车辆系统故障的修复方法、装置、设备、介质和车辆制造方法及图纸

本发明专利技术实施例公开了一种车辆系统故障的修复方法、装置、设备、介质和车辆，其中，该方法包括：获取车辆系统发生故障时的车辆参数信息；将车辆参数信息发送至服务器，以便服务器根据预先训练的故障分类决策模型和车辆参数信息确定故障类型；接收服务器下发的与故障类型对应的修复方案，并执行修复方案。本发明专利技术实施例解决了完全依赖人工修复车辆故障时修复过程繁琐以及成本较高的问题，实现了车辆故障的便捷修复，降低了维护成本。

【技术实现步骤摘要】
车辆系统故障的修复方法、装置、设备、介质和车辆
本专利技术实施例涉及计算机
，尤其涉及一种车辆系统故障的修复方法、装置、设备、介质和车辆。
技术介绍
随着人工智能技术的发展，自动驾驶技术成为社会各界关注的重点。与此同时，车辆作为生活中的重要出行工具，人们对其性能的稳定性和可靠性要求更高。目前，当车辆出现任何故障时，均需要进行人工的诊断与修复。尤其是对于完全自动驾驶的车辆而言，车辆行驶过程中没有人工干预，一旦发生故障，便需要专业人员查找到车辆所在位置并进行维修，整个过程非常繁琐。当自动驾驶车辆数量较多，或者昼夜运行时，人力投入成本极大。因此，针对车辆系统的故障问题，如何实现便捷修复，仍属于目前需要解决的问题。
技术实现思路
本专利技术实施例提供一种车辆系统故障的修复方法、装置、设备、介质和车辆，以实现车辆故障的便捷修复，降低维护成本。第一方面，本专利技术实施例提供了一种车辆系统故障的修复方法，该方法包括：获取车辆系统发生故障时的车辆参数信息；将所述车辆参数信息发送至服务器，以便所述服务器根据预先训练的故障分类决策模型和所述车辆参数信息确定故障类型；接收所述服务器下发的与所述故障类型对应的修复方案，并执行所述修复方案。第二方面，本专利技术实施例还提供了一种车辆系统故障的修复装置，该装置包括：故障参数获取模块，用于获取车辆系统发生故障时的车辆参数信息；故障参数发送模块，用于将所述车辆参数信息发送至服务器，以便所述服务器根据预先训练的故障分类决策模型和所述车辆参数信息确定故障类型；故障修复模块，用于获取模块接收所述服务器下发的与所述故障类型对应的修复方案，并执行所述修复方案。第三方面，本专利技术实施例还提供了一种计算机设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任一实施例所述的车辆系统故障的修复方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例所述的车辆系统故障的修复方法。第五方面，本专利技术实施例还提供了一种车辆，包括车体，还包括如本专利技术实施例所述的计算机设备。本专利技术实施例通过将获取的车辆系统发生故障时的车辆参数信息发送至服务器，由服务器根据预先训练的故障分类决策模型和车辆参数信息确定故障类型，接收服务器下发的与故障类型对应的修复方案，并执行该修复方案，解决了完全依赖人工修复车辆故障时修复过程繁琐以及成本较高的问题，实现了车辆故障的便捷修复，降低了维护成本。附图说明图1是本专利技术实施例一提供的车辆系统故障的修复方法的流程图；图2是本专利技术实施例二提供的车辆系统故障的修复方法的流程图；图3是本专利技术实施例三提供的车辆系统故障的修复方法的流程图；图4是本专利技术实施例四提供的车辆系统故障的修复装置的结构示意图；图5是本专利技术实施例五提供的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一提供的车辆系统故障的修复方法的流程图。本实施例可适用于修复车辆系统的故障的情况，该方法可以由车辆系统故障的修复装置来执行，该装置可以集成在计算机设备上，该计算设备可以配置在车辆上，例如自动驾驶车辆，该计算机设备可以属于车辆系统的一部分。如图1所示，本实施例提供的车辆系统故障的修复方法可以包括：S110、获取车辆系统发生故障时的车辆参数信息。本实施例中的车辆系统包括非自动驾驶系统和自动驾驶系统。车辆参数信息用于记录车辆系统的运行状态，例如车辆系统运行正常或者异常等。可选的，获取的车辆参数信息至少包括日志文件信息、软件模块运行状态、传感器状态和车辆状态等。其中，日志文件信息用于记录车辆系统或系统程序运行中发生的各种事件，软件模块运行状态指车辆系统中集成的各种软件模块的运行是否正常，传感器状态指车辆上安装的图像传感器、激光雷达和GPS定位传感器等器件的运行是否正常，车辆状态包括车辆系统发生故障时的运动状态，例如行驶速度、行驶轨迹和位置等。可选的，获取车辆系统发生故障时的车辆参数信息，包括：通过预先在车辆系统部署的监控软件监控车辆系统的运行状态，并在车辆系统发生故障时获取车辆参数信息。即车辆系统中部署有专门用于监控车辆系统的监控软件。S120、将车辆参数信息发送至服务器，以便服务器根据预先训练的故障分类决策模型和车辆参数信息确定故障类型。不同的车辆参数信息对应不同的故障类型。服务器收到车辆参数信息后，可以将这些参数信息作为故障分类决策模型的输入，经过模型计算，得到与车辆参数信息对应的故障类型。可选的，故障分类决策模型的训练过程包括：获取车辆系统发生故障时的历史车辆参数信息，其中，该历史车辆参数信息包括车辆在任意故障下的参数信息；利用聚类算法对历史车辆参数信息进行聚类，得到多种故障类型；其中，聚类算法包括任意的可实现信息聚类的算法，例如利用k-means聚类算法，将获取的历史车辆参数信息进行分类，并记录每种类型的车辆参数信息对应的故障类型；利用机器学习的方法，分别将历史车辆参数信息和多种故障类型作为模型的输入和输出进行训练，得到故障分类决策模型。通过机器学习的方式确定与车辆参数信息对应的故障类型，相比于人工的故障排查与分析，可以快速而准确地确定出故障类型。S130、接收服务器下发的与故障类型对应的修复方案，并执行修复方案。服务器确定出故障类型后，可以利用决策规划树等算法，确定出对应的修复方案，然后下发至车辆。车辆收到该修复方案后，便自动执行故障的修复，保证车辆运行的安全性。可选的，接收服务器下发的与故障类型对应的修复方案，包括：接收服务器下发的，从预先存储的知识库中确定的与故障类型对应的修复方案，其中，知识库中存储有不同故障类型对应的修复方案。并且，该知识库可以根据车辆故障类型和对应的修复方案的统计更新而进行更新，以保证下发至车辆的修复方案的准确性。本实施例中，从发现车辆故障到自动执行修复的整个过程中，均无需专门的技术人员参与，因而修复过程比较便捷，并且可以降低车辆的维护成本。可选的，在接收服务器下发的与故障类型对应的修复方案，并执行修复方案之后，该方法还包括：利用车辆系统的自检模块对故障进行自检，确定故障是否排除。即当车辆自动执行故障修复后，自检模块会对车辆系统再次进行自检，形成车辆系统故障修复的闭环检测，确认故障被成功排除。如果确定故障已被成功排除，车辆便可恢复至正常的驾驶状态。本实施例技术方案首先通过将获取的车辆系统发生故障时的车辆参数信息发送至服务器，由服务器根据预先训练的故障分类决策模型和车辆参数信息确定故障类型，然后接收服务器下发的与故障类型对应的修复方案，并自动执行故障的修复，解决了完全依赖人工修复车辆故障时修复过程繁琐以及成本较高的问题，实现了车辆故障的便捷修复，提高了车辆运行的安全性，降低了车辆的维护成本。实施例二图2是本专利技术实施例二提供的车辆系统故障的修复方法的流程图，本实施例是在上述实施例的基础上进一步进行优化。如图2所示，该方法可以包括：S2本文档来自技高网...

【技术保护点】
1.一种车辆系统故障的修复方法，其特征在于，包括：获取车辆系统发生故障时的车辆参数信息；将所述车辆参数信息发送至服务器，以便所述服务器根据预先训练的故障分类决策模型和所述车辆参数信息确定故障类型；接收所述服务器下发的与所述故障类型对应的修复方案，并执行所述修复方案。

【技术特征摘要】
1.一种车辆系统故障的修复方法，其特征在于，包括：获取车辆系统发生故障时的车辆参数信息；将所述车辆参数信息发送至服务器，以便所述服务器根据预先训练的故障分类决策模型和所述车辆参数信息确定故障类型；接收所述服务器下发的与所述故障类型对应的修复方案，并执行所述修复方案。2.根据权利要求1所述的方法，其特征在于，所述获取车辆系统发生故障时的车辆参数信息，包括：通过预先在车辆系统部署的监控软件监控车辆系统的运行状态，并在车辆系统发生故障时获取车辆参数信息。3.根据权利要求1所述的方法，其特征在于，所述故障分类决策模型的训练过程包括：获取车辆系统发生故障时的历史车辆参数信息；利用聚类算法对所述历史车辆参数信息进行聚类，得到多种故障类型；利用机器学习的方法，分别将所述历史车辆参数信息和所述多种故障类型作为模型的输入和输出进行训练，得到所述故障分类决策模型。4.根据权利要求1所述的方法，其特征在于，接收所述服务器下发的与所述故障类型对应的修复方案，包括：接收所述服务器下发的，从预先存储的知识库中确定的与所述故障类型对应的修复方案，其中，所述知识库中存储有不同故障类型对应的修复方案。5.根据权利要求1所述的方法，其特征在于，接收所述服务器下发的与所述故障类型对应的修复方案，包括：接收所述服务器下发的，根据预先训练的故障修复模型确定的与所述故障类型对应的修复方案，其中，所述故障修复模型用于根据故障类型给出对应的修复方案。6.根据权利要求5所述的方法，其特征在于，所述故障修复模型的训练过程包括：获取车辆系统发生故障时的历史车辆参数信息；利用聚类算法对所述历史车辆参数信息进行聚类，得到多种故障类型，以及针对每种故障类型进行修复成功的修复方案；将所述历史车辆参数信息、对应的故障类型以及修复成功的修复方案分别作为模型的输入和输出，利用机器学习的方法进行训练，得到所述故障修复模型。7.根据权利要求1所述的方法...

【专利技术属性】
技术研发人员：胡太群，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11