CN109828857B - 车辆故障原因定位方法、装置、设备和存储介质 - Google Patents
车辆故障原因定位方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109828857B CN109828857B CN201811647993.6A CN201811647993A CN109828857B CN 109828857 B CN109828857 B CN 109828857B CN 201811647993 A CN201811647993 A CN 201811647993A CN 109828857 B CN109828857 B CN 109828857B
- Authority
- CN
- China
- Prior art keywords
- fault
- cause
- layer
- event
- reason
- 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.)
- Active
Links
Images
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车辆故障原因定位方法、装置、设备和存储介质。该方法包括:获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因;根据所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率,确定导致所述第一故障事件的根本原因。本发明实施例可以大大提高车辆的安全性能,并且能降低车辆使用者的维修成本,实时性较高。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种车辆故障原因定位方法、装置、设备和存储介质。
背景技术
随着科学技术的进步,尤其是汽车制造以及信息技术的发展,汽车已成成目前主要的交通工具。在车辆的行驶过程中,难免会出现故障。因此故障定位在车辆安全性和可靠性方面影响重大。故障原因定位的目的就是通过原始的故障症状和一系列的测试准确定位故障产生的根源。
由于车辆包含数量庞大的功能模块及其子***,并且各个功能模块之间通过复杂的方式进行交互。通过故障症状表象定位故障产生的根源较为困难。
发明内容
本发明提供一种车辆故障原因定位方法、装置、设备和存储介质,以提高车辆的安全性能,并且能降低车辆使用者的维修成本。
第一方面,本发明提供一种车辆故障原因定位方法,包括:
获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因;
根据所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率,确定导致所述第一故障事件的根本原因。
第二方面,本发明提供一种车辆故障原因定位装置,包括:
获取模块,用于获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因;
处理模块,用于根据所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率,确定导致所述第一故障事件的根本原因。
第三方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中任一项所述的方法。
第四方面,本发明实施例提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行第一方面中任一项所述的方法。
本发明实施例提供的车辆故障原因定位方法、装置、设备和存储介质,获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因;根据所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率,确定导致所述第一故障事件的根本原因,车辆具备故障原因定位功能,可以大大提高车辆的安全性能,并且能降低车辆使用者的维修成本,并且可以大大提高车辆的使用便利性,故障原因定位的实时性较高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本发明一实施例提供的应用场景图;
图2是本发明提供的车辆故障原因定位方法一实施例的流程示意图;
图3是本发明提供的车辆故障原因定位方法一实施例的故障分析图表示意;
图4是本发明提供的车辆故障原因定位方法另一实施例的故障分析图表示意;
图5是本发明提供的车辆故障原因定位装置一实施例的结构示意图;
图6是本发明提供的电子设备实施例的结构示意图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本发明的说明书和权利要求书及所述附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先对本发明所涉及的应用场景进行介绍:
本发明实施例提供的车辆故障原因定位方法,应用于对车辆故障原因的定位场景中,例如主动安全驾驶场景中对车辆故障原因的定位,以提高车辆的安全性能。其中,上述车辆例如为自动驾驶车辆,或普通车辆。
故障原因定位的目的就是通过原始的故障症状和一系列的测试准确定位故障产生的根源。
故障原因定位在车辆安全性和可靠性方面影响重大。通过故障症状表象判断故障的根源很复杂,具体原因如下:
车辆包含数量庞大的功能模块及其子***,并且各个功能模块之间通过复杂的方式进行交互。而且,故障症状可能的原因和观测得到的故障源数量众多,导致成功的解释这些故障症状和观测结果非常困难。
目前车辆故障原因定位大多是线下检测,在线行驶中,车辆故障诊断***仅能记录故障反应的症状,后期由专业车辆工程师对记录数据进行分析,并采用故障诊断设备对车辆各个功能模块逐一排查,寻找故障的根源,确定故障解决方案。该方式中,故障原因定位的实时性较差。
图1为本发明一实施例提供的应用场景图,可选的,如图1所示,该应用场景中包括服务器11、电子设备12;该电子设备12可以为车辆上的车载终端,或者车辆的处理器。
其中,电子设备12和服务器11可以通过网络连接,例如3G、4G或无线保真(Wireless Fidelity,WIFI)等通信网络。
本发明提供的方法可由电子设备12如处理器执行相应的软件代码实现,也可由该电子设备12在执行相应的软件代码的同时,通过和服务器11进行数据交互来实现,如服务器执行部分操作,来控制电子设备执行车辆故障原因定位方法。
下面的实施例均以电子设备为执行主体进行说明。以下实施例中以自动驾驶车辆为例进行说明。
下面以具体的实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图2是本发明提供的车辆故障原因定位方法一实施例的流程示意图。如图2所示,本实施例提供的方法,包括:
步骤201、获取第一故障事件对应的至少一个故障原因层,故障原因层包括至少一个故障原因。
具体的,在实际应用中,自动驾驶车辆的车辆电子控制***包含众多控制器,功能纷繁复杂,车辆发生故障时一个故障事件可能包含好几层故障原因,因此分析时,首先获取第一故障事件对应的至少一个故障原因层,故障原因层包括至少一个故障原因,前一故障原因层的某些故障原因可能导致后一故障原因层的某些故障原因,如图3所示,该图中包括:20个观察节点O1-O20,13个故障原因节点R1-R13,R1-R13为导致第一故障事件的可能的根本原因,7个中间故障原因节点I1-I7,1个第一故障事件节点S1。其中,第一故障事件例如为没有声音,观察节点可以是故障原因节点对应的故障数据观察节点。
步骤202、根据第一故障事件对应的各个故障原因层中各个故障原因的先验概率,确定导致第一故障事件的根本原因。
具体的,如图3所示,根据每一层中各个故障原因的先验概率,逐层筛选出可能的故障原因,直至确定出最后一层中导致该第一故障事件的根本原因。
例如将先验概率大于某一预设阈值,如80%的故障原因作为可能的故障原因。或者,将先验概率最大的故障原因作为可能的故障原因。
如图3所示,假设I2、I4、I6为故障原因层1包括的故障原因,I1、I3、I5、I7为故障原因层2包括的故障原因,R1-R13为故障原因层3包括的故障原因,I2、I4、I6中先验概率大于80%的节点为的I6,I5、I7中先验概率大于80%的节点为I7,R10-R13中先验概率大于80%的节点为R12、R13,或者选出先验概率最大的节点作为导致该第一故障事件的根本原因,如R13。
本实施例的方法,获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因;根据所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率,确定导致所述第一故障事件的根本原因,车辆具备故障原因定位功能,可以大大提高车辆的安全性能,并且能降低车辆使用者的维修成本,并且可以大大提高车辆的使用便利性,故障原因定位的实时性较高。
在上述实施例的基础上,可选的,步骤202具体可以采用如下方式实现:
如果第N个故障原因层中故障原因的先验概率大于预设阈值,根据该故障原因筛选第N-1个故障原因层中所述第一故障事件对应的故障原因,直至确定出导致所述第一故障事件的根本原因;N为大于1的整数。
具体的,如图3所示,根据每一层中各个故障原因的先验概率,逐层筛选出可能的故障原因,直至确定出最后一层中导致该第一故障事件的根本原因。
根据第一故障事件对应的第一层故障原因层中故障原因的先验概率,如果第一层(例如I2、I4、I6)中某故障原因的先验概率大于预设阈值,则根据该故障原因筛选出前一故障原因层(即第二层故障原因层(例如I5、I7))中第一故障事件对应的故障原因,以此类推,直至确定出最后一层中导致该第一故障事件的根本原因。
以上可以根据先验概率大于预设阈值对故障原因进行筛选,或者根据先验概率最大的前几个故障原因进行筛选。
在上述实施例的基础上,进一步的,步骤202之前还可以进行如下操作:
一种实现方式中:
根据第一故障事件发生的情况下各个故障原因层中各个故障原因的第一后验概率,确定第一故障事件对应的各个故障原因层中各个故障原因的先验概率。
具体的,由于第一后验概率可以用下式得到:
其中,S1为第一故障事件,R1为可能导致第一故障事件的故障原因。第一后验概率为第一故障事件发生的情况下故障原因R1的后验条件概率。
所以,故障原因R1的先验概率可以用下式计算得到:
假设如果故障原因R1发生,则必然导致第一故障事件S1发生。所以:
P(R1)=P(R1/S1)·P(S1)
其中,P(S1)可以理解为一个比例因子,当已知P(S1)发生时,概率为1。
进一步的,可以根据预先获取的第一故障事件的历史故障数据,确定第一故障事件发生的情况下各个故障原因层中各个故障原因的第一后验概率。
具体的,第一后验概率P(R1/S1)可以根据历史故障数据估计得到,历史故障数据可以包括导致该第一故障事件的故障原因的概率等。进一步,可以根据专家经验对历史故障数据进行分析,得出第一后验概率P(R1/S1)。
因此,可以计算得到故障原因R1的先验概率。
另一种实现方式中:
若第一故障事件和第二故障事件同时发生,根据第一故障事件发生的情况下各个故障原因层中各个故障原因的第二后验概率,以及第一故障事件的第三后验概率,确定第一故障事件对应的各个故障原因层中各个故障原因的先验概率;第二故障事件包括至少一个故障事件。
具体的,在实际应用中,车辆发生故障时可能同时有多个故障事件发生,并且,每个故障事件之间不独立。
当故障事件不止一个时,比如故障事件为四个时,分别为第一故障事件S2、第二故障事件S1、S3、S4。每个S故障事件内部可以对应一个图3所示的,可单独分析。对于总事件C,如图4所示,第一故障事件S2和第二故障事件S1有两个共同的根本原因CR1和CR2。第二故障事件S1,第二故障事件S3和第二故障事件S4共享一个共同的根本原因CR3。每一个故障事件均可参照前述实施例进行单独的故障原因分析。
进一步的,R是第一故障事件S2的单独故障原因。由于第一故障事件S2和第二故障事件S1含有相同的根本原因CR1和CR2,第一故障事件S1,第二故障事件S3和第二故障事件S4含有相同的根本原因CR3,如图4所示。
所以所有的故障事件C计算如下:
C=S1+S2+S3+S4-CR1-CR2-CR3
根本原因R只是第一故障事件S2的故障原因,所以
P(R)=P(R/S2)·P(S2)
第一故障事件S2在事件C中,所以
P(S2)=P(S2/C)·P(C)
带入上式,得到:
P(R)=P(R/S2)·P(S2/C)·P(C)
将P(C)想象成一个比例系数,得到
P(R)=P(R/S2)·P(S2/C)
因此得到很多关联的故障事件的故障原因的先验概率。其中,P(R/S2)为第一故障事件发生的情况下故障原因R的第二后验概率,P(S2/C)为第一故障事件的第三后验概率,即第一故障事件和第二故障事件同时发生的情况下第一故障事件的后验条件概率。
可选的,可以根据预先获取的第一故障事件和第二故障事件的历史故障数据,确定第一故障事件发生的情况下各个故障原因层中各个故障原因的第二后验概率。
具体的,第二后验概率P(R/S2)可以根据历史故障数据估计得到,历史故障数据可以包括导致该第一故障事件的故障原因的概率等。进一步,可以根据专家经验对历史故障数据进行分析,得出第二后验概率P(R/S2)。
可选的,可以根据预先获取的第一故障事件和第二故障事件的历史故障数据,确定第一故障事件和第二故障事件同时发生的情况下,第一故障事件的第三后验概率。
具体的,第三后验概率P(S2/C)可以根据历史故障数据估计得到,历史故障数据可以包括该第一故障事件和第二故障事件的概率等。进一步,可以根据专家经验对历史故障数据进行分析,得出第三后验概率P(S2/C)。
本实施例中,通过不断迭代,根据先验概率确定故障原因产生的优先级,先验概率越大,则说明该故障原因的优先级越高,即第一故障事件越有可能是该故障原因导致的,可以快速完成故障原因定位。上述实施例的方案,可以进行在线故障原因定位,当故障事件的发生状态不断更新,可以根据故障事件的状态实时调整定位策略,直到可以定位出故障原因为止。
进一步的,本实施例的方法,还可以包括如下步骤:
生成指示信息,用于指示车辆的处理器根据根本原因执行修复操作;
若在预设时长后检测到第一故障事件未修复,则发出故障报警信息,用于提醒用户进行故障排查。
具体的,分析故障原因后可以生成指示信息,用于指示处理器采取相应的修复操作,最终解决该第一故障事件,如果故障原因无法消除,可以发出故障报警故障信息,告知车辆使用者请专业工程师对车辆进行排查。降低了车辆使用中故障问题解决成本,并提高车辆行驶安全性。
上述实施例的方法,可以实现对自动驾驶车辆的复杂控制***的实时在线故障原因定位,具体实现了车辆复杂控制***内一个故障原因导致多故障事件或多故障事件同时发生情况下的故障原因定位,可以大大提高自动驾驶车辆的安全性能,并且能降低车辆使用者的维修成本,车辆具备自我修复和故障原因定位功能,可以大大提高车辆的使用便利性,不具有专业知识的车辆使用人员也能具备车辆使用和维护的能力。因此,可以较大的提高车辆性能和维护维修效率,降低成本。
图5为本发明提供的车辆故障原因定位装置一实施例的结构图,如图5所示,本实施例的车辆故障原因定位装置,包括:
获取模块501,用于获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因;
处理模块502,用于根据所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率,确定导致所述第一故障事件的根本原因。
可选的,处理模块502,具体用于执行:
如果第N个故障原因层中故障原因的先验概率大于预设阈值,根据该故障原因筛选第N-1个故障原因层中所述第一故障事件对应的故障原因,直至确定出导致所述第一故障事件的根本原因。
可选的,处理模块502,还用于:
根据所述第一故障事件发生的情况下各个故障原因层中各个所述故障原因的第一后验概率,确定所述第一故障事件对应的各个故障原因层中各个所述故障原因的先验概率。
可选的,处理模块502,还用于:
若所述第一故障事件和第二故障事件同时发生,根据所述第一故障事件发生的情况下各个故障原因层中各个所述故障原因的第二后验概率,以及所述第一故障事件的第三后验概率,确定所述第一故障事件对应的各个故障原因层中各个所述故障原因的先验概率;所述第二故障事件包括至少一个故障事件。
可选的,处理模块502,还用于:
根据预先获取的所述第一故障事件的历史故障数据,确定所述第一故障事件发生的情况下各个故障原因层中各个所述故障原因的第一后验概率。
可选的,处理模块502,还用于:
根据预先获取的所述第一故障事件和所述第二故障事件的历史故障数据,确定所述第一故障事件发生的情况下各个故障原因层中各个所述故障原因的第二后验概率。
可选的,处理模块502,还用于:
根据预先获取的所述第一故障事件和所述第二故障事件的历史故障数据,确定所述第一故障事件和第二故障事件同时发生的情况下,所述第一故障事件的第三后验概率。
可选的,处理模块502,还用于:
生成指示信息,用于指示车辆的处理器根据所述根本原因执行修复操作;
若在预设时长后检测到所述第一故障事件未修复,则发出故障报警信息,用于提醒用户进行故障排查。
本实施例的装置,可以用于执行上述方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图6为本发明提供的电子设备实施例的结构图,如图6所示,该电子设备包括:
处理器601,以及,用于存储处理器601的可执行指令的存储器602。
可选的,还可以包括:通信接口603,用于与其他设备通信。
上述部件可以通过一条或多条总线进行通信。
其中,处理器601配置为经由执行所述可执行指令来执行前述方法实施例中对应的方法,其具体实施过程可以参见前述方法实施例,此处不再赘述。
本发明实施例中还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前述方法实施例中对应的方法,其具体实施过程可以参见前述方法实施例,其实现原理和技术效果类似,此处不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (9)
1.一种车辆故障原因定位方法,其特征在于,包括:
获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因,所述至少一个故障原因层中后一故障原因层的故障原因能够导致前一故障原因层的故障原因;
若第二故障事件和所述第一故障事件同时发生,根据所述第一故障事件发生的情况下各个故障原因层中各个所述故障原因的第一后验概率,以及所述第一故障事件和所述第二故障事件同时发生的情况下,所述第一故障事件的第二后验概率,确定所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率;
根据所述至少一个故障原因层中各个故障原因的先验概率,按照从前一故障原因层到后一故障原因层的顺序逐层确定导致所述第一故障事件的根本原因。
2.根据权利要求1所述的方法,其特征在于,根据所述至少一个故障原因层中各个故障原因的先验概率,按照从前一故障原因层到后一故障原因层的顺序逐层确定导致所述第一故障事件的根本原因,包括:
如果第N个故障原因层中存在故障原因的先验概率大于预设阈值的故障原因,根据大于所述预设阈值的故障原因筛选第N+1个故障原因层中所述第一故障事件对应的故障原因,直至确定出导致所述第一故障事件的根本原因;所述第N+1个故障原因层为所述第N个故障原因层的后一故障原因层。
3.根据权利要求1或 2所述的方法,其特征在于,所述根据所述至少一个故障原因层中各个故障原因的先验概率,按照从前一故障原因层到后一故障原因层的顺序逐层确定导致所述第一故障事件的根本原因之前,还包括:
若所述第一故障事件单独发生,根据所述第一故障事件发生的情况下各个故障原因层中各个所述故障原因的第三后验概率,确定所述第一故障事件对应的各个故障原因层中各个所述故障原因的先验概率。
4.根据权利要求3所述的方法,其特征在于,所述确定所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率之前,还包括:
根据预先获取的所述第一故障事件的历史故障数据,确定所述第三后验概率。
5.根据权利要求1所述的方法,其特征在于,所述确定所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率之前,还包括:
根据预先获取的所述第一故障事件和所述第二故障事件的历史故障数据,确定所述第一故障事件和第二故障事件同时发生的情况下,所述第一故障事件的第二后验概率。
6.根据权利要求1或2所述的方法,其特征在于,所述按照从前一故障原因层到后一故障原因层的顺序逐层确定导致所述第一故障事件的根本原因之后,还包括:
生成指示信息,用于指示车辆的处理器根据所述根本原因执行修复操作;
若在预设时长后检测到所述第一故障事件未修复,则发出故障报警信息,用于提醒用户进行故障排查。
7.一种车辆故障原因定位装置,其特征在于,包括:
获取模块,用于获取第一故障事件对应的至少一个故障原因层,所述故障原因层包括至少一个故障原因,所述至少一个故障原因层中后一故障原因层的故障原因能够导致前一故障原因层的故障原因;
处理模块,用于若第二故障事件和所述第一故障事件同时发生,根据所述第一故障事件发生的情况下各个故障原因层中各个所述故障原因的第一后验概率,以及所述第一故障事件和所述第二故障事件同时发生的情况下,所述第一故障事件的第二后验概率,确定所述第一故障事件对应的各个故障原因层中各个故障原因的先验概率;
根据所述至少一个故障原因层中各个故障原因的先验概率,按照从前一故障原因层到后一故障原因层的顺序逐层确定导致所述第一故障事件的根本原因。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法。
9.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811647993.6A CN109828857B (zh) | 2018-12-29 | 2018-12-29 | 车辆故障原因定位方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811647993.6A CN109828857B (zh) | 2018-12-29 | 2018-12-29 | 车辆故障原因定位方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109828857A CN109828857A (zh) | 2019-05-31 |
CN109828857B true CN109828857B (zh) | 2022-07-05 |
Family
ID=66861475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811647993.6A Active CN109828857B (zh) | 2018-12-29 | 2018-12-29 | 车辆故障原因定位方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109828857B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110887671B (zh) * | 2019-10-18 | 2022-04-12 | 北京百度网讯科技有限公司 | 自动驾驶中定位车辆故障的根本原因的方法和装置 |
CN117114352B (zh) * | 2023-09-15 | 2024-04-09 | 北京阿帕科蓝科技有限公司 | 车辆维护方法、装置、计算机设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011076409A (ja) * | 2009-09-30 | 2011-04-14 | Hitachi Solutions Ltd | 障害原因解析システム及びプログラム |
CN104063586A (zh) * | 2014-06-11 | 2014-09-24 | 西北工业大学 | 基于多态故障树的贝叶斯网络故障预测方法 |
CN104518905A (zh) * | 2013-10-08 | 2015-04-15 | 华为技术有限公司 | 一种故障定位方法及装置 |
CN106357423A (zh) * | 2016-08-19 | 2017-01-25 | 南京国电南自电网自动化有限公司 | 一种基于故障树的智能变电站二次设备异常诊断方法 |
-
2018
- 2018-12-29 CN CN201811647993.6A patent/CN109828857B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011076409A (ja) * | 2009-09-30 | 2011-04-14 | Hitachi Solutions Ltd | 障害原因解析システム及びプログラム |
CN104518905A (zh) * | 2013-10-08 | 2015-04-15 | 华为技术有限公司 | 一种故障定位方法及装置 |
CN104063586A (zh) * | 2014-06-11 | 2014-09-24 | 西北工业大学 | 基于多态故障树的贝叶斯网络故障预测方法 |
CN106357423A (zh) * | 2016-08-19 | 2017-01-25 | 南京国电南自电网自动化有限公司 | 一种基于故障树的智能变电站二次设备异常诊断方法 |
Non-Patent Citations (1)
Title |
---|
"贝叶斯网络故障诊断的先验概率评估研究";陈强强 等;《电子机械工程》;20170430;第33卷(第2期);第56-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109828857A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108563214B (zh) | 车辆诊断方法、装置及设备 | |
US11776330B2 (en) | Closed-loop diagnostic model maturation for complex systems | |
CN109828857B (zh) | 车辆故障原因定位方法、装置、设备和存储介质 | |
US20210171221A1 (en) | Onboard diagnosis and correlation of failure data to maintenance actions | |
CN110275992B (zh) | 应急处理方法、装置、服务器及计算机可读存储介质 | |
WO2023125851A1 (zh) | 远程诊断方法及装置、电子设备和存储介质 | |
CN109964182A (zh) | 用于车辆分析的方法和*** | |
CN112613627A (zh) | 车辆维修信息推送方法、装置、***、设备及存储介质 | |
CN111199088A (zh) | 复现场景数据的方法和装置 | |
CN114124567A (zh) | 基于大数据漏洞挖掘的云服务处理方法及人工智能*** | |
CN112606779B (zh) | 一种汽车故障预警方法及电子设备 | |
CN109857118B (zh) | 无人车规划驾驶策略的方法、装置、设备及存储介质 | |
CN114157507A (zh) | 采用大数据分析的云服务漏洞分析方法及人工智能*** | |
CN115577151A (zh) | 一种车辆故障实时诊断方法、装置、电子设备及存储介质 | |
CN110108981B (zh) | 一种有源配电网中线路的故障诊断方法和*** | |
EP2082375B1 (en) | Fault isolation in a vehicle | |
US8706278B2 (en) | Non-bussed vehicle amplifier diagnostics | |
CN111949553B (zh) | 一种基于规则引擎的场景用例测试方法及装置 | |
CN112327804A (zh) | 牵引控制单元的故障诊断方法、装置、***和列车 | |
CN115265566A (zh) | 自动驾驶定位数据收集处理方法、装置、介质及车辆 | |
CN111061253A (zh) | 针对机电混合***的故障诊断方法、***及可读介质 | |
CN109799425B (zh) | 电网故障诊断方法及装置 | |
US11262738B2 (en) | Device and method for measuring, simulating, labeling and evaluating components and systems of vehicles | |
CN112434193B (zh) | 一种引导式***故障快速排查方法及装置 | |
CN110471399A (zh) | 基于ecu的车辆诊断方法、装置、***及车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |