ISO-27145故障诊断说明

这篇具有很好参考价值的文章主要介绍了ISO-27145故障诊断说明。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

ISO-27145故障诊断说明

2.1 27145目录说明

ISO27145-1: 这里边介绍的是一般信息和用例定义;
ISO27145-2: 这里边介绍的是与排放相关的通用数据规则,用于查询;
ISO27145-3: 这里边主要介绍了支持的服务 12服务 14服务 19服务 22服务 31服务;
ISO27145-4: 车辆与测试设备的连接,主要定义一些 物理层,传输层,网络层的功能;

ISO-27145故障诊断说明

2.2 关键内容说明

1:诊断服务(第7层 application),在 ISO27145-3中参照ISO 14229-1指定;
2:多包数据发送的时候请参考  ISO15765-2"9.6.1 N_PCI"(2016版本,信息详细)说明,里面有描述 单帧,首帧,流控帧等描述;(也可以查看 ISO15765-2 "Table 3 — Summary of N_PCI bytes"(2014版本,信息简略))
   可参考:https://zhuanlan.zhihu.com/p/44857562
3:

ISO-27145故障诊断说明

5BYTE-故障码组成:故障等级(1byte)+(X+CODE+FTB)(3byte)+故障状态(1byte),其中X表示故障类别

故障码分类:
P:powertrain动力系统
C:Chassis底盘
B:Body车身
U:network通信系统
故障码前两个bit代表P/C/B/U(动力/底盘/车身/网络),用00/01/10/11分别表示P/C/B/U

CODE和FTB明细,请参考 “J2012DA_201812.xlsx” : X+CODE查看"X0000-X3FFF"分组 ;FTB查看“FTB.Sub.Types”分组

资源下载链接

https://download.csdn.net/download/dujunqiu/87720490?spm=1001.2014.3001.5503

ISO-27145故障诊断说明

2BYTE故障明细说明

ISO-27145故障诊断说明

2.3 故障码示例

基础知识,需要先根据 ISO14229-1 "11.3.2.1 Request message definition " 里面的0x19子服务(0x42)之后,再去确认数据发送内容

// TODO 待补充标准帧的故障码说明,和扩展帧的是一样的吗?

0x18da00f1:05 19 42 33 08 1e ff ff
// 0X05--当前帧有效BYTE数
// 0X19--读取故障码服务
// 0X42--上传OBD掩码记录,参考 ISO14229-1"Table 269 — Request message sub-function definition"
// 0X33--排放系统标识,参考 ISO14229-1"Table D.15 — Definition of FunctionalGroupIdentifiers (FGID_)"
// 0x081e-- DTC 状态掩码+严重程度掩码
    
// 59 42 的肯定应答,参考 ISO-14229-1"Table 283"描述

2.3.1 无故障码说明

 1:TBOX外发--0x19 读取故障码服务
0x18da00f105 19 42 33 08 1e ff ff
2:ECU回复 否定应答
0x18daf10003 7F 19 10 FF FF FF FF	
// 0x7F-否定响应码  参考:ISO14229-1 "ISO 14229-1:2013(E)"
// 0x19-请求服务ID  
// 0x10-否定响应码(NRC),表示否定原因:一般拒绝 ,详细说明或其它否定原因参考:ISO14229-1 "Table A.1 — Negative Response Code (NRC) definition and values"

2.3.2 单帧故障码示例

// 根据 ISO-14229-1"Table 283"描述,59 42 的肯定应答一帧数据描述不完
发送 0x18da00f1 数据帧 扩展帧 8 05 19 42 33 08 1e FF FF    
// 0X05--当前帧有效BYTE数
// 0X19--读取故障码服务,参考 ISO14229-1 "Table 269— Request message subfunction definition"
// 0X42--上传OBD掩码记录,参考 ISO14229-1  "Table 269 — Request message sub-function definition"
// 0X33--排放系统标识,参考 ISO14229-1  "Table D.15 — Definition of FunctionalGroupIdentifiers (FGID_)"
// 0x08-- DTC 状态掩码,参考 ISO14229-1 "Table 287— statusOfDTC" 
// 0x1e--严重程度掩码,参考ISO14229-1 "DTCseverity and classdefinition"
    
    
接收 0x18daf100 数据帧 扩展帧 8 10 0B 59 42 33 FF 1F 04	
    
//首帧-0x0B,有效数据长度12BYTE
//0x5942 回复1942的肯定应答,参考 ISO-14229-1 "Table 283"
//0x33 功能组标识符,参考ISO-14229-1"Table 349 —ReadDTCInformationresponse"
//0xFF DTC状态可用掩码,参考ISO-14229-1"Table 349 —ReadDTCInformationresponse"
//0x1F DTCS严重性可用性掩码,与DTCSeverity相同,参考ISO-14229-1"Table 349 —ReadDTCInformationresponse"参考具体bit位含义和DTCSeverity相同
//0x04 DTC格式标识符,参考ISO-14229-1"Table 349 —ReadDTCInformationresponse"
    
    
发送 0x18da00f1 数据帧 扩展帧 8 30 00 0A FF FF FF FF FF	
// 3(流控帧)+流状态0(FS,4bit)参考  ISO15765-2"9.6.1 N_PCI"(2016版本,信息详细)说明,里面有描述 0单帧,1首帧,2连续帧,3流控帧等描述;(也可以查看 ISO15765-2 "Table 3 — Summary of N_PCI bytes"(2014版本,信息简略))
// 块大小(BS,8bit)
// 流控帧-0x0A,最小时间间隔10ms
    
    
接收 0x18daf100 数据帧 扩展帧 8 21 01 30 13 00 0E FF FF		
// 连续帧-0x21,连续帧的第一包数据,后面为有效数据
// 0x01 故障码等级
// 0x3013 P(0)+CODE(12307),参考“J2012DA_201812.xlsx”,X+CODE查看"X0000-X3FFF"分组
// 0x00 FTB(0):No SubTypeInformation(无子类型信息)参考“J2012DA_201812.xlsx”,FTB查看“FTB.Sub.Types”分组
// 0x0E 检索第一个/最近检测到的确认的DTC(子功能= 0x0C报告首先确认DTC,子功能= 0x0E报告首先最近确认DTC)

2.3.3 多帧故障码示例文章来源地址https://www.toymoban.com/news/detail-427568.html

// 模拟诊断报文上报
1:TBOX外发故障码请求报文--0x19 读取故障码服务
0x18da00f1:05 19 42 33 08 1e ff ff
2:ECU回复 0x59 应答
0x18daf100:10 1a 59 42 33 FE FE 04
3:TBOX外发流控帧
0x18DA00F1:30 00 0A FF FF FF FF FF
4:ECU应发数据
0x18daf100:21 04 C0 37 08 28 04 04		// 故障码按照5BYTE顺序取
0x18daf100:22 26 1C E8 02 C2 A2 87		// 与单故障码对比多了后面的连续帧,与单故障码解析一样,不过多赘述
0x18daf100:23 28 04 C1 13 87 28 FF
//故障码:
 04 C0 37 08 28
 04 04 26 1C E8
 02 C2 A2 87 28
 04 C1 13 87 28

到了这里,关于ISO-27145故障诊断说明的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 故障诊断模型 | Maltab实现SVM支持向量机的故障诊断

    故障诊断模型 | Maltab实现SVM支持向量机的故障诊断 Chinese: Options:可用的选项即表示的涵义如下 -s svm类型:SVM设置类型(默认0) 0 – C-SVC 1 --v-SVC 2 – 一类SVM 3 – e -SVR 4 – v-SVR -t 核函数类型:核函数设置类型(默认2) 0 – 线性:u’v 1 – 多项式:(r u’v + coef0)^degree 2 – RBF函数:

    2024年02月05日
    浏览(40)
  • 故障诊断 | 一文解决,PLS偏最小二乘法的故障诊断(Matlab)

    故障诊断 | 一文解决,PLS偏最小二乘法的故障诊断(Matlab) 偏最小二乘法(Partial Least Squares, PLS)是一种统计建模方法,用于建立变量之间的线性关系模型。它是对多元线性回归方法的扩展,特别适用于处理高维数据和具有多重共线性的数据集。 PLS的主要目标是通过找到输入

    2024年04月12日
    浏览(31)
  • 故障诊断模型 | Maltab实现LSTM长短期记忆神经网络故障诊断

    故障诊断模型 | Maltab实现LSTM长短期记忆神经网络故障诊断 长短记忆神经网络——通常称作LSTM,是一种特殊的RNN,能够学习长的依赖关系。 他们由Hochreiter&Schmidhuber引入,并被许多人进行了改进和普及。 LSTM是为了避免长依赖问题而精心设计的。 记住较长的历史信息实际上是

    2024年02月07日
    浏览(47)
  • 故障诊断 | 一文解决,GCN图卷积神经网络模型的故障诊断(Matlab)

    故障诊断 | 一文解决,GCN图卷积神经网络模型的故障诊断(Matlab) GCN(Graph Convolutional Network)是一种基于图结构数据进行卷积操作的神经网络模型。它在处理图数据上展现了很好的性能,特别适用于节点分类、图分类和图生成等任务。 GCN模型的核心思想是将图结构数据转化

    2024年04月11日
    浏览(73)
  • 故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断

    故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断 利用各种检查和测试方法,发现系统和设备是否存在故障的过程是故障检测;而进一步确定故障所在大致部位的过程是故障定位。故障检测和故障定位同属网络生存性范畴。要求把故障定位到实施修理时可更换的

    2024年02月07日
    浏览(40)
  • 【ISO14229_UDS刷写】-3-$36诊断服务TransferData理论部分

    总目录:(单击下方链接皆可跳转至专栏总目录) 《UDS/OBD诊断需求编辑工具》总目录 https://blog.csdn.net/qfmzhu/article/details/123697014 目录 1 $0x36 TransferData诊断服务描述 2 0x36服务请求消息 2.1 0x36服务请求消息定义 2.2 0x36服务请求消息子功能参数$ Level(LEV_)定义 2.3 0x36服务请求消息

    2024年02月06日
    浏览(30)
  • Zookeeper的集群故障排查与诊断

    Apache Zookeeper是一个开源的分布式协调服务,用于构建分布式应用程序的基础设施。它提供了一组原子性的基本服务,如集群管理、配置管理、同步、通知和组管理。Zookeeper的高可用性和容错性是其核心特性,使得它在分布式系统中具有广泛的应用。 在实际应用中,Zookeeper集

    2024年03月19日
    浏览(33)
  • 学习“基于深度学习的故障诊断”开源

    博主秋雨行舟在csdn、b站都有开源,这里只做自己的学习记录用。 基于深度学习的轴承故障诊断,原文在这里,软件的下载、环境的配置up主给的非常详细了,所以这里只记录一些代码注释 一、CNN 注意:作者的代码是有一点点问题的,更改三条代码就可以正常运行了: 1.py

    2024年02月03日
    浏览(25)
  • 网络故障诊断的常用命令的介绍

    通常意义上的网络诊断,是指利用相关硬件工具对网络的测试判定;如果只是一些普遍的连接故障,可以先使用本文介绍的这两个常用的网络故障诊断命令,先行对故障进行判定。 诊断命令都是DOS命令的一类,学习过程中不需要过多地去了解其详细的诊断原理,只需要了解在

    2024年02月05日
    浏览(32)
  • CNN网络的故障诊断(轴承的多故障类型分类+Python代码)

            卷积神经网络作为深度学习的经典算法之一,凭借局部连接和权值共享的优点,有效地降低了传统神经网络的复杂度。卷积神经网络结构由输入层、卷积层、池化层、全连接层和输出层等构成。 图 卷积神经网络          卷积层采用多组卷积核与输入层进行卷

    2024年02月07日
    浏览(34)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包