使用诊断故障代码马尔可夫链的故障诊断和预测制造技术

本发明专利技术涉及使用诊断故障代码马尔可夫链的故障诊断和预测。具体地，用于故障诊断的系统和方法包括接收限定了事故模式和诊断故障代码之间的关系的信息，以及提取诊断故障代码数据，包括与多个事故模式有关的多个诊断故障代码的设定时间、频率数据和诊断故障代码序列信息。所述系统和方法还包括使用多个事故模式的每个的诊断故障代码数据构造马尔可夫链、使用所述诊断故障代码数据训练所述马尔可夫链以学习一组状态参数、以及使用训练的马尔可夫链计算多个事故模式的每个的诊断故障代码序列的可能性。

【技术实现步骤摘要】

本专利技术总体涉及故障诊断和预测系统，更具体地，涉及使用时间标记诊断故障代 码(或故障代码)和马尔可夫链的故障诊断和预测的改进方法。
技术介绍
在汽车工业中不断努力来通过将故障诊断和预测特征结合到车辆中以改进车辆 的质量和可靠性。传统地，由技术人员将扫描工具或其他诊断工具(例如，TECH II ,MDI ) 连接到车辆的电子控制单元(EOT)而进行故障诊断。一旦连接，诊断故障代码(DTC)从E⑶ 提取并用于确定是什么导致了事故。在一些情况下，单独的DTC不足以精确地确定问题的 根本原因，因为一个DTC或DTC的组合可能是多种事故模式的症状。另外，在没有关于什么 时间每个DTC发生的任何信息的情况下，难以确认故障的真实原因。近年来，车辆故障诊断已经利用车载诊断的实施而改进，该车载诊断配置成自动 访问车辆DTC以给车辆操作者或技术人员提供诊断信息而不必从外部连接到ECU。然而， 现有技术不能够区分具有相同DTC特征的两种事故模式，因为它们不是以系统的方式利用 DTC点火时间信息。因此，需要系统和方法配置成1)以统计方法利用DTC的设定时间和频率，其能够 诊断和隔离事故模式，尤其是不明确的事故模式(即，具有共同DTC特征样式的事故模式)； 2)还通过为何时系统不具有任何DTC建模来诊断间歇故障；和幻利用事故模式的可接受 的置信限度来预测到接下来事故状态的剩余时间(RTFS)。
技术实现思路
根据本专利技术的教导，用于故障诊断的系统和方法包括接收限定了事故模式和诊断 故障代码之间的关系的信息，以及提取诊断故障代码数据，包括与多个事故模式有关的多 个诊断故障代码的设定时间、频率数据和诊断故障代码序列信息。所述系统和方法还包括 使用多个事故模式的每个的诊断故障代码数据构造马尔可夫链、使用所述诊断故障代码数 据训练所述马尔可夫链以学习一组状态参数、以及使用训练的马尔可夫链计算多个事故模 式的每个的诊断故障代码序列的可能性。结合附图从下列描述和所附权利要求中，本专利技术额外特征将变得明显。本专利技术还提供如下方案方案1. 一种故障诊断和预测系统，其包括多个电子控制单元，其中所述多个电子控制单元中的至少一个配置成接收限定了事故模式和诊断故障代码之间的关系的信息；提取与具体事故模式有关的多个诊断故障代码的诊断故障代码数据；使用所述具体事故模式的诊断故障代码数据构造马尔可夫链；使用所述诊断故障代码数据训练所述马尔可夫链以学习一组状态参数；使用经训练的马尔可夫链计算所述具体事故模式的诊断故障代码序列的可能性；以及使用所述经训练的马尔可夫链预测趋势。方案2.如方案1所述的系统，其特征在于，所述诊断故障代码数据包括设定时间、 频率数据和诊断故障代码序列信息。方案3.如方案1所述的系统，其特征在于，所述诊断故障代码数据从现场事故数 据和历史数据提取。方案4.如方案1所述的系统，其特征在于，所述具体事故模式从包含多个事故模 式的不确定组中选择。方案5.如方案4所述的系统，其特征在于，为不确定组中的多个事故模式的每个 构造马尔可夫链。方案6.如方案5所述的系统，其特征在于，为不确定组中的多个事故模式的每个 计算诊断故障代码序列的可能性。方案7.如方案6所述的系统，其特征在于，以最可能故障的顺序对多个事故模式 的每个的可能性排序。方案8.如方案1所述的系统，其特征在于，还包括使用经训练的马尔可夫链预测 到接下来事故状态的剩余时间。方案9.如方案1所述的系统，其特征在于，一组状态参数包括所述马尔可夫链的 每个状态的初始和转移概率。方案10.如方案1所述的系统，其特征在于，所述多个电子控制单元的至少一个为 中央诊断电子控制单元。方案11.如方案1所述的系统，其特征在于，限定了事故模式和诊断故障代码之间 的关系的信息为诊断矩阵的形式。方案12.如方案1所述的系统，其特征在于，所述诊断故障代码的每个代表所述马 尔可夫链的状态。方案13.如方案12所述的系统，其特征在于，所述马尔可夫链构造成包括无诊断 故障代码状态以诊断间歇事故。方案14. 一种故障诊断的方法，其包括接收限定了事故模式和诊断故障代码之间的关系的信息；提取诊断故障代码数据，包括与多个事故模式有关的多个诊断故障代码的设定时 间、频率数据和诊断故障代码序列信息；使用多个事故模式的每个的诊断故障代码数据构造马尔可夫链；使用所述诊断故障代码数据训练所述马尔可夫链以学习一组状态参数；使用经训练的马尔可夫链计算多个事故模式的每个的诊断故障代码序列的可能 性。方案15.如方案14所述的方法，其特征在于，还包括使用所述经训练的马尔可夫 链在给定范围上预测趋势。方案16.如方案14所述的方法，其特征在于，还包括通过以最可能故障的顺序对 多个事故模式的每个的可能性排序来确定故障诊断。方案17.如方案16所述的方法，其特征在于，还包括将所述故障诊断通信至线上通信系统。方案18.如方案16所述的方法，其特征在于，还包括将所述故障诊断通信至离线 通信系统。方案19. 一种有形地具体化计算机可执行指令的计算机可读介质，其用于接收限定了事故模式和诊断故障代码之间的关系的诊断矩阵；提取诊断故障代码数据，包括与多个事故模式有关的多个诊断故障代码的设定时 间、频率数据和诊断故障代码序列信息；使用多个事故模式的每个的诊断故障代码数据构造马尔可夫链，其中所述诊断故 障代码的每个代表所述马尔可夫链的状态；使用所述诊断故障代码数据训练所述马尔可夫链以学习一组状态参数，其中所述 一组状态参数包括所述马尔可夫链的每个状态的初始和转移概率；使用训练的马尔可夫链计算多个事故模式的每个的诊断故障代码序列的可能性。通过以最可能故障的顺序对多个事故模式的每个的可能性排序来确定故障诊断； 以及使用训练的马尔可夫链预测到接下来事故状态的剩余时间。方案20.如方案19所述的系统，其特征在于，所述马尔可夫链构造成包括无诊断 故障代码状态以诊断间歇事故。附图说明图1示出根据一个实施例的示例性故障诊断和预测系统；图2示出示例性诊断矩阵；图3是示出故障诊断和预测算法的示例性数据采集和训练阶段的流程图；图4示出示例性DTC序列；图fe和恥示出具体事故模式的示例性DTC马尔可夫链；以及图6是示出故障诊断和预测算法的示例性测试阶段的流程图。 图7是以动态规划预测到接下来事故状态的剩余时间的视图。具体实施例方式本专利技术实施例的下列讨论涉及使用时间标记诊断故障代码(DTC)和马尔可夫链 的故障诊断和预测且本质上仅为示例性的，并且绝不用于限制本专利技术或者其应用或使用。图1示出示例性故障诊断和预测系统10，其具有与中央诊断ECU14通信的多个电 子控制单元(ECU) 12。每个ECU 12配置成从车辆(未示出)内的各个传感器和部件接收诊 断故障代码(DTC)。DTC实质上为故障(事故)代码，其指示车辆运行参数或参数组已经超 过预定阈值或者与DTC相关联的某些诊断测试已经失效。在一些实施例中，DTC还可被称作 为症状。由E⑶12接收到的DTC通常存储在位于每个E⑶12内的E⑶存储器模块16中。 在本实施例中，每个E⑶12配置成将DTC传送至中央诊断E⑶14，其包括用于确定和预测 事故模式的算法20。在一个实施例中，诊断E⑶14配置成与车载灵活计算平台22例如Or^tar 直接本文档来自技高网...

【技术保护点】
一种故障诊断和预测系统，其包括：多个电子控制单元，其中所述多个电子控制单元中的至少一个配置成：接收限定了事故模式和诊断故障代码之间的关系的信息；提取与具体事故模式有关的多个诊断故障代码的诊断故障代码数据；使用所述具体事故模式的诊断故障代码数据构造马尔可夫链；使用所述诊断故障代码数据训练所述马尔可夫链以学习一组状态参数；使用经训练的马尔可夫链计算所述具体事故模式的诊断故障代码序列的可能性；以及使用所述经训练的马尔可夫链预测趋势。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：S辛赫，VR哈列，R舒古尔，
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