申请技术丨盖瑞特基于人工智能的引导式诊断软件方案

申报领域丨人工智能

产品描述:

盖瑞特的面向汽车行业的引导式诊断产品2018年在中国成功实现首个样机交付，之后依次实现了乘用车、商用车及新能源车的量产交付。作为SAE JA6268?标准“车辆健康状态组件和系统的设计及运行信息交换”制定成员单位和SAE健康就绪组件委员会创始成员，盖瑞特在本土建立了完整的应用工程和软件开发专家团队。目前在与国内主机厂的量产项目中，提升排故效率、降低维保成本和优化客户体验方面具有显著的优势。

独特优势:

基于多年在航空航天汽车系统等领域的先进智能诊断方法论的研究及实际应用，盖瑞特率先推出了基于人工智能的新一代引导式诊断软件方案，该方案可以广泛应用于主机厂售后服务的故障排查及分析，大幅降低对服务人员技术水平的依赖，帮助服务人员快速确定故障发生的根本原因，极大减少错误维修和过度维修从而提高生产率并降低维保成本。该系统可以实现从主机厂到维修站，终端客户的全透明过程管理，极大提高各级管理的效率。通过车辆部件之间的逻辑关系和物理机理进行建模，再通过该模型来分析车辆运行状态，进而做出判断。这种方式的优势在于不需要大量的数据库，能够更快完成开发过程投入使用，但是对于模型的精准度要求高。模型可基于系统历史使用案例的统计信息，通过自学习系统实时沉淀最新故障维修方法及经验，始终保持云端专家数据库的先进性。

盖瑞特已建立的模型库包括商用车模型库、乘用车模型库(覆盖零部件/总成模型数量500个以上)、乘用车底盘模型库(包括零部件总成模型数量150个以上)、新能源电动车模型库(覆盖冷却系统，充电系统，电驱动系统，储能系统等，已开发零部件/总成模型数量150个以上)以及新能源混动车模型库(覆盖混动发动机，混动专用变速器，双电机系统等；已开发零部件/总成模型数量200个以上)。对比国内外基于传统故障树或字典检索等传统方式的故障诊断解决方案，该技术创新的开发了基于人工智能的知识管理系统和智能推理机制，并引入了故障模型自学习功能，基于样本大数据，可以实现模型的快速高效更新和优化，极大提高了主机厂的售后服务体验及效率，具有非常广泛的应用场景。根据主机厂实际的运行数据对比，采用该系统后对于售后复杂问题的维修时间可缩短25%-40%，排故精度可达90%以上，关键部件的误换率降低达50%。

大幅提升了维修过程的透明度和终端客户的体验。盖瑞特积极推动诊断行业的技术和方法的演进。通过物理模型及数据驱动，盖瑞特可以帮助客户创建不同领域的健康监测算法，并和推理系统结合，提供更全面的融合推理方案。目前，基于历史数据已经实现了故障模型的自动推荐和优化，在故障新模型自动发掘上也在积极探索。

应用场景:

a.泛交通领域，包括乘用车、商用车、两轮车、轨道交通、船舶等

b.动力系统:涵盖传统汽油机九大子系统，柴油机八大系统(基础发动、润滑系统、气路系统、冷却系统、控制系统、燃油系统、后处理系统及其它外围系统等)，以及新能源汽车七大子系统(包括高压供电系统 、低压供电系统、直流/交流、充电系统、电力驱动系统、高压储能系统、冷却和润滑系统 、外围系统)

c.终端用户:车企授权经销商、独立售后维修站、商用车车队管理部门等多类不同的用户和商业模式

未来前景:

盖瑞特智能网联汽车业务部门正积极探索借助先进的人工智能技术，不断提升和优化智能诊断系统。未来，随着智能网联汽车的普及，盖瑞特的智能引导式诊断将会不断提高预测诊断和预测维保的能力，实现车辆的全生命周期健康管理，进一步帮助车企提升服务质量和客户满意度。同时，盖瑞特也正积极探索智能诊断系统与网络安全解决方案的融合，赋能车企的功能安全与网络安全，为客户提供完整的全生命周期、多领域安全解决方案。