[發明專利]一種汽車故障碼解析方法、存儲介質及電子設備

在審

• 申請號: 202211429024.X
• 申請日: 2022-11-15
• 公開（公告）號: CN115687330A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 司徒俊豪;張江波;孫濤;蔡鴻平;吳浩馳
• 申請（專利權）人: 深圳市明睿數據科技有限公司
• 主分類號: G06F16/215
• 分類號: G06F16/215;G06F16/22;G06F18/214;G06N3/04;G06N3/08
• 代理公司: 深圳市漢瑞知識產權代理事務所(普通合伙) 44766
• 代理人: 范高宇

1.一種汽車故障碼解析方法，其特征在于，包括步驟：

S10：獲取故障碼通俗化記錄的數據，將數據清洗后制作為標準化的標簽訓練集；

S20：導入標簽訓練集進行模型訓練，其中：采用BERT作為訓練模型，采用交叉熵函數或焦點損失函數作為損失函數，采用Adam優化器來進行網絡參數的計算和更新，且通過Pytorch框架進行分布式訓練；

S30：將汽車故障碼輸入至訓練好的模型中，解析獲取需要檢修的汽車零配件。

2.根據權利要求1所述的，其特征在于，步驟S10中包括：

S11：獲取故障碼通俗化記錄數據；

S12：數據清洗，剔除故障碼通俗化記錄中的異常值；

S13：制作包含特征的標準化的訓練集標簽，特征包括了品牌、車型、系統編號及故障描述；

S14：清理訓練集標簽中的異常數據；

S15：分層采樣提取驗證集，保證驗證集的每一個標簽都至少有一條以上的測試數據，且驗證集的所有數據都與訓練集的數據不一樣。

3.根據權利要求1所述的，其特征在于，步驟S20搭建模型時包括：

搭建標簽與模型輸入索引映射字典；

采用BERT模型的12層堆疊，經過歸一化指數函數歸一化后，得Value的權重，以達到注意力的效果；

升維或降維匹配標簽數量，采用與標簽數目相匹配的神經元個數的全連接層，進行維度轉換；

增加一層隨機失活，以防止模型過擬合。

4.根據權利要求1所述的，其特征在于，步驟S20中，采用焦點損失函數作為損失函數。

5.根據權利要求1所述的，其特征在于，步驟S30中，解析故障碼時：按汽車報告的系統ID對故障碼進行聚合；根據推理出的汽車零配件，匹配出上一級目錄一起推出；按同一系統的零配件組內進行頻次排序展示，頻次越高，位置越靠前。

6.根據權利要求1所述的，其特征在于，步驟S20中，學習率衰減函數采用預熱學習率的方式：先用最初的小學習率訓練，隨后逐步增加，直到達到預設的較大學習率。

7.根據權利要求1所述的，其特征在于，步驟S20中在進行模型部署時，使用英偉達公司的Triton推理服務，并將訓練好的Pytorch模型轉換為TensorRT使用。

8.一種電子設備，其特征在于，包括用于計算如權利要求1～7任一項所述的汽車故障碼解析方法的步驟的計算模塊。

9.一種計算機可讀存儲介質，其上存儲有計算機指令，其特征在于，所述計算機指令運行時執行權利要求1～7任一項所述的汽車故障碼解析方法的步驟。

10.一種電子設備，包括存儲器和處理器，所述存儲器上存儲有計算機指令，其特征在于，所述計算機指令運行時所述處理器執行權利要求1～7任一項所述的汽車故障碼解析方法的步驟。