Особливості діагностики Hyundai Kona electric з використання мультимарочного сканеру LAUNCH X-431 PRO 3S
DOI:
https://doi.org/10.30977/AT.2219-8342.2025.57.0.02Ключові слова:
діагностика електромобілів, OBD-II, стан акумулятора, моніторинг у режимі реального часу, LAUNCH X-431, коди помилок, споживання енергіїАнотація
Проблема. Швидке зростання парку електромобілів в Україні створило практичну потребу в надійних методах діагностики, сумісних з місцевим сервісним обладнанням. Зокрема, станції технічного обслуговування повинні мати можливість оцінювати технічний стан популярних моделей, таких як Hyundai Kona Electric, використовуючи універсальні мультимарочні діагностичні сканери. Мета. Метою цієї роботи є дослідження можливостей та обмежень мультимарочного діагностичного сканера LAUNCH X-431 PRO 3S для технічної діагностики Hyundai Kona Electric, з акцентом на стан акумулятора, ключові електронні блоки керування (ЕБУ) та виявлення прихованих несправностей і маніпуляцій з даними. Методологія. Дослідження поєднує огляд літератури з діагностики електромобілів, підходи на основі OBD-II та оцінку стану акумулятора з практичними експериментами на Hyundai Kona Electric за допомогою LAUNCH X-431 PRO 3S. Запропоновано покроковий алгоритм діагностики, а також проаналізовано потоки даних у режимі реального часу для ряду ЕБУ, включаючи подушку безпеки, модуль кластера IC, IBU-BCM, блок смарт-ключа, систему акумуляторів електромобілів та бортовий комп'ютер. Результати. Експерименти показують, що LAUNCH X-431 PRO 3S забезпечує повний доступ до основних підсистем електромобілів, що дозволяє швидко зчитувати коди несправностей, детально аналізувати параметри в реальному часі та виконувати спеціальні функції. У статті демонструється, як комбінований аналіз напруги акумулятора, накопиченої енергії, часу роботи та лічильників зарядки змінного струму може бути використаний для визначення реального пробігу, виявлення втручання в одометр та оцінки стану високовольтного акумулятора. Оригінальність. Робота пропонує одну з перших структурованих діагностичних процедур для Hyundai Kona Electric з використанням широкодоступного мультимарочного сканера, пов'язуючи конкретні параметри даних X-431 з діагностичними завданнями, специфічними для електромобілів, такими як перевірка реального пробігу, оцінка деградації акумулятора та виявлення навмисного маскування попереджувальних індикаторів. Практична цінність. Запропонований алгоритм та інтерпретації параметрів надають сервісним інженерам та оцінювачам вживаних електромобілів практичний, відтворюваний підхід до комплексної діагностики Hyundai Kona Electric за допомогою LAUNCH X-431 PRO 3S, скорочуючи час діагностики, підвищуючи точність виявлення несправностей та знижуючи ризики, пов'язані з купівлею та обслуговуванням вживаних електромобілів.
Посилання
Zhao, J., & Burke, A. F. (2022). Electric vehicle batteries: status and perspectives of data-driven diagnosis and prognosis. Batteries, 8(10), 142. https://doi.org/10.3390/batteries8100142
Аргун, Щ. В., Гнатов, А. В., & Ульянець, О. А. (2016). Екологічний та енергоефективний атомобільний транспорт та його інфраструктура. 2 (77), 18–27. Argun, Sh. V., Hnatov, A. V., & Ulyanets, O. A. (2016). Ekolo-hichnyi ta enerhoefektyvnyi avtomobilnyi transport ta yoho infrastruktura [Ecological and energy-efficient automobile transport and its in-frastructure]. 2 (77), 18–27.
Patlins, A., Hnatov, A., Arhun, S., Hnatova, H., & Saraiev, O. (2022, May). Features of converting a car with an internal combustion engine into an electric car. In 2022 IEEE 7th International En-ergy Conference (ENERGYCON) pp. 1–6. Insti-tute of Electrical and Electronics Engineers (IEEE). https://doi.org/10.1109/ENERGYCON53164.2022.9830183
Arhun, S., Hnatov, A., Hnatova, H., Patlins, A., & Kunicina, N. (2020, November). Problems that have arisen in universities in connection with COVID-19 on the example of the Double Degree Master's Program “Electric Vehicles and Energy-Saving Technologies”. In 2020 IEEE 61th inter-national scientific conference on power and elec-trical engineering of Riga Technical university (RTUCON) 1-6). IEEE. https://doi.org/10.1109/RTUCON51174.2020.9316601.
Wu, C., Sehab, R., Akrad, A., & Morel, C. (2022). Fault diagnosis methods and fault tolerant con-trol strategies for the electric vehicle powertrains. Energies, 15(13), 4840. https://doi.org/10.3390/en15134840
Hnatov, A., Arhun, S., Ulianets, О., & Ivanov, D. (2025). Diagnostics of Electric Vehicles Using OBD-II: Principles, Capabilities, and Prospects. Automobile Transport, (56), 5-12. https://doi.org/10.30977/AT.2219-8342.2025.56.0.01
Koriashkina, L. S., Deryugin, O. V., Fedor-iachenko, S. O., Cheberiachko, S. I., & Vesela, M. A. (2019). On determining productive capacity of EV traction battery repair area. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (5), 113-121. https://doi.org/10.29202/nvngu/2019-5/17.
Cheberiachko, S. I., Koriashkina, L. S., Deryugin, O. V., & Odnovol, M. M. (2020). Rational organi-zation of the work of an electric vehicle mainte-nance station. Natsional'nyi Hirnychyi Univer-sytet. Naukovyi Visnyk, (5), 136-142. https://doi.org/10.33271/nvngu/2020-5/136.
Borodenko, Y., Arhun, S., Hnatov, A., Kunicina, N., Bisenieks, M., Migal, V., & Hnatova, H. (2023). Diagnostics of electric drive Electric vehi-cle with Valve Motor. Przegląd Elektrotech-niczny, 99(6). https://doi.org/10.15199/48.2023.06.07.
Borodenko, Y., Ribickis, L., Zabasta, A., Arhun, S., Kunicina, N., Zhiravetska, A., ... & Kunicins, K. (2020). Using the method of the spectral analysis in diagnostics of electrical process of propulsion systems power supply in electric car. Przeglad El-ektrotechniczny, 96(10), 47-50. https://doi.org/10.15199/48.2020.10.08.
Kostenko, G., & Zaporozhets, A. (2024). Transi-tion from electric vehicles to energy storage: re-view on targeted lithium-ion battery diagnostics. Energies, 17(20), 5132. https://doi.org/10.3390/en17205132
DIAGNOSTIC SOLUTIONS High-End Diagnostic Devices https://launch-europe.eu/x-431-series/?utm_source=chatgpt.com
How to Connect and Diagnose Tesla with LAUNCH X431 EV Diagnostic Kit https://surl.li/quwpzm
Małek, A., & Toccani, R. (2021). Innovative ap-proach to electric vehicle diagnostics. Archiwum Motoryzacji, 92(2), 49-67.
You, G. W., Park, S., & Oh, D. (2017). Diagnosis of electric vehicle batteries using recurrent neural networks. IEEE Transactions on Industrial Elec-tronics, 64(6), 4885-4893. https://doi.org/10.1109/EEAE53789.2022.9831360.
Hong, J., Liang, F., Yang, J., & Du, S. (2024). An exhaustive review of battery faults and diagnos-tic techniques for real-world electric vehicle safe-ty. Journal of Energy Storage, 99, 113234. https://doi.org/10.1016/j.est.2024.113234
Kaplan, H., Tehrani, K., & Jamshidi, M. (2021). A fault diagnosis design based on deep learning ap-proach for electric vehicle applications. Energies, 14(20), 6599. https://doi.org/10.3390/en14206599
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Автомобільний транспорт
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
