本发明专利技术涉及用于机动车系统的事件驱动故障诊断架构。用于每当触发诊断故障码（DTC）时就获取和分析来自于车辆系统的重要参数数据的系统和方法。构造多维数据矩阵，其中，车辆、DTC和参数数据构成矩阵的三维。数据矩阵用来自于许多不同车辆的DTC和操作参数填充，在车辆带到销售商以便维修时或者经由无线数据下载来进行。时间可以添加作为矩阵的第四维，从而提供具体系统或部件是否在时间上降级的指示。在积聚足够的数据时，使用各种数学技术，预处理数据矩阵，从数据提取特征，且将特征分类。然后，训练后的分类器用于诊断任何特定故障信号的根本原因，且还提供系统健康状况和剩余有用寿命的预测。
【技术实现步骤摘要】
本专利技术总体上涉及用于诊断车辆中的故障状况的系统和方法，且更具体地涉及每当车辆中触发诊断故障码(DTC)时就获取操作参数数据且将数学模型应用于参数数据和 DTC数据两者以诊断故障状况的原因的系统和方法。
技术介绍
现代车辆是采用许多部件、装置、模块、子系统等的复杂电气和机械系统，其使用复杂算法和数据总线使得操作信息在彼此之间通过。如同任何事情一样，这些类型的装置和算法易受错误、失效和故障的影响，从而影响车辆的操作。当发生这种错误和故障时，受影响的装置或部件通常将发出故障码，例如诊断故障码(DTC)，故障码由一个或多个系统控制器接收，其识别故障或者与一体式部件一起的一些辅助故障。这些DTC可以由维修技术人员和工程师分析以识别问题和/或做出系统校正和升级。然而，鉴于车辆系统的复杂性， 可能由于许多不同的原因触发许多DTC和其它信号，这将使得故障检修特别困难。如上所述，现代车辆具有通过各个控制器电连通的多个机械和电气部件。如果某一致动器、传感器或子系统未正常操作，那么该部件或子系统或其控制器通常提供由系统控制器接收的DTC，从而在车辆维修期间，DTC可以使用远程信息处理服务(例如，OnStar ) 或诊断装置下载。然而，DTC可以由于各种原因且基于测量参数的许多不同组合触发。这通常使之难以仅仅基于DTC值来诊断问题的真实根本原因。这可能导致在车辆维修时不能发现或重复问题，这导致顾客不满意、增加的未来保修成本和错失基于真实世界故障码改进系统设计的机会。鉴于使用当前技术诊断车辆故障的不可接受的高错失率，需要通过在触发DTC时获取更多操作参数数据且将先进数学技术应用于该数据以寻找任何故障状况的真实根本原因来改进车辆系统的故障诊断。
技术实现思路
根据本专利技术的教导，公开了用于每当触发诊断故障码(DTC)时就获取和分析来自于车辆系统的重要参数数据的系统和方法。构造多维数据矩阵，其中，车辆和DTC构成前两维，一组操作参数值、扫描工具值、顾客抱怨和基于文本的症状构成矩阵的第三维。数据矩阵用来自于许多不同车辆的DTC、操作参数和其它数据填充，其已经经历故障事件，在车辆带到销售商以便维修时或者经由远程信息处理数据下载来进行。时间可以添加作为矩阵的第四维，从而提供具体系统或部件是否在时间上降级的指示。在积聚足够的数据时，使用各种数学和统计技术，预处理数据矩阵，从数据提取特征，且将所提取的特征分类。然后，训练后的分类器用于诊断其它故障事件的根本原因，且还提供系统健康状况和剩余有用寿命的预测。方案1. 一种用于诊断车辆系统中的故障原因的方法，所述方法包括定义能应用于车辆系统中的各种故障状况的多个诊断故障码、用于触发每个诊断故障码的标准、以及对于每个诊断故障码而言应当获取的参数辨识数据列表；在车辆上提供控制器，所述控制器使用诊断故障码以及用于触发每个诊断故障码的标准来编程，且还使用对于每个诊断故障码而言应当获取的参数辨识数据列表来编程； 根据需要在车辆上提供传感器，以获取参数辨识数据；在车辆系统中发生故障状况时，通过控制器获取诊断故障码和参数辨识数据，其中，每个故障状况的发生称为故障事件；将诊断故障码和参数辨识数据从车辆上的控制器下载到中央计算机； 将来自于多个车辆的故障事件的诊断故障码和参数辨识数据存储在中央计算机上，其中，每个故障事件都具有归因于其的实际故障模式；使用数学模型来分析在中央计算机上存储的来自于故障事件的诊断故障码和参数辨识数据，所述数学模型能够学习以将数据中的特征与每个故障事件的实际故障模式相关联；以及使用数学模型来诊断附加故障事件的故障模式。方案2.根据方案1所述的方法，其中，分析诊断故障码和参数辨识数据包括训练阶段和检验阶段。方案3.根据方案2所述的方法，其中，训练阶段包括提供输入数据，包括用于多个故障模式中的每个的数据矩阵，其中，每个数据矩阵识别与其有关的故障模式，且包括来自于多个车辆的故障事件的诊断故障码和参数辨识数据； 使用预处理模块来标准化输入数据和减少输入数据中的方差； 使用特征提取模块来提取输入数据的特征；使用分类器模块来识别输入数据的特征中的型式且将所述型式与实际故障模式相关联；以及存储特征提取模块和分类器模块中使用的技术和设置，其最有效地将输入数据与实际故障模式相关联。方案4.根据方案3所述的方法，其中，特征提取模块包括具有关键统计、主成分分析和偏最小二乘的技术中的至少一种。方案5.根据方案3所述的方法，其中，分类器模块包括具有支持向量机、概率神经网络、k-近邻法、决策树、线性判别分析和二次判别分析的技术中的至少一种。方案6.根据方案3所述的方法，其中，检验阶段包括提供检验数据矩阵，包括来自于多个车辆的故障事件的诊断故障码和参数辨识数据， 其中，每个故障事件具有归因于其的实际故障模式；使用预处理模块、特征提取模块、分类器模块、以及来自于训练阶段的存储技术和设置以产生每个故障事件的诊断故障模式；以及通过将诊断故障模式与每个故障事件的实际故障模式进行比较，验证来自于训练阶段的存储技术和设置关于检验数据矩阵有效。方案7.根据方案6所述的方法，还包括在训练和检验阶段之后，将数学模型下载到车辆修理服务中心处的计算机，以及使用所述数学模型来诊断被带到车辆修理服务中心以便诊断的车辆上的故障事件的故障模式。方案8.根据方案6所述的方法，还包括在训练和检验阶段之后，将数学模型下载到车辆上的计算机，以及使用所述数学模型来诊断所述车辆上的故障事件的故障模式。方案9.根据方案1所述的方法，其中，诊断故障码和参数辨识数据还包括每个故障事件的时间标记。方案10.根据方案9所述的方法，还包括使用诊断故障码和参数辨识数据以及每个故障事件的时间标记来预测故障事件涉及的任何系统的系统健康状况和剩余有用寿命。方案11.根据方案1所述的方法，其中，每个故障事件的实际故障模式由已经解决故障状况的车辆修理服务中心提供。方案12. —种用于诊断车辆系统中的故障原因和预测系统健康状况的方法，所述方法包括定义能应用于车辆系统中的各种故障状况的多个诊断故障码、用于触发每个诊断故障码的标准、以及对于每个诊断故障码而言应当获取的参数辨识数据列表；在车辆上提供控制器，所述控制器使用诊断故障码以及用于触发每个诊断故障码的标准来编程，且还使用对于每个诊断故障码而言应当获取的参数辨识数据列表来编程； 根据需要在车辆上提供传感器，以获取参数辨识数据；在车辆系统中发生故障状况时，通过控制器获取诊断故障码和参数辨识数据，其中，每个故障状况的发生称为故障事件，且针对每个故障事件获取的数据还包括时间标记； 将诊断故障码和参数辨识数据以及时间标记从车辆上的控制器下载到中央计算机； 将来自于多个车辆的故障事件的诊断故障码和参数辨识数据以及时间标记存储在中央计算机上，其中，每个故障事件都具有归因于其的实际故障模式；使用数学模型来分析在中央计算机上存储的来自于故障事件的诊断故障码和参数辨识数据，所述数学模型能够学习以将数据中的特征与每个故障事件的实际故障模式相关联；使用数学模型来诊断附加故障事件的故障模式；以及使用诊断故障码和参数辨识数据以及每个故障事件的时间标记来预测故障事件涉及的任何系统的系统健康状况和剩余有用寿命。方案13.根据方案12所述的方法，其中，分析本文档来自技高网...
【技术保护点】
１．一种用于诊断车辆系统中的故障原因的方法，所述方法包括：定义能应用于车辆系统中的各种故障状况的多个诊断故障码、用于触发每个诊断故障码的标准、以及对于每个诊断故障码而言应当获取的参数辨识数据列表；在车辆上提供控制器，所述控制器使用诊断故障码以及用于触发每个诊断故障码的标准来编程，且还使用对于每个诊断故障码而言应当获取的参数辨识数据列表来编程；根据需要在车辆上提供传感器，以获取参数辨识数据；在车辆系统中发生故障状况时，通过控制器获取诊断故障码和参数辨识数据，其中，每个故障状况的发生称为故障事件；将诊断故障码和参数辨识数据从车辆上的控制器下载到中央计算机；将来自于多个车辆的故障事件的诊断故障码和参数辨识数据存储在中央计算机上，其中，每个故障事件都具有归因于其的实际故障模式；使用数学模型来分析在中央计算机上存储的来自于故障事件的诊断故障码和参数辨识数据，所述数学模型能够学习以将数据中的特征与每个故障事件的实际故障模式相关联；以及使用数学模型来诊断附加故障事件的故障模式。
【技术特征摘要】
...
【专利技术属性】
技术研发人员：S辛赫，R乔古列，P班迪尤帕迪亚伊，
申请(专利权)人：S辛赫，R乔古列，P班迪尤帕迪亚伊，
类型：发明
国别省市：US
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。