[发明专利]一种新能源汽车故障检测辅助方法

说明书

本发明公开了新能源汽车故障检测辅助方法，该方法主要作用为对已经出现故障或即将出现故障的新能源车辆进行故障紧急处理并寻求一定范围内车辆协助。首先采用车辆行驶的多组历史数据建立原始数据库；然后利用数据库的数据，进行分类器的训练；并使用当前已经训练得到的分类器进行车辆状态分析，同时在车辆行驶过程中不断地进行数据库内数据的更新，以及对车辆状态的预测和故障车辆故障原因的预测；最后在无法得到分析结果，或者得到的分析结果不具有可执行性时，系统进行求助。使用本方法，可以在车辆行进中实时分析得到车辆当前的综合状态，并且可以在车辆故障等情况下分析故障原因，并进行求助。

技术领域

本发明涉及新能源车辆故障检测中，对已经出现故障或即将出现故障的新能源车辆进行故障紧急处理并寻求一定范围内车辆协助的智能系统。

背景技术

新能源汽车由于行业整体发展时间相对较短，在很多相关方面的技术并不完全成熟，产品并不十分稳定，因此，故障出现的概率相对较大。另一方面，社会中绝大部分车主对于新能源车辆的故障现象辨识经验尚有所欠缺，不能准确详细地描述车辆所可能出现的故障。对于目前的车辆故障检测系统，其在某些情况下又需要专业人员使用专业的工具才能准确获取车辆故障信息，所以车主自行修理的希望非常渺茫。而且也无法分析车辆故障出现的原因，很难避免下一次出现同样或者相关的故障。因此传统的车辆故障检测系统既不具有解决问题的实时性，无法解决紧急事件，也无法对故障进行深入的来源分析，避免下一次故障出现。这样的情况下，面对紧急事件，车主只能通过电话等方式寻求专业人员的协助。

发明内容

本发明的目的在于克服已有技术的缺点，提供一种在一定程度上可以预防故障出现或者指导性地解决车辆故障且在一定程度上降低了修理难度的新能源汽车故障检测辅助方法。

一种新能源汽车故障检测辅助方法，包括以下步骤：

步骤一、建立数据库：

初始状态下，采用车辆行驶的多组历史数据建立原始数据库，在所述的原始数据库中每一组历史数据与对应的车辆状态标签以及该标签对应的车辆状态三者形成彼此对应的一组车辆映射数据；

步骤二、分类器训练：

初始状态下，在车辆未行驶时从原始数据库中依次提取每组车辆映射数据，训练集成学习算法的分类器，其中提取的历史数据作为分类器的输入，对应的车辆状态标签作为分类器的输出参考数值，具体过程如下：

(1)建立集成学习基分类器，初始一共建立N个集成学习的基分类器，N是数据库中标签种类的数目；

(2)确定所述的N个基分类器的初始权值，均为1/N，用公式(1)表示，式(1)中W₀(N)为基分类器权值的集合，SW_0N代表初始权值中第N个分类器的权值，基分类器权值的集合表示强的分类器是由N个基分类器构成的，并且此时这N个分类器还未被训练；

(3)更新所述的N个基分类器的权值，从原始数据库中获取一组车辆映射数据，将获取的历史数据以及同时刻的车辆状态输入到强分类器中的各个基分类器中，将获取的车辆状态标签作为这些基分类器输出的参考数值，统计各个基分类器的实际输出数值与参考数值不相等的个数，除以对应基分类器的实际输出数值的总个数，得到N个基分类器的N个分类误差率，并根据N个误差率计算出N个基分类器的新的权值，新的权值集合与原来的权值集合之间的映射关系用公式(2)来表示，其中新的分类器的权值集合为W_j+1(N)，原来的分类器的权值集合为W_j(N)，f为前后权值的映射关系，用公式(3)表示；

W_j+1(N)＝f(W_j(N)),j＝0,1,2,…,N-1 (2)