一种网联汽车控制系统的故障诊断方法技术方案

本发明专利技术公开了一种网联汽车控制系统的故障诊断方法，将网联汽车控制系统分为信息层和控制层，其中信息层采用基于遗传粒子群滤波进行信息节点的输出状态参数估计，计算与实际输出状态参数的残差，据此进行故障诊断；控制层采用多层扩张状态观测器进行控制节点的输出状态参数估计，计算与实际输出状态参数的残差，据此进行故障诊断。本发明专利技术为网联汽车控制系统提供了一种全新的故障诊断方法，为网联汽车控制系统的安全运行提供了技术保障。

A Fault Diagnosis Method for Networked Vehicle Control System

【技术实现步骤摘要】
一种网联汽车控制系统的故障诊断方法
本专利技术属于网联汽车控制
，更为具体地讲，涉及一种网联汽车控制系统的故障诊断方法。
技术介绍
智能网联汽车也是一种多信息源的复杂信息物理融合系统(Cyberphysicalsystems，CPS)，这样也为黑客留下了攻击漏洞。近年来，SecurityAffairs网站上报道各种“智能网联汽车信息安全漏洞”，网络攻击严重威胁"智能网联汽车"的安全行驶。2011年，来自加州大学圣地亚哥分校和华盛顿大学的两个研究团队实现物理接触控制汽车。2013年DEFCON大会，OBD-II控制福特翼虎、丰田普锐斯的方向盘、刹车、油门。2015年，两名黑客在美国做了一场试验：利用互联网技术侵入一辆行驶中的切诺基吉普车电子系统，远程操控加速、制动系统、电台和雨刷器等装置，甚至让汽车冲进路旁沟里。2015年UNENIX大会上，加州大学圣地亚哥分校利用OBD设备实现了对汽车的远程控制。2016年科恩实验室宣布，他们以“远程无物理接触”的方式成功入侵了特斯拉汽车,他们展示了低速情况时的突然刹停，并且在刹车过程中，刹车灯不亮，而车门却是处于解锁状态，危险程度是致命的。然而，这些网络攻击不仅仅是停留在信息交互的网络中，还可能进入汽车CAN总线中攻击控制器，最终实现对网联汽车进行攻击使其故障，达到攻击者的目的。所以，针对于智能网联汽车来说急需针对网络攻击的网络故障诊断方法用于对网联汽车进行诊断，确保智能网联汽车的安全行驶。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种网联汽车控制系统的故障诊断方法，将网联汽车控制系统分为信息层和控制层，分别设置故障诊断策略，为网联汽车控制系统的安全运行提供了技术保障。为了实现上述专利技术目的，本专利技术网联汽车控制系统的故障诊断方法包括以下步骤：S1：将网联汽车控制系统分为控制层和信息层，控制层中的控制节点为网联汽车控制系统中实现控制功能的节点，其余节点作为信息节点划分至信息层，信息层中的信息节点由控制层中的控制节点进行控制；S2：对于信息层中的每个信息节点，记其在时刻t的输出状态参数向量B(t)＝(b1(t),b2(t),…,bM(t))T，bm(t)表示第m个输出状态参数bm在时刻t的值，m＝1,2,…,M，M表示状态参数数量；对于每个输出状态参数，采用基于遗传粒子群滤波的输出状态参数估计算法估计到时刻t的输出状态参数如果则判定该信息节点发生故障，否则信息节点正常；其中基于遗传粒子群滤波的输出状态参数估计算法的具体步骤包括：S2.1：确定信息节点中影响输出状态参数bm的参数，得到影响参数向量am＝(am1,am2,…,amG)T，其中amg表示输出状态参数bm的第g个影响参数，g＝1,2,…,G，G表示状态参数数量，确定以影响参数向量am为自变量的输出状态参数bm函数表达式bm(t)＝h(t,am(t))，am(t)表示时刻t的影响参数向量am的值；S2.2：根据预先确定的先验概率p(am(0))产生粒子集i＝1,2,…,No，N0表示粒子数量，并且令所有粒子对应的权值初始值S2.3：初始化诊断时刻t＝1；S2.4：采用以下公式更新粒子权值：其中，表示影响参数向量am在时刻t的值时对应输出状态参数bm在时刻t函数值的条件概率，表示影响参数向量am在时刻t-1的值时对应影响参数向量am在时刻t的值的条件概率，表示影响参数向量am在时刻t-1的值时与输出状态参数bm在时刻t函数值时对应影响参数向量am在时刻t的值的条件概率；对权值进行归一化，得到归一化后的权值S2.5：判断粒子权值方差是否小于预设阈值，如果是，进入步骤S2.7，否则进入步骤S2.6；S2.6：进行粒子的交叉、变异，得到新的粒子集返回步骤S204；S2.7：根据以下公式进行状态估计：S2.8：根据以下公式计算得到输出状态参数的估计值S2.9：预测下一时刻的影响参数向量f[]表示预先确定的影响参数向量的递增函数；S2.10：令t＝t+1，返回步骤S2.2；S3：对于控制层的故障诊断，本专利技术中为每个控制节点设置一个多层扩张状态观测器，包括N个观测器，N表示控制节点的输出状态参数数量；多层扩张状态观测器的结构表达式如下：其中，Observer_d表示控制节点第d个输出状态参数对应的观测器，d＝1,2,…,D，γd(k)表示观测器辅助变量，Ωd、Ξd、Ψd和Υd表示观测器增益系数矩阵，yd(k)表示时刻k时控制节点第d个输出状态参数的值，表示时刻k时对控制节点第d个输出状态参数的估计值；预先在智能汽车正常运行情况下，通过多层扩张状态观测器获取控制节点W个时刻的输出状态参数yd(w)及对应的估计状态信息w＝1,2,…,W，计算得到各个输出状态参数的残差样本向量Rd＝[rd1,rd2,…,rdW]，其中然后对于每个残差样本向量Rd进行系统参数化表示，得到系统参数向量θd，对每一种状态参数的系统参数向量θd进行核密度估计，得到残差概率密度函数估计值pNF(θd)；在智能汽车运行时，通过观测器周期性地获取W个时刻的状态信息，采用同样方法通过观测器得到各个状态参数对应的残差样本向量Rd′，进行系统参数化表示之后得到系统参数向量θd′，进行核密度估计得到残差概率密度函数估计值p(θd′)；计算每个状态参数的残差概率密度函数估计值p(θd′)与对应正常运行情况下残差概率密度函数估计值pNF(θd)之间的散度，如果散度大于预设阈值，则认为该状态参数故障，否则该状态参数正常。本专利技术网联汽车控制系统的故障诊断方法，将网联汽车控制系统分为信息层和控制层，其中信息层采用基于遗传粒子群滤波进行信息节点的输出状态参数估计，计算与实际输出状态参数的残差，据此进行故障诊断；控制层采用多层扩张状态观测器进行控制节点的输出状态参数估计，计算与实际输出状态参数的残差，据此进行故障诊断。本专利技术为网联汽车控制系统提供了一种全新的故障诊断方法，为网联汽车控制系统的安全运行提供了技术保障。附图说明图1是本专利技术网联汽车控制系统的故障诊断方法的具体实施方式流程图；图2是本专利技术中网联汽车控制系统分层示意图；图3是本专利技术中基于遗传粒子群滤波的输出状态参数估计的流程图。具体实施方式下面结合附图对本专利技术的具体实施方式进行描述，以便本领域的技术人员更好地理解本专利技术。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本专利技术的主要内容时，这些描述在这里将被忽略。实施例图1是本专利技术网联汽车控制系统的故障诊断方法的具体实施方式流程图。如图1所示，本专利技术网联汽车控制系统的故障诊断方法的具体步骤包括：S101：网联汽车控制系统分层：将网联汽车控制系统分为控制层和信息层。图2是本专利技术中网联汽车控制系统分层示意图。如图2所示，控制层中的控制节点为网联汽车控制系统中实现控制功能的节点，其余节点作为信息节点划分至信息层，信息层中的信息节点由控制层中的控制节点进行控制。一般来说，信息层包括车-路系统、车-车系统和车-网系统，车路系统为车与路之间的信息通信网络，车-车系统为车与车之间的信息通信网络，车-网系统为车与网之间的信息通信网络。控制层包括控制器、执行器、系统组件、传感器和观测器。S102：信息层故障诊断：经研究发现，信息层所发生的故障主要分本文档来自技高网...

【技术保护点】
1.一种网联汽车控制系统的故障诊断方法，其特征在于，包括以下步骤：S1：将网联汽车控制系统分为控制层和信息层，控制层中的控制节点为网联汽车控制系统中实现控制功能的节点，其余节点作为信息节点划分至信息层，信息层中的信息节点由控制层中的控制节点进行控制；S2：对于信息层中的每个信息节点，记其在时刻t的输出状态参数向量B(t)＝(b1(t),b2(t),…,bM(t))

【技术特征摘要】
1.一种网联汽车控制系统的故障诊断方法，其特征在于，包括以下步骤：S1：将网联汽车控制系统分为控制层和信息层，控制层中的控制节点为网联汽车控制系统中实现控制功能的节点，其余节点作为信息节点划分至信息层，信息层中的信息节点由控制层中的控制节点进行控制；S2：对于信息层中的每个信息节点，记其在时刻t的输出状态参数向量B(t)＝(b1(t),b2(t),…,bM(t))T，bm(t)表示第m个输出状态参数bm在时刻t的值，m＝1,2,…,M，M表示状态参数数量；对于每个输出状态参数，采用基于遗传粒子群滤波的输出状态参数估计算法估计到时刻k的输出状态参数如果则判定该信息节点发生故障，否则信息节点正常；其中基于遗传粒子群滤波的输出状态参数估计算法的具体步骤包括：S2.1：确定信息节点中影响输出状态参数bm的参数，得到影响参数向量am＝(am1,am2,…,amG)T，其中amg表示输出状态参数bm的第g个影响参数，g＝1,2,…,G，G表示状态参数数量，确定以影响参数向量am为自变量的输出状态参数bm函数表达式bm(t)＝h(t,am(t))，am(t)表示时刻t的影响参数向量am的值；S2.2：根据预先确定的先验概率p(am(0))产生粒子集N0表示粒子数量，并且令所有粒子对应的权值初始值S2.3：初始化诊断时刻t＝1；S2.4：采用以下公式更新粒子权值：其中，表示影响参数向量am在时刻t的值时对应输出状态参数bm在时刻t函数值的条件概率，表示影响参数向量am在时刻t-1的值时对应影响参数向量am在时刻t的值的条件概率，表示影响参数向量am在时刻t-1的值时与输出状态参数bm在时刻t函数值时对应影响参数向量am在时刻t的值的条件概率；对权值进行归一化，得到归一化后的权值S2.5：判断粒子权值方差是否小于预设阈值，如果是，进入步骤S2.7，否则进...

【专利技术属性】
技术研发人员：陈勇，朱培坤，李猛，陈章勇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51