MétaCan
Menu
Retour à la cohorte
Enregistrement W4379365342 · doi:10.36001/ijphm.2023.v14i3.3128

Ground Fault Diagnostics for Automotive Electronic Control Units

2023· article· en· W4379365342 sur OpenAlexaff
Xinyu Du, Shengbing Jiang, Dongyi Zhou, Alaeddin Bani Milhim, H. Mohseni Sadjadi

Notice bibliographique

RevueInternational Journal of Prognostics and Health Management · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueReal-time simulation and control systems
Établissements canadiensGeneral Motors (Canada)
Organismes subventionnairesnon disponible
Mots-clésCAN busOffset (computer science)GroundVoltageFrame (networking)Automotive industryComputer scienceElectronic control unitEngineeringReal-time computingEmbedded systemAutomotive engineeringElectrical engineeringComputer hardwareComputer network

Résumé

récupéré en direct d'OpenAlex

An electronic control unit (ECU) with a floating ground is not able to receive or transmit messages or participate in controller area network (CAN) communication. The absence of any ECU, either temporarily or permanently, negatively impacts vehicle functionalities. The offset ground, which by itself will not affect bus functionalities if the grounding resistance is small, however, may evolve into a floating ground or behave similarly if the resistance is large. In this work, the correlation among ground faults, either offset or floating, and CAN bus voltage or messages are analyzed based on the equivalent circuit models and the bus protocol. A voltage-based solution to detect ground faults is proposed. With the help of bus messages, both faults can be isolated at the ECU level. Considering the inherent system delay between the message fetching and voltage measurement, a normalized voltage-message correlation approach with the bus load estimation is developed as well. All proposed approaches are implemented to an Arduino-based embedded system and validated on a vehicle frame.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,026
Tête enseignante GPT0,304
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Prognostics and Health ManagementMême sujetReal-time simulation and control systemsTravaux en français237 207