一种自适应ECU故障诊断控制方法与流程

一种自适应ecu故障诊断控制方法
技术领域
1.本发明属于数据处理技术领域，具体涉及一种自适应ecu故障诊断控制方法。


背景技术：

2.汽车ecu和普通的电脑一样，由微处理器mcu、存储器、输入/输出接口(i/o)、模数转换器(a/d)以及整形、驱动等大规模集成电路组成。用一句简单的话来形容就是ecu就是汽车的大脑。ecu的工作电压、工作电流以及工作温度都有正常的浮动区间。在ecu中cpu是核心部分，它具有运算与控制的功能，发动机在运行时，它采集各传感器的信号，进行运算，并将运算的结果转变为控制信号，控制被控对象即负载的工作。汽车发动机系统主要包括电控燃油喷射系统、电控点火系统、警告提示系统等。发动机故障诊断系统包括尾气检测，振动、音频等等的检测，如果汽车ecu及其相关连接电路出现了故障，将严重的影响汽车的正常工作，甚至带来安全事故。
3.ecu的检测是通过微处器或单片机来模拟传感器的信号传递给汽车ecu，微处器或单片机需要编制相应的控制程序，并且不同品牌的汽车其汽车ecu的内部程序是不同的，所以通过微处器或单片机来模拟传感器的信号发送给汽车ecu进行测试，对于维修人员来说，其通用性并不高，并且采用微处器或单片机导致结构复杂，成本较高，且不具有实时性。


技术实现要素：

4.本发明提供一种自适应ecu故障诊断控制方法，实时判断ecu工作状态是否处于异常，以便相关工作人员对ecu工作状态进行实时掌控，避免重大故障问题的出现。
5.本发明的一种自适应ecu故障诊断控制方法采用如下技术方案：该方法包括：基于ecu工作过程大数据获取引发ecu发生故障的各项检测参数；获取在ecu当前检测时段内每项检测参数在不同时刻的多个检测数据，基于获取的各项检测参数的多个检测数据构建检测数据矩阵；获取由每项检测参数的多个检测数据均值组成的均值序列，并计算该均值序列的均值；利用各项检测参数的多个检测数据和均值序列构建自分析矩阵，利用均值序列和均值序列的均值构建互分析矩阵；基于自分析矩阵和互分析矩阵获取最佳投影向量，基于最佳投影向量对检测数据矩阵进行优化得到优化后检测数据矩阵；根据优化后检测数据矩阵判断判定ecu工作状态是否存在异常；当ecu工作状态存在异常时构建每项检测参数的正常运行模型；将每项检测参数在每一时刻前一段时间内检测数据，输入到正常运行模型中得到每项检测参数在每一时刻的正常运行模型值；利用每项检测参数在每一时刻的正常运行模型值和该项检测参数在该时刻的检测数据判断该项检测参数是否存在故障状况并发出预警提示。
6.进一步地，所述获取由每项检测参数的多个检测数据均值组成的均值序列，并计算该均值序列的均值，包括：所述每项检测参数的多个检测数据均值的计算公式如下式所示：其中，表示在检测数据矩阵中检测参数i的第j个数据；表示在检测数据矩阵中检测参数i的数据总数量；表示在检测数据矩阵中检测参数i的个检测数据均值；所述均值序列的均值的计算公式如下式所示：其中，表示在检测数据矩阵中检测参数i的个检测数据均值；表示在检测数据矩阵中检测参数的总个数；表示均值序列的均值。
7.进一步地，所述自分析矩阵的计算公式如下式所示：其中，表示在检测数据矩阵中检测参数i的第j个数据；表示在检测数据矩阵中检测参数i的数据总数量；表示在检测数据矩阵中检测参数i的个检测数据均值；表示在检测数据矩阵中检测参数的总个数；表示自分析矩阵；所述互分析矩阵的计算公式如下式所示：其中，表示在检测数据矩阵中检测参数i的个检测数据均值；表示在检测数据矩阵中检测参数的总个数；表示均值序列的均值；ρ为模型参数，本发明将其设置为ρ=2。
8.进一步地，所述基于最佳投影向量对检测数据矩阵进行优化得到优化后检测数据矩阵，包括：获取最佳投影向量的转置向量；根据最佳投影向量的转置向量和检测数据矩阵获取优化后检测数据矩阵；所述优化后检测数据矩阵的计算公式如下式所示：
其中，表示最佳投影向量；表示最佳投影向量的转置向量；表示检测数据矩阵；表示优化后检测数据矩阵。
9.进一步地，所述根据优化后检测数据矩阵判断判定ecu工作状态是否存在异常，包括：基于ecu正常工作时段内每项检测参数的多个正常数据构建正常数据矩阵，按照优化后检测数据矩阵获取方法得到优化正常数据矩阵；基于优化后检测数据矩阵和优化正常数据矩阵建立综合状况判定模型，当综合状况判定模型的综合状况判定指标低于预设指标阈值时判定ecu工作状态处于异常；综合状况判定模型的计算公式如下式所示：其中，表示优化后检测数据矩阵中第p行第q列的元素；表示优化正常数据矩阵中第p行第q列的元素；表示优化后检测数据矩阵和优化正常数据矩阵中总行数；表示优化后检测数据矩阵和优化正常数据矩阵中总列数；表示优化后检测数据矩阵和优化正常数据矩阵中包含的总元素数；表示综合状况判定模型，当，为预设指标阈值，本发明中预设指标阈值=0.5，当时判定ecu工作状态处于异常。
10.进一步地，所述当ecu工作状态存在异常时构建每项检测参数的正常运行模型，包括：每项检测参数的正常运行模型的计算公式如下式所示：其中，表示在检测数据矩阵中检测参数i的第j个数据；表示检测参数i的第个数据；表示检测参数i的第个数据；表示检测参数i的第j个数据对应的白噪声；为服从的现有白噪声序列；与分别为第i项检测参数的正常运行模型系数序列；表示检测参数i的第j个数据的正常运行模型值。
11.进一步地，所述利用每项检测参数在每一时刻的正常运行模型值和该项检测参数在该时刻的检测数据判断该项检测参数是否存在故障状况并发出预警提示，包括：计算每项检测参数在每一时刻的正常运行模型值和该项检测参数在该时刻的检测数据的差值绝对值；当差值绝对值大于等于该项检测参数对应的预设细诊断阈值时，判断该项检测参
数是否存在故障状况并发出预警提示。
12.进一步地，所述预设细诊断阈值按照以下步骤得到，包括：获取ecu正常工作时段内每项检测参数的多个正常数据组成该项检测参数的正常数据序列；计算每项检测参数的正常数据序列的均值和标准差，并统计该项检测参数的正常数据序列中超过均值的数据以及超过均值的数据出现的次数；根据每项检测参数的正常数据序列内包含的数据总数、每项检测参数的正常数据序列的均值和标准差，以及每项检测参数的正常数据序列中超过均值的数据以及超过均值的数据出现的次数确定每项检测参数对应的预设细诊断阈值。
13.进一步地，所述预设细诊断阈值的计算公式如下式所示：其中，表示偏差因子；表示该项检测参数的正常数据序列的均值；表示该项检测参数的正常数据序列的标准差；表示该项检测参数对应的预设细诊断阈值；所述偏差因子的计算公式如下式所示：其中，该项检测参数的正常数据序列中超过均值的第个数据；表示该项检测参数的正常数据序列中超过均值的数据出现的次数；表示该项检测参数的正常数据序列的均值；表示该项检测参数的正常数据序列的标准差。
14.本发明的有益效果是：本发明提出一种自适应ecu故障诊断控制方法，能实时判断ecu工作状态是否处于异常，以便相关工作人员对ecu工作状态进行实时掌控，避免重大故障问题的出现。同时本发明通过建立综合状况判定模型先对ecu工作状态是否处于异常进行准确判定，避免无关因素的影响，这样可以有效降低系统的检测数据量。
15.当综合状况判定模型初步判定ecu工作状态处于异常时，为实现对ecu状态的精确检测，对故障问题的准确识别，本发明建立每项检测参数的正常运行模型，基于每项检测参数的正常运行模型，对各项检测参数的状况进行检测分析，识别出故障参数，并作出相应的提示预警，防止重大故障的发生，提高故障诊断精度。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
17.图1为本发明的一种自适应ecu故障诊断控制方法的实施例总体步骤的流程示意图。
具体实施方式
18.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.本发明的一种自适应ecu故障诊断控制方法的实施例，如图1所示，该方法包括：s1、基于ecu工作过程大数据获取引发ecu发生故障的各项检测参数。
20.汽车ecu和普通的电脑一样，由微处理器mcu、存储器、输入/输出接口(i/o)、模数转换器(a/d)以及整形、驱动等大规模集成电路组成。用一句简单的话来形容就是ecu就是汽车的大脑。ecu的电压工作范围一般在6.5-16v，内部关键处有稳压装置，ecu静态工作电流通常在0.05-0.4a之间，工作温度在-40
°
c～80
°
c。在ecu中cpu是核心部分，它具有运算与控制的功能，发动机在运行时，它采集各传感器的信号，进行运算，并将运算的结果转变为控制信号，控制被控对象即负载的工作。汽车发动机系统主要包括电控燃油喷射系统、电控点火系统、警告提示系统等。发动机故障诊断系统包括尾气检测，振动、音频等等的检测，如果汽车ecu及其相关连接电路出现了故障，将严重的影响汽车的正常工作，甚至带来安全事故。
21.本发明基于ecu工作过程大数据获取其在工作过程中各参数，包括：电流值、温度、电压值、功率、尾气浓度以及振动频率等各参数。基于大数据进行统计获取引发ecu发生故障的各项检测参数，本发明将各项检测参数数量记为c。本发明将通过传感器、仪器等信息采集设备对ecu故障检测的各项检测参数进行提取，用于对ecu状况进行检测，便于检测ecu的故障问题。
22.s2、获取在ecu当前检测时段内每项检测参数在不同时刻的多个检测数据，基于获取的各项检测参数的多个检测数据构建检测数据矩阵。
23.本发明中在ecu当前检测时段内获取每项检测参数在不同时刻的n个检测数据，基于获取的各项检测参数的多个检测数据构建检测数据矩阵如下式（1）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中，表示在检测数据矩阵中检测参数i的第j个数据。
24.s3、获取由每项检测参数的多个检测数据均值组成的均值序列，并计算该均值序列的均值。
25.每项检测参数的多个检测数据均值的计算公式如下式（2）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）其中，表示在检测数据矩阵中检测参数i的第j个数据。；表示在检测数据矩阵中检测参数i的数据总数量；表示在检测数据矩阵中检测参数i的个检测数据均值。均值序列为：；均值序列的均值的计算公式如下式（3）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）其中，表示在检测数据矩阵中检测参数i的个检测数据均值；表示在检测数据矩阵中检测参数的总个数；表示均值序列的均值。
26.s4、利用各项检测参数的多个检测数据和均值序列构建自分析矩阵，利用均值序列和均值序列的均值构建互分析矩阵。
27.自分析矩阵的计算公式如下式（4）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（4）其中，表示在检测数据矩阵中检测参数i的第j个数据；表示在检测数据矩阵中检测参数i的数据总数量；表示在检测数据矩阵中检测参数i的个检测数据均值；表示在检测数据矩阵中检测参数的总个数；表示自分析矩阵；代表矩阵的转置。
28.互分析矩阵的计算公式如下式（5）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（5）其中，表示在检测数据矩阵中检测参数i的个检测数据均值；表示在检测数据矩阵中检测参数的总个数；表示均值序列的均值；ρ为模型参数，本发明将其设置为ρ=2。
29.s5、基于自分析矩阵和互分析矩阵获取最佳投影向量，基于最佳投影向量对检测数据矩阵进行优化得到优化后检测数据矩阵。
30.为实现对ecu工作状况准确分析，本发明将对各项检测参数之间的关系以及各项检测参数对于ecu故障综合状况判定的贡献程度进行分析，以获取最佳投影向量。基于自分析矩阵和互分析矩阵获取最佳投影向量的过程为现有公知技术。
31.根据fisher 函数可得下式（6）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）式中，为任意的c维向量，由最大化fisher 函数可知，越大，也即不同检测参数之间的差异性与同一检测参数的各项检测参数数据之间的差异性的比值越大，则认为检测参数之间的线性可分性越高，因此，对于fisher 函数将获取其最大化所对应的向量，将其作为最佳投影向量如下式（7）所示，也即：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（7）
为最佳投影向量，用于对数据矩阵进行投影分析，以获取较为可信度较高的数据矩阵，也即获取优化数据矩阵，用于对ecu综合状况进行分析。所述最佳投影向量的获取过程为现有公知技术，大致过程为：考虑到本发明只需获取的方向，因此，为方便计算，由拉格朗日乘子法可知：，也即：，进一步基于先验知识计算矩阵的特征值以及特征向量，每个特征向量都是一个c维的列向量，具体过程为现有技术，不做详细阐述，最后按照从大到小选取top-k个特征向量构成的矩阵作为最佳投影向量：，至此，即可得到ecu综合状态过程中的最佳投影向量。
32.基于最佳投影向量获取检测数据矩阵的优化后检测数据矩阵，包括：获取最佳投影向量的转置向量；根据最佳投影向量的转置向量和检测数据矩阵获取优化后检测数据矩阵；所述优化后检测数据矩阵的计算公式如下式（8）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）其中，表示最佳投影向量；表示最佳投影向量的转置向量；表示检测数据矩阵；表示优化后检测数据矩阵。
33.s6、根据优化后检测数据矩阵判断判定ecu工作状态是否存在异常。
34.基于ecu正常工作时段内每项检测参数的多个正常数据构建正常数据矩阵，按照优化后检测数据矩阵获取方法得到优化正常数据矩阵；本发明基于汽车ecu正常工作时段内的历史数据，获取ecu正常工作时段内每项检测参数的多个正常数据并构建正常数据矩阵，按照优化后检测数据矩阵的获取方法得到优化正常数据矩阵。
35.基于优化后检测数据矩阵和优化正常数据矩阵建立综合状况判定模型，当综合状况判定模型的综合状况判定指标低于预设指标阈值时判定ecu工作状态处于异常。
36.为初步对ecu的综合状况进行诊断分析，降低系统检测量，本发明将建立综合状况判定模型，初步对ecu的综合状况进行检测分析。
37.所述综合状况判定模型的计算公式如下式（9）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（9）其中，表示优化后检测数据矩阵中第p行第q列的元素；表示优化正常数据矩阵中第p行第q列的元素；表示优化后检测数据矩阵和优化正常数据矩阵中总行数；表示优化后检测数据矩阵和优化正常数据矩阵中总列数；表示优化后检测数据矩阵和
优化正常数据矩阵中包含的总元素数；表示综合状况判定模型，当，为预设指标阈值，本发明中预设指标阈值=0.5，当时判定ecu工作状态处于异常。
38.s7、当ecu工作状态存在异常时构建每项检测参数的正常运行模型。
39.s8、将每项检测参数在每一时刻前一段时间内检测数据，输入到正常运行模型中得到每项检测参数在每一时刻的正常运行模型值。
40.其中，当ecu工作状态存在异常时构建每项检测参数的正常运行模型，包括：根据每项检测参数的每一检测数据均可用该检测数据前一段时间内多个检测数据以及对应的环境噪声值进行表征的原理，构建每项检测参数的正常运行模型；并对每项检测参数基于其在ecu正常工作时段内大量历史数据进行拟合获取每项检测参数的正常运行模型系数序列。
41.当综合状况判定模型初步判定ecu工作状态处于异常时，为实现对ecu状态的精确检测，对故障问题的准确识别，本发明建立每项检测参数的正常运行模型，基于每项检测参数的正常运行模型，对各项检测参数的状况进行检测分析，识别出故障参数，并作出相应的提示预警，防止重大故障的发生，提高故障诊断精度。
42.每项检测参数的正常运行模型的计算公式如下式（10）所示：（10）其中，表示在检测数据矩阵中检测参数i的第j个数据；表示检测参数i的第个数据；表示检测参数i的第个数据；表示检测参数i的第j个数据对应的白噪声；为服从的现有白噪声序列；与分别为第i项检测参数的正常运行模型系数序列；表示检测参数i的第j个数据的正常运行模型值，
푖
=1,2,
…
,
푐
。至此，根据本发明所述方法构建出每项检测参数的正常运行模型。
43.本发明中将每项检测参数在每一时刻前一段时间内检测数据，输入到正常运行模型中得到每项检测参数在每一时刻的正常运行模型值。由于本发明对ecu工作状态是实时监测的，如果判断检测参数i的第j个数据异常时则判定该项检测参数存在故障状况并发出预警提示，并不需要对第j个数据之后的数据进行计算。同时若检测参数i的第j个数据没有出现故障，那么检测参数i的第j个数据之前的数据均是正常数据。
44.s9、利用每项检测参数在每一时刻的正常运行模型值和该项检测参数在该时刻的检测数据判断该项检测参数是否存在故障状况并发出预警提示。
45.其中，利用每项检测参数在每一时刻的正常运行模型值和该项检测参数在该时刻的检测数据判断该项检测参数是否存在故障状况并发出预警提示，包括：计算每项检测参数在每一时刻的正常运行模型值和该项检测参数在该时刻的检测数据的差值绝对值；当差值绝对值大于等于该项检测参数对应的预设细诊断阈值时，判断该项检测参数是否存在故障状况并发出预警提示。
46.分析每项检测参数是否存在故障状况基于细诊断阈值进行诊断，考虑到细诊断阈值过大过小将会导致系统诊断灵敏度降低、误诊断等问题，为避免细诊断阈值设置的主观性以及存在偶然因素导致某个检测参数出现波动过大的问题，防止检测参数故障分析的错检误检状况。预设细诊断阈值按照以下步骤得到，包括：获取ecu正常工作时段内每项检测参数的多个正常数据组成该项检测参数的正常数据序列；计算每项检测参数的正常数据序列的均值和标准差，并统计该项检测参数的正常数据序列中超过均值的数据以及超过均值的数据出现的次数；根据每项检测参数的正常数据序列内包含的数据总数、每项检测参数的正常数据序列的均值和标准差，以及每项检测参数的正常数据序列中超过均值的数据以及超过均值的数据出现的次数确定每项检测参数对应的预设细诊断阈值。
47.预设细诊断阈值的计算公式如下式（11）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（11）其中，表示偏差因子；表示该项检测参数的正常数据序列的均值；表示该项检测参数的正常数据序列的标准差；表示该项检测参数对应的预设细诊断阈值；所述偏差因子的计算公式如下式（12）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（12）其中，该项检测参数的正常数据序列中超过均值的第个数据；表示该项检测参数的正常数据序列中超过均值的数据出现的次数；表示该项检测参数的正常数据序列的均值；表示该项检测参数的正常数据序列的标准差。
48.计算每项检测参数的每一检测数据的正常运行模型值与该检测数据的差值绝对值如下式（13）所示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（13）其中，当时，则判定i项检测参数存在故障状况并发出预警提示，防止重大故障的发生，提高故障诊断精度。
49.综上所述，本发明提供一种自适应ecu故障诊断控制方法，通过建立综合状况判定模型先对ecu工作状态是否处于异常进行准确判定，避免无关因素的影响，这样可以有效降低系统的检测数据量。当综合状况判定模型初步判定ecu工作状态处于异常时，为实现对ecu状态的精确检测，对故障问题的准确识别，本发明建立每项检测参数的正常运行模型，基于每项检测参数的正常运行模型，对各项检测参数的状况进行检测分析，识别出故障参数，并作出相应的提示预警，防止重大故障的发生，提高故障诊断精度。
50.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。