CN113126589A - 车载自诊断方法、车载智能系统及自诊断系统 - Google Patents
车载自诊断方法、车载智能系统及自诊断系统 Download PDFInfo
- Publication number
- CN113126589A CN113126589A CN201911421966.1A CN201911421966A CN113126589A CN 113126589 A CN113126589 A CN 113126589A CN 201911421966 A CN201911421966 A CN 201911421966A CN 113126589 A CN113126589 A CN 113126589A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fault
- information
- diagnosis
- intelligent system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004092 self-diagnosis Methods 0.000 title claims abstract description 38
- 238000003745 diagnosis Methods 0.000 claims abstract description 115
- 230000008439 repair process Effects 0.000 claims abstract description 34
- 238000001514 detection method Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000012790 confirmation Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000010365 information processing Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010705 motor oil Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本发明公开了一种车载自诊断方法，包括：车载智能系统向TBOX发送诊断指令以控制所述TBOX读取节点的故障信息；所述车载智能系统接收所述TBOX反馈的故障信息；所述车载智能系统根据所述故障信息查询诊断策略；当所述车载智能系统查询到诊断策略时，所述车载智能系统根据所述诊断策略对故障进行修复；当所述车载智能系统未查询到诊断策略时，所述车载智能系统将所述故障信息发送至云服务器以控制所述云服务器查询诊断策略，并根据所述云服务器反馈的诊断策略对故障进行修复。采用本发明，可有效地对故障进行排查、分析及确认，并通过人工智能大数据给出建议的解决方案、自主尝试修复故障，减少整车厂在售后的人力与资金投入，降低整车故障率。
Description
技术领域
本发明涉及汽车技术领域，尤其涉及一种车载自诊断方法、车载智能系统及车载自诊断系统。
背景技术
随着电子及计算机技术的飞速发展，汽车电子也迎来了巨大的变革。人工智能技术作为时下热门前沿技术，在娱乐、汽车、医疗等行业领域已被广泛应用。而在汽车行业，人工智能主要体现在娱乐及驾驶方面，而真正应用于汽车自诊断方面的成熟技术方案较少。
现有技术中，对于汽车零部件故障的检测与问题排查以及维修，通常都是由售后或者4S店专业人员通过诊断仪读取整车故障码以初步排查问题出在哪个节点，然后再通过诊断技术对该节点各项功能进行验证以确定问题所在，这无疑增加了售后相关工作人员的工作量，同时增加整车厂在售后的人力成本。
另外，就目前掌握的技术方案而言，大多数的方案采用诊断技术对故障进行分析从而确定问题所在，但未就问题给出维修建议或者通过自身系统尝试修复；与此同时，对车载零部件的可能出现故障或者使用寿命做出预估算，并未能真正体现人工智能的优势。
发明内容
本发明所要解决的技术问题在于，提供一种车载自诊断方法、车载智能系统及车载自诊断系统，可有效地对故障进行自主修复。
为了解决上述技术问题，本发明提供了一种车载自诊断方法，包括：车载智能系统向TBOX发送诊断指令以控制所述TBOX读取节点的故障信息；所述车载智能系统接收所述TBOX反馈的故障信息；所述车载智能系统根据所述故障信息查询诊断策略；当所述车载智能系统查询到诊断策略时，所述车载智能系统根据所述诊断策略对故障进行修复；当所述车载智能系统未查询到诊断策略时，所述车载智能系统将所述故障信息发送至云服务器以控制所述云服务器查询诊断策略，并根据所述云服务器反馈的诊断策略对故障进行修复。
作为上述方案的改进，所述诊断策略用于记录故障检测方法、故障确认方法及故障修复方法；车载智能系统根据诊断策略对故障进行修复时，先根据所述故障检测方法对故障进行检测，再根据所述故障确认方法及检测结果对故障进行确认，最后根据所述故障修复方法及确认结果尝试对故障进行修复。
作为上述方案的改进，所述车载自诊断方法还包括：所述车载智能系统及云服务器分别记录故障修复过程中的相关信息。
作为上述方案的改进，所述车载自诊断方法还包括：所述车载智能系统接收节点的实时状态信息；当所述实时状态信息与车载智能系统或云服务器所记录的故障修复过程中的任一相关信息匹配时，所述车载智能系统根据所述实时状态信息及相关信息分析所述节点是否存在故障；当所述车载智能系统分析到所述节点存在故障时，所述车载智能系统向TBOX发送诊断指令以控制所述TBOX读取所述节点的故障信息。
作为上述方案的改进，所述车载自诊断方法还包括：所述车载智能系统接收车辆的实时参数信息，所述实时参数信息包括节点使用时长信息或车辆行驶里程信息；当所述实时参数信息达到预设值时，所述车载智能系统根据所述实时参数信息预测出已达到使用寿命的节点，并向用户发送提示信息。
作为上述方案的改进，所述车载自诊断方法还包括：当故障无法修复时，所述车载智能系统将修复结果反馈至用户。
作为上述方案的改进，所述的车载自诊断方法还包括：当所述云服务器未查询到诊断策略时，所述云服务器将故障信息反馈至用户。
相应地，本发明还提供了一种车载智能系统，包括:诊断指令发送单元，用于向TBOX发送诊断指令以控制所述TBOX读取节点的故障信息；故障信息接收单元，用于接收所述TBOX反馈的故障信息；诊断策略查询单元，用于根据所述故障信息查询诊断策略；故障信息发送单元，用于将所述故障信息发送至云服务器以控制所述云服务器查询诊断策略；诊断策略执行单元，用于根据所述诊断策略对故障进行修复；
作为上述方案的改进，所述车载智能系统还包括:故障备案单元，用于记录故障修复过程中的相关信息；状态信息接收单元，用于接收节点的实时状态信息；故障分析单元，用于当所述实时状态信息与车载智能系统或云服务器所记录的故障修复过程中的任一相关信息匹配时，根据所述实时状态信息及相关信息分析所述节点是否存在故障；诊断指令驱动单元，用于当所述车载智能系统分析到所述节点存在故障时，驱动所述诊断指令发送单元。
作为上述方案的改进，所述车载智能系统还包括:参数信息接收单元，用于接收车辆的实时参数信息，所述实时参数信息包括节点使用时长信息或车辆行驶里程信息；寿命分析单元，用于当所述实时参数信息达到预设值时，根据所述实时参数信息预测出已达到使用寿命的节点，并向用户发送提示信息。
相应地，本发明还提供了一种车载自诊断系统，包括：上述车载智能系统；TBOX，用于根据诊断指令读取故障信息；云服务器，用于根据故障信息查询诊断策略。
实施本发明，具有如下有益效果：
本发明将车载智能系统、TBOX与云服务器相结合，通过车载智能系统及TBOX实现故障信息的获取，并通过云服务器提取诊断策略以使智能系统对故障进行修复。因此，本发明通过汽车零部件的自诊断模式，可有效地对故障进行排查、分析及确认，并通过人工智能大数据给出建议的解决方案、自主尝试修复故障，减少整车厂在售后的人力与资金投入，降低整车故障率。
附图说明
图1是本发明车载自诊断方法的第一实施例流程图；
图2是本发明车载自诊断方法的第二实施例流程图；
图3是本发明车载自诊断系统的结构示意图；
图4是本发明车载自诊断系统中车载智能系统的结构示意图；
图5是本发明车载自诊断系统中车载智能系统的另一结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
参见图1，图1显示了本发明车载自诊断方法的第一实施例流程图，其包括：
S101，车载智能系统向TBOX发送诊断指令以控制所述TBOX读取节点的故障信息。
需要说明的是，车载智能系统可主动或被动地向TBOX发送诊断指令。例如，主动方式为：主车载智能系统检测到电池电量过低时，可通过主动向TBOX发送诊断指令；又如，被动方式为：当用户发现部件异常时，用户可以通过语音方式或按键方式向智能系统发出检查故障的请求指令，然后，智能系统通过语音识别系统将语音信号转化为数字信号或将按键信号转化为数字信号，再根据数字信号生成诊断指令。
本发明中，车载智能系统与各节点(即整车各零部件)之间通过TBOX实现信息传输。车载智能系统生成诊断指令后，通过与TBOX之间的通信协议将诊断指令发送给TBOX，从而控制TBOX读取故障信息。其中，所述故障信息包括故障车型、故障节点及故障码。
例如，TBOX可通过诊断指令(如，0x19服务)读取当前存在的故障信息并发送至车载智能系统。
S102，车载智能系统接收TBOX反馈的故障信息。
S103，车载智能系统根据故障信息查询诊断策略。
S104，当车载智能系统查询到诊断策略时，车载智能系统根据所述诊断策略对故障进行修复。
S105，当车载智能系统未查询到诊断策略时，车载智能系统将故障信息发送至云服务器以控制云服务器查询诊断策略，并根据云服务器反馈的诊断策略对故障进行修复。
需要说明的是，所述诊断策略用于记录故障检测方法、故障确认方法及故障修复方法；车载智能系统根据诊断策略对故障进行修复时，先根据所述故障检测方法对故障进行检测，再根据所述故障确认方法及检测结果对故障进行确认，最后根据所述故障修复方法及确认结果尝试对故障进行修复。
例如，当出现某个故障码并不能通过某些诊断指令或者复位操作进行修复的，需要更新软件，这种情况车载智能系统就会从云服务器下载该节点最新版的软件，然后经用户允许后进行更新软件，从而解决某些故障码的问题。
又如，对于由诊断策略进行尝试性修复但未修复成功时，这时车载智能系统可能需要进一步分析，是否是由于某个节点硬件故障出现问题导致。比如说，当整车出现了与某个节点丢失通信的故障码时，这种情况有可能是某些节点软件故障，也有可能是那个节点硬件故障导致。对于这种工况，当对软件问题排除之后，则需要对硬件再进行排查。
因此，本发明通过车载智能系统及云服务器所积累的大数据信息可快速地检索诊断策略并对故障进行尝试性修复。
需要说明的是，所述云服务器由各大主机厂建立并维护，对于不同的车型，不同的节点，建立相应的故障码并根据故障码设计诊断策略。
例如，在云服务器数据库中存储有车型A26及车型A3K的所有节点(如，仪表ICM、倒车雷达RPA、盲区检测系统BSD等)的故障码及对应的诊断策略。当车载智能系统通过TBOX获取到整车的故障信息时，所述车载智能系统先查询自身存储的诊断策略，若查询到与故障信息匹配的诊断策略，则根据诊断策略对故障进行修复，若未查询到与故障信息匹配的诊断策略，则将所述故障信息发送至云服务器；云服务器接收所述故障信息后，可根据故障信息中所记载的故障车型、故障节点及故障码查询到唯一对应的诊断策略，并将诊断策略发送至对应的车载智能系统，再由车载智能系统根据诊断策略对故障进行修复。
另外，诊断过程中，车载智能系统可能同时获取到云服务器发送的多条诊断策略，当车载智能系统收到诊断策略后需分别执行诊断策略。其中，诊断策略可由技术人员设计或由车载智能系统通过自学习方式生成，针对不同的故障信息可采用不同的诊断策略。
例如，A诊断策略为：向故障节点发送检测报文并分析故障节点是否反馈报文，若故障节点没有发出反馈报文，一方面可以通过读取故障节点的电压等相关状态来判断故障节点是因为电压过低导致通信异常还是因为线束连接等原因造成的问题，一旦确认问题，车载智能系统将根据对应的修复策略并自主尝试修复，若故障需通过更新软件来解决，那么车载智能系统将下载故障节点的最新软件至本地并传至TBOX，再通过TBOX发送诊断指令进入故障节点的Bootloader，并更新故障节点从而解决问题。
又如，倒车雷达不工作，这种故障有可能是软件的原因导致，那么对于这种故障是可以通过更新软件的方法来修复的。
再如，倒车后视摄像头被遮挡，这种故障则是因为摄像头上被某些东西(污泥等)挡住了，那么车载智能系统可通过主机屏幕将解决方案告诉用户，用户可以自己处理，并反馈处理结果；对于无法解决的问题，则再提示到4S店进行专业的维修。
因此，车载智能系统在接收到诊断策略时，需先根据诊断策略分析要发送哪些报文去检测以及确认故障，以及根据各零部件对这些诊断报文的响应情况是否可以确定出现该故障的原因，或是根据这些响应报文数据进一步确认发送哪些报文来尝试修复。
进一步，当所述云服务器未查询到诊断策略时，所述云服务器将故障信息反馈至用户；同时，当故障无法修复时，所述车载智能系统将修复结果反馈至用户。
由上可知，本发明将车载智能系统、TBOX与云服务器相结合，实现了汽车零部件的自诊断模式，可有效地对故障进行排查、分析及确认，并通过人工智能大数据给出建议的解决方案、自主尝试修复故障，减少整车厂在售后的人力与资金投入，降低整车故障率。
参见图2，图2显示了本发明车载自诊断方法的第二实施例流程图，包括：
S201，车载智能系统向TBOX发送诊断指令以控制所述TBOX读取节点的故障信息。
S202，所述车载智能系统接收所述TBOX反馈的故障信息。
S203，所述车载智能系统根据所述故障信息查询诊断策略。
S204，当所述车载智能系统查询到诊断策略时，所述车载智能系统根据所述诊断策略对故障进行修复。
S205，当所述车载智能系统未查询到诊断策略时，所述车载智能系统将所述故障信息发送至云服务器以控制所述云服务器查询诊断策略，并根据所述云服务器反馈的诊断策略对故障进行修复。
S206，所述车载智能系统及云服务器分别记录故障修复过程中的相关信息
需要说明的是，对于曾经修复过的故障，所述车载智能系统及云服务器可分别记录故障修复过程中的相关信息，从而实现对故障的备案。
S207，所述车载智能系统接收节点的实时状态信息。
所述实时状态信息包括电流信息、电压信息、温度信息等，但不以此为限制。
S208，当所述实时状态信息与车载智能系统或云服务器所记录的故障修复过程中的任一相关信息匹配时，所述车载智能系统根据所述实时状态信息及相关信息分析所述节点是否存在故障。
S209，当所述车载智能系统分析到所述节点存在故障时，返回步骤S201。
当车载智能系统发现某些节点的实时状态信息与上次出现故障时的实时状态信息相同，则该节点可能会出现与上次一样的故障。因此，车载智能系统需根据异常的实时状态信息对故障进行预测分析，从而对节点可能出现的故障进行预判断。
因此，本发明通过诊断技术可实时获取各零部件的相关参数，实现对故障的预判及处理。
进一步，本发明车载自诊断方法还包括：所述车载智能系统接收车辆的实时参数信息；当所述实时参数信息达到预设值时，所述车载智能系统根据所述实时参数信息预测出已达到使用寿命的节点，并向用户发送提示信息。其中，所述实时参数信息包括节点使用时长信息或车辆行驶里程信息，但不以此为限制。
例如，当车载智能系统发现车辆行驶里程信息已达到预设值时，车载智能系统可提示用户进行车胎更换或机油更换等操作。因此，通过本发明可有效实现寿命的预测。
下面结合具体的实施例对本发明作进一步的详细说明：
车载智能系统控制TBOX通过诊断指令“0x19 02 09”读取到A26车型中仪表ICM(仪表ICM的物理地址ID＝0x72B)的故障码为“0xC12987(该故障码为与BCS节点丢失通信故障码)”。此时，车载智能系统将通过TBOX获取故障信息“A26(故障车型)、72B(故障节点)、C12987(故障码)”，当车载智能系统在本地未查询到诊断策略时将故障信息通过4G/5G通信技术发送至云服务器，云服务器收到故障信息后，按故障车型、故障节点及故障码进行检索，并且返回对应的诊断策略“0x72B.001:0x28 00 03；0x7AB.100.001:68 00 03[101.500＝0x264.0[…]].101[…]”，最后，车载智能系统根据所述诊断策略对故障进行处理。
诊断策略“0x72B.001:0x28 00 03；0x7AB.100.001:68 00 03[101.500＝0x264.0[…]].101[…]”为控制车载智能系统按照指令执行相关的动作的命令数据，其中，“0x72B”为地址；“001”为发送指令代码；“002”接收指令代码；“.”为命令分隔符；“100”为控制条件，类似于if；“101”为控制条件转折，类似于else；“500”为特殊指令，代指地址；“[]”为控制条件执行部分。
则上述诊断策略由车载智能系统解析为：以0x728(仪表ICM的物理地址)发送0x2800 03，如果地址0x7AB(仪表的响应地址)发送0x68 00 03(即0x28服务请求的肯定响应)，那么执行“[]”中的指令，即如果ID＝0x264该条报文不在线(其中数据代码0x264.0表示该报文不存在，而0x264.1表示该报文存在)，那么就执行该后续“[]”中的指令，直到确定该故障的原因为止。
因此，车载智能系统与云服务器通过上述诊断策略就能够实现对故障码的分析、故障检测、故障预测、故障确认以及对故障的修复功能。相应地，上述功能实现是建立在庞大的数据库的基础之上，而数据库的建立也是一点一点在实践中积累，这也正是人工车载智能系统的根本——以大数据为基础，通过神经网络深度学习以实现相关行为。
参见图3，图3显示了本发明车载自诊断系统的具体结构，其包括车载智能系统1、TBOX2及云服务器3；其中，车载智能系统1作为整个系统的“大脑”，负责进行复杂的计算、命令处理，支持无线联网，上传或下载文件、数据记录等；而TBOX2作为各节点(整车各零部件)的交互系统，可通过TBOX2发送和接收信息；云服务器3由各大主机厂建立并维护，对于不同的车型，不同的节点，建立相应的故障码并根据故障码设计诊断策略。
如图4所示，车载智能系统1包括:
诊断指令发送单元11，用于向TBOX2发送诊断指令以控制所述TBOX2读取节点的故障信息；
故障信息接收单元12，用于接收所述TBOX2反馈的故障信息；其中，所述故障信息包括故障车型、故障节点及故障码。
诊断策略查询单元13，用于根据所述故障信息查询诊断策略；
故障信息发送单元14，用于将所述故障信息发送至云服务器3以控制所述云服务器3查询诊断策略；
诊断策略执行单元15，用于根据所述诊断策略对故障进行修复。
因此，本发明通过设置于车上的车载智能系统1，以及与之连接的TBOX2实现本车诊断获得故障信息，可通过车载智能系统1查询出该故障信息对应的诊断策略或者将故障信息发送至云服务器3，云服务器3通过其积累的大数据信息对应查询出该故障信息对应的诊断策略，车载智能系统1再根据该诊断策略对故障进行修复。
如图5所示，所述的车载智能系统1还包括:
故障备案单元16，用于记录故障修复过程中的相关信息；
状态信息接收单元17，用于接收节点的实时状态信息；
故障分析单元18，用于当所述实时状态信息与车载智能系统或云服务器所记录的故障修复过程中的任一相关信息匹配时，根据所述实时状态信息及相关信息分析所述节点是否存在故障；
诊断指令驱动单元19，用于当所述车载智能系统分析到所述节点存在故障时，驱动所述诊断指令发送单元。
当车载智能系统发现某些节点的实时状态信息异常且与上次出现故障时的实时状态信息相同，则该节点可能会出现与上次一样的故障。因此，车载智能系统需根据异常的实时状态信息对故障进行预测分析，从而对节点可能出现的故障进行预判断。
进一步，车载智能系统还包括:
参数信息接收单元，用于接收车辆的实时参数信息，所述实时参数信息包括节点使用时长信息或车辆行驶里程信息。
寿命分析单元，用于当所述实时参数信息达到预设值时，根据所述实时参数信息预测出已达到使用寿命的节点，并向用户发送提示信息。
因此，通过本发明可对目前出现过的故障进行记录，并通过算法对该零部件可能出现的故障进行预判断。
另外，本发明中，TBOX2用于根据诊断指令读取故障信息。车载智能系统1与各节点(即整车各零部件)之间通过TBOX2实现信息传输，车载智能系统1通过与TBOX2之间的通信协议将诊断指令发送给TBOX2，从而控制TBOX2读取故障信息。
同时，云服务器3用于根据故障信息查询诊断策略。需要说明的是，在云服务器3的数据库中存储有各车型的所有节点(如，仪表ICM、倒车雷达RPA、盲区检测系统BSD等)的故障码及对应的诊断策略。当车载智能系统1通过TBOX2获取到整车的故障信息时，所述车载智能系统1可将所述故障信息发送至云服务器3；云服务器3接收所述故障信息后，根据故障信息中所记载的故障车型、故障节点及故障码查询到唯一对应的诊断策略，并将诊断策略发送至对应的车载智能系统1。
由上可知，本发明将车载智能系统、TBOX与云服务器相结合，实现了汽车零部件的自诊断模式，可有效地对故障进行排查、预测、分析及确认，并通过人工智能大数据给出建议的解决方案、自主尝试修复故障，减少整车厂在售后的人力与资金投入，降低整车故障率。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (11)
1.一种车载自诊断方法，其特征在于，包括：
车载智能系统向TBOX发送诊断指令以控制所述TBOX读取节点的故障信息；
所述车载智能系统接收所述TBOX反馈的故障信息；
所述车载智能系统根据所述故障信息查询诊断策略；
当所述车载智能系统查询到诊断策略时，所述车载智能系统根据所述诊断策略对故障进行修复；
当所述车载智能系统未查询到诊断策略时，所述车载智能系统将所述故障信息发送至云服务器以控制所述云服务器查询诊断策略，并根据所述云服务器反馈的诊断策略对故障进行修复。
2.如权利要求1所述的车载自诊断方法，其特征在于，所述诊断策略用于记录故障检测方法、故障确认方法及故障修复方法；
车载智能系统根据诊断策略对故障进行修复时，先根据所述故障检测方法对故障进行检测，再根据所述故障确认方法及检测结果对故障进行确认，最后根据所述故障修复方法及确认结果尝试对故障进行修复。
3.如权利要求1所述的车载自诊断方法，其特征在于，还包括：所述车载智能系统及云服务器分别记录故障修复过程中的相关信息。
4.如权利要求3所述的车载自诊断方法，其特征在于，还包括：
所述车载智能系统接收节点的实时状态信息；
当所述实时状态信息与车载智能系统或云服务器所记录的故障修复过程中的任一相关信息匹配时，所述车载智能系统根据所述实时状态信息及相关信息分析所述节点是否存在故障；
当所述车载智能系统分析到所述节点存在故障时，所述车载智能系统向TBOX发送诊断指令以控制所述TBOX读取所述节点的故障信息。
5.如权利要求1所述的车载自诊断方法，其特征在于，还包括：
所述车载智能系统接收车辆的实时参数信息，所述实时参数信息包括节点使用时长信息或车辆行驶里程信息；
当所述实时参数信息达到预设值时，所述车载智能系统根据所述实时参数信息预测出已达到使用寿命的节点，并向用户发送提示信息。
6.如权利要求1所述的车载自诊断方法，其特征在于，还包括，当故障无法修复时，所述车载智能系统将修复结果反馈至用户。
7.如权利要求1所述的车载自诊断方法，其特征在于，还包括，当所述云服务器未查询到诊断策略时，所述云服务器将故障信息反馈至用户。
8.一种车载智能系统，其特在于，包括:
诊断指令发送单元，用于向TBOX发送诊断指令以控制所述TBOX读取节点的故障信息；
故障信息接收单元，用于接收所述TBOX反馈的故障信息；
诊断策略查询单元，用于根据所述故障信息查询诊断策略；
故障信息发送单元，用于将所述故障信息发送至云服务器以控制所述云服务器查询诊断策略；
诊断策略执行单元，用于根据所述诊断策略对故障进行修复。
9.如权利要求8所述的车载智能系统，其特在于，还包括:
故障备案单元，用于记录故障修复过程中的相关信息；
状态信息接收单元，用于接收节点的实时状态信息；
故障分析单元，用于当所述实时状态信息与车载智能系统或云服务器所记录的故障修复过程中的任一相关信息匹配时，根据所述实时状态信息及相关信息分析所述节点是否存在故障；
诊断指令驱动单元，用于当所述车载智能系统分析到所述节点存在故障时，驱动所述诊断指令发送单元。
10.如权利要求8所述的车载智能系统，其特在于，还包括:
参数信息接收单元，用于接收车辆的实时参数信息，所述实时参数信息包括节点使用时长信息或车辆行驶里程信息；
寿命分析单元，用于当所述实时参数信息达到预设值时，根据所述实时参数信息预测出已达到使用寿命的节点，并向用户发送提示信息。
11.一种车载自诊断系统，包括：
权利要求8-10任一项所述的车载智能系统；
TBOX，用于根据诊断指令读取故障信息；
云服务器，用于根据故障信息查询诊断策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911421966.1A CN113126589A (zh) | 2019-12-31 | 2019-12-31 | 车载自诊断方法、车载智能系统及自诊断系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911421966.1A CN113126589A (zh) | 2019-12-31 | 2019-12-31 | 车载自诊断方法、车载智能系统及自诊断系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113126589A true CN113126589A (zh) | 2021-07-16 |
Family
ID=76770579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911421966.1A Pending CN113126589A (zh) | 2019-12-31 | 2019-12-31 | 车载自诊断方法、车载智能系统及自诊断系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113126589A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960988A (zh) * | 2021-11-15 | 2022-01-21 | 合众新能源汽车有限公司 | 一种具有诊断功能的车载多媒体设备及诊断方法 |
| CN114579373A (zh) * | 2021-12-13 | 2022-06-03 | 北京市建筑设计研究院有限公司 | 一种算法资源的修复方法、装置、电子设备及存储介质 |
| CN114690743A (zh) * | 2022-03-25 | 2022-07-01 | 三一电动车科技有限公司 | 作业机械故障诊断方法、装置及作业机械 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101306686A (zh) * | 2008-06-03 | 2008-11-19 | 奇瑞汽车股份有限公司 | 汽车远程诊断控制系统 |
| CN203054592U (zh) * | 2012-12-18 | 2013-07-10 | 天津清源电动车辆有限责任公司 | 一种用于汽车的故障诊断系统 |
| CN105137963A (zh) * | 2015-09-09 | 2015-12-09 | 山东丽驰新能源汽车有限公司 | 车辆远程监控与故障诊断方法及装置 |
| CN108733029A (zh) * | 2018-05-31 | 2018-11-02 | 浙江吉利控股集团有限公司 | 一种车辆远程诊断系统及方法 |
| CN109164795A (zh) * | 2018-11-23 | 2019-01-08 | 安徽江淮汽车集团股份有限公司 | 一种智能汽车故障诊断方法及系统 |
| CN110308732A (zh) * | 2019-07-25 | 2019-10-08 | 北京智行者科技有限公司 | 自动驾驶控制器的故障检测方法及自动驾驶控制器 |
-
2019
- 2019-12-31 CN CN201911421966.1A patent/CN113126589A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101306686A (zh) * | 2008-06-03 | 2008-11-19 | 奇瑞汽车股份有限公司 | 汽车远程诊断控制系统 |
| CN203054592U (zh) * | 2012-12-18 | 2013-07-10 | 天津清源电动车辆有限责任公司 | 一种用于汽车的故障诊断系统 |
| CN105137963A (zh) * | 2015-09-09 | 2015-12-09 | 山东丽驰新能源汽车有限公司 | 车辆远程监控与故障诊断方法及装置 |
| CN108733029A (zh) * | 2018-05-31 | 2018-11-02 | 浙江吉利控股集团有限公司 | 一种车辆远程诊断系统及方法 |
| CN109164795A (zh) * | 2018-11-23 | 2019-01-08 | 安徽江淮汽车集团股份有限公司 | 一种智能汽车故障诊断方法及系统 |
| CN110308732A (zh) * | 2019-07-25 | 2019-10-08 | 北京智行者科技有限公司 | 自动驾驶控制器的故障检测方法及自动驾驶控制器 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113960988A (zh) * | 2021-11-15 | 2022-01-21 | 合众新能源汽车有限公司 | 一种具有诊断功能的车载多媒体设备及诊断方法 |
| CN114579373A (zh) * | 2021-12-13 | 2022-06-03 | 北京市建筑设计研究院有限公司 | 一种算法资源的修复方法、装置、电子设备及存储介质 |
| CN114690743A (zh) * | 2022-03-25 | 2022-07-01 | 三一电动车科技有限公司 | 作业机械故障诊断方法、装置及作业机械 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113126589A (zh) | 车载自诊断方法、车载智能系统及自诊断系统 | |
| CN109164795A (zh) | 一种智能汽车故障诊断方法及系统 | |
| CN110347412A (zh) | 电子控制单元固件升级管理方法、装置、设备和存储介质 | |
| KR102255599B1 (ko) | 차량 고장 진단 서비스 제공 시스템 및 방법 | |
| CN101751033A (zh) | 车辆远程监测诊断系统及方法 | |
| US10857882B2 (en) | System and method for remotely controlling and monitoring vehicle based on IOT | |
| CN112925296B (zh) | 一种基于人工智能的图形化车载网络诊断方法 | |
| CN113495547A (zh) | 一种实时安全的无人驾驶故障诊断与保护方法及系统 | |
| CN113050605B (zh) | 一种用于自动驾驶测试平台的安全控制冗余系统及方法 | |
| CN115167347A (zh) | 一种基于soa服务的车端以太网节点的远程诊断方法 | |
| CN113597545A (zh) | 用于车辆的便携式无线连接诊断系统 | |
| CN114363385A (zh) | 一种云端更新汽车端软件的方法、系统、设备及存储介质 | |
| CN112660045B (zh) | 一种远程调试方法 | |
| CN116774050A (zh) | 电池的故障处理方法、装置、云服务器及存储介质 | |
| CN108494858A (zh) | 一种车窗天窗监控系统及方法 | |
| KR102204199B1 (ko) | 자율주행 대중버스에 대한 차량 고장 진단 및 예측 방법 | |
| JP7318710B2 (ja) | セキュリティ装置、インシデント対応処理方法、プログラム、及び記憶媒体 | |
| CN111240246B (zh) | 一种控制器的匹配方法及装置 | |
| CN110794735A (zh) | 远程控制装置及方法 | |
| CN115167379A (zh) | 一种车辆诊断方法、装置、设备及介质 | |
| KR102242227B1 (ko) | 차량 게이트웨이를 이용한 차량 진단 정보 제공 시스템 및 방법 | |
| CN115396141A (zh) | 一种车辆安全控制方法、装置、设备和介质 | |
| Kim et al. | Compare of Vehicle Management over the Air and On-Board Diagnostics | |
| JP7160206B2 (ja) | セキュリティ装置、攻撃対応処理方法、コンピュータプログラム、及び記憶媒体 | |
| KR20220081730A (ko) | 차량용 제어기의 가상 고장코드 판단 방법 및 장치 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210716 |