[發明專利]一種基于云的車輛故障診斷方法、裝置及其系統

有效

• 申請號: 201710025101.8
• 申請日: 2017-01-13
• 公開（公告）號: CN108303264B
• 公開（公告）日: 2020-03-20
• 發明（設計）人: 劉真通;張永生;張偉
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G01M17/007
• 分類號: G01M17/007;G06F16/22;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于云的車輛故障診斷方法，其特征在于，包括：

接收車輛上傳的監測數據,所述監測數據為所述車輛監測到的零部件或功能系統的工作狀態數據，所述功能系統為多個部件組成的用于實現一定功能的整體；

從所述監測數據中提取所述監測數據的特征向量,所述特征向量為表征所述監測數據的一組數；

以所述監測數據所來自的所述車輛的零部件或功能系統為標簽，將所述監測數據的特征向量分類存儲；

基于支持向量機算法，對分類存儲的所述特征向量并行地進行故障診斷。

2.如權利要求1所述的方法，其特征在于，在所述從所述監測數據中提取所述監測數據的特征向量之前，還包括：

將所述監測數據進行解析，得到解析后的監測數據；

以所述監測數據所來自的所述車輛的零部件或功能系統為標簽，將所述解析后的監測數據分類存儲；其中，針對所述解析后的監測數據的分類存儲的標簽與針對所述特征向量的分類存儲的標簽相對應；

所述從所述監測數據中提取所述監測數據的特征向量具體包括：

從所述解析后的監測數據中提取所述解析后的監測數據的特征向量。

3.如權利要求1或2所述的方法，其特征在于，所述基于支持向量機算法，對分類存儲的所述特征向量并行地進行故障診斷包括：

基于決策導向無環圖DDAG構造故障分類器，對分類存儲的所述特征向量并行地計算診斷結果，所述診斷結果至少包括故障發生的位置。

4.如權利要求1所述的方法，其特征在于，所述從所述監測數據中提取所述監測數據的特征向量包括：

通過小波包分解從所述監測數據中提取所述監測數據的特征向量。

5.如權利要求4所述的方法，其特征在于，在所述以所述監測數據所來自的所述車輛的零部件或功能系統為標簽,將所述監測數據的特征向量分類存儲之前，還包括：

通過核主元分析對所述特征向量進行降維處理，得到降維處理后的特征向量；

所述以所述監測數據所來自的所述車輛的零部件或功能系統為標簽,將所述監測數據的特征向量分類存儲具體包括：

以所述監測數據所來自的所述車輛的零部件或功能系統為標簽,將所述降維處理后的特征向量分類存儲；

所述基于支持向量機算法，對分類存儲的所述特征向量并行地進行故障診斷具體包括：

基于支持向量機算法，對分類存儲的所述降維處理后特征向量并行地進行故障診斷。

6.如權利要求3所述的方法，其特征在于，還包括：

判定所述診斷結果所指示故障的嚴重等級，所述嚴重等級劃分為：嚴重故障、中等故障、一般故障。

7.如權利要求6所述的方法，其特征在于，在所述判定所述診斷結果所指示故障的嚴重等級之后，還包括：

如果所述嚴重等級為嚴重故障，則向所述車輛發送危險警示信號，所述危險警示信號用于提示所述車輛正在發生危及車輛正常行駛的嚴重故障。

8.一種基于云的車輛故障診斷裝置，其特征在于，包括：監測數據接收模塊、數據預處理模塊、特征數據庫、故障診斷模塊；

所述監測數據接收模塊用于接收車輛上傳的監測數據,所述監測數據為所述車輛監測到的零部件或功能系統的工作狀態數據，所述功能系統為多個部件組成的用于實現一定功能的整體；

所述數據預處理模塊用于從所述監測數據接收模塊接收到的監測數據中提取所述監測數據的特征向量,所述特征向量為表征所述監測數據的一組數；

所述特征數據庫用于以所述監測數據所來自的所述車輛的零部件或功能系統為標簽，將所述數據預處理模塊提取的特征向量分類存儲；

所述故障診斷模塊用于基于支持向量機算法，對所述特征數據庫分類存儲的所述特征向量并行地進行故障診斷。