使用时序数据挖掘的故障预测架构的制作方法
【专利说明】使用时序数据挖掘的故障预测架构
[0001]本申请是申请日为2010年01月13日且名称为“使用时序数据挖掘的故障预测架构”的申请201110006529.0的分案申请。
技术领域
[0002]本发明总体上涉及故障诊断和预测系统，且更具体地涉及使用时序数据挖掘的故障诊断和预测系统及方法。
【背景技术】
[0003]用于监测车辆健康状态的诊断和预测技术可以帮助预测问题的出现，以便在发生重大事故之前采取预防措施。这些技术在部件或系统故障会具有重大牵连(例如，丧失车辆功能)时变得更加重要。此外，制造商可使得由于故障或车辆性能降低引起的顾客不满意度最小化。
[0004]通常，故障诊断通过将计算机或其他诊断工具连接到车辆电气总线的技术人员在车外执行，所述车辆电气总线连接到一个车辆电子控制单元(ECU)。一旦被连接，诊断故障码(DTC)从ECU提取且用于帮助确定什么引起故障。更近以来，车辆已经配备有车载诊断设备，其配置成在不用手动地连接到车辆电气总线的情况下给车辆操作者或技术人员提供诊断信息。然而，该诊断信息，不管是车外或车上接收，限于DTC提供的快照数据和选择操作参数。虽然DTC诊断数据可以帮助确定存在故障的原因，但是DTC未设计成提供部件或系统故障的提前报警。
[0005]因而，需要配置成给技术人员或车辆操作者提供部件或系统可能在一定具体时帧发生故障的提前报警的增强诊断和预测系统及方法。
【发明内容】
[0006]根据本发明的教导，一种车辆故障诊断和预测系统包括计算平台，所述计算平台配置成从远程服务器接收故障分类器，所述计算平台有形地包括计算机可执行指令，用于评估从车辆控制网络接收的数据序列以及将分类器应用于所述数据序列，其中，分类器配置成确定数据序列是否限定与具体故障相关的型式。
[0007]方案1.一种车辆故障诊断和预测系统，包括:
计算平台，所述计算平台配置成从远程服务器接收故障分类器，所述计算平台有形地包括计算机可执行指令，用于:
评估从车辆控制网络接收的数据序列；以及
将分类器应用于所述数据序列，其中，分类器配置成确定数据序列是否限定与具体故障相关的型式。
[0008]方案2.根据方案I所述的系统，其中，所述数据序列包括以下一种或多种:顺序诊断故障码、时间标记诊断故障码和车辆参数。
[0009]方案3.根据方案I所述的系统，其中，所述分类器被训练以将多个数据序列聚类与具体故障码相关联。
[0010]方案4.根据方案I所述的系统，其中，分类器中的数据序列使用时序数据挖掘从车辆组获得。
[0011]方案5.根据方案I所述的系统，其中，所述计算平台在车辆内部。
[0012]方案6.根据方案I所述的系统，其中，所述计算平台在车辆外部。
[0013]方案7.—种用于故障诊断和预测的方法，包括:
从第一组车辆提取数据序列；
对从第一组车辆提取的数据序列应用时序数据挖掘应用以检测数据序列中的型式；
获得与第二组车辆有关的维修数据；
将数据序列与维修数据进行比较以识别与具体故障模式相关的数据序列。
[0014]方案8.根据方案7所述的方法，其中，应用时序数据挖掘应用包括识别频繁数据序列。
[0015]方案9.根据方案7所述的方法，其中，第一组车辆类似于第二组车辆。
[0016]方案10.根据方案7所述的方法，还包括应用聚类算法以将置信度度量分配给所识别的与具体故障模式相关的数据序列中的每一个。
[0017]方案11.根据方案10所述的方法，其中，应用聚类算法包括根据具体故障模式聚类数据序列。
[0018]方案12.根据方案10所述的方法，其中，应用聚类算法包括将概率分配给每个数据序列和故障模式组合。
[0019]方案13.根据方案11所述的方法，还包括训练分类器以学习与每个故障模式相关的聚类。
[0020]方案14.一种有形地包括计算机可执行指令的计算机可读介质，用于:
从第一组车辆提取数据序列；
对从第一组车辆提取的数据序列应用时序数据挖掘应用以检测数据序列中的型式；
获得与第二组车辆有关的维修数据；
将数据序列与维修数据进行比较以识别与故障模式相关的数据序列。
[0021]方案15.根据方案14所述的计算机可读介质，其中，应用时序数据挖掘应用包括识别频繁数据序列。
[0022]方案16.根据方案14所述的计算机可读介质，还包括应用聚类算法以将置信度度量分配给所识别的与故障模式相关的数据序列中的每一个。
[0023]方案17.根据方案16所述的计算机可读介质，其中，应用聚类算法包括根据具体故障模式聚类数据序列。
[0024]方案18.根据方案16所述的计算机可读介质，其中，应用聚类算法包括将概率分配给每个数据序列和故障模式组合。
[0025]方案19.根据方案17所述的计算机可读介质，还包括训练分类器以学习与每个故障模式相关的聚类。
[0026]方案20.根据方案19所述的计算机可读介质，还包括将分类器下载到车载灵活计
ΤΤΛ
异口 O
[0027]方案21.根据方案19所述的计算机可读介质，还包括将分类器下载到车外计算平台。
[0028]本发明的附加特征从下述说明和所附权利要求结合附图将显而易见。
【附图说明】
[0029]图1示出了根据一个实施例的示例性故障诊断和预测系统；
图2是示出了根据图1的系统的用于故障预测的方法的流程图；
图3示出了配置成使用训练分类器以演化由车载灵活计算平台捕获的诊断故障码型式的示例性分析算法。
【具体实施方式】
[0030]涉及使用诊断故障码(DTC)和选择操作参数的时序数据挖掘来故障诊断和预测的系统和方法的实施例的下述说明本质上仅仅是示例性的，且决不旨在限制本发明或者其应用或使用。
[0031]所述系统和方法采用配置成提供车辆部件的提前报警故障预测的增强车辆诊断架构。系统包括配置成对来自于具体车辆的实时数据和来自于类似车辆群组的历史数据两者进行车外和车载分析的多层架构。车外分析包括时间标记或顺序诊断故障码(DTC)的时序数据挖掘以从类似车辆的大规模组识别DTC序列。通常，有效的DTC是配置成寻找车辆中的某些问题且在发生具体问题时发出诊断码形式的标记的软件编程的结果。因而，由此得出，DTC序列是在具体时帧内出现的连续标记序列。在一个实施例中，DTC被时间标记以记录事件的设定时间或触发时间，然而，本文讨论的方法可使用仅仅被排序的DTC来实时。
[0032]如上所述，DTC是由“O”( S卩，OFF)或“I”(即，0N)表示的分立标记事件。相比而言，车辆操作参数(如，压力、温度和电压等)是由车辆车载系统记录的值。在替代实施例中，增强车辆诊断架构可以仅仅使用车辆参数实施，或者可以使用车辆参数和DTC的组合实施。在下文，车辆参数和DTC可总的称为车辆数据或数据序列。
[0033]车外分析还包括使用历史数据，例如销售商维修数据，以获得数据序列和随后故障之间的关系。这些关系用于产生分类器，所述分类器被定期地下载到所有这种车辆的车载系统。车载系统配置成与分类器一起工作以跟踪实时数据序列且基于车载分析产生警告或报警。
[0034]图1示出了示例性故障诊断和预测系统10，各个车辆12配备有车载灵活计算平台(FCP)14(如，0nstar20(替代方案也可以经由卫星)在FCP 14和服务器18之间建立通信链路16。通过蜂窝塔20在服务器18和车辆组24之间建立类似通信链路22。此外，设置销售商通信链路26以在服务器18和国家内的各个销售商28之间建立通信。通过销售商通信链路26，月艮务器18接收在每个车辆寿命内访问销售商维护部的每个车辆的维修数据。如下文详细讨论的那样，该历史维修数据提供用于在DTC序列和车辆故障之间建立联系的大量信息，以预测即将到来的部件故障。本领域技术人员将理解，通过蜂窝塔20在服务器18、各个车辆12和车辆组24之间通信仅仅是示例性的，且可以(但不限于)使用允许在各个车辆12、车辆组24和服务器18之间传输信息的任何合适形式通信。
[0035]服务器18是配置成通过FCP14从各个车辆12接收实时数据的计算装置。虽然在图1中未具体示出，但是车辆组24中的每个车辆还配备有配置成与服务器18通信的车载灵活计算平台(FCP)。通信链路16、22利于服务器18和车辆12、24之间数据和应用26的定期上传/下载。应用26可包括但不限于增强诊断和提前报警预测，其包括训练后的分类器。
[0036]图2示出了用于训练分类器以预测部件故障的示例性车外分析算法30。在一个实施例中，算法3