[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

本發明涉及人工智能技術領域，揭露了一種車輛故障風險評估方法，應用于車輛端，包括：從服務器端獲取待訓練的第一故障風險評估模型，并利用車輛端的本地訓練參數對第一故障風險評估模型進行訓練，得到第二故障風險評估模型；提取第二故障風險評估模型中的模型梯度，并將模型梯度發送至服務器端，根據接收到的模型梯度生成第三故障風險評估模型；接收服務器發送的第三故障風險評估模型，并根據車輛端的車載傳感器獲取車輛端的性能參數；將性能參數輸入至第三故障風險評估模型，得到車輛端的車輛故障風險結果。本發明還提出了車輛故障風險評估裝置、設備及計算機可讀存儲介質。本發明的目的在于對車輛是否存儲在故障風險進行提前預測。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種車輛故障風險評估方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

為了提高車輛行駛時的穩定性和安全性，需要定時或不定時對車輛進行故障風險評估，以確定車輛是否存在發生故障的風險。現有技術中，通常通過車輛本身的傳感器來進行檢測，以確定車輛的性能指標是否良好，例如，通過胎壓監測器測量汽車的車胎胎壓，以確定車胎是否能夠正常運行。

現有技術中的這種車輛故障風險監測評估方法具有一定的滯后性，即發生了故障才通過傳感器檢測到，因此，現有技術中無法提前預判車輛是否存在故障風險。

發明內容

本發明提供一種車輛故障風險評估方法、裝置、電子設備及計算機可讀存儲介質，目的在于對車輛是否存在故障風險進行提前預測。

為實現上述目的，本發明提供的一種車輛故障風險評估方法，應用于車輛端，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。

可選的，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。

可選的，所述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。。

可選的，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：