An embodiment of the invention provides a vehicle fault diagnosis method based on a cloud to receive monitoring data uploaded by a vehicle, extract the feature vector of the monitoring data from the monitoring data, and label the parts or functional systems of the vehicle from the monitored data as labels, and divide the characteristic vectors of the monitored data. Class storage; based on support vector machine algorithm, fault diagnosis is carried out in parallel with the feature vectors classified and stored. By using the support vector machine algorithm, the feature vector extracted from the monitoring data of different parts or functional systems can be used to diagnose the fault in parallel. It can not only shorten the time of diagnosis, but also avoid the influence of different data in the process of data transmission, and improve the accuracy of fault diagnosis.
【技术实现步骤摘要】
一种基于云的车辆故障诊断方法、装置及其系统
本专利技术涉及故障诊断领域,尤其涉及一种基于云的车辆故障诊断方法、装置及其系统。
技术介绍
汽车已经成为人们普遍选择的日常出行交通工具,随着经济、科学技术的发展,电动汽车越来越普及,智能化、互联化汽车开始出现,汽车的设计与生产业越来越多的采用电子技术、自动化技术和计算机技术,一方面使得汽车的自动化程度越来越高,另一方面也对汽车的维修和监测提出了更高的要求,由于电脑控制系统的应用,汽车的结构也变得越来越复杂,增加了汽车的故障诊断难度。汽车故障诊断关系到车辆及其驾驶人员的安全,是保障汽车正常行驶的必要措施。现有的故障诊断技术主要为定性分析法(例如基于专家系统的故障诊断、定量分析法(例如基于解析模型的故障诊断、基于数据驱动的故障诊断);其中,基于数据驱动的故障诊断使用较多的是基于机器学习算法的故障诊断技术。定性分析故障诊断只能实现离线诊断,并且对较小故障的诊断准确率较低;基于解析模型的故障诊断以及基于机器学习算法的故障诊断都可以准确地诊断系统发生的较小故障;其中,基于解析模型的故障诊断实时性较好,但是对于较为复杂较大的非线性系统其解析模型很难构建;基于机器学习算法的故障诊断技术可以实现多种故障的诊断管理,但是其计算量较大,计算时间较长,现有的单片机并不能满足其在线使用。随着云计算的发展及成熟,其可以帮助解决基于机器学习算法故障诊断计算量大以及耗时长的问题。现有技术提供了一种基于云计算的汽车故障检测系统,该系统基于云计算可以解决单片机计算能力不足或检测设备昂贵、不方便安装于汽车上等次要问题,但是该系统逻辑简单,并没有针对 ...
【技术保护点】
1.一种基于云的车辆故障诊断方法,其特征在于,包括:接收车辆上传的监测数据,所述监测数据为所述车辆监测到的零部件或功能系统的工作状态数据;从所述监测数据中提取所述监测数据的特征向量,所述特征向量为表征所述监测数据的一组数;以所述监测数据所来自的所述车辆的零部件或功能系统为标签,将所述监测数据的特征向量分类存储;基于支持向量机算法,对分类存储的所述特征向量并行地进行故障诊断。
【技术特征摘要】
1.一种基于云的车辆故障诊断方法,其特征在于,包括:接收车辆上传的监测数据,所述监测数据为所述车辆监测到的零部件或功能系统的工作状态数据;从所述监测数据中提取所述监测数据的特征向量,所述特征向量为表征所述监测数据的一组数;以所述监测数据所来自的所述车辆的零部件或功能系统为标签,将所述监测数据的特征向量分类存储;基于支持向量机算法,对分类存储的所述特征向量并行地进行故障诊断。2.如权利要求1所述的方法,其特征在于,在所述从所述监测数据中提取所述监测数据的特征向量之前,还包括:将所述监测数据进行解析,得到解析后的监测数据;以所述监测数据所来自的所述车辆的零部件或功能系统为标签,将所述解析后的监测数据分类存储;其中,针对所述解析后的监测数据的分类存储的标签与针对所述特征向量的分类存储的标签相对应;所述从所述监测数据中提取所述监测数据的特征向量具体包括:从所述解析后的监测数据中提取所述解析后的监测数据的特征向量。3.如权利要求1或2所述的方法,其特征在于,所述基于支持向量机算法,对分类存储的所述特征向量并行地进行故障诊断包括:基于决策导向无环图DDAG构造故障分类器,对分类存储的所述特征向量并行地计算诊断结果,所述诊断结果至少包括故障发生的位置。4.如权利要求1所述的方法,其特征在于,所述从所述监测数据中提取所述监测数据的特征向量包括:通过小波包分解从所述监测数据中提取所述监测数据的特征向量。5.如权利要求4所述的方法,其特征在于,在所述以所述监测数据所来自的所述车辆的零部件或功能系统为标签,将所述监测数据的特征向量分类存储之前,还包括:通过核主元分析对所述特征向量进行降维处理,得到降维处理后的特征向量;所述以所述监测数据所来自的所述车辆的零部件或功能系统为标签,将所述监测数据的特征向量分类存储具体包括:以所述监测数据所来自的所述车辆的零部件或功能系统为标签,将所述降维处理后的特征向量分类存储;所述基于支持向量机算法,对分类存储的所述特征向量并行地进行故障诊断具体包括:基于支持向量机算法,对分类存储的所述降维处理后特征向量并行地进行故障诊断。6.如权利要求3所述的方法,其特征在于,还包括:判定所述诊断结果所指示故障的严重等级,所述严重等级划分为:严重故障、中等故障、一般故障。7.如权利要求6所述的方法,其特征在于,在所述判定所述诊断结果所指示故障的严重等级之后,还包括:如果所述严重等级为严重故障,则向所述车辆发送危险警示信号,所述危险警示信号用于提示所述车辆正在发生危及车辆正常行驶的严重故障。8.一种基于云的车辆故障诊断装置,其特征在于,包括:监测数据接收模块、数据预处理模块、特征数据库、故障诊断模块;所述监测数据接收模块用于接收车辆上传的监测数据,所述监测数据为所述车辆监测到的零部件或功能系统的工作状态数据;所述数据预处理模块用...
【专利技术属性】
技术研发人员:刘真通,张永生,张伟,
申请(专利权)人:华为技术有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。