某大數(shù)據(jù)平臺在新車品培過程中的應(yīng)用實(shí)踐

Application Practice of Gacicv in the Process of Cultivating New Car Quality

Zhao Xuewei Li Siyuan GAC Motor Co.，Ltd.，Guangzhou 511434，China

Abstract：ThispaperexplorestheinnovativeapplicationofGAC'sself-developed Gacicvinthecultivationofnewcarquality BasedonGAC’technicalpractice，itaalyesthefunctionalarchitectureofDASvehicledigitalanalysissystemandGDinteligentdiagnosticagementssellastheiritegatioehasmithprdctngenaiosonstrctigdago ticsystemof\"data-driven modelsupportcase verification”，theeficiencyoffaultdiagnosis has been improvedby 75% ，and the accuracy of data interpretation has been improved by 35% ，providinga replicable technical path for the digital quality cultivationand transformation of the automotive industry.

Key words：Bigdata platform;New car qualitycultivation;Digital diagnosis;Appliation practice

1前言

隨著汽車產(chǎn)業(yè)向智能化、新能源化加速轉(zhuǎn)型，新車品質(zhì)成為企業(yè)核心競爭力的關(guān)鍵載體，大數(shù)據(jù)技術(shù)正重塑品質(zhì)管控全流程邏輯。在智能汽車領(lǐng)域，環(huán)境感知與動(dòng)態(tài)管控精度直接影響汽車的品質(zhì)和可靠性。

賈鑫等指出，智能汽車環(huán)境感知需突破多傳感信息融合瓶頸，其交互多模型融合方法為品質(zhì)感知奠定基礎(chǔ)；延世龍等2針對復(fù)雜交通場景下多目標(biāo)跟蹤的研究，揭示了動(dòng)態(tài)環(huán)境中品質(zhì)管控對實(shí)時(shí)響應(yīng)的依賴。何洋等3的軌跡跟蹤優(yōu)化方法、周賢文等4的安全制動(dòng)算法升級，既推動(dòng)性能提升，也使品質(zhì)檢測需覆蓋更復(fù)雜技術(shù)維度，傳統(tǒng)被動(dòng)模式難以為繼。新能源汽車領(lǐng)域，大數(shù)據(jù)平臺已成為品質(zhì)管控的核心支撐。蘭弘羿5強(qiáng)調(diào)車聯(lián)網(wǎng)大數(shù)據(jù)平臺是品質(zhì)追溯基礎(chǔ)；肖忠東等6的三方合作策略研究，印證了平臺架構(gòu)設(shè)計(jì)與多方融合的必要性。品質(zhì)管控正從“被動(dòng)修復(fù)\"轉(zhuǎn)向“主動(dòng)預(yù)防”。朱冰等[7將大語言模型用于仿真測試來提升效率；陳潔等[8揭示的產(chǎn)業(yè)突破式創(chuàng)新機(jī)制，更凸顯大數(shù)據(jù)平臺對品質(zhì)培育的賦能價(jià)值。

在此背景下，研究大數(shù)據(jù)平臺在品質(zhì)檢測與培育中的應(yīng)用實(shí)踐，對推動(dòng)行業(yè)升級具有重要意義。

2現(xiàn)實(shí)困境

隨著新能源汽車滲透率突破 50% （2025年中國市場數(shù)據(jù)），新車技術(shù)架構(gòu)正經(jīng)歷從“機(jī)械主導(dǎo)\"向“電-軟-網(wǎng)\"融合的根本性變革[9]。以某款混動(dòng)車型為例，該車電子控制單元（ECU）數(shù)量已達(dá)40余個(gè)，涵蓋中央域控制單元（CCU）、區(qū)域控制單元（ZCU）等復(fù)雜系統(tǒng)，傳統(tǒng)“實(shí)車讀碼 + 復(fù)現(xiàn)數(shù)據(jù)\"的解析模式面臨三大痛點(diǎn)：

a.解析效率較低：流程繁瑣且依賴現(xiàn)場操作，響應(yīng)速度滯后；傳統(tǒng)新車品培模式中，讀取故障碼等操作依托于技術(shù)人員攜帶專業(yè)診斷設(shè)備到實(shí)車現(xiàn)場采集、讀取，單次操作至少耗時(shí) 10min ，若遇復(fù)雜故障需多次往返現(xiàn)場。

b.場景局限性：對于軟件邏輯沖突、接觸不良等偶發(fā)問題，實(shí)車復(fù)現(xiàn)依賴“運(yùn)氣”，可能因?yàn)楣r、環(huán)境等因素導(dǎo)致故障不復(fù)現(xiàn)，無法準(zhǔn)確還原故障鏈[10]。

c.投入成本高昂：復(fù)現(xiàn)問題時(shí)需投入較多工時(shí)，且專業(yè)診斷設(shè)備單價(jià)通常在數(shù)萬元至數(shù)十萬元之間，不同設(shè)備其功能也不同，在實(shí)際應(yīng)用中，時(shí)常出現(xiàn)需使用不同診斷設(shè)備的情況。

3某大數(shù)據(jù)平臺核心功能架構(gòu)與品培融合機(jī)制

為解決傳統(tǒng)品培痛點(diǎn)，廣汽集團(tuán)自主研發(fā)的數(shù)字化診斷中樞某大數(shù)據(jù)平臺集成了兩大核心模塊，即VDAS車輛數(shù)字化分析系統(tǒng)和GIDS智能診斷管理系統(tǒng)。平臺通過打通“車端數(shù)據(jù)-存儲模塊-云端分析”的閉環(huán)，將傳統(tǒng)問題解析的\"實(shí)地\"升級為\"遠(yuǎn)程”，為專業(yè)技術(shù)人員提供了遠(yuǎn)程便捷的數(shù)字化診斷解析環(huán)境。

3.1VDAS車輛數(shù)字化分析：構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的智能診斷體系

3.1.1“三端一云\"架構(gòu)：從“源數(shù)據(jù)融合\"到\"可視化診斷”

VDAS采用“三端一云\"架構(gòu)（車端采集、邊緣計(jì)算、云端存儲分析），其核心功能模塊包括源數(shù)據(jù)融合引擎、智能數(shù)據(jù)分析中樞、可視化診斷工作臺三部分。

a.源數(shù)據(jù)融合引擎：將接收到報(bào)文/信號以高壓縮態(tài)存入數(shù)據(jù)庫，節(jié)省存儲空間，支持云端配置采集數(shù)據(jù)；車端數(shù)據(jù)采集引擎支持 28+ 基礎(chǔ)算子及基礎(chǔ)算子組合后的復(fù)雜算子；根據(jù)配置的數(shù)采規(guī)則進(jìn)行采集，支持靈活配置，同時(shí)支持輕量級算法模型部署運(yùn)行，實(shí)現(xiàn)采集動(dòng)力域、底盤域、座艙域等40余個(gè)ECU的數(shù)據(jù)，數(shù)據(jù)同步延遲 lt;50ms ，數(shù)據(jù)采集壓縮比 gt;12 倍。

b.智能數(shù)據(jù)分析中樞：內(nèi)置51項(xiàng)車輛健康檢查模型、80項(xiàng)決策分析模型，覆蓋故障燈、部件故障、車輛功能等場景；通過運(yùn)行模型， 0.5min 內(nèi)即可查看故障位置、故障原因、結(jié)論名稱、維修建議，為售后客服提供引導(dǎo)話術(shù)，為檢修人員快速定位不良原因，提高解析效率 80% 。

c.可視化診斷工作臺：提供整車巡檢、ECU故障樹分析、信號波形回放等交互功能。工程師可通過拖拽方式自定義診斷模板，如針對混動(dòng)系統(tǒng)創(chuàng)建“電池-電機(jī)-電控”聯(lián)動(dòng)分析視圖，將多系統(tǒng)故障關(guān)聯(lián)分析效率提升3倍。

3.1.2數(shù)據(jù)分析工具集：從“實(shí)車采集”到“遠(yuǎn)程召回”

平臺提供專業(yè)級數(shù)據(jù)回放能力：

a.周期采集數(shù)據(jù)：作為VDAS系統(tǒng)數(shù)據(jù)分析工具集的核心功能模塊之一，周期采集數(shù)據(jù)以“ 100ms ”的高頻采集頻率為基礎(chǔ)，實(shí)現(xiàn)對車輛全系統(tǒng)關(guān)鍵運(yùn)行信號的精準(zhǔn)捕捉與動(dòng)態(tài)跟蹤，為品質(zhì)工程師開展故障排查、性能評估與狀態(tài)監(jiān)測提供高密度的數(shù)據(jù)支撐。該功能不僅覆蓋車輛核心系統(tǒng)的關(guān)鍵參數(shù)，更通過靈活的可視化呈現(xiàn)與深度的關(guān)聯(lián)性分析，將抽象數(shù)據(jù)轉(zhuǎn)化為直觀的故障排查線索，大幅降低數(shù)據(jù)解讀門檻

b.總線數(shù)據(jù)召回：支持車端7d（以每日3h計(jì)）原始數(shù)據(jù)回溯，單次可分析1h范圍的CAN總線報(bào)文（如充電過程中BMS與CCU的通信幀）。總線數(shù)據(jù)召回作為VDAS系統(tǒng)實(shí)現(xiàn)\"遠(yuǎn)程數(shù)據(jù)溯源\"的核心功能，依托廣汽自研的車云協(xié)同數(shù)據(jù)存儲架構(gòu)，打破傳統(tǒng)“實(shí)車數(shù)據(jù)本地存儲、事后讀取困難\"的局限，實(shí)現(xiàn)對車端CAN總線（控制器局域網(wǎng)）原始數(shù)據(jù)的長周期留存與精準(zhǔn)召回，為品質(zhì)工程師排查復(fù)雜通信故障，還原車輛特定時(shí)段運(yùn)行狀態(tài)提供“數(shù)字孿生級\"的數(shù)據(jù)支撐。

c.故障時(shí)間軸還原：通過數(shù)據(jù)回放復(fù)現(xiàn)“故障前-故障中-故障后\"的信號變化，精準(zhǔn)定位故障觸發(fā)點(diǎn)，避免傳統(tǒng)“實(shí)車復(fù)現(xiàn)靠運(yùn)氣”的場景局限。故障時(shí)間軸還原功能以VDAS系統(tǒng)采集的高頻率、全維度車輛運(yùn)行數(shù)據(jù)為基礎(chǔ)，借助“毫秒級時(shí)序?qū)R + 多信號同步回放\"技術(shù)，將故障發(fā)生前后的\"故障前-故障中-故障后\"三個(gè)關(guān)鍵階段的信號變化完整復(fù)現(xiàn)。

工程師在實(shí)際故障排查中，可通過“周期采集數(shù)據(jù)”功能初步圈定問題發(fā)生的時(shí)間范圍與疑似關(guān)聯(lián)信號，鎖定故障大致方向；再通過“總線數(shù)據(jù)召回”下載該時(shí)段的全量CAN總線原始數(shù)據(jù)，進(jìn)行深度解析以驗(yàn)證初步判斷；最后結(jié)合“故障時(shí)間軸還原\"功能復(fù)現(xiàn)故障發(fā)生的完整邏輯鏈，最終確定故障根因。整個(gè)過程無需現(xiàn)場接觸實(shí)車，僅通過云端平臺即可完成全流程數(shù)據(jù)分析，經(jīng)廣汽傳祺實(shí)際應(yīng)用驗(yàn)證，該工具集可使工程師的故障數(shù)據(jù)采集與初步分析效率提升 60% ，解析速度較傳統(tǒng)實(shí)車采集模式加快3倍以上。

3.2GIDS智能診斷管理：構(gòu)建模型驅(qū)動(dòng)的故障監(jiān)控體系

3.2.1監(jiān)控模型工程化：從\"經(jīng)驗(yàn)規(guī)則\"到\"算法建模”

平臺支持基于業(yè)務(wù)邏輯的模型配置，以\"排放故障”模型（表1）為例，其觸發(fā)條件包含四種邏輯：

a.信號組合：（EMS_MilS t=1 1IBMS_EngMilLampReq 1IIDCU_EngMilLampReg L_L= 1IIGCU_EngMilLampReq=1

IIIPS_OBCEngMilLampReq σ=σ 1IIDCU2_EngMilLampReq σ=σ 1IITMS_EngMilLampReg L= 1IIVCU_EngMilLampReq ^-1 （204號

IIBCS_EngMilLampReg _[=1 ），即發(fā)動(dòng)機(jī)、整車控制器、電池系統(tǒng)、電機(jī)、溫控、電源等任意一方請求點(diǎn)亮故障燈。

b.邊界條件：EBSF_BattVolt gt;10 V（排除小電池虧電導(dǎo)致的誤報(bào)）。

c.工況限制：VCU_VehRdyS t=1 （車輛處于READY擋）。

d.時(shí)序驗(yàn)證：EPS_SteeringAngleSpdVD 1=1 （已過產(chǎn)線標(biāo)定崗位）。

通過“多信號交叉驗(yàn)證”的診斷思維配置模型，避免單一信號誤判，實(shí)現(xiàn)精準(zhǔn)監(jiān)控，減少 80% 誤報(bào)事件。

表1排放故障模型

3.2.2告警處理全流程：從\"被動(dòng)響應(yīng)\"到\"主動(dòng)報(bào)警”

為進(jìn)一步提升故障處理的時(shí)效性與精準(zhǔn)性，平臺依托VDAS系統(tǒng)的實(shí)時(shí)數(shù)據(jù)監(jiān)測能力與GIDS系統(tǒng)的智能診斷能力，構(gòu)建起\"實(shí)時(shí)監(jiān)測-信號回放-決策建議”的全流程閉環(huán)處理機(jī)制，實(shí)現(xiàn)從“故障發(fā)現(xiàn)\"到“故障解決”的端到端高效銜接，大幅降低品質(zhì)工程師與售后維修人員的工作復(fù)雜度，具體功能模塊設(shè)計(jì)如下：

a.郵件告警：包含VIN、故障時(shí)間、報(bào)警故障等。郵件告警作為閉環(huán)機(jī)制的“故障觸發(fā)入口”，旨在第一時(shí)間將車輛異常信息傳遞給相關(guān)負(fù)責(zé)人，確保故障得到及時(shí)關(guān)注與處理。當(dāng)VDAS系統(tǒng)通過數(shù)據(jù)分析識別出車輛故障（如零部件性能異常、電子控制單元通信故障、關(guān)鍵信號超出正常范圍等）后，會(huì)自動(dòng)觸發(fā)郵件告警流程，生成標(biāo)準(zhǔn)化的告警郵件并發(fā)送至預(yù)設(shè)的工程師郵箱（可根據(jù)故障類型定向發(fā)送至動(dòng)力系統(tǒng)、電子電氣系統(tǒng)等對應(yīng)領(lǐng)域的工程師）。告警郵件內(nèi)容涵蓋故障車輛的核心信息，確保工程師無需額外查詢即可快速掌握故障概況：其中VIN碼（車輛識別碼）可精準(zhǔn)定位具體車輛，便于后續(xù)調(diào)取該車輛的全生命周期數(shù)據(jù);故障時(shí)間精確到\"年-月-日時(shí)：分：秒。”

b.信號回：自動(dòng)配置故障前后（時(shí)間自定義）的信號回放（如VCU_SysFaultLv從“0\"跳變?yōu)椤?\"的過程）。信號回溯作為閉環(huán)機(jī)制的“故障分析核心”，承接郵件告警后的故障深度排查需求，通過自動(dòng)配置故障前后的信號回放任務(wù)，幫助工程師還原故障發(fā)生的完整過程。當(dāng)工程師接收到告警郵件并點(diǎn)擊故障分析鏈接后，系統(tǒng)會(huì)根據(jù)故障時(shí)間自動(dòng)生成信號回溯任務(wù)，默認(rèn)配置“故障前 10min^- 故障后 5min ”的信號回放范圍（工程師可根據(jù)故障復(fù)雜程度自定義調(diào)整時(shí)間區(qū)間，最長可擴(kuò)展至“故障前 30min? -故障后 15min^′′ ，并自動(dòng)篩選與故障相關(guān)的關(guān)鍵信號（如故障涉及的電子控制單元信號、關(guān)聯(lián)零部件的工作參數(shù)、車輛運(yùn)行狀態(tài)信號等）。

c.決策支持：生成排查課題指引文檔。決策支持作為閉環(huán)機(jī)制的“故障解決出口”，依托GIDS系統(tǒng)的故障知識庫與智能診斷算法，為工程師快速排查課題提出指引。當(dāng)信號回溯完成后，系統(tǒng)會(huì)基于故障類型、故障根因分析結(jié)果（如零部件磨損、電子控制單元軟件故障、線束接觸不良等），并提出實(shí)車解析指引：例如針對“BMS與VCU通信中斷\"故障，維修建議會(huì)明確“第一步：檢查BMS與VCU之間的通信線束插頭是否松動(dòng)或氧化，使用萬用表測量線束通斷性；第二步：若線束正常，升級VCU與BMS的軟件版本至最新版；第三步：重新連接線束并啟動(dòng)車輛，觀察通信信號是否恢復(fù)正常”，同時(shí)提示“升級軟件前需確保車輛電池電量高于 20% ，避免升級過程中斷電導(dǎo)致系統(tǒng)故障”。

d.多車分析應(yīng)用：通過“DTC批量查詢\"模塊，可發(fā)現(xiàn)共性問題，結(jié)合平臺提供的維修建議，可總結(jié)出同類故障的快速處理流程。多車分析應(yīng)用作為閉環(huán)機(jī)制的“經(jīng)驗(yàn)沉淀環(huán)節(jié)”，通過對多輛車輛的故障數(shù)據(jù)進(jìn)行批量分析，挖掘潛在的共性問題，形成標(biāo)準(zhǔn)化的快速處理流程，為后續(xù)同類故障的解決提供參考，同時(shí)為車輛設(shè)計(jì)優(yōu)化與生產(chǎn)工藝改進(jìn)提供數(shù)據(jù)支撐。系統(tǒng)內(nèi)置“DTC批量查詢\"模塊（DTC即故障診斷碼，是車輛電子控制系統(tǒng)中用于標(biāo)識故障的標(biāo)準(zhǔn)化代碼），工程師可通過該模塊按“故障類型”“車輛生產(chǎn)批次”“使用地區(qū)”\"行駛里程”等維度篩選故障數(shù)據(jù)，實(shí)現(xiàn)多車故障的批量查詢與統(tǒng)計(jì)分析。

告警處理全流程通過\"實(shí)時(shí)數(shù)據(jù)驅(qū)動(dòng) + 智能模型支撐”，將新車品質(zhì)培育從依賴經(jīng)驗(yàn)的“事后補(bǔ)救”轉(zhuǎn)變?yōu)閿?shù)據(jù)賦能的“全周期管控”，不僅加速單個(gè)故障的解決率，而且通過多車分析與跨域融合推動(dòng)系統(tǒng)性品質(zhì)提升，為新能源汽車“電-軟-網(wǎng)\"融合架構(gòu)下的品質(zhì)管理提供了可復(fù)制的數(shù)字化路徑。

4某大數(shù)據(jù)平臺與新車品質(zhì)培育的融合實(shí)踐

a.全流程覆蓋能力：試制驗(yàn)證階段，在S車型的試制期間，利用VDAS分析動(dòng)力故障車輛，識別出軟件邏輯bug、硬件設(shè)計(jì)不良等設(shè)計(jì)風(fēng)險(xiǎn)，推動(dòng)策略、結(jié)構(gòu)優(yōu)化，輔助解析 500+ 課題。例如，動(dòng)力系統(tǒng)故障通過VDAS的實(shí)時(shí)采集與回溯，將傳統(tǒng)\"實(shí)車復(fù)現(xiàn)\"轉(zhuǎn)化為“數(shù)據(jù)復(fù)現(xiàn)”，大幅縮短解析周期。市場驗(yàn)證階段，平臺對在售的S車型進(jìn)行實(shí)時(shí)數(shù)據(jù)監(jiān)控，通過GIDS、VDAS的聚類分析發(fā)現(xiàn)， 5% 的共創(chuàng)用戶反饋的“空調(diào)不記憶”問題與CCU內(nèi)部邏輯有關(guān)。基于此，通過OTA推送策略優(yōu)化程序，快速對應(yīng)課題。

b.跨平臺關(guān)聯(lián)：星原平臺周期采集軟件版本信息、關(guān)聯(lián)OTA平臺，通過VDAS識別軟件版本，多次定位因版本沖突導(dǎo)致的整車功能異常。

c.效果追蹤：平臺實(shí)時(shí)監(jiān)控后的車輛數(shù)據(jù)，通過對比升級前后的故障發(fā)生率（如升級后告警量下降至0），量化評估軟件優(yōu)化效果，形成“升級-驗(yàn)證-迭代”的閉環(huán)管理模式。實(shí)踐創(chuàng)新點(diǎn)總結(jié)如表2所示。

表2實(shí)踐創(chuàng)新點(diǎn)總結(jié)

5應(yīng)用效果與行業(yè)價(jià)值

5.1量化效益分析

a.診斷效率提升：S車型的全車故障診斷時(shí)間從傳統(tǒng)方案的 40min 壓縮至 10min ，提升 75% 。b.品質(zhì)成本下降：平臺的應(yīng)用使S車型的量產(chǎn)早期故障率（3個(gè)月內(nèi)）下降 35% 。c.技術(shù)人員評價(jià)：團(tuán)隊(duì)調(diào)研數(shù)據(jù)： 95% 的工程師認(rèn)為平臺“大幅減少實(shí)車調(diào)試次數(shù)”，某技術(shù)主管反饋“以往需 3h 處理的混動(dòng)系統(tǒng)故障，現(xiàn)在通過平臺1h內(nèi)即可解決”。

5.2行業(yè)創(chuàng)新價(jià)值

a.數(shù)字化診斷標(biāo)準(zhǔn)化框架：構(gòu)建“數(shù)據(jù)采集-模型分析-決策\(yùn)"閉環(huán)體系，打破傳統(tǒng)人工診斷模式，形成可復(fù)制的標(biāo)準(zhǔn)化技術(shù)路徑。b.跨域數(shù)據(jù)融合突破：實(shí)現(xiàn)40余個(gè)ECU數(shù)據(jù)實(shí)時(shí)采集與多域協(xié)同分析，解決新能源汽車復(fù)雜架構(gòu)下的故障定位難題。c.智能診斷模型復(fù)用：將專家經(jīng)驗(yàn)轉(zhuǎn)化為算法模型（如多信號交叉驗(yàn)證邏輯），減少誤報(bào)且可靈活復(fù)用，降低對資深專家的依賴。d.全生命周期管控創(chuàng)新：貫穿試制到市場階段，通過實(shí)時(shí)數(shù)據(jù)監(jiān)控實(shí)現(xiàn)品質(zhì)問題早期識別與OTA快速響應(yīng)，顛覆傳統(tǒng)事后維修模式。e.降本增效示范效應(yīng)：診斷效率提高 75% 、早期故障率下降 35% ，遠(yuǎn)程診斷減少設(shè)備與人力投人，提供明確成本優(yōu)化路徑。

f.開放生態(tài)協(xié)同潛力：通過聯(lián)合產(chǎn)業(yè)鏈共建診斷知識圖譜，為新場景拓展提供生態(tài)級技術(shù)支撐。

6結(jié)語

某大數(shù)據(jù)平臺以“數(shù)據(jù)中樞 + 智能模型”為雙輪驅(qū)動(dòng)核心，通過構(gòu)建覆蓋車輛全生命周期的數(shù)據(jù)采集、處理、分析與應(yīng)用體系，成功推動(dòng)新車品質(zhì)培育完成從傳統(tǒng)“經(jīng)驗(yàn)驅(qū)動(dòng)\"向現(xiàn)代化“數(shù)據(jù)驅(qū)動(dòng)\"的根本性技術(shù)變革，徹底重構(gòu)了新車品培的技術(shù)底座——其中，VDAS車輛數(shù)字化分析系統(tǒng)作為“車輛數(shù)字孿生\"在品培場景落地的關(guān)鍵載體，品質(zhì)工程師可通過大數(shù)據(jù)實(shí)現(xiàn)對車輛的遠(yuǎn)程實(shí)時(shí)監(jiān)測、極端工況模擬測試與故障預(yù)演，無需依賴實(shí)車即可開展多輪品培驗(yàn)證，大幅降低測試成本與周期；而GIDS智能診斷管理系統(tǒng)則聚焦于“專家經(jīng)驗(yàn)的算法化轉(zhuǎn)化”，通過梳理廣汽傳祺多年積累的故障案例，將品質(zhì)專家在故障排查、根因分析、解決方案制定中的經(jīng)驗(yàn)規(guī)則轉(zhuǎn)化為可復(fù)用、可迭代的智能算法模型，不僅避免了專家經(jīng)驗(yàn)因人員流動(dòng)導(dǎo)致的流失，更通過算法的自我學(xué)習(xí)能力，使診斷準(zhǔn)確率隨使用時(shí)間不斷提升，打破了傳統(tǒng)“經(jīng)驗(yàn)依賴個(gè)人能力”的局限。

參考文獻(xiàn)：

[1]賈鑫，李松霖，佘遠(yuǎn)昇，等.基于交互多模型的智能汽車環(huán)境感知信息統(tǒng)一融合方法研究[J].汽車工程，2025，47（6）：1144-1154.

[2]延世龍，陳學(xué)文，賈遠(yuǎn)鵬.復(fù)雜交通環(huán)境下智能車多目標(biāo)重識別跟蹤方法研究[J].重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2025，39（3）：10-16.

[3]何洋，李剛，冀鳳標(biāo)，等.基于變論域模糊自適應(yīng)模型預(yù)測控制的智能汽車軌跡跟蹤控制方法研究[J/OL].兵工學(xué)報(bào)，1-17[2025-07-14].http：//kns.cnki.net/kcms/detail/11.2176.TJ.20250605.1848.007.html.

[4]周賢文，龍瀟，余欣磊，等.基于改進(jìn)Q學(xué)習(xí)的智能車輛多場景安全制動(dòng)算法[J/OL].計(jì)算機(jī)應(yīng)用，1-10[2025-07-14].http：//kns.cnki.net/kcms/detail/51.1307.TP.20250613.1641.008.html.

[5]蘭弘羿.新能源汽車車聯(lián)網(wǎng)大數(shù)據(jù)平臺構(gòu)建探析[J].太陽能學(xué)報(bào)，2023，44（6）：545-546.

[6]肖忠東，楊舒淇.新能源汽車工業(yè)大數(shù)據(jù)平臺建設(shè)三方合作策略研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2023，42（5）：58-69.

[7]朱冰，湯瑞，趙健，等.基于大語言模型的智能汽車仿真測試[J].汽車工程，2025，47（4）：587-597.

[8]陳潔，韋俊龍.知識耦合視域下戰(zhàn)略性新興產(chǎn)業(yè)實(shí)現(xiàn)突破式創(chuàng)新的內(nèi)在機(jī)制與動(dòng)態(tài)過程——以智能汽車芯片為例[J/OL].管理工程學(xué)報(bào)，1-13[2025-07-14].https：//doi.org/10.13587/j.cnki.jieem.2025.04.020.

[9]劉自凱，徐偉，姚昂，等.汽車電子電氣架構(gòu)的功能架構(gòu)設(shè)計(jì)研究[J].汽車電器，2025（2）：90-92

[10]申靜峰.自動(dòng)駕駛汽車車輛在環(huán)測試方法研究[D].長春：吉林大學(xué)，2021.

作者簡介：

趙學(xué)偉，男，1984年生，工程師，研究方向?yàn)槠嚧髷?shù)據(jù)、汽車三電混動(dòng)系統(tǒng)質(zhì)量。