故障检测和响应的制作方法

本发明涉及一种用于检测和识别车辆部件中的故障或即将发生的故障的方法和系统。

背景技术：

在车辆的使用寿命中，许多部件和子系统可能随着时间的推移经受磨损、损坏和其他劣化。尽管可以使用各种方法来识别某些故障部件，但是其他类型的部件可能更难以诊断。在部件完全故障之前，可能很难识别出正在发生故障(或劣化)的部件。

技术实现要素：

根据本发明的一个方面，提供了一种检测和响应一个或多个车辆部件的故障的方法，该方法包括：在故障检测模块处接收关于一个或多个车辆部件的系统输入；通过使用一个或多个车载车辆传感器来确定系统状态，其中系统状态与一个或多个车辆部件有关；获得标称状态变换矩阵和标称状态输入矩阵；基于标称状态变换矩阵、标称状态输入矩阵、系统输入和采样状态导数来计算当前状态变换矩阵估计值和当前状态输入矩阵估计值；基于当前状态变换矩阵估计值和/或当前状态输入矩阵估计值的一个或多个部件参数来检测至少一个车辆部件的故障，其中一个或多个部件参数与至少一个车辆部件有关；以及响应于检测到故障而执行车辆动作。

根据各实施方式，该方法还可以包括以下特征中的任一个或者这些特征中的一些或所有的任何技术上可行的组合：

检测步骤还包括：将第一车辆部件的当前状态变换矩阵估计值和/或当前状态输入矩阵估计值的一个或多个部件参数与第一车辆部件的公差范围进行比较；

检测步骤还包括：检测故障是现时故障还是渐进故障；

执行步骤还包括：当检测到故障是现时故障时，向车辆操作者发出即时警报，使得即时警报的发出构成车辆动作；并且当检测到故障是渐进故障时，估计故障前时间(ttf)并且将ttf报告给车辆操作者或车辆服务设施，使得ttf的估计和报告构成车辆动作；

使用状态变量模型表示一个或多个部件，其中状态变量模型由下式给出：其中xk是时间k的系统状态，uk是时间k的系统输入，ai是当前状态变换矩阵，bi是当前状态输入矩阵，并且是时间k的采样状态导数；

当前状态变换矩阵估计值和当前输入值估计值计算如下：经由至少一些车载车辆传感器基于系统状态xk的测量值来估计采样状态导数使用以下公式来计算当前状态变换矩阵偏差δa和当前状态输入矩阵偏差δb：其中as是标称状态变换矩阵并且bs是标称状态输入矩阵，其中并且

估计步骤包括使用以下公式来估计采样状态导数其中xk+1是时间样本k+1的系统状态，xk-1是时间样本k-1的系统状态，tk是时间样本k的时间，tk+1是时间样本k+1的时间，并且tk-1是时间样本k-1的时间；

车载车辆传感器包括至少一个车辆系统传感器和至少一个辅助传感器，其中系统状态由一个或多个系统状态变量表示，并且其中一个或多个系统状态变量中的每一个由至少一个车载车辆传感器提供；

使至少一个车辆系统传感器与至少一个辅助传感器同步，使得与至少一个车辆系统传感器和至少一个辅助传感器相关联的传感器值相对于时间同步，其中同步步骤包括针对至少一个车辆系统传感器中的一个或多个执行时间同步过程；

时间同步过程包括针对一个或多个车辆系统传感器中的每一个执行以下步骤中的每一个：获得一组传感器值，其中该组传感器值包括各自在采样时间间隔内的不同时间获得的多个传感器值；使用多项式建模技术来获得采样时间间隔内的该组传感器值的多项式模型；以及从多项式模型中导出在时间上对应于与至少一个辅助传感器相关联的传感器值的一个或多个调整的传感器值；和/或

接收、确定、获得和计算步骤包括：参数估计过程，其中使用故障检测滤波器(fdf)执行检测步骤，并且其中fdf使用从参数估计过程获得的当前状态变换矩阵估计值和当前状态输入矩阵估计值，以执行检测步骤。

根据本发明的另一方面，提供了一种将车辆配置成检测并响应一个或多个车辆部件的故障的方法，该方法包括：为受监测系统(sum)构造状态变量分析模型；识别可以用于测量状态变量分析模型的至少一些状态变量的系统传感器；开发专用于所识别的系统传感器的时间同步过程，其中时间同步过程使得能够调节由系统传感器获得的传感器值，以便获得调节的传感器值，其中调节的传感器值遵从统一的采样时间；开发可以用于获得当前状态变换矩阵估计值和当前状态输入矩阵估计值的参数估计过程，其中基于所构造的状态变量分析模型来开发参数估计过程；并且配置车辆的车辆电子器件以执行参数估计过程和时间同步过程。

根据各实施方式，该方法还可以包括以下特征中的任一个或者这些特征中的一些或所有的任何技术上可行的组合：

将参数估计过程和时间同步过程编译到计算机程序中；

配置步骤包括将计算机程序安装到车辆的车辆电子器件中；

以下步骤：识别其中车辆无法使用系统传感器进行测量的状态变量分析模型的一个或多个状态变量；并且提供一个或多个辅助传感器以测量识别的状态变量，其中一个或多个辅助传感器配置成向参数估计过程提供包含与识别的状态变量有关的信息的传感器值；和/或

参数估计过程的开发包括：构造标称状态变换矩阵和标称状态输入矩阵；

根据本发明的又一方面，提供了一种车辆故障检测系统，其包括：受监测系统(sum)，该受监测系统包括一个或多个车辆电子系统部件；一个或多个车载车辆传感器；故障检测模块，该故障检测模块包括：(i)故障检测系统(fds)信号处理器；以及(ii)包含计算机程序的存储器；以及故障检测模型与sum之间的通信链路；其中故障检测模块配置成使用故障检测信号处理器执行存储在车辆故障检测系统的存储器中的计算机程序，并且其中由故障检测信号处理器执行计算机程序引起故障检测模块：(a)接收关于一个或多个车辆电子系统部件的系统输入；(b)通过使用一个或多个车载车辆传感器来确定系统状态，其中系统状态与一个或多个状态变量有关；(c)获得标称状态变换矩阵和标称状态输入矩阵；(d)基于标称状态变换矩阵、标称状态输入矩阵、系统输入和采样状态导数来计算当前状态变换矩阵估计值和当前状态输入矩阵估计值；(e)基于当前状态变换矩阵估计值和/或当前状态输入矩阵估计值的一个或多个部件参数来检测至少一个车辆电子系统部件的故障，其中一个或多个部件参数与至少一个车辆电子系统部件有关；以及(f)响应于检测到故障而执行车辆动作。

根据各实施方式，该系统还可以包括以下特征中的任一个或者这些特征中的一些或所有的任何技术上可行的组合：

一个或多个车载车辆传感器是系统传感器或辅助传感器中的一者或两者，其中辅助传感器是故障检测模块的一部分，并且其中系统传感器是作为sum的一部分包括的传感器或者其他系统传感器中的一者或两者；

通信链路是故障检测模型与sum之间的直接、硬接线连接；

通信链路是车辆通信总线。

在其他实施方式中，以上定义的系统和方法可以用于涉及具有传感器的基于电子器件的系统的其他(非车辆)应用中，这些传感器提供了检测任何正在监测的部件的故障所需的系统状态变量输入。

附图说明

下文将结合附图描述本公开的一个或多个方面，其中相同的标号表示相同元件，并且其中：

图1是故障检测系统的实施方式的框图；

图2是示出如在闭环控制系统中所表示的示例性自动转向系统的框图；

图3示出包括具有车辆电子器件的车辆的通信系统，其中车辆电子器件包括故障检测模块；

图4是并入车辆的车辆电子器件中的故障检测系统的实施方式的框图；

图5是对电子系统进行建模使得可以生成用于故障检测模块的配置细节的方法的实施方式的流程图；以及

图6是检测和响应一个或多个车辆部件的故障的方法的实施方式的流程图。

具体实施方式

本文描述的系统和方法可以用于检测和响应作为大型车辆电子系统的一部分的单独部件和/或子系统中的故障(和/或即将发生的故障)，但是可以更广泛地应用于其他(非车辆)应用。在一些实施方式中，可以使用各种技术对系统的部件进行建模，以便获得部件的状态变量分析表示。如下文进一步讨论的，这些状态表示可以呈基于状态变换函数的状态变量模型的形式。在开发模型后，可以基于代表受监测系统(sum)的特定算法/公式来编译计算机程序或应用程序。sum是本文讨论的故障检测系统(fds)正在监测的部件或子系统。sum可以包括一个或多个电子部件和/或机电部件(例如，致动器)。如本文所使用的，“部件”可以是单独的部件，或者可以是两个或更多单独部件的子系统。sum是部件并且因此可以是单个(单独)部件或子系统。下文讨论的参数估计方法可以用于估计部件参数。在sum是其中sum包括两个或更多单独部件的子系统的情况下，那么部件参数可以涉及如作为子系统的一部分而被包括的单独部件、作为子系统的一部分而被包括的两个或更多单独部件、或者整个子系统。

在一个实施方式中，故障检测系统(fds)(或故障检测模块)可以安装在电子系统中，或者以其他方式通信地联接到电子系统。fds(或fdm)可以从sum获取信息，包括输入、输出和/或其他系统信息。在一个实施方式中，fds(或fdm)还可以包括一个或多个辅助传感器，从而有助于或使得能够确定将在以下讨论的参数估计过程中使用的一个或多个测量值。参数估计过程涉及使用状态变量分析模型来获得当前状态变换矩阵估计值和/或当前状态输入矩阵随后提取这些估计值中包含的参数值(可以呈矩阵形式)并且将其与阈值范围进行比较。当检测到完全故障时，可以将通知或警告发送给系统的用户或操作者。在其他实施方式中，如下文更详细地讨论的，当部件未完全故障但被认为是“故障”时，则可以使用故障前时间(timetofailure)估计过程来计算故障前时间(ttf)。此外，下文讨论的方法和/或系统可以使用传感器时间同步过程，该过程使来自系统的各种传感器(包括作为sum一部分的那些传感器、其他系统传感器以及正在使用的任何辅助传感器(统称为“车载传感器”))的传感器读数同步。

参考图1，示出了故障检测系统(fds)10的实施方式。fds10包括受监测系统(sum)12、其他系统传感器14、故障检测模块(fdm)16和通信总线18。sum12是正在监测当前发生或即将发生的故障的系统，并且可以包括一个或多个单独部件。sum12可以包括零个或多个sum传感器13，并且在sum12包括一个或多个传感器的情况下，这些传感器13可以是系统传感器。如本文使用的，“系统传感器”包括这样的传感器，其包括在sum12中或者被设计成执行电子系统的目标和/或任务的整个系统10的一部分。其他系统传感器14是作为整个系统10的一部分的系统传感器，而不是sum12的一部分。作为示例，在将fds10用于车辆上以监测车辆的一个或多个部件的情况下，系统传感器13和14将成为用于车辆操作的安装有oem的车辆电子器件的一部分，其中传感器13是待测试部件的一部分(sum12的一部分)并且传感器14是其余车辆电子器件的一部分。

通信总线18是硬接线的电子通信总线。然而，应当理解，如下文进一步讨论的，通信总线18可以是多种电子通信机制中的任何一种，包括使用无线通信的那些通信机制。并且，在一些实施方式中，系统10可以包括硬接线通信总线18和单独的无线通信模块30，其中，无线通信模块30可以连接到通信总线18并且可以用于系统10内的通信和/或与其他外部(或远程)部件(未示出)一起使用。

故障检测模块(fdm)16示为包括故障检测系统(fds)信号处理模块20、辅助传感器接口22、故障模拟电子器件24、通信总线接口26、用户界面28、无线通信接口30、以及一个或多个辅助传感器32。故障检测模块16的这些部件和/或设备可以包括在专用电子模块中，该专用电子模块出于识别sum12的故障和/或本文讨论的方法的目的包括在系统10中。在其他实施方式中，fdm16可以诸如通过配置一个或多个预先存在的单独部件(例如，sum12的部件或者与sum12分离的另一部件)使得这些单独部件执行本文讨论的方法而并入一个或多个已经存在的部分或设备中。此外，在又一实施方式中，fdm16的各个部分可以并入专用模块中，而其他部分可以并入(或配置)到系统10的其他预先存在的部件中。此外，应当理解，专用模块可以是单个模块，或者在其他实施方式中，fdm16可以并入多个专用模块中。

可以在故障检测系统10和/或故障检测模块16的开发和测试期间使用故障模拟电子器件24。故障模拟电子器件24提供了用于在设计和开发阶段期间评估fds性能的机制。当消费者正在使用fds10(或者fds10并入其中的系统)时，故障模拟电子器件24不是最终fds10的一部分，也就是说，例如，当fds在车辆系统的背景下使用时，故障模拟电子器件24将不是作为产品的车辆的一部分。故障模拟电子器件24允许以电子方式模拟部件(包括关键部件)中的故障，并且允许fds的性能用于检测和/或识别待测量的故障和/或以其他方式评估的故障。

图1示出fdm16与电子系统(即sum12)之间的单独且直接的通信链路40。直接的通信链路40示为连接到sum12和故障模拟电子器件24，当正在开发和/或测试fds10和/或fdm16时可以是这种情况。然而，如上所述，至少在一些实施方式中，供最终消费者或用户使用的作为产品的系统不包括故障模拟电子器件24。因此，在这种情况下，fds10可以包括处于sum12与fdm12外的另一部分(或设备)(诸如故障fds信号处理模块20)之间的直接通信链路40。

如所提及的，sum12可以包括一个或多个单独部件，并且在一些实施方式中，可以代表单个部件或单个子系统。例如，这种直接连接40经由虚线表示，因为不同于通常所使用的通信总线，它不是通常将包括在电子系统中的通信链路。在其他实施方式中，fds16和sum12可以经由通信总线18(或其他通信链路)连接；然而，可以添加直接连接(如虚线所示)，因为在一些情况下，可能存在其中可能希望避免通信总线18的延迟的一些特殊情况。例如，对于某些安全相关的故障，可以通过使用这种直接连接40通过使得系统能够即时(或几乎即时)发送关于部件故障的警告消息而可设想地大大改善识别故障的消息。此外，在至少一些实施方式中，直接连接40可以简化辅助传感器32与包括sum传感器13和其他系统传感器14的现有系统传感器之间的传感器样本的同步。此外，在一些实施方式中，估计的误差可以恢复系统性能；其示例是激光雷达/雷达传感器或其他监测传感器的校准失效；传感器(当其用于车辆转向时)中的这种故障在一些情况下可能导致潜在事故。

sum12可以包括一个或多个电子设备(包括机电设备)，每个电子设备可以使用状态变量模型来表示。可以使用各种状态变量模型形式，并且在一个实施方式中，可以使用以下公式：

其中x是n维矢量，该矢量包括对sum12建模中涉及的变量(以下称为“sum状态”)，u是可以表示数量为r个的输入的系统输入(例如，u可以是r维矢量)，表示状态的变化率(或状态的导数)，a是状态变换矩阵，并且b是状态输入矩阵。如本文使用的，“系统输入”是指被接收到sum12中的输入，其可以包括来自其他传感器14和/或外部设备(未示出)的输入。sum状态x可以表示给定时间的sum12的状态。此外，在至少一些实施方式中，状态变化(或状态导数)可以是相对于时间获得的状态矢量的导数。在至少一个实施方式中，状态变换矩阵a可以是矩阵，并且状态输入矩阵b可以是矩阵(例如，矢量)。在一些实施方式中，系统输入u可以是标量值。

还可以对sum12的输出进行建模(如下文进一步讨论)并且使用状态变量模型(或状态变量分析模型)来对其进行表示。例如，以下公式可以用于表示sum12的sum输出y：

y＝cx+eu(公式2)

其中y是sum输出，c是输出矩阵，并且e是馈通矩阵。在一个实施方式中，sum输出是m维矢量，并且输出矩阵c是m乘n矩阵。在一些情况下，系统输入u与sum输出y之间可能不存在直接关系，并且在这种情况下，e可以等于零(0)。在一个实施方式中，可以基于由系统传感器13、14和/或辅助传感器32测量的变量(例如，被建模为构成状态变换矩阵a的一部分的那些变量)的测量值来确定sum输出y，这在下文更详细地讨论。

在一些实施方式中，可以通过估计当前状态变换矩阵ai和/或当前状态输入矩阵bi来获得部件的参数而识别出正在发生故障或已经故障的部件(例如，正在发生故障或已经发生故障的单独部件或子系统)。当前状态变换矩阵ai和/或当前状态输入矩阵bi的标称值可以由标称状态变换矩阵as和标称状态输入矩阵bs表示。这些变量的关系由下式给出：

ai＝as+δa(公式3)

bi＝bs+δb(公式4)

标称值(as和bs)可以基于来自sum12的部件的供应商的规格来确定，或者可以通过操作系统和进行测量来确定。因此，在一些实施方式中，可以通过实验室环境中的常规测量来确定标称值。下文讨论状态变量分析建模过程，其中描述了获得标称值的一个示例。

当前状态变换矩阵ai包括用于sum12的实际模型的参数，并且表示用于sum12的状态变换矩阵a(包括sum12的任何或所有单独部件或子系统)。同样，当前状态输入矩阵bi包括用于sum12的实际模型的参数，并且表示用于sum12的状态输入矩阵b(包括sum12的任何或所有单独部件或子系统)。与(sum12的)每个主要部件的性能或功能相关联的数值是ai和/或bi的这些系数中的一个或多个的参数。此外，由ai和bi表示的参数值可能基于各种因素(包括环境因素、由车辆部件的磨损、腐蚀或撞击造成的物理损坏、部件的其他劣化等)改变或偏离标称值(如由状态变换矩阵偏差δa和状态输入矩阵偏差δb表示)。

至少在一些实施方式中，用于测量状态变量的传感器设置为sum12的一部分(例如，sum传感器13)。然而，对于某些sum配置，fds10可能需要辅助传感器32，使得可以测量全部n个状态变量。如下文更详细地讨论的，根据被监测的特定sum12，辅助传感器32可以是可选的。

在一些实施方式中，可以假设对于给定的系统，e矩阵为零并且fds模型中的c矩阵为n维单位矩阵(即，所有状态变量均被测量，并且假定任何随机误差可忽略不计)。并且，在一个实施方式中，由于在数字系统(例如，微型计算机)中执行信号处理，因此可以进一步假设fdm16和fds10的所有相关联部分是时间离散的。在至少一些实施方式中，合适的模数转换器可以包括在fds中或系统传感器和/或辅助传感器中。采样时间用tk表示，并且由下式给出：

tk＝ktk＝0,1,2,...(公式5)

其中，t是采样周期(例如，单位为1/秒)。所有n个传感器的测量值得出tk处的状态矢量x(t)的采样值：

其中i(n)是n维单位矩阵。用于给定系统的离散时间模型由以上公式1给出，该模型也可以经由使用上文的公式3和4的代入来通过以下公式表示：

其中uk＝u(tk)

(公式7)

根据采样周期t和x中的最快速变化的状态变量的变化率之间的关系，可以以几种方式获得采样状态导数为了简化，可以假设输入是标量，使得b是n维矢量。的精确估计的示例(已经由仿真得到支持)由下式给出：

本领域技术人员将理解，可以使用其他算法和/或方法来准确地估计采样状态导数

通过使用公式8的采样导数的示例性估计值，离散时间模型由下式给出：

这个公式的表示为rk(即)的右侧可以使用已知的标称矩阵as和bs由yk的测量值计算。在一些实施方式中，变量rk是n维矢量，其包含用于估计δa和δb的数据。在一些实施方式中，该参数改变值rk可以是n维矢量。如下文更详细解释的，该方法可以用于计算状态变换矩阵偏差(δa)和状态输入矩阵偏差(δb)，使得可以确定ai和bi的近似估计值，该估计值随后可以用于获得sum12的一个或多个单独部分的特定参数值。因此，即使被监测的单独部件是特定子系统的一部分，该单独部件仍可以与单独部件参数相关联。然而，在其他实施方式中，这些特定参数值可以对应于或用于sum的子系统(或特定子系统)。

状态变换矩阵偏差(δa)和状态输入矩阵偏差(δb)可以各自包括n个数量的值或矩阵，并且可以采用矢量形式。状态变换矩阵偏差(δa)、状态输入矩阵偏差(δb)以及变量rk可以按照单独行来表示。

δa＝[δa1，δa2，…，δan]^t(公式10)

δb＝[δb1，δb2，…δbn]^t(公式11)

rk＝[rk(1)，rk(2)，…rk(n)]^t(公式12)

在这种注释中，每个δam可以是n维行矢量，并且每个δbm可以是标量(至少在系统输入u是标量变量时如此)：

δam＝[δam1，δam2，δam3，…δamn]

(公式13)

在一些实施方式中，诸如bi是矩阵那样，δbm也可以是矩阵。然而，在其中δbm是标量的本实施方式中，可以使用yk的一组n+1个测量值来计算在n+1个连续采样时间处的一组n+1个矢量，其中rk的第n个样本由rn表示。δa的第m行可以扩增δb的第m行，这由δym表示：

δym＝[δam1，δam2，δam3，…δamn，δbm]

(公式14)

其中，标记m表示矩阵a和b的行。

每个测量矢量xk也可以扩增系统输入uk，这由xak表示：

xak＝[xk^t，uk](公式15)

由xak定义的n+1个矢量的矩阵由x1表示：

x1＝[xa1，xa2，…xan+1]^t(公式16)

通过以以下形式放置每个rn的第m行来创建表示为r(m)的矢量：

r(m)＝[r1(m)，r2(m)，…rn+1(m)]^t(公式17)

可以使用以下步骤求解和/或确定当前状态变换矩阵ai和当前状态输入矩阵bi的估计值：

因此，当前状态变换矩阵估计值由给出，这可以使用以上公式确定。对于针对本文提出的示例性实施方式已假定的一维输入，状态输入矩阵的估计值由下式给出：

因此，当前状态变换矩阵估计值和当前状态输入矩阵估计值如下：

在一些实施方式中，对于用于具有将要检测其故障的部件的sum12的任何实际上有用的fds模型，可能要求矩阵系数是定量地表示其性能的部件参数的已知函数。每个部件(例如，单独部件、子系统)可以具有表示对应于相关联系统的可接受性能水平的部件的性能的一系列参数值。如下文解释的，只要部件参数超出此公差范围，就可以将部件视为已发生故障或正在发生故障。

估计当前状态变换矩阵估计值和当前状态输入矩阵估计值的这种方法已经展示出在各种仿真中准确地实现了故障检测。如下文解释的，获得当前状态变换矩阵估计值和当前状态输入矩阵估计值的这种方法可以使得fdm16能够可靠地检测故障并估计故障前时间。此外，当前状态变换矩阵估计值和当前状态输入矩阵估计值允许计算sum12的单独的部件参数，并且因此可以用于获得这些单独的部件参数值。另外，在一些实施方式中，当前状态变换矩阵估计值和当前状态输入矩阵估计值允许计算sum12的子系统参数，并且因此可以用于获得这些子系统部件参数值。在一些实施方式中，计算的参数是可以从其准确地估计对应部件的故障前时间(ttf)或到不可接受性能的时间的数据。

通过使用以上参数估计过程，fdm16可以至少在一些实施方式中直接从估计的矩阵(诸如当前状态变换矩阵估计值和/或当前状态输入矩阵估计值)检测和识别故障。sum12中的任何或所有单独部件或子系统可以具有作为当前状态变换矩阵估计值和/或当前状态输入矩阵估计值的一个或多个矩阵系数的一部分的参数。在一些实施方式中，可以直接从与单独部件或子系统相关联的估计的参数值来评估sum12中任何部件的性能。公差范围也可以与一个或多个单独部件或子系统一起使用并且与一个或多个单独部件或子系统相关联。这些公差范围可以通过从矩阵估计值中获得的参数来进行定量表征。公差范围可以取决于特定的相关联部件(即，相关联的一个或多个单独部件或子系统)，并且可以是值的范围、最大阈值或最小阈值。这些公差范围可以由sum12的oem或其单独部件或子系统指定，或者可以通过实验室实验来确定。至少在一些实施方式中，公差范围还可以基于标称值(诸如标称状态变换矩阵估计值as和/或标称状态输入矩阵bs的那些标称值)。

除了可以表示正常系统性能范围的部件参数的公差之外，还可以存在其他指定的限制来界定sum12的一个或多个单独部件或子系统可接受的总体系统性能的部件参数值的范围。在一些情况下，这些可接受的范围限制可以指安全规范，诸如可以针对安全相关的车辆系统(例如，自动转向)中找到的车辆安全规范。至少在一些情况下，此类限制可以由专家(诸如系统设计者)容易地确定。在一些实施方式中，如下文进一步讨论，fds还可以包括准确地估计部件达到可接受/安全系统性能的这些限制所花费的时间量的能力。

在性能逐渐下降的情况下，可以使用故障前时间(ttf)。在性能逐渐下降的情况下，与劣化部件相关联的参数实质上可以是随机变量。

除了构成给定系统的部分之外，某些电子系统的整体性能还会受到车辆运行环境的巨大影响。例如，在车辆电子系统的背景下，自动转向系统的性能可以并且大部分时间受到轮胎/道路特性的影响。例如，用于自动转向系统的状态变量模型可以包括轮胎/道路转弯刚度参数。当将以上fdm16应用于车辆电子器件的自动转向系统时，如下文更详细地讨论的，可以实现对局部瞬时转弯刚度的精确估计。在一些情况下，轮胎转弯刚度的显著降低(例如，由于道路结冰)可能会对车辆的自动转向系统功能产生不利影响。因此，自动转向系统可能会经历与完全失去控制下的故障等同的情况作为潜在后果，尤其是在系统无法自动补偿这种转弯刚度降低的情况下如此。当将fdm16应用于车辆电子器件的自动转向系统时，其能够准确地估计可以用于补偿安全转向损失的转弯刚度。fds还可以使用本文讨论的技术来近似估计可能对车辆安全产生潜在影响的其他车辆/环境参数。

特殊情况。存在某些电子系统(并且尤其是某些车辆电子系统)，其中无需使用完整的矩阵求逆(即x1^-1)就可以获得参数估计值。出于解释的目的，提供了简单的示例，该示例针对矩阵系数a(2，2)和b(2)为零的模型中的二维状态变量。对于二维状态矢量，模型具有两个一阶微分方程。第一个方程表达与两个状态变量x1、x2之间的关系。在这种情况下，矩阵系数a21是从二维状态变量模型中的第二个公式获得的，由下式给出：

在这种情况下，a21是从传感器测量值得出的，并且计算如下：

这个二状态变量示例中的其余系数计算如下：

a22＝0b1＝p13b2＝0

其中，r(1)是其中n＝2的公式17的特殊情况。

(公式24)

在特殊情况下，对于三个或更多状态变量的参数估计可以遵循类似的过程。

fds正在研究的部件参数通常可以直接从a21计算。估计部件参数的这种方法已在仿真和实验室实验中成功测试，两者均获得了非常接近的部件参数估计值。单独的矩阵系数通过fds参数估计方法的常规计算而不断更新。

传感器时间同步。在许多情况下，影响参数估计过程的准确性的实际问题之一涉及传感器值的同步性。在一些实施方式中，可能期望状态矢量xk中的所有传感器(和/或部件)的采样是同步的或者至少接近同步的。在实践中，在状态变换矩阵和状态输入矩阵的估计值精度的可接受限制(例如，在正确值的0.5％内)的情况下，部件参数估计值中的相关联的变化会产生对xk分量的同步性的微小变化的公差限制的估计值。同步性的公差的细节是(或者至少在一些实施方式中可以是)车辆电子系统的动力学的函数并且在分析建模的过程中确定。

对于给定的系统fds应用，讨论中的同步性是从所有传感器获得的样本的相对时序。fdm16(和/或fds10)可以设计成使得所有辅助传感器32被同步地采样。然而，当在本文讨论的方法中还使用系统的系统传感器(包括sum传感器13和/或其他系统传感器14)时，从系统传感器接收的传感器值可能不被时间同步，并且因此，至少在一些实施方式中，需要同步传感器值的时序。因此，fdm16可以配置成将作为系统(或sum12)的一部分的系统传感器(以及潜在地，在一些实施方式中，辅助传感器32)的采样时间调整为参数估计值中使用的时序。对于给定的系统(或sum12)，fdm16可以经由高精度的内部时钟来提供时序基础。

根据时序基础，与状态矢量xk相关联的采样时间表示为tk。作为示例并且出于解释fds同步方法的目的，可以考虑与给定电子系统相关联的单个传感器，其中该单个传感器提供了xk中的可以对应于sum12的单独部件的状态矢量部分之一的测量值。出于说明的目的，来自此传感器的信号表示为s。在电子系统的控制下，根据可以由例如包括在fdm16中的计算机时钟提供的fds时钟时间在时间tm处获得传感器的样本。在典型的示例性车辆电子系统中，tm≠tk，也就是说，状态矢量采样时间tk与传感器采样时间tm不相同。因此，应当调整提供给fdm16的样本，使得可以获得对应于s(tk)的信号。

为了精确计算s(tk)的目的，可以获得传感器的一组样本。来自传感器的该组样本值可以包括k个样本，这些样本表示为s1、s2、s3…sk，其中sm＝s(tm)并且可以将在从m＝1到m＝k的时间间隔内的传感器输出的多项式模型放置在由fdm16表示为的矢量中。

在此时间间隔内，传感器的多项式模型可以由下式给出：

s(t)＝b0+b1t+b2t²+…bntⁿt1≤t≤tn(公式32)

获得的该组传感器样本可以写成矩阵形式，由下式给出：

其中并且

(公式33)

其中k<n。多项式系数(bn)的解可以由下式给出：

随后，在期望时间tk处的s的样本可以由下式给出：

为了计算状态变换矩阵和状态输入矩阵的参数估计值的目的，计算在三个时间tk-1、tk、tk+1处s的一组样本，以获得采样状态导数可以在fds设计(和/或建模)过程中通过与给定的电子系统(诸如sum12)相关联的每个传感器的已知动态响应特性来建立其中获取传感器数据的从t1到tk的间隔。对于许多机电系统(例如，车辆电子系统的自动转向)，s中的时间变化率足够小，使得k可以为2或3，并且n可以为3或4。通过基于用于车辆机电系统的一些示例性模型的仿真来证实这种实际考虑。对于其中fds独立监测系统的状况(例如系统的健康)的典型情况，fds可以为fds所监测的其每个系统投入时间周期。在给定系统的周期内，从传感器收集数据。可以从辅助传感器32、其他系统传感器14和/或sum传感器13收集该数据。

在车辆电子系统的背景下，可以根据诸如车辆安全的重要问题来选择每个车辆电子系统的循环重复率。尽管并入fds的每个单独的车辆oem都有能力选择单独系统的周期率，但是安全相关的系统可以具有相对较高的周期率(例如，自动转向或制动)，并且与舒适性或娱乐性系统相关联的那些系统可能具有较低的周期率。

部件故障/劣化分析。基于本文讨论的参数估计方法的故障检测和/或识别可以取决于当前状态变换矩阵估计值和当前状态输入矩阵估计值的系数与和sum12中的单独部件或子系统相关联的参数的关系。呈状态变量模型形式的线性动力学方程的开发涉及参数，这些参数定量表示sum12的每个单独部件或子系统的性能。该组参数(在一些实施方式中，仅单个参数)出现在状态变换矩阵a和/或状态输入矩阵b的矩阵系数中。一旦通过参数估计方法(如上讨论)估计系统的状态变量模型的这些矩阵，就在fds中计算各自与单独部件或子系统相关联的该组部件参数。

sum12的每个单独部件或子系统的一个或多个参数(“部件参数”)可以与参数公差范围相关联。该参数公差范围(或公差范围)对应于表示所需sum和/或部件性能的参数的该组值。每当部件参数超出参数公差范围时，相关联的单独部件或子系统可能会经历劣化，并且fds可以随时间改变维护参数值的记录，这可以通过将参数值和/或其他信息存储在fdm16的存储器中来执行。经历劣化的单独部件或子系统的参数变化通常(尽管不是必须的)呈随机变量的形式。在随机变量的情况下，fds可以进行所涉及的一个或多个参数的统计学习。此外，p的值的单独范围可以用于检测sum12(或单独部件或子系统)的完全故障，并且可以称为完全故障范围。

出于对经历劣化的部件进行统计分析的目的，并且这可以产生故障前时间(不可接受或不安全的性能)的估计值，可以方便地定义定量地表征劣化的随机变量。出于说明的目的，考虑表示为p的单个参数。称为劣化指数并且表示为d的劣化的度量由下式给出：

d＝pnom-p(公式36)

其中,pnom是p的理想标称值。根据特定部件，劣化可以对应于p相对于pnom的增加或减少。出于说明的目的，p的参数公差范围由下式给出：

pl≤p≤pu(公式37)

其中pu是参数公差范围的上限，并且pl是参数公差范围的下限。

每当p超出参数公差范围(p<pl或者p>pu)时，fdm16可以在参数值的时间内继续收集样本。这些样本表示为pk，其定义如下

pk＝p(tk)(公式38)

其中tk是样本pk的时间。为了方便解释逐渐劣化的fds跟踪，假定采样是周期性的，尽管至少在一些实施方式中这不是必需的。对于周期性采样，tk由下式给出：

tk＝kts，k＝1，2，3…(公式39)

其中ts是采样周期(以时间单位表示)。

可以执行采样并且将样本存储在存储器中以允许fdm16预测故障前时间(ttf)，该故障前时间可以对应于部件劣化到对应于电子系统的不可接受(可能不安全)操作的水平将花费的时间。这种劣化水平表示为df。假设劣化足够缓慢或者至少不是瞬时的，则可以使用回归分析来估计d达到df的时间(表示为tf)。部件达到df之前的预测tf(或ttf)可以允许fdm16向车辆操作者警告可能的故障，使得可以在故障发生之前进行维修，或者使得可以采取其他补救和/或缓解行动。fdm16可以使用用户界面28来向操作者或其他用户通知故障(或潜在故障)。故障前时间也可以包含在通知中。在其他实施方式中，可以经由通信总线接口26和/或无线通信接口30来生成电子通知并将其发送到另一设备或系统。这种类型的警告可以增强系统的可靠性，并且在一些实施方式中，可以提高系统的操作者和/或用户的安全性。

如上所述，可以结合参数分析使用随机变量的回归分析来估计故障前时间(ttf)，该故障前时间可以由ttf值(tf)表示。在许多情况下，劣化部件参数的劣化指标是随机变量。d的随机元素是由fds传感器测量值中的过程噪声以及部件劣化的随机波动引起的。fds可以使用回归分析来将劣化的多项式模型构建成时间的函数。

出于说明的目的，假设用于时间相关劣化(d(t))的模型为以下形式的k次多项式：

d(t)＝a0+a1t+a2t²+…akt^k(公式40)

多项式的系数(am，m＝0,1,2…k)是使用从一组n个样本中得出的普通最小二乘法计算的，其中n>>k。在其他实施方式中，可以使用其他回归技术。在矩阵符号中，这个数据可以表达如下：

其中

从矩阵m的伪逆中找到模型的系数的矢量的期望估计值：

的估计值(公式42)

部件的故障前时间tf通过求解以下公式得出：

fdm16使用标准分析程序来获得该公式的k个根。使用一组简单的规则来选择tf的表示为的正确的估计值，包括例如：等。在许多电子系统部件中，劣化多项式的次数k为1、2或3；然而，该值k可以变化并且在其他实施方式中可以更高。

在一些实施方式中，不管估计tf中的细节如何，当劣化是逐渐的时，tf的估计值应当足以使fds发出适当的通知和/或警告。该通知和/或警告可以经由无线通信接口30发送到oem(或另一个监测站)，或者其可以发送到系统的其他部件，诸如连接到通信总线18和/或连接到无线通信接口30的接口的那些部件。

另一方面，也可以在发生突然的完全故障或间歇性故障(“现时故障”)时进行检测。例如，当在车辆电子系统的背景下使用fds10时，fds可以向车辆控制系统(针对5级自动驾驶车辆)或驾驶员(针对4级或以下车辆)以及向oem处的监测站提供警告(指示已发生故障)。在一个实施方式中，针对5级自动驾驶车辆，故障警告可以用于使车辆控制系统切换到多出的备用部件(如果可用)，并且针对具有驾驶员的车辆(例如，4级或以下)，警告可以命令驾驶员进行手动控制。例如，如果故障对车辆不是灾难性的，则发送到监测站(例如，oem)的警告消息可以用于多种目的，包括维修建议。

检测和/或识别故障和/或故障部件的这种参数估计方法还可以用于进行基于故障检测滤波器(fdf)的故障检测应用。故障检测滤波器的构造和使用是本领域技术人员众所周知的，并且可以与上文讨论的参数估计过程结合使用。在构建这种基于fdf的故障检测应用时，应当准确了解模型参数。对于某些动态系统，这些参数可以是恒定的(或几乎恒定的)，并且因此可用于基于fdf的故障检测应用中。然而，对于许多车辆电子系统，参数随着车辆运行条件或环境而改变。在一些实施方式中，上文讨论的参数估计过程可以连续升级在fdf模型中使用的矩阵参数。例如，在自动转向系统中，轮胎转弯刚度系数以及车辆速度可以改变。然而，可以在无需使用单独的专用fdf模块的情况下实现参数估计故障检测和识别以执行任务。更确切地，故障检测应用可以被编译到电子系统的预先存在的系统模块中，诸如编译在车辆的车载车辆模块(ovm)内。此外，在一些实施方式中，基于fdf的故障检测应用可以主要用于检测致动器故障。然而，可以存在这样的多种系统和/或部件，其期望结合参数估计过程的基于fdf的故障检测应用。

状态变量分析建模。利用示例性系统说明了用于给定车辆电子系统的状态矢量模型的开发的分析建模过程。示例性车辆电子系统是用于车辆的自动转向系统。本示例不基于任何特定的oem自动转向系统。然而，出于说明目的而略微简化的该示例是可以在实际车辆中运行并且在仿真中表现出优异性能的假设系统。建模的细节随电子系统的类型及其配置而略微变化。然而，本示例覆盖了足够复杂的系统，使得下文讨论的示例性建模过程覆盖了用于许多车辆电子系统的许多步骤。

在一个实施方式中，状态变量分析建模可以用于生成用于参数估计过程的状态变量矩阵。可以生成的这些状态变量矩阵可以包括标称状态变换矩阵as以及标称输入矩阵bs。那些矩阵基于sum12(或者旨在由fdm16监测的其他电子系统)的设计参数来为标称参考矩阵提供系数。此外，标称矩阵as和bs提供了与各种状态矢量变量唯一相关的模型结构。在一些实施方式中，用于fds的建模可以并且有时优选地应当基于电子系统设计和功能操作的任意文档。可以从部件的oem获得建模数据，并且随后将其用于建模过程。然而，在一些实施方式中，有可能使用详细的测量值通过适当的实验室研究独立获得建模数据。

用于开发用于示例性自动转向系统的状态变量分析模型的过程随着其中呈现所有子系统和/或单独部件的框图的推进而开始。在其他实施方式中，可能不需要所有子系统和/或单独部件(统称为“部件”)，并且此外或可替代地，可以仅需要获得影响正在建模的部件和/或子系统的部分。

参考图2，示出了表示如在闭环控制系统中所代表的假设的自动转向系统100的框图。图2的各个元件是：102，误差块，该误差块获得命令输入θd与该变量的测量值θm之间的定量误差(error)；104，电子控制系统，该电子控制系统产生电信号va，该电信号操作系统致动器；106，致动器的动态模型；108，具有变换函数hv(s)的车辆动力学；110，测量被控制的车辆变量(在该示例中，为车辆前进方向)的传感器。在这种情况下，假定自动控制的输入是期望的车辆前进方向θd。假定该输入是由车辆控制系统生成的，以完成车辆沿预期路径的导航。

框图中描绘的单独部件和/或子系统的特征在于复频率变量s的运算变换函数。在一些情况下，该示例性框图是将由系统设计者使用的框图的示例，因为至少在许多情况下，闭环控制系统的设计和分析是基于变换函数模型的。在至少一个实施方式中，动态性能和系统稳定性设计过程严格地基于这种形式的模型而不是时间相关模型。该框图的部件包括以下变换函数模型：

其中va是输入到致动器的电信号。

∈＝error＝θd–θm(公式45)

此处，θm是由sum的传感器测量的车辆前进方向，并且其中θm＝ksθ。ks是前进方向传感器校准常数，并且θ是实际车辆前进方向。为方便起见，假设其中kp等于比例增益并且ki等于积分增益的比例积分(pi)控制策略，则

sva(s)＝(kps+ki)(θd(s)-θm(s))(公式47)

时域模型由下式给出：

对于致动器，可以使用典型的一阶模型：

其中kst是致动器校准常数，并且τf是时间常数。在一个示例中，时间常数τf可以是大约0.1秒。时域等效物可以由下式给出：

车辆动力学或“性能指标”变换函数。

来自车辆动力学的状态变量模型的变换函数由下式给出：

yv＝cxv+eδf(公式53)

其中，至少在该实施方式中，av和bv仅是用于车辆动力学的矩阵。如上所述，在许多情况下，e可以为零。并且，假设此示例的e为零(例如，参见公式52)，则：

(si-av)sv(s)＝bvδf(s)(公式54)

yv(s)＝cxv(s)＝c(si-av)^-1bvδf(s)(公式55)

其中i是单位矩阵，并且c被选择成使得yv＝θ，其中cxv＝θ。

在许多情况下，需要从车辆动态状态矢量方程到变换函数的变换来设计用于稳定闭环运行的控制系统，并且可以包括：根轨迹技术、增益和相位裕度分析技术、波特图频率响应技术、以及本领域技术人员已知的其他技术。使用hv(s)的这些技术不是fds建模的一部分，而是在自动转向控制设计中使用。此外，状态变量公式直接包含在fds建模中，并且因此av和bv的系数可以包含在as和bs中。然而，至少在一些实施方式中，状态矢量在故障检测系统中具有比在闭环设计中使用的车辆动力学维度更广的维度。产生车辆动力学的公式可以是标准的，并且至少在该示例中，将其视为具有可忽略的侧倾动力学的线性动力学模型。公式的一些示例可以在由hanspacejka撰写并由elsevier杂志以butterworth-heinemann出版社的名义出版的的“tireandvehicledynamics(轮胎和车辆动力学)”中找到。

在此示例中使用的用于横向车辆运动的线性简化动力方程可以由下式给出：

其中v是车辆在地固地心直角坐标系(ecef)中的横向速度(ecef)，r是偏航率(等于)，u0等于纵向速度，cf是前轮胎的转弯刚度，cr是后轮胎的转弯刚度，m是车辆质量，a是从(车辆的)重心到穿过前轮枢轴的直线的距离，b是从(车辆的)重心到穿过后轮枢轴的直线的距离，izz是围绕穿过车辆重心的竖直轴线的转动惯量，并且δf是前轮转向角。在该示例中，用于车辆动力学模型的状态矢量可以是xv＝[v,r]^t。该示例假设沿着车辆的侧倾轴线存在横向对称。

因此，将上述时域公式组合成状态变量公式会产生使用部件参数的标称值的以下结构的模型。

其中

在此示例中，矩阵可以如下给出：

并且c＝[0，0，0，0，1]

出于使用该模型测试故障检测系统的目的，该控制被设计用于使用根轨迹技术稳定运行。例如，在这种情况下，使用kp＝2和ki＝1提供良好的稳定性能。增益和相位裕度可以用于确保所有仿真的稳定性。该自动控制系统经由仿真进行测试，该仿真表明车辆前进方向跟随命令前进方向。

该模型的正常传感器校准常数为ks＝1.000。以30公里/小时(即ks＝9.000)下的10％的传感器校准误差进行fds操作的仿真。在15秒内，车辆已偏离预定路径多于40米。对于此示例，fds的c矩阵是5维单位矩阵。模拟的ks＝0.9的参数估计值被估计为可以将警告或通知发送给诸如系统的操作者、远程设施或其他用户。并且，在一些实施方式中，可以实现足够的精度，使得可以在控制回路中将校正发送给θm，从而维持车辆的路线。该仿真还得出以下其他估计值：a＝1.2米；m＝1,800公斤；izz＝3,564；传感器校准估计值的准确度证明了fds10(和/或fdm16)用于检测和/或识别部件的故障或部件性能的劣化的可能性。在许多情况下，这种准确度可以提高车辆安全性和/或可靠性。

尽管下文讨论的特定实施方式主要涉及车辆电子系统，但是如单个示例性sum所示那样，其他(非车辆)实施方式可以结合故障检测系统(fds)或其各个部分。对于车辆应用，fds10和/或fdm16可以用于单个车辆电子环境中的众多车载车辆模块(ovm)。图3提供了在车辆的车辆电子器件的背景下的一个这种示例。例如，如图3的sum212所示，所有车辆电子系统都可以与故障检测模块(fdm)进行交互或连接。

参考图3，示出了故障检测系统(fds)210，其作为车辆200的车辆电子器件的一部分而安装。车辆200在示出的实施方式中被描绘成轿车，但是应当理解，也可以使用包括摩托车、卡车、运动型多功能车(suv)、休闲车(rv)、自行车、可以在道路或人行道等上使用的其他车辆或移动装置等的任何其他车辆。如示出的实施方式中描绘的，车辆200包括受监测系统(sum)212、其他系统传感器214、故障检测模块216、车载网络(ivn)(例如，通信总线)218、用户界面228、无线通信模块230、全球导航卫星系统(gnss)接收器或模块246以及其他车载车辆模块(ovm)260。

受监测系统(sum)212可以类似于上文讨论的sum12(图1)，不同之处在于sum212是可以用于向车辆提供功能的车载车辆模块(ovm)。ovm260和/或sum212可以包括一个或多个单独部件和/或子系统，并且一些示例包括：车身控制模块(bcm)、动力总成控制模块(pcm)、动力转向模块、自动转向模块、gnss接收器、制动子系统和/或模块、内燃机(ice)、其他原动机(例如，电驱动马达)、信息娱乐单元或其他娱乐模型、中央车载计算机、雷达/激光雷达系统、其他成像系统、其他电子控制单元(ecu)等。在一个实施方式中，sum212可以是如上所述的自动转向系统。并且，在一些实施方式中，如下所述，sum212可以包括处理器和存储器，该处理器和存储器可以包括故障检测模块216的处理器250和存储器252的任何和/或所有特征。此外，如上文关于sum12(图1)所述，sum212可以包括一个或多个sum传感器213。这些sum传感器213可以是系统传感器。例如，位置传感器可以联接到作为sum212一部分的致动器。其他系统传感器214可以类似于上文讨论的其他系统传感器14(图1)。在一些实施方式中，这些系统传感器213、214可以在以下讨论的参数估计过程中由故障检测模块216使用。

故障检测模块(fdm)216类似于上文讨论的故障检测模块(fdm)16(图1)。然而，fdm216不包括故障模拟电子设备(诸如fdm16的那些故障模拟电子器件24)，并且因此，fdm216代表并入生产车辆中的fds210和fdm216。在示例性实施方式中，故障检测模块216示为包括处理器250和存储器252。处理器250可以是能够处理电子指令的任何各种装置，包括微处理器、微控制器、主处理器、车辆通信处理器和专用集成电路(asic)。处理器250可以是仅用于故障检测模块216的专用处理器或者可以与其他系统共用和/或可以使用现有的车载车辆数字计算系统来实现。处理器可以执行各种类型的数字存储指令，诸如软件或固件。存储器252可以是可以存储计算机指令和/或其他电子信息的各种电子存储设备中的任何设备，诸如加电的暂时存储器或者任何合适的非暂时性计算机可读介质。这种示例可以包括不同类型的ram(随机存取存储器，包括各种类型的动态ram(dram)和静态ram(sram))、rom(只读存储器)、固态驱动器(ssd)(包括其他固态存储装置，诸如固态混合驱动器(sshd))、硬盘驱动器(hdd)、磁盘或光盘驱动器、或者存储执行本文阐述的各种设备功能所需的一些或全部软件的其他设备。在一些实施方式中，故障检测模块216可以实现为安装在车辆中的安装有oem(嵌入式)的设备或售后设备。

如示出的实施方式中描绘的，无线通信模块230可以用于经由短距离无线通信(srwc)和/或经由通过使用无线通信电路(wcc)242的蜂窝网络通信来传送数据。在示出的实施方式中，无线通信模块230包括wcc242、天线244以及包括gnss天线248的gnss接收器246。在一个实施方式中，无线通信模块30可以是独立模块，或者在其他实施方式中，无线通信模块30可以作为一个或多个其他车辆系统模块(诸如，中心堆叠模块(csm)、车身控制模块(bcm)、信息娱乐模块、音响本体、故障检测模块216和/或网关模块)的一部分被并入或包括。在一些实施方式中，无线通信模块230可以实现为安装在车辆中的安装有oem(嵌入式)的设备或售后设备。并且，在至少一个实施方式中，无线通信模块30是能够使用一个或多个蜂窝载波系统(未示出)进行蜂窝通信的远程信息处理单元(或远程信息处理控制单元)。例如，无线通信模块230本质上可以构成车辆到基础设施(v2i)通信系统。

在一些实施方式中，无线通信模块230可以配置成使用一个或多个短距离无线通信(srwc)协议进行无线通信，短距离无线通信协议诸如wi-fi^tm、wi-fidirect^tm、其他ieee802.11协议、zigbee^tm、蓝牙^tm(包括任何蓝牙^tm协议，诸如蓝牙^tm低功耗)或近场通信(nfc)中的任何一种。在这种实施方式中，wcc242可以是使得无线通信模块230能够发送和接收诸如蓝牙信号的srwc信号的短距离无线通信(srwc)电路。srwc电路可以允许模块230连接到另一个srwc设备。此外，在一些实施方式中，无线通信模块230可以包含蜂窝芯片组，该蜂窝芯片组也可以是wcc242的一部分，或者可以是单独的wcc(或蜂窝芯片组)。因此，在这种实施方式中，无线通信模块使得车辆200能够经由一个或多个蜂窝协议(诸如由各种蜂窝载波系统使用的那些协议)进行通信。

无线通信模块230可以使得车辆200能够经由tcp/ip或其他分组交换数据通信与一个或多个远程网络通信。还可以经由使用无线通信模块230可访问的蜂窝网络来进行分组交换数据通信。无线通信模块230可以经由wcc242在包括蜂窝载波网络的各种无线载波系统上传送数据。在这种实施方式中，无线电传输可以用来与无线载波系统建立通信信道(诸如语音信道和/或数据信道)，使得可以通过信道发送和接收语音和/或数据传输。通过使用本领域中已知的技术，经由数据连接，诸如经由数据信道上的分组数据传输或者经由语音信道，可以发送数据。对于涉及语音通信和数据通信的组合服务，系统可以利用语音信道上的单个呼叫，并且根据需要在语音信道上的语音与数据传输之间进行切换，并且这可以使用本领域技术人员已知的技术来完成。

gnss接收器246包括天线248，该天线248使得接收器246能够从gnss卫星(未示出)接收gnss无线电信号。gnss接收器246可以是任何合适的可商购获得的gnss接收器，并且可以接收gnss信息，该gnss信息随后可以通过ivn218发送到其他车辆模块。在一个实施方式中，车辆200可以使用gnss接收器246来接收gnss信号以获得准确时间。该时间可以用于保持车辆的内部时钟同步，例如故障检测模块216中可能包含的那些时钟。

在示出的实施方式中，用户界面228描绘为视觉显示器；然而，用户界面228可以包括各种设备-用户界面，该界面能够将信息从车辆电子器件202提供给车辆的用户或操作者。非限制性示例可以包括音频扬声器、视觉显示器、计算机监视器、电视、触觉致动器或者其他触觉/触知机构、灯(例如，led)和/或各种其他设备-用户界面。这些设备-用户界面中的任何一个可以用于提供本文讨论的通知或警告。此外，可以使用标准的触摸屏技术将用户界面设计成具有对系统的用户输入。

参考图4，示出车辆电子器件202，其包括sum212、sum传感器213、其他系统传感器214、故障检测模块216、车载网络(ivn)(例如，通信总线)218以及无线通信模块230。该车辆fds210类似于上文讨论的fds10(图1)。然而，在该实施方式中，无线通信模块228直接连接到ivn(或总线)218，并且可以经由ivn218与故障检测模块216通信。

车载网络(ivn)218可以用于连接一些或全部不同的车辆电子器件以便彼此通信。ivn218可以包括一个或多个通信总线。ivn218使用一种或多种网络协议为车辆电子器件提供网络连接。例如，合适的网络连接的示例包括控制器局域网(can)、面向媒体的系统传输(most)、本地互连网络(lin)、局域网(lan)以及其他合适的连接，诸如以太网或者符合已知的iso、sae和ieee标准和规范的其他连接。

参考图5，示出了对电子系统建模使得可以生成故障检测模块的配置细节的方法500。方法500开始于步骤510，其中开发状态变量分析模型。例如，该步骤510可以使用上文讨论的建模过程。如本领域技术人员将理解的，也可以使用其他建模技术。在一个实施方式中，可以开发模型，使得其包含矩阵系数(例如，对于矩阵as和bs)与sum12、212的部件参数之间的函数关系。在量化sum的性能的劣化时可以使用这些参数。

在步骤520中，可以识别作为车辆电子系统的一部分的传感器，这些传感器可以测量开发的状态变量分析模型的状态矢量中的一些或全部变量。在一些实施方式中，在步骤520中，可以识别确定(或以其他方式获得)用于状态变量分析模型的测量所需的所有系统传感器。这可以包括sum传感器13、213和/或其他系统传感器14、214中的一者或两者。随后，至少在需要额外的传感器来测量用于状态变量分析模型的变量的实施方式中，可以识别辅助传感器32、232。这些辅助传感器32、232可以直接连接和/或集成到故障检测模块(例如，fdm16、故障检测模块216)中。辅助传感器32、232随后可以经由直接、有线连接来连接到fdm16、216，或者可以经由通信总线连接。然而，在一些实施方式中，直接、有线连接可以包括在车辆中并且用于sum12、212(和/或sum传感器13、213)与fdm16、216之间的数据通信，以便减少从辅助传感器32、232到处理器和/或fdm16的其他部分和/或故障检测模块216的传感器信号传输的等待时间。

在步骤530中，对现有传感器与辅助传感器之间的采样时间差进行补偿。这可以包括以上关于传感器时间同步过程讨论的任何和/或所有步骤。另外，尽管以上讨论的传感器时间同步过程描述了特定实施方式，但是可以使用用于使各种传感器的采样时间同步的其他方法。在一个实施方式中，fdm16或故障检测模块216包括的辅助传感器32、232可以彼此时间同步。在这种情况下，时间同步过程可以包括使用时间同步过程来获得系统传感器的调整的传感器值，使得系统传感器的调整的传感器值相对于采样时间与辅助传感器同步。这可以包括使其他系统传感器14、214以及任何sum传感器13、213时间同步。

在步骤540中，可以开发算法和/或公式以用于计算特定sum的矩阵的估计值。这些算法和/或公式可以是在参数估计过程中使用的那些算法和/或公式，并且用于计算当前状态变换矩阵估计值和/或当前状态输入矩阵估计值。随后可以获得当前状态变换矩阵估计值和/或当前状态输入矩阵估计值中包含的参数值的估计值。

在步骤550中，可以基于开发的算法来开发一个或多个计算机程序或应用。在步骤540中开发的算法可以用于配置计算机指令，随后可以将计算机指令编译成计算机程序或应用。并且，在一些实施方式中，当被编译或转换成计算机指令时，可以简化和/或操纵在步骤540中开发的算法。在一个实施方式中，方法600(下文讨论)、参数估计过程、时间同步过程和/或故障前时间估计过程和/或其部分可以在计算机可读介质中的一个或多个计算机程序(或“应用程序”或“脚本”)中实施，并且包括可由一个或多个系统的一个或多个计算机的一个或多个处理器使用(例如，可执行)的指令。计算机程序可以包括一个或多个软件程序，该软件程序包括源代码、目标代码、可执行代码或其他格式的程序指令。在一个实施方式中，任何一个或多个计算机程序可以包括一个或多个固件程序和/或硬件描述语言(hdl)文件。此外，计算机程序可以各自与任何程序相关数据相关联，并且在一些实施方式中，计算机程序可以与程序相关数据打包在一起。程序相关数据可以包括数据结构、查找表、配置文件、证书、或者以任何其他适当格式表示的其他相关数据。程序指令可以包括程序模块、例程、程序、功能、过程、方法、对象等等。计算机程序可以在一个或多个计算机上执行，诸如在彼此通信的多台计算机上执行。

计算机程序可以在计算机可读介质(例如，存储器252)上实现，该计算机可读介质可以是非暂时性的，并且可以包括一个或多个存储设备、制品等。示例性计算机可读介质包括计算机系统存储器，例如ram(随机存取存储器)、rom(只读存储器)；半导体存储器，例如eprom(可擦除可编程rom)、eeprom(电可擦除可编程rom)、闪存；磁盘或光盘或磁带，等等。例如，当通过网络或另一通信连接(有线、无线或其组合)传输或提供数据时，计算机可读介质还可包括计算机到计算机的连接。以上示例的任何组合也包括在计算机可读介质的范围内。因此，应当理解，该方法可以至少部分地由能够执行对应于公开的方法的一个或多个步骤的指令的任何电子产品和/或设备来执行。方法500随后结束。

参考图6，示出了检测和响应已经故障或正在发生故障的单独部件或子系统的方法600的实施方式。步骤600开始于步骤610，其中计算用于sum12、212的部件参数值(或部件参数)。该计算可以使用参数估计过程，该过程可以包括执行在电子计算机存储器(例如，存储器252)中实施的计算机指令，其中计算机指令包括用于获得当前状态变换矩阵估计值和/或当前状态输入矩阵估计值的参数估计步骤。一旦获得这些值，就可以从当前状态变换矩阵估计值和/或当前状态输入矩阵估计值中提取和/或以其他方式获得用于sum12的某些部件的特定值。方法600随后继续到步骤620。

在步骤620中，随后可以将每个提取的或获得的参数值与和该公差范围相关联的特定部件的公差范围进行比较。当参数值落入公差范围内时，则可以确定没有故障。当参数值超出公差范围时，则可以确定故障级别。在这种情况下，可以将参数值与完整的故障公差范围(或限值)进行比较，这可以用来确定部件是否已完全故障。当确定参数值超出完整的故障公差范围时，则部件已完全故障；此时，可以发出警告，如下文在步骤640中所讨论的。当确定参数值超出公差范围但是在完整的故障公差范围之内时，则可以针对相应的部件执行上文讨论的故障前时间估计过程。通过使用此过程，可以获得故障前时间(ttf)值(tf)。

在步骤630中，可以将计算的参数值存储在存储器中。在一个实施方式中，参数值总是可以被写入存储器，使得可以维持这些值的历史。在其他实施方式中，仅当参数值超出公差范围和/或完整的故障公差范围时，才可以将参数值写入存储器。

在步骤640中，执行补救动作。在一些实施方式中，补救动作可以包括当参数值超出公差范围时(或者当以其他方式确定部件正在发生故障或已发生故障时)发出通知。该通知可以包括由电子系统的用户或操作者可感知的警报、警告或其他指示。例如，参考车辆200(图3)，故障检测模块216可以经由使用视觉显示器或其他用户界面228来发出通知。在另一个实施方式中，故障检测模块216可以向无线通信模块230发送消息，该无线通信模块随后可以将该消息转换成可以传送到另一设备或系统并且可以用来通知电子系统的操作者和/或用户的无线信号。该通知可以包括故障前时间(ttf)和/或可以指示故障的严重性。例如，该通知可以指示该故障是完全故障、逐渐故障(至少在一些实施方式中，与ttf一起)和/或其他信息，诸如可以从其他系统模块或者从通信总线18、218检索的诊断故障代码。在涉及自动驾驶车辆的特定实施方式中，该通知可以被发送到自动驾驶车辆控制系统、车辆操作者所有者或者驾驶员。并且，在该实施方式中，在车辆是4级(美国国家公路交通安全管理局(nhtsa)，其中4级是全自动驾驶自动化)的情况下，可以将通知发送给驾驶员。或者，在无人驾驶车辆的情况下，该通知可以用于切换到多出的备用硬件，诸如在受监测的部件发生完全故障的情况下那样。

在一些实施方式中，可以将检测到和/或识别出的故障归类为以下各项之一：(1)完全突然故障；(2)间歇性故障；或者(3)部件的功能随时间变化的逐渐劣化。在(1)和/或(2)的情况下，该故障可以被认为是现时故障，对于该故障，可以从fds向诸如视觉显示器、音频扬声器和/或触觉反馈设备的一个或多个设备-用户界面28、228发送通知或警报消息。在情况(3)中，可以将故障视为渐进故障，fds随后可以针对该故障开始故障前时间(ttf)估计过程，该过程使用统计建模技术来估计部件的故障前时间。ttf可以由从当前时间(或某个其他参考时间)到部件(例如，单独部件或子系统)预计或估计发生故障的时间的时间量来表示。当部件由于某些内部故障而无法执行其正常操作时或者以其他方式当部件下降到某些可接受的性能公差范围(诸如上文讨论的那些公差范围)以下时，可以将部件称为“故障”。在后一种类别中，可以估计部件/子系统的故障前时间(ttf)，或者通常可以估计包含逐渐故障部件的系统的不可接受性能的时间(诸如通过使用ttf估计过程)。方法600随后结束。

应当理解，前述描述是本发明的一个或多个实施方式。本发明不限于本文中公开的特定实施方式，而是仅由以下权利要求书限定。此外，除非上文明确地定义术语或短语，否则前述描述中含有的陈述与所公开实施方式有关，并且不应解释为对本发明的范围或权利要求中使用的术语的定义的限制。各种其他实施方式和公开的实施方式的各种改变和修改对本领域技术人员将是显而易见的。

如本说明书和权利要求书中使用的，术语“例如(e.g.)”、“例如(forexample)”、“例如(forinstance)”、“诸如(suchas)”和“如(like)”以及动词“包括(comprising)”、“具有(having)”、“包含(including)”及其他动词形式当与一个或多个元件或其他项目的列表结合使用时，各自解释为开放式的，这意味着列表不应视为排除其他额外的元件或项目。除非在需要不同解释的上下文中使用其他术语，否则应使用其最广泛合理的含义来解释其他术语。此外，术语“和/或”将解释为包含性的“或”。因此，例如，短语“a、b和/或c”应解释为涵盖以下所有各项：“a”；“b”；“c”；“a和b”；“a和c”；“b和c”；以及“a、b和c”。