[發明專利]用于分析汽車故障的方法和裝置

在審

• 申請號: 202010095177.X
• 申請日: 2020-02-14
• 公開（公告）號: CN111325262A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 于上上;S·佩里;P·阿圖爾;谷風
• 申請（專利權）人: 逸駕智能科技有限公司;大眾汽車自動變速器（大連）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G07C5/08
• 代理公司: 北京永新同創知識產權代理有限公司 11376
• 代理人: 張文錦;劉茹

1.一種用于分析汽車故障的方法，包括：

接收待診斷故障信息；

從數據庫中獲得與所述待診斷故障信息中指示的待診斷故障相關的預定特征；

利用故障分析模型對所述待診斷故障信息和所述預定特征進行處理，其中，所述故障分析模型是基于分類算法、使用歷史故障數據和歷史故障相關特征來訓練深度神經網絡模型而確定的優選模型；以及

生成針對所述待診斷故障的故障診斷結果。

2.如權利要求1所述的方法，其中，所述故障分析模型是進一步基于以下操作來確定的：

獲得所述歷史故障數據和歷史故障相關特征，所述歷史故障數據包括歷史故障信息和相應的歷史診斷結果；

利用所述分類算法對所述歷史故障信息進行文本分類，以獲得不同類別的歷史故障信息；

基于所述不同類別的歷史故障信息、所述歷史故障相關特征和所述歷史診斷結果來訓練所述深度神經網絡模型，以確定針對所述深度神經網絡模型的優選參數；以及

將采用所述優選參數的優選模型選擇用作所述故障分析模型。

3.如權利要求1所述的方法，其中，所述分類算法是BERT算法，以及其中，所述故障診斷結果包括以下中的至少一項：與所述待診斷故障相關的結果特征、導致所述待診斷故障的至少一個原因和每個原因的概率。

4.如權利要求3所述的方法，還包括：

將所述故障診斷結果保存在所述數據庫中和/或提供至所述深度神經網絡模型以再次訓練所述深度神經網絡模型。

5.如權利要求4所述的方法，其中，將所述故障診斷結果提供至所述深度神經網絡模型以再次訓練所述深度神經網絡模型的操作進一步包括：將所述結果特征提供至所述深度神經網絡模型，以作為更新的歷史故障相關特征來再次訓練所述深度神經網絡模型。

6.一種用于分析汽車故障的裝置，包括：

接收模塊，用于接收待診斷故障信息；

獲得模塊，用于從數據庫中獲得與所述待診斷故障信息中指示的待診斷故障相關的預定特征；

處理模塊，用于利用故障分析模型對所述待診斷故障信息和所述預定特征進行處理，其中，所述故障分析模型是基于分類算法、使用歷史故障數據和歷史故障相關特征來訓練深度神經網絡模型而確定的優選模型；以及

生成模塊，用于生成針對所述待診斷故障的故障診斷結果。

7.如權利要求6所述的裝置，其中，所述故障分析模型是進一步基于以下操作來確定的：

獲得所述歷史故障數據和歷史故障相關特征，所述歷史故障數據包括歷史故障信息和相應的歷史診斷結果；

利用所述分類算法對所述歷史故障信息進行文本分類，以獲得不同類別的歷史故障信息；

基于所述不同類別的歷史故障信息、所述歷史故障相關特征和所述歷史診斷結果來訓練所述深度神經網絡模型，以確定針對所述深度神經網絡模型的優選參數；以及

將采用所述優選參數的優選模型選擇用作所述故障分析模型。

8.如權利要求6所述的裝置，其中，所述分類算法是BERT算法，以及其中，所述故障診斷結果包括以下中的至少一項：與所述待診斷故障相關的結果特征、導致所述待診斷故障的至少一個原因和每個原因的概率。

9.如權利要求8所述的裝置，還包括：

保存模塊，用于將所述故障診斷結果保存在所述數據庫中；和/或

提供模塊，用于將所述故障診斷結果提供至所述深度神經網絡模型以再次訓練所述深度神經網絡模型。

10.如權利要求9所述的裝置，其中，所述提供模塊進一步用于：將所述結果特征提供至所述深度神經網絡模型，以作為更新的歷史故障相關特征來再次訓練所述深度神經網絡模型。

11.一種用于分析汽車故障的設備，包括：

處理器；以及

存儲器，用于存儲可執行指令，其中，所述可執行指令當被執行時使得所述處理器執行權利要求1-5所述的方法。

12.一種機器可讀介質，其上存儲有可執行指令，其中，所述可執行指令當被執行時，使得機器執行權利要求1-5所述的方法。