【技术实现步骤摘要】
用于分析汽车故障的方法和装置
本专利技术涉及一种用于分析汽车故障的方法和装置。
技术介绍
目前,汽车已成为人类出行必不可少的交通工具。现在的汽车性能越来越完善,结构也越来越复杂,从而对汽车的故障进行诊断的难度也不断增加。当前的汽车故障诊断方法主要是人工诊断法和仪器设备诊断法。由于当前的汽车故障种类繁多、原因多样化,因此不管是采用人工诊断法还是仪器设备诊断法,在诊断汽车故障时都是费时且不够精确的。因此,为了保证行车安全,在汽车发生故障时,希望能够快速且准确地确定发生故障的原因和/或每个原因导致该故障的概率,从而利于维修人员尽快且精确地消除故障。
技术实现思路
提供本
技术实现思路
以便介绍一组概念,这组概念将在以下的具体实施方式中做进一步描述。本
技术实现思路
并非旨在标识所保护主题的关键特征或必要特征,也不旨在用于限制所保护主题的范围。本专利技术的目的在于提供用于分析汽车故障的方法和装置,用以至少部分地克服现有技术存在的缺陷,从而可以快速定位故障原因,得到精准的诊断结果。此外,利用本专利技术的用于分析汽车故障的方法,通过向厂家反馈针对故障的精确的诊断结果,还可以为生产参数可行范围评估提供参考。本专利技术的实施例提供一种用于分析汽车故障的方法和装置,所述方法包括:接收待诊断故障信息;从数据库中获得与所述待诊断故障信息中指示的待诊断故障相关的预定特征;利用故障分析模型对所述待诊断故障信息和所述预定特征进行处理,其中,所述故障分析模型是基于分类算法、使用历史故障数据和历史故障相关特征来训 ...
【技术保护点】
1.一种用于分析汽车故障的方法,包括:/n接收待诊断故障信息;/n从数据库中获得与所述待诊断故障信息中指示的待诊断故障相关的预定特征;/n利用故障分析模型对所述待诊断故障信息和所述预定特征进行处理,其中,所述故障分析模型是基于分类算法、使用历史故障数据和历史故障相关特征来训练融合模型而确定的优选模型;以及/n生成针对所述待诊断故障的故障诊断结果。/n
【技术特征摘要】
1.一种用于分析汽车故障的方法,包括:
接收待诊断故障信息;
从数据库中获得与所述待诊断故障信息中指示的待诊断故障相关的预定特征;
利用故障分析模型对所述待诊断故障信息和所述预定特征进行处理,其中,所述故障分析模型是基于分类算法、使用历史故障数据和历史故障相关特征来训练融合模型而确定的优选模型;以及
生成针对所述待诊断故障的故障诊断结果。
2.如权利要求1所述的方法,其中,所述故障分析模型是进一步基于以下操作来确定的:
获得所述历史故障数据和历史故障相关特征,所述历史故障数据包括历史故障信息和相应的历史诊断结果;
利用所述分类算法对所述历史故障信息进行文本分类,以获得不同类别的历史故障信息;
基于所述不同类别的历史故障信息、所述历史故障相关特征和所述历史诊断结果来训练所述融合模型,以获得针对所述融合模型的融合优选参数;以及
将采用所述融合优选参数的融合优选模型选择用作所述故障分析模型。
3.如权利要求2所述的方法,其中,所述分类算法是BERT算法,以及其中,所述融合模型包括随机森林模型、AdaBoost模型和支持向量机SVM模型,以及其中,训练所述融合模型进一步包括以下操作:
基于所述不同类别的历史故障信息、所述历史故障相关特征和所述历史诊断结果来训练所述随机森林模型和所述AdaBoost模型,以分别确定针对所述随机森林模型的优选参数和针对所述AdaBoost模型的优选参数;
以采用确定的优选参数的所述随机森林模型和所述AdaBoost模型为基层模型,训练所述支持向量机模型以确定针对所述SVM模型的优选参数;
基于所述随机森林模型的优选参数、所述AdaBoost模型的优选参数以及所述SVM模型的优选参数,确定所述融合优选参数。
4.如权利要求1所述的方法,其中,所述故障诊断结果包括以下中的至少一项:与所述待诊断故障相关的结果特征、导致所述待诊断故障的至少一个原因和每个原因的概率。
5.如权利要求4所述的方法,还包括:
将所述故障诊断结果保存在所述数据库中和/或提供至所述融合模型以再次训练所述融合模型。
6.如权利要求5所述的方法,其中,将所述故障诊断结果提供至所述融合模型以再次训练所述融合模型的操作进一步包括:将所述结果特征提供至所述融合模型,以作为更新的历史故障相关特征来再次训练所述融合模型。
7.一种用于分析汽车故障的装置,包括:
接收模块,用于接收待诊断故障信息;
获得模块,用于从数据库中获得与所述待诊断故障信息中指示的待诊断故障相关的预定特征;
处理模块,...
【专利技术属性】
技术研发人员:于上上,S·佩里,P·阿图尔,谷风,
申请(专利权)人:逸驾智能科技有限公司,大众汽车自动变速器大连有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。