【技术实现步骤摘要】
本申请涉及车辆检测，尤其涉及一种故障识别模型的确定方法及车辆故障的确定方法。
技术介绍
1、目前，在汽车故障预警领域，准确识别车辆潜在问题至关重要,然而，在现有的车辆故障诊断系统中故障检测和预警通常依赖于固定的阈值和规则来识别异常，这些规则和阈值基于车辆制造商提供的标准和经验得到的，因此，会导致这些规则和阈值无法适应不同类型的车辆，且灵活性和准确性较差，进而进一不得导致对应的车辆存在安全隐患。
技术实现思路
1、本申请实施例提供一种，本申请提供的实施例解决了现有技术中故障识别系统无法适应不同类型的车辆，且灵活性和准确性较差的技术问题，本申请提供的实施例实现了能够基于深度学习对不同类型的车辆的故障进行更灵活和准确的预警和识别。
2、本申请实施例的第一方面，本申请实施例提供了一种故障识别模型的确定方法，所述故障识别模型的确定方法包括：
3、将历史车辆对应的样本车辆状态数据先后按照故障类型和故障级别进行分类，确定各个所述历史车辆对应的样本故障标签，其中，所述样本故障标签用于表征包括所述样本车辆状态数据故障类型和故障级别的标签；
4、将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型；
5、基于所述候选故障识别模型、预设文本相似度算法以及预设误差算法，确定所述历史车辆对应的训练好的标准故障识别模型。
6、在一种可行的实施方式中，通过以下方式确定历史车辆对应的
7、获取历史车辆对应的初始车辆状态数据；
8、基于所述初始车辆状态数据和预设局部异常因子算法，确定所述历史车辆对应的第一候选车辆状态数据；
9、基于所述第一候选车辆状态数据和预设归一化算法，确定所述历史车辆对应的第二候选车辆状态数据；
10、基于所述第二候选车辆状态数据进行数据扩充，确定历史车辆对应的样本车辆状态数据。
11、在一种可行的实施方式中，所述将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型，包括：
12、将各个样本车辆状态数据和对应的目标样本故障标签按照预设训练任务进行切分，确定不同训练任务下的第一子样本车辆状态数据和对应的第一目标子样本故障标签；
13、将各个第一子样本车辆状态数据和对应的第一目标子样本故障标签，输入初始故障识别模型中进行训练，确定各个所述训练任务下的训练数据；
14、基于各个所述训练任务下的所述训练数据，确定历史车辆对应的候选故障识别模型。
15、在一种可行的实施方式中，所述初始故障识别模型包括至少一个第一初始故障子识别模型，所述将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型，还包括：
16、将各个样本车辆状态数据和对应的目标样本故障标签按照预设车辆型号进行切分，确定不同型号下的第二子样本车辆状态数据和对应的第二目标子样本故障标签；
17、将各个第二子样本车辆状态数据和对应的第二目标子样本故障标签，输入对应的各个第一初始故障子识别模型中进行训练，确定各个所述型号下的预测类型；
18、基于各个所述预测类型，对各个第一初始故障子识别模型进行整合，确定历史车辆对应的候选故障识别模型。
19、在一种可行的实施方式中，所述基于所述候选故障识别模型、预设文本相似度算法以及预设误差算法，确定所述历史车辆对应的训练好的标准故障识别模型，包括：
20、基于候选故障识别模型和预设误差算法，确定所述候选故障识别模型预测的候选预测标签与样本故障标签之间的误差；
21、基于所述误差，对所述候选故障识别模型进行训练，确定历史车辆对应的中间故障识别模型；
22、基于外部故障标签-历史维修数据库和预设文本相似度算法，确定所述中间故障识别模型预测的中预测标签与样本故障标签之间的相似度；
23、基于所述相似度，对所述中间故障识别模型进行训练，确定所述历史车辆对应的训练好的标准故障识别模型。
24、本申请实施例的第二方面，本申请实施例提供了一种车辆故障的确定方法，所述车辆故障的确定方法包括：
25、将待检测批次下目标车辆的目标车辆状态数据输入训练好的标准故障识别模型中，确定各个所述目标车辆是否存在故障，以及所述故障对应的目标故障类型。
26、本申请实施例的第三方面，本申请实施例提供了一种故障识别模型的确定装置，所述故障识别模型的确定装置包括：
27、第一确定模块，用于将历史车辆对应的样本车辆状态数据先后按照故障类型和故障级别进行分类，确定各个所述历史车辆对应的样本故障标签，其中，所述样本故障标签用于表征包括所述样本车辆状态数据故障类型和故障级别的标签；
28、第二确定模块，用于将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型；
29、第三确定模块，用于基于所述候选故障识别模型、预设文本相似度算法以及预设误差算法，确定所述历史车辆对应的训练好的标准故障识别模型。
30、本申请实施例的第四方面，本申请实施例提供了一种车辆故障的确定装置，所述车辆故障的确定装置包括：
31、确定模块，用于将待检测批次下目标车辆的目标车辆状态数据输入训练好的标准故障识别模型中，确定各个所述目标车辆是否存在故障，以及所述故障对应的目标故障类型。
32、本申请实施例的第五方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器运行时执行如上述的故障识别模型的确定方法的步骤或的车辆故障的确定方法的步骤。
33、本申请实施例的第六方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的故障识别模型的确定方法的步骤或的车辆故障的确定方法的步骤。
34、本申请实施例提供的故障识别模型的确定方法及车辆故障的确定方法，与现有技术相比，本申请提供的实施例通过将历史车辆对应的样本车辆状态数据先后按照故障类型和故障级别进行分类，确定各个样本车辆状态数据对应的样本故障标签，然后将各个样本车辆状态数据和对应的目标样本故障标签输入初始故障识别模型中进行训练，确定历史车辆对应的候选故障识别模型，并基于候选故障识别模型、预设文本相似度算法以及预设误差算法，确定历史车辆对应的训练好的标准故障识别模型，能够基于深度学习对不同类型的车辆的故障进行更灵活和准确的预警和识别。
本文档来自技高网...【技术保护点】
1.一种故障识别模型的确定方法，其特征在于，所述故障识别模型的确定方法包括：
2.根据权利要求1所述的故障识别模型的确定方法，其特征在于，通过以下方式确定历史车辆对应的样本车辆状态数据，所述故障识别模型的确定方法包括：
3.根据权利要求1所述的故障识别模型的确定方法，其特征在于，所述将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型，包括：
4.根据权利要求1所述的故障识别模型的确定方法，其特征在于，所述初始故障识别模型包括至少一个第一初始故障子识别模型，所述将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型，还包括：
5.根据权利要求1所述的故障识别模型的确定方法，其特征在于，所述基于所述候选故障识别模型、预设文本相似度算法以及预设误差算法，确定所述历史车辆对应的训练好的标准故障识别模型，包括：
6.一种车辆故障的确定方法，使用如权利要求1-5任一所述的故障识别模型的确定方
7.一种故障识别模型的确定装置，其特征在于，所述故障识别模型的确定装置包括：
8.一种车辆故障的确定装置，其特征在于，使用如权利要求6所述的训练好的标准故障识别模型，所述车辆故障的确定装置包括：
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器运行时执行如上述权利要求1-5中任一所述的故障识别模型的确定方法的步骤或权利要求6中所述的车辆故障的确定方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述权利要求1-5中任一所述的故障识别模型的确定方法的步骤或权利要求6中所述的车辆故障的确定方法的步骤。
...【技术特征摘要】
1.一种故障识别模型的确定方法，其特征在于，所述故障识别模型的确定方法包括：
2.根据权利要求1所述的故障识别模型的确定方法，其特征在于，通过以下方式确定历史车辆对应的样本车辆状态数据，所述故障识别模型的确定方法包括：
3.根据权利要求1所述的故障识别模型的确定方法，其特征在于，所述将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型，包括：
4.根据权利要求1所述的故障识别模型的确定方法，其特征在于，所述初始故障识别模型包括至少一个第一初始故障子识别模型，所述将各个所述样本车辆状态数据和对应的所述目标样本故障标签输入初始故障识别模型中进行训练，确定所述历史车辆对应的候选故障识别模型，还包括：
5.根据权利要求1所述的故障识别模型的确定方法，其特征在于，所述基于所述候选故障识别模型、预设文本相似度算法以及预设误差算法，确定所述历史车辆对应的训练好的标准故障识别模型，包括：
【专利技术属性】
技术研发人员：曾强胜，许朋涛，吕承杰，范祺，黎永光，
申请(专利权)人：东风汽车集团股份有限公司，
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。