【技术实现步骤摘要】
本专利技术涉及汽车安全，具体涉及一种基于车辆控制器数据的故障诊断与预警方法。
技术介绍
1、随着新能源汽车的快速发展，汽车的电子化、智能化程度不断提高，车辆控制器的数量不断增多，车辆控制器的功能也更加复杂，车辆控制器的安全显得尤为重要。uds(unified diagnostic services，统一诊断服务)诊断协议是汽车领域一项通用的故障诊断技术，可以覆盖车内绝大部分电子控制器，在汽车维修保养领域起到了重要作用。
2、传统的基于uds协议的故障诊断方法大多使用线下诊断仪实现，对设备、场地、人员都有着较高的要求，难以在故障发生后第一时间进行诊断判断故障发生原因，也无法在故障发生前，进行周期性的自检，以避免故障的发生，这显然会影响客户的使用体验。
3、因此，本专利技术提供一种基于车辆控制器数据的故障诊断与预警方法，以解决上述问题。
技术实现思路
1、针对上述情况，为克服现有技术之缺陷，本专利技术提供了一种基于车辆控制器数据的故障诊断与预警方法，以解决上述传统诊断方法难以在故障发生后第一时间进行诊断的问题。
2、为了实现上述目的，本专利技术采取的技术方案为：
3、一种基于车辆控制器数据的故障诊断与预警方法，包括：
4、获取车辆当前状态和车辆控制器数据；根据车辆当前状态获取车辆控制器的预设控制策略；以及根据所述预设控制策略和预设信息库判断所述车辆控制器数据是否存在异常数据；若存在异常数据，则基于车辆当前状态，采用故障诊断模型
5、采用策略制定模型对诊断结果进行处理，以得到应对策略；具体包括：根据诊断结果中的异常等级判断是否调整预设控制策略，若是，则将所述预设控制策略调整为可替代的第一控制策略，并将所述第一控制策略发送至总控制器，所述总控制器按照所述第一控制策略调整各车辆控制器；若否，则基于车辆位置信息获取车辆周围的场所信息，根据场所信息、诊断结果确定多个应对策略，向车载终端发送预警信息和各应对策略；获取驾驶员的输入信息，基于所述输入信息确定最终的应对策略。
6、优选地，所述故障诊断模型的诊断过程包括：
7、采用第一诊断层分析所述异常数据，判断是否为单个车辆控制器的异常数据；若是，则调用所述车辆控制器对应的故障子模型对所述异常数据进行分析，以得到第一诊断结果。
8、若否，采用第二诊断层分析所述异常数据对应的车辆控制器是否存在联动关系，若存在联动关系，基于所述联动关系和所述异常数据对应的时序数据，调用所述车辆控制器对应的联动分析模型对所述异常数据进行处理，以得到第二诊断结果；若不存在联动关系，则调用车辆控制器各自对应的故障子模型进行诊断，以得到第一诊断结果。
9、优选地，所述故障子模型的分析过程包括：
10、根据异常数据与预设信息库中对应的标准数据的差异，获取异常数据对应的异常位置、影响指数以及计算异常数据对应的权重；计算异常数据对应的权重的公式为：
11、
12、其中，为第i个异常数据对应的权重，为第i个异常数据，为第i个异常数据对应的标准值，对所述权重和所述影响指数进行加权平均处理，以得到异常评分，异常评分的计算公式为：
13、
14、其中，为第i个异常数据的影响指数；根据异常评分确定异常数据的异常等级；提取权重大于预设值的第二异常数据，根据第二异常数据确定故障类型；至少以异常等级、故障类型和异常位置作为第一诊断结果。
15、优选地，所述联动分析模型的分析过程包括：根据所述预设时间段的异常数据确定异常数据的先后变化时间，确定在先变化的第一异常数据；根据所述第一异常数据确定异常位置和故障类型；以及根据预设的第一异常数据的影响指数、剩余异常数据的影响指数和对应的权重计算异常评分，异常评分计算公式为：
16、
17、其中，为第i个第一异常数据对应的影响指数，为对应的权重，第一异常数据的总个数为n,为第j个剩余异常数据对应的影响指数，为对应的权重，剩余异常数据的总个数为m；根据异常评分与预设异常等级表的对应关系确定异常等级；至少以异常等级、故障类型和异常位置作为第二诊断结果。
18、优选地，所述根据场所信息、诊断结果确定多个应对策略包括：
19、根据诊断结果中的异常等级、异常位置和故障类型从预设应对策略库中匹配多个对应的初始应对策略，所述初始应对策略包括预估处理时间和预估处理价格；根据车辆位置信息、周围场所信息和各初始应对策略，确定包含行程时间、异常处理时间、异常处理价格的多个应对策略。
20、优选地，所述获取驾驶员的输入信息的方式至少包括文字输入和语音输入。
21、优选地，所述基于所述输入信息确定最终的应对策略包括：当输入信息为语音信息时，采用基于卷积神经网络构建的语音处理模型提取语音信息中的关键特征，根据所述关键特征、各应对策略和匹配知识库确定最终的应对策略；当输入信息为文字信息时，采用文字识别模型提取文字信息中的关键特征，根据所述关键特征、各应对策略和匹配知识库确定最终的应对策略。
22、优选地，所述语音处理模型的处理过程包括：将语音信息按照时序进行分帧处理，得到特征向量矩阵；对所述特征向量矩阵进行识别处理，得到状态标签矩阵；根据状态标签矩阵与状态标签库的对应关系，将所述状态标签矩阵转换成文字信息；根据文字信息、预设选项信息提取对应的关键特征。
23、优选地，一种基于车辆控制器数据的故障诊断与预警方法还包括：当未获取驾驶员的输入信息时，再次向车载终端发送预警信息和各应对策略，并发出预警声音；若仍未获取驾驶员的输入信息，则按照驾驶员的当前操作继续行驶。
24、优选地，所述车辆控制器的故障子模型是基于历史车辆控制器数据和对应的诊断结果，并采用卷积神经网络建立的模型。
25、本专利技术的有益效果为：
26、1、本专利技术根据车辆当前状态获取车辆控制器的预设控制策略，根据预设控制策略、预设信息库对获取的车辆控制器数据进行分析，判断是否存在异常数据，当存在异常数据时，采用故障诊断模型对异常数据进行诊断，得到诊断结果；然后采用策略制定模型对诊断结果进行处理，根据诊断结果中的异常等级判断是否需要调整预设控制策略，若需要调整的话，则将当前的预设控制策略调整为可替代的第一控制策略，车辆的总控制器通过第一控制策略控制车辆正常行驶，保证了车辆行驶的安全；当不需要调整预设控制策略时，获取当前的车辆位置信息、车辆周围的可用于维修车辆的场所信息，根据场所信息、诊断结果确定多个应对策略，在分析驾驶员的输入信息后，确定最终的应对策略。本专利技术通过上述方式，能够在车辆行驶的过程中，基于车辆的当前状态对实时的车辆控制器数据进行诊断分析，根据分析的异常等级判断车辆状态是否正常，当车辆的异常等级超过对应的预设值时，及时发送预警信息并根据场所信息、诊断结果和驾驶员的输入信息确定最终的应对策略，向驾驶员提供车辆的维修信息，以方便本文档来自技高网...
【技术保护点】
1.一种基于车辆控制器数据的故障诊断与预警方法，其特征在于，包括：
2.根据权利要求1所述的故障诊断与预警方法，其特征在于，所述故障诊断模型的诊断过程包括：
3.根据权利要求2所述的故障诊断与预警方法，其特征在于，所述故障子模型的分析过程包括：根据异常数据与预设信息库中对应的标准数据的差异，获取异常数据对应的异常位置、影响指数以及计算异常数据对应的权重；计算异常数据对应的权重的公式为：
4.根据权利要求2所述的故障诊断与预警方法，其特征在于，所述联动分析模型的分析过程包括：根据所述预设时间段的异常数据确定异常数据的先后变化时间，确定在先变化的第一异常数据；根据所述第一异常数据确定异常位置和故障类型；以及根据预设的第一异常数据的影响指数、剩余异常数据的影响指数和对应的权重计算异常评分，异常评分计算公式为：
5.根据权利要求1所述的故障诊断与预警方法，其特征在于，所述根据场所信息、诊断结果确定多个应对策略包括：
6.根据权利要求1所述的故障诊断与预警方法，其特征在于，所述获取驾驶员的输入信息的方式至少包括文字输入和语音输入。
7.根据权利要求6所述的故障诊断与预警方法，其特征在于，所述基于所述输入信息确定最终的应对策略包括：当输入信息为语音信息时，采用基于卷积神经网络构建的语音处理模型提取语音信息中的关键特征，根据所述关键特征、各应对策略和匹配知识库确定最终的应对策略；当输入信息为文字信息时，采用文字识别模型提取文字信息中的关键特征，根据所述关键特征、各应对策略和匹配知识库确定最终的应对策略。
8.根据权利要求7所述的故障诊断与预警方法，其特征在于，所述语音处理模型的处理过程包括：将语音信息按照时序进行分帧处理，得到特征向量矩阵；对所述特征向量矩阵进行识别处理，得到状态标签矩阵；根据状态标签矩阵与状态标签库的对应关系，将所述状态标签矩阵转换成文字信息；根据文字信息、预设选项信息提取对应的关键特征。
9.根据权利要求1所述的故障诊断与预警方法，其特征在于，还包括：当未获取驾驶员的输入信息时，再次向车载终端发送预警信息和各应对策略，并发出预警声音；若仍未获取驾驶员的输入信息，则按照驾驶员的当前操作继续行驶。
10.根据权利要求2所述的故障诊断与预警方法，其特征在于，所述车辆控制器的故障子模型是基于历史车辆控制器数据和对应的诊断结果，并采用卷积神经网络建立的模型。
...【技术特征摘要】
1.一种基于车辆控制器数据的故障诊断与预警方法，其特征在于，包括：
2.根据权利要求1所述的故障诊断与预警方法，其特征在于，所述故障诊断模型的诊断过程包括：
3.根据权利要求2所述的故障诊断与预警方法，其特征在于，所述故障子模型的分析过程包括：根据异常数据与预设信息库中对应的标准数据的差异，获取异常数据对应的异常位置、影响指数以及计算异常数据对应的权重；计算异常数据对应的权重的公式为：
4.根据权利要求2所述的故障诊断与预警方法，其特征在于，所述联动分析模型的分析过程包括：根据所述预设时间段的异常数据确定异常数据的先后变化时间，确定在先变化的第一异常数据；根据所述第一异常数据确定异常位置和故障类型；以及根据预设的第一异常数据的影响指数、剩余异常数据的影响指数和对应的权重计算异常评分，异常评分计算公式为：
5.根据权利要求1所述的故障诊断与预警方法，其特征在于，所述根据场所信息、诊断结果确定多个应对策略包括：
6.根据权利要求1所述的故障诊断与预警方法，其特征在于，所述获取驾驶员的输入信息的方式至少包括文字输入和语音输入。
7.根据权利要求6所述的故障诊断与预警方...
【专利技术属性】
技术研发人员：陈志贤，张龙，傅涛，何宗意，谢立炜，董国栋，
申请(专利权)人：凯晟动力技术嘉兴有限公司，
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。