本发明专利技术提供一种车辆发动机故障预警方法，包括：获取训练数据，所述训练数据包括第一时间段内的发动机状态类型以及第一时间段内的发动机相关信号的信号数据；利用所述训练数据对初始隐马尔可夫模型进行训练，得到训练好的隐马尔可夫模型，所述隐马尔可夫模型以所述发动机相关信号的信号数据作为输入，以所述发动机状态类型作为输出；获取预测数据，所述预测数据包括当前时刻以及当前时刻往前一段时间的发动机相关信号的信号数据，并将所述预测数据输入至训练好的隐马尔可夫模型中，得到隐马尔可夫模型输出的预测发动机状态类型，所述预测发动机状态类型包括当前时刻的发动机状态类型以及当前时刻往后一段时间的发动机状态类型。类型。类型。
【技术实现步骤摘要】
车辆发动机故障预警方法、装置、设备及介质
[0001]本申请涉及车辆诊断
，具体涉及一种车辆发动机故障预警方法、装置、设备及介质。
技术介绍
[0002]在传统的车辆故障诊断中，当故障发生后，需要向车端发送DoIP报文，到指定的ECU(电子控制单元)获取故障数据进行诊断，无法做到快速诊断，更无法做到事先预警的效果。
[0003]近年来，车辆故障的诊断和预警逐渐向着远程在线方向发展。随着车联网技术的发展，越来越多的车辆数据上传云端和后台，这给远程诊断和预警提供了数据支撑。利用远程故障诊断，可以有机地将生产和维修结合起来。
[0004]在汽车中，发动机无疑是最重要的部件之一，实现对发动机状态的远程诊断和预警，也应该是优先考虑的工作。因此，如何利用车辆上传的发动机相关数据，实现对发动机状态的远程诊断和预警，是一项具有实际意义的工作。
技术实现思路
[0005]鉴于以上所述现有技术的缺点，本专利技术提供一种车辆发动机故障预警方法、装置、设备及介质，以解决上述技术问题中的至少一个。
[0006]本专利技术提供的一种车辆发动机故障预警方法，所述方法包括：
[0007]获取训练数据，所述训练数据包括第一时间段内的发动机状态类型以及第一时间段内的发动机相关信号的信号数据；
[0008]利用所述训练数据对初始隐马尔可夫模型进行训练，得到训练好的隐马尔可夫模型，所述隐马尔可夫模型以所述发动机相关信号的信号数据作为输入，以所述发动机状态类型作为输出；
[0009]获取预测数据，所述预测数据包括当前时刻以及当前时刻往前一段时间的发动机相关信号的信号数据，并将所述预测数据输入至训练好的隐马尔可夫模型中，得到隐马尔可夫模型输出的预测发动机状态类型，所述预测发动机状态类型包括当前时刻的发动机状态类型以及当前时刻往后一段时间的发动机状态类型。
[0010]于本专利技术一实施例中，在预测出发动机状态类型后，所述方法还包括：
[0011]设置预设条件，判断所述预测发动机状态类型是否满足预设条件；
[0012]当所述预测发动机状态类型满足预设条件时，生成预警提示以及对应所述预测发动机状态类型的故障码。
[0013]于本专利技术一实施例中，所述发动机相关信号包括以下至少之一：发动机转速、发动机冷却液温度、发动机扭矩、环境温度、变速器档位、离合器状态、加速踏板位置、制动开关信号。
[0014]于本专利技术一实施例中，所述获取训练数据，包括：
[0015]收集车辆发动机在第一时间段内的发动机状态类型，以及从数据仓库获取对应车辆在第一时间段内发动机相关信号的信号数据；
[0016]将发动机在第一时间段内的发动机状态类型和在第一时间段内发动机相关信号的信号数据转换为可观测状态的样本数据；
[0017]对所述样本数据进行抽样，得到训练数据。
[0018]于本专利技术一实施例中，在将训练数据输入至隐马尔可夫模型前，所述方法还包括：
[0019]将所述训练数据进行格式转换，得到符合隐马尔可夫模型的输入数据格式的训练数据。
[0020]于本专利技术一实施例中，在对样本数据进行抽取时，按照设定时间长度对样本数据进行抽取，并对抽取的数据进行分段离散化处理。
[0021]于本专利技术一实施例中，在对所述隐马尔可夫模型进行训练时，当隐马尔可夫模型的预测准确率达到预设条件时，停止训练。
[0022]本专利技术提供的一种车辆发动机故障预警装置，所述装置包括：
[0023]数据获取模块，用于获取训练数据，所述训练数据包括第一时间段内的发动机状态类型以及第一时间段内的发动机相关信号的信号数据；
[0024]训练模块，用于利用所述训练数据对初始隐马尔可夫模型进行训练，得到训练好的隐马尔可夫模型，所述隐马尔可夫模型以所述发动机相关信号的信号数据作为输入，以所述发动机状态类型作为输出；
[0025]预测模块，用于获取预测数据，所述预测数据包括当前时刻以及当前时刻往前一段时间的发动机相关信号的信号数据，并将所述预测数据输入至训练好的隐马尔可夫模型中，得到隐马尔可夫模型输出的预测发动机状态类型，所述预测发动机状态类型包括当前时刻的发动机状态类型以及当前时刻往后一段时间的发动机状态类型。
[0026]本专利技术提供的一种电子设备，所述电子设备包括：
[0027]一个或多个处理器；
[0028]存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述的车辆发动机故障预警方法的步骤。
[0029]本专利技术提供的一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行上述车辆发动机故障预警方法的步骤。
[0030]本专利技术的有益效果：本专利技术中的一种车辆发动机故障预警方法，包括：获取训练数据，所述训练数据包括第一时间段内的发动机状态类型以及第一时间段内的发动机相关信号的信号数据；利用所述训练数据对初始隐马尔可夫模型进行训练，得到训练好的隐马尔可夫模型，所述隐马尔可夫模型以所述发动机相关信号的信号数据作为输入，以所述发动机状态类型作为输出；获取预测数据，所述预测数据包括当前时刻以及当前时刻往前一段时间的发动机相关信号的信号数据，并将所述预测数据输入至训练好的隐马尔可夫模型中，得到隐马尔可夫模型输出的预测发动机状态类型，所述预测发动机状态类型包括当前时刻的发动机状态类型以及当前时刻往后一段时间的发动机状态类型。本专利技术的车辆发动机故障预警方法实现了对发动机的可能状态类型的预测预警，有利于行驶中的车辆提前规避因发动机导致的可能风险。
[0031]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不
能限制本申请。
附图说明
[0032]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0033]图1是本申请的一示例性实施例示出的车辆发动机故障预警方法的实施环境示意图；
[0034]图2是本申请的一示例性实施例示出的车辆发动机故障预警方法的流程图；
[0035]图3为本申请一示例性实施例中获取训练数据的流程图；
[0036]图4是本申请的一示例性实施例示出的车辆发动机故障预警装置的框图；图5示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0037]以下将参照附图和优选实施例来说明本专利技术的实施方式，本领域技术人员可由本说明书中所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。应当理解，优本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车辆发动机故障预警方法，其特征在于，所述方法包括：获取训练数据，所述训练数据包括第一时间段内的发动机状态类型以及第一时间段内的发动机相关信号的信号数据；利用所述训练数据对初始隐马尔可夫模型进行训练，得到训练好的隐马尔可夫模型，所述隐马尔可夫模型以所述发动机相关信号的信号数据作为输入，以所述发动机状态类型作为输出；获取预测数据，所述预测数据包括当前时刻以及当前时刻往前一段时间的发动机相关信号的信号数据，并将所述预测数据输入至训练好的隐马尔可夫模型中，得到隐马尔可夫模型输出的预测发动机状态类型，所述预测发动机状态类型包括当前时刻的发动机状态类型以及当前时刻往后一段时间的发动机状态类型。2.根据权利要求1所述的车辆发动机故障预警方法，其特征在于，在预测出发动机状态类型后，所述方法还包括：设置预设条件，判断所述预测发动机状态类型是否满足预设条件；当所述预测发动机状态类型满足预设条件时，生成预警提示以及对应所述预测发动机状态类型的故障码。3.根据权利要求1所述的车辆发动机故障预警方法，其特征在于，所述发动机相关信号包括以下至少之一：发动机转速、发动机冷却液温度、发动机扭矩、环境温度、变速器档位、离合器状态、加速踏板位置、制动开关信号。4.根据权利要求1所述的车辆发动机故障预警方法，其特征在于，所述获取训练数据，包括：收集车辆发动机在第一时间段内的发动机状态类型，以及从数据仓库获取对应车辆在第一时间段内发动机相关信号的信号数据；将发动机在第一时间段内的发动机状态类型和在第一时间段内发动机相关信号的信号数据转换为可观测状态的样本数据；对所述样本数据进行抽样，得到训...
【专利技术属性】
技术研发人员：周禹，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：
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。