CN114379570A - 车辆数据操纵和机械故障的自动检测 - Google Patents
车辆数据操纵和机械故障的自动检测 Download PDFInfo
- Publication number
- CN114379570A CN114379570A CN202111169406.9A CN202111169406A CN114379570A CN 114379570 A CN114379570 A CN 114379570A CN 202111169406 A CN202111169406 A CN 202111169406A CN 114379570 A CN114379570 A CN 114379570A
- Authority
- CN
- China
- Prior art keywords
- detection
- vehicle
- detection set
- signals
- sets
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 254
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 31
- 230000001133 acceleration Effects 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 9
- 238000002790 cross-validation Methods 0.000 claims description 4
- 230000001364 causal effect Effects 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000003542 behavioural effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000004092 self-diagnosis Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
-
- 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
-
- 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
- B60W2050/021—Means for detecting failure or malfunction
-
- 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
- B60W2050/0215—Sensor drifts or sensor failures
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
- B60W2510/0638—Engine speed
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/10—Change speed gearings
- B60W2510/1005—Transmission ratio engaged
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/12—Lateral speed
- B60W2520/125—Lateral acceleration
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/14—Yaw
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/12—Brake pedal position
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/16—Ratio selector position
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/18—Steering angle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本公开提供“车辆数据操纵和机械故障的自动检测”。公开了用于检测和识别车辆异常的***和方法。用于检测和识别所述车辆异常的技术包括接收来自各种传感器的信号,将所述信号分组到检测集中,通过与车辆行为模型的比较来检测异常,以及将所述检测集彼此交叉参考以缩窄和识别所述异常的来源。可以对所述检测集进行分组,使得车辆机动性的各方面被捕获并涵盖不同的机动性机制之间的因果关系。
Description
技术领域
本公开总体上涉及车辆诊断***,并且更具体地涉及检测和识别车辆异常。
背景技术
为车辆增加越来越多的特征增加了复杂性并扩大了消费者知识与机械知识之间的差距,特别是当提到车辆维修时更是如此。随着各种车辆部件的复杂性的增加,朝向自主驾驶的趋势进一步夺走驾驶员的控制和监测。
已经引入了自诊断以减轻驾驶员在车辆维修方面的负担。例如,检查发动机灯、机油更换指示器、轮胎压力计以及给驾驶员的汽车需要维修或正经历异常行为的其他信号是通常可用的自诊断的基本形式。对于现代汽车,这些自诊断***可能更加复杂,并且能够在不需要驾驶员的专业知识的情况下辅助机械师。然而,使用这些更复杂的自诊断需要车辆与外部信息源之间有更多通信接口。
此外,朝向自主车辆的趋势引入了可能需要与车辆外部的对象有通信接口的部件。结果,异常车辆行为可能归因于部件故障或对各种通信接口的操纵。结合车辆部件日益增加的复杂性,自诊断能力需要进一步细化,这允许分析部件故障以及防止数据操纵。
发明内容
一般来说,描述了车辆异常的检测和诊断。经历异常的车辆可能通过部件故障或数据操纵而发生,并且在没有专家的情况下可能难以辨别这两者。一种用于异常检测和诊断的***可以将检测集与模型进行比较,并交叉参考跨多个检测集的信号,以精确定位和识别异常发生的时间和位置。此外,所述识别可以辨别真正的部件故障与针对性数据操纵。
在实施例中,描述了一种用于检测和诊断车辆异常的***,所述***具有多个传感器、一个或多个处理器和***存储器。所述***存储器可以包含使所述一个或多个处理器接收来自所述多个传感器的多个信号的指令,其中每个信号包含车辆数据。然后可以将多个信号分组为多个检测集,其中每个信号包括在至少一个检测集中。所述***检测所述多个检测集中的至少一个检测集内的异常。所述检测集可以与至少一个其他检测集交叉参考以识别所述异常的来源。在实施例中,所述多个检测集可以具有主检测集和辅助检测集。主检测集可以被设计成捕获一个或多个车辆操纵特性。辅助检测集可以被设计用于与主检测集进行交叉验证。
在实施例中,描述了一种用于检测和诊断车辆异常的方法。所述方法可以包括接收来自多个传感器的多个信号,其中每个信号包含车辆数据。然后可以将所述多个信号分组为多个检测集,其中每个信号包括在所述多个检测集中的至少一者中。可以基于所述至少一个检测集中的所述信号与正常行为模型的比较来检测所述多个检测集中的异常。所述检测集可以与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
在实施例中,描述了一种具有指令的非暂时性计算机可读介质,所述指令在由一个或多个处理器执行时使所述一个或多个处理器接收来自车辆的多个传感器的多个信号,其中所述多个信号中的每个信号包含车辆数据。然后,可以将所述多个信号分组为多个检测集。可以检测所述多个检测集中的至少一个检测集内的异常。所述检测集可以与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
附图说明
通过参考以下附图可实现对各种实施例的性质和优点的进一步理解。在附图中,类似的部件或特征可具有相同的附图标记。此外,可以通过在附图标记后面加上短划线和区分类似部件的第二标签来区分相同类型的各种部件。如果在说明书中仅使用第一附图标记,则所述描述适用于具有相同第一附图标记的类似部件中的任一者,而与第二附图标记无关。
图1示出了根据实施例的用于检测和识别异常的智能***。
图2示出了根据实施例的***检测和识别车辆异常的工作流程。
图3示出了根据实施例的分组检测集的表。
图4示出了根据实施例的检测程序的流程图。
图5示出了根据实施例的交叉参考检测集的表。
图6示出了根据实施例的用于检测和诊断车辆异常的方法。
图7示出了根据一些实施例的车辆***的框图。
图8示出了根据一些实施例的计算***的框图。
图9示出了根据一些实施例的云计算***。
具体实施方式
由于车辆设计的复杂性增加,因此特别是当机械师因为由车主给出的描述不充分或不正确或者因为几个来源/原因可能导致类似的异常行为而努力找出异常车辆行为的根本原因时,车辆维修有时对于车主来说可能是困难的。结果,特别是如果执行了不能纠正问题的不必要维修,则维修可能是耗时且昂贵的。
车辆的复杂性增加加剧了问题,因为用户的理解和知识是分析车辆操作中可能出现的异常的障碍。自动驾驶进一步使车辆的用户脱离对其车辆的完全理解。此外,随着越来越多的部件被引导到各种通信接口,诸如GPS、基于云的服务和其他插座,存在更多易受针对性攻击(诸如恶意数据操纵)的位置。所述使用应当注意部件故障和有针对性攻击两者。异常可能是部件故障或当车辆受到针对性攻击时。
异常检测和识别(特别是车辆操纵机制的异常检测和识别)可以使用一种用于比较和交叉参考以检测异常的存在并识别来源的***,所述来源通过与具有非异常车辆的预期结果的行为模型进行比较的多方面信号测量结果来验证。下面描述了用于车辆中的异常的这种检测和识别的***和方法。
图1是示例性智能***100。智能***100包括车辆105和车载诊断II(OBD-II)加密狗110。智能***100可以用于诊断和检测车辆(诸如车辆105)上的异常。尽管图1示出了与车辆处于通信关系的车载诊断II加密狗,但是所述车载诊断II加密狗可以是与车辆进行电子通信的任何合适的接口,诸如USB、智能电话、数据驱动器或任何其他合适的计算机可读介质。在实施例中,OBD-II加密狗110上的模块和部件的子集可以存储在车辆存储器内。
车辆105具有车载诊断II***116、传感器118、处理器120、收发器122和存储器124。处理器120可以执行存储在存储器124中的指令以执行本文描述的功能性。收发器122可以使用任何合适的协议向例如OBD-II加密狗110的收发器150发送信息以及从其接收信息。尽管本文仅描述了车辆105的特定部件,但是车辆105可以包括其他部件,诸如例如轮胎、传动系、发动机、挡位踏板等。车辆105还可以包括本文未描述的存储器124中的其他部件、子***或指令。
车载诊断II***116可以是遵循车辆的OBD-II标准规范的硬件接口。车载诊断II***116可以允许车辆105监测和报告通过传感器(诸如传感器118)从车辆获得的信息。例如,车载诊断II***116可以通信地联接到车辆的传动系、发动机状态、轮胎或车辆的可能需要向用户报告的任何合适的区域。
传感器118可以包括适用于收集关于车辆105的信息的任何传感器。例如,传感器可以中继油门踏板位置、制动器位置、方向盘角度、发动机rpm、挡位水平、里程表读数等。传感器118可以经由车内网络(诸如例如车内网络714)与处理器120和其他部件以及传感器118通信。处理器120可以将从传感器118传送的数据存储在存储器124中以供如下文进一步讨论的进一步处理使用。
存储器124具有传感器数据收集子***126、诊断子***128和报告子***130。尽管本文为了便于描述而描述了某些子***,但是存储器124可以包括更多或更少的子***来执行本文描述的功能性。此外,可以对车辆105执行所描述的一些数据处理,或者可以将数据发送到OBD-II加密狗110以进行处理,或者其某种组合。在实施例中,来自车辆105和OBD-II加密狗110中的任一者或两者的数据可以被发送到云服务器以进行处理和计算。
传感器数据收集子***126可以收集由传感器118捕获的数据。来自传感器118的数据(诸如车辆运行数据)由传感器数据收集子***126收集并提供给适当的处理子***以进行处理和分析。
诊断子***128可以对由传感器数据收集子***126适当地提供的数据运行车载诊断。作为非限制性示例,诊断子***128可以确定轮胎压力何时过低、发动机何时需要换油或车辆何时到期。诊断子***128可以与车载诊断II***116进行电子通信以诊断车辆内的异常。
报告子***130可以通过消息传递介质(诸如电子邮件或文本消息)或以其他方式向用户或向可接收报告消息的界面(诸如显示屏)报告诊断错误。报告***130可以确定何时适合于向用户报告异常。
OBD-II加密狗110具有惯性测量单元(IMU)140、收发器150、处理器160和存储器170。IMU 140可以测量并报告IMU 140所经历的特定力、加速度、角速率、取向或其任何组合。因此,如果IMU 140位于车辆内,则IMU 140将经历与车辆经历的速度、角度变化或加速度相同的速度、角度变化或加速度。IMU 140可以通过加速度计、陀螺仪或磁力计来测量所提及的测量结果。收发器150可以使用任何合适的协议向例如车辆105发送信息以及从其接收信息。处理器160可以执行存储在存储器170中的指令以执行本文描述的功能性。
存储器170具有交叉参考子***172、异常检测子***174、信号分组子***176、行为模型库178和检测集库180。尽管本文为了便于描述而描述了某些子***,但是存储器170可以包括更多或更少的子***来执行本文描述的功能性。
信号分组子***176可以从车辆105和IMU 140接收数据,并且将各种信号分组到检测集(诸如图3中所示的检测集)中。例如,可以基于车辆特性对这些子集进行分组,以便诸如通过图4所示的异常检测来识别异常。所接收的信号可以被分组,使得任何一个信号在至少一个不同的检测集中。例如,如图3所示,检测集1 301、检测集2 302、检测集7 307、检测集8 308和检测集9 309各自包括油门踏板位置信号,如油门列331中的复选标记所指示并且将在下面更详细地描述。
行为模型库178可以具有正常车辆行为的数据库。这些正常的车辆行为可以是在非异常情况下操作时特定品牌和型号的车辆所预期的统计学、后勤、基准或测量值。正常车辆行为可以是使用机器学习算法(例如,通过线性或范围回归)训练的车辆模型。在实施例中,OBD-II加密狗110可以被配置为基于从车辆105接收的数据来生成正常车辆行为模型。在实施例中,行为模型库178可以存储在车辆存储器124中。
检测集库180可以包含关于各种检测集的分组的数据库,并且用作所形成的检测集的存储器。检测集库180还可以包含来自行为模型库178的数据的子集,所述数据的子集由非异常车辆的预期检测集值和行为组成。
异常检测子***174获取检测集并将它们与从行为模型库178和/或检测集库180中提取的预期行为进行比较。在实施例中,所述比较可以通过与正常模型相距的距离来进行。在其他实施例中,所述检测可以通过例如基于通过车载诊断II***116的传感器118从车辆105提取的信息对与测试模型相比的行为变化的检测来进行。在一些实施例中,异常检测子***174可以使用这两者的组合或任何其他合适的比较来检测异常。
在运行异常检测子***174之后,交叉参考子***172可以包含关于交叉参考从信号分组子***176提取的检测集的指令。可以通过结果的表比较来对检测集进行交叉参考。由于分组使得每个信号在至少一个检测集中,因此通过比较进行交叉参考允许OBD-II加密狗110识别异常信号源以及进行数据比较以确保捕获异常。在实施例中,交叉参考子***172的输出可以由收发器150发送到车辆105以发送到报告子***130。
因此,在操作中,用户可以设置车辆105与OBD-II加密狗110之间的接口,以便检测和识别可能在车辆105中发生的任何异常。传感器数据收集子***126可以从传感器118和车载诊断II***116收集数据并将它们发送到OBD-II加密狗110。在数据被发送到OBD-II加密狗110之后,处理器160通过信号分组子***176对数据进行分组,并且通过异常检测子***174运行与行为模型库178和检测集库180的比较。然后将检测集传递到交叉参考子***172以识别异常来源以及验证异常的准确度。
图2是示出检测和诊断异常的一般步骤的工作流程图200。流程图200具有训练阶段202和诊断阶段204。训练阶段202具有模型训练步骤206。诊断阶段204具有异常检测步骤208和来源识别步骤210。
在实施例中,训练阶段202在车辆外部发生。例如,可以基于具有预设规格的工厂生产线车辆通过机器学习模型来创建行为模型库,诸如行为模型库178。在其他实施例中,训练阶段202可以基于通过CAN总线通过从与车辆通信地联接获取的后勤获取的数据而发生。
诊断阶段204可以通过OBD II加密狗(诸如OBD-II加密狗110)而发生。异常检测步骤208可以通过信号分组子***和异常检测子***(诸如信号分组子***176和异常检测子***174)而发生。
在异常检测中,可以检查某些细节以便确保维持适当的车辆控制和操纵。在评估与车辆操纵相关的诊断时,由例如智能***100检查的特定信号可以是来自控制输入(CI)、动力传动***部件(PC)、车辆动力学(DYN)或从车辆获取的任何其他合适的传感器测量结果的类别的信号。
在控制输入中测量的信号可以包括油门踏板位置、制动器位置/扭矩、方向盘角度或可以基于用户提供来控制车辆的输入而捕获的任何其他信号。在动力传动***部件中测量的信号可以包括发动机每分钟转数(RPM)挡位水平、飞轮扭矩、动力传动***温度或在操作期间可以由动力传动***部件捕获的任何其他信号。在车辆动力学中测量的信号可以包括纵向加速度、横向加速度、速度、横摆率、矢量加速度或与车辆的动态移动相关的任何其他信号。信号可以由车辆的传感器(诸如传感器118、IMU(诸如IMU 140)或任何其他合适的测量装置)来测量。
图3示出了分组到12个不同检测集中的上述信号的表300。如上所述,每个信号存在于至少一个检测集中以在检测到异常时提供对异常的容易的交叉参考和识别。所述表示出了每个检测集中存在的信号的复选标记。最左列示出检测集1 301、检测集2 302、检测集3 303、检测集4 304、检测集5 305、检测集6 306、检测集7 307、检测集8308、检测集9 309、检测集10 310、检测集11 311和检测集12 312。最上面一行示出了油门踏板位置列331、制动器位置/扭矩332、方向盘角度333、发动机每分钟转数334、挡位水平335、纵向加速度336、横向加速度337、横摆率338和速度339。
在所示实施例中,编号为1至3的前3个检测集是控制输入320与车辆动力学324之间在纵向方向上的信号交叉。检测集1 301是具有来自油门踏板位置331、制动器位置/扭矩332、纵向加速度336和速度339的信号的集合。检测集2 302是具有来自油门踏板位置331、纵向加速度336和速度339的信号的集合。检测集3 303是制动器踏板位置332、纵向加速度336和速度339。这三个检测集捕获与纵向方向上的加速度相关的输入-响应一致性。
在所示实施例中,编号为4至6的第二3个检测集是动力传动***部件322与车辆动力学324之间的信号交叉。检测集4 304是具有来自发动机每分钟转数334、挡位水平335和速度339的信号的集合。检测集5 305是具有来自发动机每分钟转数334和速度339的信号的集合。检测集6 306是具有来自挡位水平335和速度339的信号的集合。这三个检测集捕获动力传动***部件的输出与其所得的车辆动力学之间的关系。
在所示实施例中,检测集7和8是控制输入与动力传动***部件之间的信号交叉。检测集7 307是具有来自油门踏板位置331、制动器位置/扭矩332和发动机每分钟转数334的信号的集合。检测集8 308是具有来自油门踏板位置331、制动器位置/扭矩332和挡位水平335的信号的集合。这两个检测集捕获与动力传动***部件的控制输入交互。
在所示实施例中,检测集9 309是来自控制输入、动力传动***部件和车辆动力学的信号交叉。检测集9 309是具有来自油门踏板位置331、挡位水平335和速度339的信号的集合。该检测集通过考虑所有三个类别中的车辆数据信号来对自动变速器的行为进行建模。
在所示实施例中,检测集10和11是控制输入与车辆动力学之间在横向方向上的信号交叉。检测集10 310是具有来自方向盘角度、纵向加速度和速度的信号的集。检测集11311是具有来自方向盘角度、横摆率和速度的信号的集合。
在所示实施例中,检测集12 312是车辆动力学信号在横向方向上的交叉。检测集12 312是具有来自横向加速度337、横摆率338和速度339的信号的集合。这三个检测集与检测集10和11一起捕获转向控制的横向操纵特性。
表的左侧的检测集索引指示具有强因果关系并且能够实现更好检测准确度的信号的强检测集的星号。没有星号的检测集示出了在特定事件发生时具有准确的弱因果关系的检测集。
基于检测集和在每个相应的检测集内捕获的车辆操纵特性,每个检测集的重叠信号点可以用于交叉验证和完整性验证。
在采用上述信号的实施例中,可以将信号与其他信号一起分组到检测集中,使得每个检测集捕获唯一的车辆操纵特性,并且每个检测集中的信号与其他检测集重叠以便能够交叉参考并验证所报告异常的准确度。
图4是根据实施例的异常检测程序400的流程图的图示。异常检测程序400具有12个检测集。检测集可以被划分为分别用于异常检测和异常验证的强检测集402和弱检测集404。通过将信号分组到检测集中,由于更有限的数据集,因此异常检测可以缩窄异常的来源。
此外,为了最大程度地减少处理和计算能力,异常检测程序可以减少***必须始终检查的检测集的数量。在异常检测程序400中,强检测集402不断被检查或“始终开启”。在强检测集402中的强检测集中的一者返回异常的情况下,则异常检测程序前进到弱检测集404中的对应的连接的弱检测集。因此,例如,如果检测集1记录到异常,则异常检测程序400前进到检查检测集2、3、7、8和9。
检测集可以被划分为针对捕获与纵向方向上的加速度相关的输入-响应一致性的纵向集和与捕获转向控制的横向操纵特性相关的横向集。水平线406表示纵向检测集与横向检测集之间的划分;水平线406上方所示的检测集与纵向集相关,而水平线406下方所示的检测集与横向集相关。
在检测集内,可以与正常模型进行比较。通过测量值与正常值的距离进行的检测可以基于与正常模型的大幅偏差来检测异常。检测还可以通过基于每个检测集的当前测量值获得测试模型来在更长的时间段内测量,并将训练集的参数与正常模型进行比较。通过组合利用两种类型的检测,***可以检测由于异常而引起的主偏差和细微偏差。
数据可以被编译成交叉参考表500,如图5所示,以帮助在通过使用多个检测集已检测到异常之后缩窄和识别异常来源。表500可以使用如上面在图3中示出和讨论的对应检测集。使用上面在图4中讨论的异常检测程序400可以产生表500,其中检测集1 501、检测集4502、检测集10 503和检测集11 504始终开启。检测集4 502中的故障报告将导致在检测集5 505、检测集6 506、检测集7 507、检测集8 508和检测集9 509中在信号数据与模型数据之间进行后续比较。
在运行比较之后,将结果编译到表500中以将每个单独的检测集与单独的测量信号进行交叉参考。所述表示出了“1”表示合格值和“0”表示不合格值。运行“或”运算以产生“全部”行510中的值。即,对于部件,整个列不能具有返回0的合格值,并且所述列中的任何合格值都将返回1。使用多个检测集允许隔离和验证故障部件。因此,例如,查看所述表,跨多个检测集证明有故障的共同分量是作为潜在异常来源的挡位水平。
当编译这些检测集时,针对性攻击被证明是困难的,因为针对性攻击除了仅输出错误数据之外,还必须准确地预测跨多个检测集的行为结果以及关于正常行为模型的响应。由于表示特定事件的弱因果关系,因此异常检测可以考虑试图描绘虚假数据的恶意攻击。
在实施例中,对于通过多个检测集的冲突结果或漏报,交叉参考可能在安全方面是错误的。例如,如果比较返回一个检测集不合格,但是具有重叠信号数据的检测集返回合格,则智能***可以将来源报告为潜在异常。
图6示出了用于检测并在车辆内识别异常的方法600。方法600可以由例如包括如上文关于图1所描述的车辆105和OBD-II加密狗110的智能***100来执行。
在步骤602处,接收来自多个传感器的多个信号,其中所述多个信号中的每一者包含车辆数据。例如,多个传感器可以是传感器118、IMU 140或测量车辆数据的任何其他合适的传感器。所述信号可以是例如油门踏板位置、制动器位置/扭矩、方向盘角度、发动机RPM、挡位水平、纵向加速度、横向加速度、速度、横摆率或用于诊断和检测异常的任何其他合适的车辆数据。
在步骤604处,将所述多个信号分组为多个检测集,其中所述多个信号中的每个信号包括在至少一个检测集中。分组可以由例如信号分组子***176完成。检测集可以是例如上面概述并在图3中示出的检测集。
在步骤606处,基于至少一个检测集中的信号与正常行为模型的比较来检测多个检测集中的至少一个检测集内的异常。可以从诸如正常行为库178或检测集库180之类的库中选择正常行为模型。所述比较可以由异常检测子***174完成。异常检测可以遵循如异常检测程序400中所示的程序。
在步骤608处,至少一个检测集与多个检测集中的至少一个其他检测集交叉参考以识别异常的来源。例如,交叉参考可以遵循与图5的表中所示的格式类似的格式。交叉参考可以由交叉参考子***(诸如交叉参考子***172)完成。在实施例中,交叉参考的结果可以通过报告子***(诸如报告子***130)报告给用户。
任何合适的计算***或计算***组可以用于执行本文描述的操作或方法。例如,图7示出了车辆***,所述车辆***包括计算***702以及可以执行本文所述的功能中的一些或全部的多个ECU。图8还描绘了可以是计算***702的至少一部分的计算装置800的示例。
图7示出了根据一些实施例的车辆***700的框图。车辆***700可以包括被配置为在车内网络714上通信的计算***702。计算***702包括处理器704和存储装置706。尽管图7中示出了车辆***700,但是如图所示的示例性部件不意在限制。实际上,车辆***700可以具有更多或更少的部件,并且可以使用附加的或替代的部件和/或实施方式。应当注意,车辆***700环境的使用是说明性的,因为功能安全措施和安保措施可以用于其他类型的***,诸如飞机中的飞行控制***、或医疗装置或工业机器。
车辆***700可以包括各种类型的汽车、跨界多功能车辆(CUV)、运动型多功能车辆(SUV)、卡车、休闲车辆(RV)、船、飞机或用于运输人或货物的其他移动机器。在许多情况下,车辆***700可以由内燃发动机提供动力。作为另一种可能性,车辆***700可以是由内燃发动机和一个或多个电动马达两者提供动力的混合动力电动车辆(HEV),诸如串联式混合动力电动车辆(SHEV)、并联式混合动力电动车辆(PHEV)或并联/串联式混合动力电动车辆(PSHEV)。由于车辆***700的类型和配置可以变化,因此车辆***的能力可以相应地变化。作为一些其他可能性,车辆***700在载客量、牵引能力和容量以及存储量方面可以具有不同能力。
计算***702可以包括人机界面(HMI)712和用于与计算***702进行用户交互的显示器728。示例性计算***702可以是由密歇根州迪尔伯恩市的FORD MOTOR COMPANYTM提供的SYNCTM***。在一些示例中,显示器728可以包括车辆信息娱乐***,所述车辆信息娱乐***包括一个或多个显示器。HMI 712可以被配置为支持语音命令和与驾驶员和驾驶员携带的装置的BLUETOOTHTM接口,经由各种按钮或其他控件接收用户输入,以及向驾驶员或其他车辆***700乘员提供车辆状态信息。例如,计算***702可以与被配置为调用计算***702上的功能的一个或多个按钮或其他HMI 712(例如,方向盘音频按钮、通话按钮、仪表板控件等)对接。计算***702还可以驱动显示器728或以其他方式与其进行通信,所述显示器被配置为例如通过视频控制器向车辆乘员提供视觉输出。在一些情况下,显示器728可以是触摸屏,所述触摸屏还被配置为经由视频控制器接收用户触摸输入,而在其他情况下,显示器728可以是仅显示器而没有触摸输入能力。在一个示例中,显示器728可以是包括在车辆***700的中央控制台区域中的主机单元显示器。在另一个示例中,显示器728可以是车辆***700的仪表组的屏幕。
计算***702还可以包括支持本文所述的计算***702的功能的执行的各种类型的计算设备。在一个示例中,计算***702可以包括被配置为执行计算机指令的一个或多个处理器704以及其上可以保存计算机可执行指令和/或数据的存储706介质。计算机可读存储介质(也称为处理器可读介质或存储装置706)包括参与提供可以由计算机(例如,由一个或多个处理器704)读取的数据(例如,指令)的任何非暂时性(例如,有形)介质。一般来讲,处理器704将例如来自存储装置706等的指令和/或数据接收到存储器并使用所述数据来执行所述指令,从而执行一个或多个过程,包括本文所描述的过程中的一者或多者。计算机可执行指令可以根据使用多种编程语言和/或技术创建的计算机程序来编译或解译,所述多种编程语言和/或技术单独地或组合地包括但不限于:Java、C、C++、C#、Fortran、Pascal、Visual Basic、Python、Java Script、Perl、PL/SQL等。存储装置706可以包括用于数据708和应用710的分部。数据708可以存储诸如数据库的信息和其他此类信息。应用710可以存储计算机可执行指令或处理器704可执行的其他此类指令。
计算***702可以被配置为与车辆***700的乘员的移动装置通信。移动装置可以是各种类型的便携式计算装置中的任一种,诸如蜂窝电话、平板计算机、智能手表、膝上型计算机、便携式音乐播放器或能够与计算***702通信的其他装置。与计算***702一样,移动装置可以包括被配置为执行计算机指令的一个或多个处理器,以及其上可以保存计算机可执行指令和/或数据的存储介质。在一些示例中,计算***702可以包括被配置为与移动装置的兼容无线收发器通信的无线收发器(例如,BLUETOOTHTM控制器、ZIGBEETM收发器、Wi-Fi收发器等)。另外或替代地,计算***702可以通过有线连接,诸如经由移动装置与计算***702的通用串行总线(USB)子***之间的USB连接,与移动装置通信。
计算***702还可以被配置为经由一个或多个车内网络714与车辆***700的其他部件通信。作为一些示例,车内网络714可以包括车辆控制器局域网(CAN)、以太网或面向媒体的***传输(MOST)中的一者或多者。车内网络714可以允许计算***702与车辆***700的其他单元(诸如ECU A 720、ECU B 722、ECU C 724和ECU D 726)通信。ECU 720、722、724和726可以包括车辆***700的各种电气或机电***,或者控制车辆***700的各种子***。ECU的一些非限制性示例包括:动力传动***控制模块,所述动力传动***控制模块被配置为提供对发动机操作部件(例如,怠速控制部件、燃料输送部件、排放控制部件等)的控制和对发动机操作部件的监测(例如,发动机诊断代码的状态);车身控制模块,所述车身控制模块被配置为管理各种电力控制功能,诸如外部照明、内部照明、无钥匙进入、远程起动和进入点状态验证(例如,车辆***700的发动机罩、车门和/或行李厢的关闭状态);无线电收发器模块,所述无线电收发器模块被配置为与钥匙扣或其他车辆***700装置通信;气候控制管理模块,所述气候控制管理模块被配置为提供对加热和冷却***部件的控制和监测(例如,压缩机离合器和鼓风机风扇控制、温度传感器信息等);以及变速器控制模块、制动器控制模块、中央计时模块、悬架控制模块、车辆调制解调器(其在一些配置中可能不存在)、被配置为提供车辆***700位置和航向信息的全球定位***(GPS)模块和被配置为与车辆***702协作的各种其他车辆ECU。由各种ECU控制的子***可以包括车辆***700的功能部件716,其包括诸如动力传动***、发动机、制动器、灯、转向部件等元件。另外,一些或全部功能部件716可以包括传感器718以及装备到车辆***700的附加传感器,用于检测车辆***700及其子***的各种状态、位置、接近度、温度等。ECU 720、722、724、726可以在车内网络714上与计算***702以及功能部件716和传感器718通信。尽管图7中仅描绘了四个ECU,但是车辆***700中可以包括任何数量(更多或更少)的ECU。
图8示出了计算装置800的示例的框图。计算装置800可以是本文描述的包括例如图7的车辆***700内的计算***702以及ECU720、722、724、726的计算机中的任何计算机。计算装置800可以是或包括例如集成计算机、膝上型计算机、台式计算机、平板计算机、服务器或其他电子装置。
计算装置800可以包括经由总线805与其他硬件对接的处理器840。可以包括任何合适的有形(和非暂时性)计算机可读介质(诸如RAM、ROM、EEPROM等)的存储器810可体现配置计算装置800的操作的程序部件(例如,程序代码815)。存储器810可以存储程序代码815、程序数据817或两者。在一些示例中,计算装置800可以包括输入/输出(“I/O”)接口部件825(例如,用于与显示器845、键盘、鼠标等介接)和附加的存储装置830。
计算装置800执行程序代码815,所述程序代码将处理器840配置为执行本文所述的操作中的一者或多者。在各种实施例中,程序代码815的示例包括以上关于图1描述的逻辑流程图。程序代码815可驻留在存储器810或任何合适的计算机可读介质中,并且可由处理器840或任何其他合适的处理器执行。
计算装置800可以通过执行程序代码815来生成或接收程序数据817。例如,传感器数据、行程计数器、认证消息、行程标志和本文所述的其他数据都是可以由计算装置800在执行程序代码815期间使用的程序数据817的示例。
计算装置800可以包括网络部件820。网络部件820可以表示促进网络连接的任何部件中的一者或多者。在一些示例中,网络部件820可以促进无线连接,并且包括无线接口,诸如IEEE 802.11、BLUETOOTHTM或用于访问蜂窝电话网络的无线电接口(例如,用于访问CDMA、GSM、UMTS或其他移动通信网络的收发器/天线)。在其他示例中,网络部件820可以是有线的,并且可以包括诸如以太网、USB或IEEE 1394的接口。
尽管图8描绘了具有处理器840的单个计算装置800,但是所述***可以包括任何数量的计算装置800和任何数量的处理器840。例如,多个计算装置800或多个处理器840可以分布在有线或无线网络(例如,广域网、局域网或互联网)上。所述多个计算装置800或多个处理器840可单独地或彼此协调地执行本公开的步骤中的任一者。
在一些实施例中,由计算装置800提供的功能可以由云服务提供商作为云服务提供。例如,图9描绘了供应智能服务的云计算***900的示例,许多用户订阅者可使用用户装置925a、925b和925c跨数据网络920来使用所述智能服务。用户装置925a、925b和925c可以是上述车辆***700的示例。在该示例中,可以在软件即服务(SaaS)模型下提供智能服务。一个或多个用户可以订阅智能服务,并且云计算***执行处理以向订阅者提供智能服务。云计算***可以包括一个或多个远程服务器计算机905。
远程服务器计算机905包括用于存储程序代码(例如,服务器930)和程序数据910或两者的任何合适的非暂时性计算机可读介质,所述程序代码和程序数据由云计算***900用于提供云服务。计算机可读介质可以包括能够向处理器提供计算机可读指令或其他程序代码的任何电子、光学、磁性或其他存储装置。计算机可读介质的非限制性示例包括磁盘、存储器芯片、ROM、RAM、ASIC、光学存储装置、磁带或其他磁性存储装置、或者处理装置可以从中读取指令的任何其他介质。所述指令可以包括由编译器或解译器从以任何合适的计算机程序设计语言(包括例如C、C++、C#、Visual Basic、Java、Python、Perl、JavaScript和ActionScript)编写的代码生成的处理器特定指令。在各种示例中,服务器计算机905可以包括易失性存储器、非易失性存储器或它们的组合。
服务器计算机905中的一个或多个执行程序数据910,所述程序数据配置服务器计算机905的一个或多个处理器以执行确定交互元素的位置并操作基于自适应规则的***的一个或多个操作。如图9中的实施例所描绘,一个或多个服务器计算机905提供服务以经由服务器930来执行基于自适应规则的***。执行本文描述的一个或多个操作的任何其他合适的***或子***(例如,用于配置交互式用户界面的一个或多个开发***)也可以由云计算***900来实施。
在某些实施例中,云计算***900可以通过执行程序代码和/或使用程序数据910来实施服务,其可以驻留在服务器计算机905的存储器装置中或任何合适的计算机可读介质中并且可以由服务器计算机905的处理器或任何其他合适的处理器执行。
在一些实施例中,程序数据910包括本文描述的一个或多个数据集和模型。这些数据集的示例包括经销店数据、分类数据等。在一些实施例中,数据集、模型和函数中的一者或多者存储在同一存储器装置中。在附加或替代实施例中,本文描述的程序、数据集、模型和函数中的一者或多者存储在可经由数据网络920访问的不同存储器装置中。
云计算***900还包括网络接口装置915,所述网络接口装置实现往返于云计算***900的通信。在某些实施例中,网络接口装置915包括适合于建立至数据网络920的有线或无线数据连接的任何装置或装置组。网络接口装置915的非限制性示例包括以太网网络适配器、调制解调器等。服务器930能够使用网络接口装置915经由数据网络920与用户装置925a、925b和925c通信。
尽管已经关于本主题的具体方面对本主题进行了详细描述,但是应理解,本领域技术人员在理解前述内容后,可以很容易产生这些方面的变更、变化和等效物。本文阐述了许多具体细节,以提供对所要求保护的主题的透彻理解。然而,本领域技术人员将理解,可以在没有这些具体细节的情况下实践所要求保护的主题。在其他情况下,未详细描述本领域普通技术人员已知的方法、设备或***,以免模糊所要求保护的主题。因此,已出于示例而非限制的目的呈现了本公开,并且本公开不排除包括对本主题的此类修改、变化和/或添加,这对于本领域的普通技术人员来说是明显的。
除非另有特别说明,否则应理解,在整个本说明书中,利用诸如“处理”、“计算”、“确定”和“识别”等术语进行的论述指代计算装置的动作或过程,所述计算装置诸如一个或多个计算机或一个或多个类似的电子计算装置,其操纵或变换表示为计算平台的存储器、寄存器或其他信息存储装置、传输装置或显示装置内的物理电子或磁性量的数据。本文使用的“适于”或“被配置为”意指开放和包容性语言,其不排除适于或被配置为执行附加任务或步骤的装置。另外,“基于”的使用意味着是开放的和包容性的,因为“基于”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于超出所述的附加条件或值。本文所包括的标头、列表和编号仅是为了便于解释,并不意味着进行限制。
本文公开的方法的各方面可以在此类计算装置的操作中来执行。本文讨论的一个或多个***不限于任何特定的硬件架构或配置。计算装置可以包括提供以一个或多个输入为条件的结果的任何合适的部件布置。合适的计算装置包括基于多用途微处理器的计算机***,所述计算机***访问存储的软件,所述软件将计算***从通用计算设备编程或配置为实施本主题的一个或多个方面的专用计算设备。可以使用任何合适的编程、脚本或其他类型的语言或语言组合来实施本文所包含的在用于对计算装置进行编程或配置的软件中的教导。在以上示例中呈现的框的顺序可以有所变化——例如,各框可以被重新排序、组合和/或分成子框。某些框或过程可以并行地执行。
已经描述了几个示例性配置,在不脱离本公开的精神的情况下,可以使用各种修改,替代构造和等效物。例如,以上元件可以是较大***的部件,其中其他规则可以优先于或以其他方式修改本发明的应用。而且,在考虑以上元件之前、之中或之后可以采取许多步骤。
根据本发明,提供了一种用于检测和诊断车辆异常的***,所述***具有:多个传感器;一个或多个处理器;***存储器,所述***存储器存储用于使所述一个或多个处理器进行以下操作的指令:接收来自所述多个传感器的多个信号,所述多个信号中的每个信号包含车辆数据;将所述多个信号分组到多个检测集中,其中所述多个信号中的每个信号包括在所述多个检测集中的至少一个检测集中;基于所述至少一个检测集中的信号与正常行为模型的比较来检测所述多个检测集中的至少一个检测集内的异常;以及将所述至少一个检测集与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
根据实施例,本发明的特征还在于车载诊断***。
根据实施例,本发明的特征还在于车辆的所述正常行为模型。
根据实施例,所述多个传感器中的至少一个传感器包括惯性测量单元。
根据实施例,所述多个检测集包括主检测集和辅助检测集,其中所述主检测集被设计成捕获一个或多个车辆操纵特性,并且所述辅助检测集被设计用于所述主检测集的交叉验证。
根据实施例,所述至少一个检测集是主检测集,并且其中所述至少一个其他检测集是辅助检测集。
根据实施例,所述多个信号包括车辆控制输入值、动力传动***值和车辆动态值。
根据实施例,所述车辆数据是以下一者或多者:油门踏板位置、制动器位置、方向盘角度、每分钟发动机转数、挡位水平、纵向加速度、横向加速度、速度或横摆率。
根据实施例,通过与所述正常行为模型的导出距离来检测所述异常。
根据本发明,一种用于检测和诊断车辆异常的方法包括:由处理器接收来自多个传感器的多个信号,所述多个信号中的每个信号包含车辆数据;由所述处理器将所述多个信号分组到多个检测集中,其中所述多个信号中的每个信号包括在所述多个检测集中的至少一者中;由所述处理器基于所述至少一个检测集中的信号与正常行为模型的比较来检测所述多个检测集中的至少一个检测集内的异常;以及由所述处理器将所述至少一个检测集与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
在本发明的一个方面中,所述方法包括在接收所述多个信号之前构建所述正常行为模型。
在本发明的一个方面中,所述多个检测集包括主检测集和辅助检测集,其中所述主检测集被设计成捕获一个或多个车辆操纵特性,并且所述辅助检测集被设计用于所述主检测集。
在本发明的一个方面中,所述至少一个检测集是主检测集,并且其中所述至少一个其他检测集是辅助检测集。
在本发明的一个方面中,从车辆的控制器局域网(CAN)总线数据构建所述正常行为模型。
在本发明的一个方面中,所述多个信号包括车辆控制输入值、动力传动***值和车辆动态值。
在本发明的一个方面中,所述方法包括报告所述异常的所识别的来源。
在本发明的一个方面中,所述车辆数据是以下一者或多者:油门踏板位置、制动器位置、方向盘角度、每分钟发动机转数、挡位水平、纵向加速度、横向加速度、速度或横摆率。
根据本发明,提供了一种具有指令的非暂时性计算机可读介质,所述指令在由一个或多个处理器执行时使所述一个或多个处理器:接收来自车辆的多个传感器的多个信号,所述多个信号中的每个信号包含所述车辆的车辆数据;将所述多个信号分组到多个检测集中,其中所述多个信号中的每个信号包括在所述多个检测集中的至少两者中;基于所述至少一个检测集中的信号与正常行为模型的比较来检测所述多个检测集中的至少一个检测集内的异常;以及将所述至少一个检测集与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
根据实施例,本发明的特征还在于指令,所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器使用所述车辆的控制器局域网(CAN)总线数据来构建所述正常行为模型。
根据实施例,本发明的特征还在于指令,所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器通信地联接到车载诊断***。
Claims (15)
1.一种用于检测和诊断车辆异常的***,其包括:
多个传感器;
一个或多个处理器;
***存储器,所述***存储器存储用于使所述一个或多个处理器进行以下操作的指令:
接收来自所述多个传感器的多个信号,所述多个信号中的每个信号包含车辆数据;
将所述多个信号分组到多个检测集中,其中所述多个信号中的每个信号包括在所述多个检测集中的至少一个检测集中;
基于所述至少一个检测集中的信号与正常行为模型的比较来检测所述多个检测集中的至少一个检测集内的异常;以及
将所述至少一个检测集与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
2.根据权利要求1所述的***,其还包括车载诊断***。
3.根据权利要求1或2中任一项所述的***,其还包括车辆的所述正常行为模型。
4.根据权利要求1或2中任一项所述的***,其中所述多个传感器中的至少一个传感器包括惯性测量单元。
5.根据权利要求1或2中任一项所述的***,其中所述多个检测集包括主检测集和辅助检测集,其中所述主检测集被设计成捕获一个或多个车辆操纵特性,并且所述辅助检测集被设计用于所述主检测集的交叉验证,并且其中所述至少一个检测集是主检测集,并且所述至少一个其他检测集是辅助检测集。
6.根据权利要求1或2中任一项所述的***,其中所述多个信号包括车辆控制输入值、动力传动***值和车辆动态值。
7.根据权利要求1或2中任一项所述的***,其中所述车辆数据是以下一者或多者:油门踏板位置、制动器位置、方向盘角度、每分钟发动机转数、挡位水平、纵向加速度、横向加速度、速度或横摆率。
8.根据权利要求1或2中任一项所述的***,其中通过与所述正常行为模型的导出距离来检测所述异常。
9.一种用于检测和诊断车辆异常的方法,其包括:
由处理器接收来自多个传感器的多个信号,所述多个信号中的每个信号包含车辆数据;
由所述处理器将所述多个信号分组到多个检测集中,其中所述多个信号中的每个信号包括在所述多个检测集中的至少一者中;
由所述处理器基于所述至少一个检测集中的信号与正常行为模型的比较来检测所述多个检测集中的至少一个检测集内的异常;以及
由所述处理器将所述至少一个检测集与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
10.根据权利要求9所述的方法,其中所述多个检测集包括主检测集和辅助检测集,其中所述主检测集被设计成捕获一个或多个车辆操纵特性,并且所述辅助检测集被设计用于所述主检测集,并且其中所述至少一个检测集是主检测集,并且所述至少一个其他检测集是辅助检测集。
11.根据权利要求9或10中任一项所述的方法,其还包括在接收所述多个信号之前构建所述正常行为模型。
12.根据权利要求9或10中任一项所述的方法,其中所述多个信号包括车辆控制输入值、动力传动***值和车辆动态值。
13.根据权利要求9或10中任一项所述的方法,其还包括报告所述异常的所识别的来源。
14.根据权利要求9或10中任一项所述的方法,其中所述车辆数据是以下一者或多者:油门踏板位置、制动器位置、方向盘角度、每分钟发动机转数、挡位水平、纵向加速度、横向加速度、速度或横摆率。
15.一种非暂时性计算机可读介质,其包括指令,所述指令在由一个或多个处理器执行时使所述一个或多个处理器进行以下操作:
接收来自车辆的多个传感器的多个信号,所述多个信号中的每个信号包含所述车辆的车辆数据;
将所述多个信号分组到多个检测集中,其中所述多个信号中的每个信号包括在所述多个检测集中的至少两者中;
基于所述至少一个检测集中的信号与正常行为模型的比较来检测所述多个检测集中的至少一个检测集内的异常;以及
将所述至少一个检测集与所述多个检测集中的至少一个其他检测集交叉参考以识别所述异常的来源。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/064,417 US20220108569A1 (en) | 2020-10-06 | 2020-10-06 | Automated detection of vehicle data manipulation and mechanical failure |
US17/064,417 | 2020-10-06 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114379570A true CN114379570A (zh) | 2022-04-22 |
Family
ID=80738499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111169406.9A Pending CN114379570A (zh) | 2020-10-06 | 2021-10-08 | 车辆数据操纵和机械故障的自动检测 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220108569A1 (zh) |
CN (1) | CN114379570A (zh) |
DE (1) | DE102021125867A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11625031B2 (en) * | 2020-11-30 | 2023-04-11 | GM Global Technology Operations LLC | Anomaly detection systems and methods |
US20240010209A1 (en) * | 2022-07-06 | 2024-01-11 | Gm Cruise Holdings Llc | Environmental and electromagnetic seal for autonomous vehicle control systems |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010054876A1 (de) * | 2010-12-17 | 2012-06-21 | Rolls-Royce Deutschland Ltd & Co Kg | Verfahren zur automatischen Überwachen zumindest einer Komponente eines physikalischen Systems |
US8577663B2 (en) * | 2011-05-23 | 2013-11-05 | GM Global Technology Operations LLC | System and methods for fault-isolation and fault-mitigation based on network modeling |
US9175966B2 (en) * | 2013-10-15 | 2015-11-03 | Ford Global Technologies, Llc | Remote vehicle monitoring |
US20210295439A1 (en) * | 2016-01-22 | 2021-09-23 | State Farm Mutual Automobile Insurance Company | Component malfunction impact assessment |
US11145146B2 (en) * | 2018-01-31 | 2021-10-12 | Mentor Graphics (Deutschland) Gmbh | Self-diagnosis of faults in an autonomous driving system |
US10977874B2 (en) * | 2018-06-11 | 2021-04-13 | International Business Machines Corporation | Cognitive learning for vehicle sensor monitoring and problem detection |
JP2020104547A (ja) * | 2018-12-26 | 2020-07-09 | 株式会社日立製作所 | 外界センサの故障検出装置、及び、外界センサの故障検出方法 |
CN113811473A (zh) * | 2019-03-29 | 2021-12-17 | 英特尔公司 | 自主交通工具*** |
US11482059B2 (en) * | 2020-04-23 | 2022-10-25 | Zoox, Inc. | Vehicle health monitor |
US11704945B2 (en) * | 2020-08-31 | 2023-07-18 | Nissan North America, Inc. | System and method for predicting vehicle component failure and providing a customized alert to the driver |
-
2020
- 2020-10-06 US US17/064,417 patent/US20220108569A1/en active Pending
-
2021
- 2021-10-05 DE DE102021125867.7A patent/DE102021125867A1/de active Pending
- 2021-10-08 CN CN202111169406.9A patent/CN114379570A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102021125867A1 (de) | 2022-04-07 |
US20220108569A1 (en) | 2022-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11541899B2 (en) | Vehicle diagnosis apparatus, vehicle diagnosis system, and vehicle diagnosis program | |
US20190312892A1 (en) | Onboard cybersecurity diagnostic system for vehicle, electronic control unit, and operating method thereof | |
CN106843190B (zh) | 分布式车辆健康管理*** | |
CN110494330A (zh) | 车辆监视装置、不正当检测服务器、以及控制方法 | |
US20190311558A1 (en) | Method and apparatus to isolate an on-vehicle fault | |
US9928669B2 (en) | System and method for providing optimal state indication of a vehicle | |
CN111753867A (zh) | 使用机器学习分类器来监视和诊断车辆***问题 | |
CN114379570A (zh) | 车辆数据操纵和机械故障的自动检测 | |
JP2009265104A (ja) | 診断データマイニング | |
Drolia et al. | Autoplug: An automotive test-bed for electronic controller unit testing and verification | |
KR20190119514A (ko) | 차량용 온보드 사이버보안진단 시스템, 전자 제어 장치 및 그것의 동작 방법 | |
CN110325410B (zh) | 数据分析装置及存储介质 | |
CN110798500A (zh) | 用于诊断请求的云管理验证和执行 | |
KR102186297B1 (ko) | 멀티플랫폼 지능형 자동차 진단 시스템 | |
CN110738332B (zh) | 事故车辆鉴定方法及***、存储介质 | |
CN106710027A (zh) | 车载设备的配置方法与装置 | |
KR20230106690A (ko) | 차량 구성 요소의 상태를 파악하는 시스템 | |
Perişoară et al. | Vehicles diagnosis based on LabVIEW and CAN interfaces | |
CN116736825A (zh) | 用于验证由车辆的车载诊断***生成的诊断故障代码的***和方法 | |
Goyal et al. | Smart vehicle: Online prognosis for vehicle health monitoring | |
Kim et al. | Compare of Vehicle Management over the Air and On-Board Diagnostics | |
US20240169772A1 (en) | Vehicle abnormality detection device and vehicle abnormality detection method | |
Chauhan et al. | User interactive and assistive fleet management and eco-driving system | |
JP6899936B2 (ja) | 車両制御装置 | |
Singh et al. | Vehicular impact analysis of driving for accidents using on board diagnostic II |
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 |