[發明專利]車輛故障風險評估方法、裝置、電子設備及存儲介質

在審

• 申請號: 202110376701.5
• 申請日: 2021-04-08
• 公開（公告）號: CN112906139A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 王健宗;朱星華;李澤遠
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/20;G06Q10/06;G06F16/215
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種車輛故障風險評估方法，應用于車輛端，其特征在于，所述方法包括：

從服務器端獲取待訓練的第一故障風險評估模型，并利用所述車輛端的本地訓練參數對所述第一故障風險評估模型進行訓練，得到訓練好的第二故障風險評估模型；

提取所述第二故障風險評估模型中的模型梯度，并將所述模型梯度發送至所述服務器端，以使所述服務器端根據接收到的多個車輛端發送的模型梯度生成第三故障風險評估模型；

接收所述服務器發送的所述第三故障風險評估模型，并通過所述車輛端的車載傳感器獲取所述車輛端的性能參數；

將所述性能參數輸入至所述第三故障風險評估模型，得到所述車輛端的車輛故障風險結果。

2.如權利要求1所述的車輛故障風險評估方法，其特征在于，所述本地訓練參數包括與所述車輛端相同型號車輛的故障參數及所述故障參數對應的故障風險評估結果，所述利用所述車輛端的本地訓練參數對所述第一故障風險評估模型進行訓練，得到訓練好的第二故障風險評估模型，包括：

步驟I、獲取所述故障參數，并將所述故障參數進行清洗處理，得到清洗數據；

步驟II、通過所述第一故障風險評估模型對所述清洗數據進行評估，得到預測評估結果集；

步驟III、計算所述預測評估結果集與所述故障參數對應的故障風險評估結果的誤差值，并判斷所述誤差值是否大于預設誤差閾值；

步驟IV：若所述誤差值大于所述預設誤差閾值，則調整所述第一故障風險評估模型的模型參數，并返回步驟II；

步驟V：若所述誤差值不大于所述預設誤差閾值，則得到所述第二故障風險評估模型。

3.如權利要求1所述的車輛故障風險評估方法，其特征在于，所述調整所述第一故障風險評估模型的模型參數，包括：

獲取所述預測評估結果集中的預測評估結果及對應故障風險評估結果，計算并更新所述第一故障風險評估模型中的損失函數；

根據所述損失函數調整所述第一故障風險評估模型中的回歸函數。

4.如權利要求2所述的車輛故障風險評估方法，其特征在于，所述第一故障風險評估模型包括特征提取網絡和多層線性激活層，所述通過所述第一故障風險評估模型對所述清洗數據進行評估，得到預測評估結果集，包括：

利用所述特征提取網絡對所述清洗數據進行特征提取，得到訓練測試集；

利用所述多層線性激活層對所述訓練測試集進行激活操作，得到預測評估結果集。

5.如權利要求1所述的車輛故障風險評估方法，其特征在于，所述將所述模型梯度發送至所述服務器端之前，所述方法還包括：

接收所服務器端發送的密鑰，利用所述密鑰對所述模型梯度進行加密。

6.如權利要求5所述的車輛故障風險評估方法，其特征在于，所述接收所述服務器端發送的密鑰之前，所述方法還包括：

發送所述車輛端的身份信息至所述服務器端，以使所述服務器端根據所述身份信息進行驗證，并在驗證通過之后生成所述車輛端對應的密鑰。

7.如權利要求2所述的車輛故障風險評估方法，其特征在于，所述將所述故障參數進行清洗處理，得到清洗數據，包括：

利用預構建的清洗處理數據庫，計算所述故障參數中每個字段的參數的缺失值比例；

按照所述缺失值比例和所述字段的參數的重要性標識，從預設的策略表中獲取各個字段的參數對應的填充策略；

根據所述填充策略對所述故障參數進行填充處理，得到所述清洗數據。