用于增强车辆诊断、预测和维护实践的综合信息融合制造技术

本发明专利技术涉及用于增强车辆诊断、预测和维护实践的综合信息融合。提供一种用于增强车辆诊断和预测算法以及改进车辆维护实践的系统和方法。该方法包括收集来自车辆元件、子系统和系统的数据，并且将所收集的数据存储于数据库。该收集和存储的数据可以来自相似车辆或相似元件的多个源，且可包括多种故障代码和工作代码以及其它信息，例如被融合在一起的操作数据和故障数据的物理性质。该方法对不同车辆元件、子系统和系统的生成类，并且对存储在数据库中的数据采用数据挖掘技术针对每个类建立特征提取器。该方法也生成针对每个类将特征进行归类的分类器。该特征提取器和特征分类器用于确定车辆元件、子系统或系统何时已经发生故障情况。

【技术实现步骤摘要】

本专利技术主要涉及一种用于增强车辆诊断和预测算法的系统和方法，而且尤其是涉 及一种通过融合来自多个源的车辆信息从而用于增强车辆诊断和预测算法以及车辆维护 实践的系统和方法。
技术介绍
各个车辆系统的诊断监测是重要的车辆设计考虑因素，从而能够快速检测系统故 障，并且为了维护和保养目的而将所述故障隔离。这些车辆系统典型地采用多个子系统、致 动器和传感器，例如偏航率传感器、侧向加速度传感器、转向方向盘角度传感器等，其用于 帮助提供车辆控制。如果与这些系统相关联的任何传感器、致动器和子系统发生故障，则期 望能快速地检测到该故障并激活故障安全(故障沉默或故障仍操作)策略以防止该系统不 正确地响应于感知到的错误的情况。为了维护、保养和更换的目的，还期望隔离有缺陷的传 感器、致动器或子系统。因此监控在这些系统中使用的各个传感器、致动器和子系统以识别 故障是有必要的。在车辆系统中，识别故障发生的根源并一直隔离该故障直至元件级或甚至子系统 级是一种设计挑战。在车辆系统中的各个子系统和元件(如车辆制动系统或车辆转向系 统)通常不由车辆制造者设计，而是由外部源提供。因此，这些元件和子系统可能不了解其 它子系统或元件在整个车辆系统中做什么，而仅仅了解其特定的子系统或元件是如何操作 的。因此，这些外部子系统或元件可了解到它们不正确地操作，但是不知道其元件或子系统 是否发生故障或另一个子系统或元件是否发生故障。例如，车辆可在一个方向上发生牵引， 其可能是制动问题或转向问题导致的结果。然而，由于制动系统和转向系统不知道另一个 的操作是否正确，所以整个车辆系统可能不能识别该问题的根源。每个单独的子系统或元件可发出诊断故障代码，在其不正确操作时指示问题，但 该故障代码可能不是由于发出该代码的子系统或元件的问题引起的。换句话说，由于子系 统或元件不正确地操作将会设置诊断代码，但是该操作可能是其它子系统或元件不正确操 作而导致的。期望知道来自特定的子系统或元件的诊断代码有多可靠，从而确定该子系统 或元件是否是问题的故障。为了在重大损坏发生之前采取预防性措施，车辆健康状态监测的诊断和预测技术 可帮助预测问题的发生。对于系统故障可具有关键性暗示的系统来说，这些技术变得更重 要。另外，通过采用诊断和预测技术，系统制造者可帮助防止其客户由于各个系统的故障而 不满。过去已做出了一些努力来开发诊断和预测技术以在各个操作系统中检测和定位 性能退化。一种基于诊断和预测原理的现有方法采用时态数据挖掘。
技术实现思路
根据本专利技术的教导，公开一种用于增强车辆诊断和预测算法以及提高车辆维护实 践的系统和方法。该方法包括从车辆元件、子系统和系统收集数据，并将收集到的数据存 储在数据库中。所收集和存储的数据可来自相似车辆或相似元件的多个源，并且可包括被 融合在一起的多种类型的故障代码和工作代码以及其它信息，例如操作数据和故障数据的 物理性质。该方法生成不同车辆元件、子系统和系统的类，并且对存储在数据库中数据采用数据挖掘技术针对每个类建立特征提取器。该方法也生成分类器，其针对每个类将特征进 行归类。该特征提取器和特征分类器用于确定车辆元件、子系统或系统何时已经发生故障 情况。项(1)，一种提供车辆诊断和预测评估的方法，所述方法包括收集来自多个车辆元 件、子系统和系统以及包括不同车辆的元件、子系统和系统的多个车辆源的数据；将收集的 数据存储于一个或多个数据库；为所收集的数据的不同类型生成类；将从车辆元件、子系 统和系统以及多个车辆源收集的数据融合；以及分析所融合的数据以识别在车辆元件、子 系统和系统中的故障情况。项(2)，根据项(1)的方法，其中融合从多个数据源收集的数据 包括对存储在数据库中数据采用数据挖掘技术针对每个类建立特征提取器；生成特征分 类器，所述特征分类器针对每个类将特征进行归类；以及利用所述特征提取器和特征分类 器以确定车辆元件、子系统或系统何时已经发生故障情况。项(3)，根据项(2)的方法，进 一步包括将来自多个特征分类器的输出结合以增加确定何时发生故障情况的鲁棒性。项 (4)，根据项(2)的方法，进一步包括利用特征提取器和特征分类器来更新之前的特征分类 器。项(5)，根据项(1)的方法，进一步包括利用被融合的数据来改进车辆维护过程。项 (6)，根据项(1)的方法，其中收集数据包括收集来自车辆元件、子系统和系统的故障情况 和非故障情况的数据。项(7)，根据项(1)的方法，进一步包括将从车辆远程信息处理收集 的数据传输给远程数据中心。项(8)，根据项(7)的方法，其中将收集的数据存储在数据库 中包括将收集的数据存储在车辆上的数据库和远程数据中心处的数据库之一或两者中。项 (9)，根据项(1)的方法，其中收集数据包括收集不包括故障代码的数据。项(10)，根据项 (9)的方法，其中收集不包括故障代码的数据包括收集与故障物理性质和操作数据相关的 数据。项(11)，一种提供车辆诊断和预测评估的方法，所述方法包括收集来自车辆上的车 辆元件、子系统和系统的数据；将收集的数据存储于车辆上的或车辆外的数据库；将从车 辆收集的数据远程信息处理地传输给远程数据中心；在远程数据中心处为所收集的数据的 不同类型生成类；对存储在远程数据中心的数据库中的数据采用数据挖掘技术针对每个类 建立特征提取器；在远程数据中心生成特征分类器，所述特征分类器针对每个类将特征进 行归类；利用该特征提取器和特征分类器以确定车辆元件、子系统或系统何时已经发生故 障情况；将多个特征分类器的输出结合以增加确定何时发生故障情况的鲁棒性；并且将故 障情况分析的结果传输回到车辆。项(12)，根据项(11)的方法，其中收集数据包括收集来 自包括不同车辆的元件、子系统和系统的多个车辆元件、子系统和系统以及多个车辆源的 数据。项(13)，根据项(11)的方法，进一步包括利用特征提取器和特征分类器以确定何时 已经发生故障情况来改进车辆维护过程。项(14)，根据项(11)的方法，其中收集数据包括 收集来自车辆元件、子系统和系统的故障情况和非故障情况的数据。项(15)，根据项(11) 的方法，进一步包括利用特征提取器和特征分类器来更新之前的特征分类器。项(16)，根据 项(11)的方法，其中收集数据包括收集与故障特理性质和操作数据相关的数据。项(17)， 一种提供车辆诊断和预测评估的系统，所述系统包括收集来自车辆上的车辆元件、子系统 和系统的数据的装置；将所收集的数据存储于车辆上的数据库的装置；将收集的数据远程 信息处理地传输给远程数据中心的装置；在远程数据中心针对所收集的数据的不同类型生 成类的装置；对存储在远程数据中心的数据库中的数据采用数据挖掘技术针对每个类建立 特征提取器的装置；生成特征分类器的装置，所述特征分类器针对每个类将特征进行归类； 利用所述特征提取器和特征分类器以确定车辆元件、子系统或系统何时已经发生故障情况的装置。项(18)，根据项(17)的系统，其中收集数据的装置包括收集来自多个车辆和多个 车辆源的数据的装置。项(19)，根据项(17)的系统，进一步包括将来自多个特征分类器的 输出结合以增加确定何时发生故障情况的鲁棒性的装置。项(20)，根据项(17)的系统，进 一步包括利用特征提取器和特征分本文档来自技高网...

【技术保护点】
一种提供车辆诊断和预测评估的方法，所述方法包括：收集来自多个车辆元件、子系统和系统以及包括不同车辆的元件、子系统和系统的多个车辆源的数据；将收集的数据存储于一个或多个数据库；为所收集的数据的不同类型生成类；将从车辆元件、子系统和系统以及多个车辆源收集的数据融合；以及分析所融合的数据以识别在车辆元件、子系统和系统中的故障情况。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：MN霍威尔，MA萨尔曼，X唐，Y张，X张，YK钱，S德，D帕特奈克，S巴塔查亚，P班迪奥帕迪亚伊，BV穆尔蒂，AI阿尔拉巴迪，RI德布克，SW霍兰，GP小蒙特戈梅里，
申请(专利权)人：通用汽车环球科技运作公司，
类型：发明
国别省市：US[美国]