J1939 学习(一)

article/2025/10/19 11:02:12

 J1939简介

SAE J1939(以下简称J1939)是美国汽车工程协会(SAE)的推荐标准,用于为中重型道路车辆上电子部件间的通讯提供标准的体系结构。它由“卡车与大型客车电气与电子委员会”(Track & Bus Electrical & Electronics Committee)下属的“卡车与大型客车控制和通讯网络附属委员会”(Track & Bus Control and Communications Network Subcommittee)开发编写。

J1939基于德国Bosch公司(Robert Bosch GmbH)开发的控制器局域网络(CAN:Controller Area Network),可达到250Kbps的通讯速率。它描述了重型车辆现场总线的一种网络应用,包括CAN网络物理层定义、数据链路层定义、应用层定义、网络层定义、故障诊断和网络管理。在SAE J1939协议中,不仅仅指定了传输类型、报文结构及其分段、流量检查等,而且报文内容本身也做了精确的定义。J1939是在商用车辆、舰船、轨道机车、农业机械和大型发动机中应用最广泛的应用层协议。

 J1939主要特性

  1. J1939协议是基于CAN的应用层协议,所有J1939报文都使用29位标志符。
  2. J1939协议通讯速率稳定在250kbps
  3. J1939协议应用于重型车辆

 J1939技术规范

CAN报文是基于ID的,J1939是基于PGN的,这是最主要的一点。CAN使用29位标识符区分不同报文,PGN是将29位标识符拆分成不同的部分,对不同部分进行某种计算,如果运算结果(PGN)一致,则认为是相同报文。

报文包含单个协议数据单元(PDU)。PDU由七个预定义字段组成,这些字段从应用层提供的信息中获得。字段包括:

Priority (P)

Extended Data Page (EDP)

Data Page (DP)

PDU Format (PF)

PDU Specific (PS, which can be a Destination Address or Group Extension)

Source Address (SA)

Data

这些字段被打包成一个或多个CAN数据帧,并通过物理介质发送到其他网络设备。某些参数组编号定义需要一个以上的CAN数据帧来发送其信息。
表1显示了以下消息格式的仲裁和控制字段:CAN CEFF格式消息的29位标识符;SAE J1939消息的29位标识符;CAN CBFF格式消息的11位标识符;以及SAE J1939兼容性的11位标识符。在定义SAE J1939协议数据单元的章节中可以找到每个SAE J1939位字段分配的完整定义。在本文中,can数据帧的数据字段以字节1至8的形式进行讨论。字节1的最高有效位(位8)是发送的第一位,最接近DLC字段。字节8的最低有效位(位1)是要发送的最后一个数据位,最接近CRC字段。
EDP等于1且DP等于1的消息是ISO 11992-4中定义的牵引车与一辆或多辆牵引车之间的通信消息。因此,CAN数据帧的处理将不遵循SAE J1939技术规范提供的定义。应参考ISO 11992-4:2014规范。
EDP等于1且DP等于0的消息保留供SAE J1939委员会将来分配。SAE J1939数据链路上使用这些值的任何信息都需要独特的处理规则,因为SAE J1939-21中规定的规则不适用于这些信息。当SAE J1939委员会定义了使用这些值的消息时,将在SAE J1939-21文件的未来版本中指定处理规则。

 


http://chatgpt.dhexx.cn/article/nxgeFEsd.shtml

相关文章

J1939协议解析

关于对J1939的一点理解,有错误的话请指正。 缩写定义 PGN 在CAN数据帧的数据域中需要指明参数群时,PGN是表示成24位。PGN是一个24位的值,包括以下要素:保留位、数据页位、PDU格式域(8位)和群扩展域&#…

J1939协议简介【小白入门】

文章目录 J1939协议简介J1939主要特性报文格式及使用方法(J1939/21)地址和名称 (J1939/81)地址请求报文传递(J1939/21和J1939/7x)TP_BAM报文TP_CM报文报文接收(J1939/21和J1939/7x)ECU设计(J1939/1x,J1939/21和J1939/7x)接线布局 - 物理层(J1939/1x)如何…

J1939 入门教程

SAE J1939协议是基于CAN2.0B协议之上的应用层协议,但是SAE J1939协议并不仅仅是个应用层协议,她对物理层,数据链路层,网络层,应用层,故障诊断, 网络层管理层等都做了详细的规定,只不过这其中很多…

神经网络炒股出现的问题,炒股容易得神经病吗

听朋友说他用盈首AI全自动炒股机器人炒股,效果很好,请问一下用过的朋友,不知道是否是真的? 应该是真的,现在是人工智能时代,科学炒股是必然选择,国家也在出了很多支持人工智能的政策&#xff0…

竟然可以用python炒股?

由于笔者并无深厚的数学功底也无深厚的金融知识, 所以不会在本文中引用各种高深的投资模型或数学模型,参考书籍主要是《海龟交易法则》《以交易为生》。 交易系统 在交易之前,我们应该首先有一个交易系统用于指导我们自己交易,不一定有什么规…

用深度学习算法预测未来股票走势

最近研究了一下用深度学习算法来预测股票未来的走势,看了网上不少别人分享的案例,也实际进行了测试,感觉用 LSTM 算法比较适用。长短期记忆网络(LSTM,Long Short-Term Memory)是一种时间循环神经网络&#…

AI in Finance<量化交易人工智能金融投资>(下)

7 机器学习量化策略7.1 基于股价涨跌分类/回归模型7.1.1 特征选择(遗传算法因子挖掘)7.1.2 Linear Regression股价回归预测7.1.3 Logestic Regression涨跌分类预测7.1.4 Random Forests涨跌分类预测7.1.5 SVM涨跌分类/回归预测7.1.6 MLP涨跌分类/回归预测7.1.7 集成学习 涨跌分…

(转)人工智能无处不在,这次是有公司用它来炒股

这事情能成吗? 人工智能是现在科技界一个比较热门的话题,不管公司大小、做什么,都在谈人工智能,好像这是唯一的选择。 现在有人想用它来炒股。 Shaunak Khire 的团队开发了一套机器智能系统 Emma AI,正在募资成立一…

AI 量化机器人,人工智能如何助你从股市发家?

量化交易是不是很高大上? 量化交易,听起来很高大上,其实就是众多投资方法中的一种。 要理解什么是量化交易,首先我们来说说什么叫“量化”。 我们来想象一种场景: 假如有人做了两道菜,让大家去评价这两道菜…

如何用深度强化学习自动炒股

向AI转型的程序员都关注了这个号???????????? 人工智能大数据与深度学习 公众号:datayx 深度学习技术在股票交易上的应用研究调查 http://gregharris.info/a-survey-of-deep-learning-techniques-applied-to-trading/ 文中缩写: DBN 深度信…

如何用人工智能预测股票(完整项目)

本文由 沈庆阳 所有,转载请与作者取得联系! 前言 十分钟实现人工智能股价预测,是一个深度学习的练习项目。其通过机器学习算法,根据过去几年与某只股票相关的K线走势、公司相关报道的情感分析作为数据集,通过训练来得到可以预测股价的机器学…

想靠AI炒股致富,结果恐怕会让你怀疑人生

来源:脑极体 作者:藏狐 经历了漫长熊市的A股,在农历新年后迎来了一个超乎想象的春天。最能够代表牛市来临的信号,不是领跑全球的历史性涨幅,而是连你老家的大妈都准备拿出首付甚至卖房抄底了,各路股神纷纷出…

手把手带你玩转Spark机器学习-使用Spark进行文本处理

系列文章目录 手把手带你玩转Spark机器学习-专栏介绍手把手带你玩转Spark机器学习-问题汇总手把手带你玩转Spark机器学习-Spark的安装及使用手把手带你玩转Spark机器学习-使用Spark进行数据处理和数据转换手把手带你玩转Spark机器学习-使用Spark构建分类模型手把手带你玩转Spa…

大数据笔记--Spark机器学习(第二篇)

目录 一、梯度下降法 1、什么是梯度? 2、梯度下降法与梯度上升法 3、梯度下降法的直观解释 4、梯度下降法的相关概念 5、梯度下降法原理 6、梯度下降法的算法参数 7、梯度下降法-家族(BGD,SGD,MBGD) 8、总结 …

Spark机器学习(一)-Spark工程搭建

目录 概述 环境准备 搭建Spark项目的代码工程 创建maven项目工程 创建scala测试类 整合spark环境 概述 最近自己在加强AI这块,以前做Java、大数据分析比较多,所以对CDH那套东西都比较熟悉,例如Hadoop、Spark。但Spark这块中的ML用得不…

【Spark】实验6 Spark机器学习库MLlib编程实践

Spark机器学习库MLlib编程实践 一、实验目的 通过实验掌握基本的MLLib编程方法;掌握用MLLib解决一些常见的数据分析问题,包括数据导入、成分分析和分类和预测等。 二、实验平台 新工科智慧平台。数据集1:下载Adult数据集(http://archive.i…

手把手带你玩转Spark机器学习-使用Spark进行数据降维

系列文章目录 手把手带你玩转Spark机器学习-专栏介绍手把手带你玩转Spark机器学习-问题汇总手把手带你玩转Spark机器学习-Spark的安装及使用手把手带你玩转Spark机器学习-使用Spark进行数据处理和数据转换手把手带你玩转Spark机器学习-使用Spark构建分类模型手把手带你玩转Spa…

spark之常见的机器学习算法

1、分类、回归、聚类 分类回归是一种重要的机器学习和数据挖掘技术。分类的目的是根据数据集的特点构造一个分类函数或分类模型(也常常称作分类器),该模型能把未知类别的样本映射到给定类别中的一种技术。 即: 向量X[x1,x2...xn]但标签C[c1,c2...,ck]的…

Apache Spark机器学习

推荐电子书:Apache Spark 2.x入门 - 从入门到制作 前言: 使用Apache Spark 2.0及更高版本,实现了很大的改进,使Spark更容易编程和执行更快: Spark SQL和Dataset / DataFrame API通过Spark SQL优化的执行引擎提供易用…

Spark Machine Learning(SparkML):机器学习(部分二)

目录 6.分类和回归 6.1分类(Classification) 逻辑回归(LR) 决策树分类器(DTC) 随机森林分类器(RFC) 梯度提升树分类器(GBTC) 多层感知器分类器(MLPC) 线性支持向量机(SVM) One-vs-Rest分类器 朴素贝叶斯(NB) 6.2回归(Regression) 线性回归(LR) 广义线性回归(GLR) …