基于机器学习的新能源汽车的故障反馈诊断方法及系统技术方案

本发明专利技术提供基于机器学习的新能源汽车的故障反馈诊断方法及系统，其中，方法包括：故障特征采集装置实时采集故障特征，将故障特征发送给所述服务器；服务器接收故障特征，根据故障特征以及基于随机森林算法的故障识别模型，得到故障判断结果；根据故障判断结果匹配对应的故障解决方案，将故障解决方案发送给客户端

【技术实现步骤摘要】
基于机器学习的新能源汽车的故障反馈诊断方法及系统


[0001]本专利技术涉及汽车故障诊断
，尤其涉及基于机器学习的新能源汽车的故障反馈诊断方法及系统
。

技术介绍

[0002]随着环保要求越来越高，汽车行业也开始向新能源汽车行业转变，人们也开始越来越热衷于购买新能源汽车，但是由于目前新能源汽车行业的发展太快，导致目前售后服务以及针对新能源汽车的故障诊断还不是很完善，大量的售后服务人员还是基于传统燃油车的经验对新能源汽车进行诊断，这就造成了车主的抱怨难以得到及时的解决，而直接由车企直接派出专业的技术人员到现场进行故障诊断，则成本较高，尤其是出口海外的业务
。
除此之外，车主一般难以准确用文字或语言描述该故障的特征，这就有可能会导致售后维修人员和技术人员的误判，尤其是当车主和技术人员使用的语言不相同的时候，还需要进行翻译，在这个翻译的过程中可能会造成一些关键信息的丢失或曲解
。
因此现在售后市场上急需一种更优化的故障反馈
、
问题诊断的方法
。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供基于机器学习的新能源汽车的故障反馈诊断方法及系统
。
[0004]基于机器学习的新能源汽车的故障反馈诊断方法，应用于包括有故障特征采集装置
、
服务器和客户端的基于机器学习的新能源汽车的故障反馈诊断系统；其中，所述故障特征采集装置
、
所述服务器和所述客户端通讯连接，包括以下步骤：/>[0005]所述故障特征采集装置实时采集故障特征，将所述故障特征发送给所述服务器；
[0006]所述服务器接收所述故障特征，根据所述故障特征以及基于随机森林算法的故障识别模型，得到故障判断结果；
[0007]根据所述故障判断结果匹配对应的故障解决方案，将所述故障解决方案发送给客户端
。
[0008]在其中一个实施例中，故障识别模型的训练过程包括：
[0009]获取训练用故障特征数据；
[0010]根据所述训练用故障特征数据，确定若干训练用属性集，
[0011]获取所述训练用属性集中任一训练特征；
[0012]根据所述训练特征确定训练熵；
[0013]根据所述训练熵得到故障识别模型
。
[0014]在其中一个实施例中，根据所述训练特征确定训练熵包括：
[0015]g(D,A)
＝
H(D)
–
H(D|A)
[0016]其中，
g(D,A)
表示当前训练数据集
D
是经验熵
H(D)
与特征
A
给定条件下
D
的经验条件熵
H(D|A)
之差，
A
表示任一训练特征，
D
表示当前训练数据集，
H(D)
表示经验熵，
H(D|A)
表
示经验条件熵；
[0017][0018]其中，
Ent(D)
表示训练熵，
p
k
表示当前训练集
D
中第
k
个特征所占比例，
p
k
(k
＝
1,2,
……
,|y|)。
[0019]在其中一个实施例中，将所述故障解决方案发送给客户端，之后还包括：
[0020]所述客户端生成解决反馈消息，将所述解决反馈消息发送给所述服务器；
[0021]所述服务器接收所述解决反馈消息，根据所述解决反馈消息判断问题解决情况，响应于所述问题未解决，发送远程技术支持指令
。
[0022]在其中一个实施例中，还包括：
[0023]将所述解决反馈消息对应的故障特征和远程技术支持指令存储在所述服务器
。
[0024]在其中一个实施例中，故障特征采集装置包括：故障特征采集设备
、
信号采集模块
、
预处理模块和发送模块
。
[0025]在其中一个实施例中，故障特征采集装置实时采集故障特征，将所述故障特征发送给所述服务器包括：
[0026]所述故障特征采集设备通过所述信号采集模块实时采集用户的反馈意见，将所述反馈意见发送给所述预处理模块；
[0027]所述预处理模块对所述反馈意见进行预处理，得到所述故障特征，将所述故障特征发送给所述发送模块；
[0028]所述发送模块将所述故障特征发送给所述服务器
。
[0029]基于机器学习的新能源汽车的故障反馈诊断系统，用于实现如上所述的基于机器学习的新能源汽车的故障反馈诊断方法，包括：
[0030]故障特征采集装置
、
服务器和客户端；
[0031]所述故障特征采集装置实时采集故障特征，将所述故障特征发送给所述服务器；
[0032]所述服务器接收所述故障特征，根据所述故障特征以及基于随机森林算法的故障识别模型，得到故障判断结果；
[0033]根据所述故障判断结果匹配对应的故障解决方案，将所述故障解决方案发送给客户端
。
[0034]一种设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各个实施例中所述的基于机器学习的新能源汽车的故障反馈诊断方法的步骤
。
[0035]一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各个实施例中所述的基于机器学习的新能源汽车的故障反馈诊断方法的步骤
。
[0036]相比于现有技术，本专利技术的优点及有益效果在于：本专利技术能够通过实时故障特征采集装置直接采集故障特征，并使得专业人员可以获取到更加准确的故障特征，而不必通过语言或文字的描述与传递
。
服务器可以对采集到的故障特征进行分类与学习，并给出解决措施，极大的解决了售后维修人员的经验不足的情况
。
如果遇到极端复杂的问题，服务器难以给出更加合理的解决措施，可以发送远程技术支持指令，申请专业人员的远程帮助，专
业技术通过云端可以获得故障特征，通过远程的指导可以给出更加合理的建议和解决措施，而不是每次都要亲临现场
。
大大缩短了问题解决的时间
。
附图说明
[0037]图1为一个实施例中基于机器学习的新能源汽车的故障反馈诊断方法的使用场景示意图；
[0038]图2为一个实施例中基于机器学习的新能源汽车的故障反馈诊断方法的流程示意图；
[0039]图3为一个实施例中故障特征采集装置的结构示意图；
[0040]图4为一个实施例中模型预测过程示意图；
[0041]图5为一个实施例中设备的内部结构示意图
。
具体实施方式
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于机器学习的新能源汽车的故障反馈诊断方法，其特征在于，应用于包括有故障特征采集装置
、
服务器和客户端的基于机器学习的新能源汽车的故障反馈诊断系统；其中，所述故障特征采集装置
、
所述服务器和所述客户端通讯连接；方法包括：所述故障特征采集装置实时采集故障特征，将所述故障特征发送给所述服务器；所述服务器接收所述故障特征，根据所述故障特征以及基于随机森林算法的故障识别模型，得到故障判断结果；根据所述故障判断结果匹配对应的故障解决方案，将所述故障解决方案发送给客户端
。2.
根据权利要求1所述基于机器学习的新能源汽车的故障反馈诊断方法，其特征在于，所述故障识别模型的训练过程包括：获取训练用故障特征数据；根据所述训练用故障特征数据，确定若干训练用属性集，获取所述训练用属性集中任一训练特征；根据所述训练特征确定训练熵；根据所述训练熵得到故障识别模型
。3.
根据权利要求2所述基于机器学习的新能源汽车的故障反馈诊断方法，其特征在于，所述根据所述训练特征确定训练熵包括：
g(D,A)
＝
H(D)
–
H(D|A)
其中，
g(D,A)
表示当前训练数据集
D
是经验熵
H(D)
与特征
A
给定条件下
D
的经验条件熵
H(D|A)
之差，
A
表示任一训练特征，
D
表示当前训练数据集，
H(D)
表示经验熵，
H(D|A)
表示经验条件熵；其中，
Ent(D)
表示训练熵，
p
k
表示当前训练集
D
中第
k
个特征所占比例，
p
k
(k
＝
1,2,
……
,|y|)。4.
根据权利要求1所述基于机器学习的新能源汽车的故障反馈...

【专利技术属性】
技术研发人员：孙晓，唐亚卓，
申请(专利权)人：江苏御传新能源科技有限公司，
类型：发明
国别省市：