vertrauensschätzsignale an die Systemebene, wobei das System14 ,16 oder18 die Signale von allen seinen Teilsystemen20 –30 verwendet, um auf der Grundlage der Vertrauensschätzsignale und der Diagnosecodes zu bestimmen, wo ein Fehler vorhanden sein kann. Somit wird das System14 ,16 und18 wissen, ob eine der Komponenten32 –42 in ihrem hierarchischen Systemweg fehlerhaft ist, und kann außerdem bestimmen, ob ein bestimmtes Teilsystem20 –30 mit einem gewissen Vertrauensgrad einen Fehler enthält. Daraufhin werden die Signale von dem System14 ,16 und18 an das Fahrzeughauptsteuerprogramm12 gesendet, das Aufsichtsalgorithmen enthält, um alle Signale von allen Systemen14 ,16 und18 zu überwachen. - Der Baum
10 kann zum Lokalisieren von Fehlern verwendet werden. Dies kann auf eine Anzahl von Arten bestimmt werden. Der wahrscheinlichste Fehler kann durch Bestimmen des Fehlerwegs entlang des Baums10 bestimmt werden. Die Entscheidungseinrichtungen in dem hierarchischen Baum10 werden in Echtzeit implementiert. Die Entscheidungseinrichtungen können irgendeine Form, z. B. Paritätsgleichungen, Kalman-Filter, Fuzzy-Modelle, neuronale Netze usw., aufweisen. Somit können die Entscheidungsfindungsalgorithmen auf jeder der Ebenen, während die Informationen in dem Baum10 nach oben fließen, die Informationen analysieren, um den Vertrauensgrad dafür zu bestimmen, welches Teilsystem oder welche Komponente einen Fehler aufweisen kann. Somit kann dieser Vertrauensgrad statistisch unter Verwendung verschiedener Prozesse wie etwa der Dempster-Shafer-Theorie oder der Bayes-Theorie analysiert werden. - Die umfassendere Verfügbarkeit von Zustandsinformationen auf der Fahrzeugebene kann die Fähigkeit zum Diagnostizieren von Fehlern mit besserem Erfassungsbereich als unter Verwendung von Informationen auf der Teilsystemebene oder Komponentenebene allein ermöglichen. Die Hypothese besagt, dass eine Herangehensweise auf der Fahrzeugebene zur Diagnose zunehmend wichtig wird, während die Teilsystemwechselwirkungen zunehmen. Die Diagnose gegenwärtiger Fahrzeugsysteme erfolgt symptomgesteuert, d. h., nach einer Beobachtung eines unerwarteten Ereignisses und/oder eines unerwarteten Messwerts wird ein Fehlercode ausgegeben, wobei eine Detektierung erforderlich ist, um die Ursache des Fehlers zu lokalisieren. Mit der Einführung intelligenter gesteuerter Systeme wird ein Detektierungsproblem insbesondere dann, wenn mehrere Systeme miteinander in Wechselwirkung treten, komplexer. Eine Kombination einer hierarchischen Herangehensweise und/oder einer Herangehensweise mit verteilter Diagnose kann hilfreich dabei sein, die Komplexität der Isolationsalgorithmen zu verringern. Dies geht auf Kosten zusätzlicher Verarbeitung und Kommunikation zwischen den betroffenen Systemen sowie der Speicheranforderungen zum Speichern von Informationen, insbesondere dann, wenn die Diagnose an Bord erfolgt.
- Die hierarchische Diagnose stützt sich auf die Theorie hierarchischer Informationen, wobei auf jeder Ebene für die Entscheidungsfindung nur die geforderten abstrahierten Informationen verwendet werden. Die höchste Ebene ist dafür verantwortlich, die Diagnoseentscheidungen zu treffen. Zum Beispiel können auf der Komponentenebene Ströme und Spannungen verwendet werden, um den Gesundheitszustand einer elektrischen Komponente zu verstehen. Somit würden lokale und vorhandene Diagnosealgorithmen/-prozeduren Informationen liefern, die zur Verwendung durch eine höhere Ebene in der Hierarchie extrahiert würden. Die Herausforderung besteht darin, die richtige Abstraktion zu ermitteln, sodass die Informationen nicht verlorengehen. Zwei Schichten können ausreichen, wobei aber in Abhängigkeit von der Komplexität des diagnostizierten Systems mehr hinzugefügt werden können.
-
2 ist ein Blockschaltplan eines hierarchischen Diagnosenetzes50 des oben diskutierten Typs in Übereinstimmung mit einer anderen Ausführungsform der vorliegenden Erfindung. Das Netz50 enthält ein Fahrzeugdiagnose-Hauptsteuerprogramm52 an der Spitze des Netzes50 , das Signale von einer Mehrzahl von Teilsystemen54 empfängt. Gleichfalls empfangen die Teilsysteme54 jeweils Signale von allen oder von den meisten der Komponenten in dem Netz50 . Wie bei dem Hierarchiebaum10 werden Signale mit Diagnosecodes, Vertrauensschätzwerten und anderen Informationen und Daten in dem Netz50 von der Komponentenebene zu der Teilsystemebene und daraufhin zu dem Hauptsteuerprogramm52 nach oben übergeben, sodass das Hauptsteuerprogramm52 mit einem bestimmten Vertrauensgrad eine Entscheidung darüber treffen kann, wo ein bestimmtes Problem innerhalb des Fahrzeugs vorliegt, sodass eine geeignete Maßnahme ergriffen werden kann. - Die verteilte Diagnose kann dazu verwendet werden, das Problem des Erhebens von Fehlerinformationen an einem Ort, um eine Entscheidung über das Auftreten eines Fehlers in einem Fahrzeugsystem, in einem Fahrzeugteilsystem oder in einer Fahrzeugkomponente zu treffen, zu überwinden. Diese Techniken stützen sich auf den Austausch von Informationen zwischen einem Satz von Knoten und auf das Ausarbeiten eines Satzes von Regeln, um auf der Grundlage der ausgetauschten Informationen das Auftreten des Fehlers zu folgern.
- Der integrierte Fehlerdetektierungs- und Fehlerlokalisierungsprozess der Erfindung kann auch erweitert werden, um nicht notwendig einen Baum, sondern einen Graphen der System- oder Teilsystemwechselwirkungen zu erzeugen. Ein solcher Graph kann eine Analyse liefern, um in Echtzeit die wahrscheinlichste Ursache eines Fehlers zu bestimmen. Dies liegt daran, dass einige Teilsysteme mehrere Vorgänger haben können, wobei z. B. ein Teilsystem sowohl elektrisch als auch mechanisch sein kann. Somit kann ein Fehler durch Ausführen einer Suche in dem Graphen lokalisiert werden. Da es für eine spezifische Situation mehrere Wege durch den Graphen geben kann, können Techniken wie etwa Fuzzy Logik, Shafer-Dempster-Prozesse usw. angewendet werden, um den bestmöglichen Weg zu ermitteln.
-
3 ist ein graphengestütztes Diagnose- und Prognosesystem60 des oben diskutierten Typs in Übereinstimmung mit einer anderen Ausführungsform der vorliegenden Erfindung. Das System60 enthält eine Mehrzahl von Knoten62 einschließlich eines Stammknotens64 , die durch Informationswege66 miteinander verbunden sind. Die Knoten62 sind Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme und enthalten Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule. Die Folgerungsmodule stellen Informationen zusammen, die z. B. unter Verwendung von Fuzzy Logik, neuronalen Netzen usw. empfangen werden. Die Folgerungsmodule verarbeiten die Informationen über die Fehler, von denen sie auf der Grundlage der lokalen Ansicht des Gesamtsystems Kenntnis haben, und leiten die Informationen einschließlich Fehlerschätzwert und Gesundheitsschätzwert und Signalen zum Schätzen der Genauigkeit der Informationen auf den Informationswegen66 zu anderen Knoten62 , mit denen sie verbunden sind, weiter. Die Empfangsknoten62 können zusätzliche lokale Informationen besitzen und auf der Grundlage der zu ihnen fließenden Informationen verschiedene Entscheidungen treffen. Der Graph ist dynamisch, wobei Knoten in das System60 eintreten und es verlassen. Dies geschieht, wenn das System in einen anderen Zustand wechselt oder wenn einer der Knoten62 einen Fehler detektiert und abschaltet. - Die vorstehende Diskussion offenbart und beschreibt lediglich beispielhafte Ausführungsformen der vorliegenden Erfindung. Der Fachmann auf dem Gebiet erkennt aus dieser Diskussion und aus den beigefügten Zeichnungen und Ansprüchen leicht, dass daran verschiedene Änderungen, Abwandlungen und Veränderungen vorgenommen werden können, ohne von dem Erfindungsgedanken und Umfang der wie in den folgenden Ansprüchen definierten Erfindung abzuweichen.
- Zusammenfassung
- Ein System und ein Verfahren zum Bestimmen der Grundursache eines Fehlers in einem Fahrzeugsystem, in einem Fahrzeugteilsystem oder in einer Fahrzeugkomponente unter Verwendung von Modellen und Beobachtungen. In einer Ausführungsform wird ein hierarchischer Baum genutzt, um Fehler- oder Diagnosecodes von mehreren Teilsystemen und Komponenten zu kombinieren, um einen Vertrauensschätzwert davon zu erhalten, ob ein bestimmter Diagnosecode eine genaue Angabe eines Problems bei einem bestimmten Teilsystem oder bei einer bestimmten Komponente gibt. In einer anderen Ausführungsform wird ein hierarchisches Diagnosenetz genutzt, das sich auf die Theorie hierarchischer Informationen stützt, wobei für die Entscheidungsfindung auf irgendeiner Ebene des Netzes nur die geforderten abstrahierten Informationen verwendet werden. In einer anderen Ausführungsform wird ein graphengestütztes Diagnose- und Prognosesystem genutzt, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind. Die Knoten sind Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme und enthalten Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule.
Claims (20)
- Verfahren zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das Verfahren umfasst: Aufteilen des Fahrzeugs in eine Mehrzahl von Systemen, in eine Mehrzahl von Teilsystemen und in eine Mehrzahl von Komponenten; Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Baum mit Ebenen, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt; Nutzen von Algorithmen in den Systemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale der Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist; Senden von Signalen, die die Vertrauensschätzsignale enthalten, von den Komponenten zu den Teilsystemen und von den Teilsystemen zu den Systemen; Analysieren der Vertrauensschätzsignale in der Mehrzahl von Systemen, um einen Fehler zu lokalisieren zu versuchen; und Senden von Signalen an ein Hauptsteuerprogramm an der Spitze des Baums, das einen bestimmten Fehler mit einem bestimmten Vertrauensgrad identifiziert.
- Verfahren nach Anspruch 1, wobei das Nutzen von Algorithmen das Nutzen statistischer Algorithmen enthält.
- Verfahren nach Anspruch 2, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Dempster-Shafer-Theorie-Algorithmen und aus Bayes-Theorie-Algorithmen besteht.
- Verfahren nach Anspruch 2, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Paritätsgleichungen, Kalman-Filtern, Fuzzy-Modellen und neuronalen Netzen besteht.
- Verfahren nach Anspruch 1, wobei das Aufteilen des Fahrzeugs in eine Mehrzahl von Systemen das Aufteilen des Fahrzeugs in ein Fahrwerksystem, in ein Antriebsstrangsystem und in ein Karosseriesystem enthält.
- Verfahren nach Anspruch 5, wobei das Aufteilen des Fahrzeugs in eine Mehrzahl von Teilsystemen das Aufteilen des Fahrzeugs in ein Lenkungsteilsystem und in ein Bremsteilsystem, die Teil des Fahrwerkssystems sind, in ein Motorteilsystem und in ein Getriebeteilsystem, die Teil des Antriebsstrangsystems sind, und in ein Sicherheitsteilsystem und in ein Luftsackteilsystem, die Teil des Karosseriesystems sind, enthält.
- Verfahren nach Anspruch 6, wobei das Aufteilen des Fahrzeugs in Komponenten das Aufteilen des Fahrzeugs in Sensoren und Detektoren enthält.
- Verfahren nach Anspruch 1, wobei das Klassifizieren der Systeme, Teilsysteme und Komponenten das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Diagnosenetz enthält, in dem die Komponenten Signale an alle Teilsysteme liefern.
- Verfahren zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das Verfahren umfasst: Identifizieren einer Mehrzahl von Systemen, einer Mehrzahl von Teilsystemen und einer Mehrzahl von Komponenten in dem Fahrzeug; Nutzen von Algorithmen in den Systemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale für die Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist; Senden der Vertrauensschätzsignale zwischen und unter der Mehrzahl von Systemen, der Mehrzahl von Teilsystemen und der Mehrzahl von Komponenten; und Analysieren der Vertrauensschätzsignale in der Mehrzahl von Systemen und Teilsystemen, um einen Fehler zu identifizieren und zu lokalisieren zu versuchen.
- Verfahren nach Anspruch 9, das ferner das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Baum umfasst, der Ebenen aufweist, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und wobei jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt.
- Verfahren nach Anspruch 10, das ferner das Senden von Signalen an ein Hauptsteuerprogramm an der Spitze des Baums, das einen bestimmten Fehler mit einem bestimmten Vertrauensgrad identifiziert, umfasst.
- Verfahren nach Anspruch 9, das ferner das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem hierarchischen Diagnosenetz umfasst, wobei die Komponenten Signale an alle Teilsysteme liefern.
- Verfahren nach Anspruch 9, das ferner das Klassifizieren der Systeme, Teilsysteme und Komponenten in einem graphengestützten Diagnose- und Prognosesystem, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind, umfasst, wobei die Knoten Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme sind und Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule enthalten.
- Verfahren nach Anspruch 9, wobei das Nutzen von Algorithmen das Nutzen statistischer Algorithmen enthält.
- Verfahren nach Anspruch 14, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Dempster-Shafer-Theorie-Algorithmen und Bayes-Theorie-Algorithmen besteht.
- Verfahren nach Anspruch 14, wobei das Nutzen statistischer Algorithmen das Nutzen von Algorithmen enthält, die aus der Gruppe ausgewählt werden, die aus Paritätsgleichungen, Kalman-Filtern, Fuzzy-Modellen und neuronalen Netzen besteht.
- Fehlerdiagnosesystem zum Bereitstellen einer Fehlerdetektierung und -lokalisierung in einem Fahrzeug, wobei das System umfasst: ein Mittel zum Identifizieren einer Mehrzahl von Fahrzeugsystemen, einer Mehrzahl von Teilsystemen und einer Mehrzahl von Komponenten in dem Fahrzeug; ein Mittel zum Nützen von Algorithmen in den Fahrzeugsystemen, Teilsystemen und Komponenten, die Diagnosecodes, Fehlercodes und andere Informationen liefern und analysieren, um Vertrauensschätzsignale für die Wahrscheinlichkeit zu liefern, dass ein bestimmtes Teilsystem oder eine bestimmte Komponente gestört ist; ein Mittel zum Senden der Vertrauensschätzsignale zwischen und unter der Mehrzahl von Fahrzeugsystemen, der Mehrzahl von Teilsystemen und der Mehrzahl von Komponenten; und ein Mittel zum Analysieren der Vertrauensschätzsignale in der Mehrzahl von Fahrzeugsystemen und Teilsystemen, um einen Fehler zu identifizieren und zu lokalisieren zu versuchen.
- Fehlerdiagnosesystem nach Anspruch 17, das ferner ein Mittel zum Klassifizieren der Fahrzeugsysteme, Teilsysteme und Komponenten in einem hierarchischen Baum umfasst, der Ebenen aufweist, wobei jedes System Signale von einer Mehrzahl von Teilsystemen auf einer tieferen Ebene als die Mehrzahl von Systemen empfängt und wobei jedes Teilsystem Signale von einer Mehrzahl von Komponenten auf einer tieferen Ebene als die Teilsysteme empfängt.
- Fehlerdiagnosesystem nach Anspruch 17, das ferner ein Mittel zum Klassifizieren der Fahrzeugsysteme, Teilsysteme und Komponenten in einem hierarchischen Diagnosenetz umfasst, wobei die Komponenten Signale an alle Teilsysteme liefern.
- Fehlerdiagnosesystem nach Anspruch 17, das ferner ein Mittel zum Klassifizieren der Fahrzeugsysteme, Teilsysteme und Komponenten in einem graphengestützten Diagnose- und Prognosesystem, das eine Mehrzahl von Knoten enthält, die durch Informationswege miteinander verbunden sind, umfasst, wobei die Knoten Fehlerdiagnose- und Fehlerprognoseknoten für Komponenten oder Teilsysteme sind und Fehler- und Gesundheitszustands-Diagnosemodule und -Folgerungsmodule enthalten.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/131,347 US20090295559A1 (en) | 2008-06-02 | 2008-06-02 | Integrated hierarchical process for fault detection and isolation |
US12/131,347 | 2008-06-02 | ||
PCT/US2009/045774 WO2009148984A1 (en) | 2008-06-02 | 2009-06-01 | Integrated hierarchical process for fault detection and isolation |
Publications (1)
Publication Number | Publication Date |
---|---|
DE112009001371T5 true DE112009001371T5 (de) | 2011-04-28 |
Family
ID=41379092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112009001371T Withdrawn DE112009001371T5 (de) | 2008-06-02 | 2009-06-01 | Integrierter hierarchischer Prozess für die Fehlerdetektierung und -lokalisierung |
Country Status (4)
Country | Link |
---|---|
US (1) | US20090295559A1 (de) |
CN (1) | CN102046443A (de) |
DE (1) | DE112009001371T5 (de) |
WO (1) | WO2009148984A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015201569A1 (de) * | 2015-01-29 | 2016-08-04 | Continental Teves Ag & Co. Ohg | Fahrzeugsteuervorrichtung und verfahren |
DE102021115385A1 (de) | 2021-06-14 | 2022-12-15 | Hans Kallich | KfZ-Diagnosegerät zur Anzeige eines Schaltbildes mit Mess- und Steuersignalen |
DE102021128916A1 (de) | 2021-11-05 | 2023-05-11 | Hans Kallich | Kfz–Diagnosegerät mit einem Diagnoseprozessrechner |
Families Citing this family (54)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8055400B2 (en) * | 2008-04-25 | 2011-11-08 | GM Global Technology Operations LLC | Control system and method for filtering dependent diagnostic trouble codes |
US8099206B2 (en) * | 2008-10-24 | 2012-01-17 | GM Global Technology Operations LLC | Combined evidence vehicle health monitoring |
CN101941439B (zh) * | 2010-09-25 | 2013-01-30 | 重庆长安汽车股份有限公司 | 一种用于混合动力汽车的避免并发性故障的控制系统故障诊断方法 |
US8831826B2 (en) * | 2011-11-16 | 2014-09-09 | Flextronics Ap, Llc | Gesture recognition for on-board display |
US8751777B2 (en) | 2011-01-28 | 2014-06-10 | Honeywell International Inc. | Methods and reconfigurable systems to optimize the performance of a condition based health maintenance system |
US8615773B2 (en) | 2011-03-31 | 2013-12-24 | Honeywell International Inc. | Systems and methods for coordinating computing functions to accomplish a task using a configuration file and standardized executable application modules |
US8990770B2 (en) | 2011-05-25 | 2015-03-24 | Honeywell International Inc. | Systems and methods to configure condition based health maintenance systems |
WO2013053134A1 (zh) * | 2011-10-14 | 2013-04-18 | 中联重科股份有限公司 | 挖掘机以及确定设备故障的方法、系统 |
US8726084B2 (en) | 2011-10-14 | 2014-05-13 | Honeywell International Inc. | Methods and systems for distributed diagnostic reasoning |
US9160620B2 (en) * | 2011-11-30 | 2015-10-13 | GM Global Technology Operations LLC | Integrated fault diagnosis and prognosis for in-vehicle communications |
US8832649B2 (en) | 2012-05-22 | 2014-09-09 | Honeywell International Inc. | Systems and methods for augmenting the functionality of a monitoring node without recompiling |
US8977423B2 (en) | 2012-05-23 | 2015-03-10 | Snap-On Incorporated | Methods and systems for providing vehicle repair information |
GB201211283D0 (en) * | 2012-06-26 | 2012-08-08 | Bae Systems Plc | Assisting with vehicle assessment |
US8832716B2 (en) | 2012-08-10 | 2014-09-09 | Honeywell International Inc. | Systems and methods for limiting user customization of task workflow in a condition based health maintenance system |
US9158834B2 (en) | 2013-01-21 | 2015-10-13 | Snap-On Incorporated | Methods and systems for mapping repair orders within a database |
JP6239895B2 (ja) * | 2013-08-08 | 2017-11-29 | 株式会社ジェイテクト | モータ制御装置及び電動パワーステアリング装置 |
US9336244B2 (en) | 2013-08-09 | 2016-05-10 | Snap-On Incorporated | Methods and systems for generating baselines regarding vehicle service request data |
US9477950B2 (en) | 2014-09-04 | 2016-10-25 | Snap-On Incorporated | Prognostics-based estimator |
US9672497B1 (en) | 2013-11-04 | 2017-06-06 | Snap-On Incorporated | Methods and systems for using natural language processing and machine-learning to produce vehicle-service content |
CN104615513A (zh) * | 2013-11-05 | 2015-05-13 | 张永军 | 多级代码标准化故障分析方法 |
US9201930B1 (en) | 2014-05-06 | 2015-12-01 | Snap-On Incorporated | Methods and systems for providing an auto-generated repair-hint to a vehicle repair tool |
CN104133984B (zh) * | 2014-07-01 | 2017-01-18 | 西北工业大学 | 模块化复杂装备贝叶斯网络故障预测方法 |
EP3037906A1 (de) | 2014-12-23 | 2016-06-29 | Televic Rail NV | Vorrichtung und Verfahren zur verteilten Diagnoseanalyse |
US9639995B2 (en) | 2015-02-25 | 2017-05-02 | Snap-On Incorporated | Methods and systems for generating and outputting test drive scripts for vehicles |
US10216796B2 (en) | 2015-07-29 | 2019-02-26 | Snap-On Incorporated | Systems and methods for predictive augmentation of vehicle service procedures |
US11429936B2 (en) | 2015-10-02 | 2022-08-30 | Snap-On Incorporated | System and method for dynamically-changeable displayable pages with vehicle service information |
US11144888B2 (en) | 2015-10-02 | 2021-10-12 | Snap-On Incorporated | Method and system for augmenting real-fix tips with additional content |
CN105718327B (zh) * | 2016-02-18 | 2018-12-07 | 谭晓栋 | 一种基于测试性模型和贝叶斯推理的故障深度隔离方法 |
US10643158B2 (en) | 2016-04-01 | 2020-05-05 | Snap-On Incorporated | Technician timer |
US10692035B2 (en) * | 2016-07-26 | 2020-06-23 | Mitchell Repair Information Company, Llc | Methods and systems for tracking labor efficiency |
CN107786897A (zh) * | 2016-08-31 | 2018-03-09 | 南京中兴新软件有限责任公司 | Iptv系统故障定位方法及系统 |
CN106569475B (zh) * | 2016-10-15 | 2018-10-19 | 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) | 一种远程取水监测设备故障分级诊断方法 |
CN107139932A (zh) * | 2017-05-27 | 2017-09-08 | 奇瑞汽车股份有限公司 | 应用于整车控制系统的通信诊断方法 |
US10733548B2 (en) | 2017-06-16 | 2020-08-04 | Snap-On Incorporated | Technician assignment interface |
US10424127B2 (en) * | 2017-08-28 | 2019-09-24 | GM Global Technology Operations LLC | Controller architecture for monitoring health of an autonomous vehicle |
US20190066406A1 (en) * | 2017-08-28 | 2019-02-28 | Gm Global Technology Operations Llc, | Method and apparatus for monitoring a vehicle |
JP6801623B2 (ja) * | 2017-10-04 | 2020-12-16 | トヨタ自動車株式会社 | グリルシャッタ制御装置 |
US20200258057A1 (en) * | 2017-10-06 | 2020-08-13 | Hitachi, Ltd. | Repair management and execution |
CN111376849A (zh) * | 2018-12-27 | 2020-07-07 | 驭势科技(北京)有限公司 | 一种车辆底盘老化检测方法、装置、车载设备及存储介质 |
CN111824173B (zh) * | 2019-04-11 | 2022-12-13 | 上海汽车集团股份有限公司 | 一种适于智能驾驶系统故障的分级处理方法及装置 |
CN110110401B (zh) * | 2019-04-19 | 2020-02-04 | 深圳市德塔防爆电动汽车有限公司 | 一种基于安全树模型的电动车辆安全设计优化方法 |
CN110223416B (zh) * | 2019-05-27 | 2021-05-14 | 深圳市德塔防爆电动汽车有限公司 | 一种电动车辆的原始数据分析方法以及电动车辆 |
DE102019208729A1 (de) * | 2019-06-14 | 2020-12-17 | Continental Automotive Gmbh | Verfahren zum Sicherstellen und Aufrechterhalten der Funktion eines sicherheitskritischen Gesamtsystems |
US11150623B2 (en) | 2019-06-28 | 2021-10-19 | GM Global Technology Operations LLC | Data-driven approach for effective system change identification |
GB2595430B (en) * | 2019-09-02 | 2024-04-17 | Jaguar Land Rover Ltd | Electrical architecture for service-oriented vehicle diagnostics |
JP2022546077A (ja) * | 2019-08-30 | 2022-11-02 | ジャガー・ランド・ローバー・リミテッド | 車両用の分散診断アーキテクチャ |
GB2586633B (en) * | 2019-08-30 | 2022-09-07 | Jaguar Land Rover Ltd | Layered electrical architecture for vehicle diagnostics |
CN110606106A (zh) * | 2019-09-26 | 2019-12-24 | 北京唐智科技发展有限公司 | 一种列车安全运行综合监控系统、方法以及故障诊断仪 |
CN114463016A (zh) * | 2020-10-21 | 2022-05-10 | 华晨宝马汽车有限公司 | 优化索赔成本回收过程的方法、系统和设备 |
US11798325B2 (en) | 2020-12-09 | 2023-10-24 | Cummins Inc. | Fault isolation using on-board diagnostic (OBD) capability data |
CN112598287A (zh) * | 2020-12-25 | 2021-04-02 | 武汉烽火信息集成技术有限公司 | 一种轨道交通健康评估方法及系统 |
GB2604904B (en) * | 2021-03-18 | 2024-01-03 | Jaguar Land Rover Ltd | Diagnostics system for a vehicle |
GB2591053A (en) * | 2021-03-26 | 2021-07-14 | Ashok Bongirwar Rajiv | Unintended control action (UCA) and causes within a machine |
US11801758B2 (en) * | 2021-11-27 | 2023-10-31 | Xidong Tang | Method and apparatus for controlling distributed propulsion systems |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07147574A (ja) * | 1993-06-18 | 1995-06-06 | Nec Corp | 階層的障害報告方式 |
US7650210B2 (en) * | 1995-06-07 | 2010-01-19 | Automotive Technologies International, Inc. | Remote vehicle diagnostic management |
US6141608A (en) * | 1997-10-28 | 2000-10-31 | Snap-On Tools Company | System for dynamic diagnosis of apparatus operating conditions |
JPH11149491A (ja) * | 1997-11-17 | 1999-06-02 | Toshiba Corp | 故障検出率評価方法 |
TW420771B (en) * | 1999-08-14 | 2001-02-01 | Ibm | Electronic control system for controlling the function of a processing system and method for managing system fault situations of the electronic control system |
US6766230B1 (en) * | 2000-11-09 | 2004-07-20 | The Ohio State University | Model-based fault detection and isolation system and method |
US7136794B1 (en) * | 2001-05-24 | 2006-11-14 | Simmonds Precision Products, Inc. | Method and apparatus for estimating values for condition indicators |
GB0114424D0 (en) * | 2001-06-13 | 2001-08-08 | Ricardo Consulting Eng | Improved vehicle control |
DE10135586B4 (de) * | 2001-07-20 | 2007-02-08 | Eads Deutschland Gmbh | Rekonfigurations-Verfahren für ein Sensorsystem mit zwei Beobachtern und Sensorsystem zur Durchführung des Verfahrens |
US6662089B2 (en) * | 2002-04-12 | 2003-12-09 | Honeywell International Inc. | Method and apparatus for improving fault classifications |
US6748304B2 (en) * | 2002-08-16 | 2004-06-08 | Honeywell International Inc. | Method and apparatus for improving fault isolation |
DE10341412A1 (de) * | 2003-05-13 | 2005-01-05 | Continental Teves Ag & Co. Ohg | Fahrdynamikregelsystem für Fahrzeuge |
JP4059194B2 (ja) * | 2003-12-25 | 2008-03-12 | トヨタ自動車株式会社 | 車両の統合制御システム |
WO2006086894A1 (en) * | 2005-02-15 | 2006-08-24 | Abb Research Ltd | Diagnostic device for a process control system |
JP2006229421A (ja) * | 2005-02-16 | 2006-08-31 | Matsushita Electric Ind Co Ltd | ネットワーク故障診断装置 |
CN101118694A (zh) * | 2007-05-18 | 2008-02-06 | 李克明 | 汽车智能化管理系统 |
-
2008
- 2008-06-02 US US12/131,347 patent/US20090295559A1/en not_active Abandoned
-
2009
- 2009-06-01 DE DE112009001371T patent/DE112009001371T5/de not_active Withdrawn
- 2009-06-01 CN CN2009801203496A patent/CN102046443A/zh active Pending
- 2009-06-01 WO PCT/US2009/045774 patent/WO2009148984A1/en active Application Filing
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015201569A1 (de) * | 2015-01-29 | 2016-08-04 | Continental Teves Ag & Co. Ohg | Fahrzeugsteuervorrichtung und verfahren |
US10661788B2 (en) | 2015-01-29 | 2020-05-26 | Continental Teves Ag & Co. Ohg | Vehicle control device and method |
DE102021115385A1 (de) | 2021-06-14 | 2022-12-15 | Hans Kallich | KfZ-Diagnosegerät zur Anzeige eines Schaltbildes mit Mess- und Steuersignalen |
DE102021128916A1 (de) | 2021-11-05 | 2023-05-11 | Hans Kallich | Kfz–Diagnosegerät mit einem Diagnoseprozessrechner |
Also Published As
Publication number | Publication date |
---|---|
CN102046443A (zh) | 2011-05-04 |
US20090295559A1 (en) | 2009-12-03 |
WO2009148984A1 (en) | 2009-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112009001371T5 (de) | Integrierter hierarchischer Prozess für die Fehlerdetektierung und -lokalisierung | |
DE112018002176B4 (de) | Anormalitätsbestimmungsvorrichtung, Anormalitätsbestimmungsverfahren und Anormalitätsbestimmungsprogramm | |
DE102017107284B4 (de) | Verfahren und steuergerät zum überwachen eines bordnetzes eines fahrzeugs | |
EP2534011B1 (de) | Fahrzeug-sensor-knoten | |
DE102008013366B4 (de) | Verfahren zur Bereitstellung von Information für Fahrerassistenzsysteme | |
DE10307342B4 (de) | Vorrichtung und Verfahren zur modellbasierten On-Board-Diagnose | |
EP3646184B1 (de) | Verfahren, vorrichtung und computerlesbares speichermedium mit instruktionen zum auflösen einer redundanz von zwei oder mehr redundanten modulen | |
DE102010010043A1 (de) | Fusion angesammelter Informationen für verbesserte Diagnose-, Prognose- und Wartungspraktiken von Fahrzeugen | |
DE102010051133A1 (de) | Fehlerdiagnose und -prognose unter Verwendung von Diagnosestörungscode-Markov-Ketten | |
WO2021121695A1 (de) | Verfahren, vorrichtung und system zur detektion von anomalen betriebszuständen eines geräts | |
DE19607429B4 (de) | Fehlertolerante Steuerungseinrichtung für ein physikalisches System, insbesondere Fahrdynamikregeleinrichtung für ein Kraftfahrzeug | |
EP2078253A2 (de) | Verfahren und vorrichtung zur fehlerverwaltung | |
DE102017219473A1 (de) | Verfahren zum vorausschauenden Erkennen eines Ausfalls einer Komponente eines Fahrzeugs, computerlesbares Medium, System, und Fahrzeug umfassend das System | |
DE102015224696A1 (de) | Risikobasierte Steuerung eines Kraftfahrzeugs | |
DE102017214531A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Kraftfahrzeugs in einem automatisierten Fahrbetrieb sowie Kraftfahrzeug | |
DE102017218438A1 (de) | Verfahren und System zum Betreiben eines Fahrzeugs | |
EP3400452B1 (de) | Transporteinheit mit zumindest einer anlage | |
EP2102723B1 (de) | Verfahren und vorrichtung zum diagnostizieren von funktionen und fahrzeugsystemen | |
DE102018220605A1 (de) | Kraftfahrzeugnetzwerk und Verfahren zum Betreiben eines Kraftfahrzeugnetzwerks | |
DE102012221277A1 (de) | Fahrzeugsteuervorrichtung | |
DE102020114609B4 (de) | Verfahren zum Bereitstellen eines introspektiven Fehlervorhersagemodells, Assistenzsystem und Kraftfahrzeug | |
DE112019007286T5 (de) | Fahrzeuginterne steuerungsvorrichtung und fahrzeuginternes steuerungssystem | |
DE102007026934B4 (de) | System und Verfahren zur Ausfalldetektion eines Sensors, insbesondere eines Winkelsensors, einer aktiven Frontlenkung in einem System mit mehreren Sensoren, insbesondere Winkelsensoren | |
DE102012212680A1 (de) | Verfahren und System zur fehlertoleranten Steuerung von Stellgliedern für eine begrenzte Zeit auf der Grundlage von vorberechneten Werten | |
DE10332202A1 (de) | Bayesnetz-basiertes Expertensystem zur Diagnose, Risikoanalyse und Funktions-Wiederherstellung, insbesondere bei Kraftfahrzeugen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8127 | New person/name/address of the applicant |
Owner name: GM GLOBAL TECHNOLOGY OPERATIONS LLC , ( N. D. , US |
|
R081 | Change of applicant/patentee |
Owner name: GM GLOBAL TECHNOLOGY OPERATIONS LLC (N. D. GES, US Free format text: FORMER OWNER: GM GLOBAL TECHNOLOGY OPERATIONS, INC., DETROIT, US Effective date: 20110323 |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20140101 |