[发明专利]用于分析汽车故障的方法和装置

权利要求书

1.一种用于分析汽车故障的方法，包括：

接收待诊断故障信息；

从数据库中获得与所述待诊断故障信息中指示的待诊断故障相关的预定特征；

利用故障分析模型对所述待诊断故障信息和所述预定特征进行处理，其中，所述故障分析模型是基于分类算法、使用历史故障数据和历史故障相关特征来训练深度神经网络模型而确定的优选模型；以及

生成针对所述待诊断故障的故障诊断结果。

2.如权利要求1所述的方法，其中，所述故障分析模型是进一步基于以下操作来确定的：

获得所述历史故障数据和历史故障相关特征，所述历史故障数据包括历史故障信息和相应的历史诊断结果；

利用所述分类算法对所述历史故障信息进行文本分类，以获得不同类别的历史故障信息；

基于所述不同类别的历史故障信息、所述历史故障相关特征和所述历史诊断结果来训练所述深度神经网络模型，以确定针对所述深度神经网络模型的优选参数；以及

将采用所述优选参数的优选模型选择用作所述故障分析模型。

3.如权利要求1所述的方法，其中，所述分类算法是BERT算法，以及其中，所述故障诊断结果包括以下中的至少一项：与所述待诊断故障相关的结果特征、导致所述待诊断故障的至少一个原因和每个原因的概率。

4.如权利要求3所述的方法，还包括：

将所述故障诊断结果保存在所述数据库中和/或提供至所述深度神经网络模型以再次训练所述深度神经网络模型。

5.如权利要求4所述的方法，其中，将所述故障诊断结果提供至所述深度神经网络模型以再次训练所述深度神经网络模型的操作进一步包括：将所述结果特征提供至所述深度神经网络模型，以作为更新的历史故障相关特征来再次训练所述深度神经网络模型。

6.一种用于分析汽车故障的装置，包括：

接收模块，用于接收待诊断故障信息；

获得模块，用于从数据库中获得与所述待诊断故障信息中指示的待诊断故障相关的预定特征；

处理模块，用于利用故障分析模型对所述待诊断故障信息和所述预定特征进行处理，其中，所述故障分析模型是基于分类算法、使用历史故障数据和历史故障相关特征来训练深度神经网络模型而确定的优选模型；以及

生成模块，用于生成针对所述待诊断故障的故障诊断结果。

7.如权利要求6所述的装置，其中，所述故障分析模型是进一步基于以下操作来确定的：

获得所述历史故障数据和历史故障相关特征，所述历史故障数据包括历史故障信息和相应的历史诊断结果；

利用所述分类算法对所述历史故障信息进行文本分类，以获得不同类别的历史故障信息；

基于所述不同类别的历史故障信息、所述历史故障相关特征和所述历史诊断结果来训练所述深度神经网络模型，以确定针对所述深度神经网络模型的优选参数；以及

将采用所述优选参数的优选模型选择用作所述故障分析模型。

8.如权利要求6所述的装置，其中，所述分类算法是BERT算法，以及其中，所述故障诊断结果包括以下中的至少一项：与所述待诊断故障相关的结果特征、导致所述待诊断故障的至少一个原因和每个原因的概率。

9.如权利要求8所述的装置，还包括：

保存模块，用于将所述故障诊断结果保存在所述数据库中；和/或

提供模块，用于将所述故障诊断结果提供至所述深度神经网络模型以再次训练所述深度神经网络模型。

10.如权利要求9所述的装置，其中，所述提供模块进一步用于：将所述结果特征提供至所述深度神经网络模型，以作为更新的历史故障相关特征来再次训练所述深度神经网络模型。

11.一种用于分析汽车故障的设备，包括：

处理器；以及

存储器，用于存储可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行权利要求1-5所述的方法。

12.一种机器可读介质，其上存储有可执行指令，其中，所述可执行指令当被执行时，使得机器执行权利要求1-5所述的方法。