一种无人车故障检测方法及系统技术方案

本发明专利技术公开了一种无人车故障检测方法及系统，利用无人车的正例数据分别构建并训练得到车辆状态监测器和车辆轨迹偏航监测器；实时获取待测无人车的GNSS数据，对获取的GNSS信息进行字段提取、数据清洗以及数据变换，本发明专利技术运用多种数据处理，将无人车故障诊断系统拆分为状态监测器和轨迹偏航监测器，分模块单独设计和实现相应的故障检测方法，使得系统有着更好的工作性能，构建了完备的基于传感器GNSS信息的无人车故障检测及错误类型推断系统，能有效监测无人车车辆状态及轨迹，在无人车状态异常时给出预警并推断可能的错误类型。常时给出预警并推断可能的错误类型。常时给出预警并推断可能的错误类型。

【技术实现步骤摘要】
一种无人车故障检测方法及系统


[0001]本专利技术属于系统故障诊断领域，涉及无人驾驶汽车组合导航系统中GNSS信息的处理，具体涉及一种无人车故障检测方法及系统。

技术介绍

[0002]无人驾驶技术融合了传感器技术、计算机技术、信息处理技术等诸多领域的高科技技术，由于其在交通运输领域的巨大发展潜力，其发展前景被普遍看好。然而，自动驾驶汽车的安全性问题一直阻碍着无人驾驶技术的大规模商业化落地。因此，设计与无人驾驶汽车相配套的故障检测及诊断系统对于自动驾驶产业的发展有着至关重要的意义。
[0003]现有针对无人车的故障诊断方法多由传统工业过程中故障诊断方法迁移而来，主要包括基于模型的方法、基于信号的方法和基于历史数据的方法。但是针对无人驾驶汽车这个复杂系统，单一方法很难对无人车故障作出有效诊断，且自动驾驶对于数据处理的实时性要求很高，传统方法也很难对该问题进行有效解决。

技术实现思路

[0004]本专利技术的目的在于提供一种无人车故障检测方法及系统，以克服现有无人车故障诊断精度低、数据处理实时性低的问题，本专利技术能够及时准确实现车辆状态的检测。
[0005]一种无人车故障检测方法，包括以下步骤：
[0006]S1，利用无人车的正例数据分别构建并训练得到车辆状态监测器和车辆轨迹偏航监测器；
[0007]S2，实时获取待测无人车的GNSS数据，对获取的GNSS信息进行用字段提取、数据清洗以及数据变换；
[0008]S3，利用车辆状态监测器和车辆轨迹偏航监测器对变换后的数据进行判断，从而得到无人车是否故障。
[0009]优选的，S1中，基于数据采集装置获取待测无人车的GNSS数据，对获取的GNSS信息进行用字段提取、数据清洗以及数据变换，提取的有用字段包括：协议头、采样时刻、纬度、经度、航向角、东向速度和北向速度。
[0010]优选的，对提取的有用字段中不完整的记录直接进行去除操作；针对重复记录的信息去除重复部分，只保留一条；针对格式不规范的完整记录，将其格式进行规范化；
[0011]将清洗后的数据变换得到模型训练或验证需要用到的输入数据：无人车在无人驾驶状态下每一采样时刻其在直角坐标系中的(X，Y)坐标、速度以及角速度。
[0012]优选的，利用提取字段中的纬度和经度数据，通过墨卡托投影得到直角坐标系下的(X，Y)坐标；
[0013]速度信息由东向速度和北向速度变换得到：
[0014]记东向速度为v
e
，北向速度为v
n
，则速度信息的值大小为：
[0015][0016]角速度信息通过计算两个连续采样时刻航向角的差商得到。
[0017]优选的，利用得到的速度、角速度信息作为训练数据，采用OCSVM方法，得到判定无人驾驶过程中车辆状态是否异常的决策边界，构建车辆状态监测器。
[0018]优选的，采用获取的速度信息和角速度信息，作为模型的输入对模型进行训练得到判定无人驾驶过程中车辆状态是否异常的决策边界；
[0019]将决策边界进行泛化，根据泛化后的边界条件，设定报警的触发机制。
[0020]优选的，基于车辆运动学模型和提取的采样时刻信息、(X，Y)坐标信息及航向角信息，利用卡尔曼滤波器构建车辆轨迹偏航监测器。
[0021]优选的，基于车辆运动学模型，构建卡尔曼滤波中状态预测过程的一步状态转移矩阵；
[0022]在得到一步状态转移矩阵的基础上，构建预测车辆轨迹的卡尔曼滤波器。
[0023]优选的，基于提取的有用字段中的正例数据和错误样本数据，同时加入人工注入错误信息数据；利用上述正例数据、错误样本数据和人工注入错误信息数据作为用于概率推断的训练数据样本，训练得到人工神经网络优化模糊系统，利用人工神经网络优化模糊系统对导致车辆状态发生错误的原因进行概率推断，得到无人车发生故障原因的概率。
[0024]一种无人车故障检测系统，数据采集模块和检测模块；
[0025]检测模块用于存储利用无人车的正例数据分别构建并训练得到的车辆状态监测器和车辆轨迹偏航监测器；
[0026]数据采集模块实时获取待测无人车的GNSS数据，对获取的GNSS信息进行用字段提取、数据清洗以及数据变换，并将变换后的数据传输至检测模块，检测模块对变换后的数据进行判断，输出无人车的故障信息。
[0027]与现有技术相比，本专利技术具有以下有益的技术效果：
[0028]本专利技术一种无人车故障检测方法，利用无人车的正例数据分别构建并训练得到车辆状态监测器和车辆轨迹偏航监测器；实时获取待测无人车的GNSS数据，对获取的GNSS信息进行用字段提取、数据清洗以及数据变换，本专利技术运用多种数据处理，将无人车故障诊断系统拆分为状态监测器和轨迹偏航监测器，分模块单独设计和实现相应的故障检测方法，使得系统有着更好的工作性能，构建了完备的基于传感器GNSS信息的无人车故障检测及错误类型推断系统，能有效监测无人车车辆状态及轨迹，在无人车状态异常时给出预警并推断可能的错误类型。
[0029]采用OCSVM算法处理采集到的样本，训练判定车辆行驶状态是否异常的决策边界，构建状态诊断系统；采用卡尔曼滤波模型作为观测器，并与测量到的数据利用Jaque
‑
Bera测试做残差分布推断，同时利用插值技巧，构建实时的车辆轨迹监测系统，能够准确对获取的数据进行判断。
[0030]本专利技术基于采集到的车辆状态数据建立人工神经网络模型，能够对检测到的车辆状态错误类型进行概率推断，有针对性的实现无人驾驶汽车故障的快速检测。
[0031]本专利技术能够给出车辆状态错误类型的概率推断，可以为错误的进一步排查提供一定指导。
附图说明
[0032]图1是本专利技术实施例中GNSS天线及有关设备安装示意图。
[0033]图2是本专利技术实施例中具体方法流程图。
[0034]图3是本专利技术实施例中基于OCSVM得到决策边界后对决策边界进行泛化的示意图。
[0035]图4是本专利技术实施例中线性车辆自行车模型示意图。
[0036]图5是本专利技术实施例中改造的全连接神经网络示意图。
具体实施方式
[0037]为了使本
的人员更好地理解本专利技术方案，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的实施例，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，都应当属于本专利技术保护的范围。
[0038]本专利技术一种无人车故障检测方法，基于组合导航系统GNSS数据的无人车故障检测及错误类型概率推断方法，所采用的数据采集装置包括安装于车内的高精度MEMS组合导航系统，一套接收卫星信号的GNSS天线，一台记录组合导航系统GNSS日志的工控计算机以及供电装置，供电可连接于车载电源，或者采用独立发电机。数据采集装置固定安装于待测无人车上。...

【技术保护点】

【技术特征摘要】
1.一种无人车故障检测方法，其特征在于，包括以下步骤：S1，利用无人车的正例数据分别构建并训练得到车辆状态监测器和车辆轨迹偏航监测器；S2，实时获取待测无人车的GNSS数据，对获取的GNSS信息进行用字段提取、数据清洗以及数据变换；S3，利用车辆状态监测器和车辆轨迹偏航监测器对变换后的数据进行判断，从而判断无人车是否故障。2.根据权利要求1所述的一种无人车故障检测方法，其特征在于，S1中，基于数据采集装置获取待测无人车的GNSS数据，对获取的GNSS信息进行用字段提取、数据清洗以及数据变换，提取的有用字段包括：协议头、采样时刻、纬度、经度、航向角、东向速度和北向速度。3.根据权利要求2所述的一种无人车故障检测方法，其特征在于，对提取的有用字段中不完整的记录直接进行去除操作；针对重复记录的信息去除重复部分，只保留一条；针对格式不规范的完整记录，将其格式进行规范化；将清洗后的数据变换得到模型训练或验证需要用到的输入数据：无人车在无人驾驶状态下每一采样时刻其在直角坐标系中的(X，Y)坐标、速度以及角速度。4.根据权利要求3所述的一种无人车故障检测方法，其特征在于，利用提取字段中的纬度和经度数据，通过墨卡托投影得到直角坐标系下的(X，Y)坐标；速度信息由东向速度和北向速度变换得到：记东向速度为v
e
，北向速度为v
n
，则速度信息的值大小为：角速度信息通过计算两个连续采样时刻航向角的差商得到。5.根据权利要求4所述的一种无人车故障检测方法，其特征在于，利用得到的速度、角速度信息作为训练数据，采用OCSVM方法，得到判定无...

【专利技术属性】
技术研发人员：赵祥模，方煜坤，闵海根，徐志刚，吴霞，王润民，孙朋朋，王武祺，程超轶，杨一鸣，
申请(专利权)人：长安大学，
类型：发明
国别省市：