一种兼容燃油与新能源车的AI智能OBD故障诊断预警系统的制作方法
本发明涉及故障诊断系统,具体涉及一种兼容燃油与新能源车的ai智能obd故障诊断预警系统。
背景技术:
1、车载故障诊断系统自上世纪九十年代obd-ii标准普及以来,已成为车辆维修保养的核心工具。传统的obd诊断设备通过读取车辆电控单元记录的标准化故障码(dtc)来判断故障位置和性质。这套机制在设计之初主要针对排放相关的传感器和执行器,对于故障已发生等典型问题较为有效。然而,随着汽车电子电气架构的快速发展,尤其是新能源汽车的普及,传统obd诊断体系的局限性日益凸显。
2、首先,故障码的生成依赖于电控单元内部的阈值判断逻辑。只有当某个传感器的信号持续偏离预设范围超过一定时间后,ecu才会记录对应的故障码并点亮故障灯。这意味着许多渐进性退化,比如节气门积碳逐步增厚、电芯容量缓慢衰减、底盘配件异响、空调压缩机效率逐年下降,在达到ecu设定的硬性阈值之前,系统不会产生任何故障码,车主和维修人员完全无从知晓。等到故障灯亮起时,问题往往已经发展到需要更换部件的程度,错过了最佳维护时机。
3、其次,传统诊断设备的车型兼容性较差。不同品牌、不同年份的车辆使用不同的通信协议和数据定义,燃油车普遍采用can2.0总线,而新能源车越来越多地采用canfd甚至flexray总线来满足高带宽需求。维修门店为了覆盖常见车型,往往需要购置多台专用诊断仪,每台价格从数千元到数万元不等,且需要定期更新车型数据库。这不仅增加了运营成本,也导致许多小型修理厂无力配备齐全,只能依靠经验判断。
4、第三,新能源汽车带来了全新的诊断挑战。电池包由数十到上百节电芯串联组成,单节电芯的性能衰退并不会触发整车级别的故障码,但长期积累会导致电池包整体容量下降甚至引发热失控风险。驱动电机、逆变器等高压部件的故障模式与传统发动机完全不同,缺乏成熟的诊断模型。空调系统在电动车中由电动压缩机驱动,其效率衰减同样缺乏有效的量化监测手段。现有诊断设备对这些部件的检测能力基本空白。
5、第四,部分高端诊断仪开始尝试将采集数据上传至云端进行分析,借助后台的大数据和机器学习模型来识别异常。这种方式确实能提升诊断精度,但也带来了新的问题:网络依赖性,维修车间的地下车位、偏远地区的信号覆盖往往不稳定,断网时设备无法正常工作;数据隐私风险,车辆运行数据涉及车主行驶轨迹、驾驶习惯等敏感信息,上传至第三方服务器存在泄露隐患;实时性不足,数据上传、云端排队、结果返回的过程存在延迟,无法做到边采集边诊断。
6、综上所述,市场上急需一种能够同时兼容燃油车和新能源车、不依赖云端网络、能够在本地完成隐性故障量化评级的智能诊断系统,以满足汽修门店、车队管理、车主自检以及二手车评估等多场景的实际需求。
技术实现思路
1、针对现有技术中的缺陷,本发明提供一种兼容燃油与新能源车的ai智能obd故障诊断预警系统,包括硬件适配层,设于obd诊断盒内,包含支持can2.0、canfd及flexray总线的多协议物理接口,用于在插入车辆obd接口后自动识别当前总线类型并建立通信链路,设有三轴mems振动传感单元,针对新能源及混动车辆,对接bms报文数据,结合电池充放电过程采集的微振动特征,完成单电芯衰减、电芯鼓包早期风险预警;针对燃油车,抓取冷启动工况下发动机转速波动数据,同步采集机体振动、蓄电池、起动机、发电机及点火进气系统等时序数据信号,实现冷启动失效预判和发动机积碳量化分级预警,以及隐形油耗上升预警;面向全车型,解析车辆行驶工况下底盘振动频谱特征,识别悬挂、球头、衬套、减震器、刹车片底盘零部件早期磨损失效以及异响隐患;设有车载总线收发适配模块,用于在不同通信协议的车载网络之间进行数据格式转换与信号适配,确保ecu间稳定、实时的信息交互,设有高压信号隔离防护模块,用于在高压强电系统与低压控制电路之间建立电气隔离屏障,阻断危险电压传导、抑制共模瞬态干扰并保障信号完整性,同时满足车规级功能安全与安规认证要求,设有无线通信模块,用于通过无线电波实现设备间无物理连接的数据传输,同时设有低功耗电源管理模块,用于在电子系统中智能调控各子模块的供电状态与电压等级,以最小化能耗、延长电池寿命并提升系统能效;
2、数据采集层,连接所述硬件适配层,用于以可配置的采样频率实时采集车辆电控单元、电池管理系统、电机控制器、发动机电控单元及空调控制器的工况数据,采集燃油车振动传感数据、燃油车启动以及积碳相关数据,为燃油车的启动衰减相关信号以及积碳和油耗相关信号增加预警,同时采集振动传感器中底盘悬挂系的减震、摆臂球头和衬套、转向系拉杆球头、制动系刹车片以及半轴球笼的音频信号,并将多源数据按统一时间戳对齐后输出;
3、嵌入式ai推理层,设于所述obd诊断盒内且连接所述数据采集层,内置多组轻量化离线ai模型,无需依赖云端运算,收到信号后,先做无监督学习,将异常数据上传云端做监督学习,最后给出预警提示,用于对每项核心部件独立运行对应的量化模型,逐项输出健康评分、退化指数或故障概率;
4、诊断输出层,连接所述嵌入式ai推理层,用于根据各模型的输出结果,按照预设的分级规则生成量化评级报告,并通过显示终端或无线通信模块推送至用户端;
5、所述硬件适配层的输出作为所述数据采集层的输入,所述数据采集层的输出作为所述嵌入式ai推理层的输入,所述嵌入式ai推理层的输出作为所述诊断输出层的决策依据,所述诊断输出层生成的诊断报告及用户反馈数据作为系统参数更新的参考来源。
6、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述硬件适配层包括:协议识别子模块,用于在系统上电后依次尝试can2.0、canfd和flexray唤醒序列,根据总线应答情况自动锁定当前协议,整个过程无需人工配置;
7、物理接口子模块,包含符合iso15765-4标准的obd-ii引脚定义,并额外预留flexray差分信号引脚,支持12v/24v双电压供电自适应。
8、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述嵌入式ai推理层中,针对新能源车电芯单体衰减识别,设有电芯健康模型,对每节电芯按下式计算健康状态值:
9、;
10、其中,为电芯出厂健康基准值,为当前容量归一化值,为额定容量,为当前温度,为参考温度,、为基于电化学机理预标定的衰减系数。
11、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述嵌入式ai推理层中,针对燃油车节气门积碳量化评级,设有积碳指数模型,按下式计算积碳指数:
12、;
13、其中,为实测进气质量流量,为理论进气质量流量,为进气温度,为基准进气温度,为节气门开度变化率,、、为权重系数;所述诊断输出层根据值将积碳程度划分为1至5级。
14、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述嵌入式ai推理层中,针对驱动电机故障研判,设有电机健康评分模型,按下式计算电机健康评分:
15、;
16、其中,为sigmoid函数,为轴电流,为额定峰值电流,为绕组温度,为额定绕组温度,为壳体轴振动加速度,、、为预设权重系数;越接近1表示故障概率越高。
17、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述嵌入式ai推理层中,针对油耗超标判定,设有油耗偏差模型,按下式计算油耗偏差率:
18、;
19、其中,为实际百公里油耗,为基于发动机map图的理论百公里油耗;当超过预设阈值时,诊断输出层判定为油耗异常。
20、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述嵌入式ai推理层中,针对空调系统渐进故障预警,设有压缩机健康衰减模型,按下式计算健康衰减率:
21、;
22、其中,为压缩机当前功率,为压缩机额定功率,为当前制冷量,为额定制冷量;当连续两次诊断呈上升趋势时,系统判定为渐进性故障。
23、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述诊断输出层内置四级量化评级规则,按严重程度由低到高设为轻微、关注、严重、危急四个等级;
24、轻微等级:所有模型输出均在安全范围内,仅记录数据;
25、关注等级:任一模型输出超出正常范围但未达告警阈值,系统在报告中标注黄色警示;
26、严重等级:任一模型输出达到告警阈值,系统在显示屏上弹出红色提示,并建议尽快检修;
27、危急等级:电机健康评分≥0.7或电芯低于预设安全下限,预设安全下限为80%,系统立即发出声光报警,并建议停止运行。
28、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,所述嵌入式ai推理层还包含车型路由表,该路由表根据硬件适配层识别到的总线类型和车辆vin码,自动加载对应的模型组合与参数配置;
29、对于燃油车,加载节气门积碳模型、油耗偏差模型、启动异常诊断模型、底盘各配件异响失效模型及空调衰减模型;
30、对于新能源车,加载电芯健康模型、电机健康评分模型、底盘各配件异响失效模型及空调衰减模型;
31、对于混合动力车,同时加载上述所有模型,并根据当前驱动模式切换采样优先级。
32、作为本发明所述兼容燃油与新能源车的ai智能obd故障诊断预警系统的一种优选方案,还包括一个本地历史诊断数据库,该数据库存储每次诊断的原始时序数据快照、各ai模型的中间层输出特征以及最终的量化评级结果;当系统再次连接同一车辆时,自动检索该车辆的历史诊断记录,将当前量化评级与历史基线进行对比,生成退化趋势曲线并在诊断报告中突出显示恶化速度超过预设阈值的部件。
33、本发明的有益效果体现在:
34、本发明不依赖标准故障码体系,通过多个维度的ai模型对隐性故障进行量化评级,突破了传统方案仅依赖标准故障码的局限。硬件适配层支持can2.0、canfd和flexray三种主流车载总线协议,自动识别并锁定,无需人工选择车型,真正做到即插即用。所有ai模型在obd诊断盒本地运行,不依赖云端网络,保障了数据隐私和诊断可靠性。本地历史数据库使系统具备趋势跟踪能力,能够及时发现加速恶化的部件,为预防性维护提供依据。系统可应用于汽修门店日常检测、车队批量巡检、车主自主监测以及二手车技术状况评估等多种场景。
35、本发明将总线数据与物理振动感知软硬集成,不依赖车辆原厂新增传感器,在故障发生早期输出分级预警,适用于乘用车、商用车后装故障诊断预警场景,针对新能源及混动车辆,对接bms报文数据,结合电池充放电过程采集的微振动特征,完成单电芯衰减、电芯鼓包早期风险预警;针对燃油车,抓取冷启动工况下发动机转速波动数据,同步采集机体振动信号、蓄电池、起动机、发电机及点火进气系统等时序数据信号,实现冷启动失效预判和发动机积碳量化分级预警,面向全车型,解析车辆行驶工况下底盘振动频谱特征,识别悬挂、球头、衬套、减震器、刹车片底盘零部件早期磨损失效以及异响隐患。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com