本發(fā)明實(shí)施例涉及車輛診斷，尤其涉及一種車輛診斷方法、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著社會(huì)發(fā)展和科學(xué)技術(shù)的進(jìn)步，汽車的設(shè)計(jì)與生產(chǎn)也越來越多的采用了電子控制單元(electronic?control?unit，ecu)，這一方面使汽車的自動(dòng)化程度越來越高，性能更加優(yōu)越，操作更加方便靈活，另一方面也對(duì)汽車維修提出了更高的要求。

2、在使用汽車診斷設(shè)備的汽車診斷維修場(chǎng)景中，主要包含兩種場(chǎng)景：1)按照車輛使用手冊(cè)的規(guī)定，在特定的時(shí)間或里程對(duì)車輛進(jìn)行檢查和更換一些易損件；2)使用汽車診斷設(shè)備掃描故障，針對(duì)具體的故障碼進(jìn)行診斷以及維修。然而，在這些場(chǎng)景中，汽車診斷設(shè)備只能根據(jù)已知的規(guī)則或掃描到的故障碼進(jìn)行診斷和維修。對(duì)于一些潛在的問題或故障往往不能識(shí)別，由于許多問題或故障發(fā)生前就已經(jīng)存在一些規(guī)律或明顯的征兆或提示，如果忽略這些征兆或提示，可能導(dǎo)致嚴(yán)重的故障或問題發(fā)生，需要耗費(fèi)更多的維修時(shí)間及維修成本，甚至可能造成更大的損失。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明實(shí)施例其中一個(gè)目的在于提供一種車輛診斷方法、電子設(shè)備及存儲(chǔ)介質(zhì)，旨在解決現(xiàn)有技術(shù)中車輛診斷時(shí)不能識(shí)別潛在的異常、問題或故障的技術(shù)問題。

2、為解決上述技術(shù)問題，本發(fā)明實(shí)施例提供以下技術(shù)方案：

3、第一方面，本發(fā)明實(shí)施例提供一種車輛診斷方法，所述方法包括：

4、獲取當(dāng)前車輛的第一診斷數(shù)據(jù)，其中，所述第一診斷數(shù)據(jù)包括當(dāng)前數(shù)據(jù)流和當(dāng)前里程數(shù)據(jù)；

5、將所述第一診斷數(shù)據(jù)輸入故障預(yù)測(cè)模型中的第一故障預(yù)測(cè)模型，利用所述第一故障預(yù)測(cè)模型獲得所述當(dāng)前車輛的預(yù)測(cè)故障描述信息，所述預(yù)測(cè)故障描述信息包括預(yù)測(cè)故障碼和預(yù)測(cè)故障里程，所述第一故障預(yù)測(cè)模型是基于車輛的第一真實(shí)樣本數(shù)據(jù)，對(duì)預(yù)構(gòu)建的第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練獲得的模型。

6、在一些實(shí)施例中，所述方法還包括：

7、獲取所述當(dāng)前車輛的第二診斷數(shù)據(jù)，所述第二診斷數(shù)據(jù)包括當(dāng)前里程數(shù)據(jù)和預(yù)測(cè)故障碼；

8、將所述第二診斷數(shù)據(jù)輸入所述故障預(yù)測(cè)模型中的第二故障預(yù)測(cè)模型，利用所述第二故障預(yù)測(cè)模型獲得所述預(yù)測(cè)故障碼的預(yù)測(cè)故障發(fā)生概率，其中，所述第二故障預(yù)測(cè)模型是基于車輛的第二真實(shí)樣本數(shù)據(jù)，對(duì)預(yù)構(gòu)建的第二神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練獲得的模型。

9、在一些實(shí)施例中，所述方法還包括：

10、若所述預(yù)測(cè)故障碼的預(yù)測(cè)故障發(fā)生概率大于或等于第一概率閾值，則基于所述預(yù)測(cè)故障碼和第一對(duì)應(yīng)關(guān)系，獲得所述預(yù)測(cè)故障碼的維修建議內(nèi)容，所述第一對(duì)應(yīng)關(guān)系為故障碼和維修建議內(nèi)容的對(duì)應(yīng)關(guān)系。

11、在一些實(shí)施例中，所述方法還包括：

12、獲取車輛的第一真實(shí)樣本數(shù)據(jù)，其中，所述第一真實(shí)樣本數(shù)據(jù)包括第一數(shù)據(jù)和第二數(shù)據(jù)，所述第一數(shù)據(jù)和所述第二數(shù)據(jù)具有對(duì)應(yīng)關(guān)系，所述第一數(shù)據(jù)包括數(shù)據(jù)流和里程數(shù)據(jù)，所述第二數(shù)據(jù)包括真實(shí)故障碼和真實(shí)故障里程；

13、將所述第一數(shù)據(jù)輸入至預(yù)構(gòu)建的第一神經(jīng)網(wǎng)絡(luò)模型，利用深度學(xué)習(xí)算法，獲得預(yù)測(cè)故障碼和預(yù)測(cè)故障里程；

14、根據(jù)所述真實(shí)故障碼、所述預(yù)測(cè)故障碼、所述真實(shí)故障里程以及所述預(yù)測(cè)故障里程，確定第一識(shí)別指標(biāo)的值，并根據(jù)所述第一識(shí)別指標(biāo)的值對(duì)所述第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練，直至所述第一神經(jīng)網(wǎng)絡(luò)模型收斂，獲得所述第一故障預(yù)測(cè)模型，其中，當(dāng)所述第一識(shí)別指標(biāo)的值符合第一預(yù)設(shè)條件時(shí)，所述第一神經(jīng)網(wǎng)絡(luò)模型收斂。

15、在一些實(shí)施例中，所述方法還包括：

16、獲取車輛的第二真實(shí)樣本數(shù)據(jù)，其中，所述第二真實(shí)樣本數(shù)據(jù)包括第三數(shù)據(jù)和第四數(shù)據(jù)，所述第三數(shù)據(jù)和所述第四數(shù)據(jù)具有對(duì)應(yīng)關(guān)系，所述第三數(shù)據(jù)包括：里程數(shù)據(jù)和故障碼，所述第四數(shù)據(jù)包括故障發(fā)生概率；

17、將所述第三數(shù)據(jù)輸入至預(yù)構(gòu)建的第二神經(jīng)網(wǎng)絡(luò)模型，利用深度學(xué)習(xí)算法，獲得預(yù)測(cè)故障發(fā)生概率；

18、根據(jù)所述預(yù)測(cè)故障發(fā)生概率和所述故障發(fā)生概率，確定第二識(shí)別指標(biāo)的值，并根據(jù)所述第二識(shí)別指標(biāo)的值對(duì)所述第二神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練，直至所述第二神經(jīng)網(wǎng)絡(luò)模型收斂，獲得所述第二故障預(yù)測(cè)模型，其中，當(dāng)所述第二識(shí)別指標(biāo)的值符合第二預(yù)設(shè)條件時(shí)，所述第二神經(jīng)網(wǎng)絡(luò)模型收斂。

19、在一些實(shí)施例中，所述方法還包括：

20、建立第一對(duì)應(yīng)關(guān)系，其中，所述第一對(duì)應(yīng)關(guān)系為故障碼和維修建議內(nèi)容的對(duì)應(yīng)關(guān)系。

21、在一些實(shí)施例中，所述當(dāng)前車輛包括多個(gè)部件，一所述部件對(duì)應(yīng)一所述預(yù)測(cè)故障描述信息，所述方法還包括：

22、基于多個(gè)所述部件的預(yù)測(cè)故障描述信息確定滿足故障優(yōu)先級(jí)條件的部件為目標(biāo)部件；

23、生成關(guān)于所述目標(biāo)部件的故障提示信息。

24、在一些實(shí)施例中，所述基于多個(gè)所述部件的預(yù)測(cè)故障描述信息確定滿足故障優(yōu)先級(jí)條件的部件為目標(biāo)部件，包括：

25、在預(yù)設(shè)的故障碼表中遍歷出與候選部件對(duì)應(yīng)的緊急分?jǐn)?shù)，所述候選部件為多個(gè)所述部件中的一個(gè)部件，所述故障碼表包括各類部件以及各類部件對(duì)應(yīng)的緊急分?jǐn)?shù)，所述緊急分?jǐn)?shù)用于表示部件的緊急維修程度；

26、在預(yù)設(shè)的故障里程表中遍歷出與所述候選部件的預(yù)測(cè)故障里程對(duì)應(yīng)的里程分?jǐn)?shù)；

27、對(duì)所述緊急分?jǐn)?shù)與所述里程分?jǐn)?shù)進(jìn)行加權(quán)處理，得到加權(quán)分?jǐn)?shù)；

28、若所述加權(quán)分?jǐn)?shù)大于或等于預(yù)設(shè)分?jǐn)?shù)閾值，則確定所述候選部件滿足故障優(yōu)先級(jí)條件，確定所述候選部件為目標(biāo)部件。

29、第二方面，本發(fā)明實(shí)施例提供一種電子設(shè)備，包括：

30、處理器以及與所述處理器通信連接的存儲(chǔ)器；

31、所述存儲(chǔ)器存儲(chǔ)有所述處理器可執(zhí)行的計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令在被所述處理器調(diào)用時(shí)，以使所述處理器執(zhí)行第一方面所述的任一項(xiàng)車輛診斷方法。

32、第三方面，本發(fā)明實(shí)施例提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有處理器可執(zhí)行的計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令在被處理器調(diào)用時(shí)，以使所述處理器執(zhí)行第一方面所述的任一項(xiàng)車輛診斷方法。

33、本發(fā)明實(shí)施例具有如下有益效果：區(qū)別于現(xiàn)有技術(shù)的情況，本發(fā)明實(shí)施例提供的車輛診斷方法，包括：獲取當(dāng)前車輛的第一診斷數(shù)據(jù)，其中，第一診斷數(shù)據(jù)包括當(dāng)前數(shù)據(jù)流和當(dāng)前里程數(shù)據(jù)，將第一診斷數(shù)據(jù)輸入故障預(yù)測(cè)模型中的第一故障預(yù)測(cè)模型，利用第一故障預(yù)測(cè)模型獲得當(dāng)前車輛的預(yù)測(cè)故障描述信息，預(yù)測(cè)故障描述信息包括預(yù)測(cè)故障碼和預(yù)測(cè)故障里程，第一故障預(yù)測(cè)模型是基于車輛的第一真實(shí)樣本數(shù)據(jù)，對(duì)預(yù)構(gòu)建的第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練獲得的模型。

34、本發(fā)明實(shí)施例通過利用車輛的真實(shí)樣本數(shù)據(jù)訓(xùn)練第一神經(jīng)網(wǎng)絡(luò)模型，使得第一神經(jīng)網(wǎng)絡(luò)模型收斂，得到第一故障預(yù)測(cè)模型，從而利用第一故障預(yù)測(cè)模型預(yù)測(cè)出車輛的潛在故障，即，獲取車輛的數(shù)據(jù)流和里程數(shù)據(jù)，將數(shù)據(jù)流和里程數(shù)據(jù)輸入至第一故障預(yù)測(cè)模型，通過第一故障預(yù)測(cè)模型預(yù)測(cè)出車輛的潛在故障和預(yù)測(cè)故障里程，如此，能夠提前維修解決車輛的潛在故障，減少嚴(yán)重故障或問題的發(fā)生，降低維修成本，減小損失。

技術(shù)特征：

1.一種車輛診斷方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

6.根據(jù)權(quán)利要求4或5所述的方法，其特征在于，所述方法還包括：

7.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述當(dāng)前車輛包括多個(gè)部件，一所述部件對(duì)應(yīng)一所述預(yù)測(cè)故障描述信息，所述方法還包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述基于多個(gè)所述部件的預(yù)測(cè)故障描述信息確定滿足故障優(yōu)先級(jí)條件的部件為目標(biāo)部件，包括：

9.一種電子設(shè)備，其特征在于，包括：

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有處理器可執(zhí)行的計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令在被所述處理器調(diào)用時(shí)，以使所述處理器執(zhí)行如權(quán)利要求1-8任一項(xiàng)所述的車輛診斷方法。

技術(shù)總結(jié)
本發(fā)明實(shí)施例涉及一種車輛診斷方法、電子設(shè)備及存儲(chǔ)介質(zhì)，方法包括：獲取當(dāng)前車輛的第一診斷數(shù)據(jù)，其中，第一診斷數(shù)據(jù)包括當(dāng)前數(shù)據(jù)流和當(dāng)前里程數(shù)據(jù)，將第一診斷數(shù)據(jù)輸入故障預(yù)測(cè)模型中的第一故障預(yù)測(cè)模型，利用第一故障預(yù)測(cè)模型獲得當(dāng)前車輛的預(yù)測(cè)故障描述信息，預(yù)測(cè)故障描述信息包括預(yù)測(cè)故障碼和預(yù)測(cè)故障里程，第一故障預(yù)測(cè)模型是基于車輛的第一真實(shí)樣本數(shù)據(jù)，對(duì)預(yù)構(gòu)建的第一神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練獲得的模型。本發(fā)明實(shí)施例通過獲取車輛的數(shù)據(jù)流和里程數(shù)據(jù)，利用基于真實(shí)樣本數(shù)據(jù)訓(xùn)練得到的第一故障預(yù)測(cè)模型預(yù)測(cè)出車輛的潛在故障，能夠提前維修解決車輛的潛在故障，減少嚴(yán)重故障或問題的發(fā)生，降低維修成本，減小損失。

技術(shù)研發(fā)人員：王少龍,沈晨
受保護(hù)的技術(shù)使用者：深圳市道通科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8