CN110379437A - 隔离车内故障的方法和装置 - Google Patents
隔离车内故障的方法和装置 Download PDFInfo
- Publication number
- CN110379437A CN110379437A CN201910256517.XA CN201910256517A CN110379437A CN 110379437 A CN110379437 A CN 110379437A CN 201910256517 A CN201910256517 A CN 201910256517A CN 110379437 A CN110379437 A CN 110379437A
- Authority
- CN
- China
- Prior art keywords
- subject vehicle
- vehicle
- integration
- behavioral characteristics
- physical parameter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000010354 integration Effects 0.000 claims abstract description 55
- 230000003542 behavioural effect Effects 0.000 claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000012806 monitoring device Methods 0.000 claims abstract description 27
- 238000004891 communication Methods 0.000 claims description 32
- 230000010365 information processing Effects 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 238000012423 maintenance Methods 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 230000001537 neural effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 230000007257 malfunction Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005086 pumping Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013481 data capture Methods 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007858 starting material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000005534 acoustic noise Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
一种用于监测对象车辆的非集成监测设备和方法,包括经由非集成传感器监测从对象车辆发出的物理参数。分析从对象车辆发出的物理参数以确定对象车辆的动态特征。获得对象车辆的基线特征,并将其与对象车辆的动态特征进行比较。基于对象车辆的基线特征和对象车辆的动态特征的比较,检测对象车辆的子***中故障的发生,并且将故障的发生传输给对象车辆的操作员。
Description
引言
车辆和车辆操作员可受益于检测故障发生或服务和/或车辆维护需求的其他指示的车载监测***。
发明内容
描述了一种用于监测机器或对象车辆的非集成监测设备和方法,其包括经由非集成传感器监测从机器或对象车辆发射的物理参数。分析所发射的物理参数以确定动态特征。获得基线特征,并将其与动态特征进行比较。基于基线特征和动态特征的比较,检测子***中故障的发生,并将故障的发生传输给操作员。
本公开的一个方面包括在机器或对象车辆附近设置非集成传感器。
本公开的另一方面包括经由非集成麦克风监测声学声音。
本公开的另一方面包括将声学声音作为物理参数,并且其中确定动态特征包括对从机器或对象车辆发射的声学声音执行频谱分析。
本公开的另一方面包括经由非集成加速度计监测振动。
本公开的另一方面包括经由非集成温度传感器监测温度。
本公开的另一方面包括当子***包括可旋转元件时确定对应于可旋转元件的旋转速度的动态特征。
本公开的另一方面包括经由远程信息处理设备访问存储在远程服务器上的数据库,以获得机器或对象车辆的基线数据。
本公开的另一方面包括将动态特征上载到存储在远程服务器上的数据库中。
本公开的另一方面包括群集用于机器或对象车辆的基线特征。
当结合附图考虑时,本教导的上述特性和优点,以及其它特性和优点,从如在所附权利要求中限定的用于执行本教导的最佳模式和其它实施例的以下详细描述中显而易见。
附图说明
现将参考附图以示例的方式描述一个或多个实施例,其中:
图1示意性地示出了根据本公开的包括多个子***和基于振动的监测***的车辆;
图2示意性地示出了根据本公开的用于检测和隔离与子***之一相关联的故障的过程;
图3示意性地示出了根据本公开的用于捕获与车辆操作相关联的信息以用于收集、数据分析和数据压缩,并将其传输到非车载服务器的过程;
图4示意性地示出了根据本公开的用于参照图1所述车辆的实施例的例程,所述例程与编译和传输与监测、故障诊断、修理相关的服务信息并更新服务信息相关联;并且
图5示意性地示出了根据本公开的用于参照图1所述车辆10的实施例的例程,所述例程与服务信息的车内编译相关联。
应当理解,附图不一定是按比例绘制的,其呈现了如本文所公开的本公开的各种特性的稍微简化的表示,包括例如具体的尺寸,取向,位置和形状。与这些特性相关联的细节将部分地由具体的预期应用和使用环境来确定。
具体实施方式
如本文所描述和说明的,所公开实施例的部件可布置和设计成各种不同配置。因此,以下详细描述并非旨在限制所要求保护的本公开的范围,而是仅代表其可能的实施例。另外,尽管在以下描述中阐述了许多具体细节以便提供对本文所揭示的实施例的透彻理解,但可在没有这些细节中的一些的情况下实践一些实施例。此外,为了清楚起见,为了避免不必要地混淆本公开,没有详细描述现有技术中理解的技术材料。此外,如本文所示和所述,本公开可以在缺少本文未具体公开的元件的情况下实施。
参照附图,其中在所有附图中相同的附图标记对应于相同或相似的部件,图1与本文公开的实施例一致,示意性地示出了车辆10,其包括与车辆操作相关联的多个子***、接近车辆10的非集成监测设备50、以及能够与非集成监测设备50通信的非集成通信设备60。在一个实施例中,非集成通信设备60包括非集成监测设备50。车辆10也被称为对象车辆。在一个实施例中,非集成监测设备50可以用在服务环境中,并且非集成通信设备60可以包括设置成监测使用中的车辆操作的另一非集成监测设备50。术语“非集成”在本文中用于描述能够独立于车辆10的操作而操作的独立设备。此外,非集成设备没有用以实现与车辆10的通信的连接或协议。通过非限制性实例,车辆10可以被配置为乘用车、轻型或重型卡车、多用途车辆、农用车辆、工业/仓库车辆或休闲越野车辆。其他车辆可以包括飞艇和船只。本文所述的概念还可以集成到用于固定机器的监测***中,所述固定机器例如是采用内燃机的独立发电机或采用内燃机的固定水泵。
提供车辆10以说明本文描述的概念。在一个实施例中,车辆10可以包括设置成实现自主车辆控制水平的自主车辆控制***。可替代地,车辆10可以是非自主车辆。在一个实施例中,车辆10包括驱动***20,其设置成产生用于车辆推进的牵引动力。在一个实施例中,驱动***20包括连接到传动***40的内燃机12、变矩器35和固定齿轮变速器30。可替代地,驱动***20可以包括燃料/电混合***或采用电动机/发电机来提供牵引动力的全电***。可替代地,驱动***18可以包括另一个提供牵引动力的设备。在一个实施例中,车辆10配置为具有可转向前轮和固定后轮的四轮乘用车。
车辆10配备有与车辆操作相关联的一个或多个部件和子***,当所述多个部件和子***接近车辆10时,可以使用非集成监测设备50和非集成通信设备60来评估其性能。部件的非限制性实例包括如下。在一个实施例中,起动器26经由具有环齿轮的飞轮24可旋转地联接到发动机12的曲柄轴。在一个实施例中,交流发电机28经由皮带传动机构29可旋转地联接到发动机12的曲柄轴。在一个实施例中,动力转向泵32包括经由皮带传动机构29联接到发动机12的曲柄轴的可旋转泵送元件。可替代地,动力转向泵32的可旋转泵送元件可以联接到由控制器控制的电动机的转子。动力转向泵32流体联接到转向致动器33以实现车辆转向。在一个实施例中,HVAC***36可以包括可旋转的泵送元件,所述泵送元件可以经由皮带传动机构29联接到发动机12的曲柄轴。可替代地,如图所示,HVAC***36可以布置在联接到发动机12的皮带驱动***中,或者可替代地可以布置在联接到电动机的直接驱动***中。发动机控制器15可设置成控制发动机12和相关部件的操作,并且发动机控制器15可经由通信总线16与第二控制器75通信,第二控制器75可作为底盘控制器,制动控制器或另一控制器操作。
传动***40可以包括经由轴或半轴44联接到驱动轮46的差速器42,其中驱动车轮46在安装结构处联接到轴或半轴44,所述安装结构包括车轮轴承45和车轮制动装置47,例如盘式制动元件和卡钳。车轮转角可以使用悬架阻尼器34,其可以是有源或无源装置。
非集成通信设备60是配备有无线通信能力的手持通信设备,例如蜂窝电话、卫星电话或其它电话设备。
非集成监测设备50包括与控制器55通信的一个或多个感测设备54、56、58。感测设备54、56、58配置为动态地监测物理参数,如可从车辆10发射的物理参数。在一个实施例中,感测设备54是能够捕获音频信号的麦克风。麦克风54可用于监测旋转声音,例如由旋转设备产生的旋转声音,通过非限制性实例,所述旋转设备包括车轮轴承和相关联的车轮/轴、起动器26、交流发电机28、动力转向泵32、制动器47、发动机12和变速器30。在一个实施例中,感测设备56是惯性传感器,例如加速计和/或速率陀螺仪。加速度计可用于动态地监测车辆运动状态,包括例如车辆速度、可转向前轮的转向角以及横摆率。在一个实施例中,感测设备58是温度传感器。
非集成监测设备50被配置为能够从内置传感器获取各种数据的独立设备。数据被传输到非集成通信设备60上的应用,所述应用传输到云,即,用于存储和/或分析的非车载服务器95。
在一个实施例中,非集成通信设备60和非集成监测设备50可以被制造为单一设备,并且通信链路52硬连线到通信设备60的控制器55。可替换地,非集成通信设备60与非集成监测设备50分离且不同,并且非集成检测设备50经由通信链路52与非集成通信设备60通信,通信链路52可以是短距离无线通信链路。非集成通信设备60经由无线通信网络90与非车载服务器95通信。非车载服务器95是通常被称为云的物理表现。
图2示意性地示出了用于监测与车辆操作相关联的部件和子***的过程200,当所述部件和子***接近参考图1描述的车辆10时,可以使用非集成监测设备50来评估所述部件和子***的性能。过程200包括获得车辆10的基线特征219(210)。过程200还包括动态地监测经由非集成监测设备50从车辆10发出的物理参数,以及捕获从车辆10发出的物理参数,本文称其为动态数据。分析动态数据以确定车辆10的动态特征229(220)。将车辆10的基线特征219与车辆10的动态特征229进行比较(230)。当基于对车辆10的基线特征219和动态特征229的比较检测到与车辆10的子***相关联的故障的发生时,如本文所述,传输该发生,从而用于故障识别并实现车辆维修。
基线特征219包括车辆10在没有故障的情况下操作时与车辆10的操作相关联的噪声/振动特征、频谱噪声分析(例如,FFT)、振动能量分布、以及其他参数结果。车辆10的基线特征219可以通过如下方式群集(210)。基线数据可以群集,即从构造、型号、型号年份和动力***相同的多个车辆捕获,其中提供群集数据的车辆在相关部件或子***不存在故障的情况下操作(212)。可使用非集成监测设备50从车辆10自身捕获基线数据,将其存储在车载或非车载的服务器95中,并经由无线通信网络90访问。可替代地,基线数据可以由与车辆10配置类似的,例如与车辆10具有相同的构造、型号和生产年份的,并且具有与车辆10相同的动力***配置的另一车辆生成。基线数据可以存储在非车载服务器95中并经由无线通信网络90访问。分析基线数据,包括进行量化(214)和频谱分析(216),将所得数据输入到采用特性提取例程来确定基线特征219的神经网络训练器(218)。与神经网络相关的特性提取例程是商业上可获得的。神经网络训练器(218)的输出,即基线特征219,是与基线数据相关联的无故障训练神经网络,所述基线数据是在相关部件或子***中没有故障的情况下操作车辆10时从车辆10捕获的。基线特征219存储在非车载服务器95中。
可以通过经由非集成监测设备50动态地监测和分析从车辆10发出的物理参数来确定车辆10的动态特征229,本文将所述物理参数称为动态数据(222)。通过非限制性实例,发射的物理参数包括声学声音、振动和局部温度。声学声音可以包括在20Hz和20kHz范围之间的可听声音、次声(小于20Hz)和超声(大于20kHz)。基线数据也可以使用非集成监测设备50从车辆10捕获并存储在非车载服务器95中。分析动态数据,包括进行量化(224)和频谱分析(226),将所得数据输入到采用特性提取例程来确定动态特征229的神经网络训练器(228)。前述步骤类似于与确定基线特征229相关联的步骤212、214、216和218。神经网络训练器(228)的输出,即动态特征229,是与从车辆10捕获的动态数据相关联的神经网络。
将动态特征229与基线特征219进行比较(230),以检测动态特征229中可能与车辆10的子***或部件中的故障相关联的异常的发生。当未检测到异常时(230)(0),没有进一步动作,评估结束(231)。当检测到异常时(230)(1),该异常被量化(232),并被传输到服务设施(234)。服务设施将来自异常的信息与服务评估(235)组合以识别故障及所识别故障的相关根本原因(236)。可以执行具体服务例程以解决故障的根本原因的方式维修车辆10(238)。具体服务程序可以包括更换故障部件,调节皮带张紧器,修理/更换线束连接器等。所得结果被输入到神经网络训练器240,所述神经网络训练器240将动态特征229与识别出的故障和解决故障根本原因的特定服务例程相关联,并且将此类输入传输到非车载服务器95以更新故障辞典242。神经网络训练器240可以存储在非车载服务器95中并由非车载服务器95执行。更新的故障辞典242可以存储在非车载服务器95中并且可以经由无线通信网络90从非车载服务器95访问。故障辞典242的内容与动态特征229相关。可以存在与故障的每个根本原因和相关服务例程相关联的动态特征229。
图3示意性地示出了用于实现本文参照图1和2所述概念的过程300。可从若干设备和***捕获与车辆10相关联的信息,并将其传输到控制器315,用于收集、数据分析和数据压缩,以准备将其作为特定于车辆10的操作的动态数据320传输(316)到非车载服务器95。在一个实施例中,控制器315对应于非集成监测设备50的控制器55。
该信息可以包括车辆构造,型号,型号年份和里程表读数(304),其可以经由ALDL(装配线诊断链路)连接器捕获或由服务技术人员手动输入。所述信息可包括DTC(诊断故障代码)信息(302),其可经由链接到ALDL连接器的扫描工具或另一设备,诸如所连接的汽车***,来捕获。该信息可以包括来自安装在车辆10上的位置的,例如车盖内的,非集成传感和处理单元的非集成传感数据(306)。在一个实施例中,非集成传感和处理单元可以是接近车辆10的且在本文中描述的非集成监测设备50。在一个实施例中,当车辆10静止,即不移动时,非集成监测设备50可以接近车辆10,从而用于数据捕获和分析。在一个实施例中,非集成监测设备50可以设置在车辆10上,用于在车辆10静止并且处于动态操作条件下时,即当车辆10穿过路面时,进行数据捕获和分析。该信息可以包括经由车内智能电话,例如电话60,捕获的数据(308),其中所述智能电话包括被设置成监测环境声音(309)的麦克风和/或被设置成监测车辆运动(310)的加速度计。
车辆构造、型号、型号年份和里程表读数(304)、DTC信息(302)、非集成传感数据(306)、以及环境声音(309)和车辆运动(310)被传输到控制器315,用于收集、数据分析和数据压缩,以准备将其作为动态数据320传输到非车载服务器95。
控制器315可以响应于来自非车载服务器95的查询,或者响应于可以由控制器315生成的命令,将所收集的信息传输到非车载服务器95。控制器315可以检测动态数据320中的异常数据点,所述异常数据点指示对车辆服务的迫切需求以及向车辆操作员和/或其他相关个人,例如技工、车队操作员、车主或服务中心的店铺领班,发出警报的请求。异常数据点可以由DTC信息(302),非集成传感数据(306)生成,或由车载智能电话60生成的环境声音(309)和车辆运动(310)生成。
非车载服务器95包括可用于容纳、处理和传播来自多个源的处理过的信息的数据库和其它存储器设备,所述多个源包括多个车辆、技术专家等。
非车载服务器95包括中央信息处理中心97,其与优选地包括故障辞典242的多个数据库96通信,并且可以经由中央信息传播服务器98查询。数据库96是用于与各个车辆构造,型号和型号年份和/或各个机器相关的服务和维护信息的电子储存库。服务技术人员能够从中央信息处理中心97访问车辆专用数据或机器专用数据,并基于其维修经验向中央信息处理中心97提交车辆专用数据。在一个实施例中,可以使中央信息处理中心97以维基站点的形式可用,从而允许多个用户协作地修改和更新车辆专用内容和机器专用内容。
服务技术人员可查询非车载服务器95以获得可用于评估和诊断具体故障的构造/模型/模型年度具体信息。服务技术人员可以向非车载服务器95提交诊断和维修信息,以增强与构造/模型/模型年相关联的数据库96之一的内容。
非车载服务器95可以将信息传输到服务技术人员(324),经由车内智能电话60传输到车辆操作员(323),并且传送到区域零件分配中心326(325)。非车载服务器95可以响应于来自服务技术人员的查询,或者响应于控制器315检测到动态数据320中的异常数据点,该异常数据点指示车辆服务的迫切需求并警告车辆操作员和/或车辆服务中心和/或区域零件分发中心326的请求,来传输此类信息。
当非车载服务器95将信息传输给服务技术人员时(324),服务技术人员询问非车载服务器95以理解和诊断与故障相关联的根本原因的性质(331)。当识别并验证与故障相关联的根本原因时,服务技术人员将此类结果传输到非车载服务器95(332)以填充数据库96。
术语“控制器”及相关术语,例如控制模块、模块、控制、控制单元、处理器及类似术语,指专用集成电路(ASIC)、电子电路、中央处理单元,如微处理器,及存储器及存储装置形式的相关联非暂时性存储器部件(只读、可编程只读、随机存取、硬盘驱动器等)中的一种或各种组合。非暂时性存储器部件能够以一个或多个软件或固件程序或例程、组合逻辑电路、输入/输出电路和设备、信号调节和缓冲电路以及可以由一个或多个处理器访问以提供所述功能的其他部件的形式来存储机器可读指令。输入/输出电路和设备包括模拟/数字转换器和监测来自传感器的输入的相关设备,以预设采样频率或响应于触发事件监测此类输入。软件、固件、程序、指令、控制例程、代码、算法和类似术语意指包括校准和查找表的控制器可执行指令集。每个控制器执行控制例程以提供期望的功能。例程可以固定时间间隔执行,例如在正在进行的操作期间每100微秒执行一次。可替换地,可以响应于触发事件的发生来执行例程。术语“模型”是指模拟设备或物理过程的物理存在的基于处理器的或处理器可执行的代码和相关联的校准。术语“动态”和“动态地”描述了实时执行的步骤或过程,其特征在于监测或以其他方式确定参数的状态,并且在例程执行期间或在例程执行的迭代之间定期或周期性地更新参数的状态。术语“校准”和相关术语是指将与设备相关联的实际或标准测量与感知的或观察的测量或命令的位置进行比较的结果或过程。本文描述的校准可以简化为可存储的参数表、多个可执行等式或另一合适的形式。
控制器之间的通信以及控制器、服务器、致动器和/或传感器之间的通信可以使用直接有线点对点链路,联网通信总线链路,无线链路或另一合适的通信链路来实现。通信包括以适当形式交换数据信号,包括例如经由导电介质的电信号,经由空气的电磁信号,经由光波导的光信号等。数据信号可以包括表示来自传感器的输入、致动器命令以及控制器之间的通信的离散的、模拟的或数字化的模拟信号。术语“信号”是指传输信息的物理上可辨别的指示器,并且可以是能够通过介质传播的合适的特征(例如,电的、光的、磁的、机械的或电磁的),例如DC、AC、正弦波、三角波、方波、振动等。参数被定义为表示使用一个或多个传感器和/或物理模型可辨别的设备或其它元件的物理特性的可测量量。参数可以具有离散值,例如“1”或“0”,或者可以是值无限可变的。
术语“预测”、“预测学”和相关术语与数据监测和算法以及评估相关联,所述数据监视和算法以及评估呈现与部件、子***或***相关联的可能的未来事件的提前指示。预测学可包括分类,所述分类包括指示部件、子***或***根据其规范操作的第一状态(“绿色”或“G”)、指示部件,子***或***的操作恶化的第二状态(“黄色”或“Y”)、以及指示部件,子***或***的操作中的故障的第三状态(“红色”或“R”)。术语“诊断学”、“诊断”和相关术语与数据监测和算法以及评估相关联,所述数据监测和算法以及评估向部件、子***或***呈现具体故障存在或不存在的指示。术语“减轻”和相关术语与用于减轻部件、子***或***中故障影响的操作、动作或控制例程相关联。
图4示意性地示出了与服务技术人员编译和传输服务信息相关联的例程400,参考图1描述的车辆的实施例,所述服务技术人员进行监测、故障诊断、维修和更新服务信息,使用用于监测与车辆操作相关联的部件和子***的过程200的实施例,该车辆操作的性能可以使用参考图2描述并进一步参考图3描述的非集成监测设备50来评估。
表1作为秘钥提供,其中数字标记的块和相应的功能如下所述,对应于例程400。本文可根据功能和/或逻辑块部件和/或各种处理步骤来描述本教导。应当认识到,这样的块部件可以由已经被配置成执行指定功能的硬件、软件和/或固件部件组成。
表1
尽管例程400的步骤可以以适当的顺序执行,并且不限于所描述的顺序,但例程400的执行可以如下方式进行。如本文所用,术语“1”表示肯定回答,或“是”,术语“0”表示否定回答,或“否”。
当存在导致车辆操作员或另一相关个人寻求车辆服务的故障指示时,在执行车辆服务之前捕获相关信息(402)。相关信息包括车辆构造、型号、型号年份和里程表读数、VIN(车辆识别号)、DTC信息、以及可以从中确定动态特征229的动态数据,包括从非集成监测设备50捕获的非集成传感数据和/或环境声音、温度和车辆运动数据。动态特征229可以由车载控制器确定,或者非集成的传感数据和/或环境声音、温度和车辆运动数据可以被传送到非车载服务器95用以生成。
相关信息被传输到非车载服务器95(404),所述非车载服务器95对信息进行处理和编目(406)。
相关信息用于询问非车载服务器95的数据库96,以确定其包含用于车辆10的基线特征219。当非车载服务器95包含基线特征219时,将动态特征229与基线特征219进行比较以识别潜在故障(410)。
当通过比较指示潜在故障时(410)(0),结果与正在车辆10上工作的服务技术人员共享以辅助故障隔离和车辆维修(412),并且生成(414)和评估(416)概率故障估测。当故障概率高时(416)(1),与在车辆10上工作的维修技术人员共享故障概率(420)。当故障概率低时(416)(0),动态特征229被捕获并记录为指示车辆10在没有故障即健康的情况下运行(418),并且该信息被传输到非车载服务器95以对信息进行编目(406)。
当比较未指示潜在故障时(410)(1),结果与正在车辆10上工作的维修技术人员共享(420)。
当车辆服务已经成功完成时,捕获相关信息,包括车辆构造、型号、型号年份和里程表读数、VIN、DTC信息和动态数据。可以从非集成检测设备50捕获相关信息(422),并对其评估和记录(424)并编目(406)以存储在非车载控制器95中,用于将来参考。
以这种方式,该过程可以促进对类似问题的故障诊断,从而提高维修效率并帮助机械学更多地被数据驱动。例如,当车辆操作员检测到具有特征噪声的问题时,技术人员可以在修理已经成功完成时将数据上载到数据库。因此,下一次具有相同/相似车辆的人具有相似的噪声时,维修技术人员具有用于识别故障的服务路线图,并且还可以具有已经订购的零件。
图5示意性地示出了与参考图1所描述的车辆10的实施例的服务信息的车上编译相关联的例程500,其采用了用于监测与车辆操作相关联的部件和子***的过程200的实施例,所述车辆操作的性能可以使用参照图1所描述的非集成监测设备50来评估。表2作为秘钥提供,其中数字标记的块和相应的功能如下所述,对应于例程500。本文可根据功能和/或逻辑块部件和/或各种处理步骤来描述本教导。应当认识到,这样的块部件可以由已经被配置成执行指定功能的硬件、软件和/或固件部件组成。
表2
尽管例程500的步骤可以以适当的顺序执行,并且不限于所描述的顺序,但例程500的执行可以如下进行。如本文所用,术语“1”表示肯定回答,或“是”,术语“0”表示否定回答,或“否”。
当车辆数据已经被捕获(510)时,即,当可以获取动态特征229的动态数据可用时,在车内或车外评估以检测异常的发生(512)。动态数据包括从非集成监测设备50捕获的非集成传感数据和/或环境声音、温度和车辆运动数据。当未检测到异常时(512)(0),该迭代结束,直到更新动态数据。当检测到异常时(512)(1),例程确定是否可以标记或分类异常以指示可能具有故障的可能区域或***(514)。当异常可以被标记或分类时(514)(1),通知车辆操作员可能具有故障的可能区域或***(516),并且该迭代结束。
当不能基于异常检测过程来标记或分类异常时(514)(1),和/或当没有捕获到相关车辆数据时(520),将可用信息(如果有的话)传输到随行服务技术人员(522)以辅助故障隔离和车辆维修。生成概率故障估测(524)并对其进行评估(526)。当故障概率高时(526)(1),使用故障概率来更新车辆10的存储数据记录(534),并且该迭代结束。当故障概率低时(526)(0),通知车辆操作员车辆10需要服务,尽管没有识别出具有故障的可能区域或***(530)。当维修技术人员完成车辆服务并且已经识别出根本原因和服务程序时(532),利用该信息更新车辆10的存储数据记录(534),并且该迭代结束。
本文描述的概念采用以声学噪声、声音、加速计和OBD码形式的群集的车辆数据,用于诊断和预测各种类型的车辆中的故障。在一个实施例中,独立的售后硬件设备可以安装在车辆的车盖下,并且可以周期性地与操作员的智能电话配对以将车辆数据发送到云,即远程服务器95。将车辆数据与相同构造/型号的其他车辆进行比较,并且当车辆数据,例如声音,与故障相关时,向操作员发送通知。当对于相同的车辆构造/模型没有足够的数据时,特征可以是来自类似车辆的比较数据,所述类似车辆例如是采用相同或类似的内燃机或推进马达和/或其他部件的车辆,当车辆数据,例如声音,与故障相关时,向操作者发送通知。
当车辆数据与故障不相关时,仍然通知操作者。操作员还可以经由相关联的应用主动地使用其智能电话来将车辆数据直接发送到云以进行评估。这样,可以利用群集技术来帮助车辆操作员有效地检测和诊断车辆问题。
流程类图中的流程图和框图示出了根据本公开的各种实施例的***、方法和计算机程序产品的可能实现的体系结构、功能和操作。在此方面,流程图或框图中的每个框可以表示代码的模块、片段或部分,其包括用于实现指定逻辑功能的一个或多个可执行指令。还应当注意,框图和/或流程图图示的每个框,以及框图和/或流程图图示中的框的组合可以由执行指定功能或动作的基于专用硬件的***,或者专用硬件和计算机指令的组合来实现。这些计算机程序指令还可以存储在计算机可读介质中,所述计算机可读介质可以指导控制器或其他可编程数据处理设备以特定方式工作,使得存储在计算机可读介质中的指令产生包括用于实现在流程图和/或框图的一个或多个框中指定的功能/动作的指令的制品。
虽然详细描述和附图支持并描述了本教导,但是本教导的范围仅由权利要求限定。虽然已经详细描述了用于执行本教导的一些最佳模式和其它实施例,但是存在用于实践在所附权利要求中限定的本教导的各种替代设计和实施例。
Claims (10)
1.一种用于监测对象车辆的方法,所述方法包括:
经由非集成传感器监测从所述对象车辆发射的物理参数;
确定与从所述对象车辆发出的所述物理参数相关联的动态特征;
获取所述对象车辆的基线特征;
比较所述对象车辆的基线特征和所述对象车辆的动态特征;
基于所述对象车辆的基线特征与所述对象车辆的动态特征的所述比较,检测所述对象车辆的子***中的故障的发生;并且
将所述故障的发生传输给所述对象车辆的操作员。
2.根据权利要求1所述的方法,其中所述非集成传感器设置为接近所述对象车辆。
3.根据权利要求1所述的方法,其中经由所述非集成传感器监测从所述对象车辆发射的物理参数包括经由非集成麦克风监测声学声音。
4.根据权利要求1所述的方法,其中所述物理参数包括声学声音,并且其中确定所述动态特征包括对从所述对象车辆发射的所述声学声音执行频谱分析。
5.根据权利要求1所述的方法,其中经由所述非集成传感器监测从所述对象车辆发射的物理参数包括经由非集成加速度计监测振动。
6.根据权利要求1所述的方法,其中经由所述非集成传感器监测从所述对象车辆发射的物理参数包括经由非集成温度传感器监测温度。
7.根据权利要求1所述的方法,其中所述子***包括可旋转元件,并且其中确定与从所述对象车辆发射的所述物理参数相关联的所述动态特征包括确定对应于所述可旋转元件的旋转速度的动态特征。
8.根据权利要求1所述的方法,其中获得所述对象车辆的基线数据包括经由远程信息处理设备访问存储在远程服务器上的数据库以获得所述对象车辆的所述基线数据。
9.根据权利要求8所述的方法,还包括上传所述动态特征到所述远程服务器上的所述数据库。
10.一种用于监测对象车辆的设备,包括:
非集成监测设备,包括被设置为监测物理参数的传感器;
非集成通信设备,设置为与所述非集成监测设备通信;以及
与所述非集成通信设备通信的控制器,所述控制器包括指令集,所述指令集能够执行以:
经由所述非集成监测设备监测从所述对象车辆发出的物理参数,
确定与从所述对象车辆发射的物理参数相关联的动态特征,
获得用于所述对象车辆的基线特征,
比较所述对象车辆的所述基线特征和所述对象车辆的所述动态特征,
基于所述对象车辆的所述基线特征与所述对象车辆的所述动态特征的比较来检测所述对象车辆的子***中的故障的发生,并且
将所述故障的发生传输给所述对象车辆的操作员。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/949255 | 2018-04-10 | ||
US15/949,255 US20190311558A1 (en) | 2018-04-10 | 2018-04-10 | Method and apparatus to isolate an on-vehicle fault |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110379437A true CN110379437A (zh) | 2019-10-25 |
Family
ID=67991630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910256517.XA Pending CN110379437A (zh) | 2018-04-10 | 2019-04-01 | 隔离车内故障的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190311558A1 (zh) |
CN (1) | CN110379437A (zh) |
DE (1) | DE102019108446A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10515492B2 (en) * | 2015-12-11 | 2019-12-24 | Cummins, Inc. | Diagnostic data visualization methods |
US11054339B2 (en) * | 2018-11-13 | 2021-07-06 | GM Global Technology Operations LLC | Method and apparatus for monitoring a machine bearing on-vehicle |
US11861954B2 (en) * | 2019-08-27 | 2024-01-02 | Opus Ivs, Inc. | Vehicle diagnostic system and method |
US11288900B2 (en) * | 2019-09-05 | 2022-03-29 | GM Global Technology Operations LLC | Method of enhanced component failure diagnosis for suggesting least probable fault |
DE102019218080A1 (de) * | 2019-11-22 | 2021-05-27 | Zf Friedrichshafen Ag | Fehlerdetektionssystem |
DE102019135608A1 (de) * | 2019-12-20 | 2021-06-24 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren, Vorrichtung und System zur Detektion von anomalen Betriebszuständen eines Geräts |
US11945404B2 (en) * | 2020-04-23 | 2024-04-02 | Toyota Motor Engineering & Manufacturing North America, Inc. | Tracking and video information for detecting vehicle break-in |
CN113571092B (zh) * | 2021-07-14 | 2024-05-17 | 东软集团股份有限公司 | 一种发动机异响识别方法及其相关设备 |
EP4180889B1 (en) * | 2021-11-15 | 2024-07-17 | Volvo Truck Corporation | Method for monitoring health status of a chassis system of a vehicle |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6363303B1 (en) * | 1999-11-01 | 2002-03-26 | Midtronics, Inc. | Alternator diagnostic system |
CN103455020A (zh) * | 2012-05-28 | 2013-12-18 | 哈尔滨工业大学深圳研究生院 | 一种智能车况云检测服务***及方法 |
CN105511450A (zh) * | 2015-12-30 | 2016-04-20 | 福建工程学院 | 叉装车远程故障监控及预测的方法 |
CN205485604U (zh) * | 2016-01-13 | 2016-08-17 | 深圳市爱夫卡科技股份有限公司 | 汽车故障诊断仪 |
CN106448214A (zh) * | 2016-10-13 | 2017-02-22 | 广西大学 | 一种车载数据的采集和管理*** |
CN106441928A (zh) * | 2016-08-30 | 2017-02-22 | 东软集团股份有限公司 | 一种车辆故障检测方法、装置及*** |
CN106644497A (zh) * | 2015-11-02 | 2017-05-10 | 北京爱德盛业科技有限公司 | 一种基于智能手机内置传感器检测车辆的方法 |
-
2018
- 2018-04-10 US US15/949,255 patent/US20190311558A1/en not_active Abandoned
-
2019
- 2019-04-01 CN CN201910256517.XA patent/CN110379437A/zh active Pending
- 2019-04-01 DE DE102019108446.6A patent/DE102019108446A1/de not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6363303B1 (en) * | 1999-11-01 | 2002-03-26 | Midtronics, Inc. | Alternator diagnostic system |
CN103455020A (zh) * | 2012-05-28 | 2013-12-18 | 哈尔滨工业大学深圳研究生院 | 一种智能车况云检测服务***及方法 |
CN106644497A (zh) * | 2015-11-02 | 2017-05-10 | 北京爱德盛业科技有限公司 | 一种基于智能手机内置传感器检测车辆的方法 |
CN105511450A (zh) * | 2015-12-30 | 2016-04-20 | 福建工程学院 | 叉装车远程故障监控及预测的方法 |
CN205485604U (zh) * | 2016-01-13 | 2016-08-17 | 深圳市爱夫卡科技股份有限公司 | 汽车故障诊断仪 |
CN106441928A (zh) * | 2016-08-30 | 2017-02-22 | 东软集团股份有限公司 | 一种车辆故障检测方法、装置及*** |
CN106448214A (zh) * | 2016-10-13 | 2017-02-22 | 广西大学 | 一种车载数据的采集和管理*** |
Also Published As
Publication number | Publication date |
---|---|
DE102019108446A1 (de) | 2019-10-10 |
US20190311558A1 (en) | 2019-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110379437A (zh) | 隔离车内故障的方法和装置 | |
KR101864860B1 (ko) | 딥러닝을 통한 자동차 상태 진단 방법 | |
KR101889049B1 (ko) | 딥러닝 기반의 인공지능을 이용한 자동차 진단 방법 및 장치 | |
CN106168541B (zh) | 汽车、诊断***及生成汽车诊断数据的方法 | |
KR102263337B1 (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
US20230012186A1 (en) | System and method for vibroacoustic diagnostic and condition monitoring a system using neural networks | |
CN107490488A (zh) | 经由噪声和振动水平进行的车辆健康状况检查 | |
US20210125428A1 (en) | Apparatus and Method for Tire Separation Monitoring | |
CN107458383A (zh) | 使用音频信号的车辆故障自动检测 | |
CN106525445A (zh) | 基于车辆声音和振动的车辆诊断 | |
CN105008875A (zh) | 基于所感测的振动确定用于机动车辆的矫正动作 | |
US10249112B2 (en) | Vehicle state monitoring apparatus, vehicle state monitoring system, and vehicle state monitoring method | |
JP2017529544A (ja) | 鉄道車両における状態を決定する方法 | |
US12017486B2 (en) | System and method for the management of data pertaining to a wheel service | |
CN108829088A (zh) | 汽车诊断方法、装置及存储介质 | |
US20220018906A1 (en) | Predicting An Outcome Associated With A Driver Of A vehicle | |
JP2016060406A (ja) | 車両診断装置、端末装置及び車両診断方法 | |
CN105469147B (zh) | 用于诊断故障和/或诊断维修和/或维护需求的方法 | |
KR102184590B1 (ko) | 차량 예방정비 서비스 제공 장치 및 방법 | |
CA3156837A1 (en) | Method for assessing an external event on an automotive glazing | |
US20200160407A1 (en) | Server apparatus and information providing method | |
CN106710027A (zh) | 车载设备的配置方法与装置 | |
Siegel et al. | Surveying off-board and extra-vehicular monitoring and progress towards pervasive diagnostics | |
CN114379570A (zh) | 车辆数据操纵和机械故障的自动检测 | |
JP5540037B2 (ja) | 車両情報収集装置及び車両情報収集方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191025 |
|
WD01 | Invention patent application deemed withdrawn after publication |