[发明专利]用于车辆分析的方法和系统

权利要求书

1.一种用于分析由第一车辆产生的车辆诊断数据的方法，所述方法包括：

- 接收车辆诊断数据的第一集合，所述车辆诊断数据包括表示车辆所包含的多个不同车辆部件的多组不同组数字数据；

- 通过关联包含在车辆诊断数据的第一集合中的不同组数据的至少所选部分来执行车辆诊断数据的第一集合的建模，以及

- 基于所执行的建模，形成车辆所包含的单个车辆部件的状态指示。

2.根据权利要求1所述的方法，其特征在于，确定单个车辆部件的状态的有效性高于预定阈值。

3.根据权利要求1和2中任意一项所述的方法，其特征在于，表示多个车辆部件的不同组数据从CAN总线信息流、诊断信息流和从车辆收集的模拟信号中的至少一个所产生。

4.根据前面权利要求中任意一项所述的方法，其特征在于，单个车辆部件的状态指示涉及与车辆部件有关的错误。

5.根据前面权利要求中任意一项所述的方法，其特征在于，单个车辆部件的状态指示涉及连接器中的短路、断开连接和腐蚀中的至少一个。

6.根据前面权利要求中任意一项所述的方法，其特征在于，所述建模包括将机器学习过程应用于车辆诊断数据的第一集合所包含的不同组数据的所选部分。

7.根据权利要求6所述的方法，其特征在于，所述机器学习过程是无监督的机器学习过程。

8.根据权利要求6所述的方法，其特征在于，所述机器学习是受监督的机器学习过程。

9.根据权利要求8所述的方法，其特征在于，执行建模包括：

- 访问数字存储单元，所述数字存储单元包括先前存储的训练车辆诊断数据的集合；以及

- 将训练车辆诊断数据的集合与车辆诊断数据的第一集合进行比较。

10.根据权利要求9所述的方法，其特征在于，所述训练车辆诊断数据包括以下至少一个：

- 由第二车辆所产生的车辆诊断数据的第二集合，所述第二车辆不同于第一车辆；以及

- 车辆诊断数据的预期集合。

11.根据权利要求10所述的方法，其特征在于，所述车辆诊断数据的预期集合由车辆的行为模拟所产生的。

12.根据权利要求6所述的方法，其特征在于，所述机器学习过程基于卷积神经网络（CNN）。

13.根据权利要求6所述的方法，其特征在于，所述机器学习过程基于递归神经网络（RNN）。

14.一种车辆分析系统，所述车辆分析系统用于分析由第一车辆所产生的车辆诊断数据，所述系统包括控制单元，所述控制单元配置为：

- 接收车辆诊断数据的第一集合，所述车辆诊断数据包括表示车辆所包含的多个不同车辆部件的多组不同组数字数据；

- 通过关联包含在车辆诊断数据的第一集合中的不同组数据的至少所选部分来执行车辆诊断数据的第一集合的建模，以及

- 基于所执行的建模，形成车辆所包含的单个车辆部件的状态指示。

15.根据权利要求14所述的车辆分析系统，其特征在于，还包括用于建立接口且收集车辆诊断数据的装置。

16.根据权利要求14和15中任意一项所述的车辆分析系统，其特征在于，还包括显示单元，所述显示单元包括图形用户界面（GUI），其中所述GUI配置为呈现车辆所包含的至少一个车辆部件的状态指示。