[發明專利]車輛方向盤故障的預測方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010018953.6
• 申請日: 2020-01-08
• 公開（公告）號: CN111259737B
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 何瑞;章偉;張海波;姜欠;王斌;戴迪昊
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/213;G06N3/0464;G06N3/0442;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 韓世虹

1.一種車輛方向盤故障的預測方法，其特征在于，包括：

采集預設時間段內的車輛使用數據；

將所述車輛使用數據輸入至方向盤故障預測模型中，獲得所述方向盤故障預測模型輸出的方向盤抖動頻率；

根據所述方向盤抖動頻率，對方向盤進行故障預測；

其中，所述方向盤故障預測模型是以車輛使用樣本數據作為樣本，以與所述車輛使用樣本數據對應的方向盤抖動頻率作為標簽，進行訓練獲得；

所述方向盤故障預測模型包括：DNN層、LSTM層和attention層；相應地，所述將所述車輛使用數據輸入至方向盤故障預測模型中，獲得所述方向盤故障預測模型輸出的方向盤抖動頻率，包括：

根據預設的步長和滑動窗口，對所述車輛使用數據進行預處理，獲得多個二維數據矩陣；

將所述多個二維數據矩陣輸入至所述DNN層，獲得所述DNN層輸出的用于表征方向盤空間特征的空間特征表達；

將所述多個二維數據矩陣和所述步長輸入至所述LSTM層，獲得所述LSTM層輸出的用于表征方向盤時間特征的時間特征表達；

將所述空間特征表達和所述時間特征表達輸入至所述attention層，獲得與所述車輛使用數據對應的、用于表征方向盤抖動頻率的特征表達。

2.根據權利要求1所述的車輛方向盤故障的預測方法，其特征在于，所述將所述空間特征表達和所述時間特征表達輸入至所述attention層，獲得與所述車輛使用數據對應的、用于表征方向盤抖動頻率的特征表達，包括：

將所述空間特征表達與所述時間特征表達進行特征融合，獲得一組權重；

利用softmax激活函數對所述權重進行歸一化；

將所述LSTM層不同時間點的隱含層輸出向量與歸一化后對應的權重相乘，并求和獲得特征表達。

3.根據權利要求2所述的車輛方向盤故障的預測方法，其特征在于，所述方法還包括：

在attention層融合之后，再通過一個全連接層，并施加dropout層，最后由輸出維度為1的全連接層激活輸出，激活函數為sigmoid。

4.根據權利要求1所述的車輛方向盤故障的預測方法，其特征在于，所述步長為1、3、6或9。

5.根據權利要求1至4任一所述的車輛方向盤故障的預測方法，其特征在于，訓練所述方向盤故障預測模型的過程中，使用均方根對數誤差函數作為損失函數。

6.根據權利要求1至4任一所述的車輛方向盤故障的預測方法，其特征在于，所述車輛使用數據包括：方向盤的基本信息數據、車輛的行駛信息數據、駕駛員的駕駛行為數據和路面信息數據。

7.一種車輛方向盤故障的預測裝置，其特征在于，包括：

采集模塊，用于采集預設時間段內的車輛使用數據；

處理模塊，用于將所述車輛使用數據輸入至方向盤故障預測模型中，獲得所述方向盤故障預測模型輸出的方向盤抖動頻率；

預測模塊，用于根據所述方向盤抖動頻率，對方向盤進行故障預測；

其中，所述方向盤故障預測模型是以車輛使用樣本數據作為樣本，以與所述車輛使用樣本數據對應的方向盤抖動頻率作為標簽，進行訓練獲得；

所述方向盤故障預測模型包括：DNN層、LSTM層和attention層；相應地，所述將所述車輛使用數據輸入至方向盤故障預測模型中，獲得所述方向盤故障預測模型輸出的方向盤抖動頻率，包括：

根據預設的步長和滑動窗口，對所述車輛使用數據進行預處理，獲得多個二維數據矩陣；

將所述多個二維數據矩陣輸入至所述DNN層，獲得所述DNN層輸出的用于表征方向盤空間特征的空間特征表達；

將所述多個二維數據矩陣和所述步長輸入至所述LSTM層，獲得所述LSTM層輸出的用于表征方向盤時間特征的時間特征表達；

將所述空間特征表達和所述時間特征表達輸入至所述attention層，獲得與所述車輛使用數據對應的、用于表征方向盤抖動頻率的特征表達。