故障判定及其模型训练方法、装置、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故障判定及其模型训练方法、装置、设备及存储介质，其中故障判定模型训练方法包括：获取已上报故障信息的多个车辆原始样本数据；从所述原始样本数据中选取预设数量的目标样本数据；根据所述目标样本数据对应的车辆是否为真实故障车辆的确定结果，为所述目标样本数据标记真实故障标签；根据所述目标样本数据和所述真实故障标签训练得到故障判定模型。通过只选取部分样本确定其对应车辆是否为真实故障车辆，来降低故障判定成本；通过根据真实故障标签进行训练，来提高故障判定准确度。

【技术实现步骤摘要】
故障判定及其模型训练方法、装置、设备及存储介质
本专利技术实施例涉及机器学习
，尤其涉及一种故障判定及其模型训练方法、装置、设备及存储介质。
技术介绍
自动导引运输车(AutomatedGuidedVehicle，AGV)，通常也称为AGV小车，指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车，其可作为搬运机器人应用于无人仓中。目前，AGV小车在运营中经常会上报各种故障，例如，脱轨、导航传感器中断或左右伺服报错等。在上报的这些故障中，实际上有相当大的比例并非AGV小车自身故障引起的，而是由于现场运营的不规范等外部原因引起的，例如是由于场地上存在异物等引起的故障。因此，需要从上报故障的AGV小车中找出真正存在故障的AGV小车，以对其进行后续的检测维修。现常用的AGV小车的故障判定方法为通过分类模型来判定小车是否发生故障。在实现本专利技术的过程中，专利技术人发现现有技术中至少存在以下技术问题：在分类模型训练过程中，若将上报故障的AGV小车皆作为真实故障小车对分类模型进行训练，则训本文档来自技高网...

【技术保护点】
1.一种故障判定模型训练方法，其特征在于，包括：/n获取已上报故障信息的多个车辆的原始样本数据；/n从所述原始样本数据中选取预设数量的目标样本数据；/n根据所述目标样本数据对应的车辆是否为真实故障车辆的确定结果，为所述目标样本数据标记真实故障标签；/n根据所述目标样本数据和所述真实故障标签训练得到故障判定模型。/n

【技术特征摘要】
1.一种故障判定模型训练方法，其特征在于，包括：
获取已上报故障信息的多个车辆的原始样本数据；
从所述原始样本数据中选取预设数量的目标样本数据；
根据所述目标样本数据对应的车辆是否为真实故障车辆的确定结果，为所述目标样本数据标记真实故障标签；
根据所述目标样本数据和所述真实故障标签训练得到故障判定模型。


2.根据权利要求1所述的方法，其特征在于，所述从所述原始样本数据中选取预设数量的目标样本数据，包括：
根据所述原始样本数据训练得到初步故障判定模型，并根据所述初步故障判定模型得到所述原始样本数据对应的故障概率；
基于所述故障概率以及故障概率最大熵策略，从所述原始样本数据中选取预设数量的目标样本数据。


3.根据权利要求2所述的方法，其特征在于，所述基于所述故障概率以及故障概率最大熵策略，从所述原始样本数据中选取预设数量的目标样本数据，包括：
基于所述故障概率以及故障概率最大熵策略，从所述原始样本数据中确定至少一个目标样本数据；
将所述目标样本数据从所述原始样本数据中剔除，根据剔除目标样本数据后的原始样本数据重新训练得到更新后的初步故障判定模型，并根据更新后的初步故障判定模型再次得到目标样本数据，直至目标样本数据的数量达到预设数量为止。


4.根据权利要求3所述的方法，其特征在于，基于所述故障概率以及故障概率最大熵策略，从所述原始样本数据中确定至少一个目标样本数据，包括：
将与预设概率最接近的故障概率所对应的原始样本数据作为目标样本数据。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述车辆为自...

【专利技术属性】
技术研发人员：范超，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：北京;11