[發明專利]一種車輛故障預測模型生成方法、故障預測方法及裝置

在審

• 申請號: 202011557530.8
• 申請日: 2020-12-23
• 公開（公告）號: CN112529104A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 劉美億
• 申請（專利權）人: 東軟睿馳汽車技術（沈陽）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 趙曉榮

本申請實施例公開了一種車輛故障預測模型生成方法，具體為，獲取預設時長內車輛對應的工況數據，即訓練數據集合，該訓練數據集合中包括攜帶標簽的工況數據和未攜帶標簽的工況數據。其中，攜帶標簽的工況數據是指車輛故障時對應的工況數據，未攜帶標簽的工況數據是指車輛正常使用狀態下對應的工況數據。從訓練數據集合中提取訓練工況特征集合，并將該訓練工況特征集合按照時間序列輸入工況向量表示模型，獲得訓練工況向量表示集合，該訓練工況向量表示集合中包括攜帶標簽的訓練工況向量表示和未攜帶標簽的訓練工況向量表示。利用攜帶標簽的訓練工況向量表示和未攜帶標簽的訓練工況向量表示對初始模型的模型參數進行訓練，生成車輛故障預測模型。

技術領域

本申請涉及自動控制技術領域，具體涉及一種車輛故障預測模型生成方法、故障預測方法及裝置。

背景技術

汽車在使用過程中，由于各個器件的使用壽命有限，或各個器件的使用條件受限制，導致車輛會發生故障。有些故障會帶來嚴重的后果,造成人員的傷亡或財產的巨大損失。因此,對于車輛的故障預測是急需解決的問題。

發明內容

有鑒于此，本申請實施例提供一種車輛故障預測模型生成方法、故障預測方法及裝置，以實現對車輛故障進行準確預測，提高行車安全性。

為解決上述問題，本申請實施例提供的技術方案如下：

在本申請實施例第一方面，提供了一種車輛故障預測模型生成方法，所述方法包括：

獲取訓練數據集合，所述訓練數據集合包括攜帶標簽的工況數據以及未攜帶標簽的工況數據，所述訓練數據集合為預設時長內所述車輛對應的工況數據；

從所述訓練數據集合中提取訓練工況特征集合，并將所述訓練工況特征集合按照時間序列輸入工況向量表示模型，獲取訓練工況向量表示集合，所述訓練工況向量表示集合包括攜帶標簽的訓練工況向量表示和未攜帶標簽的訓練工況向量表示；

根據所述攜帶標簽的訓練工況向量表示和所述未攜帶標簽的訓練工況向量表示對初始模型的模型參數進行訓練，生成車輛故障預測模型。

在一種可能的實現方式中，所述從所述訓練數據集合中提取訓練工況特征集合，并將所述訓練工況特征集合輸入工況向量表示模型，獲取訓練工況向量表示集合，包括：

利用第一參數對所述訓練數據集合進行切分，獲得多個訓練數據，所述第一參數為單位時間參數；

獲取每個所述訓練數據對應的訓練工況特征，并將每個所述訓練數據對應的訓練工況特征輸入所述工況向量表示模型，獲得訓練工況向量表示，所述訓練工況向量表示集合包括每個所述訓練數據對應的訓練工況向量表示。

在一種可能的實現方式中，所述從所述訓練數據集合中提取訓練工況特征集合，并將所述訓練工況特征集合輸入工況向量表示模型，獲取訓練工況向量表示集合，包括：

利用第二參數對訓練數據集合進行切分，獲得多個訓練數據，所述第二參數為單位里程參數；

獲取每個所述訓練數據對應的訓練工況特征，并將每個所述訓練數據對應的訓練工況特征輸入所述工況向量表示模型，獲得訓練工況向量表示，所述訓練工況向量表示集合包括每個所述訓練數據對應的訓練工況向量表示。

在一種可能的實現方式中，所述方法還包括：

根據所述車輛故障預測模型對應的損失函數對所述工況向量表示模型的模型參數進行更新。

在一種可能的實現方式中，所述訓練工況特征集合包括電池包特征、車輛行駛特征以及車輛使用統計特征中的一種或多種。

在本申請實施例第二方面，提供了一種車輛故障預測方法，所述方法包括：

獲取待處理工況數據，所述待處理工況數據為預設時長內車輛對應的工況數據；