车辆方向盘故障的预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种车辆方向盘故障的预测方法、装置、电子设备及存储介质，其预测方法包括：采集预设时间段内的车辆使用数据；将车辆使用数据输入至方向盘故障预测模型中，获得方向盘故障预测模型输出的方向盘抖动频率；根据方向盘抖动频率，对方向盘进行故障预测；其中，方向盘故障预测模型是以车辆使用样本数据作为样本，以与车辆使用样本数据对应的方向盘抖动频率作为标签，进行训练获得；本发明专利技术实施例基于方向盘故障预测模型对采集的车辆使用数据进行处理，通过获取的方向盘抖动频率对方向盘进行故障预测，实现了以量化方式预测方向盘故障，确保了预测结果的可靠性和准确性，有效降低了因方向盘故障导致的交通事故发生率。

Prediction method, device, electronic equipment and storage medium of vehicle steering wheel failure

【技术实现步骤摘要】
车辆方向盘故障的预测方法、装置、电子设备及存储介质
本专利技术涉及车联网与大数据预测
，特别是涉及一种车辆方向盘故障的预测方法、装置、电子设备及存储介质。
技术介绍
当前，随着车联网技术应用发展地越趋深入，5G、云计算、高精度传感器逐步运用到智能汽车中，司乘人员对汽车的智能性、安全性要求越来越高。车辆安全在行车过程中至关重要，方向盘作为汽车上最重要的安全部件之一，是确保汽车沿正确路线行驶的关键。方向盘抖动是很常见的一种故障，直接感觉是方向盘发抖、方向控制困难，及方向盘转动的自由行程变大。方向盘在出现这种情况时，如果不及时排除故障，任其发展，极可能出现转向失灵，甚至造成交通事故。对于方向盘的故障而言，由于方向盘的轴体和轴承的磨损程度受诸多因素影响，如果单从物理属性方面来研究很难获得突破。经过调查得知，当前，主要依赖司机的经验对方向盘的故障进行判定，并根据车辆行驶中感受方向盘是否有抖动，及车辆在低速时方向盘是否发虚等情况来判定，其可靠性低，无法对方向盘的故障进行量化，从而无法获得准确的预测结果。
技术实现思路
本专利技术实施例提供一种车辆方向盘故障的预测方法、装置、电子设备及存储介质，用于至少解决当前依赖司机经验对方向盘故障的判定存在可靠性低，无法对方向盘的故障进行量化，无法获得准确预测结果的问题。为了解决上述技术问题，本专利技术实施例在一方面提供了一种车辆方向盘故障的预测方法，包括：采集预设时间段内的车辆使用数据；将所述车辆使用数据输入至方向盘故障预测模型中，获得所述方向盘故障预测模型输出的方向盘抖动频率；根据所述方向盘抖动频率，对方向盘进行故障预测；其中，所述方向盘故障预测模型是以车辆使用样本数据作为样本，以与所述车辆使用样本数据对应的方向盘抖动频率作为标签，进行训练获得。其中，所述方向盘故障预测模型包括：DNN层、LSTM层和attention层；所述将所述车辆使用数据输入至方向盘故障预测模型中，获得所述方向盘故障预测模型输出的方向盘抖动频率，包括：根据预设的步长和滑动窗口，对所述车辆使用数据进行预处理，获得多个二维数据矩阵；将所述多个二维数据矩阵输入至所述DNN层，获得所述DNN层输出的与用于表征方向盘空间特征的空间特征表达；将所述多个二维数据矩阵和所述步长输入至所述LSTM层，获得所述LSTM层输出的与用于表征方向盘时间特征的时间特征表达；将所述空间特征表达和所述时间特征表达输入至所述attention层，获得与所述车辆使用数据对应的、用于表征方向盘抖动频率的特征表达。其中，所述将所述空间特征表达和所述时间特征表达输入至所述attention层，获得与所述车辆使用数据对应的、用于表征方向盘抖动频率的特征表达，包括：将所述空间特征表达与所述时间特征表达进行特征融合，获得一组权重；利用softmax激活函数对所述权重进行归一化；将所述LSTM层不同时间点的隐含层输出向量与归一化后对应的权重相乘，并求和获得特征表达。其中，所述方法还包括：在attention层融合之后，再通过一个全连接层，并施加dropout层，最后由输出维度为1的全连接层激活输出，激活函数为sigmoid。其中，所述步长为1、3、6或9。其中，训练所述方向盘故障预测模型的过程中，使用均方根对数误差函数作为损失函数。其中，所述车辆使用数据包括：方向盘的基本信息数据、车辆的行驶信息数据、驾驶员的驾驶行为数据和路面信息数据。本专利技术实施例在另一方面提供了一种车辆方向盘故障的预测装置，包括：采集模块，用于采集预设时间段内的车辆使用数据；处理模块，用于将所述车辆使用数据输入至方向盘故障预测模型中，获得所述方向盘故障预测模型输出的方向盘抖动频率；预测模块，用于根据所述方向盘抖动频率，对方向盘进行故障预测；其中，所述方向盘故障预测模型是以车辆使用样本数据作为样本，以与所述车辆使用样本数据对应的方向盘抖动频率作为标签，进行训练获得。本专利技术实施例在另一方面提供了一种电子设备，包括：至少一个处理器、至少一个存储器、通信接口和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行如上所述的方法。本专利技术实施例在另一方面还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上所述的方法。本专利技术实施例提供的车辆方向盘故障的预测方法、装置、电子设备及存储介质，在对车辆方向盘故障进行预测时，通过建立方向盘故障预测模型，该模型在以车辆使用样本数据作为样本，以与车辆使用样本数据对应的方向盘抖动频率作为标签，并进行训练后，具备了对方向盘的故障进行预测的功能，从而在将预设时间段内的车辆使用数据输入该模型时，可输出方向盘抖动频率，从而通过对输出方向盘抖动频率进行阈值判断，即可实现对方向盘故障情况的预测，并及时提醒驾驶人员，该预测方法实现了以量化方式预测方向盘故障，确保了预测结果的可靠性和准确性，可对即将超出使用寿命范围的方向盘进行故障预测，并解决一般驾驶人员无法识别方向盘状态情况，对方向盘故障状态不了解的问题，有效降低了因方向盘故障导致的交通事故发生率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例所示的车辆方向盘故障的预测方法的流程图；图2为本专利技术实施例所示的方向盘故障预测模型组成的结构示意图；图3为本专利技术实施例所示的S2进一步实施的流程图；图4为本专利技术实施例所示的步骤S21中根据预设的步长和滑动窗口，对车辆使用数据进行预处理的示意图；图5为本专利技术实施例所示的基于车辆方向盘故障的预测方法的预测装置的结构示意图；图6为本专利技术实施例所示的电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语本文档来自技高网...

【技术保护点】
1.一种车辆方向盘故障的预测方法，其特征在于，包括：/n采集预设时间段内的车辆使用数据；/n将所述车辆使用数据输入至方向盘故障预测模型中，获得所述方向盘故障预测模型输出的方向盘抖动频率；/n根据所述方向盘抖动频率，对方向盘进行故障预测；/n其中，所述方向盘故障预测模型是以车辆使用样本数据作为样本，以与所述车辆使用样本数据对应的方向盘抖动频率作为标签，进行训练获得。/n

【技术特征摘要】
1.一种车辆方向盘故障的预测方法，其特征在于，包括：
采集预设时间段内的车辆使用数据；
将所述车辆使用数据输入至方向盘故障预测模型中，获得所述方向盘故障预测模型输出的方向盘抖动频率；
根据所述方向盘抖动频率，对方向盘进行故障预测；
其中，所述方向盘故障预测模型是以车辆使用样本数据作为样本，以与所述车辆使用样本数据对应的方向盘抖动频率作为标签，进行训练获得。


2.根据权利要求1所述的车辆方向盘故障的预测方法，其特征在于，所述方向盘故障预测模型包括：DNN层、LSTM层和attention层；相应地，所述将所述车辆使用数据输入至方向盘故障预测模型中，获得所述方向盘故障预测模型输出的方向盘抖动频率，包括：
根据预设的步长和滑动窗口，对所述车辆使用数据进行预处理，获得多个二维数据矩阵；
将所述多个二维数据矩阵输入至所述DNN层，获得所述DNN层输出的用于表征方向盘空间特征的空间特征表达；
将所述多个二维数据矩阵和所述步长输入至所述LSTM层，获得所述LSTM层输出的用于表征方向盘时间特征的时间特征表达；
将所述空间特征表达和所述时间特征表达输入至所述attention层，获得与所述车辆使用数据对应的、用于表征方向盘抖动频率的特征表达。


3.根据权利要求2所述的车辆方向盘故障的预测方法，其特征在于，所述将所述空间特征表达和所述时间特征表达输入至所述attention层，获得与所述车辆使用数据对应的、用于表征方向盘抖动频率的特征表达，包括：
将所述空间特征表达与所述时间特征表达进行特征融合，获得一组权重；
利用softmax激活函数对所述权重进行归一化；
将所述LSTM层不同时间点的隐含层输出向量与归一化后对应的权重相乘，并求和获得特征表达。


4.根据权利要求3所述的车辆方...

【专利技术属性】
技术研发人员：何瑞，章伟，张海波，姜欠，王斌，戴迪昊，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34