A method for early warning is provided. The method clusters (810) normal historical data of normal cars into groups based on the car subsystem to which they belong. The method extracts (820) (i) features based on group membership and (ii) feature correlations based on correlation graphs formed from the groups. The method trains (830) an Auto-Encoder and Auto Decoder (AE&AD) model based on the features and the feature correlations to reconstruct the normal historical data with minimum reconstruction errors. The method reconstructs (840), using the trained AE&AD model, historical data of specific car fault types with reconstruction errors, normalizes the reconstruction errors, and selects features of the car faults with a top k large errors as fault signatures. The method reconstructs (850) streaming data of monitored cars using the trained AE&AD model to determine streaming reconstruction errors, comparing the streaming reconstruction errors with the fault signatures to predict and provide alerts for impending known faults.

    La présente invention concerne un procédé d'avertissement précoce. Le procédé regroupe (810) des données historiques normales de voitures normales en groupes sur la base du sous-système de voitures auquel elles appartiennent. Le procédé extrait (820) (i) des caractéristiques basées sur l'appartenance à un groupe et (ii) des corrélations de caractéristiques basées sur des graphes de corrélation formés à partir des groupes. Le procédé entraîne (830) un modèle de codeur automatique et de décodeur automatique (AE&AD) sur la base des caractéristiques et des corrélations de caractéristiques pour reconstruire les données historiques normales avec des erreurs de reconstruction minimales. Le procédé reconstruit (840), à l'aide du modèle AE&AD entraîné, des données historiques de types de défauts de voiture spécifiques avec des erreurs de reconstruction, normalise les erreurs de reconstruction, et sélectionne des caractéristiques des défauts de voiture avec les k plus grosses erreurs comme signatures de défaut. Le procédé reconstruit (850) des données de diffusion en continu de voitures surveillées à l'aide du modèle AE&AD entraîné pour déterminer des erreurs de reconstruction de diffusion en continu, comparant les erreurs de reconstruction de diffusion en continu avec les signatures de défaut pour prédire et fournir des alertes pour des défauts connus imminents.


    Access

    Download


    Export, share and cite



    Title :

    VEHICLE INTELLIGENCE TOOL FOR EARLY WARNING WITH FAULT SIGNATURE


    Additional title:

    OUTIL D'INTELLIGENCE DE VÉHICULE POUR UN AVERTISSEMENT PRÉCOCE AVEC SIGNATURE DE DÉFAUT


    Contributors:
    TANG LUAN (author) / CHENG WEI (author) / CHEN HAIFENG (author) / KOBAYASHI YUJI (author) / CHEN ZHENGZHANG (author)

    Publication date :

    2022-03-17


    Type of media :

    Patent


    Type of material :

    Electronic Resource


    Language :

    English


    Classification :

    IPC:    G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / B60K Anordnung oder Einbau von Antriebseinheiten oder von Kraft- bzw. Drehmomentübertragungen in Fahrzeugen , ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES / G06F ELECTRIC DIGITAL DATA PROCESSING , Elektrische digitale Datenverarbeitung



    Vehicle fault early warning prompting method and vehicle fault early warning prompting system

    HE XINHUA / CHEN LEI / YANG YIN et al. | European Patent Office | 2020

    Free access

    Vehicle fault early warning system

    RAMESH VINEETH | European Patent Office | 2017

    Free access

    Vehicle Fault Early Warning System

    RAMESH VINEETH | European Patent Office | 2017

    Free access

    Vehicle fault automatic early warning device

    CHEN SHANBAI | European Patent Office | 2021

    Free access

    Vehicle fault warning device and vehicle fault warning method

    TAN HAOTIAN / WANG XING | European Patent Office | 2023

    Free access