CN115359585A - 车辆提前排查故障的方法、装置、车辆及存储介质 - Google Patents
车辆提前排查故障的方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115359585A CN115359585A CN202211018576.1A CN202211018576A CN115359585A CN 115359585 A CN115359585 A CN 115359585A CN 202211018576 A CN202211018576 A CN 202211018576A CN 115359585 A CN115359585 A CN 115359585A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fault
- maintenance
- early warning
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000013024 troubleshooting Methods 0.000 title claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 101
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 101100208241 Danio rerio thbs3a gene Proteins 0.000 description 1
- 101150116166 Thbs3 gene Proteins 0.000 description 1
- 102100029524 Thrombospondin-3 Human genes 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004171 remote diagnosis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Medical Informatics (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)
Abstract
本申请公开了一种车辆提前排查故障的方法、装置、车辆及存储介质，其中，方法包括：采集至少一辆汽车的实际行驶状态数据和当前车辆维保信息；将实际行驶状态数据和当前车辆维保信息输入至预先构建的故障产生分析模型，输出每辆车辆的故障预警信息；在每辆车辆发生故障之前，发送故障预警信息至用户和/或预设维保终端，使得用户和/或预设终端确定故障预警信息对应的至少一个可能发生故障。由此，解决了相关技术中，仅在故障发生后才对故障进行识别及修复，从而无法消除故障给客户带来的负面影响的技术问题。
Description
技术领域
本申请涉及汽车电子控制技术领域，特别涉及一种车辆提前排查故障的方法、装置、车辆及存储介质。
背景技术
随着人们生活水平的不断提高，汽车的使用频率也在日益提高，与此同时，人们遇到的车辆突发故障导致的安抛问题或突然亮起的故障指示灯的情况也越来越多，给客户带来一定的安全隐患的同时也给车辆制造商带来一定的负面口碑。
相关技术中，为解决上述问题并提高对故障的维修判断效率，汽车都具备了故障诊断系统，可以通过诊断仪对电器部件问题进行故障诊断加快维修速度，甚至部分车辆都具备了远程诊断系统，通过后台来监控车辆发生的故障以提前准备维修方案。
然而，相关技术中的故障诊断系统都是在故障发生后才能够对故障进行识别，也无法做到实时或者提前预警，无法将故障提前排查或者提前修复，从而无法消除故障给客户带来的负面影响，有待改进。
发明内容
本申请提供一种车辆提前排查故障的方法、装置、车辆及存储介质，以解决相关技术中，仅在故障发生后才对故障进行识别及修复，从而无法消除故障给客户带来的负面影响的技术问题。
本申请第一方面实施例提供一种车辆提前排查故障的方法，包括以下步骤：采集至少一辆汽车的实际行驶状态数据和当前车辆维保信息；将所述实际行驶状态数据和所述当前车辆维保信息输入至预先构建的故障产生分析模型，输出每辆车辆的故障预警信息；以及在所述每辆车辆发生故障之前，发送所述故障预警信息至用户和/或预设维保终端，使得所述用户和/或所述预设终端确定所述故障预警信息对应的至少一个可能发生故障。
可选地，在本申请的一个实施例中，所述发送所述故障预警信息至用户和/或预设维保终端，包括：识别至少一个可能发生故障的实际类别；根据所述实际类别选择发送所述故障预警信息的所述用户和/或所述预设终端。
可选地，在本申请的一个实施例中，还包括：根据所述故障预警信息生成客户驾驶建议和/或维保建议；发送所述客户驾驶建议至所述用户，和/或，发送所述维保建议至所述预设维保终端。
可选地，在本申请的一个实施例中，在将所述实际行驶状态数据和所述当前车辆维保信息输入至所述预先构建的故障产生分析模型之前，还包括：采集多辆汽车的历史行驶状态数据和历史车辆维保信息；根据所述历史行驶状态数据和所述历史车辆维保信息训练模型，直至满预设迭代条件，构建所述故障产生分析模型。
可选地，在本申请的一个实施例中，还包括：获取所述故障产生分析模型的学习数据；利用所述学习数据更新所述预先构建的故障产生分析模型。
本申请第二方面实施例提供一种车辆提前排查故障的装置，包括：第一采集模块，用于采集至少一辆汽车的实际行驶状态数据和当前车辆维保信息；计算模块，用于将所述实际行驶状态数据和所述当前车辆维保信息输入至预先构建的故障产生分析模型，输出每辆车辆的故障预警信息；以及排查模块，用于在所述每辆车辆发生故障之前，发送所述故障预警信息至用户和/或预设维保终端，使得所述用户和/或所述预设终端确定所述故障预警信息对应的至少一个可能发生故障。
可选地，在本申请的一个实施例中，所述排查模块包括：识别单元，用于识别至少一个可能发生故障的实际类别；发送单元，用于根据所述实际类别选择发送所述故障预警信息的所述用户和/或所述预设终端。
可选地，在本申请的一个实施例中，还包括：生成模块，用于根据所述故障预警信息生成客户驾驶建议和/或维保建议；发送模块，用于发送所述客户驾驶建议至所述用户，和/或，发送所述维保建议至所述预设维保终端。
可选地，在本申请的一个实施例中，还包括：第二采集模块，用于采集多辆汽车的历史行驶状态数据和历史车辆维保信息；建模模块，用于根据所述历史行驶状态数据和所述历史车辆维保信息训练模型，直至满预设迭代条件，构建所述故障产生分析模型。
可选地，在本申请的一个实施例中，还包括：获取模块，用于获取所述故障产生分析模型的学习数据；更新模块，用于利用所述学习数据更新所述预先构建的故障产生分析模型。
本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆提前排查故障的方法。
本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的车辆提前排查故障的方法。
本申请实施例可以通过对车辆行驶状态数据及车辆维护信息的建立故障产生分析模型，针对车辆维保时可能存在风险的部件进行排查，将问题解决在发生之前，降低车辆运行时发生故障的同时提升用户对车辆品牌的信任度，还可以给设计人员对部件设计优化提供数据参考。由此，解决了相关技术中，仅在故障发生后才对故障进行识别及修复，从而无法消除故障给客户带来的负面影响的技术问题。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种车辆提前排查故障的方法的流程图；
图2为根据本申请一个实施例的车辆提前排查故障的方法的原理示意图；
图3为根据本申请一个实施例的车辆提前排查故障的方法的流程图；
图4为根据本申请实施例提供的一种车辆提前排查故障的装置的结构示意图；
图5为根据本申请实施例提供的车辆的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的车辆提前排查故障的方法、装置、车辆及存储介质。针对上述背景技术中心提到的相关技术中，仅在故障发生后才对故障进行识别及修复，从而无法消除故障给客户带来的负面影响的技术问题，本申请提供了一种车辆提前排查故障的方法，在该方法中，可以通过对车辆行驶状态数据及车辆维护信息的建立故障产生分析模型，针对车辆维保时可能存在风险的部件进行排查，将问题解决在发生之前，降低车辆运行时发生故障的同时提升用户对车辆品牌的信任度，还可以给设计人员对部件设计优化提供数据参考。由此，解决了相关技术中，仅在故障发生后才对故障进行识别及修复，从而无法消除故障给客户带来的负面影响的技术问题。
具体而言，图1为本申请实施例所提供的一种车辆提前排查故障的方法的流程示意图。
如图1所示，该车辆提前排查故障的方法包括以下步骤：
在步骤S101中，采集至少一辆汽车的实际行驶状态数据和当前车辆维保信息。
在实际执行过程中，本申请实施例可以，采集至少一辆汽车的各种传感器信息，从而获取至少一辆汽车的实际行驶状态数据，并周期性发送至车载智能终端，如智能音响主机，并通过预设维保终端，如与汽车匹配的售后维护系统，采集售后维护系统售后维护系统当前车辆维保信息，并将采集的至少一辆汽车的实际行驶状态数据和当前车辆维保信息上传至服务器，基于服务器实现数据传递，其中，服务器可以为TSP(Telematics ServiceProvider，内容服务提供者)云服务器。
在步骤S102中，将实际行驶状态数据和当前车辆维保信息输入至预先构建的故障产生分析模型，输出每辆车辆的故障预警信息。
作为一种可能实现的方式，本申请实施例可以预先构建故障产生分析模型，并输入采集的实际行驶状态数据和当前车辆维保信息，以基于故障产生分析模型，获得与历史数据相匹配的故障信息，从而输出每辆车辆的故障预警信息。
可选地，在本申请的一个实施例中，在将实际行驶状态数据和当前车辆维保信息输入至预先构建的故障产生分析模型之前，还包括：采集多辆汽车的历史行驶状态数据和历史车辆维保信息；根据历史行驶状态数据和历史车辆维保信息训练模型，直至满预设迭代条件，构建故障产生分析模型。
在一些实施例中，本申请实施例可以将采集的多辆汽车的历史行驶状态数据和历史车辆维保信息作为训练集，进行模型训练，直至训练结果收敛，满足预设迭代条件，以构建故障产生分析模型，便于后续基于构建的故障产生分析模型，实现汽车故障的预判及预警。
需要注意的是，预设迭代条件可以由本领域技术人员根据实际情况进行相应设置，在此不做具体限制。
在步骤S103中，在每辆车辆发生故障之前，发送故障预警信息至用户和/或预设维保终端，使得用户和/或预设终端确定故障预警信息对应的至少一个可能发生故障。
具体而言，本申请实施例可以基于预先构建的故障产生分析模型，在每辆车辆发生故障之前，对车辆潜在故障进行预判，使得本申请实施例可以在每辆车辆发生故障之前，排查并发送故障预警信息经服务器发送至车载智能终端，进而推送至用户和/或预设维保终端，从而使得用户和/或预设维保终端确定故障预警信息对应的至少一个可能发送的故障。
可选地，在本申请的一个实施例中，发送故障预警信息至用户和/或预设维保终端，包括：识别至少一个可能发生故障的实际类别；根据实际类别选择发送故障预警信息的用户和/或预设终端。
在实际执行过程中，本申请实施例可以基于预先构建的故障产生分析模型，识别至少一个可能发生故障的实际类别，其中，实际类别可以包括动力源不足，如油量较低、电量不足；部件即将到达使用寿命；部件经过多次维修达到历史故障临界值等。
进一步地，本申请实施例可以根据实际类别选择发送故障预警信息的用户，如通过车载智能终端的语音设备和/或显示设备进行提醒，和/或发送故障预警信息至预设终端，如用户远程控制终端、售后服务终端、距离用户当前距离最近的维修点终端等，便于维修人员及时获得故障信息，从而提高维修效率。
可选地，在本申请的一个实施例中，还包括：根据故障预警信息生成客户驾驶建议和/或维保建议；发送客户驾驶建议至用户，和/或，发送维保建议至预设维保终端。
作为一种可能实现的方式，本申请实施例可以基于故障预警信息，生成客户驾驶建议和/或维保建议，并通过车载智能终端发送客户驾驶建议至用户，和/或，发送维保建议至预设维保终端，如检测车轮状态即将发生故障时，可以建议用户减速行驶；检测到当前车辆动力源不足时，建议并自动规划最近的加油站或充电点；检测到当前车辆的电池存在失效危险时，建议用户下车并立即求助救援等，并通过预设维保终端，通知维修或救援人员及时采取紧急措施等。
可选地，在本申请的一个实施例中，还包括：获取故障产生分析模型的学习数据；利用学习数据更新预先构建的故障产生分析模型。
在一些实施例中，本申请实施例可以基于汽车的行驶，实时获取汽车的行驶状态数据和当前汽车的车辆维保信息，以形成故障产生分析模型的学习数据，进而基于学习数据实现故障产生分析模型的更新，从而保证故障产生分析模型可以基于汽车的数据累计而不断进化，使得输出结果更具准确性，可以适应车型的更新迭代。
结合图2和图3所示，以一个实施例对本申请实施例的车辆提前排查故障的方法的工作原理进行详细阐述。
如图2所示，以HU(Head Unit，智能音箱主机)为车载智能终端、TSP云服务器为服务器为例，本申请实施例可以包括：HU1、控制器2、TSP云服务器3、定位系统4、客户反馈通道5和售后维护系统6。
其中，HU1，可以用于负责客户异常信息反馈和车辆运行状态，并与云平台进行数据通讯，展示TSP推送信息；
控制器2，可以用于收集车辆各种传感器信息并周期性发送给HU1，如车速、海拔、气压等；
TSP云服务器3，可以用于收集各模块传递数据并显示后台推送数据；
定位系统4，可以采用GPS(Global Positioning System，全球定位系统)&北斗定位系统，用于将位置信息提供至HU1；
客户信息反馈通道5，可以用于将用户在非指定服务站维保信息录入反馈通道；
售后维护系统6，可以用于上传车辆售后服务信息和售后维护信息到TSP，还可以从TSP接收车辆相关维修检查建议信息。
在实际执行过程中，HU1可以结合定位系统4信号确定整车位置及收集各控制器信号；控制器2可以收集车辆各种传感器信号并发送至HU1；TSP云服务器3可以收集HU1上传的各信号信息及售后维护系统维保信息，并向HU1及售后维护系统6推送依据已构建模型对各种信息进行分析结论；定位系统4可以向HU1下发定位信息，客户反馈通道5可以提供客户反馈信息入口，售后维护系统6可以接收TSP云服务器3下发的维保建议及录入售后维保信息。如图3所示，本申请实施例可以包括以下步骤：HU1、控制器2、TSP3、定位系统4、客户反馈通道5和售后维护系统6
步骤S301：整车下电。
步骤S302：HU1收集相关信息上传至TSP云服务器3。
步骤S303：整车上电。本申请实施例可以检查HU1是否正常上电。
步骤S304：HU1收集相关信息上传至TSP云服务器3。
步骤S305：TSP云服务器3依据位置信息及车辆停留时间判断是否弹出用户反馈框。如当车辆位于服务站时，本申请实施例可以不弹出用户反馈框；当车辆长时间停留时，可以判断用户是否位于车内，进而判断是否弹出用户反馈框。
步骤S306：客户反馈信息上传至TSP云服务器3。
步骤S307：整车上电。
步骤S308：HU1收集关联传感器信息并上传至TSP云服务器3。本申请实施例可以通过HU1，周期性上传定位信息及各个传感器信息到TSP
步骤S309：TSP云服务器3依据已建立模型对数据进行分析。本申请实施例可以通过预先构建的故障产生分析模型，输出每辆车辆的故障预警信息。
步骤S310：分析结果推送至售后维护系统6，从而便于服务站维保人员高效且更具针对性的进行车辆维保。
步骤S311：用户车辆进站，即车辆驶入服务站。
步骤S312：服务站登记车辆信息并上传至TSP云服务器3。
步骤S313：TSP云服务器3下发车辆相关维修服务信息及建议。
步骤S314：服务站按要求检查并将结论及过程上传TSP云服务器3，从而形成车辆的维保记录，便于更新故障产生分析模型。
步骤S315：分析建议(驾驶行为&维保)推送HU1展示给用户。
根据本申请实施例提出的车辆提前排查故障的方法，可以通过对车辆行驶状态数据及车辆维护信息的建立故障产生分析模型，针对车辆维保时可能存在风险的部件进行排查，将问题解决在发生之前，降低车辆运行时发生故障的同时提升用户对车辆品牌的信任度，还可以给设计人员对部件设计优化提供数据参考。由此，解决了相关技术中，仅在故障发生后才对故障进行识别及修复，从而无法消除故障给客户带来的负面影响的技术问题。
其次参照附图描述根据本申请实施例提出的车辆提前排查故障的装置。
图4是本申请实施例的车辆提前排查故障的装置的方框示意图。
如图4所示，该车辆提前排查故障的装置10包括：第一采集模块100、计算模块200和排查模块300。
具体地，第一采集模块100，用于采集至少一辆汽车的实际行驶状态数据和当前车辆维保信息。
计算模块200，用于将实际行驶状态数据和当前车辆维保信息输入至预先构建的故障产生分析模型，输出每辆车辆的故障预警信息。
排查模块300，用于在每辆车辆发生故障之前，发送故障预警信息至用户和/或预设维保终端，使得用户和/或预设终端确定故障预警信息对应的至少一个可能发生故障。
可选地，在本申请的一个实施例中，排查模块300包括：识别单元和发送单元。
其中，识别单元，用于识别至少一个可能发生故障的实际类别。
发送单元，用于根据实际类别选择发送故障预警信息的用户和/或预设终端。
可选地，在本申请的一个实施例中，车辆提前排查故障的装置10还包括：生成模块和发送模块。
其中，生成模块，用于根据故障预警信息生成客户驾驶建议和/或维保建议。
发送模块，用于发送客户驾驶建议至用户，和/或，发送维保建议至预设维保终端。
可选地，在本申请的一个实施例中，车辆提前排查故障的装置10还包括：第二采集模块和建模模块。
其中，第二采集模块，用于采集多辆汽车的历史行驶状态数据和历史车辆维保信息。
建模模块，用于根据历史行驶状态数据和历史车辆维保信息训练模型，直至满预设迭代条件，构建故障产生分析模型。
可选地，在本申请的一个实施例中，车辆提前排查故障的装置10还包括：获取模块和更新模块。
其中，获取模块，用于获取故障产生分析模型的学习数据。
更新模块，用于利用学习数据更新预先构建的故障产生分析模型。
需要说明的是，前述对车辆提前排查故障的方法实施例的解释说明也适用于该实施例的车辆提前排查故障的装置，此处不再赘述。
根据本申请实施例提出的车辆提前排查故障的装置，可以通过对车辆行驶状态数据及车辆维护信息的建立故障产生分析模型，针对车辆维保时可能存在风险的部件进行排查，将问题解决在发生之前，降低车辆运行时发生故障的同时提升用户对车辆品牌的信任度，还可以给设计人员对部件设计优化提供数据参考。由此，解决了相关技术中，仅在故障发生后才对故障进行识别及修复，从而无法消除故障给客户带来的负面影响的技术问题。
图5为本申请实施例提供的车辆的结构示意图。该车辆可以包括：
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
处理器502执行程序时实现上述实施例中提供的车辆提前排查故障的方法。
进一步地，车辆还包括：
通信接口503，用于存储器501和处理器502之间的通信。
存储器501，用于存放可在处理器502上运行的计算机程序。
存储器501可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器501、处理器502和通信接口503独立实现，则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选地，在具体实现上，如果存储器501、处理器502及通信接口503，集成在一块芯片上实现，则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
处理器502可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上的车辆提前排查故障的方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或N个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种车辆提前排查故障的方法，其特征在于，包括以下步骤：
采集至少一辆汽车的实际行驶状态数据和当前车辆维保信息；
将所述实际行驶状态数据和所述当前车辆维保信息输入至预先构建的故障产生分析模型，输出每辆车辆的故障预警信息；以及
在所述每辆车辆发生故障之前，发送所述故障预警信息至用户和/或预设维保终端，使得所述用户和/或所述预设终端确定所述故障预警信息对应的至少一个可能发生故障。
2.根据权利要求1所述的方法，其特征在于，所述发送所述故障预警信息至用户和/或预设维保终端，包括：
识别至少一个可能发生故障的实际类别；
根据所述实际类别选择发送所述故障预警信息的所述用户和/或所述预设终端。
3.根据权利要求1所述的方法，其特征在于，还包括：
根据所述故障预警信息生成客户驾驶建议和/或维保建议；
发送所述客户驾驶建议至所述用户，和/或，发送所述维保建议至所述预设维保终端。
4.根据权利要求1所述的方法，其特征在于，在将所述实际行驶状态数据和所述当前车辆维保信息输入至所述预先构建的故障产生分析模型之前，还包括：
采集多辆汽车的历史行驶状态数据和历史车辆维保信息；
根据所述历史行驶状态数据和所述历史车辆维保信息训练模型，直至满预设迭代条件，构建所述故障产生分析模型。
5.根据权利要求1所述的方法，其特征在于，还包括：
获取所述故障产生分析模型的学习数据；
利用所述学习数据更新所述预先构建的故障产生分析模型。
6.一种车辆提前排查故障的装置，其特征在于，包括：
采集模块，用于采集至少一辆汽车的实际行驶状态数据和当前车辆维保信息；
计算模块，用于将所述实际行驶状态数据和所述当前车辆维保信息输入至预先构建的故障产生分析模型，输出每辆车辆的故障预警信息；以及
排查模块，用于在所述每辆车辆发生故障之前，发送所述故障预警信息至用户和/或预设维保终端，使得所述用户和/或所述预设终端确定所述故障预警信息对应的至少一个可能发生故障。
7.根据权利要求6所述的装置，其特征在于，所述排查模块包括：
识别单元，用于识别至少一个可能发生故障的实际类别；
发送单元，用于根据所述实际类别选择发送所述故障预警信息的所述用户和/或所述预设终端。
8.根据权利要求6所述的装置，其特征在于，还包括：
生成模块，用于根据所述故障预警信息生成客户驾驶建议和/或维保建议；
发送模块，用于发送所述客户驾驶建议至所述用户，和/或，发送所述维保建议至所述预设维保终端。
9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的车辆提前排查故障的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的车辆提前排查故障的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211018576.1A CN115359585A (zh) | 2022-08-24 | 2022-08-24 | 车辆提前排查故障的方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211018576.1A CN115359585A (zh) | 2022-08-24 | 2022-08-24 | 车辆提前排查故障的方法、装置、车辆及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115359585A true CN115359585A (zh) | 2022-11-18 |
Family
ID=84005393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211018576.1A Pending CN115359585A (zh) | 2022-08-24 | 2022-08-24 | 车辆提前排查故障的方法、装置、车辆及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115359585A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451122A (zh) * | 2023-04-23 | 2023-07-18 | 北京思维实创科技有限公司 | 一种故障确定方法、装置、电子设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327344A (zh) * | 2016-08-28 | 2017-01-11 | 华南理工大学 | 一种基于车联网的车辆故障在线检测预警装置和方法 |
| CN106406287A (zh) * | 2016-11-08 | 2017-02-15 | 思建科技有限公司 | 一种车辆安全状态监控预警方法及系统 |
| CN107264286A (zh) * | 2017-06-27 | 2017-10-20 | 北京新能源汽车股份有限公司 | 电动汽车行驶故障处理方法、装置及其设备 |
| CN109255855A (zh) * | 2018-09-28 | 2019-01-22 | 上汽通用五菱汽车股份有限公司 | 车辆的维保方法、终端及计算机可读存储介质 |
| CN110647539A (zh) * | 2019-09-26 | 2020-01-03 | 汉纳森（厦门）数据股份有限公司 | 一种用于车辆故障的预测方法和系统 |
| CN113902233A (zh) * | 2020-06-22 | 2022-01-07 | 比亚迪股份有限公司 | 车辆安全预警方法、大数据平台装置、车载终端和车辆 |
-
2022
- 2022-08-24 CN CN202211018576.1A patent/CN115359585A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327344A (zh) * | 2016-08-28 | 2017-01-11 | 华南理工大学 | 一种基于车联网的车辆故障在线检测预警装置和方法 |
| CN106406287A (zh) * | 2016-11-08 | 2017-02-15 | 思建科技有限公司 | 一种车辆安全状态监控预警方法及系统 |
| CN107264286A (zh) * | 2017-06-27 | 2017-10-20 | 北京新能源汽车股份有限公司 | 电动汽车行驶故障处理方法、装置及其设备 |
| CN109255855A (zh) * | 2018-09-28 | 2019-01-22 | 上汽通用五菱汽车股份有限公司 | 车辆的维保方法、终端及计算机可读存储介质 |
| CN110647539A (zh) * | 2019-09-26 | 2020-01-03 | 汉纳森（厦门）数据股份有限公司 | 一种用于车辆故障的预测方法和系统 |
| CN113902233A (zh) * | 2020-06-22 | 2022-01-07 | 比亚迪股份有限公司 | 车辆安全预警方法、大数据平台装置、车载终端和车辆 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116451122A (zh) * | 2023-04-23 | 2023-07-18 | 北京思维实创科技有限公司 | 一种故障确定方法、装置、电子设备及存储介质 |
| CN116451122B (zh) * | 2023-04-23 | 2024-03-05 | 北京磁浮有限公司 | 一种故障确定方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11954651B2 (en) | Sensor-based digital twin system for vehicular analysis | |
| US11727168B2 (en) | Proactive vehicle maintenance scheduling based on digital twin simulations | |
| CN107346565B (zh) | 一种交通工具数据处理方法、装置和终端设备 | |
| CN109724812B (zh) | 车辆故障预警的方法、装置、存储介质和终端设备 | |
| CN109164795A (zh) | 一种智能汽车故障诊断方法及系统 | |
| KR20190107080A (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
| CN104488004A (zh) | 用于提供车辆维修信息的方法和系统 | |
| CN104933883A (zh) | 一种基于手机客户端的车辆监控和车辆引导方法及其系统 | |
| CN105008875A (zh) | 基于所感测的振动确定用于机动车辆的矫正动作 | |
| CN112009494B (zh) | 一种车辆异常处理方法、装置、控制设备及存储介质 | |
| CN111795835A (zh) | 车辆的监测方法、装置及车载设备 | |
| CN112925296B (zh) | 一种基于人工智能的图形化车载网络诊断方法 | |
| KR20220121932A (ko) | 차량 배터리 모니터링 시스템 | |
| CN109116830B (zh) | 预测故障的方法及系统 | |
| CN115359585A (zh) | 车辆提前排查故障的方法、装置、车辆及存储介质 | |
| CN111275209A (zh) | 服务器装置以及信息提供方法 | |
| CN112606779A (zh) | 一种汽车故障预警方法及电子设备 | |
| CN115016428A (zh) | 一种应用于特种车辆的立体化多级诊断系统及方法 | |
| CN111275208A (zh) | 一种车辆维修保养提醒系统及方法 | |
| SE541828C2 (en) | Method and control arrangement for prediction of malfunction of a wheel bearing unit of an axle in a vehicle | |
| CN108254199B (zh) | 车辆健康预测方法、装置及设备 | |
| US20230169803A1 (en) | Information processing apparatus and storage medium | |
| CN114217596B (zh) | 基于车联网的智能诊断升级系统及方法 | |
| CN112805185A (zh) | 故障诊断装置 | |
| US20190378349A1 (en) | Vehicle remaining useful life prediction |
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 |