一种基于云的车辆故障诊断方法、装置及其系统制造方法及图纸

本发明专利技术实施例提供了一种基于云的车辆故障诊断方法，接收车辆上传的监测数据；从所述监测数据中提取所述监测数据的特征向量；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。本发明专利技术技术方案能够通过基于支持向量机算法，将从不同零部件或功能系统的监测数据所提取的特征向量并行地进行故障诊断,不仅可以缩短诊断时间，还可以避免数据传递过程中的不同数据的彼此影响,提高故障诊断的准确性。

A cloud based vehicle fault diagnosis method, device and system

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，并没有针对如何准确诊断故障提供具体技术方案，并且故障诊断的准确率低，难以保证车辆的安全。
技术实现思路
本专利技术实施例提供了一种基于云的车辆故障诊断方法、系统及其装置，可以提高故障诊断的准确度，减少诊断时间。第一方面提供了一种基于云的车辆故障诊断方法，该方法包括：接收车辆上传的监测数据,其中，监测数据是指车辆通过监测设备监测到的其零部件或功能系统的工作状态的数据，零部件是指组成车辆的配件，例如：制动器、变速器、压缩机、胎压监测器、水泵等；功能系统是指多个部件组成的用于实现一定功能的整体，例如：电池管理系统、制动安全系统、动力系统等；从监测数据中提取该监测数据的特征向量,提取的特征向量是表征所述监测数据的一组数；例如，特征向量是通过对监测数据进行平均或方差计算得到的对应于监测数据原始数据的平均值或方差值的集合,可选的，一组数表示为{A，B，C，D…Z}；以监测数据所来自的车辆的零部件或功能系统为标签，将监测数据的特征向量分类存储；基于支持向量机算法，对分类存储的特征向量并行地进行故障诊断。结合第一方面，在第一方面的第一种可能实现的方式中，在从监测数据中提取该监测数据的特征向量之前，还包括：将接收到的监测数据进行解析，得到解析后的监测数据；以监测数据所来自的车辆的零部件或功能系统为标签，将解析后的监测数据分类存储；其中，针对解析后的监测数据的分类存储的标签与针对特征向量的分类存储的标签相对应；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该解析后的监测数据的特征向量。结合第一方面的第一种可能实现的方式，在第一方面的第二种可能实现的方式中，该方法还包括：定期删除与最近提取的特征向量所表征的监测数据来自的零部件或功能系统相同的之前存储的特征向量。第二方面提供了一种基于云的车辆故障诊断装置，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于从所述监测数据接收模块接收到的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；所述特征数据库用于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，将所述数据预处理模块提取的特征向量分类存储；所述故障诊断模块用于基于支持向量机算法，对所述特征数据库分类存储的所述特征向量并行地进行故障诊断。结合第二方面，在第二方面的第一种可能实现的方式中，该装置还包括：中央数据库；所述中央数据库用于：将所述监测数据接收模块接收到的监测数据进行解析，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；所述数据预处理模块具体用于：从所述中央数据库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。结合第二方面或第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，特征数据库还用于：定期删除与最近提取的特征向量所表征的监测数据来自的零部件或功能系统相同的的之前存储的特征向量。结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，中央数据库删除与特征数据库删除的特征向量相对应的监测数据。第三方面提供了一种基于云的车辆故障诊断系统，该系统包括：第二方面或第二方面的第一种实现方式或第二方面的第二中实现方式中的装置、车辆；车辆将其监测到的数据上传至第二方面或第二方面的第一种实现方式或第二方面的第二中实现方式中的装置；第二方面或第二方面的第一种实现方式或第二方面的第二中实现方式中的装置根据接收到的数据进行故障诊断。本专利技术实施例通过基于支持向量机算法，将来自不同零部件或功能系统的监测数据的特征向量分类存储，并且将分类存储的特征向量并行地进行故障诊断,不仅可以缩短诊断时间，还可以避免数据传递过程中的不同数据的彼此影响，提高故障诊断的准确性。附图说明图1：本专利技术实施例给出的一种基于云的故障诊断系统示意图；图2：本专利技术实施例给出的一种云端诊断装置示意图；图3：本专利技术实施例给出的一种中央数据库示意图；图4：本专利技术实施例给出的一种中央数据库的定期存储单元示意图；图5：本专利技术实施例给出的一种特征数据库示意图；图6：本专利技术实施例给出的一种特征数据库的定期存储单元的示意图；图7：本专利技术实施例给出的一种基于云的故障诊断方法的流程图；图8：本专利技术实施例给出的一种并行计算的示意图；图9：本专利技术实施例给出的一种离线训练以及测试故障分类模型方法的流程图；图10：本专利技术实施例给出的一种系统降级决策机内部决策方法的流程图；图11：本专利技术实施例给出的一种电池包电流传感器故障诊断方法的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例可能涉及的术语缩略语及定义如下：ADASAdvancedDriverAssistantSystem高级驾驶辅助系统VCUVehicleControlUnit整车控制单元OBCOnBoardCharger车载充电机SVMSupportVectorMachine支持向量机GAGeneticAlgorithm遗传算法PSOParticleSwarmO本文档来自技高网...

【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