CN114219108A - 一种车辆诊断方法、系统、终端及存储介质 - Google Patents
一种车辆诊断方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN114219108A CN114219108A CN202111570018.1A CN202111570018A CN114219108A CN 114219108 A CN114219108 A CN 114219108A CN 202111570018 A CN202111570018 A CN 202111570018A CN 114219108 A CN114219108 A CN 114219108A
- Authority
- CN
- China
- Prior art keywords
- fault
- training
- reason
- vehicle
- library
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开一种车辆诊断方法、系统、终端及存储介质。该方法包括获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征。根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。本发明实施例提供的技术方案解决车辆诊断方法的维修效率较低,售后维修智能化水平较低的问题。
Description
技术领域
本发明实施例涉及车辆技术领域,尤其涉及一种车辆诊断方法、系统、终端及存储介质。
背景技术
随着车辆智能化水平的不断提高,车辆的电器架构和软件越来越复杂,对传统车辆售后维修业务提出新的挑战,对维修技师的知识和技能提出更高的要求。现有的车辆诊断一般靠维修技师进行故障排查,维修效率较低,售后维修智能化水平较低。
发明内容
本发明实施例提供一种车辆诊断方法、系统、终端及存储介质,以解决车辆诊断一般靠维修技师进行故障排查,维修效率较低,售后维修智能化水平较低的问题。
为实现上述技术问题,本发明采用以下技术方案:
第一方面,本发明实施例提供一种车辆诊断方法,该方法包括:
获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与所述故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征;
根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。
可选的,所述故障库包括故障知识库以及故障测试库,所述故障知识库中包括多个故障原因子集合;
所述将所述故障特征与故障库进行匹配,得到与所述故障特征对应的故障原因,包括:
将所述故障特征与每个所述故障原因子集合进行匹配,确定与所述故障特征对应的所述故障原因子集合,每个所述故障原因对应不同的测试权重;
根据每个所述故障原因对应不同的测试权重在所述故障测试库中确定对应的测试方法,基于所述测试方法,确定与所述故障特征对应的故障原因。
可选的,故障库是通过多次迭代训练得到的,包括:
在车辆工程数据更新时,迭代训练故障库;
针对任一次迭代训练:
根据车辆工程数据确定车辆故障训练特征,根据车辆故障训练特征从故障知识库中确定与车辆故障训练特征匹配的故障训练原因以及每个所述故障训练原因对应的训练权重;
基于每个所述故障训练原因以及对应的所述训练权重在所述故障测试库中确定训练测试集,并基于训练测试集与目标故障结果确定测试结果;
根据训练测试集调整故障知识库中的各所述故障训练原因以及每个所述故障训练原因对应的训练权重。
可选的,所述基于每个所述故障训练原因以及对应的所述训练权重在所述故障测试库中确定训练测试集,包括:
按照训练权重由高到低的顺序,依次在所述故障测试库中确定训练测试集,其中所述训练测试集用于表征所述故障原因、所述故障原因对应的故障部件信息以及所述故障部件信息的故障模式的对应关系。
可选的,基于训练测试集与目标故障结果确定测试结果,包括:
根据训练测试集,确定与故障部件信息对应的故障部件拆装信息;
基于故障部件拆装信息以及目标故障结果确定测试结果。
可选的,根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息后,还包括:
基于维修信息生成更新维修案例信息;
根据更新维修案例信息,更新故障知识库,其中更新故障知识库至少包括以下更新方法中的一种:
增加故障原因子集合;
更新述故障原因子集合与所述故障特征的对应关系。
可选的,根据更新维修案例信息,更新故障知识库前,还包括:
确定更新维修案例信息对应的故障特征为新增故障特征;或者
确定更新维修案例信息对应的故障原因为新增故障原因。
第二方面,本发明实施例提供一种车辆诊断系统,包括:
数据获取模块,用于获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征;
维修方案信息确定模块,用于根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。
第三方面,本发明实施例提供一种终端,包括:第二方面提出的车辆诊断系统。
第四方面,本发明实施例提供一种存储介质,当存储介质中的指令由终端的处理器执行时,使得车辆诊断系统能够执行第一方面任意提出的车辆诊断方法。
本发明实施例提供的车辆诊断方法在车辆研发阶段,构建故障库,针对故障库中的每个故障原因,确定对应的维修信息库,在车辆研发阶段就已经构建了完善的故障库以及维修信息库。可以根据维修信息,通过多次迭代训练得到更新后的故障库,维修信息库在故障库每次迭代训练后更新。该方法包括获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因;根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,提高了维修效率,改善了售后维修智能化水平。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明实施例提供的一种车辆的结构示意图;
图2是本发明实施例提供的一种车辆诊断方法的流程图;
图3是本发明实施例提供的一种车辆诊断方法的得到与故障特征对应的故障原因的方法流程图;
图4是本发明实施例提供的一种车辆诊断方法的得到故障知识库的方法流程图;
图5是本发明实施例提供的另一种车辆诊断方法的流程图;
图6是本发明实施例提供的又一种车辆诊断方法的流程图;
图7是本发明实施例提供的一种车辆诊断系统的结构示意图;
图8是本发明实施例提供的一种终端的结构示意图;
图9是本发明实施例提供的另一种车辆的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
正如背景技术中提到的,车辆诊断一般靠维修技师进行故障排查,维修效率较低,售后维修智能化水平较低。
一种可能的应用场景,车辆在出厂之前需进行检测,待检测的车辆可以包括故障特征或者不包括故障特征。当车辆存在故障特征时,需要根据故障特征匹配该故障特征对应的故障原因,并根据故障原因匹配维修信息。
另一种可能的应用场景,车辆在出厂之后,用户使用车辆后,发现故障特征,需进行售后维修,待检测的车辆可以包括某一项或某几项故障特征。当车辆存在故障特征时,需要根据故障特征查找该故障特征对应的故障原因,并根据故障原因匹配维修信息。为了提供高效的维修方案,需要提出一种车辆诊断系统,以适应用户的需求。
基于上述技术问题,本实施例提出了以下解决方案:
本申请提供一种车辆诊断系统,用于执行车辆诊断方法。车辆诊断系统可以设置于终端设备(简称终端)上,使得终端设备具有车辆诊断的功能。该终端可以是车辆、无人机、轨道车或自行车等终端设备,在此不做限制。下面以终端包括车辆为例进行说明。
本申请提供一种车辆诊断系统,用于执行本申请提出的车辆诊断方法。图1是本发明实施例提供的一种车辆的结构示意图。参见图1,本申请提出的车辆诊断系统10,应用于车辆200,本申请提供的车辆诊断系统包括数据获取模块11和维修方案信息确定模块12。
数据获取模块11,用于获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征。
具体的,车辆工程数据包括在车辆开发流程中的技术数据和质量数据。车辆工程数据是在车辆开发流程中产生的。故障库是通过多次迭代训练得到的。故障库至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的。也就是说,在车辆研发阶段就已经构建了故障库,并在车辆出厂后,可以根据维修信息,通过多次迭代训练得到更新后的故障库。
示例性的,技术数据和质量数据可以包括车辆的系统功能原理数据、车辆研发过程中的开发质量数据、在车辆开发流程中产生的车辆诊断相关的诊断数据、故障模式分析数据以及故障影响分析数据等。
故障特征可以包括待检测车辆的故障表现出的特征,例如车门关不上,或者车窗玻璃不能上升等故障特征。单个故障特征可以对应一个或多个故障原因,例如,故障特征A对应故障原因包括原因1、原因2以及原因3。故障原因子集合可以对应原因1、原因2或原因3中的任一个。故障原因集合可以包括该故障特征对应的多个的故障原因子集合,例如,故障原因集合可以对应原因1、原因2和原因3。每个故障原因集合对应一个故障特征,故障库包括多个故障原因集合,例如,故障库包括故障特征A的故障原因集合、故障原因B的故障原因集合、故障原因C的故障原因集合以及故障原因D的故障原因集合等。
数据获取模块11获得待检测车辆的故障特征,例如故障特征A,将故障特征A与故障库进行匹配,得到与故障特征A对应的故障原因,例如原因1、原因2和原因3。
维修方案信息确定模块12,用于根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。
具体的,在车辆研发阶段,针对故障库中的每个故障原因,确定对应的维修信息库,在车辆研发阶段就已经构建了完善的故障库以及维修信息库。维修信息库在故障库每次迭代训练后更新。
维修方案信息确定模块12根据故障原因以及获得的维修信息库,确定与故障原因匹配的维修信息。例如,故障特征A的故障原因集合包括故障原因子集合1、故障原因子集合2以及故障原因子集合3。维修信息库中设置有故障原因子集合1对应的维修信息、故障原因子集合2对应的维修信息以及故障原因子集合3对应的维修信息。维修信息可以包括维修手册、维修工时、维修所需工具、维修配件等。图2是本发明实施例提供的一种车辆诊断方法的流程图。参见图2,本发明实施例提供的车辆诊断方法包括:
S101、获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征。
具体的,获得待检测车辆的故障特征,例如故障特征A,将故障特征A与故障库进行匹配,故障库中有故障特征A对应的故障原因子集合1、故障原因子集合2和故障原因子集合3。由于原因1对应故障原因子集合1,原因2对应故障原因子集合2,原因3对应故障原因子集合3,得到与故障特征A对应的故障原因,例如原因1、原因2和原因3。
在车辆研发阶段,构建故障库,并在车辆出厂后,可以根据维修信息,通过多次迭代训练得到更新后的故障库。
S102、根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。
具体的,在车辆研发阶段,针对故障库中的每个故障原因,确定对应的维修信息库,在车辆研发阶段就已经构建了完善的故障库以及维修信息库。维修信息库可以在故障库每次迭代训练后更新。
根据故障原因以及获得的维修信息库,在维修信息库中根据故障原因匹配对应的维修信息,从而确定与故障原因匹配的维修信息。
本申请提供的车辆诊断方法在车辆研发阶段,构建故障库,针对故障库中的每个故障原因,确定对应的维修信息库,在车辆研发阶段就已经构建了完善的故障库以及维修信息库。可以根据维修信息,通过多次迭代训练得到更新后的故障库,维修信息库在故障库每次迭代训练后更新。该方法包括获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因;根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,提高了维修效率,改善了售后维修智能化水平。
一种可选的实施方式,故障库可以包括故障知识库以及故障测试库,故障知识库中包括多个故障原因子集合。图3是本发明实施例提供的一种车辆诊断方法的得到与故障特征对应的故障原因的方法流程图。参见图3,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,包括:
S111、将故障特征与每个故障原因子集合进行匹配,确定与故障特征对应的故障原因子集合,故障原因子集合每个故障原因对应不同的测试权重。
具体的,测试权重指的是测试权重值越大,故障特征对应的故障原因为与较大的测试权重对应的故障原因子集合中的故障原因的概率越大。
在故障库的故障知识库中匹配与故障特征对应的可能的原因,确定故障特征对应的每个可能故障原因以及故障原因对应的概率。
S112、根据每个故障原因对应不同的测试权重在故障测试库中确定对应的测试方法,基于测试方法,确定与故障特征对应的故障原因。
具体的,故障测试库根据故障原因的测试权重,对测试权重值较大的故障原因先进行测试,对测试权重较小的故障原因后进行测试。每一种故障特征可以对应不同的测试方法,在故障测试库中确定故障特征对应的测试方法,进而根据测试方法确定故障特征对应的故障原因。
一种可选的实施方式,图4是本发明实施例提供的一种车辆诊断方法的得到故障库的方法流程图。参见图4,故障库是通过多次迭代训练得到的,包括:
S201、在车辆工程数据更新时,迭代训练故障库。
具体的,车辆工程数据还可以包括车辆诊断数据、以及维修信息反馈的维修案例,车辆工程数据在车辆研发阶段初始建立,在车辆售后阶段,根据更新后的维修信息更新车辆工程数据。在车辆工程数据更新时,对故障库进行迭代训练。
S202、针对任一次迭代训练:根据车辆工程数据确定车辆故障训练特征,根据车辆故障训练特征从故障知识库中确定与车辆故障训练特征匹配的故障训练原因以及每个故障训练原因对应的训练权重。基于每个故障训练原因以及对应的训练权重在故障测试库中确定训练测试集,并基于训练测试集与目标故障结果确定测试结果;根据训练测试集调整故障知识库中的各故障训练原因以及每个故障训练原因对应的训练权重。
具体的,车辆故障训练特征可以包括故障症状或信号异常等用于训练的故障特征。根据车辆故障训练特征,从故障知识库中,确定与车辆故障训练特征匹配的故障训练原因以及每个故障训练原因对应的训练权重,每个车辆故障训练特征可以对应多个故障训练原因,故障训练原因对应一个车辆故障训练特征。
基于每个故障训练原因以及对应的训练权重在故障测试库中确定训练测试集,训练测试集可以包括多个训练方法。多个训练方法根据每个故障训练原因对应的训练权重在故障测试库中依次训练。目标故障结果即是否该部件真的发生了故障A,基于训练测试集与目标故障结果,根据训练测试集中的测试方法进行测试,并将测试得到的测试故障结果与目标故障结果进行比对,确定测试结果。
根据训练测试集中确定的测试结果,调整故障知识库中的各故障训练原因以及每个故障训练原因对应的训练权重。例如,训练测试集中确定的测试结果为目标故障结果时,则保持故障知识库中的故障原因集合不变。训练测试集中确定的测试结果并非目标故障结果时,则调整故障知识库中的故障原因集合,将故障知识库中的故障原因集合更新为测试结果对应的故障原因集合,或者,将故障知识库中的故障原因集合更新为测试结果对应的故障原因集合中的各故障训练原因以及每个故障训练原因对应的训练权重。
一种可选的实施方式,基于每个故障训练原因以及对应的训练权重在故障测试库中确定训练测试集,包括:
按照训练权重由高到低的顺序,依次在故障测试库中确定训练测试集,其中训练测试集用于表征故障原因、故障原因对应的故障部件信息以及故障部件信息的故障模式的对应关系。
具体的,故障原因A对应的故障部件信息可以包括部件a、部件b,故障部件信息的故障模式例如可以包括:部件a的失效方式一、部件a的失效方式二或部件b的失效方式三等,部件b的失效方式一、部件a的失效方式二或部件b的失效方式三等。示例性的,故障原因A为车窗玻璃上升故障,其部件a可以为车窗玻璃、部件b可以为驱动车窗玻璃上升的驱动器。部件a的失效方式一可以为车窗玻璃卡位、部件a的失效方式二可以为车窗玻璃变形。部件b的失效方式一可以为驱动器电机故障、部件a的失效方式二可以为驱动器控制回路故障等。
可以根据故障原因,即车窗玻璃上升故障、故障原因对应的故障部件信息,即车窗玻璃信息和驱动车窗玻璃上升的驱动器的信息以及故障部件信息的故障模式,即车窗玻璃的失效方式和驱动车窗玻璃上升的驱动器的失效方式,确定故障训练原因。
故障原因B对应的故障部件信息可以包括部件C、部件D,故障部件信息的故障模式例如可以包括:部件C的失效方式一、部件C的失效方式二或部件D的失效方式三等,部件D的失效方式一、部件C的失效方式二或部件D的失效方式三等。
每个故障训练原因可以对应不同的训练权重,例如,故障原因A作为故障训练原因的训练权重可以为M,故障原因B作为故障训练原因的训练权重可以为N,若M大于N,则故障原因A的训练权重大于故障原因B的训练权重,按照训练权重由高到低的顺序,优先对故障原因A进行训练测试,依次在故障测试库中确定训练测试集。
一种可选的实施方式,根据训练测试集,确定与故障部件信息对应的故障部件拆装信息;基于故障部件拆装信息以及目标故障结果确定测试结果。
具体的,与故障部件信息对应的故障部件拆装信息可以包括故障部件的维修电路图以及拆装手册。
训练测试过程中,加入维修电路图以及拆装手册,根据训练测试集,确定与故障部件信息对应的故障部件拆装信息,在确定对应的故障部件和故障部件对应的失效模式时,能够提示测试人员如何拆装或者维修,基于故障部件拆装信息进行测试,将测试故障结果与目标故障结果进行比对,确定测试结果。
在本申请实施例中,若测试结果表征测试故障结果与目标故障结果相似度低,则需要调整每个故障训练原因可以对应不同的训练权重,在达到训练收敛条件时,知识库中能够正确的表达每个故障特征与故障原因的对应关系,以及与故障原因发生的概率的对应关系。
同时,在本申请实施例中,当达到训练收敛时,也确定了故障测试库中不同故障原因对应的测试方法。
一种可选的实施方式,图5是本发明实施例提供的另一种车辆诊断方法的流程图。参见图5,本申请提供的车辆诊断方法包括:
S101、获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征。
S102、根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。
S301、基于维修信息生成更新维修案例信息。
具体的,根据维修信息确定实际维修方案,根据实际维修方案更新维修案例信息。
S302、根据更新维修案例信息,更新故障知识库,其中更新故障知识库至少包括以下更新方法中的一种:增加故障原因子集合;更新故障原因子集合与故障特征的对应关系。
具体的,实际维修方案为新增加的故障原因时,根据更新维修案例信息,增加故障原因子集合,以更新故障知识库。实际维修方案为故障知识库中已有的故障原因子集合,但并没有该故障原因子集合对应的故障特征时,根据更新维修案例信息,更新故障原因子集合与故障特征的对应关系,以更新故障知识库。
本申请提出的故障知识库的构建时,采用离散的方式。故障知识库由多个相对独立的故障知识点构成,通过故障特征和故障原因进行关联,省去复杂的中间层分析,构建一个初始的故障知识库。根据更新维修案例信息,例如通过售后维护阶段真实的维修案例数据,迭代故障知识库,实现持续演进、不断丰富故障知识库,整个车辆诊断方法可做到越用越精准好用,越好用就用得越多的良性循环。
一种可选的实施方式,图6是本发明实施例提供的又一种车辆诊断方法的流程图。参见图6,本申请提供的车辆诊断方法包括:
S101、获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征。
S102、根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。
S301、基于维修信息生成更新维修案例信息。
S401、确定更新维修案例信息对应的故障特征为新增故障特征;或者,确定更新维修案例信息对应的故障原因为新增故障原因。
具体的,新增故障特征是指当前故障知识库中没有该故障特征,新增故障原因是指当前故障知识库中没有该故障原因。通过设置确定更新维修案例信息对应的故障特征为新增故障特征,或者,确定更新维修案例信息对应的故障原因为新增故障原因,则更新故障知识库,可以在故障知识库更新之前进行判断,避免不必要的迭代更新,节省数据空间。
S302、根据更新维修案例信息,更新故障知识库,其中更新故障知识库至少包括以下更新方法中的一种:增加故障原因子集合;更新故障原因子集合与故障特征的对应关系。
图7是本发明实施例提供的一种车辆诊断系统的结构示意图。为了更好的说明上述实施例中的车辆诊断方法,以图7为例,示例性说明车辆诊断方法的流程,具体的:
当车辆的系统功能原理数据、开发质量数据、诊断数据文档、DFMA数据中的至少任一种数据产生时或者产生后的一段时间内,构建初始故障知识库和初始测试方法库,确定故障知识库中的故障原因与故障特征的匹配关系,并且根据初始测试方法库确定测试方法,基于维修电路图和拆装手册以及测试方法库匹配推送的测试方法,通过测试结果,测试初始故障知识库中的故障原因是否准确。
在本发明实施例中,测试过程中,将由故障特征和初始故障知识库确定初始故障确定的故障原因作为测试故障原因,将故障特征对应的真实故障原因作为目标故障原因进行测试,从而通过测试方法调整初始故障知识库和测试方法库,当测试收敛时,则完成初始故障知识库和初始测试方法库的调整。
当初始故障知识库以及初始测试库确定后,可以确定对应的维修方案库;并且随着车辆的系统功能原理数据、开发质量数据、诊断数据文档、DFMA数据不断增加,可以周期性的或者定时基于新的数据更新故障知识库,并同时测试故障知识库,重新调整故障知识库,在调整故障知识库以及故障测试库后,更新对应的维修方案库。
在车辆出厂前,可以基于故障知识库与维修方案库确定车辆生产过程中的车辆故障,并可以将车辆故障作为案例库,继续更新故障知识库和维修方案库。
在车辆出厂时,能够获得已经进行了多次迭代更新的故障知识库、测试方法库以及对应的维修方案库,能够立即对车辆进行智能诊断。
在车辆出厂后,当产生了车辆故障后,可以更新案例库,继续更新故障知识库和维修方案库。
进一步的,在本发明实施例中,当车辆故障产生后,为了减少故障知识库中数据量,可以在确定车辆故障不能解决后,加入故障知识库。
进一步的,可以基于维修手册、工时、工具和配件,并结合维修方案库的匹配推送,集成故障特征对应的维修方案,若基于该维修方案将故障特征消除,则问题解决,生成案例数据,更新至案例库。
若基于该维修方案将故障特征未消除,不能解决的车辆故障可以申请技术专家支持,技术专家支持生成跟踪单,并结合常规维修工单生成案例数据,并将案例数据增加至案例库。更新后的案例库可以调整初始故障知识库的故障特征集,并更新测试方法库中的测试方法。
本发明实施例提供一种终端,图8是本发明实施例提供的一种终端的结构示意图。在上述实施例的基础上,参见图8,本发明实施例提供的终端300包括上述任意实施例提出的车辆诊断系统10,车辆诊断系统10用于执行上述任意实施例提出的车辆诊断方法。本发明实施例提供的终端300具有上述任意实施例提出的车辆诊断系统10的有益效果,在此不再赘述。
一种可选的实施方式,本发明实施例提供一种可读存储介质。图9是本发明实施例提供的另一种车辆的结构示意图。在上述实施例的基础上,参见图9,本发明实施例提供的可读存储介质71,其上存储有软件程序,当可读存储介质71中的指令由终端,例如车辆200的处理器执行时,使得车辆诊断系统能够执行上述任意实施方式提出的车辆诊断方法。该方法包括:获得待检测车辆的故障特征,将故障特征与故障库进行匹配,得到与故障特征对应的故障原因,故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于车辆工程数据确定的;故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个故障原因集合对应一个故障特征;根据故障原因以及获得的维修信息库确定与故障原因匹配的维修信息,其中维修信息库是基于故障库确定的,并在故障库每次迭代训练后更新。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的车辆诊断方法操作,还可以执行本发明任意实施例所提供的车辆诊断方法中的相关操作,且具备相应的功能和有益效果。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品可以存储在可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的车辆诊断方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车辆诊断方法,其特征在于,所述方法包括:
获得待检测车辆的故障特征,将所述故障特征与故障库进行匹配,得到与所述故障特征对应的故障原因,所述故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于所述车辆工程数据确定的;所述故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个所述故障原因集合对应一个故障特征;
根据所述故障原因以及获得的维修信息库确定与所述故障原因匹配的维修信息,其中所述维修信息库是基于所述故障库确定的,并在所述故障库每次迭代训练后更新。
2.根据权利要求1所述的方法,其特征在于,所述故障库包括故障知识库以及故障测试库,所述故障知识库中包括多个故障原因子集合;
所述将所述故障特征与故障库进行匹配,得到与所述故障特征对应的故障原因,包括:
将所述故障特征与每个所述故障原因子集合进行匹配,确定与所述故障特征对应的所述故障原因子集合,每个所述故障原因对应不同的测试权重;
根据每个所述故障原因对应不同的测试权重在所述故障测试库中确定对应的测试方法,基于所述测试方法,确定与所述故障特征对应的故障原因。
3.根据权利要求2所述的方法,其特征在于,所述故障库是通过多次迭代训练得到的,包括:
在车辆工程数据更新时,迭代训练所述故障库;
针对任一次迭代训练:
根据所述车辆工程数据确定车辆故障训练特征,根据所述车辆故障训练特征从所述故障知识库中确定与所述车辆故障训练特征匹配的各故障训练原因以及每个所述故障训练原因对应的训练权重;
基于每个所述故障训练原因以及对应的所述训练权重在所述故障测试库中确定训练测试集,并基于所述训练测试集与目标故障结果确定测试结果;
根据所述训练测试集调整所述故障知识库中的各所述故障训练原因以及每个所述故障训练原因对应的训练权重。
4.根据权利要求3所述的方法,其特征在于,所述基于每个所述故障训练原因以及对应的所述训练权重在所述故障测试库中确定训练测试集,包括:
按照训练权重由高到低的顺序,依次在所述故障测试库中确定训练测试集,其中所述训练测试集用于表征所述故障原因、所述故障原因对应的故障部件信息以及所述故障部件信息的故障模式的对应关系。
5.根据权利要求4所述的方法,其特征在于,所述基于所述训练测试集与目标故障结果确定测试结果,包括:
根据所述训练测试集,确定与所述故障部件信息对应的故障部件拆装信息;
基于所述故障部件拆装信息以及目标故障结果确定所述测试结果。
6.根据权利要求2所述的方法,其特征在于,所述根据所述故障原因以及获得的维修信息库确定与所述故障原因匹配的维修信息后,还包括:
基于所述维修信息生成更新维修案例信息;
根据所述更新维修案例信息,更新所述故障知识库,其中更新所述故障知识库至少包括以下更新方法中的一种:
增加所述故障原因子集合;
更新所述故障原因子集合与所述故障特征的对应关系。
7.根据权利要求6所述的方法,其特征在于,所述根据所述更新维修案例信息,更新所述故障知识库前,还包括:
确定所述更新维修案例信息对应的故障特征为新增故障特征;或者
确定所述更新维修案例信息对应的故障原因为新增故障原因。
8.一种车辆诊断系统,其特征在于,包括:
数据获取模块,用于获得待检测车辆的故障特征,将所述故障特征与故障库进行匹配,得到与所述故障特征对应的故障原因,所述故障库是通过多次迭代训练得到的,其中至少存在一次迭代训练是在车辆工程数据产生时,基于所述车辆工程数据确定的;所述故障库包括多个故障原因集合,每个故障原因集合由多个故障原因子集合构成,每个所述故障原因集合对应一个故障特征;
维修方案信息确定模块,用于根据所述故障原因以及获得的维修信息库确定与所述故障原因匹配的维修信息,其中所述维修信息库是基于所述故障库确定的,并在所述故障库每次迭代训练后更新。
9.一种终端,其特征在于,包括:权利要求8所述的车辆诊断系统。
10.一种存储介质,其特征在于,当所述存储介质中的指令由终端的处理器执行时,使得车辆诊断系统能够执行权利要求1-7任一项所述车辆诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111570018.1A CN114219108A (zh) | 2021-12-21 | 2021-12-21 | 一种车辆诊断方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111570018.1A CN114219108A (zh) | 2021-12-21 | 2021-12-21 | 一种车辆诊断方法、系统、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114219108A true CN114219108A (zh) | 2022-03-22 |
Family
ID=80704672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111570018.1A Pending CN114219108A (zh) | 2021-12-21 | 2021-12-21 | 一种车辆诊断方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114219108A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115328689A (zh) * | 2022-10-12 | 2022-11-11 | 集度科技有限公司 | 故障诊断方法、装置、设备及程序产品 |
CN115766404A (zh) * | 2022-10-24 | 2023-03-07 | 浪潮通信信息系统有限公司 | 一种基于智能分析的通信运营商网络故障管理方法及系统 |
-
2021
- 2021-12-21 CN CN202111570018.1A patent/CN114219108A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115328689A (zh) * | 2022-10-12 | 2022-11-11 | 集度科技有限公司 | 故障诊断方法、装置、设备及程序产品 |
CN115328689B (zh) * | 2022-10-12 | 2023-06-27 | 集度科技有限公司 | 故障诊断方法、装置、设备及程序产品 |
CN115766404A (zh) * | 2022-10-24 | 2023-03-07 | 浪潮通信信息系统有限公司 | 一种基于智能分析的通信运营商网络故障管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108563214B (zh) | 车辆诊断方法、装置及设备 | |
CN114219108A (zh) | 一种车辆诊断方法、系统、终端及存储介质 | |
CN102227622B (zh) | 用于仿真耦合混合动态系统的离线控制方法和系统 | |
CN109190670A (zh) | 一种基于可扩展提升树的充电桩故障预测方法 | |
US10474561B2 (en) | Method and system for automated testing of human machine interface (HMI) applications associated with vehicles | |
US6643592B1 (en) | System and method for fault diagnosis | |
CN109886328B (zh) | 一种电动汽车充电设施故障预测方法与系统 | |
US10992156B2 (en) | Autonomous screening and optimization of battery formation and cycling procedures | |
JP2005527922A (ja) | 故障診断システム | |
CN108459951B (zh) | 测试方法和装置 | |
CN114692169B (zh) | 应用大数据和ai分析的页面漏洞处理方法及页面服务系统 | |
CN113561853B (zh) | 燃料电池系统在线故障诊断方法及装置 | |
CN115437336A (zh) | 测试用例的测试方法及装置、电子设备和存储介质 | |
CN111061293A (zh) | 多参数耦合的飞行器故障定位方法、飞行器及存储介质 | |
US11663113B2 (en) | Real time fault localization using combinatorial test design techniques and test case priority selection | |
CN111198815A (zh) | 用户界面的兼容性测试方法及装置 | |
US20190042980A1 (en) | Method and device for generating a machine learning system and virtual sensor device | |
US11551488B2 (en) | Adaptive fault diagnostic system for motor vehicles | |
CN104142959A (zh) | 基于专家知识数据库的自动化测试装置及方法 | |
US20050203717A1 (en) | Automated testing system, method and program product using testing map | |
CN117033209A (zh) | Ai模型训练方法、bios测试方法、装置、设备及存储介质 | |
CN112286798A (zh) | 一种可模拟真实用户场景的全链路压测系统及方法 | |
CN117112400A (zh) | 测试用例自动生成平台 | |
CN113887452B (zh) | 基于相关性矩阵的故障诊断优化方法 | |
AU2020438008A1 (en) | Time series data generation method and device based on multi-condition constraints, and medium |
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 |