[发明专利]优化车辆的预测性维护的神经网络计算的系统、方法和设备

说明书

本申请案针对于优化车辆的预测性维护的神经网络计算的系统、方法和设备。举例来说，一种车辆的数据存储装置包含：主机接口，其被配置成从配置于所述车辆上的至少一个传感器接收传感器数据流；至少一个存储媒体组件，其具有非易失性存储器；和控制器。所述非易失性存储器被配置到多个分区(例如，名称空间)中，所述分区具有被配置成用于与人工神经网络ANN相关的不同类型的数据的不同存储器操作设置集。所述分区包含被配置成存储所述ANN的模型数据的模型分区。所述传感器数据流应用于所述ANN中来预测所述车辆的维护服务。所述模型分区的存储器单元可被配置成用于读取、少有更新、改进的存储容量，和/或用于与所述ANN的输入/输出并行的存取。

技术领域

本文中所公开的至少一些实施例一般来说涉及车辆的维护服务，并且更具体地说，但不限于，涉及汽车预测性维护的神经网络模型的存储和存取。

背景技术

常规地，基于预定的运行里程碑来安排汽车维护。举例来说，可每三个或六个月安排一次例行维护服务，或在行驶预定距离(例如，3000英里、6000英里或15000英里)之后安排一次例行维护服务。

当机动车辆的组件在车辆运行期间出现故障或失灵时，这类事故可有安全隐患。在这类事故发生之后，即使在不方便时间也要尽快安排行程以获得车辆服务。

自主驾驶技术领域的最新发展允许计算系统至少在一些条件下操作机动车辆的控制元件而无需车辆的人类操作者的辅助。

举例来说，传感器(例如，相机和雷达)可安装在机动车辆上以检测在车行道上行驶的车辆的周围环境。在具有或不具有来自车辆的人类操作者的任何输入的情况下，安装在车辆上的计算系统分析传感器输入以识别条件并且产生用于车辆的方向和/或速度的自主调整的控制信号或命令。

在一些布置中，当计算系统辨识到其中计算系统可能无法继续以安全方式操作车辆的情境时，计算系统警报车辆的人类操作者并且请求人类操作者接管对车辆的控制并进行手动驾驶来代替允许计算系统自主驾驶车辆。

2017年1月3日公开的标题为“用于电动车辆的电子控制设备(ElectronicControl Apparatus for Electrically-Driven Vehicle)”的第9,533,579号美国专利公开具有自诊断功能的车辆的电子控制设备。

自主驾驶和/或高级驾驶辅助系统(ADAS)通常涉及用于识别在传感器输入中所捕获的事件和/或对象的人工神经网络(ANN)。

一般来说，人工神经网络(ANN)使用神经元网络处理发到所述网络的输入并且产生来自所述网络的输出。

举例来说，网络中的每一神经元接收输入集。发到神经元的输入中的一些可为网络中的某些神经元的输出；且发到神经元的输入中的一些可为提供给神经网络的输入。网络中的神经元当中的输入/输出关系表示网络中的神经元连接性。

举例来说，每一神经元可具有偏向、激活函数，以及分别用于其输入的突触权重集。激活函数可呈阶跃函数、线性函数、对数S型(log-sigmoid)函数等形式。网络中的不同神经元可具有不同激活函数。

举例来说，每一神经元可产生其输入和其偏向的加权总和并且接着产生为加权总和的函数的输出，所述输出是使用神经元的激活函数经计算。

ANN的输入和输出之间的关系一般由ANN模型定义，所述ANN模型包含表示网络中的神经元的连接性的数据，以及每一神经元的偏向、激活函数和突触权重。使用既定ANN模型，计算装置从发到网络既定输入集计算网络的输出。

举例来说，可基于相机输入产生发到ANN网络的输入；且来自ANN网络的输出可为例如事件或对象等项目的识别。