【技術實現步驟摘要】
本專利技術涉及采用后端服務器進行車輛故障檢測的，具體地，涉及一種基于車聯網的車輛故障檢測系統。
技術介紹
1、車輛智能運維成為未來發展的重要方向，其中汽車行駛過程中故障檢測及預警對于整車質量保證具有重要意義。現有方法通常依賴于整車自身診斷進行故障檢測，對于潛在故障隱患無法有效處理，同時過分依賴自身診斷，將導致在自身診斷失效時無法正常進行故障預警。
2、現有技術中對汽車故障檢測方法包括：通過檢測裝置獲取待檢測模塊的信息并將檢測信息通過信號發生器傳遞到外部檢測設備，由外部設備判定是否工作異常；或者，通過制動燈開關、位置信息、制動踏板的位置信息、油門踏板的位置信息、主缸壓力信息等判斷車輛故障信息；又或者，基于改進的sf方法或隔離樹模型對所述車聯網平臺實時日志數據進行分塊及特征提取，得到多個數據塊及每個數據塊對應的超級特征；基于實時日志數據中各數據塊對應的超級特征與預先確定的特征進行比對，定位異常數據。但上述存在一定的技術缺陷，包括：對于潛在故障檢測不足，且其魯棒性不足；對于車輛潛在故障無法有效處理；基于車聯網平臺的故障檢測方法和系統中使用大數據的方式進行故障檢測，但是忽視了車輛自身故障檢測結果，可解釋性不足。
技術實現思路
1、為解決上述問題的至少一個方面，本專利技術提供一種基于車聯網的車輛故障檢測系統，包括：被動故障信號采集單元，所述被動故障信號采集單元用于采集整車自身診斷信號；主動故障信息采集單元，所述主動故障信息采集單元用于采集車輛運行信息，所述車輛運行信息包括速度、加
2、優選地，所述預設故障率評估模型采用分了機器學習算法基于車輛故障訓練集進行訓練得到，所述車輛故障訓練集包括多個車輛故障類別及其對應的車輛運行信息。
3、優選地，所述預設故障率評估模型包括特征值提取層、融合特征值層和概率輸出層，所述特征值提取層包括多個特征值模型，多個特征值模型采用lstm模型，多個特征值模型分別基于車輛運行信息提取單項特征值，所述融合特征值層采用lstm模型用于基于多個單項特征值提取故障特征值，所述概率輸出層采用softmax激活函數基于故障特征值輸出故障類別。
4、優選地，所述lstm模型訓練采用交叉熵作為損失函數，所述損失函數l為：其中，m為樣本個數，yi為表示樣本i的標簽，為pi樣本i檢測為故障的概率。
5、優選地，所述后端服務器還包括數據轉換單元，所述數據轉換單元基于接收的所述車輛運行信息進行frenet坐標系轉化。
6、優選地，所述后端服務器還包括有效狀態評估單元，所述有效狀態評估單元用于根據所述整車自身診斷信號評估被動故障信號采集單元有效狀態，所述有效狀態評估單元包括診斷閾值，當所述整車自身診斷信號屬于所述診斷閾值對應的區間時，所述有效狀態評估單元輸出被動故障檢測單元有效，當所述整車自身診斷信號不屬于所述診斷閾值對應的區間時，所述有效狀態評估單元輸出被動故障檢測單元失效。
7、優選地，所述后端服務器與所述被動故障信號采集單元心跳連接。
8、優選地，所述后端服務器與所述主動故障信息采集單元心跳連接。
9、本專利技術的實施例的基于車聯網的車輛故障檢測系統具有以下有益效果：通過車聯網采用被動故障檢測與主動故障檢測方式融合的方法實現車輛故障檢測及智能預警。其中被動故障信號采集單元實現車輛自身診斷信號的采集及自身模塊運行情況上報，主動故障信息采集單元采集車速、車輛加速度、車輛位置信息、車輛扭矩等信息并上報自身模塊運行情況。主動故障檢測通過監控整車運行情況實現故障檢測功能。后端服務器收集被動故障信號及主動故障信息，完成主動故障檢測并完成仲裁功能。仲裁單元承擔仲裁功能，運行于后端服務器上，可以降低車載處理器的算力負載；進行主動故障檢測，實現故障提前預警；采用仲裁單元，實現規則下的主動故障檢測，防止由主動故障檢測引起的誤報，提升預警功能可用性；采用車輛網將數據存儲于后端服務器上，便于車輛智能運維系統使用。
本文檔來自技高網...【技術保護點】
1.一種基于車聯網的車輛故障檢測系統，其特征在于，包括：
2.根據權利要求1所述的系統，其特征在于，所述預設故障率評估模型采用分了機器學習算法基于車輛故障訓練集進行訓練得到，所述車輛故障訓練集包括多個車輛故障類別及其對應的車輛運行信息。
3.根據權利要求1所述的系統，其特征在于，所述預設故障率評估模型包括特征值提取層、融合特征值層和概率輸出層，所述特征值提取層包括多個特征值模型，多個特征值模型采用LSTM模型，多個特征值模型分別基于車輛運行信息提取單項特征值，所述融合特征值層采用LSTM模型用于基于多個單項特征值提取故障特征值，所述概率輸出層采用Softmax激活函數基于故障特征值輸出故障類別。
4.根據權利要求3所述的系統，其特征在于，所述LSTM模型訓練采用交叉熵作為損失函數，所述損失函數L為：
5.根據權利要求4所述的系統，其特征在于，所述后端服務器還包括數據轉換單元，所述數據轉換單元基于接收的所述車輛運行信息進行Frenet坐標系轉化。
6.根據權利要求1所述的系統，其特征在于，所述后端服務器還包括有效狀態評估單
7.根據權利要求1所述的系統，其特征在于，所述后端服務器與所述被動故障信號采集單元心跳連接。
8.根據權利要求1所述的系統，其特征在于，所述后端服務器與所述主動故障信息采集單元心跳連接。
...【技術特征摘要】
1.一種基于車聯網的車輛故障檢測系統，其特征在于，包括：
2.根據權利要求1所述的系統，其特征在于，所述預設故障率評估模型采用分了機器學習算法基于車輛故障訓練集進行訓練得到，所述車輛故障訓練集包括多個車輛故障類別及其對應的車輛運行信息。
3.根據權利要求1所述的系統，其特征在于，所述預設故障率評估模型包括特征值提取層、融合特征值層和概率輸出層，所述特征值提取層包括多個特征值模型，多個特征值模型采用lstm模型，多個特征值模型分別基于車輛運行信息提取單項特征值，所述融合特征值層采用lstm模型用于基于多個單項特征值提取故障特征值，所述概率輸出層采用softmax激活函數基于故障特征值輸出故障類別。
4.根據權利要求3所述的系統，其特征在于，所述lstm模型訓練采用交叉熵作為損失函數，所述損失函數l為：
5....
【專利技術屬性】
技術研發人員：張國棟，李磊，孫巖，白洋，王春龍，
申請(專利權)人：一汽大眾汽車有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。