[發明專利]車輛故障診斷方法和設備、計算機可讀存儲介質

在審

• 申請號: 202210543427.0
• 申請日: 2022-05-19
• 公開（公告）號: CN114997285A
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 鞏鑫;王凱
• 申請（專利權）人: 蔚來動力科技（合肥）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 董婕

本申請涉及車輛故障診斷方法和設備、計算機可讀存儲介質。所述車輛故障診斷方法包括：接收灰度圖像，其中所述灰度圖像表征用于車輛診斷的診斷數據；利用卷積神經網絡提取所述灰度圖像的特征從而生成特征圖；對所述特征圖進行基于自注意力的處理以得到分類結果，其中所述分類結果指示車輛故障情況；以及基于所述分類結果進行相關度傳播分析以得到貢獻度熱力圖，其中所述貢獻度熱力圖指示所述灰度圖像中各個像素對所述分類結果的貢獻程度。

技術領域

本申請涉及車輛故障診斷，具體而言，涉及車輛故障診斷方法、車輛故障診斷設備以及計算機可讀存儲介質。

背景技術

在新能源汽車大數據分析中，對于多元（即，多個來源）時間序列數據分析，傳統方法局限于依賴專家經驗，因而可能無法發現經驗領域之外的信息。此外，傳統方法的分類結果也無法得到很好的解釋，從而一方面造成機器學習迭代更新速度較慢，另一方也導致在數據樣本分布發生偏移后不夠魯棒。

有鑒于此，需要一種能夠提高車輛故障診斷的改進機制。

發明內容

本申請的實施例提供了車輛故障診斷方法、車輛故障診斷設備以及計算機可讀存儲介質，用于提高車輛故障診斷的效率和準確性。

根據本申請的一方面，提供一種車輛故障診斷方法。所述車輛故障診斷方法包括如下步驟：接收灰度圖像，其中所述灰度圖像表征用于車輛診斷的診斷數據；利用卷積神經網絡提取所述灰度圖像的特征從而生成特征圖；對所述特征圖進行基于自注意力的處理以得到分類結果，其中所述分類結果指示車輛故障情況；以及基于所述分類結果進行相關度傳播分析以得到貢獻度熱力圖，其中所述貢獻度熱力圖指示所述灰度圖像中各個像素對所述分類結果的貢獻程度。

在本申請的一些實施例中，可選地，基于自注意力的處理包括如下步驟：將所述特征圖輸入到自注意力神經網絡的多頭注意力層以提取特征矩陣；將所述特征矩陣輸入到所述自注意力神經網絡的稠密層以生成稀疏化矩陣；以及將所述稀疏化矩陣輸入到所述自注意力神經網絡的全連接及softmax層以得到所述分類結果。

在本申請的一些實施例中，可選地，通過以下步驟產生所述灰度圖像：提取所述診斷數據，其中所述診斷數據包括車輛內的至少一個來源在多個時點上產生的數據；從所述診斷數據中過濾出預定時段內的有效數據； 將所述有效數據中的各個值作歸一化處理；將所述有效數據中的各個歸一化值映射到所述灰度圖像的灰度等級上；以及根據所述有效數據中的各個歸一化值的對應灰度等級構建所述灰度圖，其中所述灰度圖具有對應所述來源的第一維度和對應所述時點的第二維度。

在本申請的一些實施例中，可選地，產生所述灰度圖像還包括如下步驟：在歸一化處理后補充各個來源在斷電期間的歸一化值；以及對所述有效數據中的各個歸一化值進行過濾。

在本申請的一些實施例中，可選地，所述方法還包括如下步驟：接收樣本灰度圖像及其對應的樣本分類結果，其中所述樣本灰度圖像表征用于車輛診斷的樣本數據，并且所述樣本分類結果指示車輛故障情況；以及以所述樣本灰度圖像為所述卷積神經網絡的輸入，并且以所述樣本分類結果為所述自注意力神經網絡的目標輸出，對所述卷積神經網絡和所述自注意力神經網絡進行訓練。

在本申請的一些實施例中，可選地，所述樣本數據為根據經驗規則判斷出現故障的時點為終點的預定時段內的數據，并且所述樣本分類結果為根據所述經驗規則確定的車輛故障情況。

在本申請的一些實施例中，可選地，基于所述分類結果進行相關度傳播分析以得到貢獻度熱力圖包括：利用相關度分析神經網絡基于所述分類結果進行所述相關度傳播分析；其中，所述相關度分析神經網絡包括與所述卷積神經網絡中的每一層、所述自注意力神經網絡中的每一層分別耦合的對應各層。

在本申請的一些實施例中，可選地，所述診斷數據基于車輛的傳感器數據生成。