一种基于知识库的汽车远程智能诊断方法和系统

1.一种基于知识库的汽车远程智能诊断方法，其特征在于，包括以下步骤：
步骤1，构建车辆健康体检模型，其中，所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型，所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健康状况划分，所述车辆总分值的计算方法包括：
记车辆总分值为X，设定车辆总分值为百分制，即0≤X≤100，则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇，其中X1＇表示加权后故障码总分值，X2＇表示加权后发动机负载分值，X3＇表示加权后冷却剂温度分值，X4＇表示加权后节气门开度分值，X5＇表示加权后怠速时发动机转速分值，X6＇表示加权后燃油经济性分值，X7＇表示加权后驾驶习惯分值；其中X1＇＝a1×X1，X2＇＝a2×X2，X3＇＝a3×X3，X4＇＝a4×X4，X5＇＝a5×X5，X6＇＝a6×X6，X7＇＝a7×X7，其中X1表示故障码总分值，X2表示发动机负载分值，X3表示冷却剂温度分值，X4表示节气门开度分值，X5表示怠速时发动机转速分值，X6表示燃油经济性分值，X7表示驾驶习惯分值；a1、a2、a3、a4、a5、a6和a7分别表示X1、X2、X3、X4、X5、X6和X7的权重，且a1+a2+a3+a4+a5+a6+a7＝1；
其中X1＝100-K，K表示故障码总扣分，K＝∑ki，ki表示第i个故障码的扣分，记车辆的故障码共有N个，N≥0，i＝1,2,3，…，N，其中ki＝M×T，其中M表示故障码标准分，T表示故障码分类评分百分比，M为一个固定值，T为预先设定的不同故障码对应的评分百分比，每一个故障码对应一个故障码分类评分百分比；若计算出来的K超过100，则记K为100；
X2的取值为100或0，X2的取值为100时为正常，X2的取值为0时为异常，当发动机负载介于预先设定的发动机负载范围内时，X2取值为100，否则X2取值为0，此时发动机负载异常；
X3的取值为100或0，X3的取值为100时为正常，X3的取值为0时为异常，当冷却剂温度介于预先设定的冷却剂温度范围内时，X3取值为0，否则X3取值为100；
X4的取值为100或0，X4的取值为100时为正常，X4的取值为0时为异常，当节气门开度介于预先设定的节气门开度范围内时，X4取值为100，否则X2取值为0；
X5的取值为100或0，X5的取值为100时为正常，X5的取值为0时为异常，当速度为0时发动机转速介于预先设定的发动机转速范围内时，X5取值为100，否则X5取值为0；
记G表示车型官方耗油，A表示实际燃油经济型数值，其中且A＝245.687×(tempV×speedV)/(rpmV×pressV)，其中tempV表示平均进气温度，speedV表示平均车速，rpmV表示平均发动机转速，且rpmV不为零，pressV表示平均进气歧管压力，当进气歧管压力为0时，取pressV为1，若A≤G，则X6取值为100，若A＞G，则记燃油经济型比例为R，R＝[(A-G)/G×
100％]，X6的取值根据R的数值进行多级划分，设置多个燃油经济型比例取值区间，每一个区间对应一个燃油经济性分值；
X7的取值为100或0，当车速和水温满足预先设定的条件时，X7取值0，否则X7取值100；
所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间，每一个区间对应一个车辆的健康状况评价；
步骤2，采集当前车辆的数据流；
步骤3，将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告。
2.根据权利要求1所述的基于知识库的汽车远程智能诊断方法，其特征在于，所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型；
所述故障码处理建议模型为设置多个故障码数量的取值区间，每一个区间对应一个处理建议；
所述监控指数处理建议模型为设置多个异常数据数目的取值区间，每一个区间对应一个处理建议；所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气门开度和怠速时发动机转速；
所述燃油经济性处理建议模型为根据X6的取值，进行不同的处理建议；
所述驾驶习惯处理建议模型为根据X7的取值，进行不同的处理建议。
3.根据权利要求1所述的基于知识库的汽车远程智能诊断方法，其特征在于，步骤2中，所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流；
当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码个数、故障码描述；
当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS纬度 、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、油轨压力、进气歧管绝对压力、氧传感器B1S1输出电压、氧传感器B1S2输出电压、氧传感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。
4.根据权利要求2所述的基于知识库的汽车远程智能诊断方法，其特征在于，步骤3中，所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议，当前车辆的分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯处理建议。
5.一种基于知识库的汽车远程智能诊断系统，其特征在于，包括车辆健康体检模型构建模块、当前车辆的数据流采集模块和当前车辆健康体检报告生成模块；
所述车辆健康体检模型构建模块用于构建车辆健康体检模型，其中，所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型，所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健康状况划分，所述车辆总分值的计算方法包括：
记车辆总分值为X，设定车辆总分值为百分制，即0≤X≤100，则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇，其中X1＇表示加权后故障码总分值，X2＇表示加权后发动机负载分值，X3＇表示加权后冷却剂温度分值，X4＇表示加权后节气门开度分值，X5＇表示加权后怠速时发动机转速分值，X6＇表示加权后燃油经济性分值，X7＇表示加权后驾驶习惯分值；其中X1＇＝a1×X1，X2＇＝a2×X2，X3＇＝a3×X3，X4＇＝a4×X4，X5＇＝a5×X5，X6＇＝a6×X6，X7＇＝a7×X7，其中X1表示故障码总分值，X2表示发动机负载分值，X3表示冷却剂温度分值，X4表示节气门开度分值，X5表示怠速时发动机转速分值，X6表示燃油经济性分值，X7表示驾驶习惯分值；a1、a2、a3、a4、a5、a6和a7分别表示X1、X2、X3、X4、X5、X6和X7的权重，且a1+a2+a3+a4+a5+a6+a7＝1；
其中X1＝100-K，K表示故障码总扣分，K＝∑ki，ki表示第i个故障码的扣分，记车辆的故障码共有N个，N≥0，i＝1,2,3，…，N，其中ki＝M×T，其中M表示故障码标准分，T表示故障码分类评分百分比，M为一个固定值，T为预先设定的不同故障码对应的评分百分比，每一个故障码对应一个故障码分类评分百分比；若计算出来的K超过100，则记K为100；
X2的取值为100或0，X2的取值为100时为正常，X2的取值为0时为异常，当发动机负载介于预先设定的发动机负载范围内时，X2取值为100，否则X2取值为0，此时发动机负载异常；
X3的取值为100或0，X3的取值为100时为正常，X3的取值为0时为异常，当冷却剂温度介于预先设定的冷却剂温度范围内时，X3取值为0，否则X3取值为100；
X4的取值为100或0，X4的取值为100时为正常，X4的取值为0时为异常，当节气门开度介于预先设定的节气门开度范围内时，X4取值为100，否则X2取值为0；
X5的取值为100或0，X5的取值为100时为正常，X5的取值为0时为异常，当速度为0时发动机转速介于预先设定的发动机转速范围内时，X5取值为100，否则X5取值为0；
记G表示车型官方耗油，A表示实际燃油经济型数值，其中且A＝245.687×(tempV×speedV)/(rpmV×pressV)，其中tempV表示平均进气温度，speedV 表示平均车速，rpmV表示平均发动机转速，且rpmV不为零，pressV表示平均进气歧管压力，当进气歧管压力为0时，取pressV为1，若A≤G，则X6取值为100，若A＞G，则记燃油经济型比例为R，R＝[(A-G)/G×
100％]，X6的取值根据R的数值进行多级划分，设置多个燃油经济型比例取值区间，每一个区间对应一个燃油经济性分值；
X7的取值为100或0，当车速和水温满足预先设定的条件时，X7取值0，否则X7取值100；
所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间，每一个区间对应一个车辆的健康状况评价；
所述当前车辆的数据流采集模块用于采集当前车辆的数据流；
所述当前车辆健康体检报告生成模块用于将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告。
6.根据权利要求5所述的基于知识库的汽车远程智能诊断系统，其特征在于，所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型；
所述故障码处理建议模型为设置多个故障码数量的取值区间，每一个区间对应一个处理建议；
所述监控指数处理建议模型为设置多个异常数据数目的取值区间，每一个区间对应一个处理建议；所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气门开度和怠速时发动机转速；
所述燃油经济性处理建议模型为根据X6的取值，进行不同的处理建议；
所述驾驶习惯处理建议模型为根据X7的取值，进行不同的处理建议。
7.根据权利要求5所述的基于知识库的汽车远程智能诊断系统，其特征在于，所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流；
当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码个数、故障码描述；
当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS纬度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、油轨压力、进气歧管绝对压力、氧传感器B1S1输出电压、氧传感器B1S2输出电压、氧传感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。
8.根据权利要求6所述的基于知识库的汽车远程智能诊断系统，其特征在于，所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议，当前车辆的分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯处理建议。

一种基于知识库的汽车远程智能诊断方法和系统\n技术领域\n[0001] 本发明涉及车联网领域，尤其涉及一种基于知识库的汽车远程智能诊断方法和系统。\n背景技术\n[0002] 目前车联网的应用逐步加深，随着后装OBD设备和前装集成设备在汽车上的安装，越来越多的车辆被纳入了被信息全程覆盖的范围。汽车作为一个综合的信息服务终端，一方面源源不断地向远程服务器发送车辆各个子系统的运行数据，另一方面从互联网上获取各式各样的信息，包括新闻资讯、音频、视频、基于位置的服务等。\n[0003] 目前，很多对于汽车诊断的手段主要有诊断设备和远程诊断系统。诊断设备一般用于汽车发生故障后，进行现场的诊断分析工具，需要将设备接入到OBD串口，读取实时数据流，显示在设备屏幕上，现场救援人员根据数据分析故障原因；远程诊断系统是基于终端采集模块采集的数据传输到云服务器，通过专家系统对数据进行分析，然后将分析结果返回给用户。这两种方法存在两个问题：1、都是对于故障的事后分析方法；2，故障的诊断依赖于有经验的维修人员。\n发明内容\n[0004] 本发明所要解决的是汽车的故障及风险反应滞后和过度依赖修理人员的技术问题，提供一种基于知识库的汽车远程智能诊断方法和系统。\n[0005] 本发明解决上述技术问题的技术方案如下：一种基于知识库的汽车远程智能诊断方法，包括以下步骤：\n[0006] 步骤1，构建车辆健康体检模型；\n[0007] 步骤2，采集当前车辆的数据流；\n[0008] 步骤3，将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告。\n[0009] 在上述技术方案的基础上，本发明还可以做如下改进。\n[0010] 进一步，步骤1中，所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型；\n[0011] 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健康状况划分；\n[0012] 所述车辆总分值的计算方法包括：\n[0013] 记车辆总分值为X，设定车辆总分值为百分制，即0≤X≤100，则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇，其中X1＇表示加权后故障码总分值，X2＇表示加权后发动机负载分值，X3＇表示加权后冷却剂温度分值，X4＇表示加权后节气门开度分值，X5＇表示加权后怠速时发动机转速分值，X6＇表示加权后燃油经济性分值，X7＇表示加权后驾驶习惯分值；其中X1＇＝a1×X1，X2＇＝a2×X2，X3＇＝a3×X3，X4＇＝a4×X4，X5＇＝a5×X5，X6＇＝a6×X6，X7＇＝a7×X7，其中X1表示故障码总分值，X2表示发动机负载分值，X3表示冷却剂温度分值，X4表示节气门开度分值，X5表示怠速时发动机转速分值，X6表示燃油经济性分值，X7表示驾驶习惯分值；\na1、a2、a3、a4、a5、a6和a7分别表示X1、X2、X3、X4、X5、X6和X7的权重，且a1+a2+a3+a4+a5+a6+a7＝1；\n[0014] 其中X1＝100-K，K表示故障码总扣分，K＝∑ki，ki表示第i个故障码的扣分，记车辆的故障码共有N个，N≥0，i＝1,2,3，…，N，其中ki＝M×T，其中M表示故障码标准分，T表示故障码分类评分百分比，M为一个固定值，T为预先设定的不同故障码对应的评分百分比，每一个故障码对应一个故障码分类评分百分比；若计算出来的K超过100，则记K为100；\n[0015] X2的取值为100或0，X2的取值为100时为正常，X2的取值为0时为异常，当发动机负载介于预先设定的发动机负载范围内时，X2取值为100，否则X2取值为0，此时发动机负载异常；\n[0016] X3的取值为100或0，X3的取值为100时为正常，X3的取值为0时为异常，当冷却剂温度介于预先设定的冷却剂温度范围内时，X3取值为0，否则X3取值为100；\n[0017] X4的取值为100或0，X4的取值为100时为正常，X4的取值为0时为异常，当气节门开度介于预先设定的气节门开度范围内时，X4取值为100，否则X2取值为0；\n[0018] X5的取值为100或0，X5的取值为100时为正常，X5的取值为0时为异常，当速度为0时发动机转速介于预先设定的发动机转速范围内时，X5取值为100，否则X5取值为0；\n[0019] 记G表示车型官方耗油，A表示实际燃油经济型数值，其中且A＝245.687×(tempV×speedV)/(rpmV×pressV)，其中tempV表示平均进气温度，speedV表示平均车速，rpmV表示平均发动机转速，且rpmV不为零，pressV表示平均进气歧管压力，当进气歧管压力为0时，取pressV为1，若A≤G，则X6取值为100，若A＞G，则记燃油经济型比例为R，R＝[(A-G)/G×\n100％]，X6的取值根据R的数值进行多级划分，设置多个燃油经济型比例取值区间，每一个区间对应一个燃油经济性分值；\n[0020] X7的取值为100或0，当车速和水温满足预先设定的条件时，X7取值0，否则X7取值\n100；\n[0021] 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间，每一个区间对应一个车辆的健康状况评价。\n[0022] 进一步，所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型；\n[0023] 所述故障码处理建议模型为设置多个故障码数量的取值区间，每一个区间对应一个处理建议；\n[0024] 所述监控指数处理建议模型为设置多个异常数据数目的取值区间，每一个区间对应一个处理建议；所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气门开度和怠速时发动机转速；\n[0025] 所述燃油经济性处理建议模型为根据X6的取值，进行不同的处理建议；\n[0026] 所述驾驶习惯处理建议模型为根据X7的取值，进行不同的处理建议。\n[0027] 进一步，步骤2中，所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流；\n[0028] 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码个数、故障码描述；\n[0029] 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、油轨压力、进气歧管绝对压力、氧传感器B1S1输出电压、氧传感器B1S2输出电压、氧传感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。\n[0030] 进一步，步骤3中，所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议，当前车辆的分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯处理建议。\n[0031] 本发明解决上述技术问题的另一种技术方案如下：一种基于知识库的汽车远程智能诊断系统，包括车辆健康体检模型构建模块、当前车辆的数据流采集模块和当前车辆健康体检报告生成模块；\n[0032] 所述车辆健康体检模型构建模块用于构建车辆健康体检模型；\n[0033] 所述当前车辆的数据流采集模块用于采集当前车辆的数据流；\n[0034] 所述当前车辆健康体检报告生成模块用于将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告。\n[0035] 在上述技术方案的基础上，本发明还可以做如下改进。\n[0036] 进一步，所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型；\n[0037] 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健康状况划分；\n[0038] 所述车辆总分值的计算方法包括：\n[0039] 记车辆总分值为X，设定车辆总分值为百分制，即0≤X≤100，则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇，其中X1＇表示加权后故障码总分值，X2＇表示加权后发动机负载分值，X3＇表示加权后冷却剂温度分值，X4＇表示加权后节气门开度分值，X5＇表示加权后怠速时发动机转速分值，X6＇表示加权后燃油经济性分值，X7＇表示加权后驾驶习惯分值；其中X1＇＝a1×X1，X2＇＝a2×X2，X3＇＝a3×X3，X4＇＝a4×X4，X5＇＝a5×X5，X6＇＝a6×X6，X7＇＝a7×X7，其中X1表示故障码总分值，X2表示发动机负载分值，X3表示冷却剂温度分值，X4表示节气门开度分值，X5表示怠速时发动机转速分值，X6表示燃油经济性分值，X7表示驾驶习惯分值；\na1、a2、a3、a4、a5、a6和a7分别表示X1、X2、X3、X4、X5、X6和X7的权重，且a1+a2+a3+a4+a5+a6+a7＝1；\n[0040] 其中X1＝100-K，K表示故障码总扣分，K＝∑ki，ki表示第i个故障码的扣分，记车辆的故障码共有N个，N≥0，i＝1,2,3，…，N，其中ki＝M×T，其中M表示故障码标准分，T表示故障码分类评分百分比，M为一个固定值，T为预先设定的不同故障码对应的评分百分比，每一个故障码对应一个故障码分类评分百分比；若计算出来的K超过100，则记K为100；\n[0041] X2的取值为100或0，X2的取值为100时为正常，X2的取值为0时为异常，当发动机负载介于预先设定的发动机负载范围内时，X2取值为100，否则X2取值为0，此时发动机负载异常；\n[0042] X3的取值为100或0，X3的取值为100时为正常，X3的取值为0时为异常，当冷却剂温度介于预先设定的冷却剂温度范围内时，X3取值为0，否则X3取值为100；\n[0043] X4的取值为100或0，X4的取值为100时为正常，X4的取值为0时为异常，当气节门开度介于预先设定的气节门开度范围内时，X4取值为100，否则X2取值为0；\n[0044] X5的取值为100或0，X5的取值为100时为正常，X5的取值为0时为异常，当速度为0时发动机转速介于预先设定的发动机转速范围内时，X5取值为100，否则X5取值为0；\n[0045] 记G表示车型官方耗油，A表示实际燃油经济型数值，其中且A＝245.687×(tempV×speedV)/(rpmV×pressV)，其中tempV表示平均进气温度，speedV表示平均车速，rpmV表示平均发动机转速，且rpmV不为零，pressV表示平均进气歧管压力，当进气歧管压力为0时，取pressV为1，若A≤G，则X6取值为100，若A＞G，则记燃油经济型比例为R，R＝[(A-G)/G×\n100％]，X6的取值根据R的数值进行多级划分，设置多个燃油经济型比例取值区间，每一个区间对应一个燃油经济性分值；\n[0046] X7的取值为100或0，当车速和水温满足预先设定的条件时，X7取值0，否则X7取值\n100；\n[0047] 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间，每一个区间对应一个车辆的健康状况评价。\n[0048] 进一步，所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型；\n[0049] 所述故障码处理建议模型为设置多个故障码数量的取值区间，每一个区间对应一个处理建议；\n[0050] 所述监控指数处理建议模型为设置多个异常数据数目的取值区间，每一个区间对应一个处理建议；所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气门开度和怠速时发动机转速；\n[0051] 所述燃油经济性处理建议模型为根据X6的取值，进行不同的处理建议；\n[0052] 所述驾驶习惯处理建议模型为根据X7的取值，进行不同的处理建议。\n[0053] 进一步，所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流；\n[0054] 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码个数、故障码描述；\n[0055] 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、油轨压力、进气歧管绝对压力、氧传感器B1S1输出电压、氧传感器B1S2输出电压、氧传感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。\n[0056] 进一步，所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议，当前车辆的分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯处理建议。\n[0057] 本发明的有益效果是：本发明能够解决是汽车故障及风险反应滞后和过度依赖修理人员的问题，通过数据流进行预测性异常诊断，并通过车辆健康体检模型进行智能的计算机分析，准确地找到问题原因。\n附图说明\n[0058] 图1为本发明实施例一所述基于知识库的汽车远程智能诊断方法的流程图；\n[0059] 图2为本发明所述智能推送系统；\n[0060] 图3为本发明实施例二所述基于知识库的汽车远程智能诊断系统的结构图。\n具体实施方式\n[0061] 以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。\n[0062] 图1为本发明实施例一所述基于知识库的汽车远程智能诊断方法的流程图。\n[0063] 如图1所示，一种基于知识库的汽车远程智能诊断方法，包括以下步骤：\n[0064] 步骤1，构建车辆健康体检模型；\n[0065] 所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型；\n[0066] 所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健康状况划分；\n[0067] 所述车辆总分值的计算方法包括：\n[0068] 记车辆总分值为X，设定车辆总分值为百分制，即0≤X≤100，则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇，其中X1＇表示加权后故障码总分值，X2＇表示加权后发动机负载分值，X3＇表示加权后冷却剂温度分值，X4＇表示加权后节气门开度分值，X5＇表示加权后怠速时发动机转速分值，X6＇表示加权后燃油经济性分值，X7＇表示加权后驾驶习惯分值；其中X1＇＝a1×X1，X2＇＝a2×X2，X3＇＝a3×X3，X4＇＝a4×X4，X5＇＝a5×X5，X6＇＝a6×X6，X7＇＝a7×X7，其中X1表示故障码总分值，X2表示发动机负载分值，X3表示冷却剂温度分值，X4表示节气门开度分值，X5表示怠速时发动机转速分值，X6表示燃油经济性分值，X7表示驾驶习惯分值；\na1、a2、a3、a4、a5、a6和a7分别表示X1、X2、X3、X4、X5、X6和X7的权重，且a1+a2+a3+a4+a5+a6+a7＝1，a1、a2、a3、a4、a5、a6和a7的值可以根据需要设定；\n[0069] 其中X1＝100-K，K表示故障码总扣分，K＝∑ki，ki表示第i个故障码的扣分，记车辆的故障码共有N个，N≥0，i＝1,2,3，…，N，其中ki＝M×T，其中M表示故障码标准分，T表示故障码分类评分百分比，M为一个固定值，可以根据需要进行设定，T为预先设定的不同故障码对应的评分百分比，其中故障码来源于《故障码分类库》，可以根据需要为故障码设定故障码级别，不同的故障码级别代表不同的评分百分比，每一个故障码对应一个故障码分类评分百分比。若计算出来的K超过100，则记K为100；\n[0070] X2的取值为100或0，X2的取值为100时为正常，X2的取值为0时为异常，当发动机负载介于预先设定的发动机负载范围内时，X2取值为100，否则X2取值为0，此时发动机负载异常，预先设定的发动机负载范围可以根据需要设定；\n[0071] X3的取值为100或0，X3的取值为100时为正常，X3的取值为0时为异常，当冷却剂温度介于预先设定的冷却剂温度范围内时，X3取值为0，否则X3取值为100，预先设定的冷却剂温度范围可以根据需要设定；\n[0072] X4的取值为100或0，X4的取值为100时为正常，X4的取值为0时为异常，当气节门开度介于预先设定的气节门开度范围内时，X4取值为100，否则X2取值为0，预先设定的气节门开度范围可以根据需要设定；\n[0073] X5的取值为100或0，X5的取值为100时为正常，X5的取值为0时为异常，当速度为0时发动机转速介于预先设定的发动机转速范围内时，X5取值为100，否则X5取值为0，预先设定的发动机转速范围可以根据需要设定；\n[0074] 记G表示车型官方耗油，A表示实际燃油经济型数值，其中且A＝245.687×(tempV×speedV)/(rpmV×pressV)，其中tempV表示平均进气温度，speedV表示平均车速，rpmV表示平均发动机转速，且rpmV不为零，pressV表示平均进气歧管压力，当进气歧管压力为0时，取pressV为1，若A≤G，则X6取值为100，若A＞G，则记燃油经济型比例为R，R＝[(A-G)/G×\n100％]，X6的取值根据R的数值进行多级划分，设置多个燃油经济型比例取值区间，每一个区间对应一个燃油经济性分值；所述多个燃油经济型比例取值区间以及其对应的燃油经济性分值可以根据需要设定；\n[0075] X7的取值为100或0，当车速和水温满足预先设定的条件时，X7取值0，否则X7取值\n100；所述预先设定的条件可以根据需要设定。\n[0076] 所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间，每一个区间对应一个车辆的健康状况评价。\n[0077] 所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型；\n[0078] 故障码处理建议模型为设置多个故障码数量的取值区间，每一个区间对应一个处理建议；\n[0079] 监控指数处理建议模型为设置多个异常数据数目的取值区间，每一个区间对应一个处理建议；所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气门开度和怠速时发动机转速；\n[0080] 燃油经济性处理建议模型为根据燃油经济性分值的不同设置与其对应的处理建议；每一个燃油经济性分值对应一个处理建议。\n[0081] 驾驶习惯处理建议模型为根据X7的取值，进行不同的处理建议。\n[0082] 步骤2，采集当前车辆的数据流；所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流。\n[0083] 当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码个数、故障码描述等；\n[0084] 当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、数据产生时间、瞬时油耗、方向盘的位置(转角)、方向盘的转速、方向盘传感器状态、车速、纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、油轨压力、进气歧管绝对压力、氧传感器B1S1输出电压、氧传感器B1S2输出电压、氧传感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温等；\n[0085] 步骤3，将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告；所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议，当前车辆的分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯处理建议。\n[0086] 所述当前车辆健康体检报告将信息以文字、语音等方式在用户App端呈现。所述呈现方式可以通过智能推送系统实现。\n[0087] 图2为本发明所述智能推送系统。\n[0088] 如图2所示，智能诊断系统将诊断结论发送到消息管理服务器(带有车辆ID)，App终端根据车辆ID注册一个Session在消息管理服务器，消息服务器接收到消息后根据车辆ID找到对应的App终端进行发送，App终端监听程序接收到消息后触发消息提示或者语音播放功能。\n[0089] 以下为一个具体的实施例。\n[0090] 假设车辆健康体检模型中，a1＝40％，a2＝5％，a3＝5％，a4＝5％，a5＝5％，a6＝\n20％，a7＝20％，M＝10，其中故障码级别对应的评分百分比可以设置为如下表所示：\n[0091]\n故障码级别 评分百分比\nA级 100％\nB级 60％\nC级 20％\nD级 10％\n[0092] 为故障码设置故障码级别的样本如下：\n[0093]\n[0094]\n[0095] 如上表所示，通过五位码以及16进制码来区分不同的故障码。\n[0096] 设置当发动机负载介于13-45之间时，X2取值为100，否则X2取值为0。\n[0097] 设置当冷却剂温度＞105℃时，X3取值为0，否则X3取值为100。\n[0098] 设置当气节门开度介于0.2％-0.4％之间时，X4取值为100，否则X2取值为0。\n[0099] 设置当速度为0时发动机转速在700rpm-860rpm之间时，X5取值为100，否则X5取值为0。\n[0100] 设置X6的取值如下表所示：\n[0101]\n[0102] 设置当水温小于等于50℃，车速不等于0时，X7取值为0，如果车速等于0，则X7取值为100；在水温大于50℃的情况下，X7取值为100。\n[0103] 车辆的健康状况划分为：当85＜X≤100时，车辆的健康状况评价为“很棒”，当70＜X≤85时，车辆的健康状况评价为“良好”，当60＜X≤70时，车辆的健康状况评价为“一般”，当X≤60时，车辆的健康状况评价为“很差”。\n[0104] 故障码处理建议模型如下表所示：\n[0105]\n故障码数量 故障码处理建议\n0 没有发现故障码\n1～10 发现故障码，建议进行维修\n10以上 车辆可能有严重故障，建议立即维修\n[0106] 监控指数处理建议模型如下表所示：\n[0107]\n异常数据数目 监控指数处理建议\n0 没有发现异常数据\n1～Nt/2 发现异常数据，建议进行维修\nNt/2以上 车辆可能有严重故障，建议立即维修\n[0108] 上表中的Nt表示监控指数处理建议模型监控的数据类型的数目。\n[0109] 燃油经济性处理建议模型如下表所示：\n[0110]\nX6 燃油经济性处理建议\n100 车辆省油\n90 车辆油耗正常\n80 车辆比较耗油\n60 车辆相当耗油\n0 车辆耗油非常严重，建议立即维修\n[0111] 驾驶习惯处理建议模型如下表所示：\n[0112]\nX7 驾驶习惯处理建议\n0 驾驶习惯不良，需要改进\n100 驾驶习惯良好\n[0113] 假设采集到的当前车辆的故障码数据流如下表所示：\n[0114]\n[0115]\n[0116] 假设采集到的当前车辆的监控数据流如下表所示：\n[0117]\n[0118]\n[0119]\n[0120]\n[0121] 根据当前车辆的数据流，当前车辆一共有四个故障码，分别为P00185、P00070、P00017和P00825，对应的故障码级别分别为A、B、C和D，由于M＝10，则K1＝10×100％＝10，K2＝10×60％＝6，K3＝10×20％＝2，K4＝10×10％＝1，K＝∑ki＝10+6+2+1＝19，X1＝\n100-19＝81，X1＇＝40％×81＝32.4。\n[0122] 发动机负载为50，因此X2＝0，X2＇＝0。\n[0123] 冷却剂温度为77.0，因此X3＝100，X3＇＝5％×100＝5。\n[0124] 气节门开度为4.5％，因此X4＝0，X4＇＝0。\n[0125] 当速度为0时发动机转速为850，因此X5＝100，X5＇＝5％×100＝5。\n[0126] 平均进气温度为53.0℃，平均车速为54.0，平均发动机转速为846，平均进气歧管压力为117.0，则A＝245.687×(53.0×54.0)/(846×117)＝7.103，G＝6.8，R＝(7.103-\n6.8)/6.8＝4.46％，因此X6＝90，X6＇＝20％×90＝18。\n[0127] 车速为54，水温为28，因此X7＝0，X7＇＝0。\n[0128] 则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇＝32.4+0+5+0+5+18+0＝70.4。\n[0129] 当前车辆的健康状况评价为：良好。\n[0130] 由于当前车辆的故障码数量为4个，因此故障码处理建议为：发现故障码，建议进行维修。\n[0131] 由于Nt＝4，异常数据数目为2个，因此监控指数处理建议为：发现异常数据，建议进行维修。\n[0132] 由于X6＝90，因此燃油经济性处理建议为：车辆油耗正常。\n[0133] 由于X7＝0，因此驾驶习惯处理建议为：驾驶习惯不良，需要改进。\n[0134] 图3为本发明实施例二所述基于知识库的汽车远程智能诊断系统的结构图。\n[0135] 根据上述基于知识库的汽车远程智能诊断方法，可以得到与方法的技术特征一一对应的系统，如图3所示，一种基于知识库的汽车远程智能诊断系统，其特征在于，包括车辆健康体检模型构建模块、当前车辆的数据流采集模块和当前车辆健康体检报告生成模块；\n车辆健康体检模型构建模块用于构建车辆健康体检模型；当前车辆的数据流采集模块用于采集当前车辆的数据流；当前车辆健康体检报告生成模块用于将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告。\n[0136] 在本说明书的描述中，参考术语“实施例一”、“实施例二”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体方法、装置或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、方法、装置或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。\n[0137] 以上所述仅为本发明的较佳实施例，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。