CN111439274A - 诊断车辆的推进***的方法及其*** - Google Patents
诊断车辆的推进***的方法及其*** Download PDFInfo
- Publication number
- CN111439274A CN111439274A CN202010043357.3A CN202010043357A CN111439274A CN 111439274 A CN111439274 A CN 111439274A CN 202010043357 A CN202010043357 A CN 202010043357A CN 111439274 A CN111439274 A CN 111439274A
- Authority
- CN
- China
- Prior art keywords
- data
- sensors
- subsystem
- unhealthy
- component
- 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/22—Safety or indicating devices for abnormal conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D11/00—Arrangements for, or adaptations to, non-automatic engine control initiation means, e.g. operator initiated
- F02D11/06—Arrangements for, or adaptations to, non-automatic engine control initiation means, e.g. operator initiated characterised by non-mechanical control linkages, e.g. fluid control linkages or by control linkages with power drive or assistance
- F02D11/10—Arrangements for, or adaptations to, non-automatic engine control initiation means, e.g. operator initiated characterised by non-mechanical control linkages, e.g. fluid control linkages or by control linkages with power drive or assistance of the electric type
- F02D11/107—Safety-related aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- 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
- G06F16/2455—Query execution
-
- 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
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/282—Hierarchical databases, e.g. IMS, LDAP data stores or Lotus Notes
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
- B60W2050/022—Actuator failures
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
- F02D41/28—Interface circuits
- F02D2041/286—Interface circuits comprising means for signal processing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
- F02D—CONTROLLING COMBUSTION ENGINES
- F02D41/00—Electrical control of supply of combustible mixture or its constituents
- F02D41/24—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means
- F02D41/26—Electrical control of supply of combustible mixture or its constituents characterised by the use of digital means using computer, e.g. microprocessor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Automation & Control Theory (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明涉及诊断车辆的推进***的方法及其***。诊断推进***的方法实施自顶向下的分级检查程序,其中,对所述推进***进行整体分析,以确定所述推进***是否健康。将来自车辆传感器的第一集合的数据与***健康数据集群进行比较,以确定所述推进***健康还是不健康。如果所述推进***不健康,则使用来自所述传感器的选择性数据在第一检查级别处各自分析所述推进***的多个子***,以将所述子***中的一个识别为不健康的子***。然后,使用来自所述传感器的其它选择性数据在第二检查级别处分析所述不健康的子***的多个部件***,以将所述不健康的子***的所述部件***中的一个识别为不健康的部件***。
Description
技术领域
本公开大体涉及一种诊断车辆的推进***的方法及其诊断***。
背景技术
车辆的推进***包括许多不同的子***,其中,每个子***具有若干个不同的部件。所述子***中的一个中的每个单独的部件可以附加地具有若干个子部件。车辆包括许多不同的传感器,以用于感测与推进***的操作有关的数据。车辆可以针对不同子***的许多不同部件/子部件运行单独的诊断测试,以便确定所述部件/子部件是否正常操作(即是否健康),或它们是否没有正常运行(即不健康)。这构成了自底向上的策略,其中,用相应的诊断测试来分析推进***的每个部件/子部件以确定该相应部件/子部件的健康状况。
发明内容
提供了一种诊断车辆的推进***的方法。该方法包括限定车辆的多个传感器的第一集合,以用于评估推进***的整体状态。限定***健康数据集群,并将其保存在车辆的计算装置的存储器上。***健康数据集群限定来自所述多个传感器的第一集合的数据值的包括范围,该包括范围指示推进***的健康状态。感测来自所述多个传感器的第一集合的数据。计算装置将从所述多个传感器的第一集合感测到的数据与***健康数据集群进行比较,以确定从所述多个传感器的第一集合感测到的数据是否在***健康数据集群内,或从所述多个传感器的第一集合感测到的数据是否至少部分地在***健康数据集群之外。当从所述多个传感器的第一集合感测到的数据至少部分地在***健康数据集群之外时,然后计算装置指示推进***不健康。当推进***不健康时,计算装置使用自顶向下的分级检查程序来分析推进***,其中,使用来自所述多个传感器的选择性数据在第一检查级别处分析推进***的多个子***,以将所述多个子***中的一个识别为不健康的子***,并且然后使用来自所述多个传感器的其它选择性数据在第二检查级别处分析不健康的子***的多个部件***,以将所述多个部件***中的一个识别为不健康的部件***。
在诊断推进***的方法的一个方面中,该推进***的所述多个子***包括第一子***。该计算装置基于从所述多个传感器的第一集合感测到的数据,通过确定推进***的第一子***是否为不健康的子***而使用自顶向下的分级检查程序分析推进***。计算装置可以进一步基于从所述多个传感器的第一集合感测到的数据来确定推进***的第二子***、第三子***等是否为不健康的子***。
在诊断推进***的方法的一个方面中,限定用于第一子***的第一子***状态数据集群,并将其保存在计算装置的存储器中。第一子***状态数据集群限定来自所述多个传感器的第一集合的数据值的范围,该范围指示第一子***是不健康的子***。然后,计算装置可以将从所述多个传感器的第一集合感测到的数据与第一子***状态数据集群进行比较,以确定从所述多个传感器的第一集合感测到的数据是否在第一子***状态数据集群内,或从所述多个传感器的第一集合感测到的数据是否在第一子***状态数据集群之外。当从所述多个传感器的第一集合感测到的数据在第一子***状态数据集群内时,计算装置然后可以指示第一子***是不健康的子***。
在诊断推进***的方法的一个方面中,第一子***的所述多个部件包括第一部件***。限定用于第一子***的第一部件***的第一部件状态数据集群,并将其保存在计算装置的存储器中。第一部件状态数据集群限定来自所述多个传感器的第二集合的数据值的范围,该范围指示第一子***的第一部件***是不健康的部件***。当第一子***是不健康的子***时,计算装置将从所述多个传感器的第二集合感测到的数据与第一部件状态数据集群进行比较,以确定从所述多个传感器的第二集合感测到的数据是否在第一部件状态数据集群内,或从所述多个传感器的第二集合感测到的数据是否在第一部件状态数据集群之外。当从所述多个传感器的第二集合感测到的数据在第一部件状态数据集群内时,然后计算装置指示第一子***的第一部件***是不健康的部件***。
在诊断推进***的方法的一个方面中,该方法的特征在于自顶向下的分级检查程序,该自顶向下的分级检查程序以自顶向下的顺序检查子***和子***的部件,以便识别不健康***的根本原因。通过这样做,当从所述多个传感器的第一集合感测到的数据在***健康数据集群内时,本文描述的过程不对所述多个子***和所述多个子***中的每一个的所述多个部件执行附加诊断测试。换句话说,如果推进***是健康的,即,从所述多个传感器的第一集合感测到的数据在***健康数据集群内,则该过程不执行附加诊断测试,从而减少了对计算装置的计算需求并且提高了诊断***的效率。
在诊断推进***的方法的一个方面中,计算装置可以操纵从所述多个传感器的第一集合感测到的数据以限定数据值。计算装置然后可以使用该数据值来与***健康数据集群进行比较,以确定从所述多个传感器的第一集合感测到的数据是否在***健康数据集群内,或从所述多个传感器的第一集合感测到的数据是否在***健康数据集群之外。可以在一段时间内计算或限定数据值以限定运行平均值或限定多个独立的数据值。
还提供了一种车辆。该车辆包括具有多个子***的推进***。所述多个子***中的每一者可以包括多个部件。该车辆包括多个传感器,所述多个传感器可操作以感测与推进***的操作有关的数据。诊断***被设置成与所述多个传感器通信,并且可操作以从所述多个传感器接收数据。诊断***包括处理器和存储器,所述存储器具有***健康数据集群和存储在其上的诊断算法。处理器可操作以执行诊断算法,以实施诊断推进***的方法。更特别地,处理器执行诊断算法以感测来自所述多个传感器的第一集合的数据。将从所述多个传感器的第一集合感测到的数据与***健康数据集群进行比较,以确定从所述多个传感器的第一集合感测到的数据是否在***健康数据集群内,或从所述多个传感器的第一集合感测到的数据是否在***健康数据集群之外。***健康数据集群限定来自所述多个传感器的第一集合的数据值的包括范围,该包括范围指示推进***的健康状态。当从所述多个传感器的第一集合感测到的数据在***健康数据集群之外时,诊断算法指示推进***不健康,并继续使用自顶向下的分级检查程序分析推进***。自顶向下的分级检查程序使用来自所述多个传感器的选择性数据在第一检查级别处分析推进***的多个子***,以将所述多个子***中的一个识别为不健康的子***,并且然后使用来自所述多个传感器的其它选择性数据在第二检查级别处分析不健康的子***的多个部件***,以将所述多个部件***中的一个识别为不健康的部件***。
在车辆的一个方面中,第一子***状态数据集群被保存在计算装置的存储器上。第一子***状态数据集群限定来自所述多个传感器的第一集合的数据值的范围,该范围指示推进***的第一子***是不健康的子***。处理器可操作以执行诊断算法,以将从所述多个传感器的第一集合感测到的数据与所述第一子***状态数据集群进行比较,以确定从所述多个传感器的第一集合感测到的数据是否在第一子***状态数据集群内,或从所述多个传感器的第一集合感测到的数据是否在第一子***状态数据集群之外。当从所述多个传感器的第一集合感测到的数据在第一子***状态数据集群内时,诊断算法可以指示第一子***是不健康的子***。
在车辆的另一方面中,第一部件状态数据集群被保存在计算装置的存储器上。第一部件状态数据集群限定来自多个传感器的第二集合的数据值的范围,该范围指示第一子***的第一部件***是不健康的部件***。当第一子***是不健康的子***时,处理器可操作以执行诊断算法,以将从多个传感器的第二集合感测到的数据与第一部件状态数据集群进行比较,以确定从多个传感器的第二集合感测到的数据是否在第一部件状态数据集群内,或从所述多个传感器的第二集合感测到的数据是否在第一部件状态数据集群之外。当从所述多个传感器的第二集合感测到的数据在第一部件状态数据集群内时,诊断***可以指示第一子***的第一部件***是不健康的部件***。
因此,该诊断算法可以识别导致推进***在***健康集群(即,范围)之外操作的根本原因,即,推进***的子***中的一个的部件***中的一个的不健康的子部件。通过使用自顶向下的分级检查程序,对计算装置的计算要求被最小化,因为诊断***不必检查推进***的每一个部件和子部件。这是因为自顶向下的分级检查程序不检查或分析健康的推进***的子部件、部件***和/或子***。
本发明提出了以下技术方案:
1. 一种诊断车辆的推进***的方法,所述方法包括:
限定所述车辆的多个传感器的第一集合,以用于评估所述推进***的整体状态;
限定***健康数据集群,其中,所述***健康数据集群限定来自所述多个传感器的所述第一集合的数据值的包括范围,所述包括范围指示所述推进***的健康状态,并且其中,所述***健康数据集群被保存在所述车辆的计算装置的存储器上;
感测来自所述多个传感器的所述第一集合的数据;
用所述计算装置将从所述多个传感器的所述第一集合感测到的所述数据与所述***健康数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否至少部分地在所述***健康数据集群之外;
当从所述多个传感器的所述第一集合感测到的所述数据至少部分地在所述***健康数据集群之外时,用所述计算装置指示所述推进***不健康;以及
当所述推进***不健康时,用所述计算装置使用自顶向下的分级检查程序来分析所述推进***,其中,使用来自所述多个传感器的选择性数据在第一检查级别处分析所述推进***的多个子***,以将所述多个子***中的一者识别为不健康的子***,并且然后使用来自所述多个传感器的其它选择性数据在第二检查级别处分析所述不健康的子***的多个部件***,以将所述多个部件***中的一者识别为不健康的部件***。
2. 根据技术方案1所述的方法,其中,所述推进***的所述多个子***包括第一子***,并且其中,使用所述自顶向下的分级检查程序来分析所述推进***包括:基于从所述多个传感器的所述第一集合感测到的所述数据用所述计算装置来确定所述推进***的所述第一子***是否是所述不健康的子***。
3. 根据技术方案2所述的方法,其进一步包括:针对所述第一子***限定第一子***状态数据集群,其中,所述第一子***状态数据集群限定来自所述多个传感器的所述第一集合的数据值的范围,所述范围指示所述第一子***是不健康的子***,并且其中,所述第一子***状态数据集群被保存在所述计算装置的所述存储器上。
4. 根据技术方案3所述的方法,其中,确定所述第一子***是否是所述不健康的子***包括:用所述计算装置将从所述多个传感器的所述第一集合感测到的所述数据与所述第一子***状态数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群之外。
5. 根据技术方案4所述的方法,其进一步包括:当从所述多个传感器的所述第一集合感测到的所述数据在所述第一子***状态数据集群内时,用所述计算装置指示所述第一子***是所述不健康的子***。
6. 根据技术方案5所述的方法,其中,所述第一子***的所述多个部件***包括第一部件***,并且其中,所述方法进一步包括:针对所述第一子***的所述第一部件***限定第一部件状态数据集群,其中,所述第一部件状态数据集群限定来自所述多个传感器的第二集合的数据值的范围,所述范围指示所述第一子***的所述第一部件***是所述不健康的部件,并且其中,所述第一部件状态数据集群被保存在所述计算装置的所述存储器上。
7. 根据技术方案6所述的方法,其进一步包括:当所述第一***不健康时,用所述计算装置将从所述多个传感器的所述第二集合感测到的所述数据与所述第一部件状态数据集群进行比较,以确定从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群内,或从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群之外。
8. 根据技术方案7所述的方法,其进一步包括:当从所述多个传感器的所述第二集合感测到的所述数据在所述第一部件状态数据集群内时,用所述计算装置指示所述第一子***的所述第一部件***是所述不健康的部件***。
9. 根据技术方案1所述的方法,其特征在于,当从所述多个传感器的所述第一集合感测到的所述数据在所述***健康数据集群内时,不对所述多个子***和所述多个子***中的每一者的所述多个部件***执行附加诊断测试。
10. 根据技术方案1所述的方法,其进一步包括:操纵从所述多个传感器的所述第一集合感测到的所述数据来限定数据值,并且使用所述数据值来与所述***健康数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群之外。
11. 根据技术方案1所述的方法,其进一步包括将数据从所述车辆的所述计算装置传送到远离所述车辆定位的计算机,其中,远离所述车辆定位的所述计算机实施至少一部分所述自顶向下的分级检查程序。
12. 一种用于诊断车辆的推进***的诊断***,所述诊断***包括:
多个传感器,其可操作以感测与所述推进***的操作有关的数据;
计算装置,其与所述多个传感器通信,所述计算装置包括处理器和存储器,所述存储器具有***健康数据集群和存储在其上的诊断算法,其中,所述处理器可操作以执行所述诊断算法,以便:
感测来自所述多个传感器的第一集合的数据;
将从所述多个传感器的所述第一集合感测到的所述数据与所述***健康数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否至少部分地在所述***健康数据集群之外,其中,所述***健康数据集群限定来自所述多个传感器的所述第一集合的数据值的包括范围,所述包括范围指示所述推进***的健康状态;
当从所述多个传感器的所述第一集合感测到的所述数据至少部分地在所述***健康数据集群之外时,指示所述推进***不健康;以及
当所述推进***不健康时,使用自顶向下的分级检查程序来分析所述推进***,其中,使用来自所述多个传感器的选择性数据在第一检查级别处分析所述推进***的多个子***,以将所述多个子***中的一者识别为不健康的子***,并且然后使用来自所述多个传感器的其它选择性数据在第二检查级别处分析所述不健康的子***的多个部件***,以将所述多个部件***中的一者识别为不健康的部件***。
13. 根据技术方案12所述的诊断***,其进一步包括保存在所述计算装置的所述存储器上的第一子***状态数据集群,其中,所述第一子***状态数据集群限定来自所述多个传感器的所述第一集合的数据值的范围,所述范围指示所述推进***的第一子***是所述不健康的子***。
14. 根据技术方案13所述的诊断***,其中,所述处理器可操作以执行所述诊断算法,以将从所述多个传感器的所述第一集合感测到的数据与所述第一子***状态数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群之外。
15. 根据技术方案14所述的诊断***,其中,当从所述多个传感器的所述第一集合感测到的所述数据在所述第一子***状态数据集群内时,所述处理器可操作以执行所述诊断算法,以指示所述第一子***是所述不健康的子***。
16. 根据技术方案15所述的诊断***,其进一步包括保存在所述计算装置的所述存储器上的第一部件状态数据集群,其中,所述第一部件状态数据集群限定来自所述多个传感器的第二集合的数据值的范围,所述范围指示所述第一子***的第一部件***是不健康的部件***。
17. 根据技术方案16所述的诊断***,其中,当所述第一子***是所述不健康的子***时,所述处理器可操作以执行所述诊断算法,以将从所述多个传感器的所述第二集合感测到的数据与所述第一部件状态数据集群进行比较,以确定从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群内,或从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群之外。
18. 根据技术方案17所述的诊断***,其中,所述处理器可操作以在从所述多个传感器的所述第二集合感测到的所述数据在所述第一部件状态数据集群内时指示所述第一子***的所述第一部件***是不健康的部件***。
19. 一种车辆,其包括:
推进***,其具有多个子***,其中,所述多个子***中的每一者具有多个部件;
多个传感器,其可操作以感测与所述推进***的操作有关的数据;
诊断***,其设置成与所述多个传感器通信,并且可操作以从所述多个传感器接收数据,其中,所述诊断***包括处理器和存储器,所述存储器具有***健康数据集群和存储在其上的诊断算法,其中,所述处理器可操作以执行所述诊断算法,以便:
感测来自所述多个传感器的第一集合的数据;
将从所述多个传感器的所述第一集合感测到的所述数据与所述***健康数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否至少部分地在所述***健康数据集群之外,其中,所述***健康数据集群限定来自所述多个传感器的所述第一集合的数据值的包括范围,所述包括范围指示所述推进***的健康状态;
当从所述多个传感器的所述第一集合感测到的所述数据至少部分地在所述***健康数据集群之外时,指示所述推进***不健康;以及
当所述推进***不健康时,使用自顶向下的分级检查程序来分析所述推进***,其中,使用来自所述多个传感器的选择性数据在第一检查级别处分析所述推进***的多个子***,以将所述多个子***中的一者识别为不健康的子***,并且然后使用来自所述多个传感器的其它选择性数据在第二检查级别处分析所述不健康的子***的多个部件***,以将所述多个部件***中的一者识别为不健康的部件***。
20. 根据技术方案19所述的车辆,其进一步包括:
第一子***状态数据集群,其被保存在所述计算装置的所述存储器上,其中,所述第一子***状态数据集群限定来自所述多个传感器的所述第一集合的数据值的范围,所述范围指示所述推进***的第一子***是所述不健康的子***;
其中,所述处理器可操作以执行所述诊断算法,以将从所述多个传感器的所述第一集合感测到的数据与所述第一子***状态数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群之外;
其中,所述处理器可操作以执行所述诊断算法,以在从所述多个传感器的所述第一集合感测到的所述数据在所述第一子***状态数据集群内时指示所述第一子***是所述不健康的子***;
第一部件状态数据集群,其被保存在所述计算装置的所述存储器上,其中,所述第一部件状态数据集群限定来自所述多个传感器的第二集合的数据值的范围,所述范围指示所述第一子***的第一部件***是所述不健康的部件***;
其中,所述处理器可操作以执行所述诊断算法,以在所述第一子***是不健康的子***时将从所述多个传感器的所述第二集合感测到的数据与所述第一部件状态数据集群进行比较,以确定从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群内,或从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群之外;以及
其中,所述处理器可操作以执行所述诊断算法,以在从所述多个传感器的所述第二集合感测到的所述数据在所述第一部件状态数据集群内时指示所述第一子***的所述第一部件***是不健康的部件***。
当结合附图时,本教导的上述特征和优点以及其它特征和优点从以下对用于实行本教导的最佳模式的详细描述变得显而易见。
附图说明
图1是车辆的示意性平面图。
图2是图示车辆的诊断***的自顶向下的分级检查程序的流程图。
图3是示出***健康和子***不健康的数据集群边界的示意图。
图4是示出部件不健康数据集群边界的示意图。
图5是图示诊断车辆的推进***的方法的流程图。
具体实施方式
本领域的普通技术人员将认识到,诸如“在……上方”、“在……下方”、“向上”、“向下”、“顶部”、“底部”等的术语被描述性地用于图,并不表示对如由所附权利要求限定的本公开的范围的限制。此外,在本文中可以就功能和/或逻辑块部件和/或各种处理步骤方面来描述教导。应该认识到,这种块部件可以包括构造成执行指定功能的数个硬件、软件和/或固件部件。
参照图,其中,贯穿若干个视图,相似的数字指示相似的部件,在图1中以20大体示出了车辆。参照图1,车辆20可以包括一种类型的可移动平台,诸如但不限于汽车、卡车、货车、拖拉机、船、飞机、ATV、UTV等。车辆20包括推进***22。推进***22可以包括但不限于内燃发动机24、电动马达26、能量存储装置28(例如电池)、变速器30、分动箱(未示出)、一个或多个驱动轴(未示出)、差速齿轮组(未示出)、车轮制动***(未示出)、燃料***32、进气***34、排气***36、点火***37等。推进***22可以构造有:用于为车辆20提供推进动力的仅内燃发动机24;为车辆20提供推进动力的仅电动马达26;为车辆20提供推进动力的内燃发动机24和电动马达26的组合;或本文中未描述的为车辆20提供推进动力的部件和***的某一其它组合。如图中所示出和本文中所描述的,推进***22被具体实施为具有内燃发动机24和电动马达26两者的混合***。然而,本公开的教导不限于本文中所示出和描述的示例性混合***。
参照图2,推进***22无论构造如何都包括多个子***42、44、46、48。如图2中所示出,推进***22大体在分级结构38的顶部或最高级别39处示出。在推进***22下方,在分级结构38的第一级别40处,大体上示出了推进***22的子***42、44、46、48。包括在推进***22中的子***的具体数量和类型随推进***22的类型和构造而变化。与本文中所描述和图1中所示出的示例性实施例不同地构造的推进***22将包括不同的子***。示例性推进***22的子***42、44、46、48可以包括但不限于内燃发动机24、变速器30、电动马达26和能量存储装置28。可以基于提供给推进***22的整体操作的特定功能来限定子***。
如上文所提到,推进***22的子***可以与本文描述的示例性子***42、44、46、48不同,并且大体上在推进***22的分级结构38的第一级别40上示出。如此,推进***22的子***可以被描述为第一子***42、第二子***44、第三子***46、第四子***48等。第一子***42可以被限定成包括推进***22的子***中的一个。第二子***44可以被限定成包括推进***22的其余子***中的一个,以此类推。如此,第一子***42在本文中用于一般性地指代推进***22的子***中的一个。如此,如本文中参照图1中所示出的示例性实施例使用的,第一子***42可以被限定成包括内燃发动机24、变速器30、电动马达26或能量存储装置28中的一者。第二子***44在本文中用于一般性地指代推进***22的其余子***中未限定为第一子***42的一者。
单独的子***42、44、46、48中的每一者可以进一步包括一个或多个部件***54、56、58、60。如图2中所示出的,大体上在分级结构38的第二级别50处示出针对每个子***的不同部件***54、56、58、60。例如,内燃发动机24的部件***54、56、58、60可以包括进气***34、燃料***32、排气***36、点火***37等。每个相应子***42、44、46、48的部件***54、56、58、60中的每一者可以进一步包括一个或多个子部件62、64、66。如图2中所示出,大体上在分级结构38的第三级别52处示出每个部件***54、56、58、60的不同子部件62、64、66。例如,内燃发动机24的燃料***32可以包括子部件,这些子部件包括但不限于燃料泵(未示出)、燃料过滤器(未示出)、燃料喷射器(未示出)等。内燃发动机24的进气***34可以包括子部件,这些子部件包括但不限于空气过滤器(未示出)、节气门(未示出)等。推进***22可以进一步分解成分级结构38的附加级别。因此,应当理解,本公开的教导不限于图2中所示出和本文中所描述的示例性分级结构38。
如上文所提到,每个相应子***42、44、46、48的部件***54、56、58、60可能与本文中所描述的示例性部件***不同,并且大体上在推进***22的分级结构38的第二级别50上示出。如此,每个相应子***的部件***可以被描述为第一部件***54、第二部件***56、第三部件***58、第四部件***60等。第一部件***54可以被限定成包括其相应子***的部件***中的一个。第二部件***56可以被限定成包括其相应子***的其余部件***中的一个,以此类推。本文中使用第一部件***54来一般性地指代第一子***42的部件***中的一个。如此,如本文中参考图1中所示出的示例性实施例使用的,如果将第一子***42限定成包括内燃发动机24,则可以将第一部件***54限定成包括进气***、燃料供应***、排气***36或点火***37中的一者。
类似地,如上文所提到,每个相应部件***的子部件可以与本文中所描述的示例性子部件不同,并且大体上在推进***22的分级结构38的第三级别52上示出。如此,每个相应部件***的子部件可以描述为第一子部件62、第二子部件64、第三子部件66等。第一子部件62可以限定成包括其相应部件***的部件中的一个。第二子部件64可以限定成包括其相应部件***的其余部件中的一个,以此类推。如此,第一子部件62在本文中用于一般性地指代第一部件***54的子部件的一个。
参照图1,车辆20进一步包括多个传感器68。传感器68可操作以感测与推进***22的操作有关的数据。传感器68可被构造成感测评定推进***22的操作所需的数据。传感器68的具体类型、构造和数量将会随着推进***22的不同构造而变化。如此,传感器68可以感测与特征(例如曲轴或传动轴)的旋转速度、扭矩、空气流量、氧气水平、电压水平、电流水平、加速度水平、流体水平等有关的数据。每个传感器68为推进***22的特征提供与特定类型的数据有关的数据流。如此,所述多个传感器68作为整体为推进***22的操作的若干个不同方面提供若干种不同类型的数据。由传感器68提供的数据的具体类型以及传感器68的具体类型和操作与本公开的教导无关,被本领域的技术人员所理解,并且因此在本文中不予以详细描述。
车辆20进一步包括诊断***70。诊断***70设置成与传感器68通信,并且可操作以从传感器68接收数据。诊断***70包括具有存储器74和处理器76的计算装置72。计算装置72的存储器74包括***健康数据集群78、用于第一子***42的第一子***状态数据集群80、第一部件状态数据集群82和存储在其上的诊断算法84。
参照图3,***健康数据集群78限定传感器68的第一集合102的数据值的包括范围。从来自传感器68的第一集合102的在***健康数据集群78的包括范围内的数据值获得和/或处理的数据点指示推进***22是健康的,而从来自传感器68的第一集合102的在***健康数据集群78的包括范围之外的数据值获得和/或处理的数据点指示推进***22不健康。由于来自一个或多个传感器68的数据可用于分析部件***中的一个的具体子部件,并且可能不需要确定推进***22的整体健康状况,所以传感器68的第一集合102包括车辆20的可用传感器68的限定子集。如此,传感器68的第一集合102不包括可用传感器68中的每一者。
传感器68的第一集合102包括最少数量的传感器68,以提供最少的数据来描述推进***22的健康/不健康状态,并且如果推进***22不健康,则识别哪个子***42、44、46、48不健康。可以使用和/或处理一些数据来限定描述推进***22的健康/不健康状态的传感器测量结果的导出变量,例如***健康数据集群78。例如,与内燃发动机24的健康/不健康状态相关联的变量可以包括响应于限定的输入(例如节气门角度、燃料脉冲宽度等)的发动机扭矩/速度输出。发动机扭矩生成的模型可以用于计算期望扭矩与所测量的扭矩之间的误差。该误差信号可以用于确定内燃发动机24是否正在产生正确量的扭矩,即是否健康。换句话说,误差信号是与***健康数据集群78进行比较的数据。类似地,可以通过将传感器量度与生成预期空气量的模型相混合而相对于被递送到燃烧室中的新鲜空气量来评估进气***。自顶向下的分级结构38使得能够使用关键变量/数据测量结果来检查特定***、子***或部件的操作,从而使评估每个***、子***或部件所需的传感器68的数量最小化。
第一子***状态数据集群80可以包括限定健康状态或不健康状态的范围。该范围可以是包括性的或排他的。如本文中所描述,第一子***状态数据集群80被描述为第一子***状态不健康数据集群80。第一子***不健康数据集群80限定来自传感器68的第一集合102的数据值的范围。从来自传感器68的第一集合102的在第一子***不健康数据集群80的包括范围内的数据值获得和/或处理的数据点指示第一子***42不健康。从来自传感器68的第一集合102的在第一子***不健康数据集群80的包括范围之外的数据值获得和/或处理的数据点对于第一子***42的健康状况而言是不确定的。
第一部件状态数据集群82可以包括限定健康状态或不健康状态的范围。该范围可以是包括性的或排他的。如本文中所描述,第一部件状态数据集群82被描述为第一部件状态不健康数据集群82。第一部件不健康数据集群82限定来自传感器68的第二集合104的数据值的范围。从来自传感器68的第二集合104的在第一部件不健康数据集群82的包括范围内的数据值获得和/或处理的数据点指示第一子***42的第一部件***54不健康。从来自传感器68的第二集合104的在第一部件不健康数据集群82的包括范围之外的数据值获得和/或处理的数据点对于第一部件***54的健康状况而言是不确定的。
由于来自一个或多个传感器68的数据可以用于分析第一部件***54或不同部件***(例如,第二部件***56)的具体子部件,所以来自一个或多个传感器68的数据可不需要确定第一部件***54的整体健康状况。如此,传感器68的第二集合104包括车辆20的可用传感器68的限定子集。如此,传感器68的第二集合104不以包括可用传感器68中的每一者。另外,传感器68的第二集合104中包括的传感器68可以与传感器68的第一集合102中包括的传感器68不同。传感器68的第二集合104包括最少数量的传感器68,以提供最少的数据来描述第一部件***54的健康/不健康状态。可以使用和/或处理一些数据来限定描述第一部件***54的健康/不健康状态的传感器测量结果的导出变量,例如第一部件不健康数据集群82。
可以认为本文描述的子***不健康数据集群和部件不健康数据集群针对给定的子***或部件限定硬件的具体故障模式。例如,不同的故障模式可导致燃料***32不健康。燃料***32的不同故障模式可以包括但不限于引起燃料供给过量的燃料喷射器泄漏或引起燃料供给不足的燃料喷射器堵塞。尽管这两个故障模式都与同一硬件(即燃料喷射器)有关,但是这些不同故障模式中的每一者可以包括相应的部件不健康数据集群,以限定每个相应的故障模式。如此,应当了解,每个子***不健康数据集群和/或每个部件不健康数据集群可以限定具体故障模式。此外,应当了解,子***不健康数据集群和部件不健康数据集群的数量可以与本文中所描述的示例性实施例不同。
计算装置72可以称为计算机、控制模块、控制单元、车辆控制器、控制器等。计算装置72分析由传感器68获得的数据以诊断推进***22的健康状况。如上文所提到的,计算装置72包括存储器74和处理器76。另外,计算装置72可以包括其它软件、硬件、存储器、算法、连接件、传感器等,以诊断推进***22的健康状况。如此,下文描述并且在图5中大体示出的方法可以被具体实施为可至少部分地在计算装置72上操作的程序或算法。应当了解,计算装置72可以包括能够分析来自各种传感器68的数据、对数据进行比较并做出诊断推进***22的健康状况所需的决策的装置。
另外,如本领域的技术人员所理解的,计算装置72可以包括到非车载服务器或计算机的通信链路,和/或可以被构造成用于处理云中的数据。如此,可以将来自车辆的数据传送到非车载计算机或***,使得可以在非车载地定位和/或定位在云中的计算机或***上执行本文描述的算法的至少一些过程。例如,可将来自传感器的集合的某些数据或根据传感器数据计算的变量传送到云,随后可对所传送的数据进行处理和分析,并将结果传送回到车辆20的计算装置72、传送回到另一数据处理中心或传送回到服务设施。如此,应当了解,本文描述的算法的一些方面可以由计算装置72在车辆20上执行,或可以由被编程为执行具体过程的另一计算机在车辆20外执行。如此,尽管本公开大体上描述了车辆的执行整个本文描述的诊断算法84的计算装置72,但是应当了解,本公开的范围不限于车辆20的执行整个所描述的诊断算法84的计算装置72,并且本公开的范围包括使用非车载***来执行诊断算法84的一个或多个方面。如此,计算装置72可以广义地解释为包括远离车辆20定位的其它计算***,但是它们连接到车辆上的计算装置72以用于在其间进行通信。
计算装置72可以被具体实施为一个或多个数字计算机或主机,每个数字计算机或主机具有一个或多个处理器、只读存储器(ROM)、随机存取存储器(RAM)、电可编程只读存储器(EPROM)、光学驱动器、磁驱动器等、高速时钟、模数(A/D)电路***、数模(D/A)电路***、输入/输出(I/O)电路***、I/O装置和通信接口以及信号调节和缓冲电子设备。
计算机可读存储器74可以包括参与提供数据或计算机可读指令的非暂时性/有形介质。存储器74可以是非易失性或易失性的。非易失性介质可以包括例如光盘或磁盘以及其它永久性存储器。示例易失性介质可以包括例如动态随机存取存储器(DRAM),其可以构成主存储器。存储器74的实施例的其它示例包括软盘、软磁盘或硬盘、磁带或其它磁性介质、CD-ROM、DVD和/或其它光学介质,以及其它可能的存储器装置,诸如闪速存储器。
计算装置72包括有形的非暂时性存储器74,在其上记录有包括诊断算法70的计算机可执行指令。计算装置72的处理器76构造成用于执行诊断算法70。诊断算法70实施诊断车辆20的推进***22的方法。
参照图5,该方法包括:限定车辆20的传感器68的第一集合102以用于评估推进***22的整体健康状况;以及限定传感器68的第二集合104以用于评估部件***54、56、58、60的健康状况。限定传感器68的第一集合102和第二集合104的步骤大体由图5中的框120指示。如上文所提到的,车辆20包括多个传感器68,其中,每个传感器68可操作以感测与某一功能或操作有关的数据。传感器68的第一集合102包括评估推进***22的整体状态所需的传感器68。评估推进***22的整体健康状况所需的具体数据取决于推进***22的具体构造和特征。另外,传感器68的第一集合102可以包括评估推进***22的第一子***42的健康状况所需的传感器68。评估第一子***42的健康状况所需的具体数据取决于第一子***42的具体操作和/或功能。
类似地,还限定了车辆20的传感器68的用于评估第一子***42的部件***54、56、58、60的第二集合104。如上文所提到,车辆20包括多个传感器68,其中,每个传感器68可操作以感测与某一功能或操作有关的数据。传感器68的第二集合104包括评估第一部件***54的健康状况所需的那些传感器68。评估推进***22的健康状况所需的具体数据取决于第一部件***54的具体操作和/或功能。
还限定用于评估推进***22的整体健康状况的***健康数据集群78、用于确定第一子***42是否不健康的第一子***不健康数据集群80以及用于确定第一子***42的第一部件***54是否不健康的第一部件不健康数据集群82,并将其保存在计算装置72的存储器74中。限定用于诊断***70的数据集群的步骤大体上由图5中的框122指示。当认为推进***22正常操作(即,健康)时,可以通过检查来自车辆20的某些传感器68的某些数据来限定***健康数据集群78。通过查看来自被理解为健康推进***22的选择传感器68的数据,可以限定数据的值的范围以建立用于推进***22的***健康数据集群78。应当了解,不需要来自可用传感器68的数据来评估推进***22的整体操作健康状况,这就是传感器68的第一集合102包括可用传感器68的选择的原因。
当认为第一子***42不正常操作(即,不健康)时,可以通过检查来自车辆20的某些传感器68的某些数据来限定第一子***不健康数据集群80。通过查看来自被认为不健康的第一子***42的选择传感器68的数据,可以限定数据的值的范围以建立第一子***不健康数据集群80。应当了解,不需要来自可用传感器68的数据来评估第一子***42的整体操作健康状况,这就是传感器68的第一集合102包括可用传感器68的选择的原因。
当认为第一部件***54不正常操作(即,不健康)时,可以通过检查来自车辆20的某些传感器68的某些数据来限定第一部件不健康数据集群82。通过查看来自被认为不健康的第一部件***54的选择传感器68的数据,可以限定数据的值的范围以建立第一部件不健康数据集群82。应当了解,不需要来自可用传感器68的数据来评估第一部件***54的整体操作健康状况,这就是传感器68的第二集合104包括可用传感器68的选择的原因。
感测来自传感器68的第一集合102的数据,并将其传送到计算装置72。通过传感器68的第一集合102感测数据的步骤大体上由图5中的框124指示。如上文所提到的,数据的具体类型和用于获得数据的传感器68的具体类型取决于推进***22的具体构造。在一些情况下,计算装置72可以操纵从传感器68的第一集合102感测到的数据以限定一个或多个数据值。然后,可以将数据值分别与***健康数据集群78和/或第一子***不健康数据集群80进行比较。数据值可以表示用于评估推进***22和/或第一子***42的计算值或功能值。如此,应当了解,直接来自传感器68的数据或根据从传感器68直接获得的数据计算的数据值可以被诊断算法70使用,以确定推进***22的健康状况。
一旦已经获得来自传感器68的第一集合102的数据,则诊断算法70可以将从传感器68的第一集合102感测到的数据与***健康数据集群78进行比较。将来自传感器68的第一集合102的感测数据与***健康数据集群78进行比较的步骤大体上由图5中的框126指示。诊断算法70进行该比较,以确定从传感器68的第一集合102感测到的数据是否在***健康数据集群78内,或从传感器68的第一集合102感测到的数据是否在***健康数据集群78之外。如果诊断算法70确定从所述多个传感器68的第一集合102感测到的数据在***健康数据集群78内(大体上以128指示),则诊断算法70可以指示推进***22是健康的。如果推进***22的总体健康状况是健康的,则诊断算法70可以结束,并且不对推进***22执行附加分析。结束诊断算法70的步骤大体上由图5中的框130指示。通过这样做,诊断算法70使用自顶向下的方法来诊断推进***22。如果确定推进***22的总体健康状况是健康的,则无需使用附加的计算能力和资源来检查推进***22的其余子***、部件***和子部件。对推进***22的该自顶向下的诊断方法相对于传统的自底向上的方法提高了计算效率,传统的自底向上的方法无论推进***22是否正常操作(即,健康)都检查车辆20的大多数子部件、部件***和子***。当发现推进***22不健康时本文中所描述的诊断算法70执行附加的分析,而不是当发现其健康时执行。
如果诊断算法70确定从传感器68的第一集合102感测到的数据在***健康数据集群78之外(大体上以132指示),则诊断算法70可以指示推进***22不健康。诊断算法70可以合适的方式指示推进***不健康,诸如通过点亮指示器灯、在显示屏上显示书面消息、广播音频消息等。当确定推进***22的总体健康状况不健康时,则诊断算法70使用自顶向下的分级检查程序进一步分析推进***22,其中,使用来自传感器68的选择性数据在第一级别40处分析推进***22的子***,以将子***中的一个识别为不健康的子***,并且然后使用来自传感器68的其它选择性数据在第二级别50处分析不健康的子***的部件***,以将部件***中的一个识别为不健康的部件***。
如果需要,还可以执行附加的检查级别。例如,可以使用来自传感器68的其它选择性数据在第三检查级别处分析不健康的部件***的子部件,以将不健康的部件***的子部件中的一个识别为不健康的子部件。应当了解,检查级别的数量取决于推进***22的具体构造。如此,本文描述的自顶向下的分级检查程序不限于检查级别的示例性数量,并且检查级别的数量可以大于或小于本文描述的检查级别的数量。
自顶向下的分级检查程序的每个检查级别包括限定数量的数据输入(即,具体数量的传感器68针对每个检查级别提供数据),以及限定数量的可能的输出。可以针对具体的子***或部件***将可能的输出限制为健康或不健康。然而,在其它实施例中,每个级别可以包括多个数据集群,其中,每个不同的数据集群用于识别子***或部件***的具体的不健康特征。例如,参照图3,示出了第一子***不健康数据集群80以及第二子***不健康数据集群90、第三子***不健康数据集群92和第四子***不健康数据集群94。从传感器68的第一集合102感测到的数据大体上由点106示出。如果来自传感器68的第一集合102的感测数据落在第一子***不健康数据集群80内,则诊断算法70可以确定第一子***42不健康,并对第一子***42的部件***进行进一步分析。然而,如果来自传感器68的第一集合102的感测数据落在第二子***不健康数据集群90内,则诊断算法70可以确定第二子***44不健康,并对第二子***44的部件***进行进一步分析。通过这样做,计算装置72的计算资源针对识别推进***22的不健康的特征,而不是针对确认推进***22的健康的其它特征的适当功能。
参照图3,当确定推进***22的总体健康状况不健康时,则诊断算法70将从传感器68的第一集合102感测到的数据与第一子***不健康数据集群80进行比较。将来自传感器68的第一集合102的数据与子***不健康数据集群80、90、92、94进行比较的步骤大体上由图5中的框134指示。诊断算法70进行该比较,以确定从所述多个传感器68的第一集合102感测到的数据是否在子***不健康数据集群80、90、92、94中的一者内,或从所述多个传感器68的第一集合102感测到的数据是否在子***不健康数据集群80、90、92、94之外。
当从传感器68的第一集合102感测到的数据不在子***不健康数据集群80、90、92、94内时(大体上以136指示),则诊断算法70可以指示推进***22不健康,但原因无法识别。指示不健康的推进***22的原因无法识别的步骤大体上由图5中的框138指示。
当从传感器68的第一集合102感测到的数据在子***不健康数据集群80、90、92、94中的一者内时(大体上以140指示),诊断算法70可以识别子***42、44、46、48中的哪一个是不健康的子***。识别不健康的子***42、44、46、48的步骤大体上由图5中的框142指示。诊断算法70可以以合适的方式指示不健康的子***,诸如通过点亮指示器灯、在显示屏上显示书面消息、广播音频消息等。例如,如果从传感器68的第一集合102感测到的数据在第一子***不健康数据集群80内,则诊断算法70可以指示第一子***42是不健康的子***。应当了解,第一子***42的所描述的分析是示例性的,并且诊断算法70可以针对推进***22的其它子***执行类似的比较,例如,将来自传感器68的第一集合102的感测数据与第二子***不健康数据集群90进行比较,以确定第二子***44是否不健康,或将来自传感器68的第一集合102的感测数据与第三子***不健康数据集群92进行比较,以确定第三子***46是否不健康等。通过这样做,诊断算法70可以识别子***中的哪一个不健康并且可能引起推进***22不健康。
一旦诊断算法70确定推进***22的子***中的哪一个不健康(例如,第一子***42不健康),则诊断算法70分析不健康的子***的部件***(例如,不健康的第一子***42的第一部件***54)。诊断算法70从传感器68的第二集合104感测数据。感测来自传感器68的第二集合104的数据的步骤大体上由图5中的框143指示。
参照图4,示出了第一部件不健康数据集群82以及第二部件不健康数据集群96、第三部件不健康数据集群98和第四部件不健康数据集群100。从传感器68的第二集合104感测到的数据大体上由点108示出。如果来自传感器68的第二集合104的感测数据落在第一部件不健康数据集群82内,则诊断算法70可以确定第一部件***54不健康,并对第一部件***54的子部件进行进一步分析。然而,如果来自传感器68的第二集合104的感测数据落在第二部件不健康数据集群96内,则诊断算法70可以确定第二部件***56不健康,并对第二部件***56的子部件进行进一步分析。通过这样做,计算装置72的计算资源针对识别推进***22的不健康的特征,而不是针对确认推进***22的健康的其它特征的适当功能。
参照图4,诊断算法70将从传感器68的第二集合104感测到的数据与部件不健康数据集群82、96、98、100进行比较(大体上由图5中的框144指示)。诊断算法70进行该比较,以确定从传感器68的第二集合104感测到的数据是否在部件不健康数据集群82、96、98、100中的一者内,或从传感器68的第二集合104感测到的数据是否在部件不健康数据集群82、96、98、100之外。如果诊断算法70确定从传感器68的第二集合104感测到的数据在第一部件不健康数据集群82内,则诊断算法70可以指示第一子***42的第一部件***54是不健康的部件***。应当了解,第一部件***54的所描述的分析是示例性的,并且诊断算法70可以针对第一子***42的其它部件***执行类似的比较,例如,将来自传感器68的第一集合102的感测数据与第二部件不健康数据集群96进行比较,以确定第二部件***56是否不健康,或将来自传感器68的第一集合102的感测数据与第三部件不健康数据集群98进行比较,以确定第三部件***58是否不健康等。通过这样做,诊断算法70可以识别第一子***42的部件***中的哪一个不健康,并且可能引起第一子***42不健康。
如果诊断算法70确定从传感器68的第二集合104感测到的数据不在部件不健康数据集群82、96、98、100内(大体上以146指示),则诊断算法70可以指示不健康的子***的原因无法识别(大体上由图5中的框148指示)。如果诊断算法70确定从传感器68的第二集合104感测到的数据在部件不健康数据集群82、96、98、100中的一者内(大体上以150指示),则诊断算法70可以识别不健康的子***的不健康的部件***,大体上由图5中的框152指示。
诊断算法70可以以相似的方式继续自顶向下的分级检查过程,直到识别出不健康的推进***22的根本原因为止。例如,诊断算法70可以:确定推进***22的整体健康状况不健康,在第一检查级别40处确定内燃发动机24不健康,在第二检查级别50处确定进气***34不健康,并在第三级别52处确定节气门致动器不健康。然后,诊断算法70可以发出消息,该消息声明例如“由于与节气门相关联的空气递送***中的问题引起的发动机失火,车辆20怠速不稳定运转”。诊断算法70可以以合适的方式发出消息,诸如通过言语通知、书面消息和/或将其作为错误代码编码到计算装置72的存储器74中。
本文描述的过程通过使用自顶向下的分级检查过程来将计算装置72的计算资源集中在定位推进***22中的潜在故障上而不是运行自底向上的诊断测试从而提高计算装置72的操作效率,所述自底向上的诊断测试即使在推进***22的特征正常操作时也对这些特征进行功能测试。当从传感器68的第一集合102感测到的数据指示推进***22健康时,自顶向下的分级检查过程不对子***以及每个子***的部件***执行附加的诊断测试。
可以使用机器学习和/或人工智能(诸如但不限于神经网络(例如深度卷积递归神经网络)、决策树(例如随机森林)等)来实现和/或实施上文描述的诊断算法84。例如,可以用许多标记的健康数据集群(例如,当内燃发动机在健康状态下操作时来自各种操作的数据)和不健康数据集群(例如,当内燃发动机在可能由与空气有关的故障模式引起的不健康状态下操作时表示故障气流的数据)来训练神经网络。一般而言,神经网络的输入可以包括来自传感器68的每个选择性集合的数据,并且基于神经网络的训练,神经网络的输出可以包括***、子***或部件的健康/不健康状态。应当了解,使用神经网络来实施上文所描述的诊断算法84的逻辑仅仅是实施诊断算法84的逻辑的一种示例性方式,并且本文中所公开的诊断算法84的逻辑可以其它方式在计算装置72上实施。
详细描述和附图或图支持和描述本公开,但是本公开的范围仅由权利要求限定。虽然已经详细描述了用于执行所要求保护的教导的一些最佳模式和其它实施例,但是存在用于实践所附权利要求中限定的公开内容的各种替代设计和实施例。
Claims (10)
1.一种诊断车辆的推进***的方法,所述方法包括:
限定所述车辆的多个传感器的第一集合,以用于评估所述推进***的整体状态;
限定***健康数据集群,其中,所述***健康数据集群限定来自所述多个传感器的所述第一集合的数据值的包括范围,所述包括范围指示所述推进***的健康状态,并且其中,所述***健康数据集群被保存在所述车辆的计算装置的存储器上;
感测来自所述多个传感器的所述第一集合的数据;
用所述计算装置将从所述多个传感器的所述第一集合感测到的所述数据与所述***健康数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否至少部分地在所述***健康数据集群之外;
当从所述多个传感器的所述第一集合感测到的所述数据至少部分地在所述***健康数据集群之外时,用所述计算装置指示所述推进***不健康;以及
当所述推进***不健康时,用所述计算装置使用自顶向下的分级检查程序来分析所述推进***,其中,使用来自所述多个传感器的选择性数据在第一检查级别处分析所述推进***的多个子***,以将所述多个子***中的一个识别为不健康的子***,并且然后使用来自所述多个传感器的其它选择性数据在第二检查级别处分析所述不健康的子***的多个部件***,以将所述多个部件***中的一个识别为不健康的部件***。
2.根据权利要求1所述的方法,其中,所述推进***的所述多个子***包括第一子***,并且其中,使用所述自顶向下的分级检查程序来分析所述推进***包括:基于从所述多个传感器的所述第一集合感测到的所述数据用所述计算装置来确定所述推进***的所述第一子***是否是所述不健康的子***。
3.根据权利要求2所述的方法,其进一步包括:针对所述第一子***限定第一子***状态数据集群,其中,所述第一子***状态数据集群限定来自所述多个传感器的所述第一集合的数据值的范围,所述范围指示所述第一子***是不健康的子***,并且其中,所述第一子***状态数据集群被保存在所述计算装置的所述存储器上。
4.根据权利要求3所述的方法,其中,确定所述第一子***是否是所述不健康的子***包括:用所述计算装置将从所述多个传感器的所述第一集合感测到的所述数据与所述第一子***状态数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否在所述第一子***状态数据集群之外。
5.根据权利要求4所述的方法,其进一步包括:当从所述多个传感器的所述第一集合感测到的所述数据在所述第一子***状态数据集群内时,用所述计算装置指示所述第一子***是所述不健康的子***。
6.根据权利要求5所述的方法,其中,所述第一子***的所述多个部件***包括第一部件***,并且其中,所述方法进一步包括:针对所述第一子***的所述第一部件***限定第一部件状态数据集群,其中,所述第一部件状态数据集群限定来自所述多个传感器的第二集合的数据值的范围,所述范围指示所述第一子***的所述第一部件***是所述不健康的部件,并且其中,所述第一部件状态数据集群被保存在所述计算装置的所述存储器上。
7.根据权利要求6所述的方法,其进一步包括:当所述第一***不健康时,用所述计算装置将从所述多个传感器的所述第二集合感测到的所述数据与所述第一部件状态数据集群进行比较,以确定从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群内,或从所述多个传感器的所述第二集合感测到的所述数据是否在所述第一部件状态数据集群之外。
8.根据权利要求7所述的方法,其进一步包括:当从所述多个传感器的所述第二集合感测到的所述数据在所述第一部件状态数据集群内时,用所述计算装置指示所述第一子***的所述第一部件***是所述不健康的部件***。
9.根据权利要求1所述的方法,其特征在于,当从所述多个传感器的所述第一集合感测到的所述数据在所述***健康数据集群内时,不对所述多个子***和所述多个子***中的每一者的所述多个部件***执行附加诊断测试。
10.根据权利要求1所述的方法,其进一步包括:操纵从所述多个传感器的所述第一集合感测到的所述数据来限定数据值,并且使用所述数据值来与所述***健康数据集群进行比较,以确定从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群内,或从所述多个传感器的所述第一集合感测到的所述数据是否在所述***健康数据集群之外。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/247746 | 2019-01-15 | ||
US16/247,746 US20200224601A1 (en) | 2019-01-15 | 2019-01-15 | Method of diagnosing a propulsion system of a vehicle, and a system therefor |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111439274A true CN111439274A (zh) | 2020-07-24 |
Family
ID=71131844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010043357.3A Pending CN111439274A (zh) | 2019-01-15 | 2020-01-15 | 诊断车辆的推进***的方法及其*** |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200224601A1 (zh) |
CN (1) | CN111439274A (zh) |
DE (1) | DE102019132652A1 (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008040461A1 (de) * | 2008-07-16 | 2010-01-21 | Robert Bosch Gmbh | Verfahren zum Bestimmen fehlerhafter Komponenten in einem System |
US20160358081A1 (en) * | 2015-06-08 | 2016-12-08 | International Business Machines Corporation | Automated vehicular accident detection |
CN108303264A (zh) * | 2017-01-13 | 2018-07-20 | 华为技术有限公司 | 一种基于云的车辆故障诊断方法、装置及其*** |
US10124893B1 (en) * | 2017-09-18 | 2018-11-13 | Amazon Technologies, Inc. | Prognostics and health management system |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10657737B2 (en) * | 2017-10-23 | 2020-05-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Vehicle error identification system |
-
2019
- 2019-01-15 US US16/247,746 patent/US20200224601A1/en not_active Abandoned
- 2019-12-02 DE DE102019132652.4A patent/DE102019132652A1/de not_active Withdrawn
-
2020
- 2020-01-15 CN CN202010043357.3A patent/CN111439274A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008040461A1 (de) * | 2008-07-16 | 2010-01-21 | Robert Bosch Gmbh | Verfahren zum Bestimmen fehlerhafter Komponenten in einem System |
US20160358081A1 (en) * | 2015-06-08 | 2016-12-08 | International Business Machines Corporation | Automated vehicular accident detection |
CN108303264A (zh) * | 2017-01-13 | 2018-07-20 | 华为技术有限公司 | 一种基于云的车辆故障诊断方法、装置及其*** |
US10124893B1 (en) * | 2017-09-18 | 2018-11-13 | Amazon Technologies, Inc. | Prognostics and health management system |
Also Published As
Publication number | Publication date |
---|---|
DE102019132652A1 (de) | 2020-07-16 |
US20200224601A1 (en) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753867B (zh) | 使用机器学习分类器来监视和诊断车辆***问题 | |
JP5538475B2 (ja) | 外部診断装置、車両診断システム及び車両診断方法 | |
CN111201374B (zh) | 机动车的废气排放的计算 | |
US9014918B2 (en) | Health monitoring systems and techniques for vehicle systems | |
EP1223490B1 (en) | Controller for vehicle with self-diagnostic function and recording medium | |
US8306783B2 (en) | Method for determining faulty components in a system | |
CN106441928B (zh) | 一种车辆故障检测方法、装置及*** | |
CN106053088B (zh) | 用于车辆发动机的失火诊断的***和方法 | |
US7181334B2 (en) | Method and apparatus to diagnose intake airflow | |
CN102435446B (zh) | 监测插电式混合动力车车载诊断***的使用性能比的方法 | |
JP2009293951A (ja) | 車両用故障診断装置、故障診断方法 | |
US20140372010A1 (en) | Method for diagnosing egr system | |
CN112394282B (zh) | 碳罐电磁阀诊断方法、装置、设备及存储介质 | |
CN115758556A (zh) | 用于车辆的异常检测的方法和*** | |
JP2017091234A (ja) | 車両制御装置 | |
EP4167040A1 (en) | Fault model editor and diagnostic tool | |
JP6151473B2 (ja) | 装置の少なくとも1つのシステムを診断および/または調整する方法 | |
Canal et al. | Driving profile analysis using machine learning techniques and ecu data | |
CN111439274A (zh) | 诊断车辆的推进***的方法及其*** | |
CN111325257A (zh) | 用于分析汽车故障的方法和装置 | |
JP2013199249A (ja) | 車両情報収集装置及び車両情報収集方法 | |
KR101387421B1 (ko) | 차량의 접지 레벨 신호를 이용한 차량상태 검사 분석 방법 및 장치 | |
JPH0916255A (ja) | 機器の故障診断方法およびその装置 | |
Canal | Machine learning applied in automotive ecus for real-time engine behavior analysis | |
GB2607300A (en) | A method for determining an active regeneration process of a gasoline particulate filter of an exhaust system, as well as an exhaust system |
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: 20200724 |
|
WD01 | Invention patent application deemed withdrawn after publication |