一種車輛故障檢測(cè)方法和裝置的制造方法
【專利說(shuō)明】
[0001] 本申請(qǐng)要求于2015年04月20日提交中國(guó)專利局、申請(qǐng)?zhí)枮?01510189349. 9、發(fā) 明名稱為"一種車輛故障檢測(cè)方法和裝置"的中國(guó)專利申請(qǐng)的優(yōu)先權(quán)，其全部?jī)?nèi)容通過(guò)引用 結(jié)合在本申請(qǐng)中。
技術(shù)領(lǐng)域
[0002] 本發(fā)明涉及車輛技術(shù)領(lǐng)域，尤其涉及一種車輛故障檢測(cè)方法和裝置。
【背景技術(shù)】
[0003] 車輛是一個(gè)復(fù)雜的機(jī)械系統(tǒng)，它由數(shù)千種零部件構(gòu)成。在車輛不解體的情況下，如 果用戶根據(jù)車輛的一些異?，F(xiàn)象就能準(zhǔn)確地對(duì)車輛的當(dāng)前故障原因作出判斷，這無(wú)疑提高 車輛使用的可靠性、經(jīng)濟(jì)性和安全性，同時(shí)也會(huì)減少盲目維修產(chǎn)生的費(fèi)用。
[0004] 由于發(fā)動(dòng)機(jī)是車輛的動(dòng)力源，是車輛的心臟。如果在發(fā)動(dòng)機(jī)不解體的情況下，用戶 根據(jù)發(fā)動(dòng)機(jī)的一些異?，F(xiàn)象就能準(zhǔn)確地對(duì)發(fā)動(dòng)機(jī)的當(dāng)前故障原因作出判斷，例如，當(dāng)發(fā)動(dòng) 機(jī)出現(xiàn)轉(zhuǎn)動(dòng)但不著火的現(xiàn)象時(shí)，用戶能夠分析出導(dǎo)致產(chǎn)生這個(gè)現(xiàn)象的原因是發(fā)動(dòng)機(jī)內(nèi)有燒 結(jié)物。這無(wú)疑會(huì)提高車輛使用的可靠性，經(jīng)濟(jì)性和安全性，同時(shí)也會(huì)減少盲目維修產(chǎn)生的費(fèi) 用。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的第一方面提供了一種車輛故障檢測(cè)方法，以根據(jù)車輛出現(xiàn)的 故障現(xiàn)象檢測(cè)到導(dǎo)致該故障現(xiàn)象的故障原因。
[0006] 基于本發(fā)明的第一方面，本發(fā)明的第二方面提供了一種車輛故障檢測(cè)裝置。
[0007] 為了達(dá)到上述發(fā)明目的，本發(fā)明采用了如下技術(shù)方案：
[0008] -種車輛故障檢測(cè)方法，所述檢測(cè)方法包括：
[0009] 采集車輛在不同故障類別下的故障現(xiàn)象數(shù)據(jù)；
[0010] 根據(jù)故障規(guī)則知識(shí)庫(kù)賦予所述故障現(xiàn)象數(shù)據(jù)相應(yīng)的權(quán)重值；所述故障規(guī)則知識(shí)庫(kù) 內(nèi)包括多種類別的故障，每一類別的故障包括至少一個(gè)故障現(xiàn)象，每一故障現(xiàn)象對(duì)應(yīng)不同 的權(quán)重值；
[0011] 根據(jù)賦予權(quán)重值后的所述故障現(xiàn)象數(shù)據(jù)生成車輛故障檢測(cè)模型的輸入向量，所述 輸入向量的維數(shù)與所述故障規(guī)則知識(shí)庫(kù)內(nèi)的故障類別數(shù)量相同；
[0012] 將所述輸入向量輸入到所述車輛故障檢測(cè)模型；
[0013] 所述車輛故障檢測(cè)模型分析處理所述輸入向量，得到導(dǎo)致所述故障現(xiàn)象數(shù)據(jù)的故 障原因。
[0014] 可選地，所述故障規(guī)則知識(shí)庫(kù)包括故障原因現(xiàn)象規(guī)則，每條所述故障原因現(xiàn)象規(guī) 則包括不同故障類別下的故障現(xiàn)象數(shù)據(jù)和與該故障現(xiàn)象數(shù)據(jù)對(duì)應(yīng)的故障原因，所述車輛故 障檢測(cè)模型通過(guò)對(duì)故障規(guī)則知識(shí)庫(kù)內(nèi)的至少一條所述故障原因現(xiàn)象規(guī)則進(jìn)行訓(xùn)練得到。
[0015] 可選地，所述故障規(guī)則知識(shí)庫(kù)包括故障類別現(xiàn)象表、故障原因表和故障規(guī)則表；
[0016] 所述故障類別現(xiàn)象表包括第一變量、故障類別、故障現(xiàn)象以及每一故障現(xiàn)象對(duì)應(yīng) 的權(quán)重值，每一故障類別對(duì)應(yīng)一個(gè)第一變量，每一故障類別包括至少一個(gè)故障現(xiàn)象；
[0017] 所述故障原因表包括第二變量和故障原因，每一所述第二變量對(duì)應(yīng)一個(gè)故障原 因；
[0018] 所述故障規(guī)則表包括至少一條故障原因現(xiàn)象規(guī)則，每條故障原因現(xiàn)象規(guī)則包括相 互對(duì)應(yīng)的第一變量和第二變量，其中，所述第一變量的數(shù)值為故障類別下的故障現(xiàn)象對(duì)應(yīng) 的權(quán)重值。
[0019] 可選地，所述車輛故障檢測(cè)模型為BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型，所述BP神經(jīng)網(wǎng)絡(luò)識(shí)別模 型包括輸入層、隱藏層和輸出層。
[0020] 可選地，將一條故障原因現(xiàn)象規(guī)則中的故障類別下的故障現(xiàn)象數(shù)據(jù) Xpx2,x3, . . .，xjlL成所述BP神經(jīng)網(wǎng)絡(luò)的輸入向量X，其中，X=[Xx2,x3,. . .，xn]T，n為故 障類別的數(shù)量，并且n為正整數(shù)；
[0021] 將該條故障原因現(xiàn)象規(guī)則中的故障原因yi，y2,y3,...，yi且成所述BP神經(jīng)網(wǎng)絡(luò)的 期望輸出向量Y，其中，Y= [yi，y2,y3, . . .，ym]T，m為故障原因的數(shù)量，并且m為正整數(shù)；
[0022] 所述對(duì)故障規(guī)則知識(shí)庫(kù)內(nèi)的至少一條所述故障原因現(xiàn)象規(guī)則進(jìn)行訓(xùn)練，具體包 括：
[0023]I、根據(jù)所述輸入向量X和所述期望輸出向量Y確定BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型輸入 層節(jié)點(diǎn)數(shù)n、隱藏層節(jié)點(diǎn)數(shù)1、輸出層節(jié)點(diǎn)數(shù)m;初始化輸入層與隱藏層的連接權(quán)值a隱 藏層與輸出層的連接權(quán)值0#，初始化隱藏層各神經(jīng)元的閾值je{1，2，...，1}，輸出 層各神經(jīng)元閾值bk，kG{l，2，...，m}，自動(dòng)篩選學(xué)習(xí)率n，神經(jīng)元激勵(lì)函數(shù)Sigmond函數(shù)
?l^i^n, l^k^m；
[0024]II、根據(jù)所述輸入向量X、輸入層與隱藏層間的連接權(quán)值au及隱藏層閾值^_，獲 取隱藏層輸出hj;
[0025] 其中，
，j e {1，2,? ? ?，1};其中，f(x)為隱藏層激勵(lì)函 數(shù)；
[0026]III、根據(jù)隱藏層輸出hj，隱藏層與輸出層的連接權(quán)值0 #和輸出層各神經(jīng)元閾值 bk，獲取BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型的預(yù)測(cè)輸出〇k;
[0028]IV、根據(jù)BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型的的預(yù)測(cè)輸出〇k和期望輸出yk，計(jì)算BP神經(jīng)網(wǎng)絡(luò) 識(shí)別模型的誤差ek,ek= 〇k_yk,kG{1，2, ? ? ?，m};
[0029]V、根據(jù)BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型的誤差ek更新輸入層與隱藏層的連接權(quán)值au和隱 藏層與輸出層的連接權(quán)值0jk，根據(jù)BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型的誤差ek更新隱藏層各神經(jīng)元的 閾值a#P輸出層各神經(jīng)元閾值bk;
[0031] |3jk- |3jk+nhjek，jG{1，2,? ? ?，1};
[0033]bk-bk+ek，kG {1，2,? ??，m};
[0034]VI、當(dāng)BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型的誤差和E不小于預(yù)設(shè)閾值或者當(dāng)當(dāng)前訓(xùn)練次數(shù)未超 過(guò)預(yù)設(shè)次數(shù)時(shí)，返回執(zhí)行所述II。
[0035] 相應(yīng)地，本發(fā)明還提供了一種車輛故障檢測(cè)裝置，所述檢測(cè)裝置包括：
[0036] 采集單元，用于采集車輛在不同故障類別下的故障現(xiàn)象數(shù)據(jù)；
[0037] 權(quán)重值賦予單元，用于根據(jù)故障規(guī)則知識(shí)庫(kù)賦予所述故障現(xiàn)象數(shù)據(jù)相應(yīng)的權(quán)重 值；所述故障規(guī)則知識(shí)庫(kù)內(nèi)包括多種類別的故障，每一類別的故障包括至少一個(gè)故障現(xiàn)象， 每一故障現(xiàn)象對(duì)應(yīng)不同的權(quán)重值；
[0038] 向量生成單元，用于根據(jù)賦予權(quán)重值后的所述故障現(xiàn)象數(shù)據(jù)生成車輛故障檢測(cè)模 型的輸入向量，所述輸入向量的維數(shù)與所述故障規(guī)則知識(shí)庫(kù)內(nèi)的故障類別數(shù)量相同；
[0039] 輸入單元，用于將所述輸入向量輸入到所述車輛故障檢測(cè)模型；
[0040] 分析處理單元，用于分析處理所述輸入向量，得到導(dǎo)致所述故障現(xiàn)象數(shù)據(jù)的故障 原因。
[0041] 可選地，所述故障規(guī)則知識(shí)庫(kù)包括故障原因現(xiàn)象規(guī)則，每條所述故障原因現(xiàn)象規(guī) 則包括不同故障類別下的故障現(xiàn)象數(shù)據(jù)和與該故障現(xiàn)象數(shù)據(jù)對(duì)應(yīng)的故障原因，所述車輛故 障檢測(cè)模型通過(guò)對(duì)故障規(guī)則知識(shí)庫(kù)內(nèi)的至少一條所述故障原因現(xiàn)象規(guī)則進(jìn)行訓(xùn)練得到。
[0042] 可選地，所述故障規(guī)則知識(shí)庫(kù)包括故障類別現(xiàn)象表、故障原因表和故障規(guī)則表；
[0043] 所述故障類別現(xiàn)象表包括第一變量、故障類別、故障現(xiàn)象以及每一故障現(xiàn)象對(duì)應(yīng) 的權(quán)重值，每一故障類別對(duì)應(yīng)一個(gè)第一變量，每一故障類別包括至少一個(gè)故障現(xiàn)象；
[0044] 所述故障原因表包括第二變量和故障原因，每一所述第二變量對(duì)應(yīng)一個(gè)故障原 因；
[0045] 所述故障規(guī)則表包括至少一條故障原因現(xiàn)象規(guī)則，每條所述故障原因現(xiàn)象規(guī)則包 括相互對(duì)應(yīng)的第一變量和第二變量，其中，所述第一變量的數(shù)值為故障類別下的故障現(xiàn)象 對(duì)應(yīng)的權(quán)重值。
[0046] 可選地，所述車輛故障檢測(cè)模型為BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型，所述BP神經(jīng)網(wǎng)絡(luò)識(shí)別模 型包括輸入層、隱藏層和輸出層。
[0047] 可選地，還包括訓(xùn)練單元，所述訓(xùn)練單元包括：
[0048]初始化單元，用于根據(jù)輸入向量X和期望輸出向量Y確定BP神經(jīng)網(wǎng)絡(luò)識(shí)別模型 輸入層節(jié)點(diǎn)數(shù)n、隱藏層節(jié)點(diǎn)數(shù)1、輸出層節(jié)點(diǎn)數(shù)m;初始化輸入層與隱藏層的連接權(quán)值a 隱藏層與輸出層的連接權(quán)值f^_k，初始化隱藏層各神經(jīng)元的閾值je{1，2，...，1}，輸出 層各神經(jīng)元閾值bk，kG{l，2，...，m}，自動(dòng)篩選學(xué)習(xí)率n，神經(jīng)元激勵(lì)函數(shù)Sigmond函數(shù)
;1彡i彡n，1彡j彡1，1彡k彡m;其中，所述輸入向量X由一條故障原因 現(xiàn)象規(guī)則中的故障類別下的故障現(xiàn)象數(shù)據(jù)Xl，x2,x3,. . .，xn組成，n為故障類別的數(shù)量，并且n為正整數(shù)；所述期望輸出向量Y由該條故障原因現(xiàn)象規(guī)則中的故障原因yi，y2,y3,. . .，ym 組成；
[0049