CN110174885A - 一种无人驾驶车辆的快速诊断方法及终端 - Google Patents
一种无人驾驶车辆的快速诊断方法及终端 Download PDFInfo
- Publication number
- CN110174885A CN110174885A CN201910485635.8A CN201910485635A CN110174885A CN 110174885 A CN110174885 A CN 110174885A CN 201910485635 A CN201910485635 A CN 201910485635A CN 110174885 A CN110174885 A CN 110174885A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- vehicle module
- module
- operation data
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0208—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the configuration of the monitoring system
- G05B23/0213—Modular or universal configuration of the monitoring system, e.g. monitoring system having modules that may be combined to build monitoring program; monitoring system that can be applied to legacy systems; adaptable monitoring system; using different communication protocols
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明公开了一种无人驾驶车辆的快速诊断方法及终端,获取车载模块的运行数据,判断运行数据是否异常,若是,则根据运行数据判断车载模块的异常类型,生成并存储包括车载模块与异常类型的故障记录;根据存储的所有故障记录判断车载模块的设计参数是否合理;本发明通过在获取车载模块的运行数据之后,对运行数据进行分析,并根据分析结果判断车载模块的设计参数是否合理,从而可以快速诊断出当前无人驾驶车辆上各车载模块的功能,及时发现存在隐患的车载模块,并进行更换,达到快速部署、快速诊断以及快速维修的功能。
Description
技术领域
本发明涉及无人驾驶车辆领域,特别涉及一种无人驾驶车辆的快速诊断方法及终端。
背景技术
无人驾驶车辆是汽车领域今后发展的主要趋势,其中,汽车循迹驾驶是无人车自动驾驶的一种方式。循迹驾驶指的是汽车根据预先设置好的路线进行自动循迹驾驶。目前已有的循迹驾驶控制是通过平台发送路线至车载终端,车载终端控制油门,刹车,换档等操作。为保证能适应复杂的环境,如无人区侦查、后端补给、动态越障以及模拟训练等等。目前无人驾驶车辆一般为定制型,使用的轮胎、转向总成、刹车总成均为线控定制型。因涉及到非标准件,且无人车使用场景复杂,机动性要求强,需快速实现诊断维修重新投放,故如何实现实时快速诊断各终端成为了重要问题。
发明内容
本发明所要解决的技术问题是:提供一种无人驾驶车辆的快速诊断方法及终端,以实现对车载模块的快速诊断。
为了解决上述技术问题,本发明采用的技术方案为:
一种无人驾驶车辆的快速诊断方法,包括步骤:
S1、获取车载模块的运行数据,判断所述运行数据是否异常,若是,则根据所述运行数据判断所述车载模块的异常类型,生成并存储包括所述车载模块与所述异常类型的故障记录;
S2、根据存储的所有故障记录判断所述车载模块的设计参数是否合理。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种无人驾驶车辆的快速诊断终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取车载模块的运行数据,判断所述运行数据是否异常,若是,则根据所述运行数据判断所述车载模块的异常类型,生成并存储包括所述车载模块与所述异常类型的故障记录;
S2、根据存储的所有故障记录判断所述车载模块的设计参数是否合理。
本发明的有益效果在于:一种无人驾驶车辆的快速诊断方法及终端,在获取车载模块的运行数据之后,对运行数据进行分析,并根据分析结果判断车载模块的设计参数是否合理,从而可以快速诊断出当前无人驾驶车辆上各车载模块的功能,及时发现存在隐患的车载模块,并进行更换,以达到快速部署、快速诊断以及快速维修的功能。
附图说明
图1为本发明实施例的一种无人驾驶车辆的快速诊断方法的流程示意图;
图2为本发明实施例的一种无人驾驶车辆的快速诊断终端的结构示意图;
图3为本发明实施例的一种无人驾驶车辆的快速诊断终端的框架示意图。
标号说明:
1、一种无人驾驶车辆的快速诊断终端;2、处理器;3、存储器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
在此之前,为了便于理解本发明的技术方案,对于本发明中涉及的英文缩写、设备等进行说明如下:
(1)、CPU:在本发明中为Central Processing Unit的英文简称,其中文解释为中央处理器,它是是一块超大规模的集成电路,是一台计算机的运算核心和控制核心。它的功能主要是解释计算机指令以及处理计算机软件中的数据。
(2)、CAN:在本发明中为Controller Area Network的英文简称,其中文解释为控制器局域网络,CAN属于总线式串行通信网络,CAN总线是一种应用广泛的现场总线,特别是在在工业测控和工业自动化等领域。
(3)、GPS:在本发明中为Global Positioning System的英文简称,其中文解释为全球定位***,GPS导航***的基本原理是测量出已知位置的卫星到用户接收机之间的距离,然后综合多颗卫星的数据就可知道接收机的具***置。
(4)、DAC:在本发明中为Digital to analog converter的英文缩写,其中文解释为数字模拟转换器,它是一种将数字信号转换为模拟信号的设备。在很多数字***中,信号以数字方式存储和传输,而数字模拟转换器可以将这样的信号转换为模拟信号,从而使得它们能够被外界识别;另外本实施例中的AD为模拟信号转换为数字信息的意思。
(5)、CPE:在本发明中为Customer Premise Equipment的英文缩写,其中文解释为客户终端设备,它用于提供家庭客户的有线宽带、IPTV、VOIP等业务。
(6)、TCU:在本发明中为Transmission Control Unit的英文简称,其中文解释为自动变速箱控制单元,它常用于AMT、AT、DCT、CVT等自动变速器。实现自动变速控制,使驾驶更简单。
(7)、ECU:在本发明中为Electronic Control Unit的英文简称,其中文解释为电子控制单元,它又称“行车电脑”以及“车载电脑”等。从用途上讲则是汽车专用微机控制器。
请参照图1,一种无人驾驶车辆的快速诊断方法,包括步骤:
S1、获取车载模块的运行数据,判断所述运行数据是否异常,若是,则根据所述运行数据判断所述车载模块的异常类型,生成并存储包括所述车载模块与所述异常类型的故障记录;
S2、根据存储的所有故障记录判断所述车载模块的设计参数是否合理。
从上述描述可知,本发明的有益效果在于:在获取车载模块的运行数据之后,对运行数据进行分析,并根据分析结果判断车载模块的设计参数是否合理,从而可以快速诊断出当前无人驾驶车辆上各车载模块的功能,及时发现存在隐患的车载模块,并进行更换,达到快速部署、快速诊断以及快速维修的功能。
进一步地,所述步骤S1中还包括:
若所述运行数据异常,则获取无人驾驶车辆内的所有传感器参数,根据所述传感器参数得到故障可能因素;
所述步骤S1之后还包括:
S3、获取第X次故障记录至第X+N次故障记录的所有数据,得到每一个车载模块的故障次数,判断是否存在超过预警次数的车载模块,若存在第一模块的故障次数超过所述预警次数,则生成第一模块设计参数不合理指令;
若所有的故障次数均小于所述预警次数,则获取故障次数最多的第二模块,生成第二模块设计参数待观察指令。
从上述描述可知,传感器用于采集参数,在发生故障时,获取传感器参数进行分析,从而推导出出现故障的可能因素,从而能发现参数设计不合理的地方,以进行更换修改;当某一模块在一段时间内的出现频率最高,标记该模块,以便后续设计时增加备有安全模块或是设计更多的冗余以保证该模块的运行。
进一步地,所述步骤S1中的车载模块包括线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成;
所述线控刹车总成的运行数据包括刹车芯片故障状态位、刹车CPU运行状态数据、刹车霍尔传感数据、刹车CAN通讯反馈数据、刹车电机电流检测数据、压力传感数据以及刹车行程传感数据;
所述线控转向总成的运行数据包括转向芯片故障状态位、转向CPU运行状态数据、转向角度传感数据、力矩传感数据、转向CAN通讯反馈数据以及转向电机电流检测数据;
所述线控油门总成的运行数据包括双通道AD采样值;
所述远程点火总成的运行数据包括继电器电压检测、发动机怠速转速检测以及发动机状态检测;
所述车辆控制总成的运行数据包括主控CPU运行状态、主控CAN通讯反馈数据、GPS数据、惯导传感器数据、通讯电台状态数据以及CPE状态数据;
所述车载通信总成的运行数据包括数传电台数据、CPE数据以及通讯心跳数据。
从上述描述可知,通过对无人驾驶车辆中的线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成都进行监控,并对每个模块的核心数据都进行接收并分析处理,以使得后续发生故障时能够相互验证,以保证最后分析出来的故障原因更为准确,即保证快速诊断过程的准确性。
进一步地,所述步骤S1之前包括:
S0、向所述车载模块发送访问请求指令;
所述步骤S1包括:判断在预设反馈时间是否收到车载模块的运行数据,若未收到,则判断所述车载模块出现超时未回复异常,生成并存储包括所述车载模块与所述超时未回复异常的故障记录;
若收到所述车载模块的运行数据,判断所述车载模块的运行数据是否有缺失,若有,则判断所述车载模块出现第一器件异常,生成并存储所述车载模块与所述第一器件异常的故障记录,所述第一器件为所缺失的运行数据所对应的器件;
判断所述运行数据中的传感数据是否超过越界理论值,若是,则判断所述车载模块出现传感器采集异常,生成并存储所述车载模块与所述传感器采集异常的故障记录;
判断所述运行数据中的电压数据是否超过预设上限值,若是,则判断所述车载模块出现电压过大异常,生成并存储所述车载模块与所述电压过大异常的故障记录;
判断所述运行数据中的电流数据是否超过预设上限值,若是,则判断所述车载模块出现电流过大异常,生成并存储所述车载模块与所述电流过大异常的故障记录;
判断所述运行数据中的控制数据与反馈数据之间是否存在较大偏差,若存在,则判断所述车载模块出现控制异常,生成并存储所述车载模块与所述控制异常的故障记录;
判断所述运行数据中的通信状态数据是否异常,若存在,则判断所述车载模块出现通信异常,生成并存储所述车载模块与所述通信异常的故障记录。
从上述描述可知,通过上述全面的诊断方法,以尽可能使得车辆在出现故障时都能被识别并能被获取到相关的参数以进行分析。
进一步地,所述步骤S1中得到所述异常类型之后还包括:
生成并显示运行异常预警,生成并发送进入紧急模式指令至所述车载模块,所述紧急模式指令包括刹车减速停车处理指令、退出线控指令以及挂空挡且发电机熄火指令。
从上述描述可知,在出现故障时,及时进行刹车减速,退出线控并且进行熄火,保证无人驾驶车辆在诊断过程中的安全。
请参照图2以及图3,一种无人驾驶车辆的快速诊断终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取车载模块的运行数据,判断所述运行数据是否异常,若是,则根据所述运行数据判断所述车载模块的异常类型,生成并存储包括所述车载模块与所述异常类型的故障记录;
S2、根据存储的所有故障记录判断所述车载模块的设计参数是否合理。
从上述描述可知,本发明的有益效果在于:在获取车载模块的运行数据之后,对运行数据进行分析,并根据分析结果判断车载模块的设计参数是否合理,从而可以快速诊断出当前无人驾驶车辆上各车载模块的功能,及时发现存在隐患的车载模块,并进行更换,达到快速部署、快速诊断以及快速维修的功能。
进一步地,所述步骤S1中还包括:
若所述运行数据异常,则获取无人驾驶车辆内的所有传感器参数,根据所述传感器参数得到故障可能因素;
所述步骤S1之后还包括:
S3、获取第X次故障记录至第X+N次故障记录的所有数据,得到每一个车载模块的故障次数,判断是否存在超过预警次数的车载模块,若存在第一模块的故障次数超过所述预警次数,则生成第一模块设计参数不合理指令;
若所有的故障次数均小于所述预警次数,则获取故障次数最多的第二模块,生成第二模块设计参数待观察指令。
从上述描述可知,传感器用于采集参数,在发生故障时,获取传感器参数进行分析,从而推导出出现故障的可能因素,从而能发现参数设计不合理的地方,以进行更换修改;当某一模块在一段时间内的出现频率最高,标记该模块,以便后续设计时增加备有安全模块或是设计更多的冗余以保证该模块的运行。
进一步地,所述步骤S1中的所述车载模块包括线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成;
所述线控刹车总成的运行数据包括刹车芯片故障状态位、刹车CPU运行状态数据、刹车霍尔传感数据、刹车CAN通讯反馈数据、刹车电机电流检测数据、压力传感数据以及刹车行程传感数据;
所述线控转向总成的运行数据包括转向芯片故障状态位、转向CPU运行状态数据、转向角度传感数据、力矩传感数据、转向CAN通讯反馈数据以及转向电机电流检测数据;
所述线控油门总成的运行数据包括双通道AD采样值;
所述远程点火总成的运行数据包括继电器电压检测、发动机怠速转速检测以及发动机状态检测;
所述车辆控制总成的运行数据包括主控CPU运行状态、主控CAN通讯反馈数据、GPS数据、惯导传感器数据、通讯电台状态数据以及CPE状态数据。
所述车载通信总成的运行数据包括数传电台数据、CPE数据以及通讯心跳数据。
从上述描述可知,通过对无人驾驶车辆中的线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成都进行监控,并对每个模块的核心数据都进行接收并分析处理,以使得后续发生故障时能够相互验证,以保证最后分析出来的故障原因更为准确,即保证快速诊断过程的准确性。
进一步地,所述步骤S1之前,所述处理器执行所述计算机程序时还实现以下步骤:
S0、向所述车载模块发送访问请求指令;
所述步骤S1包括:判断在预设反馈时间是否收到车载模块的运行数据,若未收到,则判断所述车载模块出现超时未回复异常,生成并存储包括所述车载模块与所述超时未回复异常的故障记录;
若收到所述车载模块的运行数据,判断所述车载模块的运行数据是否有缺失,若有,则判断所述车载模块出现第一器件异常,生成并存储所述车载模块与所述第一器件异常的故障记录,所述第一器件为所缺失的运行数据所对应的器件;
判断所述运行数据中的传感数据是否超过越界理论值,若是,则判断所述车载模块出现传感器采集异常,生成并存储所述车载模块与所述传感器采集异常的故障记录;
判断所述运行数据中的电压数据是否超过预设上限值,若是,则判断所述车载模块出现电压过大异常,生成并存储所述车载模块与所述电压过大异常的故障记录;
判断所述运行数据中的电流数据是否超过预设上限值,若是,则判断所述车载模块出现电流过大异常,生成并存储所述车载模块与所述电流过大异常的故障记录;
判断所述运行数据中的控制数据与反馈数据之间是否存在较大偏差,若存在,则判断所述车载模块出现控制异常,生成并存储所述车载模块与所述控制异常的故障记录;
判断所述运行数据中的通信状态数据是否异常,若存在,则判断所述车载模块出现通信异常,生成并存储所述车载模块与所述通信异常的故障记录;
从上述描述可知,通过上述全面的诊断方法,以尽可能使得车辆在出现故障时都能被识别并能被获取到相关的参数以进行分析。
进一步地,所述步骤S1中得到所述异常类型之后,所述处理器执行所述计算机程序时还实现以下步骤:
生成并显示运行异常预警,生成并发送进入紧急模式指令至所述车载模块,所述紧急模式指令包括刹车减速停车处理指令、退出线控指令以及挂空挡且发电机熄火指令。
从上述描述可知,在出现故障时,及时进行刹车减速,退出线控并且进行熄火,保证无人驾驶车辆在诊断过程中的安全。
请参照图1,本发明的实施例一为:
一种无人驾驶车辆的快速诊断方法,包括步骤:
S0、向车载模块发送访问请求指令;
S1、获取车载模块的运行数据,判断运行数据是否异常,若是,则根据运行数据判断车载模块的异常类型,生成并存储包括车载模块与异常类型的故障记录;
所述车载模块包括线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成;
所述线控刹车总成的运行数据包括刹车芯片故障状态位、刹车CPU运行状态数据、刹车霍尔传感数据、刹车CAN通讯反馈数据、刹车电机电流检测数据、压力传感数据以及刹车行程传感数据;
所述线控转向总成的运行数据包括转向芯片故障状态位、转向CPU运行状态数据、转向角度传感数据、力矩传感数据、转向CAN通讯反馈数据以及转向电机电流检测数据;
所述线控油门总成的运行数据包括双通道AD采样值;
所述远程点火总成的运行数据包括继电器电压检测、发动机怠速转速检测以及发动机状态检测;
所述车辆控制总成的运行数据包括主控CPU运行状态、主控CAN通讯反馈数据、GPS数据、惯导传感器数据、通讯电台状态数据以及CPE状态数据;
所述车载通信总成的运行数据包括数传电台数据、CPE数据以及通讯心跳数据;
在本实施例中,快速诊断终端按照远程点火总成、线控刹车总成、线控转向总成、线控油门总成、车辆控制总成以及车载通信总成顺序进行执行,每个总成里面又依据运行状态位、故障状态位、传感器、CAN通讯以及电流电压的顺序进行依次获取并判断。
具体的,判断在预设反馈时间是否收到车载模块的运行数据,若未收到,则判断车载模块出现超时未回复异常,生成并存储包括车载模块与超时未回复异常的故障记录,如在本实施例中访问线控转向总成时,未收到转向芯片状态数据,转向芯片故障寄存器数据等;
若收到车载模块的运行数据,判断车载模块的运行数据是否有缺失,若有,则判断车载模块出现第一器件异常,生成并存储车载模块与第一器件异常的故障记录,第一器件为所缺失的运行数据所对应的器件,如在本实施例中访问线控转向总成时,角度传感器的反馈数据超过理论最大的30°;
判断运行数据中的传感数据是否超过越界理论值,若是,则判断车载模块出现传感器采集异常,生成并存储车载模块与传感器采集异常的故障记录,如在本实施例中访问线控转向总成时,未收到角度传感器反馈的角度值;
判断运行数据中的电压数据是否超过预设上限值,若是,则判断车载模块出现电压过大异常,生成并存储车载模块与电压过大异常的故障记录,如在本实施例中,线控油门输入值中,第一DAC的通道大于3.95V,第二DAC的通道大于1.85V;
判断运行数据中的电流数据是否超过预设上限值,若是,则判断车载模块出现电流过大异常,生成并存储车载模块与电流过大异常的故障记录,如在本实施例中访问线控转向总成时,转向电机的驱动电流超过电流值并持续了一秒以上时间;
判断运行数据中的控制数据与反馈数据之间是否存在较大偏差,若存在,则判断车载模块出现控制异常,生成并存储车载模块与控制异常的故障记录,如本实施例中刹车驱动为全刹指令,但反馈回的刹车行程为半刹数据;
判断运行数据中的通信状态数据是否异常,若存在,则判断车载模块出现通信异常,生成并存储车载模块与通信异常的故障记录,如无法访问CPE,无法获取CPE数据等等;
S2、根据存储的所有故障记录判断车载模块的设计参数是否合理。
其中,步骤S1中得到异常类型之后还包括:
生成并显示运行异常预警,生成并发送进入紧急模式指令至车载模块,紧急模式指令包括刹车减速停车处理指令、退出线控指令以及挂空挡且发电机熄火指令。
请参照图1,本发明的实施例二为:
一种无人驾驶车辆的快速诊断方法,在上述实施例一的基础上,步骤S1中还包括:若运行数据异常,则获取无人驾驶车辆内的所有传感器参数,根据传感器参数得到故障可能因素;
当GPS当前轨迹和实际执行轨迹存在较大偏差时(超出预定设计的电子围栏范围,如当前轨迹周边3米),获取转向反馈数据(转向角度),当前车速、当前档位、当前车线控状态。先确认车本体是否还保留在寻迹状态,而后确认车体是否正常,在确认转向角度的执行是否和命令要求的一致。如若不一致,可判断为转向故障。转向故障可细化:角度传感器故障、电机故障、执行传输有误以及指令响应滞后等。其中分别对应的传感器参数为:转向角度反馈异常、电机电流异常、反馈的执行和传输的执行不同以及传感器数据发生变化的时间异常。
在步骤S1之后还包括:S3、获取第X次故障记录至第X+N次故障记录的所有数据,得到每一个车载模块的故障次数,判断是否存在超过预警次数的车载模块,若存在第一模块的故障次数超过预警次数,则生成第一模块设计参数不合理指令;
若所有的故障次数均小于预警次数,则获取故障次数最多的第二模块,生成第二模块设计参数待观察指令。
其中,对存储的数据采集进行深度挖掘,反推理论设计的合理性和指导研发以进行设计参数选择。比如:
1、转向的最大驱动电流是否足够、转向驱动响应是否能在当前速度使理论轨迹和实现轨迹相重合、常规的堵转电流最大值是否满足、电机在不同温度环境下响应时间是否有改变,例如,查看存储的电流记录,得知最大电流值,按照50%的设计余量,反推当前电路芯片器件的选型是否合理。如以35A的电流为例,50%的余量即70A,则驱动电机的电路的选型上是否满足70A的要求。
2、刹车的最大驱动电流是否足够以及刹车真空泵的最小压力值是否合理;
3、远程点火的最大需要导通时间以及当前车载蓄电池最低电压值是否合理,例如点火瞬间因瞬间大电流会导致整体车载电路的输入电压大幅度减低。比如从原来的13V降低到5V,通过点火时间和电压检测,检测不同环境温度,原电量下,输入电压会降低到何种程度,该程度在现有的电路设计上,是否满足正常所有车载设备的最低工作电压要求。
4、线控换档的离合电机、挂档电机以及选档电机最大驱动电流是否合理,如离合的松紧时间,离合电机的行程,离合电机的驱动加减速时间等
根据上述反推得出每个车载模块出现故障风险的概率和出现问题的大致方向,从而更好的优化指导该模块的设计和验证方向。
请参照图2以及图3,本发明的实施例三为:
一种无人驾驶车辆的快速诊断终端1,包括存储器3、处理器2及存储在存储器3上并可在处理器2上运行的计算机程序,处理器2执行计算机程序时实现上述实施例一的步骤。
如图3所示,可将快速诊断终端看成是一个诊断平台,与无人驾驶车辆内的线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成进行连接并监控其数据;在无人驾驶车辆投入应用前,使用该诊断平台,通过遍历每一个车载模块的数据,以检测当前无人驾驶车辆是否处于完好状态,从而及时发现存在隐患的车载模块,并进行更换,以达到快速部署、快速诊断以及快速维修的功能。
请参照图2以及图3,本发明的实施例四为:
一种无人驾驶车辆的快速诊断终端1,在上述实施例三的基础上,处理器2执行计算机程序时实现上述实施例二的步骤。
综上所述,本发明提供的一种无人驾驶车辆的快速诊断方法及终端,在获取车载模块的运行数据之后,对运行数据进行分析,并根据分析结果判断车载模块的设计参数是否合理,从而可以快速诊断出当前无人驾驶车辆上各车载模块的功能,及时发现存在隐患的车载模块,并进行更换,达到快速部署、快速诊断以及快速维修的功能;传感器用于采集参数,在发生故障时,获取传感器参数进行分析,从而推导出出现故障的可能因素,从而能发现参数设计不合理的地方,以进行更换修改;当某一模块在一段时间内的出现频率最高,标记该模块,以便后续设计时增加备有安全模块或是设计更多的冗余以保证该模块的运行;通过对无人驾驶车辆中的线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成都进行监控,并对每个模块的核心数据都进行接收并分析处理,并采用较为全面的诊断方法,以尽可能使得车辆在出现故障时都能被识别并能被获取到相关的参数以进行分析,使得后续发生故障时能够相互验证,以保证最后分析出来的故障原因更为准确,即保证快速诊断过程的准确性;同时在出现故障时,及时进行刹车减速,退出线控并且进行熄火,保证无人驾驶车辆在诊断过程中的安全。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种无人驾驶车辆的快速诊断方法,其特征在于,包括步骤:
S1、获取车载模块的运行数据,判断所述运行数据是否异常,若是,则根据所述运行数据判断所述车载模块的异常类型,生成并存储包括所述车载模块与所述异常类型的故障记录;
S2、根据存储的所有故障记录判断所述车载模块的设计参数是否合理。
2.根据权利要求1所述的一种无人驾驶车辆的快速诊断方法,其特征在于,所述步骤S1中还包括:
若所述运行数据异常,则获取无人驾驶车辆内的所有传感器参数,根据所述传感器参数得到故障可能因素;
所述步骤S1之后还包括:
S3、获取第X次故障记录至第X+N次故障记录的所有数据,得到每一个车载模块的故障次数,判断是否存在超过预警次数的车载模块,若存在第一模块的故障次数超过所述预警次数,则生成第一模块设计参数不合理指令;
若所有的故障次数均小于所述预警次数,则获取故障次数最多的第二模块,生成第二模块设计参数待观察指令。
3.根据权利要求1所述的一种无人驾驶车辆的快速诊断方法,其特征在于,所述步骤S1中的车载模块包括线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成;
所述线控刹车总成的运行数据包括刹车芯片故障状态位、刹车CPU运行状态数据、刹车霍尔传感数据、刹车CAN通讯反馈数据、刹车电机电流检测数据、压力传感数据以及刹车行程传感数据;
所述线控转向总成的运行数据包括转向芯片故障状态位、转向CPU运行状态数据、转向角度传感数据、力矩传感数据、转向CAN通讯反馈数据以及转向电机电流检测数据;
所述线控油门总成的运行数据包括双通道AD采样值;
所述远程点火总成的运行数据包括继电器电压检测、发动机怠速转速检测以及发动机状态检测;
所述车辆控制总成的运行数据包括主控CPU运行状态、主控CAN通讯反馈数据、GPS数据、惯导传感器数据、通讯电台状态数据以及CPE状态数据;
所述车载通信总成的运行数据包括数传电台数据、CPE数据以及通讯心跳数据。
4.根据权利要求3所述的一种无人驾驶车辆的快速诊断方法,其特征在于,所述步骤S1之前包括:
S0、向所述车载模块发送访问请求指令;
所述步骤S1包括:判断在预设反馈时间是否收到车载模块的运行数据,若未收到,则判断所述车载模块出现超时未回复异常,生成并存储包括所述车载模块与所述超时未回复异常的故障记录;
若收到所述车载模块的运行数据,判断所述车载模块的运行数据是否有缺失,若有,则判断所述车载模块出现第一器件异常,生成并存储所述车载模块与所述第一器件异常的故障记录,所述第一器件为所缺失的运行数据所对应的器件;
判断所述运行数据中的传感数据是否超过越界理论值,若是,则判断所述车载模块出现传感器采集异常,生成并存储所述车载模块与所述传感器采集异常的故障记录;
判断所述运行数据中的电压数据是否超过预设上限值,若是,则判断所述车载模块出现电压过大异常,生成并存储所述车载模块与所述电压过大异常的故障记录;
判断所述运行数据中的电流数据是否超过预设上限值,若是,则判断所述车载模块出现电流过大异常,生成并存储所述车载模块与所述电流过大异常的故障记录;
判断所述运行数据中的控制数据与反馈数据之间是否存在较大偏差,若存在,则判断所述车载模块出现控制异常,生成并存储所述车载模块与所述控制异常的故障记录;
判断所述运行数据中的通信状态数据是否异常,若存在,则判断所述车载模块出现通信异常,生成并存储所述车载模块与所述通信异常的故障记录。
5.根据权利要求1所述的一种无人驾驶车辆的快速诊断方法,其特征在于,所述步骤S1中得到所述异常类型之后还包括:
生成并显示运行异常预警,生成并发送进入紧急模式指令至所述车载模块,所述紧急模式指令包括刹车减速停车处理指令、退出线控指令以及挂空挡且发电机熄火指令。
6.一种无人驾驶车辆的快速诊断终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现以下步骤:
S1、获取车载模块的运行数据,判断所述运行数据是否异常,若是,则根据所述运行数据判断所述车载模块的异常类型,生成并存储包括所述车载模块与所述异常类型的故障记录;
S2、根据存储的所有故障记录判断所述车载模块的设计参数是否合理。
7.根据权利要求6所述的一种无人驾驶车辆的快速诊断终端,其特征在于,所述步骤S1中还包括:
若所述运行数据异常,则获取无人驾驶车辆内的所有传感器参数,根据所述传感器参数得到故障可能因素;
所述步骤S1之后还包括:
S3、获取第X次故障记录至第X+N次故障记录的所有数据,得到每一个车载模块的故障次数,判断是否存在超过预警次数的车载模块,若存在第一模块的故障次数超过所述预警次数,则生成第一模块设计参数不合理指令;
若所有的故障次数均小于所述预警次数,则获取故障次数最多的第二模块,生成第二模块设计参数待观察指令。
8.根据权利要求6所述的一种无人驾驶车辆的快速诊断终端,其特征在于,所述步骤S1中的所述车载模块包括线控刹车总成、线控转向总成、线控油门总成、远程点火总成、车辆控制总成以及车载通信总成;
所述线控刹车总成的运行数据包括刹车芯片故障状态位、刹车CPU运行状态数据、刹车霍尔传感数据、刹车CAN通讯反馈数据、刹车电机电流检测数据、压力传感数据以及刹车行程传感数据;
所述线控转向总成的运行数据包括转向芯片故障状态位、转向CPU运行状态数据、转向角度传感数据、力矩传感数据、转向CAN通讯反馈数据以及转向电机电流检测数据;
所述线控油门总成的运行数据包括双通道AD采样值;
所述远程点火总成的运行数据包括继电器电压检测、发动机怠速转速检测以及发动机状态检测;
所述车辆控制总成的运行数据包括主控CPU运行状态、主控CAN通讯反馈数据、GPS数据、惯导传感器数据、通讯电台状态数据以及CPE状态数据;
所述车载通信总成的运行数据包括数传电台数据、CPE数据以及通讯心跳数据。
9.根据权利要求8所述的一种无人驾驶车辆的快速诊断终端,其特征在于,所述步骤S1之前,所述处理器执行所述计算机程序时还实现以下步骤:
S0、向所述车载模块发送访问请求指令;
所述步骤S1包括:判断在预设反馈时间是否收到车载模块的运行数据,若未收到,则判断所述车载模块出现超时未回复异常,生成并存储包括所述车载模块与所述超时未回复异常的故障记录;
若收到所述车载模块的运行数据,判断所述车载模块的运行数据是否有缺失,若有,则判断所述车载模块出现第一器件异常,生成并存储所述车载模块与所述第一器件异常的故障记录,所述第一器件为所缺失的运行数据所对应的器件;
判断所述运行数据中的传感数据是否超过越界理论值,若是,则判断所述车载模块出现传感器采集异常,生成并存储所述车载模块与所述传感器采集异常的故障记录;
判断所述运行数据中的电压数据是否超过预设上限值,若是,则判断所述车载模块出现电压过大异常,生成并存储所述车载模块与所述电压过大异常的故障记录;
判断所述运行数据中的电流数据是否超过预设上限值,若是,则判断所述车载模块出现电流过大异常,生成并存储所述车载模块与所述电流过大异常的故障记录;
判断所述运行数据中的控制数据与反馈数据之间是否存在较大偏差,若存在,则判断所述车载模块出现控制异常,生成并存储所述车载模块与所述控制异常的故障记录;
判断所述运行数据中的通信状态数据是否异常,若存在,则判断所述车载模块出现通信异常,生成并存储所述车载模块与所述通信异常的故障记录。
10.根据权利要求6所述的一种无人驾驶车辆的快速诊断终端,其特征在于,所述步骤S1中得到所述异常类型之后,所述处理器执行所述计算机程序时还实现以下步骤:
生成并显示运行异常预警,生成并发送进入紧急模式指令至所述车载模块,所述紧急模式指令包括刹车减速停车处理指令、退出线控指令以及挂空挡且发电机熄火指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910485635.8A CN110174885B (zh) | 2019-06-05 | 2019-06-05 | 一种无人驾驶车辆的快速诊断方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910485635.8A CN110174885B (zh) | 2019-06-05 | 2019-06-05 | 一种无人驾驶车辆的快速诊断方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110174885A true CN110174885A (zh) | 2019-08-27 |
CN110174885B CN110174885B (zh) | 2021-04-27 |
Family
ID=67697992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910485635.8A Active CN110174885B (zh) | 2019-06-05 | 2019-06-05 | 一种无人驾驶车辆的快速诊断方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110174885B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110816535A (zh) * | 2019-11-18 | 2020-02-21 | 北京百度网讯科技有限公司 | 车辆控制方法、自动驾驶车辆及电子设备 |
CN111572515A (zh) * | 2020-04-30 | 2020-08-25 | 北京三快在线科技有限公司 | 无人车、无人车制动方法 |
CN111753261A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 车辆安全检测方法、装置、设备及存储介质 |
CN113060082A (zh) * | 2020-01-02 | 2021-07-02 | 广州汽车集团股份有限公司 | 车载防火墙的异常处理方法、装置、车载防火墙及汽车 |
CN113269952A (zh) * | 2020-02-14 | 2021-08-17 | 美光科技公司 | 车辆中的线控驱动传感器的监测 |
CN113495547A (zh) * | 2020-03-20 | 2021-10-12 | 北京智行者科技有限公司 | 一种实时安全的无人驾驶故障诊断与保护方法及*** |
CN114047003A (zh) * | 2021-12-22 | 2022-02-15 | 吉林大学 | 一种基于动态时间规整算法的人车差异性数据触发记录控制方法 |
CN114312828A (zh) * | 2021-11-30 | 2022-04-12 | 深圳元戎启行科技有限公司 | 风险管理方法、风险管理平台以及计算机可读存储介质 |
US11361552B2 (en) | 2019-08-21 | 2022-06-14 | Micron Technology, Inc. | Security operations of parked vehicles |
US11409654B2 (en) | 2019-09-05 | 2022-08-09 | Micron Technology, Inc. | Intelligent optimization of caching operations in a data storage device |
US11435946B2 (en) | 2019-09-05 | 2022-09-06 | Micron Technology, Inc. | Intelligent wear leveling with reduced write-amplification for data storage devices configured on autonomous vehicles |
US11436076B2 (en) | 2019-09-05 | 2022-09-06 | Micron Technology, Inc. | Predictive management of failing portions in a data storage device |
US11498388B2 (en) | 2019-08-21 | 2022-11-15 | Micron Technology, Inc. | Intelligent climate control in vehicles |
US11586194B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network models of automotive predictive maintenance |
US11586943B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network inputs in automotive predictive maintenance |
US11635893B2 (en) | 2019-08-12 | 2023-04-25 | Micron Technology, Inc. | Communications between processors and storage devices in automotive predictive maintenance implemented via artificial neural networks |
US11650746B2 (en) | 2019-09-05 | 2023-05-16 | Micron Technology, Inc. | Intelligent write-amplification reduction for data storage devices configured on autonomous vehicles |
US11693562B2 (en) | 2019-09-05 | 2023-07-04 | Micron Technology, Inc. | Bandwidth optimization for different types of operations scheduled in a data storage device |
US11702086B2 (en) | 2019-08-21 | 2023-07-18 | Micron Technology, Inc. | Intelligent recording of errant vehicle behaviors |
US11709625B2 (en) | 2020-02-14 | 2023-07-25 | Micron Technology, Inc. | Optimization of power usage of data storage devices |
CN116609092A (zh) * | 2023-07-20 | 2023-08-18 | 北京阿帕科蓝科技有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
US11748626B2 (en) | 2019-08-12 | 2023-09-05 | Micron Technology, Inc. | Storage devices with neural network accelerators for automotive predictive maintenance |
US11775816B2 (en) | 2019-08-12 | 2023-10-03 | Micron Technology, Inc. | Storage and access of neural network outputs in automotive predictive maintenance |
US11830296B2 (en) | 2019-12-18 | 2023-11-28 | Lodestar Licensing Group Llc | Predictive maintenance of automotive transmission |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11853863B2 (en) | 2019-08-12 | 2023-12-26 | Micron Technology, Inc. | Predictive maintenance of automotive tires |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129797A (zh) * | 2010-12-31 | 2011-07-20 | 北京宣爱智能模拟技术有限公司 | 在线互动汽车驾驶模拟器的电子控制***及方法 |
CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子*** |
US20180073855A1 (en) * | 2016-09-13 | 2018-03-15 | Kaamran Raahemifar | Novel sensor for monitoring direct and realtime measurement of friction between tire and road for driver and driverless vehicle applications |
CN109032116A (zh) * | 2018-08-30 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 车辆故障处理方法、装置、设备及存储介质 |
CN109800475A (zh) * | 2018-12-27 | 2019-05-24 | 北京百度网讯科技有限公司 | 自动驾驶数据处理方法、装置、设备和计算机存储介质 |
-
2019
- 2019-06-05 CN CN201910485635.8A patent/CN110174885B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102129797A (zh) * | 2010-12-31 | 2011-07-20 | 北京宣爱智能模拟技术有限公司 | 在线互动汽车驾驶模拟器的电子控制***及方法 |
CN105976450A (zh) * | 2016-04-27 | 2016-09-28 | 百度在线网络技术(北京)有限公司 | 无人驾驶车辆的数据处理方法和装置、黑匣子*** |
US20180073855A1 (en) * | 2016-09-13 | 2018-03-15 | Kaamran Raahemifar | Novel sensor for monitoring direct and realtime measurement of friction between tire and road for driver and driverless vehicle applications |
CN109032116A (zh) * | 2018-08-30 | 2018-12-18 | 百度在线网络技术(北京)有限公司 | 车辆故障处理方法、装置、设备及存储介质 |
CN109800475A (zh) * | 2018-12-27 | 2019-05-24 | 北京百度网讯科技有限公司 | 自动驾驶数据处理方法、装置、设备和计算机存储介质 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11748626B2 (en) | 2019-08-12 | 2023-09-05 | Micron Technology, Inc. | Storage devices with neural network accelerators for automotive predictive maintenance |
US11635893B2 (en) | 2019-08-12 | 2023-04-25 | Micron Technology, Inc. | Communications between processors and storage devices in automotive predictive maintenance implemented via artificial neural networks |
US11586943B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network inputs in automotive predictive maintenance |
US11586194B2 (en) | 2019-08-12 | 2023-02-21 | Micron Technology, Inc. | Storage and access of neural network models of automotive predictive maintenance |
US11775816B2 (en) | 2019-08-12 | 2023-10-03 | Micron Technology, Inc. | Storage and access of neural network outputs in automotive predictive maintenance |
US11361552B2 (en) | 2019-08-21 | 2022-06-14 | Micron Technology, Inc. | Security operations of parked vehicles |
US11702086B2 (en) | 2019-08-21 | 2023-07-18 | Micron Technology, Inc. | Intelligent recording of errant vehicle behaviors |
US11498388B2 (en) | 2019-08-21 | 2022-11-15 | Micron Technology, Inc. | Intelligent climate control in vehicles |
US11650746B2 (en) | 2019-09-05 | 2023-05-16 | Micron Technology, Inc. | Intelligent write-amplification reduction for data storage devices configured on autonomous vehicles |
US11409654B2 (en) | 2019-09-05 | 2022-08-09 | Micron Technology, Inc. | Intelligent optimization of caching operations in a data storage device |
US11435946B2 (en) | 2019-09-05 | 2022-09-06 | Micron Technology, Inc. | Intelligent wear leveling with reduced write-amplification for data storage devices configured on autonomous vehicles |
US11436076B2 (en) | 2019-09-05 | 2022-09-06 | Micron Technology, Inc. | Predictive management of failing portions in a data storage device |
US11693562B2 (en) | 2019-09-05 | 2023-07-04 | Micron Technology, Inc. | Bandwidth optimization for different types of operations scheduled in a data storage device |
CN110816535A (zh) * | 2019-11-18 | 2020-02-21 | 北京百度网讯科技有限公司 | 车辆控制方法、自动驾驶车辆及电子设备 |
US11830296B2 (en) | 2019-12-18 | 2023-11-28 | Lodestar Licensing Group Llc | Predictive maintenance of automotive transmission |
CN113060082A (zh) * | 2020-01-02 | 2021-07-02 | 广州汽车集团股份有限公司 | 车载防火墙的异常处理方法、装置、车载防火墙及汽车 |
CN113060082B (zh) * | 2020-01-02 | 2023-12-15 | 广州汽车集团股份有限公司 | 车载防火墙的异常处理方法、装置、车载防火墙及汽车 |
US11709625B2 (en) | 2020-02-14 | 2023-07-25 | Micron Technology, Inc. | Optimization of power usage of data storage devices |
US11531339B2 (en) | 2020-02-14 | 2022-12-20 | Micron Technology, Inc. | Monitoring of drive by wire sensors in vehicles |
CN113269952A (zh) * | 2020-02-14 | 2021-08-17 | 美光科技公司 | 车辆中的线控驱动传感器的监测 |
CN113269952B (zh) * | 2020-02-14 | 2023-10-10 | 美光科技公司 | 车辆的预测性维护的方法、数据存储装置及车辆 |
CN113495547A (zh) * | 2020-03-20 | 2021-10-12 | 北京智行者科技有限公司 | 一种实时安全的无人驾驶故障诊断与保护方法及*** |
CN111572515A (zh) * | 2020-04-30 | 2020-08-25 | 北京三快在线科技有限公司 | 无人车、无人车制动方法 |
CN111753261B (zh) * | 2020-06-29 | 2023-07-04 | 北京百度网讯科技有限公司 | 车辆安全检测方法、装置、设备及存储介质 |
CN111753261A (zh) * | 2020-06-29 | 2020-10-09 | 北京百度网讯科技有限公司 | 车辆安全检测方法、装置、设备及存储介质 |
CN114312828A (zh) * | 2021-11-30 | 2022-04-12 | 深圳元戎启行科技有限公司 | 风险管理方法、风险管理平台以及计算机可读存储介质 |
CN114047003A (zh) * | 2021-12-22 | 2022-02-15 | 吉林大学 | 一种基于动态时间规整算法的人车差异性数据触发记录控制方法 |
CN116609092A (zh) * | 2023-07-20 | 2023-08-18 | 北京阿帕科蓝科技有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
CN116609092B (zh) * | 2023-07-20 | 2023-12-01 | 北京阿帕科蓝科技有限公司 | 故障检测方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110174885B (zh) | 2021-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110174885A (zh) | 一种无人驾驶车辆的快速诊断方法及终端 | |
CN102341281B (zh) | 异常检测和车辆追踪装置 | |
CN101947939B (zh) | 一种中度混合动力汽车加速踏板故障诊断及处理方法 | |
CN102393733B (zh) | 故障诊断方法、故障诊断仪及其***、新能源汽车 | |
CN101301872A (zh) | 车辆保养提醒*** | |
CN107965569B (zh) | 一种电子线控换档执行器的控制方法 | |
CN106843197B (zh) | 一种电控***的故障自诊断***和方法 | |
CN101776468B (zh) | 具有汽车电控诊断功能的汽车组合仪表及其诊断方法 | |
CN1417980A (zh) | 车用控制器局域网智能网关装置 | |
CN110609491B (zh) | 电动汽车整车控制器半实物仿真事故鉴定方法及*** | |
CN108663217A (zh) | 一种基于整车模拟运行的发动机台架对标方法 | |
US10574553B2 (en) | Fault isolation for a controller area network | |
MXPA05009235A (es) | Sistema de inspeccion previo a viaje automtizado adaptable a usuario. | |
CN108844644A (zh) | 一种电池温度采样***及汽车 | |
CN103149033A (zh) | 一种电动汽车下线故障检测方法 | |
CN106671898A (zh) | 一种纯电动汽车整车控制方法及装置 | |
CN102749208A (zh) | 一种实现汽车自动变速的道路试验方法与*** | |
CN203902318U (zh) | 一种电动汽车整车控制器 | |
CN102009655B (zh) | 一种离合器开关信号的诊断方法 | |
CN108128156A (zh) | 一种换挡杆位置的失效检测处理方法、装置及*** | |
CN113253701B (zh) | 车辆远程诊断***及方法 | |
CN103713625A (zh) | 车载故障诊断*** | |
KR20100115965A (ko) | 차량용 자기진단 제어 시스템 | |
CN115076364A (zh) | 混合动力换挡***及其故障诊断处理方法 | |
CN107491059B (zh) | 一种汽车巡航配置自动识别方法及*** |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210402 Address after: 350200 Building 2, phase II, R & D building, Southeast China big data Industrial Park, 2 Hujiang Road, Wenwusha Town, Changle District, Fuzhou City, Fujian Province Applicant after: Fujian Shenghai Intelligent Technology Co.,Ltd. Address before: 215600 No.188, South Ring Road, Tangqiao town, Zhangjiagang City, Suzhou City, Jiangsu Province Applicant before: JIANGSU SHENGHAI INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |