《检测故障码设置中的异常和使用分析症状增强维修文件.pdf》由会员分享，可在线阅读，更多相关《检测故障码设置中的异常和使用分析症状增强维修文件.pdf（16页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 CN 102799171 A (43)申请公布日 2012.11.28 C N 1 0 2 7 9 9 1 7 1 A *CN102799171A* (21)申请号 201210165527.0 (22)申请日 2012.05.25 13/115216 2011.05.25 US G05B 23/02(2006.01) (71)申请人通用汽车环球科技运作有限责任公 司 地址美国密执安州 (72)发明人 H.S.苏布拉马尼亚 S.辛赫 C.L.皮尼安 (74)专利代理机构中国专利代理(香港)有限公 司 72001 代理人董均华 (54) 发明名称 检测故障码设置中的异常和使用。
2、分析症状增 强维修文件 (57) 摘要 本发明为检测故障码设置中的异常和使用分 析症状增强维修文件。提供一种基于分析症状来 识别维修车辆中的故障的根本原因的方法。取回 与所识别DTC有关的参数识别数据。收集来自于 经历DTC的多个车辆的参数识别数据。产生第一 组诊断规则，第一组诊断规则识别用于执行DTC 算法或触发DTC的车辆操作参数。产生第二组 诊断规则，第二组诊断规则识别用于选择在触发 DTC时获得的现场故障数据的车辆操作参数。从 第二组诊断规则提取统计显著规则。第一组规则 和统计显著规则协作地应用于参数识别数据，用 于识别表示异常的参数识别数据的子组。主题专 家分析异常，用于识别故障的根。
3、本原因。 (30)优先权数据 (51)Int.Cl. 权利要求书2页 说明书8页 附图5页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书 2 页 说明书 8 页 附图 5 页 1/2页 2 1.一种基于参数识别数据中识别的异常来识别维修车辆中的故障的根本原因且执行 校正动作的方法，所述方法包括以下步骤： 执行诊断软件例程，以取回用于识别维修车辆的操作中的故障的诊断故障码； 取回与识别有检测故障的诊断故障码有关的参数识别数据； 在计算机上收集来自于经历诊断故障码的多个车辆的参数识别数据； 产生第一组诊断规则，第一组诊断规则识别用于执行诊断故障码算法或触发诊断故障 码的车。
4、辆操作参数； 产生第二组诊断规则，第二组诊断规则识别用于选择在触发诊断故障码时获得的现场 故障数据的车辆操作参数； 从第二组诊断规则提取统计显著规则； 将第一组规则和统计显著规则中的每一个协作地应用于参数识别数据，用于识别表示 异常的参数识别数据的子组； 主题专家分析异常，用于识别故障的根本原因；以及 基于所识别的根本原因分析来执行校正动作。 2.根据权利要求1所述的方法，其中，第一组诊断规则从至少一个设计相关文件源获 得。 3.根据权利要求1所述的方法，其中，第二组诊断规则从分类器获得。 4.根据权利要求1所述的方法，其中，第二组诊断规则从决策树获得。 5.根据权利要求1所述的方法，其中，统。
5、计显著规则使用分类精度技术提取，其中，分 类精度技术确定相应规则是否将大于分类阈值的与单个DTC有关的事件数量分类。 6.根据权利要求5所述的方法，其中，用于识别统计显著规则是否满足相应类别的确 定由以下公式表示： 其中，是使用相应规则识别的DTC1的分类情况数量，是使用相应规则 识别的所有DTC的分类情况数量，且是预定百分比。 7.根据权利要求1所述的方法，其中，统计显著规则使用群体百分比技术提取，其中， 群体百分比技术确定由相应规则分类为单个诊断故障码类别的情况数量与诊断故障码类 别的情况总数量相比是否满足群体阈值。 8.根据权利要求7所述的方法，其中，用于识别统计显著规则是否满足群体阈值。
6、的确 定由以下公式表示： 其中，是使用统计显著规则识别的DTC1的分类情况数量，Nt是所有DTC的所有 分类情况的总数量，且是预定百分比。 权 利 要 求 书CN 102799171 A 2/2页 3 9.根据权利要求1所述的方法，其中，执行校正动作的步骤包括修正用于评估诊断故 障码的诊断软件例程中的至少一个。 10.根据权利要求1所述的方法，其中，执行校正动作的步骤包括修改由维修技术人员 使用以评估故障的维修文件。 权 利 要 求 书CN 102799171 A 1/8页 4 检测故障码设置中的异常和使用分析症状增强维修文件 技术领域 0001 实施例总体上涉及识别故障码中的异常和基于异常分。
7、析来开发新的分析症状以 增强维修文件。 背景技术 0002 诊断软件算法使用故障码或诊断故障码（DTC）来帮助技术人员维修机器，例如在 销售商处维修部门处的车辆。诊断故障码（DTC）在车辆中基于诊断软件算法来触发。维修 使用的维修诊断工具等从车辆处理器存储器取回DTC，用于确定车辆特定部件中的故障。车 辆中的每个处理器包括在车辆经受电气故障时存储DTC的存储器。维修技术人员可以检查 当前触发的DTC或任何DTC的历史，用于确定车辆中的根本原因。DTC是用于识别车辆中的 各个部件、电路或软件中发生的故障的字母数字代码。这种DTC与各种电动车辆功能相关， 包括但不限于发动机操作、排放物、制动、动力。
8、系、安全性和转向。每个子系统可能具有其自 身的车载处理器，用于监测子系统操作的故障，或者处理器可负责监测多个子系统的故障。 当子系统处理器检测到故障时，产生一个或多个DTC。 0003 DTC帮助维修人员查明关心的区域。DTC通过维修人员借助于扫描工具来取回。 虽然DTC给维修人员查明关心的区域提供辅助，但是DTC并不提供与什么准确地引起问题 的明确信息。通常，DTC指示特定部件、将部件连接到控制模块的电路或控制模块本身中的 故障。现在，仍然由技术人员通过执行进一步的电路测试来识别根本原因，使用分析推理、 先前经验或最佳估计。因而，DTC仅仅提供一定程度的诊断。附加诊断鉴别（diagnosti。
9、c resolution）只能通过执行附加现场试验和从车辆收集附加操作参数数据来获得。有时，产 生DTC的算法可能具有错误或者算法中规定的标定值对车辆操作条件敏感，这导致触发错 误DTC。此外，DTC可能展现间歇性行为，由于没有触发间歇性DTC的操作参数数据，因而难 以固定。故障的间歇性行为是在故障被触发和记录然而在维修修理中心故障条件不能复制 时的情形。 0004 扫描工具还可以取回在触发特定DTC时记录的停帧操作参数识别符（PID）。PID代 码是部件的操作参数或者诊断算法的输出，其经由扫描工具记录，通过来自于车辆通信总 线的读数传输。通信总线上的一个装置识别其负责的PID代码且返回与PI。
10、D代码有关的信 息，用于提供与感测与所检测故障有关的数据的装置中的一个或多个相关的进一步细节。 然而，与DTC有关的PID的数量是非常多的且对于必须分析PID代码的维修人员来说是繁 重的。 0005 在许多情况下，在DTC算法中存在错误且DTC将在不合适前提条件下触发（例如， 触发DTC的条件不合适）。此外，标定值可能基于操作条件敏感且操作参数需要再次标定。 在收集和分析的巨大数量的PID代码时，DTC数据中存在的异常可借助于统计和数据挖掘 技术识别。异常通常在分析保修索赔数据时识别。然而，保修数据仅仅在车辆生产且对修 理进行索赔之后获得。因而，DTC展现异常的巨大数量的车辆可能已经维修。理想。
11、的是在 开发阶段或者早期生产阶段期间识别DTC中的异常，从而在开发阶段或者早期生产阶段期 说 明 书CN 102799171 A 2/8页 5 间可以进行校正动作。 发明内容 0006 实施例的优势在于识别DTC设置的异常。异常可在车辆的开发阶段期间检测，以 使得在车辆进入生产时的保修修理数量最小化。所述系统使用基于设计文件和说明书的 规则以及经由现场故障数据的数据挖掘的统计显著规则来识别与所触发DTC有关的信息 PID，用于检测异常。异常可能是DTC的不合适前提条件或者敏感性标定值的结果。因而， 分析症状被识别且故障的根本原因通过车辆外的过程确定，用于增强维修程序。在车辆开 发阶段或者车辆早。
12、期生产期间优选进行部件、软件或维修文件的调节。通过校正故障码（例 如，DTC）设置条件而不是增加新故障码，减少误判（no-trouble-found，NTF）率。 0007 一个实施例设想一种基于参数识别数据中识别的异常来识别维修车辆中的故障 的根本原因且执行校正动作的方法。执行诊断软件例程，以取回用于识别维修车辆的操作 中的故障的诊断故障码。取回与识别有所检测故障的诊断故障码有关的参数识别数据。来 自于经历诊断故障码的多个车辆的参数识别数据在计算机上收集。产生第一组诊断规则。 第一组诊断规则识别用于执行诊断故障码算法或触发诊断故障码的车辆操作参数。产生第 二组诊断规则。第二组诊断规则识别用于。
13、选择在触发诊断故障码时获得的现场故障数据的 车辆操作参数。从第二组诊断规则提取统计显著规则。第一组规则和统计显著规则中的每 一个协作地应用于参数识别数据，用于识别表示异常的参数识别数据的子组。主题专家分 析异常，用于识别故障的根本原因。基于所识别的根本原因分析执行校正动作。 0008 方案1. 一种基于参数识别数据中识别的异常来识别维修车辆中的故障的根本原 因且执行校正动作的方法，所述方法包括以下步骤： 执行诊断软件例程，以取回用于识别维修车辆的操作中的故障的诊断故障码； 取回与识别有检测故障的诊断故障码有关的参数识别数据； 在计算机上收集来自于经历诊断故障码的多个车辆的参数识别数据； 产生第。
14、一组诊断规则，第一组诊断规则识别用于执行诊断故障码算法或触发诊断故障 码的车辆操作参数； 产生第二组诊断规则，第二组诊断规则识别用于选择在触发诊断故障码时获得的现场 故障数据的车辆操作参数； 从第二组诊断规则提取统计显著规则； 将第一组规则和统计显著规则中的每一个协作地应用于参数识别数据，用于识别表示 异常的参数识别数据的子组； 主题专家分析异常，用于识别故障的根本原因；以及 基于所识别的根本原因分析来执行校正动作。 0009 方案2. 根据方案1所述的方法，其中，第一组诊断规则从至少一个设计相关文件 源获得。 0010 方案3. 根据方案1所述的方法，其中，第二组诊断规则从分类器获得。 00。
15、11 方案4. 根据方案1所述的方法，其中，第二组诊断规则从决策树获得。 0012 方案5. 根据方案1所述的方法，其中，统计显著规则使用分类精度技术提取，其 中，分类精度技术确定相应规则是否将大于分类阈值的与单个DTC有关的事件数量分类。 说 明 书CN 102799171 A 3/8页 6 0013 方案6. 根据方案5所述的方法，其中，用于识别统计显著规则是否满足相应类别 的确定由以下公式表示： 其中，是使用相应规则识别的DTC1的分类情况数量，是使用相应规则 识别的所有DTC的分类情况数量，且是预定百分比。 0014 方案7. 根据方案1所述的方法，其中，统计显著规则使用群体百分比技术。
16、提取， 其中，群体百分比技术确定由相应规则分类为单个诊断故障码类别的情况数量与诊断故障 码类别的情况总数量相比是否满足群体阈值。 0015 方案8. 根据方案7所述的方法，其中，用于识别统计显著规则是否满足群体阈值 的确定由以下公式表示： 其中，是使用统计显著规则识别的DTC1的分类情况数量，Nt是所有DTC的所有 分类情况的总数量，且是预定百分比。 0016 方案9. 根据方案1所述的方法，其中，执行校正动作的步骤包括修正用于评估诊 断故障码的诊断软件例程中的至少一个。 0017 方案10. 根据方案1所述的方法，其中，执行校正动作的步骤包括修改由维修技 术人员使用以评估故障的维修文件。 0。
17、018 方案11. 根据方案1所述的方法，其中，执行校正动作的步骤包括修正用于触发 诊断故障码的诊断软件例程。 0019 方案12. 根据方案1所述的方法，其中，执行校正动作的步骤包括修改与故障有 关的车辆部件。 0020 方案13. 根据方案1所述的方法，其中，执行校正动作的步骤包括修正与故障有 关的系统。 附图说明 0021 图1是诊断修理报告系统的框图。 0022 图2是从DTC和PID数据检测异常的框流程图。 0023 图3图示了用于产生决策树的输入属性的示例性数据组。 0024 图4是递归产生的决策树的示例性图示。 0025 图5是通过应用统计显著规则识别的示例性曲线图子组参数识别数。
18、据。 具体实施方式 0026 图1示出了诊断修理报告系统10。诊断修理报告系统10包括用于报告从维修车 辆获得的诊断故障码（DTC）的多个维修中心12。还应当理解的是，数据可以在车辆的开关 说 明 书CN 102799171 A 4/8页 7 阶段和车辆的早期生产阶段两者期间从车队车辆和测试车辆取回。在开发阶段或早期生产 阶段期间获取DTC数据和分析DTC数据的异常有助于减少车辆上作出的维修和保修索赔数 量。 0027 为了确定特定维修修理是否发生错误诊断，修理数据从维修车间取回。初始设备 制造商（OEM），例如机动车公司，维护在线修理报告系统。此外，OEM从测试车辆和车队车辆 收集数据。在该。
19、示例中，车辆被带到维修车间，例如销售商处的维修部门处。技术人员将使 用扫描工具14在车辆上运行诊断检查，扫描工具14与车辆中的一个或多个处理器（例如， 发动机控制模块）通信。车辆中的每个处理器都包括存储器或者在车辆经历问题且记录错 误代码时使用远程存储器来存储DTC 16。在车辆处理器存储器中存储DTC 16使得维修技 术人员不再需要试图再次获取车辆的问题，尤其是在车辆当前不处于问题的症状时；相反， 维修技术人员可以检查在车辆存储器中存储的任何DTC的当前或过去历史，用于确定在发 生问题时车辆内存在什么问题。DTC 16是用于识别在车辆的各个部件中发生的问题的数 字字母代码。这种DTC 16可。
20、以与各种车辆功能相关，包括但不限于发动机操作、排放物、制 动、动力系和转向。每个子系统可能具有其自身的车载处理器，用于监测子系统操作的故 障，或者处理器可负责监测多个子系统的故障。当子系统处理器检测到故障时，产生一个或 多个DTC 16。DTC 16存储在处理器存储器中，且在测试时由维修技术人员稍后取回。DTC 16有助于维修技术人员查明关心的区域。 0028 为了取回DTC 16，维修技术人员在扫描工具14上输入请求取回当前或过去驾驶 循环存储的DTC 16的模式。然而，DTC 16的数量在车辆中受限制，且如果同时触发多个DTC 16，那么找到根本原因变得非常困难。 0029 扫描工具14还。
21、可以用于取回在DTC被触发且由车载处理器记录时记录的操作参 数识别符（PID）18。子系统的健康状况通常由多个（例如，数千个）操作PID 18监测，其使 用各个传感器和车载处理器中包含的诊断软件例程连续地收集。PID 18从停帧数据收集， 其是在发生DTC时的一组有限数量的情况。 0030 PID 18中的信息可以包括与其操作条件有关的数据（例如，提供空气-燃料混合 物的比率，从而可以确定该比率是否在最小和最大值内）。DTC 16和PID 18收集且存储在 多个存储装置20中，其可以取回以便稍后分析。 0031 分析工具22与存储装置20通信，用于取回包含先前维修车辆的DTC 16和PID 1。
22、8 的维修数据的全部或一部分，以有助于识别当前维修车辆的根本原因。分析工具22可包括 存储数据且执行本文所述的诊断例程的计算机、膝上型电脑、手持式无线处理装置或类似 装置。 0032 图2图示了用于从DTC和PID数据检测异常的框流程图。设计相关源30包括与 设计说明书和主题专家（SME）规则有关的一个或多个数据库和/或打印文件。设计说明书 和SME规则可包括维修程序、标定文件、操作指导、工程说明书和提供关于部件、电路、算法 或与DTC有关的其它条件的操作参数的细节。 0033 与相应DTC相关的规则从设计相关源30提取，且可包括用于运行DTC的规则、用 于触发DTC的规则。 0034 用于运。
23、行DTC的示例性规则，例如示例性挥发性排放物通风系统，可包括：（1）点 火电压在11-18伏之间；大气压大于74 kPa；燃料液位在15-85之间；发动机冷却剂温度 说 明 书CN 102799171 A 5/8页 8 小于35（95 F）；且进气空气温度在4-30（39-86 F）之间。 0035 用于设置DTC的规则的示例可包括：（1）燃料箱大于12英寸H 2 O真空度连续5秒； （2）燃料箱压力小于-2.5英寸H 2 O或大于5英寸连续60秒（在冷启动之后）。 0036 现场故障数据源32包括维护现场故障数据的一个或多个数据库或其它存储器存 储装置。现场故障数据的示例可包括但不限于故障码。
24、、停帧PID数据或保修索赔。停帧PID 数据是在触发DTC时收集的操作参数的快照。PID表示各种操作条件，例如但不限于由维修 技术人员经由扫描工具取回的发动机负载、发动机rpm、车辆速度、电压、电流、温度和压力。 0037 使用分类器或决策树34从现场故障数据源32提取规则。分类器或决策树34用 于从现场故障数据源32自动地获取与DTC有关的规则。分类器或决策树34基于满足PID 数据的一部分的规则来产生用于DTC类别的规则。 0038 构造决策树的数据在下表图示。 PID1 PID2 PID3 PID4 DTCset 2 85 85 0 DTC1 2 80 90 1 DTC1 1 83 86。
25、 0 DTC2 0 70 96 0 DTC2 0 68 80 0 DTC2 0 65 70 1 DTC1 1 64 65 1 DTC2 2 72 95 0 DTC1 2 69 70 0 DTC2 0 75 80 0 DTC2 2 75 70 1 DTC2 1 72 90 1 DTC2 1 81 75 0 DTC2 0 71 91 1 DTC1 0039 构造决策树是递归表示的。在表中给出的数据组中，PID是输入属性，每个记录表 示示例。存在两个不同DTC类别，“DTC1”和“DTC2”。存在四个输入属性，因而每个分离存 在四种可能，在顶部水平上产生如图3所示的树。DTC1类别和DTC2类别的数。
26、量在树40、41、 42的树叶处示出。仅具有一个类别（例如，DTC1或DTC2）的任何相应树叶将不需要进一步 分离，因而，该树枝以下的递归过程将终止。确定不需要进一步分离的相应类别首先识别。 为了确定哪个相应节点树叶将需要最少数量的分离，获得伪“纯度测量”，将获得产生最纯 节点的属性。纯度测量标记为“信息”且以单位“位”测量。位表示假定到达该节点的示例， 指定新情况应当分类为“是”还是“否”所需的预期信息量。与计算机存储器中使用的位的 常规定义不同，对于本文所述的目的，预期信息量通常包含位的一部分，且通常小于1。位基 于节点处的DTC1和DTC2类别的数量计算。 0040 当评估图3中的第一树。
27、时，树叶节点处的DTC1和DTC2类别的数量分别为3,2、 0,4和2,3。例如，在第一树叶40中，“3”表示存在DTC1的次数，“2”表示存在DTC2的 次数；在第二树叶41中，“0”表示存在DTC1的次数，“4”表示存在DTC2的次数；在第三树 叶42中，“2”表示存在DTC1的次数，“4”表示存在DTC2的次数。这些相应节点的信息值 为： Info(3,2) = - (3/5)xlog(3/5) (2/5)xlog(2/5) = 0.971位； Info(0,4) = - (0/4)xlog(0/4) (4/4)xlog(4/4) = 0.0位； 说 明 书CN 102799171 A 。
28、6/8页 9 Info(2,3) = - (2/5)xlog(2/5) (3/5)xlog(3/5) = 0.971位。 0041 这些的平均信息值考虑从每个树枝下去的情况数量计算（例如，第一树枝5；第二 树枝4；第三树枝5）。平均信息计算如下： Info(3,2, 0,4, 2,3) = (5/14)x0.971 + (4/14)x0.0 + (5/14)x0.971 = 0.693位。 0042 平均值表示在给定PID1的树结构时预期将指定新情况的类别的信息量。在产生 图3的树结构之前，树根处的训练样本包括9个DTC2节点和5个DTC1节点，与0.940位的 信息值相对应。（即，Info(。
29、5,9) = 0.940位）。作为所分析的第一树的结果，来自于初始 树根的信息增益由如下公式表示： gain(PID1) = info(5,9) info(3,2, 0,4, 2,3) = 0.940 0.693 = 0.247位。 0043 这编译为在输入属性PID1上产生树枝的信息值。 0044 信息增益然后针对每个属性计算且选择提供最多信息分离的相应增益。对于图4 所示的所有树，每个树的增益计算如下： gain(PID1) = 0.247位 gain(PID2) = 0.029位 gain(PID3) = 0.152位 gain(PID4) = 0.048位。 0045 PID1选择为树。
30、的树根处的分离属性。分析递归地继续。PID1上的进一步分离将 不产生新结果，从而考虑其它三个属性（即，PID1、PID2、PID3），用于分离图4中的PID1的 左上部分的最左树枝。新分离的信息增益如下： gain(PID2) = 0.571位 gain(PID3) = 0.971位 gain(PID4) = 0.020位。 0046 响应于信息增益，在该点选择PID3用于分离属性。从该树枝不需要进一步的分 离，从而该树枝完成。该技术对于其余树枝继续。最终决策树在图4中显示。要注意的是， PID2信息不是将PID2分类为数据组的信息。 0047 再次参考图2，从根据分类器或决策树34获得的规则。
31、提取统计显著规则。统计显 著规则是满足参数识别数据的预定部分的规则。考虑两个因素以增加识别为统计显著的规 则的置信度。第一因素是分类精度，第二因素是群体百分比。 0048 在分类精度中，确定错误分类情况的数量是否低于表示规则属于特定类别的分类 阈值。如果特定规则在单个类别预定百分比次数内正确地分类多个事件，那么满足第一因 素。例如，第一触发DTC具有60个情况发生，第二DTC具有40个情况发生，总计发生100 次。当将规则应用于两个DTC时，确定规则分类第一DTC的60个情况和第二DTC的6个情 况。进行检查以确定规则是否将第一DTC分类大于预定次数百分比。所述确定由以下公式 表示： 说 明 。
32、书CN 102799171 A 7/8页 10 其中，是使用规则1识别的DTC1的分类情况数量，是使用规则1识别的 所有DTC的分类情况数量，且是预定百分比。使用来自于上述 示例的数量和阈值0.75，确定（60/66）0.75为真。因而，规则将该单个DTC类别正确地分 类大于75次数，这满足第一因素。 0049 第二因素是规则是否满足群体百分比阈值。群体百分比确定由规则分类的单个 DTC类别的情况数量与该类别的情况总数量相比是否显著。第二因素的确定由以下公式表 示： 其中，是使用规则1识别的DTC1的分类情况数量，Nt是使用所有规则识别的所 有DTC的所有分类情况的总数量，且是预定百分比。使用。
33、来自于 上述示例的数量和阈值0.5，确定（60/100）0.5为真。因而，满足第二因素。统计显著规 则的提取可使用所述因素中的一个或两者，或者可以使用用于识别和提取鲁棒规则的其它 因素。 0050 来自于设计相关源30的提取规则和来自于分类器或决策树34的统计显著规则在 框36组合。 0051 在框38，组合规则协作地应用于与触发DTC有关的PID，用于识别PID的子组。所 识别子组满足每个统计显著规则。图5示出了曲线图，其中，PID子组通过协作地应用统计 显著规则识别。应当理解的是，规则的反面是什么隔离和识别PID。例如，第一规则可以是 EVAP系统指令清洗必须大于25。因而，例程隔离EVA。
34、P系统指令清洗小于25的PID。第 二规则可以是EVAP系统蒸汽压力必须大于0 Pa。因而，例程隔离EVAP蒸汽压力小于0 Pa 的PID。作为协作地应用于PID50的该组规则的结果，识别表示候选异常的PID子组52。 0052 再次参考图2，在框42，在识别PID子组之后，数据由SME分析以确定与所触发DTC 有关的异常。异常通过SME、其它胜任人员或自动系统检测。SME可以将DTC异常分类为两 类。第一类是不合适前提条件DTC类，第二类是敏感性标定值类。 0053 对于不合适前提条件DTC类，DTC基于在特定前提条件下运行的特定诊断算法触 发。示例是用于检测EVAP系统中的大泄漏的DTC诊。
35、断算法设计成在加电（power up）模式 之后但是在断电（power down）模式之前运行。此外，其它条件必须存在，例如：燃料液位在 15-85之间，发动机冷却剂温度小于35，且进气空气温度为4-30。如果在DTC设计算 法中存在错误，那么在不合适前提条件下将触发DTC。例如，如果DTC诊断算法在发动机处 于加电模式或断电模式时运行，那么在这些时段期间触发DTC将是不合适的。使用本文所 述的PID分析，SME可以通过分析DTC异常来瞄准和识别不合适设置。 0054 涉及敏感性标定值的异常在DTC软件由于设计条件的不合适实施或者操作参数 的一些标定值敏感而具有错误时发生。例如，如果灵活燃料（。
36、乙醇混合）车辆设计成使用含 有非常低或非常高百分比乙醇的特定百分比乙醇混合燃料操作，那么DTC可取决于关于燃 料中的乙醇百分比的敏感性触发。这种类型的敏感性标定值可通过使用本文所述的技术隔 说 明 书CN 102799171 A 10 8/8页 11 离DTC且分析DTC异常来识别。因而，最终分类为未识别故障（trouble not identified， TNF）且随后通过增加新故障码来分类的修理可正确地分类为本文所述技术识别的相应故 障码。 0055 在框44，执行校正动作以校正引起异常的问题。校正可包括对车辆的电路、部件、 子系统、系统或软件程序的设计校正。校正还可以对运行和执行DTC的。
37、诊断软件进行。此 外，校正可以对维修修理程序和帮助技术人员分析问题和识别故障的根本原因的其它维修 培训文件进行。因而，分析症状基于识别不满足所提取规则的参数识别数据来确定和分析。 症状在以下意义上是分析/虚拟的，没有附加硬件或软件增加到车辆来检测故障的根本原 因。相反，异常的识别和故障的根本原因通过车外的过程来确定。 0056 虽然已经详细描述用于本发明的某些实施例，但是本发明所属领域技术人员将认 识到由所附权利要求限定的用于实践本发明的各种替代设计和实施例。 说 明 书CN 102799171 A 11 1/5页 12 图 1 说 明 书 附 图CN 102799171 A 12 2/5页 13 图 2 说 明 书 附 图CN 102799171 A 13 3/5页 14 图 3 说 明 书 附 图CN 102799171 A 14 4/5页 15 图 4 说 明 书 附 图CN 102799171 A 15 5/5页 16 图 5 说 明 书 附 图CN 102799171 A 16 。