基于关联规则挖掘的车辆故障码分析

doi:10.19562/j.chinasae.qcgc.2023.04.019

汽车工程 ›› 2023, Vol. 45 ›› Issue (4): 699-708.doi: 10.19562/j.chinasae.qcgc.2023.04.019

所属专题：底盘&动力学&整车性能专题2023年

• • 上一篇

基于关联规则挖掘的车辆故障码分析

胡杰¹(),耿號¹,李源洁¹,耿黄政²,童敏敏²

^1.武汉理工大学，现代汽车零部件技术湖北省重点实验室，汽车零部件技术湖北省协同创新中心，湖北省新能源与智能网联车工程技术研究中心，武汉　430070
^2.上汽通用五菱股份有限公司，柳州　545007

收稿日期:2022-09-02 修回日期:2022-10-18 出版日期:2023-04-25 发布日期:2023-04-19
通讯作者: 胡杰 E-mail:auto_hj@163. com
基金资助:
《汽车工程》专题：智能底盘技术;贺林研究员，合肥工业大学汽车工程研究院副院长

Analysis of Vehicle Diagnostic Trouble Codes Based on Association Rule Mining

Jie Hu¹(),Hao Geng¹,Yuanjie Li¹,Huangzheng Geng²,Minmin Tong²

^1.Wuhan University of Technology，Hubei Key Laboratory of Modern Auto Parts Technology，Hubei Collaborative Innovation Center for Automotive Components Technology，Hubei Research Center for New Energy & Intelligent Connected Vehicle，Wuhan 　430070
^2.SAIC General Wuling Automobile Co. ，Ltd. ，Liuzhou 　545007

Received:2022-09-02 Revised:2022-10-18 Online:2023-04-25 Published:2023-04-19
Contact: Jie Hu E-mail:auto_hj@163. com

摘要/Abstract

摘要：

本文中基于车载诊断原理，将车载自诊断过程产生和保存的故障码（diagnostic trouble codes， DTC）分析与关联规则挖掘相结合，提出适用于挖掘故障码数据关联的改进FP-Tree算法，并根据得到的关联规则建立整车故障码关联图，将其应用于历史数据分析流程与车辆维修流程。挖掘数据中有趣关联规则，提供关联可视化结果；对维修过程读取的驳杂故障码进行分析，减小故障码复杂性，分析主要故障码，缩短基于故障码的检修时间，协助维修人员定位故障。

关键词: 故障码, 关联规则, 频繁模式树, 主要故障码分析

Abstract:

Based on the principle of on-board diagnosis， this paper combines analysis of diagnostic trouble codes （DTCs） generated and saved during vehicle self-diagnosis with association rule mining， proposes an improved FP-tree algorithm suitable for exploring DTCs data association， and establishes the vehicle DTCs association diagram according to the obtained association rule， which is applied to the historical data analysis process and vehicle maintenance process. Interesting association rules in data is explored to provide association visualization results. The miscellaneous DTCs read in the maintenance process is analyzed to reduce the complexity of the DTCs and the main DTCs are analyzed to shorten the maintenance time based on the DTCs and help the maintenance personnel to locate the faults.

Key words: diagnostic trouble codes, association rule, frequent pattern tree, main DTCs analysis

胡杰,耿號,李源洁,耿黄政,童敏敏. 基于关联规则挖掘的车辆故障码分析[J]. 汽车工程, 2023, 45(4): 699-708.

Jie Hu,Hao Geng,Yuanjie Li,Huangzheng Geng,Minmin Tong. Analysis of Vehicle Diagnostic Trouble Codes Based on Association Rule Mining[J]. Automotive Engineering, 2023, 45(4): 699-708.

图/表 17

图1

图2

图3

表1

表2

部分事务数据"

事务标识	项集合
$T I D 1$	P180716，P181900，P182000，B101B00，B104A00，B00B713， P172202，P180616，U260087，P180516，B102A00，B101A00
$T I D 2$	B101B00，P100016，B102C00，P181900，U198087，B102B00，B104A00，P180616，P180516，U198187，B101A00，P184719， P120116，B102A00，U140287，P183900，B109B00，B108A00，P184819，P182000
$T I D 3$	P180716，P181900，P182000，B107A00，B102B00，B101B00， B104A00，P180616，P180516，U160087，B108A00，B102A00，B101A00
$T I D 4$	P180716，P181900，B109B00，P182000，B102B00，B101B00， P184719，B104A00，P172202，U260087，P180616，P180516， P183900，B102C00，B108A00，P184819，B102A00，B101A00
$T I D 5$	U190687，U198087，P180716，P181900，P180616，P180516， U1A0087，U198187，U198287，U260087，U190487
$T I D 6$	B101B00，P100016，C200816，B102C00，P180716，P181900， U007300，B104A00，P180616，P180516，B100016，P185519， P184719，B103A00，B102A00，P1C0519，P1C0419，P1C0F1D，P185619，C100016，P184819，C201600，P182000

表2

图4

表3

表4

关联规则计算伪代码"

关联规则计算伪代码

for item in OrderItem：

headerNode = item

leafNode = headerNode.father

while headerNode.Next！= None：

while leafNode.father！= None：

conf（leaf $→$ header）= （headNode.count / leafNode.count） *

leafNode.possible2all + conf（leaf $→$ header）

conf（header $→$ leaf）= headNode.possible2all + conf（headｅr $→$ leaf）

leafNode = leafNode.father

headNode = headerNode.Next

表4

图5

图6

图7

图8

图9

图10

图11

图12

表5

参考文献 10

1	THEISSLER A. Detecting known and unknown faults in automotive systems using ensemble-based anomaly detection［J］. Knowledge-Based Systems，2017，123.
2	KRIEBEL S， KUSMENKO E， RUMPE B， et al.Learning error patterns from diagnosis trouble codes［C］. 2019 IEEE Intelligent Vehicles Symposium （IV）， 2019：179-184.
3	THOORPU K R， PRAFULLA N. Sequential DTC vector embedding using deep neural networks for industry 4.0［C］. 2020 IEEE 7th International Conference on Industrial Engineering and Applications （ICIEA 2020），2020： 912-915.
4	KOPURU M. A machine learning framework for prediction of diagnostic trouble codes in automobiles［D］. Mississippi State University， 2020.
5	OLIVEIRA M， LÜDERS R. Combining multiple diagnostic trouble codes into a single decision tree［J］. IFAC PapersOnLine，2016，49（11）.
6	曹建明，李国杰.电喷汽油机故障码的设置条件［J］.长安大学学报（自然科学版），2007（2）：89-93.
	CAO J M， LI G J. Setting condition of fault codes in electrically controlled SI engines［J］. Journal of Chang'an University（Natural Science Edition）， 2007（2）：89-93.
7	KNOX J. Virtual automotive forum — E/E architectures + exclusive announcement from RTI［J］. Automotive Industries，2021.
8	HAN Jiawei.Data mining： concepts and techniques［M］.Elsevier Inc， 2012-01-01.
9	HAN J， PEI J， YIN Y. Mining frequent patterns without candidate generation［J］. Acm Sigmod Record， 2000， 29（2）：1-12.
10	TARJAN R. Depth-first search and linear graph algorithms［J］. SIAM Journal on Computing，1972，1（2）.

车型	ecu	编码	状态	时间	vin
…	BCM	U180187	当前	2021/8/9 9：56：02	LK6…
…	BCM	B110113	当前	2021/8/9 9：56：02	LK6…
…	BCM	B110413	当前	2021/8/9 9：56：02	LK6…
…	BCM	B110913	历史	2021/8/9 9：56：02	LK6…
…	ABS	C003A15	当前	2021/8/9 9：56：02	LK6…
…	ABS	C003715	当前	2021/8/9 9：56：02	LK6…
…	…	…	…	…	…

节点属性	含义
all-count	第一次扫描数据库得到的此节点频次
count	构造Fp-Tree过程，在此分支内的此节点频次
possiple2father	此节点的count / 父节点的count
possible2all	此节点的count / 此节点的all-count

序号	典型故障	频次	直接判别率/%	精简率/%
00	电池单体电压过低	254	57.39	60.34
01	电机旋变异常	140	45.00	59.70
02	前位置灯继电器开路（左或右）	118	54.24	65.71
03	OBC自检故障	497	74.45	72.42
04	BMS加热电流异常	206	39.32	67.13

[1]	胡杰, 卿海华, 魏敏, 耿黄政, 张潇, 陈林. 基于多维关联规则的车辆故障码解耦方法研究[J]. 汽车工程, 2024, 46(1): 161-169.
[2]	胡杰,张潇,魏敏,陈林,卿海华,高长斌. 基于模糊BN和改进证据理论的车辆故障定位方法[J]. 汽车工程, 2023, 45(10): 1975-1983.

基于关联规则挖掘的车辆故障码分析

Analysis of Vehicle Diagnostic Trouble Codes Based on Association Rule Mining

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 17

参考文献 10

相关文章 2

Metrics

本文评价

推荐阅读 10