【技术实现步骤摘要】
本专利技术属于车辆检测分析，特别涉及一种车辆部件风险预估分析方法。
技术介绍
1、在车辆维修中部件的维修与更换，皆可能影响车辆的车况、部件的使用寿命，其中，部件的维修可能影响部件的强度，而部件的更换，不同替换部件的品类对车辆部件的影响可能极大(如从原厂件更换为高仿件时，高仿件为贴牌假货，质量没保障)。
2、随着全球乘用车市场的持续扩张与车辆交易活动的日益活跃，车辆交易相关产业呈现强劲的发展态势，其中车辆检测产业作为关键支撑环节，正经历着深刻的变革与升级。这一蓬勃发展的景象不仅反映了消费者对汽车消费的旺盛需求，更揭示了行业对精细化、智能化服务的迫切追求。
3、在车辆交易链条中，专业、详尽的检测服务扮演着不可或缺的角色。面对每次检测涉及的数十乃至数百项检查项目——涵盖从发动机、传动系统、悬挂系统、电子设备到车身结构等各类通用且核心的车辆部件——检测工作的复杂性和耗时性成为业界关注的重点。检测师不仅要具备深厚的车辆专业知识，还需在短时间内精准识别潜在故障，避免因遗漏或误判导致检测结果与车辆真实状况产生偏差。这种复杂工作环境不仅对检测师的专业素养与经验提出了极高要求，也给车主带来了等待时间长、信息不对称等不便。
技术实现思路
1、针对上述问题，本专利技术提供一种车辆部件风险预估分析方法。
2、本专利技术提供的车辆部件风险预估分析方法，包括步骤：
3、1、数据预处理；
4、2、数据处理，构建输入序列，得到输入序列；
5、
6、4、训练所述transformer模型；
7、5、所述transformer模型检测应用，
8、其中，
9、所述步骤1步骤：
10、1a、总结车辆部件名称与部件状态并构建成语料库；
11、1b、从所述语料库筛选语料元素，构建高风险部件语料库；
12、1c、依据市场流通车辆创建车型库；
13、1d、对车辆检测和维修信息进行清洗，去除无关信息，只保留与部件状态相关的文本；
14、1e、依据语料库，对所述文本处理，提取部件名称和部件状态信息；
15、1f、依据所述车型库对要分析的车辆识别代码进行解析匹配到相应的车型记录获取车型识别号，
16、所述步骤3包括步骤：
17、3a、调整transformer模型，只需要使用编码器；
18、3b、将所述输入序列传递给所述编码器，让所述编码器学习其中的关联关系；
19、3c、添加分类层到输出向量上，用于预测关联部件的状态；
20、所述步骤4包括步骤：
21、4a、将预选的样本经所述步骤2转换成输入序列来训练所述步骤3所构建的transformer模型；
22、4b、使用交叉熵损失函数来衡量模型预测的准确性；
23、4c、将总交叉熵损失通过模型反向传播，计算梯度；
24、4d、使用优化器adam根据所述梯度更新模型参数，以减小transformer模型输出的预测结果与伪标签之间的交叉熵损失；
25、4e、将所述步骤2构建的输入序列分为训练序列和验证序列，并采用所述训练序列迭代训练所述transformer模型，使用所述验证序列来监控所述transformer模型。
26、进一步，
27、所述语料库包括多个语料元素，每个所述语料元素包括3个语料子元素：第一语料子元素中存储有序号、即语料元素的序号，第二语料子元素中存储有部件名称，第三语料子元素中存储有部件状态；
28、所述高风险部件语料库包括多个高风险部件语料元素，每个所述高风险部件语料元素包括4个高风险部件语料子元素：第一高风险部件语料子元素中存储有序号、即高风险部件语料元素的序号，第二高风险部件语料子元素中存储有车型识别号，第三高风险部件语料元素中存储有部件名称，第四高风险部件语料子元素中存储有部件状态；
29、所述车型库包括至少一个车型元素，每个所述车型元素包括4个车型子元素：第一车型子元素中存储有车型识别号，第二车型子元素中存储有品牌名称，第三车型子元素中存储有车系名称，第四车型子元素中存储有车型名称；
30、所述步骤1f包括步骤：
31、1fa、调用车辆识别代码解析接口，解析获取车辆识别代码对应的品牌名称、车系名称、车型名称；
32、1fb、通过所述品牌名称、车系名称、车型名称到所述车型库中匹配相应的车型元素；
33、1fc、取出匹配到的所述车型元素的车型识别号。
34、进一步，
35、所述步骤2包括以下步骤：
36、2a、样本处理：将每次车辆维修或检测得到的信息视为一个样本，每个所述样本包含至少一个部件及其状态，将车辆的车型和一个所述样本一一对应地表示为一个序列数据：[车型识别号-部件1-状态1，...，车型识别号-部件n-状态n]，其中，n为不小于1的整数，代表每次车辆维修或检测时状态调整的部件个数；
37、2b、文本编码：通过词嵌入将所述序列数据转换为所述transformer模型可以处理的数值形式，得到输入序列：(车型识别号-部件名称1-部件状态1，...，车型识别号-部件名称n-部件状态n)，所述输入序列中包括n个输入数据，第i个数据的格式为：车型识别号-部件名称i-部件状态i，经过所述转换，将所述序列数据中每个部件名称部件i和相应的状态状态i映射到一个固定维度的向量，i为整数，且满足1≤i≤n。
38、进一步，
39、所述步骤3c中，所述分类层的核心为全连接层，所述全连接层用于对前一层即神经网络的最后一个隐藏层提取的特征进行加权求和，并加上一个偏置项，然后通过一个softmax激活函数得到输出，其中，设置部件名称初始偏置项的值为0.74，部件状态初始偏置项的值为0.5。
40、进一步，
41、所述步骤4b包括下列步骤：
42、4ba、自回归生成：对于任一个所述样本所生成的输入序列j，对于其中的第i个数据，使用所述transformer模型根据所述输入序列j中第1个数据至第i个数据预测第i+1个数据中部件及其状态的概率分布即车型部件状态组合；
43、4bb、截断概率分布：为了计算损失，选择一个截断点，具体为设置一个阈值作为截断点，只保留所述车型部件状态组合中的状态的概率大于所述阈值的车型部件状态组合；
44、4bc、构造伪标签：将截断后的所述车型部件状态组合中状态的概率分布作为伪标签；
45、4bd、确保所述transformer模型的输出结果和伪标签具有相同的车型部件状态组合顺序；
46、4be、交叉熵计算：对于所述transformer模型输出结果中的每个部件状态组合，使用其预测概率与对应的所述伪标签中概率计算交叉熵；本文档来自技高网...
【技术保护点】
1.一种车辆部件风险预估分析方法，其特征在于，包括步骤：
2.根据权利要求1所述的车辆部件风险预估分析方法，其特征在于，
3.根据权利要求2所述的车辆部件风险预估分析方法，其特征在于，
4.根据权利要求3所述的车辆部件风险预估分析方法，其特征在于，
5.根据权利要求4所述的车辆部件风险预估分析方法，其特征在于，
6.根据权利要求5所述的车辆部件风险预估分析方法，其特征在于，
7.根据权利要求5或6所述的车辆部件风险预估分析方法，其特征在于，
8.根据权利要求7所述的车辆部件风险预估分析方法，其特征在于，
9.根据权利要求8所述的车辆部件风险预估分析方法，其特征在于，
10.根据权利要求9所述的车辆部件风险预估分析方法，其特征在于，
【技术特征摘要】
1.一种车辆部件风险预估分析方法，其特征在于，包括步骤：
2.根据权利要求1所述的车辆部件风险预估分析方法，其特征在于，
3.根据权利要求2所述的车辆部件风险预估分析方法，其特征在于，
4.根据权利要求3所述的车辆部件风险预估分析方法，其特征在于，
5.根据权利要求4所述的车辆部件风险预估分析方法，其特征在于，
...
【专利技术属性】
技术研发人员：王森，陈诚，
申请(专利权)人：北京酷车易美网络科技有限公司，
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。