[发明专利]使用时序数据挖掘的故障预测架构

说明书

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

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

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。

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。

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

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。

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。

方案2.根据方案1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。

方案3.根据方案1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。

方案4.根据方案1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。

方案5.根据方案1所述的系统，其中，所述计算平台在车辆内部。

方案6.根据方案1所述的系统，其中，所述计算平台在车辆外部。

方案7.一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。

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。

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。

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。

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。

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。

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。

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。

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。