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

Abstract

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

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.

Figures/Tables 17

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

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

References 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

Analysis of Vehicle Diagnostic Trouble Codes Based on Association Rule Mining

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 17

References 10

Related Articles 1

Metrics

Comments

Recommended 10