JP2015158421A - Correction value generation apparatus, fault diagnosis apparatus, correction value generation program, and fault diagnosis program - Google Patents

Correction value generation apparatus, fault diagnosis apparatus, correction value generation program, and fault diagnosis program Download PDF

Info

Publication number
JP2015158421A
JP2015158421A JP2014033034A JP2014033034A JP2015158421A JP 2015158421 A JP2015158421 A JP 2015158421A JP 2014033034 A JP2014033034 A JP 2014033034A JP 2014033034 A JP2014033034 A JP 2014033034A JP 2015158421 A JP2015158421 A JP 2015158421A
Authority
JP
Japan
Prior art keywords
vehicle
correction value
data
failure diagnosis
sensor data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2014033034A
Other languages
Japanese (ja)
Other versions
JP6135545B2 (en
Inventor
佑基 篠原
Yuki Shinohara
佑基 篠原
万寿三 江川
Masuzo Egawa
江川　　万寿三
誉司 坂東
Yoshiji Bando
誉司 坂東
映 酒井
Ei Sakai
映 酒井
謙太郎 人見
Kentaro Hitomi
謙太郎 人見
一仁 竹中
Kazuhito Takenaka
一仁 竹中
耕吉 篠田
Kokichi Shinoda
耕吉 篠田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Denso Corp filed Critical Denso Corp
Priority to JP2014033034A priority Critical patent/JP6135545B2/en
Priority to DE102015203213.2A priority patent/DE102015203213A1/en
Publication of JP2015158421A publication Critical patent/JP2015158421A/en
Application granted granted Critical
Publication of JP6135545B2 publication Critical patent/JP6135545B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

PROBLEM TO BE SOLVED: To provide a fault diagnosis apparatus for performing a fault diagnosis of a vehicle, capable of accurately performing the fault diagnosis irrespective of the type of the vehicle.SOLUTION: A fault diagnosis system 1 acquires normal data representing data obtained by a sensor mounted in each of a plurality of types of vehicles belonging to different classes when each vehicle is normal, from each of the vehicles (S110); analyzes distributions of a plurality of pieces of the normal data obtained from the vehicles of the plural types (S120); and generates a correction value for each vehicle type on the basis of the normal data distributions so that these normal data distributions are closer to one another (S150). With this configuration, the correction value for correcting data so that the normal data distributions are closer to one another is generated. Therefore, if the data for the fault diagnosis of each vehicle is corrected using this correction value, the fault diagnosis apparatus can accurately perform the fault diagnosis irrespective of the vehicle type.

Description

本発明は、車両の故障診断を行うためのデータを補正するための補正値を生成する補正値生成装置、故障診断装置、補正値生成プログラム、および故障診断プログラムに関する。   The present invention relates to a correction value generation device, a failure diagnosis device, a correction value generation program, and a failure diagnosis program that generate a correction value for correcting data for performing vehicle failure diagnosis.

車両の故障診断を行う故障診断装置として、故障情報を広く集めるために、車種を問わずセンサの有無によって車両を区分し、この区分毎に故障診断を行うものが知られている（例えば、特許文献１参照）。   2. Description of the Related Art As a failure diagnosis apparatus that performs vehicle failure diagnosis, there is known a device that classifies vehicles according to the presence or absence of a sensor regardless of the vehicle type and performs failure diagnosis for each category in order to collect failure information widely (for example, patents) Reference 1).

特開２００１−２２１７１５号公報JP 2001-221715 A

しかしながら、上記故障診断装置では、同じ区分の車両であっても車種によってセンサの特性が異なる場合にうまく故障診断ができない虞がある。
そこで、このような問題点を鑑み、車両の故障診断を行う故障診断装置において、車両の種別を問わず故障診断を精度よく行うことができるようにすることを本発明の目的とする。 However, with the above-described failure diagnosis apparatus, there is a possibility that failure diagnosis cannot be performed well even if the vehicle is in the same category and the sensor characteristics differ depending on the vehicle type.
Therefore, in view of such problems, it is an object of the present invention to enable a failure diagnosis apparatus that performs vehicle failure diagnosis to perform failure diagnosis accurately regardless of the type of vehicle.

本発明の補正値生成装置において正常データ取得手段は、異なる分類に属する複数種別の車両のそれぞれから、各車両が正常であるときに該車両に搭載されたセンサによって得られるデータを表す正常データを取得する。そして、解析手段は、複数種別の車両から得られた複数の正常データの分布を解析し、補正値生成手段は、複数の正常データの分布に基づいて、これらの正常データの分布が近づくような補正値を、車両の種別毎に生成する。   In the correction value generation device of the present invention, the normal data acquisition means obtains normal data representing data obtained by a sensor mounted on the vehicle from each of a plurality of types of vehicles belonging to different classifications when each vehicle is normal. get. Then, the analysis means analyzes the distribution of a plurality of normal data obtained from a plurality of types of vehicles, and the correction value generation means approaches the distribution of these normal data based on the distribution of the plurality of normal data. A correction value is generated for each type of vehicle.

このような補正値生成装置によれば、複数の正常データの分布が近づくように補正するための補正値を生成するので、この補正値を用いて車両の故障診断を行うためデータを補正すれば、故障診断装置において、車種等、車両の種別を問わず故障診断を精度よく行うことができる。   According to such a correction value generation device, a correction value for correcting the distribution of a plurality of normal data to be approximated is generated. Therefore, if the correction value is used to correct the data for performing a vehicle fault diagnosis, the correction value is generated. In the failure diagnosis apparatus, failure diagnosis can be performed with high accuracy regardless of the type of vehicle such as the vehicle type.

なお、本発明は、センサデータに基づいて車両の故障診断を行う故障診断装置としてもよいし、コンピュータを、補正値生成装置や故障診断装置を構成する各手段として実現するための補正値生成プログラムや故障診断プログラムとしてもよい。   The present invention may be a failure diagnosis device that performs vehicle failure diagnosis based on sensor data, or a correction value generation program for realizing a computer as each means constituting the correction value generation device and the failure diagnosis device. Or a fault diagnosis program.

また、各請求項の記載は、可能な限りにおいて任意に組み合わせることができる。この際、発明の目的を達成できる範囲内において一部構成を除外してもよい。   Further, the descriptions in the claims can be arbitrarily combined as much as possible. At this time, a part of the configuration may be excluded within a range in which the object of the invention can be achieved.

第１実施形態に故障診断システム１の概略構成を示すブロック図である。1 is a block diagram illustrating a schematic configuration of a failure diagnosis system 1 according to a first embodiment. パラメータ生成処理の概要を示す説明図である。It is explanatory drawing which shows the outline | summary of a parameter production | generation process. 診断装置２０のＣＰＵ２１が実行するパラメータ生成処理を示すフローチャートである。It is a flowchart which shows the parameter production | generation process which CPU21 of the diagnostic apparatus 20 performs. パラメータによる補正の効果を示すセンサデータの分布図である。It is a distribution map of sensor data showing the effect of correction by parameters. パラメータ群ＤＢ２３における記録態様を示す説明図である。It is explanatory drawing which shows the recording mode in parameter group DB23. 診断装置２０のＣＰＵ２１が実行する第１実施形態の診断処理を示すフローチャートである。It is a flowchart which shows the diagnostic process of 1st Embodiment which CPU21 of the diagnostic apparatus 20 performs. 診断モデルの一例を示す分布図である。It is a distribution map which shows an example of a diagnostic model. 第２実施形態に故障診断システム１の概略構成を示すブロック図である。It is a block diagram which shows schematic structure of the failure diagnosis system 1 in 2nd Embodiment. 診断装置２０のＣＰＵ２１が実行する第２実施形態の診断処理を示すフローチャートである。It is a flowchart which shows the diagnostic process of 2nd Embodiment which CPU21 of the diagnostic apparatus 20 performs.

以下に本発明にかかる実施の形態を図面と共に説明する。
［第１実施形態］
［第１実施形態の構成］
本発明が適用された故障診断システム１は、同一の車種の故障情報だけでなく、異なる車種の故障情報も利用して車両の故障診断を行うことができるようにしたシステムである。すなわち、より多くの故障情報を利用して故障診断を行うことで、故障診断の精度を向上させることができるようにしている。 Embodiments according to the present invention will be described below with reference to the drawings.
[First Embodiment]
[Configuration of First Embodiment]
The failure diagnosis system 1 to which the present invention is applied is a system that can perform vehicle failure diagnosis using not only failure information of the same vehicle type but also failure information of different vehicle types. In other words, failure diagnosis is performed using more failure information, so that the accuracy of failure diagnosis can be improved.

詳細には、図１示すように、故障診断システム１は、車両１０と、車両１０の外部に配置された診断装置２０とを備えている。車両１０は、各種センサ１１と、データ管理部１２とを備えている。   Specifically, as shown in FIG. 1, the failure diagnosis system 1 includes a vehicle 10 and a diagnostic device 20 disposed outside the vehicle 10. The vehicle 10 includes various sensors 11 and a data management unit 12.

各種センサ１１は、車両の走行状態や走行環境等の車両情報を検出し、検出したデータ（センサデータ）をデータ管理部１２に送る。データ管理部１２には、データの記録を行うメモリとして構成された記憶部１３を備えており、各種センサ１１から受けたセンサデータを記憶部１３に格納する。   The various sensors 11 detect vehicle information such as the driving state and driving environment of the vehicle, and send the detected data (sensor data) to the data management unit 12. The data management unit 12 includes a storage unit 13 configured as a memory for recording data, and stores sensor data received from various sensors 11 in the storage unit 13.

診断装置２０は、ＣＰＵ２１と、ＲＯＭ、ＲＡＭ等のメモリ２２とを備えたコンピュータとして構成されている。また、診断装置２０は、パラメータ群データベース（ＤＢ）２３と、診断モデルＤＢ２４と、車両データＤＢ２５とを備えている。   The diagnostic device 20 is configured as a computer including a CPU 21 and a memory 22 such as a ROM or a RAM. The diagnostic device 20 includes a parameter group database (DB) 23, a diagnostic model DB 24, and a vehicle data DB 25.

ＣＰＵ２１は、メモリ２２に記憶されたプログラムに従って、後述するパラメータ生成処理や診断処理等の各処理を実施する。この際、各データベース２３〜２５にアクセスし、各データベース２３〜２５におけるデータの読み書きを行う。   The CPU 21 performs each process such as a parameter generation process and a diagnosis process, which will be described later, according to a program stored in the memory 22. At this time, each of the databases 23 to 25 is accessed, and data reading / writing in each of the databases 23 to 25 is performed.

パラメータ群ＤＢ２３は、後述するパラメータ生成処理にて車種および運転シーン毎に生成されるパラメータを格納するデータベースである。
診断モデルＤＢ２４は、車種および運転シーン毎に準備された診断モデルが格納されるデータベースである。診断モデルは、車種および運転シーン毎に適切なセンサ値やセンサ値の組み合わせ、或いは適切なセンサ値の範囲やその組み合わせを示すものであり、センサデータをこの診断モデルと比較することによってセンサデータが正常であるか否かを判断できるよう設定されている。 The parameter group DB 23 is a database that stores parameters generated for each vehicle type and driving scene in a parameter generation process described later.
The diagnostic model DB 24 is a database in which a diagnostic model prepared for each vehicle type and driving scene is stored. The diagnostic model indicates an appropriate sensor value or combination of sensor values, or an appropriate range of sensor values or a combination thereof for each vehicle type and driving scene. By comparing the sensor data with this diagnostic model, the sensor data It is set so that it can be determined whether or not it is normal.

車両データＤＢ２５は、多数の車両において収集されたセンサデータが記憶されるデータベースである。また、車両データＤＢ２５には、ある車種におけるセンサデータが何れのグループに属するかを対応付けて記録している。なお、車種とグループとの対応関係は、備えられたセンサの種別、動力系の種別（例えば、ガソリンエンジン、ディーゼルエンジン、ハイブリッド、モータ）等によって予め設定されている。   The vehicle data DB 25 is a database in which sensor data collected in many vehicles is stored. In the vehicle data DB 25, it is recorded in association with which group the sensor data in a certain vehicle type belongs. The correspondence relationship between the vehicle type and the group is set in advance according to the type of sensor provided, the type of power system (for example, gasoline engine, diesel engine, hybrid, motor), and the like.

［第１実施形態の処理］
ここで、パラメータ生成処理の概要について図２を用いて説明する。パラメータ生成処理は、車種（例えば車種ａ、車種ｂ、車種ｃ等）を複数のグループ（例えば車種グループＡ、車種グループＢ等）に分類するとともに、各車両が正常であるときに得られたセンサデータ（正常データ）を運転シーン毎に分類したシーン別センサデータを得る。そして、シーン別センサデータ毎に分布を解析し、シーン別パラメータを得る。 [Process of First Embodiment]
Here, an overview of the parameter generation processing will be described with reference to FIG. The parameter generation processing classifies vehicle types (for example, vehicle type a, vehicle type b, vehicle type c, etc.) into a plurality of groups (for example, vehicle type group A, vehicle type group B, etc.), and sensors obtained when each vehicle is normal Scene-specific sensor data obtained by classifying data (normal data) for each driving scene is obtained. Then, the distribution is analyzed for each scene-specific sensor data, and scene-specific parameters are obtained.

ここで、シーン別パラメータとは、異なる車種にて得られたセンサデータを同一のグループにおいて利用できるようにするための係数（補正値）であり、運転シーン毎に設定される。また、運転シーンとは、車両の走行状態や走行環境を分類したものを表し、例えば、アイドリング中、高速走行中、旋回中、夜間走行、雨天走行等、センサデータから特定可能な任意の分類とすることができる。   Here, the parameter for each scene is a coefficient (correction value) for making it possible to use sensor data obtained from different vehicle types in the same group, and is set for each driving scene. The driving scene represents a classification of the driving state and driving environment of the vehicle, for example, any classification that can be specified from sensor data such as idling, high speed driving, turning, night driving, rain driving, etc. can do.

具体的なパラメータ生成処理については、図３に示す。パラメータ生成処理は、例えば、診断装置２０において使用者等によって当処理を開始する旨の指令が入力されると開始される処理である。   Specific parameter generation processing is shown in FIG. The parameter generation process is a process that starts when, for example, a command for starting the process is input by the user or the like in the diagnostic device 20.

詳細には、図３に示すように、まず、データの読み込みを行う（Ｓ１１０）。この処理では、車両データＤＢ２５や車両１０の記憶部１３に格納されたセンサデータを読み出す。ただし、この処理において読み出されるデータは、各車両が正常なときにおいて検出されたセンサデータに限られる。これらのセンサデータを基準とするためである。   Specifically, as shown in FIG. 3, first, data is read (S110). In this process, sensor data stored in the vehicle data DB 25 or the storage unit 13 of the vehicle 10 is read. However, the data read in this process is limited to the sensor data detected when each vehicle is normal. This is because these sensor data are used as a reference.

また、車両データＤＢ２５には、別途他の車両やサーバから得られた多数の車両についてのセンサデータが予め記録されているものとする。なお、診断装置２０と車両１０との間の通信は、ケーブル等の通信線を接続することによって行われてもよいし、無線ＬＡＮ等の無線通信によって行われてもよい。   In the vehicle data DB 25, sensor data for a large number of vehicles obtained separately from other vehicles and servers is recorded in advance. Communication between the diagnostic device 20 and the vehicle 10 may be performed by connecting a communication line such as a cable, or may be performed by wireless communication such as a wireless LAN.

続いて、データの分析を行う（Ｓ１２０）。この処理では読み込んだセンサデータについて分布を解析する。例えば、図４に示すように、車種ａについてのセンサデータが分布している領域、車種ｂについてのセンサデータが分布している領域等を、グループ、運転シーン毎に特定する。   Subsequently, data analysis is performed (S120). In this process, the distribution of the read sensor data is analyzed. For example, as shown in FIG. 4, a region where sensor data for vehicle type a is distributed, a region where sensor data for vehicle type b is distributed, and the like are specified for each group and driving scene.

なお、車種および運転シーンについては、センサデータの内容や存在するセンサデータの組み合わせ等から特定することができる。すなわち、車両データＤＢ２５に車種および運転シーンを特定するための情報が別途格納されており、この情報を参照して車種および運転シーンを特定する。   The vehicle type and driving scene can be specified from the contents of sensor data, combinations of existing sensor data, and the like. That is, information for specifying the vehicle type and the driving scene is separately stored in the vehicle data DB 25, and the vehicle type and the driving scene are specified with reference to this information.

なお、車種については、診断装置２０の使用者が手動で入力するようにしてもよい。また、データの分析を行う際には、車種ｍおよび運転シーンｋ毎にラベル付（順に番号を割り当てる処理）を行う。   In addition, about the vehicle type, you may make it the user of the diagnostic apparatus 20 input manually. Further, when analyzing the data, labeling (a process of assigning numbers in order) is performed for each vehicle type m and driving scene k.

続いて、車種ｍのラベル番号が１（ｍ＝１）のセンサデータを選択し（Ｓ１３０）、さらに、そのうちの運転シーンｋのラベル番号が１（ｋ＝１）のものを選択する（Ｓ１４０）。そして、選択したセンサデータについて、パラメータを算出する（Ｓ１５０）。   Subsequently, the sensor data with the label number 1 (m = 1) for the vehicle type m is selected (S130), and the data with the label number 1 (k = 1) for the driving scene k is selected (S140). . Then, parameters are calculated for the selected sensor data (S150).

この処理では、車種に対応するグループを車両データＤＢ２５から読み出し、同じグループに属するセンサデータの分布が接近するような補正値を生成する。具体的には、図４に示すように、車種ａのセンサデータの基準位置（例えば、分散、重心、平均値等）が、目標とする分布を表す集合Ａの基準位置の位置と一致するように、パラメータＰａを求める。また、同様に、車種ｂのセンサデータの基準位置が、目標とする分布を表す集合Ａの基準位置の位置と一致するように、パラメータＰｂを求める。   In this process, a group corresponding to the vehicle type is read from the vehicle data DB 25, and a correction value is generated so that the distribution of sensor data belonging to the same group approaches. Specifically, as shown in FIG. 4, the reference position (for example, variance, center of gravity, average value, etc.) of the sensor data of the vehicle type “a” matches the position of the reference position of the set A representing the target distribution. Next, the parameter Pa is obtained. Similarly, the parameter Pb is obtained so that the reference position of the sensor data of the vehicle type b matches the position of the reference position of the set A representing the target distribution.

車種ａのセンサデータのそれぞれにパラメータＰａを乗じると、車種ａのセンサデータは集合Ａの分布と概ね一致するようになり、また、車種ｂのセンサデータのそれぞれにパラメータＰｂを乗じると、車種ｂのセンサデータは集合Ａの分布と概ね一致するようになる。つまり、車種ａのセンサデータおよび車種ａのセンサデータを同じものとして取り扱うことができるようにしている。   When the sensor data of the vehicle type a is multiplied by the parameter Pa, the sensor data of the vehicle type a substantially coincides with the distribution of the set A, and when the sensor data of the vehicle type b is multiplied by the parameter Pb, the vehicle type b The sensor data in FIG. 6 is substantially consistent with the distribution of the set A. That is, the sensor data of the vehicle type a and the sensor data of the vehicle type a can be handled as the same.

なお、この処理では、図５に示すように、車種および運転シーンを対応付けて、得られたパラメータをパラメータ群ＤＢ２３に記録させる。つまり、センサデータ（センサ種別）毎にパラメータが設定されることになる。   In this process, as shown in FIG. 5, the vehicle type and the driving scene are associated with each other and the obtained parameters are recorded in the parameter group DB 23. That is, a parameter is set for each sensor data (sensor type).

続いて、選択している運転シーンｋの番号が最終のラベル番号Ｋと一致するか否かを判定する（Ｓ１６０）。運転シーンｋの番号が最終のラベル番号Ｋと一致していなければ（Ｓ１６０：ＮＯ）、ｋの値をインクリメントし（Ｓ１７０）、Ｓ１５０の処理に戻る。   Subsequently, it is determined whether or not the number of the selected driving scene k matches the final label number K (S160). If the number of the driving scene k does not match the final label number K (S160: NO), the value of k is incremented (S170), and the process returns to S150.

また、運転シーンｋの番号が最終のラベル番号Ｋと一致していれば（Ｓ１６０：ＹＥＳ）、選択している車種ｍの番号が最終のラベル番号Ｍと一致するか否かを判定する（Ｓ１８０）。車種ｍの番号が最終のラベル番号Ｍと一致していなければ（Ｓ１８０：ＮＯ）、ｍの値をインクリメントし（Ｓ１９０）、Ｓ１４０の処理に戻る。   If the number of the driving scene k matches the final label number K (S160: YES), it is determined whether or not the number of the selected vehicle type m matches the final label number M (S180). ). If the number of the vehicle type m does not match the final label number M (S180: NO), the value of m is incremented (S190), and the process returns to S140.

また、車種ｍの番号が最終のラベル番号Ｍと一致していれば（Ｓ１８０：ＹＥＳ）、パラメータ生成処理を終了する。
次に、診断処理について図６を用いて説明する。診断処理は、パラメータ生成処理にて生成されたパラメータを利用して、診断対象となるセンサデータを補正し、補正後のデータを用いて診断を行う処理である。この診断処理は、例えば診断装置２０において故障診断を行う旨の指令が入力されると開始される処理である。 Further, if the number of the vehicle type m matches the final label number M (S180: YES), the parameter generation process ends.
Next, the diagnosis process will be described with reference to FIG. The diagnosis process is a process for correcting the sensor data to be diagnosed using the parameters generated in the parameter generation process, and performing a diagnosis using the corrected data. This diagnosis process is a process that starts when, for example, a command for performing a failure diagnosis is input in the diagnosis device 20.

診断処理では、図６に示すように、まず、診断対象となるセンサデータの取得を行う（Ｓ３１０）。この処理では、例えば診断対象となる車両１０の記憶部１３に格納されたセンサデータを取得する。なお、本処理で取得するセンサデータは、前述のような正常データとは別に取得されるものである。   In the diagnosis processing, as shown in FIG. 6, first, sensor data to be diagnosed is acquired (S310). In this process, for example, sensor data stored in the storage unit 13 of the vehicle 10 to be diagnosed is acquired. Note that the sensor data acquired in this process is acquired separately from the normal data as described above.

続いて、車種の判定を行い（Ｓ３２０）、車種グループの判定を行う（Ｓ３３０）。車種の判定については前述のＳ１２０の処理と同様に行えばよく、また、車種グループの判定は車両データＤＢ２５を参照して行えばよい。   Subsequently, the vehicle type is determined (S320), and the vehicle type group is determined (S330). The determination of the vehicle type may be performed in the same manner as the processing of S120 described above, and the determination of the vehicle type group may be performed with reference to the vehicle data DB 25.

続いて、センサデータに基づいて運転シーンを識別し、運転シーン毎にセンサデータを分割する（Ｓ３４０）。つまり、図２に示すシーン別センサデータを生成する。なお、センサデータには、運転シーン毎にラベル付けを行っておく。   Subsequently, the driving scene is identified based on the sensor data, and the sensor data is divided for each driving scene (S340). That is, the scene-specific sensor data shown in FIG. 2 is generated. The sensor data is labeled for each driving scene.

そして、運転シーンｋのラベル番号が１（ｋ＝１）のものを選択し（Ｓ３５０）、選択したセンサデータについて補正を行う（Ｓ３６０）。センサデータを補正する処理では、このセンサデータに対応する車種および運転シーンに対応するパラメータを、パラメータ群ＤＢ２３から読み出し、センサデータにパラメータを乗じる等の演算を行うことによって補正を行う。   Then, the operation scene k with the label number 1 (k = 1) is selected (S350), and the selected sensor data is corrected (S360). In the process of correcting the sensor data, the parameters corresponding to the vehicle type and the driving scene corresponding to the sensor data are read from the parameter group DB 23 and corrected by performing a calculation such as multiplying the sensor data by the parameter.

続いて、この補正後のセンサデータを利用して故障診断を実施する（Ｓ３７０）。この処理では、診断モデルＤＢ２４から、センサデータが属するグループおよび運転シーンが対応する診断モデルを読み出し、補正後のセンサデータと診断モデルとを比較することによってセンサデータが正常であるか否かを判定する。   Subsequently, failure diagnosis is performed using the corrected sensor data (S370). In this process, the diagnosis model corresponding to the group to which the sensor data belongs and the driving scene is read from the diagnosis model DB 24, and it is determined whether the sensor data is normal by comparing the corrected sensor data with the diagnosis model. To do.

例えば、図７に示すように、診断モデルとしては、センサ値の組み合わせ（特徴量Ａおよび特徴量Ｂ）によって特定される座標に応じて故障の種別（例えば、故障Ａ、故障Ｂ、故障Ｃ、故障Ｄ等）または正常である旨が特定されるマップとして構成されており、このマップを用いて診断を行う。なお、図７に示す例では２次元のモデルを示すが、１次元や多次元のマップを用いてもよい。また、マップ以外にも、所定の関数を用いてもよい。   For example, as shown in FIG. 7, as a diagnostic model, a failure type (for example, failure A, failure B, failure C, or the like) is determined according to coordinates specified by a combination of sensor values (feature A and feature B). Fault D or the like) or a map that is specified as normal, and a diagnosis is performed using this map. Although the example shown in FIG. 7 shows a two-dimensional model, a one-dimensional or multi-dimensional map may be used. In addition to the map, a predetermined function may be used.

続いて、選択している運転シーンｋの番号が最終のラベル番号Ｋと一致するか否かを判定する（Ｓ３８０）。運転シーンｋの番号が最終のラベル番号Ｋと一致していなければ（Ｓ３８０：ＮＯ）、ｋの値をインクリメントし（Ｓ３９０）、Ｓ３６０の処理に戻る。   Subsequently, it is determined whether or not the number of the selected driving scene k matches the final label number K (S380). If the number of the driving scene k does not match the final label number K (S380: NO), the value of k is incremented (S390), and the process returns to S360.

また、運転シーンｋの番号が最終のラベル番号Ｋと一致していれば（Ｓ３８０：ＹＥＳ）、診断処理を終了する。
［第１実施形態による効果］
以上のように詳述した故障診断システム１において診断装置２０は、異なる分類に属する複数種別の車両のそれぞれから、各車両が正常であるときに該車両に搭載されたセンサによって得られるデータを表す正常データを取得する。そして、複数種別の車両から得られた複数の正常データの分布を解析し、複数の正常データの分布に基づいて、これらの正常データの分布が近づくような補正値を、車両の種別毎に生成する。 If the number of the driving scene k matches the final label number K (S380: YES), the diagnosis process is terminated.
[Effects of First Embodiment]
In the failure diagnosis system 1 described in detail above, the diagnosis device 20 represents data obtained by a sensor mounted on the vehicle from each of a plurality of types of vehicles belonging to different classifications when each vehicle is normal. Get normal data. Then, analyze the distribution of multiple normal data obtained from multiple types of vehicles, and generate correction values for each type of vehicle based on the distribution of multiple normal data. To do.

このような故障診断システム１によれば、複数の正常データの分布が近づくように補正するための補正値を生成するので、この補正値を用いて車両の故障診断を行うためデータを補正すれば、診断装置２０において、車両の種別を問わず故障診断を精度よく行うことができる。   According to such a failure diagnosis system 1, a correction value for correcting the distribution of a plurality of normal data to be approximated is generated. Therefore, if the correction value is used to correct the data for performing a vehicle failure diagnosis, the correction value is corrected. In the diagnostic device 20, failure diagnosis can be performed accurately regardless of the type of vehicle.

また、上記故障診断システム１において、診断装置２０は、車両の運転状況を表す運転シーン毎に正常データを取得し、運転シーン毎に正常データの分布を解析する。そして、診断装置２０は、車両の種別および運転シーン毎に、補正値を生成する。   In the failure diagnosis system 1, the diagnosis device 20 acquires normal data for each driving scene representing the driving situation of the vehicle, and analyzes the distribution of normal data for each driving scene. And the diagnostic apparatus 20 produces | generates a correction value for every classification and driving scene of a vehicle.

このような故障診断システム１によれば、運転シーン毎に適切な補正値を生成するので、故障診断の精度をより向上させることができる。
さらに、上記故障診断システム１において、診断装置２０は、センサデータを取得した車両の分類を特定し、車両の分類に従って予め準備された補正値を用いて、センサデータのうちの少なくとも一部を補正した補正後データを生成する。そして、補正後データと予め準備された基準データとを比較することによって車両の故障診断を行う。 According to such a failure diagnosis system 1, since an appropriate correction value is generated for each driving scene, the accuracy of failure diagnosis can be further improved.
Further, in the failure diagnosis system 1, the diagnosis device 20 identifies the classification of the vehicle from which the sensor data is acquired, and corrects at least a part of the sensor data using a correction value prepared in advance according to the classification of the vehicle. The corrected data is generated. Then, a vehicle failure diagnosis is performed by comparing the corrected data with reference data prepared in advance.

このような故障診断システム１によれば、複数の正常データの分布が近づくように補正するための補正値を用いて車両の故障診断を行うためセンサデータを補正するので、車両の種別を問わず故障診断を精度よく行うことができる。   According to such a failure diagnosis system 1, sensor data is corrected to perform vehicle failure diagnosis using a correction value for correcting the distribution of a plurality of normal data so as to approach each other. Fault diagnosis can be performed with high accuracy.

また、上記故障診断システム１において、診断装置２０は、正常データから補正値を生成する構成、および故障診断を行う構成を備えている。
このような故障診断システム１によれば、複数の正常データの分布が近づくように補正するための補正値を自身において生成することができる。 In the failure diagnosis system 1, the diagnosis device 20 has a configuration for generating a correction value from normal data and a configuration for performing failure diagnosis.
According to such a failure diagnosis system 1, it is possible to generate a correction value for correcting the distribution so that the distribution of a plurality of normal data approaches.

さらに、上記故障診断システム１において、診断装置２０は、車両外部に配置されており、センサデータを故障診断対象の車両から取得する。
このような故障診断システム１によれば、故障診断を行う機能を車両外部に配置し、車両からセンサデータを取得するので、車両に搭載する装置の機能を簡素化し、軽量化することができる。 Furthermore, in the above-described failure diagnosis system 1, the diagnosis device 20 is arranged outside the vehicle and acquires sensor data from the vehicle to be subjected to failure diagnosis.
According to such a failure diagnosis system 1, since a function for performing failure diagnosis is arranged outside the vehicle and sensor data is acquired from the vehicle, the function of the device mounted on the vehicle can be simplified and reduced in weight.

また、上記故障診断システム１において、診断装置２０は、センサデータに含まれる車種を示す情報またはセンサデータのデータ構造に基づいて車両の分類を行う。
このような故障診断装置によれば、検査を行うオペレータ等が車両の分類を入力することなく、自動的に車両の分類を解析して故障診断を実施することができる。 In the failure diagnosis system 1, the diagnosis device 20 classifies vehicles based on information indicating the vehicle type included in the sensor data or the data structure of the sensor data.
According to such a failure diagnosis apparatus, it is possible to perform failure diagnosis by automatically analyzing the vehicle classification without an operator or the like performing the inspection inputting the vehicle classification.

［第２実施形態］
［第２実施形態の構成および処理］
次に、別形態の故障診断システム２について説明する。本実施形態（第２実施形態）では、第１実施形態の故障診断システム１と異なる箇所のみを詳述し、第１実施形態の故障診断システム１と同様の箇所については、同一の符号を付して説明を省略する。 [Second Embodiment]
[Configuration and Processing of Second Embodiment]
Next, another form of failure diagnosis system 2 will be described. In this embodiment (second embodiment), only the parts different from the failure diagnosis system 1 of the first embodiment will be described in detail, and the same parts as those of the failure diagnosis system 1 of the first embodiment will be denoted by the same reference numerals. Therefore, the description is omitted.

本実施形態の故障診断システム２は、図８に示すように、診断装置２０が車両１０において搭載されており、車両の外部において外部サーバ３０を備えている。外部サーバ３０には、前述の構成において診断装置２０に備えられていたパラメータ群ＤＢ２３および診断モデルＤＢ２４に相当するパラメータ群ＤＢ３１および診断モデルＤＢ３２が備えられている。   As shown in FIG. 8, in the failure diagnosis system 2 of the present embodiment, a diagnosis device 20 is mounted on a vehicle 10 and includes an external server 30 outside the vehicle. The external server 30 includes a parameter group DB 31 and a diagnostic model DB 32 corresponding to the parameter group DB 23 and the diagnostic model DB 24 provided in the diagnostic device 20 in the above-described configuration.

このような故障診断システム２における診断装置２０は、図９に示す診断処理を実施する。なお、パラメータ生成処理については、外部サーバ３０が実施してもよいし、診断装置２０が実施してもよい。   The diagnosis device 20 in such a failure diagnosis system 2 performs the diagnosis process shown in FIG. The parameter generation process may be performed by the external server 30 or the diagnostic device 20.

本実施形態における診断処理では、Ｓ３１０の処理にてデータを取得した後に、パラメータの更新を行う（Ｓ４１０）。この処理では、診断装置２０のパラメータ群ＤＢ２３および診断モデルＤＢ２４の内容を、外部サーバ３０のパラメータ群ＤＢ３１および診断モデルＤＢ３２の内容に更新する。つまり、車両１０のデータが最新でない場合があるため、このデータを外部サーバ３０から取得することで、最新のデータを用いて故障診断を行えるようにしている。   In the diagnosis processing in the present embodiment, parameters are updated after data is acquired in the processing of S310 (S410). In this process, the contents of the parameter group DB 23 and the diagnostic model DB 24 of the diagnostic apparatus 20 are updated to the contents of the parameter group DB 31 and the diagnostic model DB 32 of the external server 30. That is, since the data of the vehicle 10 may not be the latest, the failure diagnosis can be performed using the latest data by acquiring this data from the external server 30.

このような処理が終了すると、前述のＳ３４０以下の処理を実施する。
［第２実施形態の効果］
以上のような故障診断システム２において、診断装置２０は、故障診断対象となる車両内部に配置されている。 When such processing is completed, the processing from S340 described above is performed.
[Effects of Second Embodiment]
In the failure diagnosis system 2 as described above, the diagnosis device 20 is disposed inside the vehicle that is the object of failure diagnosis.

このような故障診断システム２によれば、故障診断装置が故障診断対象となる車両内部に配置されているので、車両の走行中等、任意の時期において故障判定を実施することができる。   According to such a failure diagnosis system 2, since the failure diagnosis device is arranged inside the vehicle to be subjected to failure diagnosis, failure determination can be performed at any time such as when the vehicle is traveling.

また、上記故障診断システム２において、診断装置２０は、補正後データを生成する前に、補正値および基準データを車両外部の装置から取得して更新する。
このような故障診断システム２によれば、補正値が変更された際に、補正値と、対応する基準データとを取得することができるので、最新のデータを用いて故障診断を行うことができる。 In the failure diagnosis system 2, the diagnosis device 20 acquires and updates the correction value and the reference data from a device outside the vehicle before generating the corrected data.
According to such a failure diagnosis system 2, since the correction value and the corresponding reference data can be acquired when the correction value is changed, the failure diagnosis can be performed using the latest data. .

［その他の実施形態］
本発明は、上記の実施形態によって何ら限定して解釈されない。また、上記の実施形態の構成の一部を、課題を解決できる限りにおいて省略した態様も本発明の実施形態である。また、上記の複数の実施形態を適宜組み合わせて構成される態様も本発明の実施形態である。また、特許請求の範囲に記載した文言のみによって特定される発明の本質を逸脱しない限度において考え得るあらゆる態様も本発明の実施形態である。また、上記の実施形態の説明で用いる符号を特許請求の範囲にも適宜使用しているが、各請求項に係る発明の理解を容易にする目的で使用しており、各請求項に係る発明の技術的範囲を限定する意図ではない。 [Other Embodiments]
The present invention is not construed as being limited by the above embodiment. Moreover, the aspect which abbreviate | omitted a part of structure of said embodiment as long as the subject could be solved is also embodiment of this invention. An aspect configured by appropriately combining the above-described plurality of embodiments is also an embodiment of the present invention. Moreover, all the aspects which can be considered in the limit which does not deviate from the essence of the invention specified only by the wording described in the claims are embodiments of the present invention. Further, the reference numerals used in the description of the above embodiments are also used in the claims as appropriate, but they are used for the purpose of facilitating the understanding of the invention according to each claim, and the invention according to each claim. It is not intended to limit the technical scope of

例えば、上記実施形態においては、診断モデルについては予め準備されたものを利用したが、Ｓ１２０の処理の際に、最新のセンサデータに基づいて診断モデルを生成し、診断モデルＤＢ２４に格納し、この診断モデルを利用してもよい。また、上記実施形態においては、運転シーン毎に分けてパラメータを求めたが、運転シーン毎に分けなくてもよい。   For example, in the above embodiment, a diagnostic model prepared in advance is used. However, in the process of S120, a diagnostic model is generated based on the latest sensor data and stored in the diagnostic model DB 24. A diagnostic model may be used. Moreover, in the said embodiment, although the parameter was calculated | required for every driving scene, it does not need to be divided for every driving scene.

また、上記第２実施形態において診断装置２０は、Ｓ４１０の処理にて、自身の故障診断に必要なデータだけを取得するようにしてもよい。つまり、パラメータ群ＤＢ３１および診断モデルＤＢ３２に格納されたデータのうちの、自身の車両１０が属するグループおよび車種に関するものだけを取得してもよい。   In the second embodiment, the diagnosis device 20 may acquire only data necessary for its own failure diagnosis in the process of S410. That is, you may acquire only the data regarding the group and vehicle type to which the own vehicle 10 belongs among the data stored in parameter group DB31 and diagnostic model DB32.

また、上記第２実施形態において診断装置２０は、Ｓ４１０の処理を定期的に実施したり、省略したりしてもよい。
［実施形態の構成と本発明の手段との対応関係］
上記実施形態における診断装置２０は本発明でいう補正値生成装置に相当する。また、上記実施形態において診断装置２０が実行する処理のうちのＳ１１０の処理は本発明でいう正常データ取得手段に相当し、上記実施形態におけるＳ１２０の処理は本発明でいう解析手段に相当する。 In the second embodiment, the diagnostic device 20 may periodically perform the process of S410 or omit it.
[Correspondence between Configuration of Embodiment and Means of Present Invention]
The diagnostic device 20 in the above embodiment corresponds to a correction value generation device referred to in the present invention. Moreover, the process of S110 among the processes which the diagnostic apparatus 20 performs in the said embodiment is corresponded to the normal data acquisition means said by this invention, and the process of S120 in the said embodiment is equivalent to the analysis means said by this invention.

さらに、上記実施形態におけるＳ１５０の処理は本発明でいう補正値生成手段に相当し、上記実施形態におけるＳ３１０の処理は本発明でいうセンサデータ取得手段に相当する。また、上記実施形態におけるＳ３２０、Ｓ３３０の処理は本発明でいう分類特定手段に相当し、上記実施形態におけるＳ３６０の処理は本発明でいう補正後データ生成手段に相当する。   Further, the process of S150 in the above embodiment corresponds to the correction value generation means referred to in the present invention, and the process of S310 in the above embodiment corresponds to the sensor data acquisition means referred to in the present invention. In addition, the processes of S320 and S330 in the above embodiment correspond to the classification specifying means in the present invention, and the process of S360 in the above embodiment corresponds to the corrected data generating means in the present invention.

さらに、上記実施形態におけるＳ３７０の処理は本発明でいう診断手段に相当し、上記実施形態におけるＳ４１０の処理は本発明でいう更新手段に相当する。   Furthermore, the process of S370 in the above embodiment corresponds to the diagnostic means referred to in the present invention, and the process of S410 in the above embodiment corresponds to the update means referred to in the present invention.

１，２…故障診断システム、１０…車両、１１…各種センサ、１２…データ管理部、１３…記憶部、２０…診断装置、２１…ＣＰＵ、２２…メモリ、２３…パラメータ群ＤＢ、２４…診断モデルＤＢ、２５…車両データＤＢ、３０…外部サーバ、３１…パラメータ群ＤＢ、３２…診断モデルＤＢ。   DESCRIPTION OF SYMBOLS 1, 2 ... Fault diagnosis system, 10 ... Vehicle, 11 ... Various sensors, 12 ... Data management part, 13 ... Memory | storage part, 20 ... Diagnosis apparatus, 21 ... CPU, 22 ... Memory, 23 ... Parameter group DB, 24 ... Diagnosis Model DB, 25 ... vehicle data DB, 30 ... external server, 31 ... parameter group DB, 32 ... diagnostic model DB.

Claims (10)

車両の故障診断を行うためのデータを補正するための補正値を生成する補正値生成装置（２０）であって、
異なる分類に属する複数種別の車両のそれぞれから、各車両が正常であるときに該車両に搭載されたセンサによって得られるデータを表す正常データを取得する正常データ取得手段（Ｓ１１０）と、
前記複数種別の車両から得られた複数の正常データの分布を解析する解析手段（Ｓ１２０）と、
前記複数の正常データの分布に基づいて、これらの正常データの分布が近づくような補正値を、車両の種別毎に生成する補正値生成手段（Ｓ１５０）と、
を備えたことを特徴とする補正値生成装置。 A correction value generation device (20) for generating a correction value for correcting data for performing vehicle failure diagnosis,
Normal data acquisition means (S110) for acquiring normal data representing data obtained by a sensor mounted on the vehicle when each vehicle is normal from each of a plurality of types of vehicles belonging to different classifications;
Analyzing means (S120) for analyzing a distribution of a plurality of normal data obtained from the plurality of types of vehicles;
Correction value generating means (S150) for generating a correction value for each type of vehicle based on the distribution of the plurality of normal data, such that the distribution of the normal data approaches.
A correction value generating apparatus comprising: 請求項１に記載の補正値生成装置において、
前記正常データ取得手段は、車両の運転状況を表す運転シーン毎に前記正常データを取得し、
前記解析手段は、前記運転シーン毎に前記正常データの分布を解析し、
前記補正値生成手段は、車両の種別および運転シーン毎に、前記補正値を生成すること
を特徴とする補正値生成装置。 The correction value generating device according to claim 1,
The normal data acquisition means acquires the normal data for each driving scene representing the driving situation of the vehicle,
The analyzing means analyzes the distribution of the normal data for each driving scene,
The correction value generation device generates the correction value for each type of vehicle and driving scene. 故障診断対象となる車両に搭載されたセンサによって得られるセンサデータに基づいて車両の故障診断を行う故障診断装置（２０）であって、
前記センサデータを取得した車両の分類を特定する分類特定手段（Ｓ３２０、Ｓ３３０）と、
前記車両の分類に従って予め準備された補正値を用いて、前記センサデータのうちの少なくとも一部を補正した補正後データを生成する補正後データ生成手段（Ｓ３６０）と、
前記補正後データと予め準備された基準データとを比較することによって車両の故障診断を行う診断手段（Ｓ３７０）と、
を備え、
前記補正後データ生成手段は、請求項１または請求項２に記載の補正値生成装置にて生成された補正値を用いて前記補正後データを生成すること
を特徴とする故障診断装置。 A failure diagnosis device (20) that performs failure diagnosis of a vehicle based on sensor data obtained by a sensor mounted on a vehicle to be subjected to failure diagnosis,
Classification specifying means (S320, S330) for specifying the classification of the vehicle that has acquired the sensor data;
A corrected data generation means (S360) for generating corrected data obtained by correcting at least a part of the sensor data using a correction value prepared in advance according to the classification of the vehicle;
Diagnosing means (S370) for diagnosing a vehicle fault by comparing the corrected data with reference data prepared in advance;
With
The failure diagnosis apparatus according to claim 1, wherein the corrected data generation unit generates the corrected data using the correction value generated by the correction value generation apparatus according to claim 1. 請求項３に記載の故障診断装置において、
請求項１または請求項２に記載の補正値生成装置を構成する、正常データ取得手段、解析手段、および補正値生成手段を備えたこと
を特徴とする故障診断装置。 In the failure diagnosis apparatus according to claim 3,
A failure diagnosis apparatus comprising: a normal data acquisition unit, an analysis unit, and a correction value generation unit that constitute the correction value generation device according to claim 1. 請求項３または請求項４に記載の故障診断装置において、
当該故障診断装置は、車両外部に配置されており、
前記センサデータを故障診断対象の車両から取得するセンサデータ取得手段（Ｓ３１０）、を備えたこと
を特徴とする故障診断装置。 In the failure diagnosis apparatus according to claim 3 or claim 4,
The failure diagnosis device is arranged outside the vehicle,
A failure diagnosis apparatus comprising: sensor data acquisition means (S310) for acquiring the sensor data from a vehicle to be subjected to failure diagnosis. 請求項３または請求項４に記載の故障診断装置において、
当該故障診断装置は、故障診断対象となる車両内部に配置されていること
を特徴とする故障診断装置。 In the failure diagnosis apparatus according to claim 3 or claim 4,
The failure diagnosis device is arranged inside a vehicle to be a failure diagnosis target. 請求項６に記載の故障診断装置において、
前記補正後データ生成手段が前記補正後データを生成する前に、前記補正値および前記基準データを車両外部の装置から取得して更新する更新手段（Ｓ４１０）、を備えたこと
を特徴とする故障診断装置。 The failure diagnosis apparatus according to claim 6,
A failure means comprising: an updating means (S410) for obtaining and updating the correction value and the reference data from a device external to the vehicle before the corrected data generating means generates the corrected data; Diagnostic device. 請求項３〜請求項７の何れか１項に記載の故障診断装置において、
前記分類特定手段は、前記センサデータに含まれる車種を示す情報または前記センサデータのデータ構造に基づいて前記車両の分類を行うこと
を特徴とする故障診断装置。 In the failure diagnosis apparatus according to any one of claims 3 to 7,
The fault diagnosis apparatus characterized in that the classification specifying unit classifies the vehicle based on information indicating a vehicle type included in the sensor data or a data structure of the sensor data. コンピュータを、請求項１または請求項２に記載の補正値生成装置を構成する各手段として機能させるための補正値生成プログラム。   A correction value generation program for causing a computer to function as each means constituting the correction value generation apparatus according to claim 1. コンピュータを、請求項３〜請求項８の何れか１項に記載の故障診断装置を構成する各手段として機能させるための故障診断プログラム。   A failure diagnosis program for causing a computer to function as each means constituting the failure diagnosis apparatus according to any one of claims 3 to 8.
JP2014033034A 2014-02-24 2014-02-24 Correction value generation device, failure diagnosis device, correction value generation program, and failure diagnosis program Active JP6135545B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2014033034A JP6135545B2 (en) 2014-02-24 2014-02-24 Correction value generation device, failure diagnosis device, correction value generation program, and failure diagnosis program
DE102015203213.2A DE102015203213A1 (en) 2014-02-24 2015-02-23 DEVICE AND PROGRAM FOR GENERATING CORRECTION PARAMETERS FOR DIAGNOSTIC DATA

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014033034A JP6135545B2 (en) 2014-02-24 2014-02-24 Correction value generation device, failure diagnosis device, correction value generation program, and failure diagnosis program

Publications (2)

Publication Number Publication Date
JP2015158421A true JP2015158421A (en) 2015-09-03
JP6135545B2 JP6135545B2 (en) 2017-05-31

Family

ID=53782711

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014033034A Active JP6135545B2 (en) 2014-02-24 2014-02-24 Correction value generation device, failure diagnosis device, correction value generation program, and failure diagnosis program

Country Status (2)

Country Link
JP (1) JP6135545B2 (en)
DE (1) DE102015203213A1 (en)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017187972A (en) * 2016-04-07 2017-10-12 株式会社日立製作所 Terminal monitoring method, server and state identification server
JP2018010636A (en) * 2016-07-13 2018-01-18 株式会社日立製作所 Equipment control based on failure determination
JP2018073363A (en) * 2016-11-04 2018-05-10 株式会社日立製作所 Vehicle operation data acquisition apparatus, vehicle operation data acquisition system, and vehicle operation data acquisition method
KR20180067274A (en) * 2016-12-12 2018-06-20 현대자동차주식회사 Server and method for providing management information of vehicle
KR20190070509A (en) * 2017-12-13 2019-06-21 현대오트론 주식회사 Engine torque estimation method of 48V mild hybrid vehicle
JP2019196036A (en) * 2018-05-07 2019-11-14 トヨタ自動車株式会社 Diagnostic apparatus, diagnostic system, and diagnostic method
JP2020021292A (en) * 2018-08-01 2020-02-06 ルネサスエレクトロニクス株式会社 Information processing device, information processing system, and program
WO2020090285A1 (en) * 2018-10-31 2020-05-07 日本電気株式会社 Communication device, communication control method, and non-transitory computer readable medium
JP2020083138A (en) * 2018-11-28 2020-06-04 株式会社デンソー Vehicle electronic control device and diagnostic system
JP2020142643A (en) * 2019-03-06 2020-09-10 株式会社デンソー Electronic control device and inspection system
JPWO2021111728A1 (en) * 2019-12-05 2021-06-10
WO2022200821A1 (en) * 2021-03-25 2022-09-29 日産自動車株式会社 Vehicle abnormality detection device and vehicle abnormality detection method
US11869284B2 (en) 2019-12-05 2024-01-09 Nec Corporation Failure diagnosis device, failure diagnosis system, failure diagnosis method, and failure diagnosis program
US12051288B2 (en) 2019-12-05 2024-07-30 Nec Corporation Fault sign detection device, fault sign detection system, fault sign method, and fault sign detection program

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9824512B2 (en) * 2016-02-05 2017-11-21 Ford Global Technologies, Llc Adjusting diagnostic tests based on collected vehicle data
CN108875240B (en) * 2018-06-29 2023-04-18 潍柴动力股份有限公司 Engine fault diagnosis method and device and electronic equipment
US11113906B2 (en) 2018-12-10 2021-09-07 Gm Cruise Holdings Llc Predictive maintenance and diagnostics using modular condition monitoring

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001221715A (en) * 2000-02-08 2001-08-17 Nissan Diesel Motor Co Ltd Diagnostic apparatus for vehicle trouble
JP2004302675A (en) * 2003-03-28 2004-10-28 Mazda Motor Corp Remote failure diagnostic system
JP2010089760A (en) * 2008-10-10 2010-04-22 Honda Motor Co Ltd Creation of reference value for troubleshooting of vehicle
US20100217638A1 (en) * 2009-02-23 2010-08-26 Bae Systems Information And Electronic Systems Integration, Inc. In service support center and method of operation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001221715A (en) * 2000-02-08 2001-08-17 Nissan Diesel Motor Co Ltd Diagnostic apparatus for vehicle trouble
JP2004302675A (en) * 2003-03-28 2004-10-28 Mazda Motor Corp Remote failure diagnostic system
JP2010089760A (en) * 2008-10-10 2010-04-22 Honda Motor Co Ltd Creation of reference value for troubleshooting of vehicle
US20100217638A1 (en) * 2009-02-23 2010-08-26 Bae Systems Information And Electronic Systems Integration, Inc. In service support center and method of operation

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017187972A (en) * 2016-04-07 2017-10-12 株式会社日立製作所 Terminal monitoring method, server and state identification server
JP2018010636A (en) * 2016-07-13 2018-01-18 株式会社日立製作所 Equipment control based on failure determination
US10466142B2 (en) 2016-07-13 2019-11-05 Hitachi, Ltd. Equipment control based on failure determination
JP2018073363A (en) * 2016-11-04 2018-05-10 株式会社日立製作所 Vehicle operation data acquisition apparatus, vehicle operation data acquisition system, and vehicle operation data acquisition method
KR20180067274A (en) * 2016-12-12 2018-06-20 현대자동차주식회사 Server and method for providing management information of vehicle
KR102451876B1 (en) * 2016-12-12 2022-10-06 현대자동차 주식회사 Server and method for providing management information of vehicle
KR20190070509A (en) * 2017-12-13 2019-06-21 현대오트론 주식회사 Engine torque estimation method of 48V mild hybrid vehicle
KR102019836B1 (en) 2017-12-13 2019-11-04 현대오트론 주식회사 Engine torque estimation method of 48V mild hybrid vehicle
JP7028051B2 (en) 2018-05-07 2022-03-02 トヨタ自動車株式会社 Diagnostic equipment, diagnostic system, and diagnostic method
JP2019196036A (en) * 2018-05-07 2019-11-14 トヨタ自動車株式会社 Diagnostic apparatus, diagnostic system, and diagnostic method
JP7016302B2 (en) 2018-08-01 2022-02-04 ルネサスエレクトロニクス株式会社 Information processing equipment, information processing systems, and programs
JP2020021292A (en) * 2018-08-01 2020-02-06 ルネサスエレクトロニクス株式会社 Information processing device, information processing system, and program
WO2020090285A1 (en) * 2018-10-31 2020-05-07 日本電気株式会社 Communication device, communication control method, and non-transitory computer readable medium
JP2020083138A (en) * 2018-11-28 2020-06-04 株式会社デンソー Vehicle electronic control device and diagnostic system
JP7081462B2 (en) 2018-11-28 2022-06-07 株式会社デンソー Vehicle electronic control device and diagnostic system
JP7131437B2 (en) 2019-03-06 2022-09-06 株式会社デンソー Electronic controller and inspection system
JP2020142643A (en) * 2019-03-06 2020-09-10 株式会社デンソー Electronic control device and inspection system
JPWO2021111728A1 (en) * 2019-12-05 2021-06-10
WO2021111728A1 (en) * 2019-12-05 2021-06-10 日本電気株式会社 Failure symptom detection device, failure symptom detection system, failure symptom detection method, and failure symptom detection program
US11869284B2 (en) 2019-12-05 2024-01-09 Nec Corporation Failure diagnosis device, failure diagnosis system, failure diagnosis method, and failure diagnosis program
US12051288B2 (en) 2019-12-05 2024-07-30 Nec Corporation Fault sign detection device, fault sign detection system, fault sign method, and fault sign detection program
WO2022200821A1 (en) * 2021-03-25 2022-09-29 日産自動車株式会社 Vehicle abnormality detection device and vehicle abnormality detection method
JP7468778B2 (en) 2021-03-25 2024-04-16 日産自動車株式会社 Vehicle abnormality detection device and vehicle abnormality detection method

Also Published As

Publication number Publication date
DE102015203213A1 (en) 2015-08-27
JP6135545B2 (en) 2017-05-31

Similar Documents

Publication Publication Date Title
JP6135545B2 (en) Correction value generation device, failure diagnosis device, correction value generation program, and failure diagnosis program
CN109844666B (en) System and method for in-vehicle predictive fault detection
CN109313104B (en) Machine monitoring
CN108629231B (en) Obstacle detection method, apparatus, device and storage medium
CN109543245B (en) Unmanned vehicle response capability boundary information determining method and device and electronic equipment
JP7200897B2 (en) Occupancy grid map generation device, occupation grid map generation system, occupation grid map generation method, and program
JP2019179395A (en) Abnormality detection system, support device and abnormality detection method
JP2019159902A (en) Abnormality detection system, support device and model generation method
CN110830547A (en) Unmanned information storage method and device based on block chain storage certificate
CN104750964A (en) Vehicle state determining method and vehicle state determining device
JP6654711B2 (en) Analysis of telematics data within a heterogeneous vehicle population
JP2015521767A (en) Method for depicting the periphery of a vehicle
CN107422715B (en) System and device for storing information
US10475257B2 (en) Vehicle telematics compatibility
CN111694917A (en) Vehicle abnormal track detection and model training method and device
US20210033706A1 (en) Methods and systems for automatically labeling point cloud data
KR20220110071A (en) Method for calculating operation acres of agricultural machinery, and electronic device using the same
US10404565B2 (en) Simulation latency indication
CN111947669A (en) Method for using feature-based positioning maps for vehicles
US12008784B2 (en) Systems and methods for image-based electrical connector assembly detection
CN114379570A (en) Automatic detection of vehicle data manipulation and mechanical failure
JP7475023B2 (en) MOBILE BODY EVALUATION DEVICE, MOBILE BODY EVALUATION METHOD, AND PROGRAM
CN109544648B (en) Calibration method and device
CN115393816A (en) Lane line generation method, lane line generation device, computer device, and storage medium
US11922739B2 (en) Technology for capturing and analyzing sensor data to dynamically facilitate vehicle operation feedback

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160622

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170309

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170328

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170410

R151 Written notification of patent or utility model registration

Ref document number: 6135545

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250