JP7494709B2 - 故障予見診断装置及び故障予見診断方法 - Google Patents
故障予見診断装置及び故障予見診断方法 Download PDFInfo
- Publication number
- JP7494709B2 JP7494709B2 JP2020193596A JP2020193596A JP7494709B2 JP 7494709 B2 JP7494709 B2 JP 7494709B2 JP 2020193596 A JP2020193596 A JP 2020193596A JP 2020193596 A JP2020193596 A JP 2020193596A JP 7494709 B2 JP7494709 B2 JP 7494709B2
- Authority
- JP
- Japan
- Prior art keywords
- failure
- occurrence rate
- failure occurrence
- change trend
- target vehicle
- 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.)
- Active
Links
- 238000003745 diagnosis Methods 0.000 title claims description 69
- 238000000034 method Methods 0.000 title claims description 21
- 230000008859 change Effects 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 230000007257 malfunction Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Description
本発明は、故障診断が行われた対象車両に故障が発生する可能性があるか否かを予め診断する故障予見診断装置及びその方法に関する。
従来では、車両状態を定期的に取得して故障部品の予想や制御のレベルアップに生かすことのできる車両状態診断装置として、特許文献1が開示されている。特許文献1に開示された車両状態診断装置では、センサにより車両の状態を表す情報を所定期間毎に検出して車両外部のセンターに送信し、センターでは車両情報の経時変化状態等のデータを統計的に取得して解析処理を行うことで問題箇所を早期に発見していた。
しかしながら、上述した従来の車両状態診断装置では、故障発生率の増加が小さい場合には、検出されるデータにばらつきがあるので、故障の発生を予見することができず、故障の発生を未然に検知することができないという問題点があった。
そこで、本発明は上記実情に鑑みて提案されたものであり、故障発生率の増加が小さい場合であっても、故障の発生を予見して故障の発生を未然に検知することのできる故障予見診断装置及びその方法を提供することを目的とする。
上述した課題を解決するために、本発明の一態様に係る故障予見診断装置及びその方法は、対象車両から出力された故障コードを取得し、対象車両の数と故障コードを出力した対象車両の数とに基づいて所定期間毎に故障発生率を算出する。そして、現在の故障発生率と所定期間前の故障発生率との変化を算出し、故障発生率の変化が所定値以下の場合には、故障発生率の直近の変化傾向と故障発生率の過去の変化傾向とを比較して対象車両に故障が発生する可能性があるか否かを診断する。
本発明によれば、故障発生率の増加が小さい場合であっても、故障の発生を予見して故障の発生を未然に検知することができる。
以下、本発明を適用した実施形態について図面を参照して説明する。図面の記載において同一部分には同一符号を付して詳細な説明は省略する。
[故障予見診断システムの構成]
図1は、本実施形態に係る故障予見診断システムの構成を示すブロック図である。図1に示すように、本実施形態に係る故障予見診断システム1は、サーバ3と、整備工場に設置された端末5と、ディーラーに設置された端末7と、故障予見診断装置9とから構成され、それぞれ無線又は有線のネットワークで接続されている。
図1は、本実施形態に係る故障予見診断システムの構成を示すブロック図である。図1に示すように、本実施形態に係る故障予見診断システム1は、サーバ3と、整備工場に設置された端末5と、ディーラーに設置された端末7と、故障予見診断装置9とから構成され、それぞれ無線又は有線のネットワークで接続されている。
サーバ3は、整備工場やディーラーに設置された端末5、7から故障コード(DTC:Diagnostic Trouble Code)を受信して蓄積する。車両のエンジンやトランスミッションなどのECU(Electronic Control Unit)の内部には、車載式故障診断装置(OBD:On-Board Diagnostics)が搭載されている。故障コードとは、この車載式故障診断装置によって故障診断を行った結果、不具合が生じていると判定された場合にECUに保存されるコードである。整備工場やディーラーでは、故障コードを読み取るためのスキャンツールを車両の診断器用コネクタに接続し、ECUと通信して故障コードを読み取っている。そして、読み取られた故障コードは、端末5、7からサーバ3に送信される。
故障予見診断装置9は、故障診断が行われた対象車両に故障が発生する可能性があるか否かを予め診断する故障予見診断処理を実行しており、通信部11と、コントローラ13と、記憶部15を備えている。
通信部11は、ネットワークを介してサーバ3との間で故障予見診断処理に必要なデータを送受信している。特に、通信部11は、サーバ3に蓄積されている故障コードのデータを取得して、記憶部15に記憶する。
コントローラ13は、故障予見診断処理を実行する。具体的に、コントローラ13は、通信部11を介して対象車両から出力された故障コードを取得し、対象車両の数と故障コードを出力した対象車両の数とに基づいて、所定期間毎に故障発生率を算出する。そして、算出された故障発生率から、現在の故障発生率と所定期間前の故障発生率との変化を算出して記憶部15に記憶し、故障発生率の変化が所定値以下の場合には、故障発生率の直近の変化傾向と、故障発生率の過去の変化傾向とを算出する。この結果、コントローラ13は、算出した故障発生率の直近の変化傾向と故障発生率の過去の変化傾向とを比較して、対象車両に故障が発生する可能性があるか否かを診断する。これにより、コントローラ13は、故障の数が増大することを未然に検知することできる。
ここで、コントローラ13は、故障発生率の変化として、現在の故障発生率と所定期間前の故障発生率との差分を算出する。例えば、今月の故障発生率と前月の故障発生率との差分を算出する。ただし、故障発生率の変化を示すことのできる数値であれば、差分に限定する必要はなく、変化率などの他の数値を用いてもよい。
また、コントローラ13は、故障発生率の直近の変化傾向として、直近の変化傾向を示す直線を算出し、故障発生率の過去の変化傾向として、過去の変化傾向を示す直線を算出する。例えば、7月~12月の故障発生率の変化傾向を示す直線を、直近の変化傾向を示す直線として算出し、1月~6月の故障発生率の変化傾向を示す直線を、過去の変化傾向を示す直線として算出する。
そして、コントローラ13は、算出した直近の変化傾向を示す直線と過去の変化傾向を示す直線とを比較し、これらの直線が交差する交点における交差角度が所定値以上である場合に、対象車両に故障が発生する可能性があると診断する。この結果、コントローラ13は、故障の数が増大する可能性があると予見する。
尚、コントローラ13は、マイクロコンピュータ、マイクロプロセッサ、CPUを含む汎用の電子回路とメモリ等の周辺機器から構成され、故障予見診断装置9として機能するためのコンピュータプログラムがインストールされている。コントローラ13の各機能は、1または複数の処理回路によって実装することができる。処理回路は、例えば電気回路を含む処理装置等のプログラムされた処理装置を含み、また実施形態に記載された機能を実行するようにアレンジされた特定用途向け集積回路(ASIC)や従来型の回路部品のような装置も含んでいる。
記憶部15は、故障予見診断処理に必要なデータを記憶している。例えば、通信部11が取得した故障コードやコントローラ13で算出された故障発生率、故障発生率の差分、故障発生率の変化傾向を示す直線などを記憶している。尚、記憶部15に記憶されている故障コードのデータは、一定期間毎にリセットされる。例えば、1年ごとにリセットすればよい。これにより、季節性のある故障による影響を除いて、故障が発生する可能性を診断できるので、より正確に故障が発生する可能性を診断することができる。その結果、故障の増大を予見することができる。
[故障予見診断処理]
次に、本実施形態に係る故障予見診断装置9によって実行される故障予見診断処理を説明する。図2は、本実施形態に係る故障予見診断装置9による故障予見診断処理の処理手順を示すフローチャートである。図2に示すように、ステップS10において、コントローラ13は、対象車両から出力された故障コードを取得する。故障コードは、通信部11によってサーバ3から取得され、記憶部15に記憶されているので、コントローラ13は、記憶部15から故障コードを取得する。
次に、本実施形態に係る故障予見診断装置9によって実行される故障予見診断処理を説明する。図2は、本実施形態に係る故障予見診断装置9による故障予見診断処理の処理手順を示すフローチャートである。図2に示すように、ステップS10において、コントローラ13は、対象車両から出力された故障コードを取得する。故障コードは、通信部11によってサーバ3から取得され、記憶部15に記憶されているので、コントローラ13は、記憶部15から故障コードを取得する。
ステップS20において、コントローラ13は、所定期間毎に故障発生率を算出する。故障発生率は、整備工場やディーラーで故障コードの読み取りが行われて故障診断の対象となった車両全体の数に対し、実際に故障が発生して故障コードを出力した車両の数の割合である。したがって、故障発生率は、以下の式(1)で表すことができる。
故障発生率=(故障コードを出力した対象車両の数)/(故障診断の対象となった車両の数)・・・(1)
故障発生率=(故障コードを出力した対象車両の数)/(故障診断の対象となった車両の数)・・・(1)
尚、コントローラ13は、通常は1カ月毎に故障発生率を算出しているが、故障コードのデータ量に応じて故障発生率を算出する期間を変更してもよい。例えば、故障コードのデータ量が多い場合には、故障発生率を算出する期間を短くして2週間毎や毎週算出するようにしてもよい。逆に、故障コードのデータ量が少ない場合には、故障発生率を算出する期間を長くして2カ月毎や3カ月毎に算出するようにしてもよい。また、故障発生率は、故障コード毎に算出してもよいし、ECU毎に算出するようにしてもよい。こうして算出された故障発生率は、記憶部15に記憶される。
ステップS30において、コントローラ13は、現在の故障発生率と所定期間前の故障発生率との差分を算出する。例えば、今月の故障発生率と前月の故障発生率との差分を算出する。こうして算出された故障発生率の差分は、記憶部15に記憶される。
ステップS40において、コントローラ13は、故障発生率の差分が所定値以下であるか否かを判定する。本実施形態に係る故障予見診断装置9の課題は、故障発生率の増加が小さい場合であっても、故障の増大が発生する可能性を正確に診断して故障の発生を未然に検知できるようにすることである。そのため、故障発生率の増加が小さいデータ、すなわち故障発生率の差分が所定値以下となるデータを対象として、ステップS50以下の処理を実行する。そこで、故障発生率の差分が所定値以下である場合にはステップS50に進み、故障発生率の差分が所定値以下ではない場合には本実施形態に係る故障予見診断処理は終了する。尚、故障発生率の差分が所定値以下ではない場合には、故障予見診断処理が終了すると、従来から行われている故障が発生する可能性を診断する処理が実行される。
ここで、図3を参照して、故障発生率の差分が所定値以下となるデータを対象として、故障予見診断処理を行う理由を説明する。図3は、毎月1万件以上取得される故障コードから故障発生率の差分を月毎に集計したものであり、その結果は、正規分布曲線で表すことができる。
図3に示す正規分布曲線において、+1σ以上で+2σより小さい領域Aは、故障発生率の差分が1%より小さい領域である。この領域は、故障発生率の差分が小さいので、前月から今月の故障発生率の増加が小さい領域である。
一方、+2σ以上の領域Bは、故障発生率の差分が1%以上の領域で、故障発生率の増加が大きく、件数が少ないので、従来から故障の増大が発生する可能性を診断する処理が行われていた。
しかし、故障発生率の増加が小さい領域Aでは、件数が数千件になり、検出されるデータにばらつきがあるので、故障が発生する可能性を正確に診断することは困難であった。そこで、本実施形態では、領域Aのような故障発生率の差分が所定値以下(図3では1%以下)となり、故障発生率の増加が小さい領域であっても、ステップS50以下の処理を行うことにより、故障の増大が発生する可能性を正確に診断できるようにしている。
ステップS50において、コントローラ13は、故障発生率の直近の変化傾向と、故障発生率の過去の変化傾向とを算出する。具体的に、本実施形態では、故障発生率の直近の変化傾向として、直近の変化傾向を示す直線を算出し、故障発生率の過去の変化傾向として、過去の変化傾向を示す直線を算出する。
例えば、図4は、1年間の故障発生率の変化を示した図である。図4において、直近の6カ月間(2017年3月~2017年8月)の故障発生率の変化傾向として、直線Xを算出する。一方、過去の6カ月間(2016年9月~2017年2月)の故障発生率の変化傾向として、直線Yを算出する。直線X、Yの算出方法としては、回帰分析を行って、最小二乗法により回帰直線を推定すればよい。
ステップS60において、コントローラ13は、故障発生率の直近の変化傾向と、故障発生率の過去の変化傾向とを比較して、対象車両に故障が発生する可能性があるか否かを診断する。具体的に、本実施形態では、図4に示すように、直近の変化傾向を示す直線Xと過去の変化傾向を示す直線Yが交差する交点において、交差角度θが所定値以上である場合に、対象車両に故障が発生する可能性があると診断する。これにより、故障の数が増大する可能性があると予見する。尚、所定値は、予め実験やシミュレーションによって、故障が発生する可能性があると考えられる角度に設定しておけばよい。
図4では、過去の変化傾向を示す直線Yが一定であるのに対して、直近の変化傾向を示す直線Xが上昇しているので、直近の6か月間で故障の発生が増加傾向であることが分かる。そこで、コントローラ13は、対象車両に故障の増大が発生する可能性があると予め診断して予見することができる。さらに、直線X、Yの統計値が少ない場合や故障が発生する可能性があると診断された場合には、故障発生率を算出する期間を短くして、対象車両に故障が発生する可能性があるか否かを再度診断するようにしてもよい。例えば、故障発生率を算出する期間を1カ月毎から2週間毎に短くして、再度故障が発生する可能性があるか否かを診断する。
一方、交差角度θが所定値未満である場合には、コントローラ13は、対象車両に故障が発生する可能性はないと診断する。これにより、故障の数が増大する可能性はないと予見する。尚、故障が発生する可能性があるか否かの診断は、故障コードの種類毎に行ってもよいし、対象車両に搭載されたECU毎に行ってもよい。こうして、故障が発生する可能性が診断されると、コントローラ13は診断結果を出力して、本実施形態に係る故障予見診断処理を終了する。
[実施形態の効果]
以上、詳細に説明したように、本実施形態に係る故障予見診断装置9では、対象車両から出力された故障コードを取得して所定期間毎に故障発生率を算出し、現在の故障発生率と所定期間前の故障発生率との変化を算出する。そして、故障発生率の変化が所定値以下の場合には、故障発生率の直近の変化傾向と、故障発生率の過去の変化傾向とを比較して、対象車両に故障が発生する可能性があるか否かを診断する。これにより、故障発生率の増加が小さい場合であっても、故障発生率の直近の変化傾向と過去の変化傾向とを比較して故障の発生を正確に予見して、故障の数が増大することを未然に検知することができる。
以上、詳細に説明したように、本実施形態に係る故障予見診断装置9では、対象車両から出力された故障コードを取得して所定期間毎に故障発生率を算出し、現在の故障発生率と所定期間前の故障発生率との変化を算出する。そして、故障発生率の変化が所定値以下の場合には、故障発生率の直近の変化傾向と、故障発生率の過去の変化傾向とを比較して、対象車両に故障が発生する可能性があるか否かを診断する。これにより、故障発生率の増加が小さい場合であっても、故障発生率の直近の変化傾向と過去の変化傾向とを比較して故障の発生を正確に予見して、故障の数が増大することを未然に検知することができる。
また、本実施形態に係る故障予見診断装置9では、故障発生率の変化として、現在の故障発生率と所定期間前の故障発生率との差分を算出する。これにより、故障発生率の増加を確実に検出できるので、故障の発生を正確に予見して、故障の数が増大することを未然に検知することができる。
さらに、本実施形態に係る故障予見診断装置9では、故障発生率の直近の変化傾向として、直近の変化傾向を示す直線を算出し、故障発生率の過去の変化傾向として、過去の変化傾向を示す直線を算出する。そして、直近の変化傾向を示す直線と過去の変化傾向を示す直線が交差する交差角度が所定値以上である場合に、対象車両に故障が発生する可能性があると診断する。これにより、故障発生率の増加が小さい場合であっても、故障発生率の直近の変化傾向を示す直線と過去の変化傾向を示す直線とを比較して故障が発生することを正確に予見して、故障の数が増大することを未然に検知することができる。
また、本実施形態に係る故障予見診断装置9では、故障コードの種類毎に対象車両に故障が発生する可能性があるか否かを診断する。これにより、故障の種類毎に故障が発生する可能性を診断できるので、どのような故障が増大するかを未然に検知することができる。
さらに、本実施形態に係る故障予見診断装置9では、対象車両に搭載されたECU毎に対象車両に故障が発生する可能性があるか否かを診断する。これにより、ECU毎に故障が発生する可能性を診断できるので、どのECUで故障が増大するかを未然に検知することができる。
また、本実施形態に係る故障予見診断装置9では、故障コードのデータ量に応じて、故障発生率を算出する期間を変更する。これにより、データ量に応じて適切な期間を設定して故障発生率を算出できるので、より正確に故障が増大することを予見することができる。
さらに、本実施形態に係る故障予見診断装置9では、故障コードのデータを一定期間毎にリセットする。これにより、季節性のある故障による影響を除いて故障が発生する可能性を診断できるので、より正確に故障が増大することを予見することができる。
また、本実施形態に係る故障予見診断装置9では、対象車両に故障が発生する可能性があると診断された場合には、故障発生率を算出する期間を短くして、対象車両に故障が発生する可能性があるか否かを再度診断する。これにより、故障が発生する可能性があると診断された場合に、より短い期間で再度故障の可能性を診断するので、より正確に故障が増大することを予見することができる。
なお、上述の実施形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施形態以外の形態であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計などに応じて種々の変更が可能であることは勿論である。
1 故障予見診断システム
3 サーバ
5、7 端末
9 故障予見診断装置
11 通信部
13 コントローラ
15 記憶部
3 サーバ
5、7 端末
9 故障予見診断装置
11 通信部
13 コントローラ
15 記憶部
Claims (9)
- 故障診断が行われた対象車両に故障が発生する可能性があるか否かを予め診断する故障予見診断装置であって、
前記対象車両に故障が発生する可能性があるか否かを診断する故障予見診断処理を実行するコントローラと、
前記故障予見診断処理に必要なデータを送受信する通信部と、
前記故障予見診断処理に必要なデータを記憶する記憶部とを備え、
前記コントローラは、
前記通信部を介して前記対象車両から出力された故障コードを取得し、
前記対象車両の数と前記故障コードを出力した対象車両の数とに基づいて、所定期間毎に故障発生率を算出し、
算出された前記故障発生率から、現在の故障発生率と所定期間前の故障発生率との変化を算出して前記記憶部に記憶し、
前記故障発生率の変化が所定値以下の場合には、前記故障発生率の直近の変化傾向と前記故障発生率の過去の変化傾向とを算出し、
前記故障発生率の直近の変化傾向と前記故障発生率の過去の変化傾向とを比較して、前記対象車両に故障が発生する可能性があるか否かを診断することを特徴とする故障予見診断装置。 - 前記故障発生率の変化は、現在の故障発生率と所定期間前の故障発生率との差分であることを特徴とする請求項1に記載の故障予見診断装置。
- 前記故障発生率の直近の変化傾向として、直近の変化傾向を示す直線を算出し、前記故障発生率の過去の変化傾向として、過去の変化傾向を示す直線を算出し、
前記直近の変化傾向を示す直線と前記過去の変化傾向を示す直線が交差する交差角度が所定値以上である場合に、前記対象車両に故障が発生する可能性があると診断することを特徴とする請求項1または2に記載の故障予見診断装置。 - 前記故障コードの種類毎に前記対象車両に故障が発生する可能性があるか否かを診断することを特徴とする請求項1~3のいずれか1項に記載の故障予見診断装置。
- 前記対象車両に搭載されたECU毎に前記対象車両に故障が発生する可能性があるか否かを診断することを特徴とする請求項1~3のいずれか1項に記載の故障予見診断装置。
- 前記故障コードのデータ量に応じて、前記故障発生率を算出する期間を変更することを特徴とする請求項1~5のいずれか1項に記載の故障予見診断装置。
- 前記故障コードのデータを一定期間毎にリセットすることを特徴とする請求項1~6のいずれか1項に記載の故障予見診断装置。
- 前記対象車両に故障が発生する可能性があると診断された場合には、前記故障発生率を算出する期間を短くして、前記対象車両に故障が発生する可能性があるか否かを再度診断することを特徴とする請求項1~7のいずれか1項に記載の故障予見診断装置。
- 故障診断が行われた対象車両に故障が発生する可能性があるか否かを予め診断する故障予見診断装置の故障予見診断方法であって、
前記対象車両から出力された故障コードを取得し、
前記対象車両の数と前記故障コードを出力した対象車両の数とに基づいて、所定期間毎に故障発生率を算出し、
算出された前記故障発生率から、現在の故障発生率と所定期間前の故障発生率との変化を算出して記憶し、
前記故障発生率の変化が所定値以下の場合には、前記故障発生率の直近の変化傾向と前記故障発生率の過去の変化傾向とを算出し、
前記故障発生率の直近の変化傾向と前記故障発生率の過去の変化傾向とを比較して、前記対象車両に故障が発生する可能性があるか否かを診断することを特徴とする故障予見診断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020193596A JP7494709B2 (ja) | 2020-11-20 | 2020-11-20 | 故障予見診断装置及び故障予見診断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020193596A JP7494709B2 (ja) | 2020-11-20 | 2020-11-20 | 故障予見診断装置及び故障予見診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022082184A JP2022082184A (ja) | 2022-06-01 |
JP7494709B2 true JP7494709B2 (ja) | 2024-06-04 |
Family
ID=81801931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020193596A Active JP7494709B2 (ja) | 2020-11-20 | 2020-11-20 | 故障予見診断装置及び故障予見診断方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7494709B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006053016A (ja) | 2004-08-11 | 2006-02-23 | Hitachi Ltd | 車両故障診断装置および車載端末 |
JP2009193486A (ja) | 2008-02-18 | 2009-08-27 | Fuji Xerox Co Ltd | 故障診断装置およびプログラム |
JP2011185727A (ja) | 2010-03-08 | 2011-09-22 | Fujitsu Ten Ltd | 車両診断システム、車両診断装置および車両診断方法 |
CN110610558A (zh) | 2019-09-16 | 2019-12-24 | 西南交通大学 | 一种高速动车组车轮状态分析***及其方法 |
-
2020
- 2020-11-20 JP JP2020193596A patent/JP7494709B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006053016A (ja) | 2004-08-11 | 2006-02-23 | Hitachi Ltd | 車両故障診断装置および車載端末 |
JP2009193486A (ja) | 2008-02-18 | 2009-08-27 | Fuji Xerox Co Ltd | 故障診断装置およびプログラム |
JP2011185727A (ja) | 2010-03-08 | 2011-09-22 | Fujitsu Ten Ltd | 車両診断システム、車両診断装置および車両診断方法 |
CN110610558A (zh) | 2019-09-16 | 2019-12-24 | 西南交通大学 | 一种高速动车组车轮状态分析***及其方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022082184A (ja) | 2022-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8301333B2 (en) | Event-driven fault diagnosis framework for automotive systems | |
US8463485B2 (en) | Process for service diagnostic and service procedures enhancement | |
KR101744226B1 (ko) | 진단 고장 정보를 제공하기 위한 시스템 및 방법 | |
US8498776B2 (en) | Fault diagnosis and prognosis using diagnostic trouble code markov chains | |
JP3780508B2 (ja) | 工作機械の異常診断装置、異常診断方法及び異常診断プログラム | |
RU2601141C2 (ru) | Система и способ для обеспечения диагностической информации о неисправностях | |
EP2482149B1 (en) | Electronic control unit | |
JP7494709B2 (ja) | 故障予見診断装置及び故障予見診断方法 | |
CN113359657B (zh) | Ecu诊断配置码校验方法及其***、电子控制单元 | |
US6473720B1 (en) | Method for monitoring product performance | |
US20110144853A1 (en) | Mining methodology to eliminate inappropriate setting of error conditions using operating parameters | |
JP2013175118A (ja) | 制御装置、及びそのメモリ故障検出方法、その自己診断方法 | |
US8225646B2 (en) | Throttle body sweep diagnostic system and method | |
KR20200124472A (ko) | 차량 고장 진단 장치, 그를 포함한 시스템 및 그 방법 | |
JP7223143B2 (ja) | 自動車の***品を診断する方法 | |
CN111267755B (zh) | 车载设备的状态标定方法、装置、终端及可读存储介质 | |
JP2001350735A (ja) | 複数データ処理装置間相互監視方法 | |
CN114063595A (zh) | 用于车辆诊断和监视的鲁棒性商 | |
CN114435266B (zh) | 一种油位传感器故障诊断方法和装置 | |
JP3040186B2 (ja) | 制御用ディジタルコントローラ | |
JPH05100890A (ja) | 制御装置信頼性診断システム | |
JP7514787B2 (ja) | 異常部位特定装置及び異常部位特定方法 | |
US20190128231A1 (en) | Idling stop control apparatus and failure diagnosis system | |
CN111078458B (zh) | 一种电子控制单元及其软件兼容性检测方法、装置和汽车 | |
JP2002327649A (ja) | 電子制御システムの故障診断装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230912 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240329 |
|
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: 20240423 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240506 |