一种基于人工智能的车辆故障诊断和维护评估方法技术

本发明专利技术公开了一种一种基于人工智能的车辆故障诊断和维护评估方法，涉及，包括部署车载传感器网络，收集多个异构数据，对所述异构数据进行处理；基于处理后的异构数据，构建故障检测模型，针对所述故障检测模型的结果进行故障判断；构建车辆知识图谱，针对所述故障检测模型的结果生成维护评估方案。本发明专利技术通过部署先进的车载传感器网络和建立全面的历史维修数据库，实现了多源异构数据的全面采集，为后续分析提供了丰富而可靠的数据基础。其次，采用边缘计算技术和多层次自适应融合策略，结合改进的Dempster‑Shafer证据理论和卡尔曼滤波器，实现了异构数据的高效实时处理和融合，显著提高了数据处理的准确性和实时性。

【技术实现步骤摘要】

本专利技术涉及车辆智能诊断与维护，特别是一种基于人工智能的车辆故障诊断和维护评估方法。

技术介绍

1、随着汽车工业的快速发展和智能化程度的不断提升，车辆故障诊断和维护评估技术也经历了从传统的人工经验判断到基于数据驱动的智能化诊断的演变过程。早期的故障诊断主要依赖于机械工程师的经验和简单的诊断仪器，这种方法在处理复杂故障时往往效率低下且准确性有限。随后，基于专家系统的故障诊断方法得到了广泛应用，它通过将专家知识编码为规则库来模拟人类专家的诊断过程。然而，这种方法在面对新型故障或复杂系统时，其适应性和扩展性受到了严重限制。近年来，随着人工智能技术的迅猛发展，基于机器学习的故障诊断方法开始兴起，这些方法能够从大量历史数据中学习故障模式，提高诊断的准确性和效率。

2、尽管如此，现有的车辆故障诊断和维护评估技术仍然存在一些显著的不足。首先，多数系统未能充分利用车辆运行过程中产生的多源异构数据，导致诊断结果的全面性和准确性受到影响。其次，传统的故障检测模型往往是静态的，缺乏对车辆动态运行状态的实时适应能力，难以应对复杂多变的行驶环境和使用条件。再者，现有的本文档来自技高网...

【技术保护点】

1.一种基于人工智能的车辆故障诊断和维护评估方法，其特征在于：包括：

2.如权利要求1所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：对所述异构数据根据证据理论框架和滤波器进行多源异构数据处理；

3.如权利要求2所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：所述滤波器对快速变化的传感器数据进行融合，如下：

4.如权利要求3所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：对所述异构数据进行处理还包括，

5.如权利要求4所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：所述故障检测模型为双流神经网...

【技术特征摘要】

1.一种基于人工智能的车辆故障诊断和维护评估方法，其特征在于：包括：

2.如权利要求1所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：对所述异构数据根据证据理论框架和滤波器进行多源异构数据处理；

3.如权利要求2所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：所述滤波器对快速变化的传感器数据进行融合，如下：

4.如权利要求3所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：对所述异构数据进行处理还包括，

5.如权利要求4所述的基于人工智能的车辆故障诊断和维护评估方法，其特征在于：所述故障检测模型为双流神经网络架构；

6.如权利要求5所述的基于人工智能的车辆故障诊断和维护评估方法...

【专利技术属性】
技术研发人员：孙建宝，戴鹏，何仕良，鲁鸯，徐玲玉，
申请(专利权)人：南京纳通鉴定评估有限公司，
类型：发明
国别省市：