本公开涉及检测车载嵌入式计算机的功能异常的方法及装置，尤其涉及一种在计算单元上训练学习模型以检测或预测被监控的车辆电子控制单元“ECU”的功能异常的方法，该方法包括以下步骤：将来自多个ECU的历史数据存储在存储器中，该历史数据包括由在ECU上运行的应用在一定时间段对至少一个ECU资源的使用值(UV)；由计算单元对历史数据进行处理以获得二维训练文件(10)，其中每个使用值与第一维(11)中的特定应用以及第二维(12)中的特定时间相关联；由计算单元利用训练文件来训练学习模型。型。型。
【技术实现步骤摘要】
检测车载嵌入式计算机的功能异常的方法及装置
[0001]本公开涉及车辆嵌入式计算机中的功能异常的检测或预测领域。
技术介绍
[0002]诸如汽车、卡车、公共汽车、火车或摩托车的现代车辆包括可执行诸如发动机控制、制动控制、信息娱乐、空调、驾驶辅助或自主驾驶的各种任务的车辆嵌入式计算机或电子控制单元“ECU”。
[0003]目前的ECU是其中很少发生功能异常的稳定系统。然而，ECU的功能异常可能对用户的舒适性或安全性具有有害的后果，使得检测甚至预测这种功能异常以便防止它们或限制可能的后果仍然是一种挑战。
[0004]机器学习已经用于跟踪数据流中的异常数据。例如，文献US 8306931公开了一种包括一组集成算法的方法和系统，该算法使分析师能够检测、表征和跟踪实时数据流中的异常。
[0005]然而，因为在商用ECU中功能异常是罕见的，所以在缺乏训练数据的情况下对ECU遥测数据使用这种机器学习方法是困难的或不可能的。此外，用于开发学习模型的机器学习框架是不灵活的，因为每个模型需要不同的输入。
[0006]因此需要改善这种情况。更准确地说，需要提出一种方法和系统，以便有效地检测或预测ECU中的功能异常。
技术实现思路
[0007]本公开涉及一种在计算单元上训练学习模型的方法，该学习模型被适配成检测或预测所监控的车辆电子控制单元“ECU”或车辆嵌入式计算机的功能异常，该方法包括以下步骤：
[0008]·
将来自多个ECU的具有功能异常的历史数据存储在存储器中，所述历史数据包括由在所述ECU上运行的应用在一定时间段对至少一个ECU资源的使用值，
[0009]·
由计算单元对所述历史数据进行处理以获得二维训练文件，其中，各使用值与第一维中的特定应用以及第二维中的特定时间相关联，
[0010]·
由计算单元利用所述训练文件来训练学习模型。
[0011]本方法允许利用数字图像形式或接近数字图像形式的训练文件来有效地训练学习模型。因此，该学习模型可以从适于简化本方法的图像识别的学习模型中进行选择。所述训练文件还可以相对于例如作为服务数据的历史数据文件更容易操纵、存储和通信。
[0012]有利地，历史数据包括具有不同时间段和/或具有不同应用数量的历史数据文件，该方法包括通过将训练文件的至少一部分按比例放大或缩小到第一维的预定大小和/或按比例放大或缩小到第二维的预定大小来标准化训练文件的附加步骤。
[0013]标准化的步骤允许在单一格式的训练文件下从具有不同ECU和不同应用的许多不同车辆产生异质数据。因此，可以利用普通的学习模型来有效地执行训练步骤。此外，获得
二维训练文件的处理步骤简化了所述标准化步骤，因为可以在很少或没有修改的情况下使用适于诸如数字图像的二维文件的常规缩放算法。
[0014]有利地，处理历史数据的步骤包括获得具有第一维的预定大小和/或第二维的预定大小的二维训练文件。优选地，大多数或所有训练文件具有单个预定大小，即第一维的单个大小和第二维的单个大小。该特定处理步骤允许在单个步骤中获得准备好使用的训练文件，但是可能比标准化步骤更难以实施，例如在高度异质的历史数据的情况下。除了标准化步骤之外，例如在例如来自各种源的高度异质的历史数据的情况下，可以执行特定的处理步骤。
[0015]有利地，历史数据包括至少两个ECU资源的使用值，并且处理历史数据的步骤包括获得多层二维训练文件，每一层包括两个维度以及至少两个ECU资源之一的使用值。这允许基于更多ECU资源的基础上执行训练步骤，并使训练的模型在检测或预测功能异常方面更有效。这些层优选在应用和时间间隔方面是一致的。
[0016]有利地，历史数据的处理步骤获得作为数字图像的训练文件：可以在处理步骤期间以数字图像格式处理训练文件。这种数字图像允许方便地处理历史数据，并且简化了标准化步骤。它们还允许人类专家的有效可视化，并且可以在有限的训练下使用适于图片的常规学习模型。
[0017]有利地，数字图像分别具有至少两个图像通道，并且训练文件的每一层对应于一个图像通道。因此，可以将多层训练文件操纵并可视化为图片。
[0018]本公开还涉及训练适于检测或预测车辆嵌入式计算机或电子控制单元“ECU”的功能异常的学习模型，该系统包括被配置成执行上述方法的硬件处理器。
[0019]本公开还涉及一种检测或预测被监控的车辆电子控制单元“ECU”的功能异常的方法，该方法包括以下步骤：
[0020]·
由计算单元接收被监控的ECU的遥测数据，所述遥测数据包括由运行在所述被监控的ECU上的多个应用对至少一个ECU资源的使用值，并且将所述遥测数据存储在存储器中，
[0021]·
由所述计算单元对所述遥测数据进行处理以获得二维监控文件，其中，每个使用值与第一维中的特定应用以及第二维中的特定时间相关联，并且将所述二维监控文件存储在所述存储器中，
[0022]·
由所述计算单元通过根据上述方法的学习模型从监控文件检测或预测被监控的ECU的功能异常。
[0023]这样的方法允许以有限的处理资源和高精度有效地检测或预测被监控的ECU的功能异常，因为训练的模型可以是轻量且有效的。
[0024]有利地，监控文件具有关于训练文件的不同数量的应用和/或不同的时间段，该方法还包括通过将监控文件按比例放大或缩小到训练文件的第一维和/或第二维的大小来标准化监控文件的步骤。这在被监控的ECU产生导致监控文件具有与用于训练学习模型的训练文件不同大小的遥测数据的情况下是有利的。
[0025]另选地或组合地，处理遥测数据的步骤包括获得具有第一维的预定大小和/或第二维的预定大小的二维监控文件。优选地，第一维和/或第二维的预定大小与用于训练学习模型的训练文件的相应大小相同。
[0026]有利地，遥测数据包括至少两个ECU资源的使用值，处理遥测数据的步骤包括获得多层二维训练文件，每一层包括两个维度以及至少两个ECU资源之一的使用值。在这种情况下，监控文件可以与多层训练文件相同。
[0027]有利地，遥测数据的处理步骤获得作为数字图像的监控文件，其可以类似于训练文件，即在相同的格式下并且具有相同的分辨率或大小。
[0028]有利地，数字图像具有至少两个图像通道，并且监控文件的每一层对应于一个图像通道。
[0029]有利地，ECU资源可以从包括ECU的处理器使用、ECU的存储器使用、网络适配器的网络使用、功耗和线程数量的列表中进行选择。ECU资源的使用值在ECU中很容易获得，并且可能反映功能异常。
[0030]有利地，历史数据和/或遥测数据包括由应用或ECU系统生成的错误消息，其中，错误消息被包括在训练文件和/或监控文件中，以便监督学习模型的训练步骤。因此，训练步骤和检测步骤可以更精确且更有效。错误消息也可以用作标签以执行学习模型的监督训练。
[0031]有利地，错误消息被包括在多层二维训练文件和/或本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种在计算单元上训练学习模型以检测或预测被监控的车辆电子控制单元ECU的功能异常的方法，该方法包括以下步骤：
·
将来自具有功能异常的多个ECU的历史数据存储在存储器中，所述历史数据包括由在所述ECU上运行的应用在一时间段内对至少一个ECU资源的使用值(UV)；
·
由计算单元对所述历史数据进行处理以获得二维训练文件(10)，其中，每个使用值与第一维(11)中的特定应用以及第二维(12)中的特定时间相关联；
·
由所述计算单元利用所述训练文件来训练学习模型。2.根据权利要求1所述的方法，其中，所述历史数据包括具有不同时间段和/或具有不同数量的应用的历史数据文件，所述方法包括以下附加步骤：通过将所述训练文件的至少一部分按比例放大或缩小到所述第一维(11)的预定大小和/或所述第二维(12)的预定大小来使所述训练文件标准化。3.根据权利要求1或2所述的方法，其中，对所述历史数据进行处理的步骤包括：获得具有第一维(11)的预定大小和/或第二维(12)的预定大小的二维训练文件(10)。4.根据权利要求1至3中任一项所述的方法，其中，所述历史数据包括至少两个ECU资源的使用值，并且其中，对所述历史数据进行处理的步骤包括：获得多层二维训练文件(100)，每一层(20、30、40)包括两个维度以及所述至少两个ECU资源中的一个的使用值(UV)。5.根据权利要求1至4中任一项所述的方法，其中，所述历史数据的处理步骤获得作为数字图像的训练文件。6.根据权利要求4或5所述的方法，其中，所述数字图像各自具有至少两个图像通道，并且所述训练文件的每一层对应于一图像通道。7.一种检测或预测被监控的车辆电子控制单元ECU的功能异常的方法，该方法包括以下步骤：
·
由计算单元接收所述被监控的ECU的遥测数据，所述遥测数据包括由在所述被监控的ECU上运行的多个应用对至少一个ECU资源的使...
【专利技术属性】
技术研发人员：M，
申请(专利权)人：APTIV技术有限公司，
类型：发明
国别省市：
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。