1.一种基于知识库的汽车远程智能诊断方法，其特征在于，包括以下步骤：

步骤1，构建车辆健康体检模型；

步骤2，采集当前车辆的数据流；

步骤3，将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告。

2.根据权利要求1所述的基于知识库的汽车远程智能诊断方法，其特征在于，步骤1中，所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型；

所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健康状况划分；

所述车辆总分值的计算方法包括：

记车辆总分值为X，设定车辆总分值为百分制，即0≤X≤100，则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇，其中X1＇表示加权后故障码总分值，X2＇表示加权后发动机负载分值，X3＇表示加权后冷却剂温度分值，X4＇表示加权后节气门开度分值，X5＇表示加权后怠速时发动机转速分值，X6＇表示加权后燃油经济性分值，X7＇表示加权后驾驶习惯分值；其中X1＇＝a1×X1，X2＇＝a2×X2，X3＇＝a3×X3，X4＇＝a4×X4，X5＇＝a5×X5，X6＇＝a6×X6，X7＇＝a7×X7，其中X1表示故障码总分值，X2表示发动机负载分值，X3表示冷却剂温度分值，X4表示节气门开度分值，X5表示怠速时发动机转速分值，X6表示燃油经济性分值，X7表示驾驶习惯分值；a1、a2、a3、a4、a5、a6和a7分别表示X1、X2、X3、X4、X5、X6和X7的权重，且a1+a2+a3+a4+a5+a6+a7＝1；

其中X1＝100-K，K表示故障码总扣分，K＝∑ki，ki表示第i个故障码的扣分，记车辆的故障码共有N个，N≥0，i＝1,2,3，…，N，其中ki＝M×T，其中M表示故障码标准分，T表示故障码分类评分百分比，M为一个固定值，T为预先设定的不同故障码对应的评分百分比，每一个故障码对应一个故障码分类评分百分比；若计算出来的K超过100，则记K为

100；

X2的取值为100或0，X2的取值为100时为正常，X2的取值为0时为异常，当发动机负载介于预先设定的发动机负载范围内时，X2取值为100，否则X2取值为0，此时发动机负载异常；

X3的取值为100或0，X3的取值为100时为正常，X3的取值为0时为异常，当冷却剂温度介于预先设定的冷却剂温度范围内时，X3取值为0，否则X3取值为100；

X4的取值为100或0，X4的取值为100时为正常，X4的取值为0时为异常，当气节门开度介于预先设定的气节门开度范围内时，X4取值为100，否则X2取值为0；

X5的取值为100或0，X5的取值为100时为正常，X5的取值为0时为异常，当速度为0时发动机转速介于预先设定的发动机转速范围内时，X5取值为100，否则X5取值为0；

记G表示车型官方耗油，A表示实际燃油经济型数值，其中且A ＝

245.687×(tempV×speedV)/(rpmV×pressV)，其中tempV表示平均进气温度，speedV表示平均车速，rpmV表示平均发动机转速，且rpmV不为零，pressV表示平均进气歧管压力，当进气歧管压力为0时，取pressV为1，若A≤G，则X6取值为100，若A＞G，则记燃油经济型比例为R，R＝[(A-G)/G×100％]，X6的取值根据R的数值进行多级划分，设置多个燃油经济型比例取值区间，每一个区间对应一个燃油经济性分值；

X7的取值为100或0，当车速和水温满足预先设定的条件时，X7取值0，否则X7取值

100；

所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间，每一个区间对应一个车辆的健康状况评价。

3.根据权利要求2所述的基于知识库的汽车远程智能诊断方法，其特征在于，所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型；

所述故障码处理建议模型为设置多个故障码数量的取值区间，每一个区间对应一个处理建议；

所述监控指数处理建议模型为设置多个异常数据数目的取值区间，每一个区间对应一个处理建议；所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气门开度和怠速时发动机转速；

所述燃油经济性处理建议模型为根据X6的取值，进行不同的处理建议；

所述驾驶习惯处理建议模型为根据X7的取值，进行不同的处理建议。

4.根据权利要求1所述的基于知识库的汽车远程智能诊断方法，其特征在于，步骤2中，所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流；

当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码个数、故障码描述；

当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、油轨压力、进气歧管绝对压力、氧传感器B1S1输出电压、氧传感器B1S2输出电压、氧传感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。

5.根据权利要求3所述的基于知识库的汽车远程智能诊断方法，其特征在于，步骤3中，所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议，当前车辆的分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯处理建议。

6.一种基于知识库的汽车远程智能诊断系统，其特征在于，包括车辆健康体检模型构建模块、当前车辆的数据流采集模块和当前车辆健康体检报告生成模块；

所述车辆健康体检模型构建模块用于构建车辆健康体检模型；

所述当前车辆的数据流采集模块用于采集当前车辆的数据流；

所述当前车辆健康体检报告生成模块用于将所述当前车辆的数据流代入所述车辆健康体检模型，得到当前车辆健康体检报告。

7.根据权利要求6所述的基于知识库的汽车远程智能诊断系统，其特征在于，所述车辆健康体检模型包括车辆总分值计算模型和分指标阈值模型；

所述车辆总分值计算模型包括车辆总分值的计算方法和根据车辆总分值对车辆的健康状况划分；

所述车辆总分值的计算方法包括：

记车辆总分值为X，设定车辆总分值为百分制，即0≤X≤100，则X＝X1＇+X2＇+X3＇+X4＇+X5＇+X6＇+X7＇，其中X1＇表示加权后故障码总分值，X2＇表示加权后发动机负载分值，X3＇表示加权后冷却剂温度分值，X4＇表示加权后节气门开度分值，X5＇表示加权后怠速时发动机转速分值，X6＇表示加权后燃油经济性分值，X7＇表示加权后驾驶习惯分值；其中X1＇＝a1×X1，X2＇＝a2×X2，X3＇＝a3×X3，X4＇＝a4×X4，X5＇＝a5×X5，X6＇＝a6×X6，X7＇＝a7×X7，其中X1表示故障码总分值，X2表示发动机负载分值，X3表示冷却剂温度分值，X4表示节气门开度分值，X5表示怠速时发动机转速分值，X6表示燃油经济性分值，X7表示驾驶习惯分值；a1、a2、a3、a4、a5、a6和a7分别表示X1、X2、X3、X4、X5、X6和X7的权重，且a1+a2+a3+a4+a5+a6+a7＝1；

其中X1＝100-K，K表示故障码总扣分，K＝∑ki，ki表示第i个故障码的扣分，记车辆的故障码共有N个，N≥0，i＝1,2,3，…，N，其中ki＝M×T，其中M表示故障码标准分，T表示故障码分类评分百分比，M为一个固定值，T为预先设定的不同故障码对应的评分百分比，每一个故障码对应一个故障码分类评分百分比；若计算出来的K超过100，则记K为

100；

X2的取值为100或0，X2的取值为100时为正常，X2的取值为0时为异常，当发动机负载介于预先设定的发动机负载范围内时，X2取值为100，否则X2取值为0，此时发动机负载异常；

X3的取值为100或0，X3的取值为100时为正常，X3的取值为0时为异常，当冷却剂温度介于预先设定的冷却剂温度范围内时，X3取值为0，否则X3取值为100；

X4的取值为100或0，X4的取值为100时为正常，X4的取值为0时为异常，当气节门开度介于预先设定的气节门开度范围内时，X4取值为100，否则X2取值为0；

X5的取值为100或0，X5的取值为100时为正常，X5的取值为0时为异常，当速度为0时发动机转速介于预先设定的发动机转速范围内时，X5取值为100，否则X5取值为0；

记G表示车型官方耗油，A表示实际燃油经济型数值，其中且A ＝

245.687×(tempV×speedV)/(rpmV×pressV)，其中tempV表示平均进气温度，speedV表示平均车速，rpmV表示平均发动机转速，且rpmV不为零，pressV表示平均进气歧管压力，当进气歧管压力为0时，取pressV为1，若A≤G，则X6取值为100，若A＞G，则记燃油经济型比例为R，R＝[(A-G)/G×100％]，X6的取值根据R的数值进行多级划分，设置多个燃油经济型比例取值区间，每一个区间对应一个燃油经济性分值；

X7的取值为100或0，当车速和水温满足预先设定的条件时，X7取值0，否则X7取值

100；

所述根据车辆总分值对车辆的健康状况划分为设置多个车辆总分值取值区间，每一个区间对应一个车辆的健康状况评价。

8.根据权利要求7所述的基于知识库的汽车远程智能诊断系统，其特征在于，所述分指标阈值模型包括故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型；

所述故障码处理建议模型为设置多个故障码数量的取值区间，每一个区间对应一个处理建议；

所述监控指数处理建议模型为设置多个异常数据数目的取值区间，每一个区间对应一个处理建议；所述监控指数处理建议模型中监控的数据包括发动机负载、冷却剂温度、节气门开度和怠速时发动机转速；

所述燃油经济性处理建议模型为根据X6的取值，进行不同的处理建议；

所述驾驶习惯处理建议模型为根据X7的取值，进行不同的处理建议。

9.根据权利要求6所述的基于知识库的汽车远程智能诊断系统，其特征在于，所述当前车辆的数据流包括当前车辆的故障码数据流和当前车辆的监控数据流；

当前车辆的故障码数据流包括数据流类型、版本号、车架号、设备号、数据时间、故障码个数、故障码描述；

当前车辆的监控数据流包括版本号、车架号、设备号、数据打包时间、GPS经度、GPS维度、GPS方向、GPS速度、高程、公里里程、前左轮的胎压、前右轮的胎压、后左轮的胎压、后右轮的胎压、前左门的状态、前右门的状态、后左门的状态、后右门的状态、后备箱的状态、数据产生时间、瞬时油耗、方向盘的位置、方向盘的转速、方向盘传感器状态、车速、纵向加速度、横向加速度、垂直加速度、发动机转速、冷却剂温度、短时燃油修正B1、长期燃油修正B1、短时燃油修正B2、长期燃油修正B2、发动机运行时间、计算负荷、点火提前角、进气温度、绝对节气门位置、空气流量、相对大气压油轨压力、氧传感器电压、故障指示灯的状态、油轨压力、进气歧管绝对压力、氧传感器B1S1输出电压、氧传感器B1S2输出电压、氧传感器B1S3输出电压、氧传感器B1S4输出电压、氧传感器B2S1输出电压、氧传感器B2S2输出电压、氧传感器B2S3输出电压、氧传感器B2S4输出电压、MIL激活后行驶里程、真空歧管相对油轨压力、废气再循环指令、蒸发净化命令、燃油液位输入、清除自诊断故障码距离、EVAP蒸汽压力、大气压力、控制模块电压、绝对负载值、燃油系统等价比、环境空气温度、MIL激活发动机运行时、故障码清除时间、氧传感器电压最大值、空气流量最大值、水温。

10.根据权利要求8所述的基于知识库的汽车远程智能诊断系统，其特征在于，所述当前车辆健康体检报告包括当前车辆的车辆总分值、当前车辆的车辆总分值对应的车辆的健康状况评价和当前车辆的分指标处理建议，当前车辆的分指标处理建议包括根据故障码处理建议模型、监控指数处理建议模型、燃油经济性处理建议模型和驾驶习惯处理建议模型得出的当前车辆的故障码处理建议、监控指数处理建议、燃油经济性处理建议和驾驶习惯处理建议。