【技术实现步骤摘要】
本专利技术涉及无人驾驶，尤其是涉及一种基于多阈值模型的无人驾驶车辆故障诊断方法、系统及介质。
技术介绍
1、无人驾驶汽车是以传统汽车为基础，融合多种传感器，如激光雷达、毫米波雷达和相机等，为一体的智能化车辆。随着车辆上传感器和控制单元数量的增加，虽可实现越来越多的智能驾驶功能，但车身质量、线束长度及复杂度和整车架构复杂度等也会急剧增加，不仅影响车辆动力性和经济性，也必然带来诸多不确定的潜在风险。作为智能网联发展最快、前景最大的无人驾驶领域，其安全性受到越来越高的重视，一套完备的故障诊断系统的设计显得尤为重要。
2、然而无人驾驶属于新兴领域，相应的故障诊断技术并不成熟，当故障发生时，难以立即定位问题，即使能够定位问题，也难以复现故障发生时的车辆状态，无法获取原始数据已解决问题，因此能够找到问题所在以及相关原始数据对于提高安全性有着重要的意义。
技术实现思路
1、鉴于以上问题，本专利技术提供了一种基于多阈值模型的无人驾驶车辆故障诊断方法、系统及介质，不仅能够实现自动驾驶、远程驾驶和...
【技术保护点】
1.一种基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于，在步骤G2中，所述将所述各系统的故障等级数据信息和各系统的故障频率数据信息输入多阈值模型进行训练和学习包括：
3.根据权利要求2所述的基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于，在步骤G21中，所述自动驾驶发生故障的概率为α0、所述域控系统发生故障的概率为α1、所述云控系统发生故障概率为α2和所述底盘系统发生故障概率为α3，
4.根据权利要求2所述的基于多阈值模型的无人...
【技术特征摘要】
1.一种基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于，在步骤g2中，所述将所述各系统的故障等级数据信息和各系统的故障频率数据信息输入多阈值模型进行训练和学习包括：
3.根据权利要求2所述的基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于，在步骤g21中，所述自动驾驶发生故障的概率为α0、所述域控系统发生故障的概率为α1、所述云控系统发生故障概率为α2和所述底盘系统发生故障概率为α3，
4.根据权利要求2所述的基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于：所述各系统的故障等级数据信息包括自动驾驶系统故障等级数据信息、域控系统故障等级数据信息、云控系统故障等级数据信息；所述各系统的故障频率数据信息包括自动驾驶系统故障频率数据信息、域控系统故障频率数据信息、云控系统故障频率数据信息和底盘系统故障频率数据信息。
5.根据权利要求1所述的基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于，在步骤g1中，并采用故障评级聚类算法对各系统的故障信息进行处理包括：
6.根据权利要求5所述的基于多阈值模型的无人驾驶车辆故障诊断方法，其特征在于：所述一级故障的严重程度高于所述二级故障，所述二级故障的严重程度高于所述三级故障，所述三级故障的严重程...
【专利技术属性】
技术研发人员：罗巍，万骞，芦栋，吕培尊，于中祥，
申请(专利权)人：东风悦享科技有限公司，
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。