82、自动化技术在CAN总线数据逆向工程与食品质地估计中的应用

自动化技术在CAN总线数据逆向工程与食品质地估计中的应用

一、CAN总线数据逆向工程

在CAN网络逆向工程中，手动过程既耗费巨大精力又十分耗时，解读所有结果数据需要专业知识和大量时间。而自动化分析则能带来显著的整体改善。

1. 数据识别问题

在尝试识别发动机转速（RPM）时，置信度最高的信号似乎相关，但并非直接代表RPM。虽然正确信号仍能被识别，但其置信度得分明显低于相关信号。对于制动压力的识别结果较差，首次找到的信号是错误的，实际信号可能代表真空压力，与训练信号并不相似。第二个信号实际上表示转向扭矩，误报可能是因为驾驶员通常在转弯前减速，导致两者存在相关性。对于转向角，最初没有匹配结果，后来发现现代汽车使用有符号表示，与福特汽车使用的偏移表示不同，考虑到这一点后，转向角能正确识别且无其他匹配。

2. 自动化分析方法

• 算术方法 ：能够将OBD或模拟数据与CAN总线流量中的特定位置进行匹配。但该方法仍需目视检查，其有效性在很大程度上取决于车辆本身，如数据格式、OBD上的可用数据等。
• 机器学习方法 ：结果显示至少可以部分识别CAN总线流量数据中感兴趣的信号。通过纳入车辆状态的“其他”数据（如GPS速度），可以提高某些分类器的性能。然而，还需要在更大的数据集和不同车辆上进行更多实验来验证这些发现。而且在这些实验中仅考虑了一两个字节的信号，实际情况中可能性更多，简单尝试所有可能组合会使计算成本迅速增加，因此需要寻找更高效的技术来识别CAN数据中信号的位置。

二、基于神经网络和模糊逻辑的食品质地