CN116737882A - 车载故障分析方法、装置、计算机设备及存储介质 - Google Patents
车载故障分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116737882A CN116737882A CN202310869944.1A CN202310869944A CN116737882A CN 116737882 A CN116737882 A CN 116737882A CN 202310869944 A CN202310869944 A CN 202310869944A CN 116737882 A CN116737882 A CN 116737882A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- fault
- fault analysis
- preset
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 230000005856 abnormality Effects 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000015654 memory Effects 0.000 claims description 27
- 238000002372 labelling Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 description 20
- 230000008439 repair process Effects 0.000 description 17
- 238000002485 combustion reaction Methods 0.000 description 9
- 238000013459 approach Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 239000002826 coolant Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Abstract
本发明涉及车载故障分析技术领域,公开了一种车载故障分析方法、装置、计算机设备及存储介质,方法包括:当基于目标车辆的车况信息检测目标车辆出现异常时,确定目标车辆的故障信息;对车况信息和故障信息进行分词标注处理,得到第一信息类型和第一信息数值;基于预设语言模板、第一信息类型和第一信息数值,生成输入文本;将输入文本输入预设车辆故障分析模型,得到车载故障分析结果。本发明可以及时响应故障情况,避免由于用户的疏忽或者经验匮乏导致不能及时反馈车辆异常信息造成的危险后果,通过将输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
Description
技术领域
本发明涉及汽车故障诊断技术领域,具体涉及车载故障分析方法、装置、计算机设备及存储介质。
背景技术
汽车已成为人们出行不可缺少的工具,与此同时用户对汽车的安全性方面的要求也日渐提高,然而车辆在使用过程中,难免会出现故障,如发动机故障、刹车系统故障、悬挂系统故障和电气系统故障等。为保证行驶的安全性,一旦有故障出现,应及时查明原因并处理。一般情况下,车辆在出现故障时,应及时去4S店处理或者汽车修理厂进行维修与保养,当遇到一些特殊情况时,用户可能无法及时赶到4S店处理或者汽车修理厂,通常用户可采取远程故障处理的方式来应对。
目前对于远程故障处理的手段主要有两种:一种方法是用户描述车机上的故障信息,通过远程询问汽车售后工作人员或汽车维修人员,获取修复建议。然而,车机显示的故障信息不全面,对于有些故障,维修人员也很难通过车机显示的故障信息得出维修方案。另一种方法是用户通过搜索引擎检索故障信息,获取维修建议。这种方式需要耗费用户大量的精力,以及需要用户自身较高的水平,对于缺少专业技术手段的用户来说,很难检索到专业的故障排查以及维修手段。因此,随着车辆故障维修的专业度日益剧增,亟需找到一种能实时提供专业的车载故障修复建议的方法和系统。
发明内容
有鉴于此,本发明提供了一种车载故障分析方法、装置、计算机设备及存储介质,以解决现有技术中,由于车机显示的故障信息不全面以及用户缺少专业技术手段,导致车载远程故障支持存在困难的问题。
第一方面,本发明提供了一种故障分析方法,所述方法包括:当基于目标车辆的车况信息检测所述目标车辆出现异常时,确定所述目标车辆的故障信息;对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值;基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本;将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果。
本实施例提供的车载故障分析方法,首先,通过目标车辆的车况信息检测所述目标车辆是否出现异常,可以及时响应故障情况,避免由于用户的疏忽或者经验匮乏导致不能及时反馈车辆异常信息造成的危险后果;然后,通过对所述车况信息和所述故障信息进行分词标注处理,基于标注将所述第一信息类型和所述第一信息数值导入预设语言模板,让所述车况信息和所述故障信息变成机器可识别的语言,精简掉了用户作为信息中转中心进行转述的过程,提高了车载故障分析的效率和精度;最后,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
在一种可选的实施方式中,基于目标车辆的车况信息检测所述目标车辆是否出现异常的过程,包括:获取所述目标车辆的车况信息,所述车况信息包括第二信息类型和第二信息数值;根据所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则;根据所述第二信息数值与所述故障规则,检测所述车况信息是否异常。
本实施例提供的车载故障分析方法,通过所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则,基于各种信息类型,针对性地进行故障异常判断,提高了故障异常判断的精度。
在一种可选的实施方式中,所述确定所述目标车辆的故障信息,包括:基于异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码;将所述故障码作为故障信息。
本实施例提供的车载故障分析方法,通过异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码,为预设车辆故障分析模型提供有价值的参考数据,提高了车载故障分析结果断的准确性。
在一种可选的实施方式中,所述对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值,包括:对所述车况信息和所述故障信息进行分词处理,提取信息类型关键词和对应的信息数值关键词;对所述信息类型关键词和所述信息数值关键词标注关键词标签,得到所述第一信息类型和第一信息数值。
本实施例提供的车载故障分析方法,通过,对所述信息类型关键词和所述信息数值关键词标注关键词标签,为后续生成输入文本奠定了基础,提高了输入文本的数据准确性,进而提高了车载故障分析结果断的准确性。
在一种可选的实施方式中,所述预设语言模板包括与所述关键词标签对应的文本位置;所述基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本,包括:基于所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,生成所述输入文本。
本发明提供的故障分析方法,通过所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,提高了导入的效率,进而提高了车载故障分析结果断的效率。
在一种可选的实施方式中,所述将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,包括:调用所述预设车辆故障分析模型的传输接口,上传模型秘钥及所述输入文本,获取所述预设车辆故障分析模型输出的所述车载故障分析结果。
本发明提供的故障分析方法,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
在一种可选的实施方式中,所述方法还包括:将所述车载故障分析结果以及车辆故障分析数据发送至车机显示屏;所述车辆故障分析数据包括所述车况信息或故障信息中至少之一。
本发明提供的故障分析方法,通过将所述车载故障分析结果以及车辆故障分析数据发送至车机显示屏,便于用户查看。
第二方面,本发明提供了车载故障分析装置,所述装置包括:确定模块,用于当基于目标车辆的车况信息检测所述目标车辆出现异常时,确定所述目标车辆的故障信息;处理模块,用于对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值;生成模块,用于基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本;输入模块,用于将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的车载故障分析方法。
第四方面,本发明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指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的车载故障分析方法。
本发明的有益效果:
1、本实施例提供的车载故障分析方法,首先,通过目标车辆的车况信息检测所述目标车辆是否出现异常,可以及时响应故障情况,避免由于用户的疏忽或者经验匮乏导致不能及时反馈车辆异常信息造成的危险后果;然后,通过对所述车况信息和所述故障信息进行分词标注处理,基于标注将所述第一信息类型和所述第一信息数值导入预设语言模板,让所述车况信息和所述故障信息变成机器可识别的语言,精简掉了用户作为信息中转中心进行转述的过程,提高了车载故障分析的效率和精度;最后,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
2、本实施例提供的车载故障分析方法,通过所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则,基于各种信息类型,针对性地进行故障异常判断,提高了故障异常判断的精度。
3、本实施例提供的车载故障分析方法,通过异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码,为预设车辆故障分析模型提供有价值的参考数据,提高了车载故障分析结果断的准确性。
4、本实施例提供的车载故障分析方法,通过,对所述信息类型关键词和所述信息数值关键词标注关键词标签,为后续生成输入文本奠定了基础,提高了输入文本的数据准确性,进而提高了车载故障分析结果断的准确性。
5、本发明提供的故障分析方法,通过所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,提高了导入的效率,进而提高了车载故障分析结果断的效率。
6、本发明提供的故障分析方法,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
7、本发明提供的故障分析方法,通过将所述车载故障分析结果以及车辆故障分析数据发送至车机显示屏,便于用户查看。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的车载故障分析方法的流程示意图;
图2是根据本发明实施例的另一车载故障分析方法的流程示意图;
图3是根据本发明实施例的车载故障分析装置的结构框图;
图4是本发明实施例的计算机设备的硬件结构示意图。
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、完整地描述,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。基于本发明中的实施例,本领域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。
一般情况下,车辆在出现故障时,应及时去4S店处理或者汽车修理厂进行维修与保养,当遇到一些特殊情况时,用户可能无法及时赶到4S店处理或者汽车修理厂,通常用户可采取远程故障处理的方式来应对。
目前对于远程故障处理的手段主要有两种:一种方法是用户描述车机上的故障信息,通过远程询问汽车售后工作人员或汽车维修人员,获取修复建议。然而,车机显示的故障信息不全面,对于有些故障,维修人员也很难通过车机显示的故障信息得出维修方案。另一种方法是用户通过搜索引擎检索故障信息,获取维修建议。这种方式需要耗费用户大量的精力,以及需要用户自身较高的水平,对于缺少专业技术手段的用户来说,很难检索到专业的故障排查以及维修手段。因此,随着车辆故障维修的专业度日益剧增,亟需找到一种能实时提供专业的车载故障修复建议的方法和系统,从而解决目前的远程故障处理的手段由于车机显示的故障信息不全面以及用户缺少专业技术手段,导致车载远程故障支持存在困难的问题。
根据本发明实施例,提供了一种车载故障分析方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种车载故障分析方法,图1是根据本发明实施例的车载故障分析方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,当基于目标车辆的车况信息检测所述目标车辆出现异常时,确定所述目标车辆的故障信息。
具体地,车况信息主要包括车辆行驶数据信息、车身传感器数据信息、车辆维修信息和车辆保养信息中的一种或多种,其中,车辆内置的故障检测系统会基于车辆行驶数据信息和车身传感器数据信息生成故障码,从而确定所述目标车辆的故障信息。
步骤S102,对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值。
具体地,所述分词标注处理基于自然语言处理,主要用于将文本按照词语的边界进行切分,并为每个词语标注其词性或其他语义信息。在本实施例中,利用分词标注处理,将对所述车况信息和所述故障信息中的信息类型和信息数值提取出来,再分别标注标签,获得第一信息类型和第一信息数值。具体来说,所述第一信息类型包括车辆行驶数据信息、车身传感器数据信息、车辆维修信息和车辆保养信息以及故障码中的信息类型,例如油箱温度、发动机冷却液温度和故障码等。所述第一信息数值为所述第一信息类型对应的数值。将所述车况信息和所述故障信息进行分词,提取出车况里程A、维修时间B[n][1]及记录B[n][2]、保养时间C[n][1]及记录C[n][2],故障码D等关键词,根据关键词类型,给每个词打上可识别的标签。作为示例,将“油箱温度200摄氏度”中的“油箱温度”提取出来,标注“油箱温度信息类型”标签,将“200摄氏度”提取出来,标注“油箱温度信息数值”标签。
步骤S103,基于预设语言模板、所述第一信息类型和所述第一信息数值,生成。
具体地,所述预设语言模板是提前设置好的,例如“如果你是汽车诊断行业的专家,请根据如下情况给出完善的诊断建议:一辆行驶了A公里的汽车,[在B[n][1]时间维修了B[n][2]部件]...n,[在C[n][1]时间进行了C[n][2]保养]...n,现在出现了D故障码。”基于标注好的标签,将所述第一信息类型和所述第一信息数值导入预设语言模板,生成输入文本,所述输入文是机器可识别的语言。
步骤S104,将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果。
具体地,所述预设车辆故障分析模型可以是基于数据库中的车况信息、故障信息与专家数据库训练得到的神经网络模型,常用的模型包括多层感知器(MLP)、卷积神经网络(CNN)和循环神经网络(RNN)等,也可以是外部的自然语言模型,如ChatGPT等。
本实施例提供的车载故障分析方法,首先,通过目标车辆的车况信息检测所述目标车辆是否出现异常,可以及时响应故障情况,避免由于用户的疏忽或者经验匮乏导致不能及时反馈车辆异常信息造成的危险后果;然后,通过对所述车况信息和所述故障信息进行分词标注处理,基于标注将所述第一信息类型和所述第一信息数值导入预设语言模板,让所述车况信息和所述故障信息变成机器可识别的语言,精简掉了用户作为信息中转中心进行转述的过程,提高了车载故障分析的效率和精度;最后,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
在本实施例中提供了一种车载故障分析方法,可用于上述的移动终端,如手机、平板电脑等,图2是根据本发明实施例的车载故障分析方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,当基于目标车辆的车况信息检测所述目标车辆出现异常时,确定所述目标车辆的故障信息。
具体地,基于目标车辆的车况信息检测所述目标车辆是否出现异常的过程,包括:获取所述目标车辆的车况信息,所述车况信息包括第二信息类型和第二信息数值;根据所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则;根据所述第二信息数值与所述故障规则,检测所述车况信息是否异常。作为示例,当第二信息类型为汽缸的燃烧数据时,确定汽缸的燃烧数据的故障规则,根据燃烧数据的故障规则,检测各个汽缸的燃烧数据是否超出预设阈值,若存在汽缸的燃烧数据超出预设阈值,则所述车况信息异常。这里,第二信息类型和上述第一信息类型相比,第二信息类型不包含故障码信息类型。
本实施例提供的车载故障分析方法,通过所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则,基于各种信息类型,针对性地进行故障异常判断,提高了故障异常判断的精度。
具体地,基于异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码;将所述故障码作为故障信息。汽车故障码也称为OBD故障码(On-BoardDiagnostics,车载诊断)是指由汽车电子控制单元(ECU)检测到车辆存在故障时,所产生的一组代码,用于描述汽车系统中具体的故障类型。每个故障码由一个字母和四位数字组成,例如"P0301",其中字母表示故障的系统或子系统,而数字则表示具体的问题。故障码一般通过OBD-II(On-Board Diagnostics II)接口读取,现代汽车通常配备了这种接口,可以用来连通车辆的ECU并获取故障码信息。故障码只是个指导性的信息,不能单凭故障码来判断具体的修复方法。作为示例,当检测到汽缸的燃烧数据超出预设阈值时,确定故障码为P030。故障码P030通常表示发动机出现了缺火(misfire)的问题。缺火是指在汽缸中燃烧过程中出现了异常,导致汽缸内混合气燃烧不充分或完全停止燃烧。
本实施例提供的车载故障分析方法,通过异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码,为预设车辆故障分析模型提供有价值的参考数据,提高了车载故障分析结果断的准确性。
步骤S202,对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值。
具体地,上述步骤S202包括:
步骤S2021,对所述车况信息和所述故障信息进行分词处理,提取信息类型关键词和对应的信息数值关键词。
具体地,对所述车况信息和所述故障信息进行分词,再将所述车况信息和所述故障信息中的信息类型和信息数值对应的关键词提取出来。具体来说,所述第一信息类型包括车辆行驶数据信息、车身传感器数据信息、车辆维修信息和车辆保养信息以及故障码中的信息类型,例如油箱温度、发动机冷却液温度和故障码等。所述第一信息数值为所述第一信息类型对应的数值。将所述车况信息和所述故障信息进行分词,提取出车况里程A、维修时间B[n][1]及记录B[n][2]、保养时间C[n][1]及记录C[n][2],故障码D等关键词。
步骤S2022,对所述信息类型关键词和所述信息数值关键词标注关键词标签,得到所述第一信息类型和第一信息数值。
具体地,根据关键词类型,给每个词打上可识别的标签。作为示例,将“油箱温度200摄氏度”中的“油箱温度”提取出来,标注“油箱温度信息类型”标签,将“200摄氏度”提取出来,标注“油箱温度信息数值”标签,得到所述第一信息类型和第一信息数值。
本实施例提供的车载故障分析方法,通过,对所述信息类型关键词和所述信息数值关键词标注关键词标签,为后续生成输入文本奠定了基础,提高了输入文本的数据准确性,进而提高了车载故障分析结果断的准确性。
步骤S203,基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本。
具体地,上述步骤S203包括:
步骤S2031,基于所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,生成所述输入文本。
具体地,所述预设语言模板是提前设置好的,例如“如果你是汽车诊断行业的专家,请根据如下情况给出完善的诊断建议:一辆行驶了A公里的汽车,[在B[n][1]时间维修了B[n][2]部件]...n,[在C[n][1]时间进行了C[n][2]保养]...n,现在出现了D故障码。”。所述预设语言模板包括与所述关键词标签对应的文本位置,基于所述关键词标签和所述文本位置,将所述第一信息类型和所述第一信息数值导入预设语言模板,生成输入文本。所述输入文是机器可识别的语言。
本发明提供的故障分析方法,通过所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,提高了导入的效率,进而提高了车载故障分析结果断的效率。
步骤S204,将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果。
具体地,上述步骤S204包括:
步骤S2041,调用所述预设车辆故障分析模型的传输接口,上传模型秘钥及所述输入文本,获取所述预设车辆故障分析模型输出的所述车载故障分析结果。
具体地,当使用ChatGPT作为所述预设车辆故障分析模型时,调用chatgpt接口,传入OPENAI_API_KEY及所述输入文本,获取chatgpt的车载故障分析结果和故障修复建议。
本发明提供的故障分析方法,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
在一些实施例的可选方式中,所述方法还包括:将所述车载故障分析结果以及车辆故障分析数据发送至车机显示屏;所述车辆故障分析数据包括所述车况信息或故障信息中至少之一。具体地,用户的车机显示屏显示的车载故障分析结果和故障修复建议,不仅限于故障修复建议,还包括所述预设车辆故障分析模型时根据车况信息和故障信息提供的专业保养建议、驾驶建议等。
本发明提供的故障分析方法,通过将所述车载故障分析结果以及车辆故障分析数据发送至车机显示屏,便于用户查看。
在本实施例中还提供了一种车载故障分析装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”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较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种车载故障分析装置,如图3所示,包括:
确定模块301,用于当基于目标车辆的车况信息检测所述目标车辆出现异常时,确定所述目标车辆的故障信息;
处理模块302,用于对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值;
生成模块303,用于基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本;
输入模块304,用于将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果。
本实施例提供的车载故障分析装置,首先,通过目标车辆的车况信息检测所述目标车辆是否出现异常,可以及时响应故障情况,避免由于用户的疏忽或者经验匮乏导致不能及时反馈车辆异常信息造成的危险后果;然后,通过对所述车况信息和所述故障信息进行分词标注处理,基于标注将所述第一信息类型和所述第一信息数值导入预设语言模板,让所述车况信息和所述故障信息变成机器可识别的语言,精简掉了用户作为信息中转中心进行转述的过程,提高了车载故障分析的效率和精度;最后,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
在一些可选的实施方式中,确定模块301包括:
车况信息获取单元,用于获取所述目标车辆的车况信息,所述车况信息包括第二信息类型和第二信息数值。
故障规则确定单元,用于根据所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则。
车况信息检测单元,用于根据所述第二信息数值与所述故障规则,检测所述车况信息是否异常。
本实施例提供的车载故障分析装置,通过所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则,基于各种信息类型,针对性地进行故障异常判断,提高了故障异常判断的精度。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
在一些可选的实施方式中,确定模块301还包括:
故障码确定单元,用于基于异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码。
作为单元,用于将所述故障码作为故障信息。
本实施例提供的车载故障分析装置,通过异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码,为预设车辆故障分析模型提供有价值的参考数据,提高了车载故障分析结果断的准确性。
在一些可选的实施方式中,处理模块302还包括:
关键词提取单元,用于对所述车况信息和所述故障信息进行分词处理,提取信息类型关键词和对应的信息数值关键词。
关键词标注单元,用于对所述信息类型关键词和所述信息数值关键词标注关键词标签,得到所述第一信息类型和第一信息数值。
本实施例提供的车载故障分析装置,通过对所述信息类型关键词和所述信息数值关键词标注关键词标签,为后续生成输入文本奠定了基础,提高了输入文本的数据准确性,进而提高了车载故障分析结果断的准确性。
在一些可选的实施方式中,生成模块303还包括:
输入文本生成单元,用于基于所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,生成所述输入文本。
本发明提供的故障分析方法,通过所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,提高了导入的效率,进而提高了车载故障分析结果断的效率。
在一些可选的实施方式中,输入模块304还包括:
调用单元,用于调用所述预设车辆故障分析模型的传输接口,上传模型秘钥及所述输入文本,获取所述预设车辆故障分析模型输出的所述车载故障分析结果。
本发明提供的故障分析方法,通过将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,可以远程和实时地进行车载故障分析并给出结论,节省了人力资源。
在一些可选的实施方式中,车载故障分析装置还包括:
发送模块,用于将所述车载故障分析结果以及车辆故障分析数据发送至车机显示屏;所述车辆故障分析数据包括所述车况信息或故障信息中至少之一。
本实施例中的车载故障分析装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图3所示的车载故障分析装置。
请参阅图4,图4是本发明可选实施例提供的一种计算机设备的结构示意图,如图4所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20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计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。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。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的第一存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种车载故障分析方法,其特征在于,所述方法包括:
当基于目标车辆的车况信息检测所述目标车辆出现异常时,确定所述目标车辆的故障信息;
对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值;
基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本;
将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果。
2.根据权利要求1所述的车载故障分析方法,其特征在于,基于目标车辆的车况信息检测所述目标车辆是否出现异常的过程,包括:
获取所述目标车辆的车况信息,所述车况信息包括第二信息类型和第二信息数值;
根据所述第二信息类型,与所述第二信息类型与预设故障规则的映射关系,确定与所述第二信息类型对应的故障规则;
根据所述第二信息数值与所述故障规则,检测所述车况信息是否异常。
3.根据权利要求2所述的车载故障分析方法,其特征在于,所述确定所述目标车辆的故障信息,包括:
基于异常的车况信息对应的第二信息数值和第二信息类型及所述故障规则,确定故障码;
将所述故障码作为故障信息。
4.根据权利要求1所述的车载故障分析方法,其特征在于,所述对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值,包括:
对所述车况信息和所述故障信息进行分词处理,提取信息类型关键词和对应的信息数值关键词;
对所述信息类型关键词和所述信息数值关键词标注关键词标签,得到所述第一信息类型和第一信息数值。
5.根据权利要求4所述的车载故障分析方法,其特征在于,所述预设语言模板包括与所述关键词标签对应的文本位置;
所述基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本,包括:
基于所述关键词标签,将所述第一信息类型和第一信息数值填入所述预设语言模板中对应的文本位置,生成所述输入文本。
6.根据权利要求1所述的车载故障分析方法,其特征在于,所述将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果,包括:
调用所述预设车辆故障分析模型的传输接口,上传模型秘钥及所述输入文本,获取所述预设车辆故障分析模型输出的所述车载故障分析结果。
7.根据权利要求1所述的车载故障分析方法,其特征在于,所述方法还包括:
将所述车载故障分析结果以及车辆故障分析数据发送至车机显示屏;所述车辆故障分析数据包括所述车况信息或故障信息中至少之一。
8.一种车载故障分析装置,其特征在于,所述装置包括:
确定模块,用于当基于目标车辆的车况信息检测所述目标车辆出现异常时,确定所述目标车辆的故障信息;
处理模块,用于对所述车况信息和所述故障信息进行分词标注处理,得到第一信息类型和第一信息数值;
生成模块,用于基于预设语言模板、所述第一信息类型和所述第一信息数值,生成输入文本;
输入模块,用于将所述输入文本输入预设车辆故障分析模型,得到车载故障分析结果。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的车载故障分析方法。
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指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的车载故障分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310869944.1A CN116737882A (zh) | 2023-07-14 | 2023-07-14 | 车载故障分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310869944.1A CN116737882A (zh) | 2023-07-14 | 2023-07-14 | 车载故障分析方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116737882A true CN116737882A (zh) | 2023-09-12 |
Family
ID=87906016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310869944.1A Pending CN116737882A (zh) | 2023-07-14 | 2023-07-14 | 车载故障分析方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116737882A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117009909A (zh) * | 2023-09-28 | 2023-11-07 | 北京博大网信股份有限公司 | 自动报障模型的构建方法、自动报障方法及其装置 |
-
2023
- 2023-07-14 CN CN202310869944.1A patent/CN116737882A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117009909A (zh) * | 2023-09-28 | 2023-11-07 | 北京博大网信股份有限公司 | 自动报障模型的构建方法、自动报障方法及其装置 |
CN117009909B (zh) * | 2023-09-28 | 2023-12-26 | 北京博大网信股份有限公司 | 自动报障模型的构建方法、自动报障方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108563214B (zh) | 车辆诊断方法、装置及设备 | |
JP6359062B2 (ja) | 自動分析方法 | |
CN102708134B (zh) | 由维修程序开发故障模型 | |
US10152641B2 (en) | Artificial intelligence based vehicle dashboard analysis | |
JP2009265104A (ja) | 診断データマイニング | |
CN104488004A (zh) | 用于提供车辆维修信息的方法和系统 | |
US20220114627A1 (en) | Methods and systems for automatic processing of images of a damaged vehicle and estimating a repair cost | |
CN116737882A (zh) | 车载故障分析方法、装置、计算机设备及存储介质 | |
CN110781381B (zh) | 基于神经网络的数据验证方法、装置、设备及存储介质 | |
CN109102206A (zh) | 一种汽车维修厂的评价方法及相关设备 | |
US20170213222A1 (en) | Natural language processing and statistical techniques based methods for combining and comparing system data | |
US20220027963A1 (en) | Vehicle Valuation Engine to Determine Valuation Based on Usage and Fault History | |
CN104064182A (zh) | 一种基于分类规则的语音识别系统及方法 | |
CN114187489A (zh) | 车辆异常驾驶风险检测方法、装置、电子设备及存储介质 | |
CN112148566A (zh) | 计算引擎的监控方法、装置、电子设备及存储介质 | |
CN112667878A (zh) | 网页的文本内容提取方法、装置、电子设备及存储介质 | |
CN112579781A (zh) | 文本归类方法、装置、电子设备及介质 | |
CN106548532A (zh) | 液压油在线检测方法、装置和系统 | |
CN115373366A (zh) | 一种交互式诊断系统、诊断方法及存储介质 | |
CN116224951A (zh) | 维护控制系统和方法 | |
CN114091699A (zh) | 一种电力通信设备故障诊断方法及系统 | |
CN115346095A (zh) | 视觉问答方法、装置、设备及存储介质 | |
CN103942261B (zh) | 一种用于车载系统故障字典的配置输入方法 | |
CN114104329A (zh) | 基于传感器数据的修复的自动预测 | |
CN112560465A (zh) | 批量异常事件的监控方法、装置、电子设备及存储介质 |
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 |