[發明專利]車輛故障診斷預測方法、裝置、設備及車輛

在審

• 申請號: 202210316667.7
• 申請日: 2022-03-28
• 公開（公告）號: CN114676781A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 栗月姣;于雷
• 申請（專利權）人: 三一電動車科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00;G07C5/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 白冬梅

本發明提供一種車輛故障診斷預測方法、裝置、設備及車輛，屬于故障診斷技術領域，方法通過采集車輛狀態參數；輸入車輛狀態參數至故障診斷預測模型，輸出故障類型，故障診斷預測模型是基于車輛狀態參數樣本和故障類型樣本訓練得到的，車輛狀態參數樣本類型是通過對車輛系統的所有數據進行主成分分析得到的；根據故障類型，生成故障解決方案，并發送故障類型和故障解決方案至用戶終端和/或云端，針對不同的車輛，可通過主成分分析方法獲得不同系統的訓練樣本類型即敏感特征數據，并構建特定的故障診斷模型，并且主成分分析的方法得到的訓練樣本類型能夠解除數據間的耦合作用，可有效提高最終訓練得到的故障診斷預測模型的準確度。

技術領域

本發明涉及故障診斷技術領域，尤其涉及一種車輛故障診斷預測方法、裝置、設備及車輛。

背景技術

隨著人工智能技術的研發、應用和智能化進程不斷加快，對車輛系統故障診斷及預測的需求也不斷增加。大多數的故障診斷方法多基于某種特定系統及傳統的統計學方法，使得診斷車輛故障的精度較低。目前，多數的車輛故障診斷通過故障模型實現，而故障模型建立的故障數據集為車輛發生故障時各零部件的相關參數數據，通過抽樣放回的方法建立故障模型。

但是，由于車輛零部件的參數之間的耦合性，導致傳統統計學建立模型的進行故障診斷預測的準確度相對較低。

發明內容

本發明提供一種車輛故障診斷預測方法、裝置、設備及車輛，用以解決現有技術中故障診斷預測準確度低的缺陷，通過將故障診斷預測模型的訓練樣本進行優化，提高了故障診斷預測模型的準確度。

本發明提供一種車輛故障診斷預測方法，包括：

采集車輛狀態參數；

輸入所述車輛狀態參數至故障診斷預測模型，輸出故障類型，所述故障診斷預測模型是基于車輛狀態參數樣本和故障類型樣本訓練得到的，所述車輛狀態參數樣本類型是通過對車輛系統的所有數據進行主成分分析得到的；

根據所述故障類型，生成故障解決方案，并發送所述故障類型和所述故障解決方案至用戶終端和/或云端。

根據本發明提供的一種車輛故障診斷預測方法，所述故障診斷預測模型的構建包括：

確定車輛系統中的每個子系統的組成，并對每個所述子系統的工作原理進行解析，獲取每個所述子系統的全部特征數據；

利用主成分分析對每個子系統的所述全部特征數據進行篩選，得到每個子系統的敏感特征數據；

基于每個所述子系統的敏感特征數據，對初始模型進行訓練，構建故障診斷預測模型。

根據本發明提供的一種車輛故障診斷預測方法，所述構建故障診斷預測模型之后，還包括：

利用粒子群優化算法對所述故障診斷預測模型的模型參數進行優化。

根據本發明提供的一種車輛故障診斷預測方法，所述獲取每個所述子系統的全部特征數據之后，還包括：

對所述全部特征數據進行數據清洗，獲取標準數據；

對所述標準數據進行歸一化處理，以歸一化處理后的數據作為所述全部特征數據。

根據本發明提供的一種車輛故障診斷預測方法，所述子系統包括熱管理系統、電機系統和電池系統中的至少一種。

本發明還提供一種車輛故障診斷預測裝置，包括：

采集模塊，用于采集車輛狀態參數；

預測模塊，用于輸入所述車輛狀態參數至故障診斷預測模型，輸出故障類型，所述故障診斷預測模型是基于車輛狀態參數樣本和故障類型樣本訓練得到的，所述車輛狀態參數樣本類型是通過對車輛系統的所有數據進行主成分分析得到的；