CN102129447A - 使用时序数据挖掘的故障预测架构 - Google Patents
使用时序数据挖掘的故障预测架构 Download PDFInfo
- Publication number
- CN102129447A CN102129447A CN2011100065290A CN201110006529A CN102129447A CN 102129447 A CN102129447 A CN 102129447A CN 2011100065290 A CN2011100065290 A CN 2011100065290A CN 201110006529 A CN201110006529 A CN 201110006529A CN 102129447 A CN102129447 A CN 102129447A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data sequence
- data
- group
- fault
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/008—Reliability or availability analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Traffic Control Systems (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本发明涉及使用时序数据挖掘的故障预测架构。一种车辆故障诊断和预测***包括计算平台,所述计算平台配置成从远程服务器接收分类器,所述计算平台有形地包括计算机可执行指令,用于评估从车辆控制网络接收的数据序列以及将分类器应用于所述数据序列,其中,分类器配置成确定数据序列是否限定与具体故障相关的型式。
Description
技术领域
本发明总体上涉及故障诊断和预测***,且更具体地涉及使用时序数据挖掘的故障诊断和预测***及方法。
背景技术
用于监测车辆健康状态的诊断和预测技术可以帮助预测问题的出现,以便在发生重大事故之前采取预防措施。这些技术在部件或***故障会具有重大牵连(例如,丧失车辆功能)时变得更加重要。此外,制造商可使得由于故障或车辆性能降低引起的顾客不满意度最小化。
通常,故障诊断通过将计算机或其他诊断工具连接到车辆电气总线的技术人员在车外执行,所述车辆电气总线连接到一个车辆电子控制单元(ECU)。一旦被连接,诊断故障码(DTC)从ECU提取且用于帮助确定什么引起故障。更近以来,车辆已经配备有车载诊断设备,其配置成在不用手动地连接到车辆电气总线的情况下给车辆操作者或技术人员提供诊断信息。然而,该诊断信息,不管是车外或车上接收,限于DTC提供的快照数据和选择操作参数。虽然DTC诊断数据可以帮助确定存在故障的原因,但是DTC未设计成提供部件或***故障的提前报警。
因而,需要配置成给技术人员或车辆操作者提供部件或***可能在一定具体时帧发生故障的提前报警的增强诊断和预测***及方法。
发明内容
根据本发明的教导,一种车辆故障诊断和预测***包括计算平台,所述计算平台配置成从远程服务器接收故障分类器,所述计算平台有形地包括计算机可执行指令,用于评估从车辆控制网络接收的数据序列以及将分类器应用于所述数据序列,其中,分类器配置成确定数据序列是否限定与具体故障相关的型式。
方案1. 一种车辆故障诊断和预测***,包括:
计算平台,所述计算平台配置成从远程服务器接收故障分类器,所述计算平台有形地包括计算机可执行指令,用于:
评估从车辆控制网络接收的数据序列;以及
将分类器应用于所述数据序列,其中,分类器配置成确定数据序列是否限定与具体故障相关的型式。
方案2. 根据方案1所述的***,其中,所述数据序列包括以下一种或多种:顺序诊断故障码、时间标记诊断故障码和车辆参数。
方案3. 根据方案1所述的***,其中,所述分类器被训练以将多个数据序列聚类与具体故障码相关联。
方案4. 根据方案1所述的***,其中,分类器中的数据序列使用时序数据挖掘从车辆组获得。
方案5. 根据方案1所述的***,其中,所述计算平台在车辆内部。
方案6. 根据方案1所述的***,其中,所述计算平台在车辆外部。
方案7. 一种用于故障诊断和预测的方法,包括:
从第一组车辆提取数据序列;
对从第一组车辆提取的数据序列应用时序数据挖掘应用以检测数据序列中的型式;
获得与第二组车辆有关的维修数据;
将数据序列与维修数据进行比较以识别与具体故障模式相关的数据序列。
方案8. 根据方案7所述的方法,其中,应用时序数据挖掘应用包括识别频繁数据序列。
方案9. 根据方案7所述的方法,其中,第一组车辆类似于第二组车辆。
方案10. 根据方案7所述的方法,还包括应用聚类算法以将置信度度量分配给所识别的与具体故障模式相关的数据序列中的每一个。
方案11. 根据方案10所述的方法,其中,应用聚类算法包括根据具体故障模式聚类数据序列。
方案12. 根据方案10所述的方法,其中,应用聚类算法包括将概率分配给每个数据序列和故障模式组合。
方案13. 根据方案11所述的方法,还包括训练分类器以学习与每个故障模式相关的聚类。
方案14. 一种有形地包括计算机可执行指令的计算机可读介质,用于:
从第一组车辆提取数据序列;
对从第一组车辆提取的数据序列应用时序数据挖掘应用以检测数据序列中的型式;
获得与第二组车辆有关的维修数据;
将数据序列与维修数据进行比较以识别与故障模式相关的数据序列。
方案15. 根据方案14所述的计算机可读介质,其中,应用时序数据挖掘应用包括识别频繁数据序列。
方案16. 根据方案14所述的计算机可读介质,还包括应用聚类算法以将置信度度量分配给所识别的与故障模式相关的数据序列中的每一个。
方案17. 根据方案16所述的计算机可读介质,其中,应用聚类算法包括根据具体故障模式聚类数据序列。
方案18. 根据方案16所述的计算机可读介质,其中,应用聚类算法包括将概率分配给每个数据序列和故障模式组合。
方案19. 根据方案17所述的计算机可读介质,还包括训练分类器以学习与每个故障模式相关的聚类。
方案20. 根据方案19所述的计算机可读介质,还包括将分类器下载到车载灵活计算平台。
方案21. 根据方案19所述的计算机可读介质,还包括将分类器下载到车外计算平台。
本发明的附加特征从下述说明和所附权利要求结合附图将显而易见。
附图说明
图1示出了根据一个实施例的示例性故障诊断和预测***;和
图2是示出了根据图1的***的用于故障预测的方法的流程图。
图3示出了配置成使用训练分类器以演化由车载灵活计算平台捕获的诊断故障码型式的示例性分析算法。
具体实施方式
涉及使用诊断故障码(DTC)和选择操作参数的时序数据挖掘来故障诊断和预测的***和方法的实施例的下述说明本质上仅仅是示例性的,且决不旨在限制本发明或者其应用或使用。
所述***和方法采用配置成提供车辆部件的提前报警故障预测的增强车辆诊断架构。***包括配置成对来自于具体车辆的实时数据和来自于类似车辆群组的历史数据两者进行车外和车载分析的多层架构。车外分析包括时间标记或顺序诊断故障码(DTC)的时序数据挖掘以从类似车辆的大规模组识别DTC序列。通常,有效的DTC是配置成寻找车辆中的某些问题且在发生具体问题时发出诊断码形式的标记的软件编程的结果。因而,由此得出,DTC序列是在具体时帧内出现的连续标记序列。在一个实施例中,DTC被时间标记以记录事件的设定时间或触发时间,然而,本文讨论的方法可使用仅仅被排序的DTC来实时。
如上所述,DTC是由“0”(即,OFF)或“1”(即,ON)表示的分立标记事件。相比而言,车辆操作参数(如,压力、温度和电压等)是由车辆车载***记录的值。在替代实施例中,增强车辆诊断架构可以仅仅使用车辆参数实施,或者可以使用车辆参数和DTC的组合实施。在下文,车辆参数和DTC可总的称为车辆数据或数据序列。
车外分析还包括使用历史数据,例如销售商维修数据,以获得数据序列和随后故障之间的关系。这些关系用于产生分类器,所述分类器被定期地下载到所有这种车辆的车载***。车载***配置成与分类器一起工作以跟踪实时数据序列且基于车载分析产生警告或报警。
图1示出了示例性故障诊断和预测***10,各个车辆12配备有车载灵活计算平台(FCP)14(如,Onstar20(替代方案也可以经由卫星)在FCP 14和服务器18之间建立通信链路16。通过蜂窝塔20在服务器18和车辆组24之间建立类似通信链路22。此外,设置销售商通信链路26以在服务器18和国家内的各个销售商28之间建立通信。通过销售商通信链路26,服务器18接收在每个车辆寿命内访问销售商维护部的每个车辆的维修数据。如下文详细讨论的那样,该历史维修数据提供用于在DTC序列和车辆故障之间建立联系的大量信息,以预测即将到来的部件故障。本领域技术人员将理解,通过蜂窝塔20在服务器18、各个车辆12和车辆组24之间通信仅仅是示例性的,且可以(但不限于)使用允许在各个车辆12、车辆组24和服务器18之间传输信息的任何合适形式通信。
服务器18是配置成通过FCP 14从各个车辆12接收实时数据的计算装置。虽然在图1中未具体示出,但是车辆组24中的每个车辆还配备有配置成与服务器18通信的车载灵活计算平台(FCP)。通信链路16、22利于服务器18和车辆12、24之间数据和应用26的定期上传/下载。应用26可包括但不限于增强诊断和提前报警预测,其包括训练后的分类器。
图2示出了用于训练分类器以预测部件故障的示例性车外分析算法30。在一个实施例中,算法30存储在服务器18上,其在步骤32从车辆组24提取DTC、DTC序列和车辆参数。应当注意,在操作中从每个车辆获取DTC发生和参数合计非常大量的数据。因而,在步骤34,算法30应用时序数据挖掘应用,以从车辆组24滤波通过信息集合以检测型式且确定最频繁序列出现率(sequence occurrence)。在步骤36,算法30从服务器18中的数据库(未示出)获取由销售商收集的维修数据。维修数据包括车辆维修信息,例如车辆品牌和型号、维修日期和频率、具有相关操作参数的触发DTC、和与具体DTC型式相关的人工码(即,故障模式)。
在步骤38,将关联算法应用于数据集合,包括来自于步骤34的时序数据挖掘应用的最频繁DTC和参数序列出现率以及从销售商收集的维修数据。关联算法将序列出现率与维修数据进行比较以识别与随后车辆故障模式因果相关的数据集合中的型式。在步骤40,聚类算法应用于所识别型式和故障模式,且将支持度和/或置信度度量分配给每个型式。这通过根据具体故障模式聚类数据序列完成。聚类过程可包括将概率分配给每个序列和故障模式组合。例如,包括DTC1、DTC2和DTC3的序列可与故障模式(FM)1因果相关且因而分配给故障模式(FM)1。然后,聚类算法可确定由DTC1、DTC2和DTC3限定的具体数据序列与FM 1相关存在百分之九十的概率。在一个非限制性示例中,聚类算法是距离测度算法;然而,本领域技术人员将理解,可以使用任何合适的聚类技术。
在步骤42,故障预测分类器被训练以学习与每个聚类相关的故障模式。换句话说,分类器被训练以识别导致具体故障模式(即,故障)的数据序列。例如,分类器可以是支持向量机(SVM)、决策树(DT)或神经网络(NN)。这些分类器可以单独或结合使用。用于训练分类器的上述车外分析算法可以在生产之后定期更新以使用在制造时不能预见的新聚类和故障模式。
图3示出了配置成使用训练分类器以演化由车载FCP 14捕获的DTC型式的示例性分析算法50。使用一种途径,算法50在车辆内部在车载灵活计算平台上实施,如下文示例中所述。然而,本领域技术人员将理解,算法50也可以在车辆外部使用维护位置或其他远程位置处的车外分析器来实施。
因而,使用车载实施方式,训练后的分类器在步骤52从服务器18下载到车辆车载FCP 14。这些下载可基于请求或者可基于循环自动地发生。在一些情况下,这些下载可简单地是现有分类器的参数更新,而不是完全新的分类器。在步骤54,车载FCP 14连续地监测来自于车辆控制网络(在一个非限制性示例中是控制器局域网络(CAN)总线)的实时数据序列。在步骤56,故障分类器被启动且基于演化数据序列运行以确定演化数据序列是否与已知故障相关联。换句话说,分类器将DTC串与学习参数进行比较且识别可导致具体故障的类似型式。在步骤58,如果数据串表示分类器中的识别故障,提前报警警告可发送给车载FCP 14且最终发送给车辆操作者。在替代方案中,警告可传送给技术人员或其他诊断工具。
***10(包括车载FCP 14和服务器18)可以在一个或多个合适的计算装置上实施,计算装置通常包括有形地实施为计算装置内的计算机可读介质上的一组计算机可执行指令的软件应用。计算装置可以是多种计算装置中的任一种,例如,个人计算机、处理器、手持计算装置等。
计算装置通常各包括能由上述一个或多个装置执行的指令。计算机可执行指令可以从使用各种编程语言和/或技术生成的计算机程序编译或译码,包括但不限于(单独或以组合的形式)Java, C, C++, Visual Basic, Java Script, Perl等。通常,处理器(例如,微处理器)例如从存储器、计算机可读介质等接收指令并执行这些指令,从而执行一个或多个过程,包括本文所述的过程中的一个或多个。这种指令和其它数据可以使用各种已知的计算机可读介质存储和传输。
计算机可读介质包括参与提供数据(例如,指令)的任何介质,所述数据可以由计算装置(如,计算机)读取。这种介质可以采用许多形式,包括但不限于非易失性介质、易失性介质和传输介质。例如,非易失性介质包括光盘或磁盘和其它持久性存储器。易失性介质包括动态随机存取存储器(DRAM),通常构成主存储器。计算机可读介质的常见形式包括计算机可读取的任何介质。
应当理解的是,上面的描述旨在是示例性的而非限制性的。本领域技术人员在阅读上面的描述后将会明白不同于所提供示例的很多替代性方法或应用。本发明的范围不应当参考上面的描述而被确定,而是应当参考所附权利要求以及这些权利要求等价物的全部范围而被确定。可以预见和预期的是,在本文讨论的领域将会出现进一步的发展,并且所公开的***和方法将被并入这些进一步示例中。总之,应当理解的是,本发明能够进行修改和变化并且仅受所附权利要求的限制。
已经特别示出和描述了当前的实施例,这些实施例仅仅是最佳模式的示例。本领域技术人员应当理解的是,在不偏离本发明精神和范围的情况下,实施权利要求时可采用本文描述实施例的各种替代物,从而涵盖这些权利要求及其等价物范围内的方法和***。该描述应当被理解为包括本文描述的元件的所有新颖且非显而易见的组合,并且可在本申请或后续申请中给出对这些元件的任何新颖且非显而易见的组合的权利要求。而且,前面的实施例是示例性的,并且没有单一的特征或元件对于本申请或后续申请中可请求保护的所有可能的组合而言是必要的。
如本领域技术人员所理解的,权利要求中使用的所有术语意图被赋予其最广义的合理解释以及它们的普通意义,除非本文中作出明确的相反指示。特别地,诸如“一”、“该”、“所述”等单数冠词的使用应当被解读为记载所指元件的一个或多个,除非权利要求记载了相反的明确限制。
Claims (10)
1.一种车辆故障诊断和预测***,包括:
计算平台,所述计算平台配置成从远程服务器接收故障分类器,所述计算平台有形地包括计算机可执行指令,用于:
评估从车辆控制网络接收的数据序列;以及
将分类器应用于所述数据序列,其中,分类器配置成确定数据序列是否限定与具体故障相关的型式。
2.根据权利要求1所述的***,其中,所述数据序列包括以下一种或多种:顺序诊断故障码、时间标记诊断故障码和车辆参数。
3.根据权利要求1所述的***,其中,所述分类器被训练以将多个数据序列聚类与具体故障码相关联。
4.根据权利要求1所述的***,其中,分类器中的数据序列使用时序数据挖掘从车辆组获得。
5.根据权利要求1所述的***,其中,所述计算平台在车辆内部。
6.根据权利要求1所述的***,其中,所述计算平台在车辆外部。
7.一种用于故障诊断和预测的方法,包括:
从第一组车辆提取数据序列;
对从第一组车辆提取的数据序列应用时序数据挖掘应用以检测数据序列中的型式;
获得与第二组车辆有关的维修数据;
将数据序列与维修数据进行比较以识别与具体故障模式相关的数据序列。
8.根据权利要求7所述的方法,其中,应用时序数据挖掘应用包括识别频繁数据序列。
9.根据权利要求7所述的方法,其中,第一组车辆类似于第二组车辆。
10.一种有形地包括计算机可执行指令的计算机可读介质,用于:
从第一组车辆提取数据序列;
对从第一组车辆提取的数据序列应用时序数据挖掘应用以检测数据序列中的型式;
获得与第二组车辆有关的维修数据;
将数据序列与维修数据进行比较以识别与故障模式相关的数据序列。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/686963 | 2010-01-13 | ||
US12/686,963 US8676432B2 (en) | 2010-01-13 | 2010-01-13 | Fault prediction framework using temporal data mining |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610033138.0A Division CN105677887A (zh) | 2010-01-13 | 2011-01-13 | 使用时序数据挖掘的故障预测架构 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102129447A true CN102129447A (zh) | 2011-07-20 |
Family
ID=44259172
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011100065290A Pending CN102129447A (zh) | 2010-01-13 | 2011-01-13 | 使用时序数据挖掘的故障预测架构 |
CN201610033138.0A Pending CN105677887A (zh) | 2010-01-13 | 2011-01-13 | 使用时序数据挖掘的故障预测架构 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610033138.0A Pending CN105677887A (zh) | 2010-01-13 | 2011-01-13 | 使用时序数据挖掘的故障预测架构 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8676432B2 (zh) |
CN (2) | CN102129447A (zh) |
DE (1) | DE102011008211B4 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107368538A (zh) * | 2017-06-23 | 2017-11-21 | 芜湖恒天易开软件科技股份有限公司 | 用户行为数据采集*** |
CN107403480A (zh) * | 2017-06-15 | 2017-11-28 | 北汽福田汽车股份有限公司 | 一种车辆故障预警方法、***及车辆 |
CN109844666A (zh) * | 2016-10-12 | 2019-06-04 | 哈曼国际工业有限公司 | 用于车内预测性故障检测的***和方法 |
CN110222822A (zh) * | 2019-05-31 | 2019-09-10 | 北京工业大学 | 黑盒预测模型内部特征因果图的构建方法 |
CN113127237A (zh) * | 2019-12-27 | 2021-07-16 | 北京金风慧能技术有限公司 | 风力发电机组的主故障识别方法和*** |
CN114091625A (zh) * | 2022-01-18 | 2022-02-25 | 岚图汽车科技有限公司 | 一种基于故障代码序列的车辆零件失效预测方法及*** |
Families Citing this family (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8095261B2 (en) * | 2009-03-05 | 2012-01-10 | GM Global Technology Operations LLC | Aggregated information fusion for enhanced diagnostics, prognostics and maintenance practices of vehicles |
JP5161829B2 (ja) * | 2009-04-06 | 2013-03-13 | 本田技研工業株式会社 | 故障再現を支援する診断装置および故障再現データの出力方法 |
US8676432B2 (en) * | 2010-01-13 | 2014-03-18 | GM Global Technology Operations LLC | Fault prediction framework using temporal data mining |
US8433472B2 (en) * | 2010-08-04 | 2013-04-30 | GM Global Technology Operations LLC | Event-driven data mining method for improving fault code settings and isolating faults |
KR101703163B1 (ko) * | 2011-03-22 | 2017-02-07 | 한국전자통신연구원 | 차량의 복합 고장을 예측하기 위한 장치 및 방법 |
US8560165B2 (en) | 2012-01-17 | 2013-10-15 | GM Global Technology Operations LLC | Co-operative on-board and off-board component and system diagnosis and prognosis |
DE102012202540A1 (de) * | 2012-02-20 | 2013-08-22 | Robert Bosch Gmbh | Diagnoseverfahren und Diagnosevorrichtung für eine Fahrzeugkomponente eines Fahrzeugs |
US8977423B2 (en) | 2012-05-23 | 2015-03-10 | Snap-On Incorporated | Methods and systems for providing vehicle repair information |
US9158834B2 (en) | 2013-01-21 | 2015-10-13 | Snap-On Incorporated | Methods and systems for mapping repair orders within a database |
CN104021264B (zh) * | 2013-02-28 | 2017-06-20 | 华为技术有限公司 | 一种缺陷预测方法及装置 |
DE102013107962B4 (de) * | 2013-07-25 | 2016-08-04 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Überwachung von Komponenten eines Systems, kooperatives Fahrzeugfahrerassistenzsystem, Infrastruktureinrichtung sowie Computerprogramm |
US9336244B2 (en) | 2013-08-09 | 2016-05-10 | Snap-On Incorporated | Methods and systems for generating baselines regarding vehicle service request data |
US9477950B2 (en) | 2014-09-04 | 2016-10-25 | Snap-On Incorporated | Prognostics-based estimator |
US9672497B1 (en) | 2013-11-04 | 2017-06-06 | Snap-On Incorporated | Methods and systems for using natural language processing and machine-learning to produce vehicle-service content |
CN103795373B (zh) * | 2013-11-29 | 2016-07-06 | 电子科技大学中山学院 | 一种不完备***故障诊断的生成粒子滤波器方法 |
DE102013225717B4 (de) | 2013-12-12 | 2018-07-26 | Robert Bosch Gmbh | Verfahren zur Modifikation einer On-Board-Diagnose eines Fahrzeugs |
US9201930B1 (en) | 2014-05-06 | 2015-12-01 | Snap-On Incorporated | Methods and systems for providing an auto-generated repair-hint to a vehicle repair tool |
CN104484678B (zh) * | 2015-01-07 | 2017-06-16 | 青岛理工大学 | 基于故障类型分类能力评价矩阵的多分类器融合故障诊断方法 |
US9639995B2 (en) | 2015-02-25 | 2017-05-02 | Snap-On Incorporated | Methods and systems for generating and outputting test drive scripts for vehicles |
US10216796B2 (en) | 2015-07-29 | 2019-02-26 | Snap-On Incorporated | Systems and methods for predictive augmentation of vehicle service procedures |
US10380557B2 (en) * | 2015-07-31 | 2019-08-13 | Snap-On Incorporated | Methods and systems for clustering of repair orders based on alternative repair indicators |
US9951704B2 (en) * | 2015-09-08 | 2018-04-24 | GM Global Technology Operations LLC | No start event monitoring |
US11144888B2 (en) | 2015-10-02 | 2021-10-12 | Snap-On Incorporated | Method and system for augmenting real-fix tips with additional content |
US11429936B2 (en) | 2015-10-02 | 2022-08-30 | Snap-On Incorporated | System and method for dynamically-changeable displayable pages with vehicle service information |
CN105446290A (zh) * | 2015-10-10 | 2016-03-30 | 广东乐善机械有限公司 | 一种基于物联网控制的吹瓶机远程维修服务***及方法 |
EP3156870B1 (en) | 2015-10-15 | 2022-06-01 | Tata Consultancy Services Limited | Systems and methods for predictive reliability mining |
US9846860B2 (en) * | 2015-11-05 | 2017-12-19 | Snap-On Incorporated | Methods and systems for clustering of repair orders based on multiple repair indicators |
US9704141B2 (en) * | 2015-11-05 | 2017-07-11 | Snap-On Incorporated | Post-repair data comparison |
US9665994B1 (en) * | 2015-11-11 | 2017-05-30 | Snap-On Incorporated | Methods and systems for providing a vehicle repair tip |
KR101786228B1 (ko) * | 2015-12-01 | 2017-10-18 | 현대자동차주식회사 | 차량 고장 진단방법 |
EP3179365A1 (en) | 2015-12-11 | 2017-06-14 | Tata Consultancy Services Limited | Systems and methods for detecting matching content in code files |
CN112367318B (zh) | 2015-12-16 | 2023-04-07 | 松下电器(美国)知识产权公司 | 安全处理方法以及计算机 |
JP6423402B2 (ja) * | 2015-12-16 | 2018-11-14 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | セキュリティ処理方法及びサーバ |
US10102690B2 (en) * | 2016-03-04 | 2018-10-16 | Deere & Company | Non-starting engine remote diagnostic |
US10643158B2 (en) | 2016-04-01 | 2020-05-05 | Snap-On Incorporated | Technician timer |
CN106055439B (zh) * | 2016-05-27 | 2019-09-27 | 大连楼兰科技股份有限公司 | 基于维修决策树/词向量的故障远程诊断***和方法 |
FR3052273B1 (fr) * | 2016-06-02 | 2018-07-06 | Airbus | Prediction de pannes dans un aeronef |
US10068207B2 (en) * | 2016-06-17 | 2018-09-04 | Snap-On Incorporated | Systems and methods to generate repair orders using a taxonomy and an ontology |
US10692035B2 (en) * | 2016-07-26 | 2020-06-23 | Mitchell Repair Information Company, Llc | Methods and systems for tracking labor efficiency |
US9959792B2 (en) | 2016-09-29 | 2018-05-01 | GM Global Technology Operations LLC | System and method to place subjective messages on a vehicle |
WO2018119423A1 (en) * | 2016-12-22 | 2018-06-28 | Surround. Io Corporation | Method and system for providing artificial intelligence analytic (aia) services for performance prediction |
CN106482943A (zh) * | 2016-12-28 | 2017-03-08 | 湖南坤宇网络科技有限公司 | 一种基于决策树***的锅炉主汽阀关闭失灵预警方法 |
US11704590B2 (en) | 2017-03-24 | 2023-07-18 | Toyota Motor Engineering & Manufacturing North America, Inc. | Methods and systems for predicting failure of a power control unit of a vehicle |
US10733548B2 (en) | 2017-06-16 | 2020-08-04 | Snap-On Incorporated | Technician assignment interface |
CN107273273A (zh) * | 2017-06-27 | 2017-10-20 | 郑州云海信息技术有限公司 | 一种分布式集群硬件故障预警方法及*** |
CN111630464A (zh) * | 2017-09-29 | 2020-09-04 | 大众前瞻有限公司 | 车辆维修操作的预测 |
CN110059325B (zh) * | 2018-01-19 | 2024-05-03 | 罗伯特·博世有限公司 | 车辆故障预警***及对应的车辆故障预警方法 |
CN109086187A (zh) * | 2018-07-26 | 2018-12-25 | 郑州云海信息技术有限公司 | 一种性能告警方法和装置 |
DE102018215636A1 (de) | 2018-09-13 | 2020-03-19 | Volkswagen Aktiengesellschaft | Verfahren, Computerprogramme und Vorrichtungen für eine Netzwerkkomponente und für ein Endgerät, Netzwerkkomponente, Endgerät, System |
US11232650B2 (en) | 2018-09-14 | 2022-01-25 | Conduent Business Services, Llc | Modelling operational conditions to predict life expectancy and faults of vehicle components in a fleet |
US11354320B2 (en) * | 2018-10-11 | 2022-06-07 | International Business Machines Corporation | Determining causes of events in data |
CN109460003A (zh) * | 2018-10-17 | 2019-03-12 | 南京凯奥思数据技术有限公司 | 车辆故障预测建模方法及*** |
US11151808B2 (en) * | 2018-12-06 | 2021-10-19 | GM Global Technology Operations LLC | Vehicle fault root cause diagnosis |
DE102018132685A1 (de) * | 2018-12-18 | 2020-06-18 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum ferngesteuerten Handhaben eines Fehlerbefundes eines Fortbewegungsmittels, Fortbewegungsmittel, Backend-Server und System |
US11093315B2 (en) | 2019-03-22 | 2021-08-17 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods for detecting a fault or a model mismatch |
US10922906B2 (en) * | 2019-03-28 | 2021-02-16 | GM Global Technology Operations LLC | Monitoring and diagnosing vehicle system problems using machine learning classifiers |
US10922164B2 (en) * | 2019-04-30 | 2021-02-16 | Accenture Global Solutions Limited | Fault analysis and prediction using empirical architecture analytics |
US11150623B2 (en) | 2019-06-28 | 2021-10-19 | GM Global Technology Operations LLC | Data-driven approach for effective system change identification |
KR102552699B1 (ko) * | 2020-11-30 | 2023-07-10 | 주식회사 인포카 | 차량 고장 여부를 예측하기 위한 인공 신경망 학습 방법, 차량 고장 여부 판단 방법, 및 이를 수행하는 컴퓨팅 시스템 |
CN113158415B (zh) * | 2021-02-23 | 2023-09-08 | 电子科技大学长三角研究院(衢州) | 一种基于误差分析的车辆轨迹相似度评估方法 |
CN114239734B (zh) * | 2021-12-21 | 2023-09-12 | 中国人民解放军63963部队 | 一种分布式车载健康管理*** |
CN116757648B (zh) * | 2023-08-18 | 2023-11-03 | 天津市职业大学 | 基于人工智能的生产制造管理***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1648960A (zh) * | 2005-02-05 | 2005-08-03 | 华南理工大学 | 一种汽车轮胎气压在线监测装置及其在线监测方法 |
CN101126929A (zh) * | 2007-09-05 | 2008-02-20 | 东北大学 | 连采机远程实时故障预测及诊断方法与装置 |
CN101382439A (zh) * | 2008-10-27 | 2009-03-11 | 哈尔滨工业大学 | 多参数自确认传感器及其状态自确认方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8019501B2 (en) | 1995-06-07 | 2011-09-13 | Automotive Technologies International, Inc. | Vehicle diagnostic and prognostic methods and systems |
US6415395B1 (en) * | 1999-04-02 | 2002-07-02 | General Electric Company | Method and system for processing repair data and fault log data to facilitate diagnostics |
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
US20020173885A1 (en) * | 2001-03-13 | 2002-11-21 | Lowrey Larkin Hill | Internet-based system for monitoring vehicles |
KR20080080123A (ko) * | 2000-09-21 | 2008-09-02 | 아메리칸 캘카어 인코포레이티드 | 차량을 효과적으로 그리고 안전하게 운전하는 기술 |
JP3834463B2 (ja) * | 2000-10-13 | 2006-10-18 | 株式会社日立製作所 | 車載故障警報通報システム |
US6609051B2 (en) * | 2001-09-10 | 2003-08-19 | Daimlerchrysler Ag | Method and system for condition monitoring of vehicles |
DE10148214C2 (de) | 2001-09-28 | 2003-07-31 | Daimler Chrysler Ag | Verfahren zur Bereitstellung eines Wartungsalgorithmus |
US7526461B2 (en) * | 2004-11-17 | 2009-04-28 | Gm Global Technology Operations, Inc. | System and method for temporal data mining |
US7103509B2 (en) * | 2004-11-23 | 2006-09-05 | General Electric Company | System and method for predicting component failures in large systems |
US7558771B2 (en) * | 2006-06-07 | 2009-07-07 | Gm Global Technology Operations, Inc. | System and method for selection of prediction tools |
US20080059120A1 (en) * | 2006-08-30 | 2008-03-06 | Fei Xiao | Using fault history to predict replacement parts |
JP4453764B2 (ja) * | 2008-02-22 | 2010-04-21 | トヨタ自動車株式会社 | 車両診断装置、車両診断システム、診断方法 |
US9026304B2 (en) * | 2008-04-07 | 2015-05-05 | United Parcel Service Of America, Inc. | Vehicle maintenance systems and methods |
US20090271066A1 (en) * | 2008-04-23 | 2009-10-29 | Underdal Olav M | Diagnostic data mining |
US20100023203A1 (en) * | 2008-07-23 | 2010-01-28 | Oren Shibi | Diagnosis system and method for assisting a user |
US20100030418A1 (en) * | 2008-07-31 | 2010-02-04 | Gm Global Technology Operations, Inc. | Online health monitoring via multidimensional temporal data mining |
US8374745B2 (en) * | 2008-09-05 | 2013-02-12 | GM Global Technology Operations LLC | Telematics-enabled aggregated vehicle diagnosis and prognosis |
US8498776B2 (en) * | 2009-11-17 | 2013-07-30 | GM Global Technology Operations LLC | Fault diagnosis and prognosis using diagnostic trouble code markov chains |
US8473330B2 (en) * | 2009-12-10 | 2013-06-25 | GM Global Technology Operations LLC | Software-centric methodology for verification and validation of fault models |
US8676432B2 (en) * | 2010-01-13 | 2014-03-18 | GM Global Technology Operations LLC | Fault prediction framework using temporal data mining |
-
2010
- 2010-01-13 US US12/686,963 patent/US8676432B2/en active Active
-
2011
- 2011-01-10 DE DE102011008211.5A patent/DE102011008211B4/de active Active
- 2011-01-13 CN CN2011100065290A patent/CN102129447A/zh active Pending
- 2011-01-13 CN CN201610033138.0A patent/CN105677887A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1648960A (zh) * | 2005-02-05 | 2005-08-03 | 华南理工大学 | 一种汽车轮胎气压在线监测装置及其在线监测方法 |
CN101126929A (zh) * | 2007-09-05 | 2008-02-20 | 东北大学 | 连采机远程实时故障预测及诊断方法与装置 |
CN101382439A (zh) * | 2008-10-27 | 2009-03-11 | 哈尔滨工业大学 | 多参数自确认传感器及其状态自确认方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109844666A (zh) * | 2016-10-12 | 2019-06-04 | 哈曼国际工业有限公司 | 用于车内预测性故障检测的***和方法 |
CN107403480A (zh) * | 2017-06-15 | 2017-11-28 | 北汽福田汽车股份有限公司 | 一种车辆故障预警方法、***及车辆 |
CN107368538A (zh) * | 2017-06-23 | 2017-11-21 | 芜湖恒天易开软件科技股份有限公司 | 用户行为数据采集*** |
CN110222822A (zh) * | 2019-05-31 | 2019-09-10 | 北京工业大学 | 黑盒预测模型内部特征因果图的构建方法 |
CN113127237A (zh) * | 2019-12-27 | 2021-07-16 | 北京金风慧能技术有限公司 | 风力发电机组的主故障识别方法和*** |
CN114091625A (zh) * | 2022-01-18 | 2022-02-25 | 岚图汽车科技有限公司 | 一种基于故障代码序列的车辆零件失效预测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US8676432B2 (en) | 2014-03-18 |
US20110172874A1 (en) | 2011-07-14 |
DE102011008211B4 (de) | 2018-05-03 |
CN105677887A (zh) | 2016-06-15 |
DE102011008211A1 (de) | 2011-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102129447A (zh) | 使用时序数据挖掘的故障预测架构 | |
CN102069781B (zh) | 允许远程信息处理的聚合的车辆诊断和预报 | |
CN102073318B (zh) | 使用诊断故障代码马尔可夫链的故障诊断和预测 | |
US8095261B2 (en) | Aggregated information fusion for enhanced diagnostics, prognostics and maintenance practices of vehicles | |
US9478076B2 (en) | Systems and methods for executing custom fleet vehicle management scripts | |
CN103105846B (zh) | 用于车辆检修的维修辅助*** | |
JP2005048770A (ja) | 故障を診断し分離するためのモデルベースのインテリジェントエージェントを利用する方法 | |
CN104504400A (zh) | 一种基于在线行为建模的驾驶员异常行为检测方法 | |
CN113902233A (zh) | 车辆安全预警方法、大数据平台装置、车载终端和车辆 | |
CN111435464A (zh) | 用于检测和识别机器行为的目标测试和机器学习*** | |
CN114267178A (zh) | 一种车站的智能运营维护方法及装置 | |
CN108829088A (zh) | 汽车诊断方法、装置及存储介质 | |
CN109387376A (zh) | 车辆故障的诊断方法、车辆故障的诊断装置以及服务器 | |
CN117214719A (zh) | 一种基于大数据的新能源车辆电池健康评估*** | |
CN109189044A (zh) | 一种纯电动汽车远程监控故障形成数据库的方法 | |
MXPA03009292A (es) | Diagnostico que utiliza informacion especifica para un subsistema. | |
EP3462266B1 (en) | Aircraft maintenance message prediction | |
CN108254199B (zh) | 车辆健康预测方法、装置及设备 | |
CN113918123A (zh) | 一种产品优化管理***及方法 | |
US8170743B2 (en) | Integrated diagnosis and prognosis system as part of the corporate value chain | |
KR20200141239A (ko) | 차량 고장 진단 서비스 제공 시스템 및 방법 | |
DE102022002631A1 (de) | System zur Schätzung der Lebensdauer von Bremsbelägen eines Fahrzeugs und Verfahren dazu | |
CN113240864A (zh) | 一种洗车机智能管理***及方法 | |
Trstenjak et al. | A Decision Support System for the Prediction of Wastewater Pumping Station Failures Based on CBR Continuous Learning Model. | |
KR20240087314A (ko) | 차량고장 예측 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110720 |