发动机的水温故障预测方法、装置及车辆制造方法及图纸

本申请涉及发动机的水温故障预测方法、装置及车辆，该方法应用于汽车技术领域，该方法包括：获取各车辆的历史运行数据；从历史运行数据中提取每个目标历史时刻之前的第一数据集和每个目标历史时刻之后的第二数据集，根据第一数据集和第二数据集生成对应目标历史时刻的训练样本；按照时间先后顺序排序每个目标历史时刻的训练样本得到训练数据集，利用训练数据集训练预测模型，以基于训练完成的预测模型预测目标车辆的发动机水温故障。该方法可以根据车辆运行状况提前预测发动机水温故障，预留给驾驶员更多时间，使驾驶员选择合适的处理方式，降低发送机水温故障带来的风险。降低发送机水温故障带来的风险。降低发送机水温故障带来的风险。

【技术实现步骤摘要】
发动机的水温故障预测方法、装置及车辆


[0001]本申请涉及汽车
，且更具体地，特别涉及汽车
发动机的水温故障预测方法、装置及车辆。

技术介绍

[0002]发动机水温过高会导致机油变质，零部件强度下降，进入发动机的气体温度升高，密度下降，汽油燃烧效率下降，最终导致汽车发动机工作能力下降。对汽车本身、乘员、交通参与者都会带来危害。目前车辆采用的故障预警方式是点亮故障灯，但是此时发动机的水温已经很高了，仍然带有潜在的危险。
[0003]现有的发动机水温高故障提醒方式是水温达到一定温度后，以故障灯点亮的方式反馈给用户。由于预警时水温已经很高，急需让车辆停下来，但是可能此时的交通情况不方便立即停止车辆，驾驶员无法及时处理，增加了乘员的危险系数。

技术实现思路

[0004]本申请提供了一种发动机的水温故障预测方法、装置及车辆，该方法可以根据车辆运行状况提前预测发动机水温故障，预留给驾驶员更多时间，使驾驶员可以选择合适的处理方式，降低了发送机水温故障带来的风险。
[0005]第一方面，提供了一种发动机的水温故障预测方法，该方法包括：获取各车辆的历史运行数据；从所述历史运行数据中提取每个目标历史时刻之前的第一数据集和所述每个目标历史时刻之后的第二数据集，根据所述第一数据集和所述第二数据集生成对应目标历史时刻的训练样本；按照时间先后顺序排序所述每个目标历史时刻的训练样本得到训练数据集，利用所述训练数据集训练预测模型，以基于训练完成的所述预测模型预测目标车辆的发动机水温故障。
[0006]通过上述技术方案，本申请实施例参考本车和其他车辆的运行信息创建训练样本，并按照时间先后顺序排序训练样本得到基于时间序列的训练数据集，利用训练数据集进行预测模型的训练，由于基于时间序列的训练数据集中数据具有连续性，可以准确确定数据的前后关联性，因此可以提高预测模型对发动机的水温故障预测的准确性，进而可以在实际使用时根据车辆的运行信息提前准确预测发动机的水温故障，可以有效降低发动机水温故障为驾驶员带来的风险。
[0007]结合第一方面，在某些可能的实现方式中，所述根据所述第一数据集和所述第二数据集生成对应目标历史时刻的训练样本，包括：提取所述第一数据集中各车辆的群体特征和个体特征；根据所述第二数据集创建带有预设标签的数据样本标签，基于所述群体特征、所述个体特征和所述带有预设标签的数据生成所述训练样本。
[0008]通过上述技术方案，本申请实施例可以通过提取第一数据集中各车辆的群体特征和个体特征，根据第二数据集创建带有预设标签的数据，利用群体特征、个体特征和带有预设标签的数据生成训练样本，用于后续训练预测模型。
[0009]结合第一方面和上述实现方式，在某些可能的实现方式中，所述第一数据集包括所述各车辆所在区域的区域标识、所述各车辆的车辆标识、所述各车辆的连续信号和所述各车辆的离散信号，所述提取所述第一数据集中各车辆的群体特征和个体特征，包括：对所述连续信号分别进行最大值、最小值、均值、标准差和总和值中的一种或多种数学运算得到一种或多种运算结果，并识别所述离散信号中个数最多的信号作为扩展特征；按照所述各车辆所在区域的区域标识合并所述一种或多种运算结果得到所述各车辆的群体特征，并按照所述各车辆的车辆标识合并所述一种或多种运算结果和所述扩展特征得到所述各车辆的个体特征。
[0010]通过上述技术方案，本申请实施例可以通过车辆的连续信号、离散信号、车辆标识和车辆所在区域的区域标识进行获取得到车辆的群体特征和个体特征。
[0011]结合第一方面和上述实现方式，在某些可能的实现方式中，所述第一数据集包括水温预警标志信号，在按照所述各车辆的车辆标识合并所述一种或多种运算结果和所述扩展特征得到所述各车辆的个体特征之前，还包括：识别第一数据集中所述各车辆出现所述水温预警标志信号的第一个数；删除所述第一个数大于第一预设个数的车辆的个体特征。
[0012]通过上述技术方案，本申请实施例在获取各车辆的个体特征之前，需要删除车辆中出现水温预警标志信号的车辆，以便后续影响训练预测模型。
[0013]结合第一方面和上述实现方式，在某些可能的实现方式中，所述第二数据集包括水温预警标志信号，所述根据所述第二数据集创建带有预设标签的数据，包括：统计所述第二数据集中水温预警标志信号的第二个数；若所述第二个数大于第二预设个数，则所述预设标签为第一标签，否则所述预设标签为第二标签。
[0014]通过上述技术方案，本申请实施例通过统计第二数据集中水温预警标志信号，创建带有预设标签的数据。
[0015]结合第一方面和上述实现方式，在某些可能的实现方式中，所述利用所述训练数据集训练预测模型，包括：按照所述训练数据集中训练样本的时间先后顺序依次划分成第一至第三时间段，其中，第一时间段的任意时间晚于第二时间段的任意时间，第二时间段的任意时间晚于第三时间段的任意时间；将第一时间段内的训练样本作为训练集，将第二时间段内的训练样本作为验证集，将第三时间段内的训练样本作为测试集；利用所述训练集对所述预测模型进行训练，利用所述验证集和所述测试集分别验证和测试训练后的预测模型，直到所述预测模型满足预设性能条件，结束所述预测模型的迭代训练得到训练完成的预测模型，否则调整所述预测模型的模型参数后继续迭代训练。
[0016]通过上述技术方案，本申请实施例基于时间序列对训练数据集进行拆分，避免出现时间穿越影响模型的性能，利用数据集对模型进行训练，得到预测模型。
[0017]第二方面，提供了一种发动机的水温故障预测方法，该方法包括：获取目标车辆的当前运行数据；将所述当前运行数据输入训练完成的预测模型，输出所述目标车辆的发动机水温故障的预测结果，其中，所述预测模型基于训练数据集训练得到，所述训练数据集包括按照时间先后顺序排序的每个目标历史时刻的训练样本，基于从各车辆的历史运行数据中提取的每个目标历史时刻之前的第一数据集和所述每个目标历史时刻之后的第二数据集生成对应目标历史时刻的训练样本。
[0018]第三方面，提供一种发动机的水温故障预测装置，该装置包括：第一获取模块，用
于获取各车辆的历史运行数据；生成模块，用于从所述历史运行数据中提取每个目标历史时刻之前的第一数据集和所述每个目标历史时刻之后的第二数据集，根据所述第一数据集和所述第二数据集生成对应目标历史时刻的训练样本；预测模块，用于按照时间先后顺序排序所述每个目标历史时刻的训练样本得到训练数据集，利用所述训练数据集训练预测模型，以基于训练完成的所述预测模型预测目标车辆的发动机水温故障。
[0019]结合第三方面，在某些可能的实现方式中，所述生成模块进一步用于：提取所述第一数据集中各车辆的群体特征和个体特征；根据所述第二数据集创建带有预设标签的数据，基于所述群体特征、所述个体特征和所述带有预设标签的数据生成所述训练样本。
[0020]结合第三方面和上述实现方式，在某些可能的实现方式中，所述第一数据集包括所述各车辆所在区域的区域标识、所述各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发动机的水温故障预测方法，其特征在于，包括以下步骤：获取各车辆的历史运行数据；从所述历史运行数据中提取每个目标历史时刻之前的第一数据集和所述每个目标历史时刻之后的第二数据集，根据所述第一数据集和所述第二数据集生成对应目标历史时刻的训练样本；按照时间先后顺序排序所述每个目标历史时刻的训练样本，得到训练数据集，利用所述训练数据集训练预测模型，以基于训练完成的所述预测模型预测目标车辆的发动机水温故障。2.根据权利要求1所述的发动机的水温故障预测方法，其特征在于，所述根据所述第一数据集和所述第二数据集生成对应目标历史时刻的训练样本，包括：提取所述第一数据集中各车辆的群体特征和个体特征；根据所述第二数据集创建带有预设标签的数据，基于所述群体特征、所述个体特征和所述带有预设标签的数据生成所述训练样本。3.根据权利要求2所述的发动机的水温故障预测方法，其特征在于，所述第一数据集包括所述各车辆所在区域的区域标识、所述各车辆的车辆标识、所述各车辆的连续信号和所述各车辆的离散信号，所述提取所述第一数据集中各车辆的群体特征和个体特征，包括：对所述连续信号分别进行最大值、最小值、均值、标准差和总和值中的一种或多种数学运算得到一种或多种运算结果，并识别所述离散信号中个数最多的信号作为扩展特征；按照所述各车辆所在区域的区域标识合并所述一种或多种运算结果得到所述各车辆的群体特征，并按照所述各车辆的车辆标识合并所述一种或多种运算结果和所述扩展特征得到所述各车辆的个体特征。4.根据权利要求3所述的发动机的水温故障预测方法，其特征在于，所述第一数据集包括水温预警标志信号，在按照所述各车辆的车辆标识合并所述一种或多种运算结果和所述扩展特征得到所述各车辆的个体特征之前，还包括：识别第一数据集中所述各车辆出现所述水温预警标志信号的第一个数；删除所述第一个数大于第一预设个数的车辆的个体特征。5.根据权利要求2所述的发动机的水温故障预测方法，其特征在于，所述第二数据集包括水温预警标志信号，所述根据所述第二数据集创建带有预设标签的数据，包括：统计所述第二数据集中水温预警标志信号的第二个数；若所述第二个数大于第二预设个数，则创建所述预设标签为第一标签，否则创建所述预设标签为第二标签。6.根据权利要求1所述的发动机的水温故障预测方法，其特征在于，所述利用所述训练数据集训练预测模型，包括：按照所述训练数据集中训练样本的时间先...

【专利技术属性】
技术研发人员：李光辉，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：