CN112306034A - 一种汽车维修方法、装置及其系统 - Google Patents
一种汽车维修方法、装置及其系统 Download PDFInfo
- Publication number
- CN112306034A CN112306034A CN201910712507.2A CN201910712507A CN112306034A CN 112306034 A CN112306034 A CN 112306034A CN 201910712507 A CN201910712507 A CN 201910712507A CN 112306034 A CN112306034 A CN 112306034A
- Authority
- CN
- China
- Prior art keywords
- automobile
- fault
- data
- maintenance
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 344
- 238000000034 method Methods 0.000 title claims abstract description 87
- 230000008439 repair process Effects 0.000 claims abstract description 45
- 208000024891 symptom Diseases 0.000 claims description 41
- 238000003745 diagnosis Methods 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 19
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 238000003062 neural network model Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本发明实施例涉及汽车和软件技术领域,公开了一种汽车维修方法、装置及其系统。其中,汽车维修方法包括:获取待维修汽车的相关数据,所述相关数据包括所述待维修汽车的汽车数据和故障数据;获取所述待维修汽车对应的汽车维修模型;将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型,以得到针对所述待维修汽车的故障解决方案。通过上述方式,本发明实施例能够提高维修效率,减少因维修人员经验不足而造成的维修效果差的情况。
Description
技术领域
本发明实施例涉及汽车和软件技术领域,特别是涉及一种汽车维修方法、装置及其系统。
背景技术
随着汽车产业的不断发展,汽车保有量不断增加,汽车已经成为人们日常生活中不可或缺的一部分。在汽车行驶过程中,汽车的任意部件出现故障都会导致事故的发生,危害人们的人身安全,因此,为了保证汽车行驶的安全性,需要定期对汽车进行故障检查。
目前,主要通过维修人员的维修经验和维修水平对汽车进行故障检查,维修人员对汽车进行故障检查时,凭借维修经验对汽车的故障症状进行判断,并通过不断测试来确定汽车的故障点,需要花费较多的时间,维修效率较低,且若维修人员经验不足或对汽车型号不了解,则无法准确判断出汽车的故障点,进而无法得到故障解决方案,维修效果差。
发明内容
本发明实施例旨在提供一种汽车维修方法、装置及其系统,能够提高维修效率。
为解决上述技术问题,本发明实施例采用的一个技术方案是:提供一种汽车维修方法,包括:
获取待维修汽车的相关数据,所述相关数据包括所述待维修汽车的汽车数据和故障数据;
获取所述待维修汽车对应的汽车维修模型;
将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型,以得到针对所述待维修汽车的故障解决方案。
可选地,所述汽车维修模型是根据样本数据训练得到的;
其中,所述样本数据包括以下至少一种:
汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本、汽车基本信息样本。
可选地,所述获取所述待维修汽车对应的汽车维修模型,包括:
根据所述待维修汽车的汽车数据,获取与所述汽车数据对应的汽车维修模型;
其中,所述汽车数据包括所述待维修汽车的品牌、车型和年款中的至少一种。
可选地,不同汽车数据对应的汽车维修模型是基于不同的神经网络算法训练得到的。
可选地,所述故障解决方案的数量为至少两个,所述方法还包括:
获取用户输入的维修方案选择条件;
根据所述维修方案选择条件,从所述至少两个故障解决方案中选取出目标故障解决方案。
可选地,所述故障解决方案的数量为至少两个,所述方法还包括:
按照所述汽车维修模型的预设输出顺序向用户提供所述至少两个故障解决方案;
其中,所述预设输出顺序是所述汽车维修模型根据所述至少两个故障解决方案与所述待维修汽车的所述故障数据的相关程度确定的。
可选地,所述将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型之后,所述方法还包括:
得到与所述故障解决方案相关联的故障点、维修过程和所述待维修汽车的厂商相关资料中的至少一种。
可选地,所述方法还包括:
将所述故障解决方案填入预设汽车维修案例模板的解决方案模块中,以向用户进行显示;
其中,所述预设汽车维修案例模板还包括以下至少一个模块:
基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块、厂商相关资料模块。
可选地,所述故障数据包括故障代码、故障诊断数据流、故障症状中的至少一个;
其中,所述故障症状是用户输入的,所述故障代码和所述故障诊断数据流是从所述待维修汽车中获取的。
可选地,,所述方法还包括:
获取用户设置的超参数;
根据所述超参数优化所述汽车维修模型。
可选地,所述方法还包括:
获取用户针对所述故障解决方案的反馈结果;
根据所述反馈结果优化所述汽车维修模型。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种汽车维修装置,包括:
获取模块,所述获取模块用于获取待维修汽车的相关数据,所述相关数据包括所述待维修汽车的汽车数据和故障数据;以及
用于获取所述待维修汽车对应的汽车维修模型;
输入模块,所述输入模块用于将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型,以得到针对所述待维修汽车的故障解决方案。
可选地,所述汽车维修模型是根据样本数据训练得到的;
其中,所述样本数据包括以下至少一种:
汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本、汽车基本信息样本。
可选地,所述获取模块具体用于:
根据所述待维修汽车的汽车数据,获取与所述汽车数据对应的汽车维修模型;
其中,所述汽车数据包括所述待维修汽车的品牌、车型和年款中的至少一种。
可选地,不同汽车数据对应的汽车维修模型是基于不同的神经网络算法训练得到的。
可选地,所述故障解决方案的数量为至少两个,所述获取模块还用于:
获取用户输入的维修方案选择条件;
根据所述维修方案选择条件,从所述至少两个故障解决方案中选取出目标故障解决方案。
可选地,所述故障解决方案的数量为至少两个,所述装置还包括:
提供模块,所述提供模块用于按照所述汽车维修模型的预设输出顺序向用户提供所述至少两个故障解决方案;
其中,所述预设输出顺序是所述汽车维修模型根据所述至少两个故障解决方案与所述待维修汽车的所述故障数据的相关程度确定的。
可选地,所述输入模块还用于:
在将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型之后,得到与所述故障解决方案相关联的故障点、维修过程和所述待维修汽车的厂商相关资料中的至少一种。
可选地,所述装置还包括:
填写模块,所述填写模块用于将所述故障解决方案填入预设汽车维修案例模板的解决方案模块中,以向用户进行显示;
其中,所述预设汽车维修案例模板还包括以下至少一个模块:
基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块、厂商相关资料模块。
可选地,所述故障数据包括故障代码、故障诊断数据流、故障症状中的至少一个;
其中,所述故障症状是用户输入的,所述故障代码和所述故障诊断数据流是从所述待维修汽车中获取的。
可选地,所述获取模块还用于:
获取用户设置的超参数;
根据所述超参数优化所述汽车维修模型。
可选地,所述获取模块还用于:
获取用户针对所述故障解决方案的反馈结果;
根据所述反馈结果优化所述汽车维修模型。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种汽车维修系统,包括:
交互单元;
数据存储单元;
结果显示单元;以及
模型训练及运算单元,所述模型训练及运算单元分别与所述交互单元、所述数据存储单元以及所述结果显示单元通信连接;
其中,所述模型训练及运算单元包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行以上所述的一种汽车维修方法。
为解决上述技术问题,本发明实施例采用的另一个技术方案是:提供一种非易失性计算机可读存储介质,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使汽车维修系统执行以上所述的一种汽车维修方法。
本发明实施例的有益效果是:区别于现有技术的情况下,本发明实施例提供一种汽车维修方法、装置及系统,在汽车维修方法中,获取待维修汽车的汽车数据和故障数据后,获取待维修汽车对应的汽车维修模型,通过将汽车数据和故障数据输入汽车维修模型,得到针对待维修汽车的故障解决方案,此时,维修人员能够直接根据故障解决方案对汽车进行维修,不需要通过不断测试来确定故障点,极大地缩短了维修时间,提高维修效率,并且通过汽车维修模型得到的故障解决方案不需要依据维修人员的维修经验和维修水平,能够避免因维修人员经验不足而造成的维修效果差的情况。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明实施例提供的一种汽车维修系统的结构示意图;
图2是本发明实施例提供的一种汽车维修方法的流程示意图;
图3是本发明另一实施例提供的一种汽车维修方法的流程示意图;
图4是本发明又一实施例提供的一种汽车维修方法的流程示意图;
图5是本发明再一实施例提供的一种汽车维修方法的流程示意图;
图6是本发明实施例提供的一种应用场景的结构示意图;
图7是图6所示的应用场景输出的一种汽车维修方案的示意图;
图8是图6所示的应用场景输出的另一种汽车维修方案的示意图;
图9是本发明实施例提供的一种汽车维修装置的结构示意图;
图10是本发明另一实施例提供的一种汽车维修装置的结构示意图;
图11是本发明又一实施例提供的一种汽车维修装置的结构示意图;
图12是本发明实施例提供的一种模型训练及运算单元的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,当元件被表述“固定于”另一个元件,它可以直接在另一个元件上、或者其间可以存在一个或多个居中的元件。当一个元件被表述“连接”另一个元件,它可以是直接连接到另一个元件、或者其间可以存在一个或多个居中的元件。本说明书所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
此外,下面所描述的本发明各个实施例中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种汽车维修方法及装置,该方法及装置应用于汽车维修系统,从而使得该汽车维修系统能够根据待维修汽车的汽车数据和故障数据输出故障解决方案。当维修人员使用汽车维修系统时,将待维修汽车的汽车数据和故障数据输入汽车维修系统,即可获得故障解决方案,无需维修人员依据故障症状进行判断、测试来确定故障点,极大地缩短了维修时间,提高维修效率,并且能够避免因维修人员经验不足而造成的维修效果差的情况。
下面,将通过具体实施例对本发明进行阐述。
请参阅图1,是本发明实施例提供的一种汽车维修系统,该汽车维修系统包括:交互单元100、数据存储单元200、模型训练及运算单元300以及结果显示单元400,模型训练及运算单元300分别与交互单元100、数据存储单元200以及结果显示单元400通信连接。
交互单元100用于与用户进行信息交互。
其中,用户可以为前端维修人员,也可以为后端技术人员。
当用户为前端维修人员时,用户可以通过交互单元100向汽车维修系统交互反馈结果、维修方案选择条件以及待维修汽车的相关数据。
其中,反馈结果为用户针对汽车维修系统输出的故障解决方案的可行性进行的反馈。
维修方案选择条件则为用户设置的个性化需求条件,用于限制汽车维修系统输出的故障解决方案,通过维修方案选择条件能够使汽车维修系统输出满足用户个性化需求的故障解决方案。该维修方案选择条件包括但不限于:可接受价格范围、配件品牌喜好、可接受时长范围等。
待维修汽车的相关数据则包括待维修汽车的汽车数据和故障数据。
汽车数据为表征待维修汽车基本信息的数据,包括但不限于:品牌、车型和年款等。
故障数据则为表征待维修汽车故障情况的数据,包括但不限于:故障代码、故障诊断数据流和故障症状等。
当用户为后端技术人员时,用户可以通过交互单元100向汽车维修系统交互配置信息,该配置信息包括超参数。
其中,超参数用于配置神经网络框架,包括但不限于:隐藏层的层数、每层神经元的个数、学习率、权值衰减和迭代次数等。
该交互单元100包括通信接口,该通信接口能够与汽车故障诊断仪连接,以使交互单元100能够通过汽车故障诊断仪从待维修汽车中获取故障代码、故障诊断数据流以及汽车数据中的至少一种。
该交互单元100还包括键盘或者触控屏幕等物理输入部件,反馈结果、维修方案选择条件、故障症状以及配置信息能够通过键盘或者触控屏幕等物理输入部件输入汽车维修系统。
在一些实施例中,汽车数据也能够通过键盘或者触控屏幕等物理输入部件输入汽车维修系统。
数据存储单元200用于存储样本数据。
其中,样本数据用于训练汽车维修模型,该样本数据包括以下至少一种:汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本以及汽车基本信息样本等。
其中,汽车维修案例样本包括数量若干的汽车维修案例,该汽车维修案例通过预设汽车维修案例模板进行收集。
该预设汽车维修案例模板包括解决方案模块,以及基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块以及厂商相关资料模块中的至少一个模块。
其中,解决方案模块用于收集汽车维修案例中的故障解决方案;基本车辆信息模块用于收集汽车维修案例中的车辆信息,该车辆信息包括品牌、车型、年款、VIN码、里程、发动机型号、变速箱、车型代码、底盘号等;适用车型模块用于收集汽车维修案例中的适用车型;故障现象模块用于收集汽车维修案例中的故障症状;存在的故障码模块用于收集汽车维修案例中存在的故障码;故障点模块用于收集汽车维修案例中的故障可疑点;维修过程模块用于收集汽车维修案例中的维修步骤;案例作者模块用于收集汽车维修案例的作者信息;厂商相关资料模块则用于收集汽车维修案例所涉及的汽车的原厂相关资料,包括电路图、规格参数、部件的拆装方法、拆装工时费用等。
在本发明实施例中,汽车维修案例样本按照汽车品牌、车型、年款进行逐级分类存储。比如:设置若干个品牌的初级数据库,每个品牌的初级数据库包括若干个车型的次级数据库,每个车型的次级数据库包括若干个年款的次次级数据库。
汽车故障代码样本包括汽车故障代码与故障原因的对应关系,该汽车故障代码样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车系统和部件信息样本包括汽车系统中各个部件的损坏概率,该汽车系统和部件信息样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车诊断数据流样本包括汽车诊断数据流与故障原因的对应关系,该汽车诊断数据流样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车故障症状及原因样本包括汽车故障症状与故障原因的对应关系该汽车故障症状及原因样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车基本信息样本则包括品牌、车型、年款等汽车基本信息。
可以理解的是,在本发明实施例中,能够通过汽车维修案例样本训练汽车维修模型,也能够通过汽车维修案例样本、汽车故障代码样本训练汽车维修模型,还能够通过汽车维修案例样本、汽车故障症状及原因样本以及汽车系统和部件信息样本训练汽车维修模型,样本数据的多种组合方式均能够实现汽车维修模型的训练,在此不再一一赘述。
模型训练及运算单元300则用于进行汽车维修模型的训练,其能够根据交互单元100获取的配置信息从数据存储单元200中提取样本数据来训练汽车维修模型。
具体地,交互单元100获取配置信息并将配置信息发送至模型训练及运算单元300后,模型训练及运算单元300根据配置信息配置神经网络框架,并依据神经网络框架从数据存储单元200中提取样本数据,通过预设神经网络算法对样本数据进行训练,得到汽车维修模型。
该模型训练及运算单元300还能够通过汽车维修模型运算得到故障解决方案,并将得到的故障解决方案输出给维修人员,以使维修人员能够根据故障解决方案对待维修汽车进行维修,提高维修人员的维修效率。
具体地,模型训练及运算单元300将交互单元100获取的待维修汽车的相关数据输入待维修汽车对应的汽车维修模型中进行运算,得到针对待维修汽车的故障解决方案。
在一些实施例中,当模型训练及运算单元300得到故障解决方案后,能够根据交互单元100获取的维修方案选择条件选择性输出符合用户个性化需求的故障解决方案。
在一些实施例中,当维修人员根据故障解决方案对待维修汽车进行维修后,还能够通过交互单元100向模型训练及运算单元300反馈故障解决方案的可行性,以使模型训练及运算单元300能够根据反馈结果对汽车维修模型进行优化。
其中,模型训练及运算单元300可由处理器以及存储有代码的存储器实现,处理器调用存储器中的代码以实现模型训练及运算的功能。
结果显示单元400则用于向用户显示模型训练及运算单元300输出的故障解决方案。其中,故障解决方案能够通过预设汽车维修案例模板的形式进行显示。
可以理解的是,结果显示单元400可以为显示屏,也可以为计算机、平板电脑、智能手机等设置有显示屏的外部电子设备。
进一步地,请参阅图2,是本发明实施例提供的一种汽车维修方法的流程示意图,该汽车维修方法应用于上述汽车维修系统,并由上述模型训练及运算单元300执行,用于提高维修人员的维修效率。
具体地,该汽车维修方法包括:
S110:获取待维修汽车的相关数据。
其中,相关数据包括待维修汽车的汽车数据和故障数据。
汽车数据包括待维修汽车的品牌、车型和年款中的至少一种,该汽车数据可以是用户输入的,也可以是从待维修汽车中获取的。
故障数据包括故障代码、故障诊断数据流和故障症状中的至少一个,其中,故障症状是用户输入的,故障代码和故障诊断数据流是从待维修汽车中获取的。
在一些实施例中,能够通过汽车故障诊断仪从待维修汽车中获取汽车数据、故障代码和故障诊断数据流。
S120:获取所述待维修汽车对应的汽车维修模型。
上述汽车维修模型是根据样本数据训练得到的神经网络模型,通过汽车维修模型能够运算得到故障解决方案。
其中,样本数据包括汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本以及汽车基本信息样本中的至少一种。比如,样本数据包括汽车维修案例样本;比如,样本数据包括汽车维修案例样本、汽车故障代码样本;比如,样本数据包括汽车维修案例样本、汽车故障症状及原因样本以及汽车系统和部件信息样本;比如,样本数据包括汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本以及汽车基本信息样本。
其中,汽车维修案例样本包括数量若干的汽车维修案例,该汽车维修案例通过预设汽车维修案例模板进行收集。
该预设汽车维修案例模板包括解决方案模块,以及基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块以及厂商相关资料模块中的至少一个模块。比如,预设汽车维修案例模板包括解决方案模块、基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块以及厂商相关资料模块;比如,预设汽车维修案例模板包括解决方案模块、维修过程模块以及故障现象模块;比如,预设汽车维修案例模板包括解决方案模块、基本车辆信息模块、存在的故障码模块以及厂商相关资料模块。
其中,解决方案模块用于收集汽车维修案例中的故障解决方案;基本车辆信息模块用于收集汽车维修案例中的车辆信息,该车辆信息包括品牌、车型、年款、VIN码、里程、发动机型号、变速箱、车型代码、底盘号等;适用车型模块用于收集汽车维修案例中的适用车型;故障现象模块用于收集汽车维修案例中的故障症状;存在的故障码模块用于收集汽车维修案例中存在的故障码;故障点模块用于收集汽车维修案例中的故障可疑点;维修过程模块用于收集汽车维修案例中的维修步骤;案例作者模块用于收集汽车维修案例的作者信息;厂商相关资料模块则用于收集汽车维修案例所涉及的汽车的原厂相关资料,包括电路图、规格参数、部件的拆装方法、拆装工时费用等。
该汽车维修案例样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车故障代码样本包括汽车故障代码与故障原因的对应关系,该汽车故障代码样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车系统和部件信息样本包括汽车系统中各个部件的损坏概率,该汽车系统和部件信息样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车诊断数据流样本包括汽车诊断数据流与故障原因的对应关系,该汽车诊断数据流样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车故障症状及原因样本包括汽车故障症状与故障原因的对应关系该汽车故障症状及原因样本按照汽车品牌、车型、年款进行逐级分类存储。
汽车基本信息样本则包括品牌、车型、年款等汽车基本信息。
可以理解的是,当通过样本数据训练汽车维修模型时,获取配置信息配置神经网络框架,然后依据神经网络框架提取样本数据,然后通过预设神经网络算法对样本数据进行训练,得到汽车维修模型。
其中,配置信息包括超参数,该超参数用于配置神经网络框架,包括但不限于:隐藏层的层数、每层神经元的个数、学习率、权值衰减和迭代次数等。
所提取的样本数据则包括汽车品牌、车型、年款、故障代码、故障诊断数据流、故障症状、故障解决方案等特征,使得训练出的汽车维修模型能够按照品牌、车型以及年款进行分类。
基于此,获取待维修汽车对应的汽车维修模型时,能够根据所获取的待维修汽车的汽车数据,获取与汽车数据对应的汽车维修模型。
比如,当汽车数据为品牌时,则根据待维修汽车的品牌获取该品牌对应的汽车维修模型;当汽车数据为品牌和车型时,则根据待维修汽车的品牌和车型获取该品牌和车型对应的汽车维修模型。
其中,不同汽车数据对应的汽车维修模型是基于不同的神经网络算法训练得到的。
S130:将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型,以得到针对所述待维修汽车的故障解决方案。
由于汽车维修模型由汽车品牌、车型、年款、故障代码、故障诊断数据流、故障症状、故障解决方案等特征训练得到,因此,将汽车数据和故障数据输入汽车维修模型后,汽车维修模型根据汽车数据和故障数据进行特征匹配,将符合条件的汽车维修模型对应的故障解决方案确定为待维修汽车的故障解决方案。
其中,所得到的待维修汽车的故障解决方案的数量可以为1个,也可以为至少两个。
当所得到的故障解决方案的数量为1个时,能够直接将故障解决方案输出给维修人员。
当所得到的故障解决方案的数量为至少两个时,能够选择1个故障解决方案输出给维修人员,也能够将全部故障解决方案输出给维修人员。
当选择1个故障解决方案输出给维修人员时,为了满足车主的个性化需求,请参阅图3,该汽车维修方法还包括:
S140:获取用户输入的维修方案选择条件;
S150:根据所述维修方案选择条件,从所述至少两个故障解决方案中选取出目标故障解决方案。
其中,维修方案选择条件为用户设置的个性化需求条件,用于限制故障解决方案的输出,通过维修方案选择条件能够输出满足车主个性化需求的故障解决方案。该维修方案选择条件包括但不限于:可接受价格范围、配件品牌喜好、可接受时长范围等。
举例而言,当用户输入的维修方案选择条件包括可接受价格范围500-800时,若得到的故障解决方案A和故障解决方案B中,故障解决方案A的维修价格为600,故障解决方案B的维修价格为1000,则故障解决方案A符合用户输入的维修方案选择条件,将故障解决方案A输出给维修人员。
可以理解的是,在本发明实施例中,步骤S140可以与步骤S110-S130中任意一步同时进行,也可以在步骤S130后执行,在此不做具体限定。
当将全部故障解决方案输出给维修人员时,为了方便维修人员选择,请参阅图4,该汽车维修方法还包括:
S240:按照所述汽车维修模型的预设输出顺序向用户提供所述至少两个故障解决方案。
其中,所述预设输出顺序是所述汽车维修模型根据所述至少两个故障解决方案与所述待维修汽车的所述故障数据的相关程度确定的。
举例而言,当所获取的故障数据包括更换轮胎后胎压警告指示灯亮时,若得到的故障解决方案A和故障解决方案B中,故障解决方案A是根据更换轮胎后胎压警告指示灯亮的特征得出,故障解决方案B是根据警告指示灯亮的特征得出,则故障解决方案A与待维修汽车的故障数据的相关程度大于故障解决方案B与待维修汽车的故障数据的相关程度,因此,先输出故障解决方案A后再输出故障解决方案B,即故障解决方案A排列在第一位,故障解决方案B排列在第二位。
进一步地,在一些实施例中,在将待维修汽车的汽车数据和故障数据输入汽车维修模型之后,还能够得到与故障解决方案相关联的故障点、维修过程和待维修汽车的厂商相关资料中的至少一种,以方便维修人员能够根据故障解决方案以及与故障解决方案相关联的故障点、维修过程或者厂商相关资料进行快速维修。
其中,厂商相关资料为待维修汽车的原厂相关资料,包括电路图、规格参数、部件的拆装方法、拆装工时费用等。
当得到与故障解决方案相关联的故障点后,将全部故障解决方案输出给维修人员时,还能够根据至少两个故障解决方案相关联的故障点的故障概率确定至少两个故障解决方案的输出顺序。
进一步地,在一些实施例中,在将得到的故障解决方案输出给维修人员时,为了方便显示以及方便维修人员快速提取有用信息,请参阅图5,该汽车维修方法还包括:
S340:将所述故障解决方案填入预设汽车维修案例模板的解决方案模块中,以向用户进行显示。
进一步地,为了增加汽车维修模型的准确性,还能够对汽车维修模型进行优化。
具体地,在一些实施例中,对汽车维修模型进行优化时,获取用户设置的超参数,根据超参数优化汽车维修模型。比如,能够通过改变超参数设置优化汽车维修模型。
在另一些实施例中,对汽车维修模型进行优化时,还能够获取用户针对故障解决方案的反馈结果,根据反馈结果优化汽车维修模型。
其中,反馈结果为用户针对汽车维修系统输出的故障解决方案的可行性进行的反馈。
当故障解决方案可行时,将该故障解决方案、汽车数据及故障数据整合成新的汽车维修案例,输入汽车维修案例样本中,以训练新的汽车故障模型,实现汽车故障模型的不断优化。
当故障解决方案不可行时,维修人员在线反馈问题,以使技术人员针对维修人员反馈的问题进行汽车维修模型的优化。
下面结合图6至图8,具体描述本发明实施例中涉及的一种应用场景的实例。
以维修汽车为丰田RAV4,且该待维修汽车的故障症状为更换轮胎后胎压警告指示灯亮为例进行说明。
如图6所示,后端技术人员将配置信息发送至汽车维修系统的启发式规则配置模块后,启发式规则配置模块将配置信息发送至神经网络模型,神经网络模型根据配置信息配置神经网络框架,并依据配置后的神经网络框架提取样本数据,通过预设神经网络算法对样本数据进行训练,得到汽车维修模型。其中,汽车维修系统的启发式规则配置模块还能够用于启发前端用户输入维修方案的选择条件,或者,还可以在前端或后端均设置启发式规则配置模块,以提供不同的用户接口至前端维修人员或后端技术人员。启发式规则配置模块可以由处理器运行代码实现该模块的功能,其可配置在前端设备或后端设备中,或者,配置在本申请实施例的汽车维修系统中。
当前端维修人员维修丰田RAV4时,将丰田RAV4通过汽车故障诊断仪与汽车维修系统连接,此时,汽车故障诊断仪可以通过用户输入和/或从丰田RAV4中获取,得到丰田RAV4的相关数据,如品牌、车型、故障代码、故障症状等,
当汽车故障诊断仪向汽车维修系统的神经网络模型输出丰田RAV4的品牌为丰田、车型为RAV4、故障代码为C2123/23和C2123/24(该故障代码是从丰田RAV4中获取到的)时,神经网络模型根据品牌和车型进行特征匹配,获取与丰田RAV4对应的汽车维修模型,并将丰田、RAV4、C2123/23和C2123/24输入所获取的与丰田RAV4对应的汽车维修模型中,此时,汽车维修模型根据品牌、车型和故障代码进行运算,输出与丰田、RAV4、C2123/23和C2123/24对应的故障解决方案包括更换胎压传感器、更换胎压控制器和维修胎压控制电路等,此时或此前,若维修人员向汽车维修系统的神经网络模型输入维修方案选择条件为可接受价格范围100-200,即维修人员可以在神经网络模型运算之前,将维修方案选择条件作为输入参数之一输入至神经网络模型,或者,在神经网络模型运算时,根据提示输入维修方案选择条件,则神经网络模型根据可接受价格范围100-200筛选出符合的故障解决方案为更换胎压传感器,并将更换胎压传感器填入预设汽车维修案例模板的解决方案模块中,将丰田和RAV4填入预设汽车维修案例模板的基本车辆信息模块中,将C2123/23和C2123/24填入预设汽车维修案例模板的存在的故障码模块中,得到如图7所示的汽车维修方案显示给维修人员,进一步地,该汽车维修方案中还可以显示维修过程,其可以作为二级显示页面,在维修人员需要进一步查看时,显示给维修人员,进一步地,该汽车维修方案中还可以包括与丰田RAV4相关的电路图、规格参数、部件的拆装方法等厂商相关资料,以供维修人员在执行汽车维修方案时进行参考;若维修人员未向汽车维修系统的神经网络模型输入维修方案选择条件,则神经网络模型按照汽车维修模型的预设输出顺序先输出更换胎压传感器的方案,再输出更换胎压控制器的方案,再输出维修胎压控制电路的方案;维修人员根据汽车维修系统显示的汽车维修方案维修该丰田RAV4,若维修成功,则向汽车维修系统反馈可行,此时,汽车维修系统将该汽车维修方案作为新的案例输入汽车维修案例样本中;若维修不成功,则向汽车维修系统反馈不可行,并向汽车维修系统反馈问题,以使技术人员能够针对维修人员反馈的问题进行优化;
当汽车故障诊断仪向汽车维修系统的神经网络模型输出丰田RAV4的品牌为丰田、车型为RAV4、故障症状为更换轮胎后胎压警告指示灯亮(该故障症状为维修人员通过汽车故障诊断仪输入的)时,神经网络模型根据品牌和车型进行特征匹配,获取与丰田RAV4对应的汽车维修模型,并将丰田、RAV4和更换轮胎后胎压警告指示灯亮输入所获取的与丰田RAV4对应的汽车维修模型中,此时,汽车维修模型根据品牌、车型和故障症状进行运算,输出与丰田、RAV4和更换轮胎后胎压警告指示灯亮对应的故障解决方案包括更换胎压传感器、更换胎压控制器和维修胎压控制电路等,此时或此前,若维修人员向汽车维修系统的神经网络模型输入维修方案选择条件为可接受价格范围100-200,即维修人员可以在神经网络模型运算之前,将维修方案选择条件作为输入参数之一输入至神经网络模型,或者,在神经网络模型运算时,根据提示输入维修方案选择条件,则神经网络模型根据可接受价格范围100-200筛选出符合的故障解决方案为更换胎压传感器,并将更换胎压传感器填入预设汽车维修案例模板的解决方案模块中,将丰田和RAV4填入预设汽车维修案例模板的基本车辆信息模块中,将更换轮胎后胎压警告指示灯亮填入预设汽车维修案例模板的故障现象模块中,得到如图8所示的汽车维修方案显示给维修人员,进一步地,该汽车维修方案中还可以显示维修过程,其可以作为二级显示页面,在维修人员需要进一步查看时,显示给维修人员,进一步地,该汽车维修方案中还可以包括与丰田RAV4相关的电路图、规格参数、部件的拆装方法等厂商相关资料,以供维修人员在执行汽车维修方案时进行参考;若维修人员未向汽车维修系统的神经网络模型输入维修方案选择条件,则神经网络模型按照汽车维修模型的预设输出顺序先输出更换胎压传感器的方案,再输出更换胎压控制器的方案,再输出维修胎压控制电路的方案;维修人员根据汽车维修系统显示的汽车维修方案维修该丰田RAV4,若维修成功,则向汽车维修系统反馈可行,此时,汽车维修系统将该汽车维修方案作为新的案例输入汽车维修案例样本中;若维修不成功,则向汽车维修系统反馈不可行,并向汽车维修系统反馈问题,以使技术人员能够针对维修人员反馈的问题进行优化。
在本发明实施例中,通过将汽车数据和故障数据输入待维修汽车对应的汽车维修模型,得到针对待维修汽车的故障解决方案,使得维修人员能够直接根据故障解决方案对汽车进行维修,不需要通过不断测试来确定故障点,极大地缩短了维修时间,提高维修效率,并且通过汽车维修模型得到的故障解决方案不需要依据维修人员的维修经验和维修水平,能够避免因维修人员经验不足而造成的维修效果差的情况。
进一步地,请参阅图9,是本发明实施例提供的一种汽车维修装置的结构示意图,该汽车维修装置应用于上述汽车维修系统,并且该汽车维修装置各个模块的功能由上述模型训练及运算单元300执行,用于提高维修人员的维修效率。
值得注意的是,本发明实施例所使用的术语“模块”为可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置可以以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能被构想的。
具体地,该汽车维修装置包括:
获取模块500,所述获取模块500用于获取待维修汽车的相关数据,所述相关数据包括所述待维修汽车的汽车数据和故障数据;以及
用于获取所述待维修汽车对应的汽车维修模型;
输入模块600,所述输入模块600用于将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型,以得到针对所述待维修汽车的故障解决方案。
在一些实施例中,所述汽车维修模型是根据样本数据训练得到的;
其中,所述样本数据包括以下至少一种:
汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本、汽车基本信息样本。
在一些实施例中,所述获取模块500具体用于:
根据所述待维修汽车的汽车数据,获取与所述汽车数据对应的汽车维修模型;
其中,所述汽车数据包括所述待维修汽车的品牌、车型和年款中的至少一种。
在一些实施例中,不同汽车数据对应的汽车维修模型是基于不同的神经网络算法训练得到的。
在一些实施例中,所述故障解决方案的数量为至少两个,所述获取模块500还用于:
获取用户输入的维修方案选择条件;
根据所述维修方案选择条件,从所述至少两个故障解决方案中选取出目标故障解决方案。
请参阅图10,在一些实施例中,所述故障解决方案的数量为至少两个,所述装置还包括:
提供模块700,所述提供模块700用于按照所述汽车维修模型的预设输出顺序向用户提供所述至少两个故障解决方案;
其中,所述预设输出顺序是所述汽车维修模型根据所述至少两个故障解决方案与所述待维修汽车的所述故障数据的相关程度确定的。
在一些实施例中,所述输入模块600还用于:
在将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型之后,得到与所述故障解决方案相关联的故障点、维修过程和所述待维修汽车的厂商相关资料中的至少一种。
请参阅图11,在一些实施例中,所述装置还包括:
填写模块800,所述填写模块800用于将所述故障解决方案填入预设汽车维修案例模板的解决方案模块中,以向用户进行显示;
其中,所述预设汽车维修案例模板还包括以下至少一个模块:
基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块、厂商相关资料模块。
在一些实施例中,所述故障数据包括故障代码、故障诊断数据流、故障症状中的至少一个;
其中,所述故障症状是用户输入的,所述故障代码和所述故障诊断数据流是从所述待维修汽车中获取的。
在一些实施例中,所述获取模块500还用于:
获取用户设置的超参数;
根据所述超参数优化所述汽车维修模型。
在一些实施例中,所述获取模块500还用于:
获取用户针对所述故障解决方案的反馈结果;
根据所述反馈结果优化所述汽车维修模型。
由于装置实施例和方法实施例是基于同一构思,在内容不互相冲突的前提下,装置实施例的内容可以引用方法实施例的,在此不再一一赘述。
在其他一些可替代实施例中,上述获取模块500、输入模块600、提供模块700以及填写模块800可以为模型训练及运算单元300的处理芯片。
在本发明实施例中,通过将汽车数据和故障数据输入待维修汽车对应的汽车维修模型,得到针对待维修汽车的故障解决方案,使得维修人员能够直接根据故障解决方案对汽车进行维修,不需要通过不断测试来确定故障点,极大地缩短了维修时间,提高维修效率,并且通过汽车维修模型得到的故障解决方案不需要依据维修人员的维修经验和维修水平,能够避免因维修人员经验不足而造成的维修效果差的情况。
进一步地,请参阅图12,是本发明实施例提供的一种模型训练及运算单元的硬件结构示意图,包括:
一个或多个处理器310以及存储器320。其中,图12中以一个处理器310为例。
处理器310和存储器320可以通过总线或者其他方式连接,图12中以通过总线连接为例。
存储器320作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本发明上述实施例中的一种汽车维修方法对应的程序指令以及一种汽车维修装置对应的模块(例如,获取模块500、输入模块600、提供模块700和填写模块800等)。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块,从而执行一种汽车维修方法的各种功能应用以及数据处理,即实现上述方法实施例中的一种汽车维修方法以及上述装置实施例的各个模块的功能。
存储器320可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据一种汽车维修装置的使用所创建的数据等。
所述存储数据区还存储有预设的数据,包括预设输出顺序等。
此外,存储器320可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器320可选包括相对于处理器310远程设置的存储器,这些远程存储器可以通过网络连接至处理器310。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令以及一个或多个模块存储在所述存储器320中,当被所述一个或者多个处理器310执行时,执行上述任意方法实施例中的一种汽车维修方法的各个步骤,或者,实现上述任意装置实施例中的一种汽车维修装置的各个模块的功能。
上述产品可执行本发明上述实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明上述实施例所提供的方法。
本发明实施例还提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如图12中的一个处理器310,可使得计算机执行上述任意方法实施例中的一种汽车维修方法的各个步骤,或者,实现上述任意装置实施例中的一种汽车维修装置的各个模块的功能。
本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被一个或多个处理器执行,例如图12中的一个处理器310,可使得计算机执行上述任意方法实施例中的一种汽车维修方法的各个步骤,或者,实现上述任意装置实施例中的一种汽车维修装置的各个模块的功能。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述,本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施方法的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (24)
1.一种汽车维修方法,其特征在于,包括:
获取待维修汽车的相关数据,所述相关数据包括所述待维修汽车的汽车数据和故障数据;
获取所述待维修汽车对应的汽车维修模型;
将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型,以得到针对所述待维修汽车的故障解决方案。
2.根据权利要求1所述的方法,其特征在于,所述汽车维修模型是根据样本数据训练得到的;
其中,所述样本数据包括以下至少一种:
汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本、汽车基本信息样本。
3.根据权利要求1或2所述的方法,其特征在于,所述获取所述待维修汽车对应的汽车维修模型,包括:
根据所述待维修汽车的汽车数据,获取与所述汽车数据对应的汽车维修模型;
其中,所述汽车数据包括所述待维修汽车的品牌、车型和年款中的至少一种。
4.根据权利要求3所述的方法,其特征在于,不同汽车数据对应的汽车维修模型是基于不同的神经网络算法训练得到的。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述故障解决方案的数量为至少两个,所述方法还包括:
获取用户输入的维修方案选择条件;
根据所述维修方案选择条件,从所述至少两个故障解决方案中选取出目标故障解决方案。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述故障解决方案的数量为至少两个,所述方法还包括:
按照所述汽车维修模型的预设输出顺序向用户提供所述至少两个故障解决方案;
其中,所述预设输出顺序是所述汽车维修模型根据所述至少两个故障解决方案与所述待维修汽车的所述故障数据的相关程度确定的。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型之后,所述方法还包括:
得到与所述故障解决方案相关联的故障点、维修过程和所述待维修汽车的厂商相关资料中的至少一种。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述方法还包括:
将所述故障解决方案填入预设汽车维修案例模板的解决方案模块中,以向用户进行显示;
其中,所述预设汽车维修案例模板还包括以下至少一个模块:
基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块、厂商相关资料模块。
9.根据权利要求1至8中任一项所述的方法,其特征在于,
所述故障数据包括故障代码、故障诊断数据流、故障症状中的至少一个;
其中,所述故障症状是用户输入的,所述故障代码和所述故障诊断数据流是从所述待维修汽车中获取的。
10.根据权利要求1至9中任一项所述的方法,其特征在于,所述方法还包括:
获取用户设置的超参数;
根据所述超参数优化所述汽车维修模型。
11.根据权利要求1至10中任一项所述的方法,其特征在于,所述方法还包括:
获取用户针对所述故障解决方案的反馈结果;
根据所述反馈结果优化所述汽车维修模型。
12.一种汽车维修装置,其特征在于,包括:
获取模块,所述获取模块用于获取待维修汽车的相关数据,所述相关数据包括所述待维修汽车的汽车数据和故障数据;以及
用于获取所述待维修汽车对应的汽车维修模型;
输入模块,所述输入模块用于将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型,以得到针对所述待维修汽车的故障解决方案。
13.根据权利要求12所述的装置,其特征在于,所述汽车维修模型是根据样本数据训练得到的;
其中,所述样本数据包括以下至少一种:
汽车维修案例样本、汽车故障代码样本、汽车系统和部件信息样本、汽车诊断数据流样本、汽车故障症状及原因样本、汽车基本信息样本。
14.根据权利要求12或13所述的装置,其特征在于,所述获取模块具体用于:
根据所述待维修汽车的汽车数据,获取与所述汽车数据对应的汽车维修模型;
其中,所述汽车数据包括所述待维修汽车的品牌、车型和年款中的至少一种。
15.根据权利要求14所述的装置,其特征在于,不同汽车数据对应的汽车维修模型是基于不同的神经网络算法训练得到的。
16.根据权利要求12至15中任一项所述的装置,其特征在于,所述故障解决方案的数量为至少两个,所述获取模块还用于:
获取用户输入的维修方案选择条件;
根据所述维修方案选择条件,从所述至少两个故障解决方案中选取出目标故障解决方案。
17.根据权利要求12至15中任一项所述的装置,其特征在于,所述故障解决方案的数量为至少两个,所述装置还包括:
提供模块,所述提供模块用于按照所述汽车维修模型的预设输出顺序向用户提供所述至少两个故障解决方案;
其中,所述预设输出顺序是所述汽车维修模型根据所述至少两个故障解决方案与所述待维修汽车的所述故障数据的相关程度确定的。
18.根据权利要求12至17中任一项所述的装置,其特征在于,所述输入模块还用于:
在将所述待维修汽车的所述汽车数据和所述故障数据输入至所述汽车维修模型之后,得到与所述故障解决方案相关联的故障点、维修过程和所述待维修汽车的厂商相关资料中的至少一种。
19.根据权利要求12至18中任一项所述的装置,其特征在于,所述装置还包括:
填写模块,所述填写模块用于将所述故障解决方案填入预设汽车维修案例模板的解决方案模块中,以向用户进行显示;
其中,所述预设汽车维修案例模板还包括以下至少一个模块:
基本车辆信息模块、适用车型模块、故障现象模块、存在的故障码模块、故障点模块、维修过程模块、案例作者模块、厂商相关资料模块。
20.根据权利要求12至19中任一项所述的装置,其特征在于,
所述故障数据包括故障代码、故障诊断数据流、故障症状中的至少一个;
其中,所述故障症状是用户输入的,所述故障代码和所述故障诊断数据流是从所述待维修汽车中获取的。
21.根据权利要求12至20中任一项所述的装置,其特征在于,所述获取模块还用于:
获取用户设置的超参数;
根据所述超参数优化所述汽车维修模型。
22.根据权利要求12至21中任一项所述的装置,其特征在于,所述获取模块还用于:
获取用户针对所述故障解决方案的反馈结果;
根据所述反馈结果优化所述汽车维修模型。
23.一种汽车维修系统,其特征在于,包括:
交互单元;
数据存储单元;
结果显示单元;以及
模型训练及运算单元,所述模型训练及运算单元分别与所述交互单元、所述数据存储单元以及所述结果显示单元通信连接;
其中,所述模型训练及运算单元包括:
至少一个处理器,以及
与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够用于执行如权利要求1至11中任一项所述的一种汽车维修方法。
24.一种非易失性计算机可读存储介质,其特征在于,所述非易失性计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使汽车维修系统执行如权利要求1至11中任一项所述的一种汽车维修方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712507.2A CN112306034A (zh) | 2019-08-02 | 2019-08-02 | 一种汽车维修方法、装置及其系统 |
PCT/CN2020/106053 WO2021023097A1 (zh) | 2019-08-02 | 2020-07-31 | 一种汽车维修方法、装置及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910712507.2A CN112306034A (zh) | 2019-08-02 | 2019-08-02 | 一种汽车维修方法、装置及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112306034A true CN112306034A (zh) | 2021-02-02 |
Family
ID=74486601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910712507.2A Pending CN112306034A (zh) | 2019-08-02 | 2019-08-02 | 一种汽车维修方法、装置及其系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112306034A (zh) |
WO (1) | WO2021023097A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220733A (zh) * | 2021-03-24 | 2021-08-06 | 深圳市道通科技股份有限公司 | 故障汽车的维修方案的生成方法、装置及电子设备 |
CN113420893A (zh) * | 2021-06-25 | 2021-09-21 | 深圳市轱辘车联数据技术有限公司 | 维修案例生成方法、装置、电子设备及存储介质 |
CN113886712A (zh) * | 2021-11-04 | 2022-01-04 | 杭州以诺行汽车科技股份有限公司 | 基于erp的人工智能汽车维修推荐方法、系统和存储介质 |
CN113989023A (zh) * | 2021-10-29 | 2022-01-28 | 中国银行股份有限公司 | 差错交易的处理方法及装置 |
CN114265384A (zh) * | 2021-11-22 | 2022-04-01 | 阿尔特汽车技术股份有限公司 | 一种车辆故障信息处理方法以及系统 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486179A (zh) * | 2021-07-13 | 2021-10-08 | 盛景智能科技(嘉兴)有限公司 | 基于维修工单的产品数据分析方法及系统 |
CN113485161B (zh) * | 2021-07-29 | 2024-06-11 | 厦门凤凰创壹软件有限公司 | 一种可测量诊断三维虚拟仿真汽车故障的智能诊断仪 |
CN115049444B (zh) * | 2022-08-15 | 2023-06-30 | 深圳市星卡软件技术开发有限公司 | 一种数据处理方法、装置、设备及介质 |
CN116107286A (zh) * | 2022-12-07 | 2023-05-12 | 中国第一汽车股份有限公司 | 一种车辆故障的诊断方法、装置、车辆及存储介质 |
CN117057527B (zh) * | 2023-06-30 | 2024-05-14 | 东风设备制造有限公司 | 一种汽车制造设备工业物联网智慧运维方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
CN104460644A (zh) * | 2013-09-25 | 2015-03-25 | 比亚迪股份有限公司 | 车辆故障的解决方法和装置 |
US20160267723A1 (en) * | 2015-03-11 | 2016-09-15 | GM Global Technology Operations LLC | Modifying vehicle fault diagnosis based on statistical analysis of past service inquiries |
CN106055439A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于维修决策树/词向量的故障远程诊断系统和方法 |
CN108563214A (zh) * | 2018-04-25 | 2018-09-21 | 深圳市道通科技股份有限公司 | 车辆诊断方法、装置及设备 |
CN108780590A (zh) * | 2016-01-19 | 2018-11-09 | 罗伯特·博世有限公司 | 用于使用声音来诊断车辆的方法和系统 |
CN109163913A (zh) * | 2018-09-30 | 2019-01-08 | 深圳市元征科技股份有限公司 | 一种汽车故障诊断方法及相关设备 |
CN109785460A (zh) * | 2019-01-03 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 车辆故障识别方法、装置、计算机设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708454B (zh) * | 2012-05-14 | 2016-06-29 | 北京奇虎科技有限公司 | 终端故障解决方案提供方法及装置 |
CN102708453B (zh) * | 2012-05-14 | 2016-08-10 | 北京奇虎科技有限公司 | 提供终端故障解决方案的方法及装置 |
US10253716B2 (en) * | 2013-03-15 | 2019-04-09 | Predictive Fleet Technologies, Inc. | Engine analysis and diagnostic system |
CN107193929B (zh) * | 2017-05-17 | 2020-12-25 | 田兆杰 | 基于特征提取和相似度计算的车辆故障问答方法及装置 |
CN108985279B (zh) * | 2018-08-28 | 2020-11-03 | 上海仁童电子科技有限公司 | 多功能车辆总线mvb波形的故障诊断方法及装置 |
CN110288100A (zh) * | 2019-06-10 | 2019-09-27 | 广州思创科技发展有限公司 | 一种根据车辆故障自动匹配维修项目方法及系统 |
-
2019
- 2019-08-02 CN CN201910712507.2A patent/CN112306034A/zh active Pending
-
2020
- 2020-07-31 WO PCT/CN2020/106053 patent/WO2021023097A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
CN104460644A (zh) * | 2013-09-25 | 2015-03-25 | 比亚迪股份有限公司 | 车辆故障的解决方法和装置 |
US20160267723A1 (en) * | 2015-03-11 | 2016-09-15 | GM Global Technology Operations LLC | Modifying vehicle fault diagnosis based on statistical analysis of past service inquiries |
CN108780590A (zh) * | 2016-01-19 | 2018-11-09 | 罗伯特·博世有限公司 | 用于使用声音来诊断车辆的方法和系统 |
CN106055439A (zh) * | 2016-05-27 | 2016-10-26 | 大连楼兰科技股份有限公司 | 基于维修决策树/词向量的故障远程诊断系统和方法 |
CN108563214A (zh) * | 2018-04-25 | 2018-09-21 | 深圳市道通科技股份有限公司 | 车辆诊断方法、装置及设备 |
CN109163913A (zh) * | 2018-09-30 | 2019-01-08 | 深圳市元征科技股份有限公司 | 一种汽车故障诊断方法及相关设备 |
CN109785460A (zh) * | 2019-01-03 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 车辆故障识别方法、装置、计算机设备和存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113220733A (zh) * | 2021-03-24 | 2021-08-06 | 深圳市道通科技股份有限公司 | 故障汽车的维修方案的生成方法、装置及电子设备 |
CN113420893A (zh) * | 2021-06-25 | 2021-09-21 | 深圳市轱辘车联数据技术有限公司 | 维修案例生成方法、装置、电子设备及存储介质 |
CN113420893B (zh) * | 2021-06-25 | 2023-10-31 | 深圳市轱辘车联数据技术有限公司 | 维修案例生成方法、装置、电子设备及存储介质 |
CN113989023A (zh) * | 2021-10-29 | 2022-01-28 | 中国银行股份有限公司 | 差错交易的处理方法及装置 |
CN113886712A (zh) * | 2021-11-04 | 2022-01-04 | 杭州以诺行汽车科技股份有限公司 | 基于erp的人工智能汽车维修推荐方法、系统和存储介质 |
CN113886712B (zh) * | 2021-11-04 | 2022-05-17 | 杭州以诺行汽车科技股份有限公司 | 基于erp的人工智能汽车维修推荐方法、系统和存储介质 |
CN114265384A (zh) * | 2021-11-22 | 2022-04-01 | 阿尔特汽车技术股份有限公司 | 一种车辆故障信息处理方法以及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021023097A1 (zh) | 2021-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112306034A (zh) | 一种汽车维修方法、装置及其系统 | |
CN107918382B (zh) | 一种汽车故障诊断方法、汽车故障诊断装置及电子设备 | |
CN108563214B (zh) | 车辆诊断方法、装置及设备 | |
US8463485B2 (en) | Process for service diagnostic and service procedures enhancement | |
US20230316417A1 (en) | Method and System for Automatically Streamlining the Vehicle Claims Process | |
US8527441B2 (en) | Developing fault model from service procedures | |
US8996235B2 (en) | Repair assist system for vehicle servicing | |
US20080065289A1 (en) | Method and apparatus for reading and erasing diagnostic trouble codes from a vehicle | |
US20090204287A1 (en) | Diagnostic System and Diagnostic Test with a WLAN Transmission Module | |
WO2021030103A1 (en) | Vehicle health record | |
US20190228322A1 (en) | Vehicle repair guidance system | |
DE102011077196A1 (de) | Mobile Kommunikationsschnittstelle, System mit mobiler Kommunikationsschnittstelle und Verfahren zum Identifizieren, Diagnostizieren, Warten und Reparieren eines Fahrzeugs | |
CN108027611B (zh) | 利用受专家意见监督的决策模式学习的用于机器维护的决策辅助系统和方法 | |
WO2013155161A1 (en) | Efficient health management, diagnosis and prognosis of a machine | |
DE102010052855A1 (de) | Detektieren von Abweichungen bei Feldausfalldaten | |
DE102011004207A1 (de) | Mobile Kommunikationsschnittstelle, System mit mobiler Kommunikationsschnittstelle und Verfahren zum Identifizieren, Diagnostizieren, Warten und Reparieren eines Fahrzeugs | |
DE102012008284A1 (de) | Verfahren zum Ausgeben von Informationen zu Kraftfahrzeugobjekten | |
CN106647716A (zh) | 通用型汽车健康诊断系统及其应用方法 | |
DE102014109594A1 (de) | Prüfsystem für ein Fahrzeug und Steuerverfahren dafür | |
CN110197538A (zh) | 一种车辆诊断方法、装置及电子设备、存储介质 | |
NO332046B1 (no) | Kjoretoy og fremgangsmate for et kjoretoy. | |
US20170270489A1 (en) | Identification and test support device and method | |
CN115185252A (zh) | 基于汽车故障灯的远程诊断方法及装置 | |
CN114582043A (zh) | 提供最不可能和最有可能的原因信息的包括集成诊断模型的选择性健康信息报告系统 | |
EP4167040A1 (en) | Fault model editor and diagnostic tool |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |