[发明专利]用于故障检测和隔离的集成分级过程

权利要求书

1. 一种用于提供车辆内故障检测和隔离的方法，所述方法包括：

将所述车辆分成多个系统、多个子系统和多个构件；

将所述系统、子系统和构件划归到具有层级的分级树中，其中，每个系统从比所述多个系统层级低的多个子系统接收信号，且每个子系统从比所述子系统层级低的多个构件接收信号；

在所述系统、子系统和构件中利用提供和分析诊断代码、故障代码和其它信息的算法，以提供具体子系统或者构件已经出现故障的可能性的置信估计信号；

从所述构件发送信号给所述子系统，并从所述子系统发送信号给所述系统，所述信号包括所述置信估计信号；

分析所述多个系统中的所述置信估计信号，以便尝试隔离故障；以及

发送信号给所述分级树的顶部的管理器，所述管理器以某一置信水平来识别具体的故障。

2. 根据权利要求1所述的方法，其特征在于，利用算法包括利用统计学算法。

3. 根据权利要求2所述的方法，其特征在于，利用统计学算法包括利用选自由Dempster-Shafer理论算法和贝叶斯理论算法构成的组的算法。

4. 根据权利要求2所述的方法，其特征在于，利用统计学算法包括利用选自由奇偶方程、卡尔曼过滤器、模糊模型和神经网络构成的组的算法。

5. 根据权利要求1所述的方法，其特征在于，将所述车辆分成多个系统包括将所述车辆分成底盘系统、动力系系统和车体系统。

6. 根据权利要求5所述的方法，其特征在于，将所述车辆分成多个子系统包括将所述车辆分成作为所述底盘系统的一部分的转向子系统和制动子系统、作为所述动力系系统的一部分的发动机子系统和变速器子系统以及作为所述车体系统的一部分的安全子系统和气囊子系统。

7. 根据权利要求6所述的方法，其特征在于，将所述车辆分成构件包括将所述车辆分成传感器和检测器。

8. 根据权利要求1所述的方法，其特征在于，划归所述系统、子系统和构件包括将所述系统，子系统和构件划归到分级诊断网络中，其中，所述构件提供信号给所有所述子系统。

9. 一种用于提供车辆内故障检测和隔离的方法，所述方法包括：

识别所述车辆内的多个系统、多个子系统和多个构件；

在所述系统、子系统和构件内利用提供和分析诊断代码、故障代码和其它信息的算法，以提供具体子系统或者构件已经出现故障的可能性的置信估计信号；

在所述多个系统、所述多个子系统和所述多个构件之间和在所述多个系统、所述多个子系统和所述多个构件之中发送所述置信估计信号；以及

分析所述多个系统和子系统内的所述置信估计信号，以尝试识别和隔离故障。

10. 根据权利要求9所述的方法，其特征在于，所述方法进一步包括将所述系统、子系统和构件划归到具有层级的分级树中，其中，每个系统从比所述多个系统层级低的多个子系统接收信号，且每个子系统从比所述子系统层级低的多个构件接收信号。

11. 根据权利要求10所述的方法，其特征在于，所述方法进一步包括发送信号给所述分级树顶部的管理器，所述管理器以某一置信水平识别具体故障。

12. 根据权利要求9所述的方法，其特征在于，所述方法进一步包括将所述系统、子系统和构件划归到分级诊断网络中，其中，所述构件提供信号给所有所述子系统。

13. 根据权利要求9所述的方法，其特征在于，所述方法进一步包括将所述系统、子系统和构件划归到基于图的诊断和预测系统中，所述基于图的诊断和预测系统包括通过信息路径互相连接的多个节点，其中，所述节点为用于构件或者子系统的故障诊断和故障预测节点，且包含故障和健康状况诊断和推理模块。

14. 根据权利要求9所述的方法，其特征在于，利用算法包括利用统计学算法。

15. 根据权利要求14所述的方法，其特征在于，利用统计学算法包括利用选自由Dempster-Shafer理论算法和贝叶斯理论算法构成的组的算法。

16. 根据权利要求14所述的方法，其特征在于，利用统计学算法包括利用选自由奇偶方程、卡尔曼过滤器、模糊模型和神经网络构成的组的算法。