[发明专利]车辆故障诊断方法和设备、计算机可读存储介质

权利要求书

1.一种车辆故障诊断方法，其特征在于，所述方法包括：

接收灰度图像，其中所述灰度图像表征用于车辆诊断的诊断数据；

利用卷积神经网络提取所述灰度图像的特征从而生成特征图；

对所述特征图进行基于自注意力的处理以得到分类结果，其中所述分类结果指示车辆故障情况；以及

基于所述分类结果进行相关度传播分析以得到贡献度热力图，其中所述贡献度热力图指示所述灰度图像中各个像素对所述分类结果的贡献程度。

2.根据权利要求1所述的方法，其中基于自注意力的处理包括：

将所述特征图输入到自注意力神经网络的多头注意力层以提取特征矩阵；

将所述特征矩阵输入到所述自注意力神经网络的稠密层以生成稀疏化矩阵；以及

将所述稀疏化矩阵输入到所述自注意力神经网络的全连接及softmax层以得到所述分类结果。

3.根据权利要求1所述的方法，其中通过以下步骤产生所述灰度图像：

提取所述诊断数据，其中所述诊断数据包括车辆内的至少一个来源在多个时点上产生的数据；

从所述诊断数据中过滤出预定时段内的有效数据；

将所述有效数据中的各个值作归一化处理；

将所述有效数据中的各个归一化值映射到所述灰度图像的灰度等级上；以及

根据所述有效数据中的各个归一化值的对应灰度等级构建所述灰度图，其中所述灰度图具有对应所述来源的第一维度和对应所述时点的第二维度。

4. 根据权利要求3所述的方法，其中产生所述灰度图像还包括如下步骤：

在归一化处理后补充各个来源在断电期间的归一化值；以及

对所述有效数据中的各个归一化值进行过滤。

5. 根据权利要求2所述的方法，所述方法还包括：

接收样本灰度图像及其对应的样本分类结果，其中所述样本灰度图像表征用于车辆诊断的样本数据，并且所述样本分类结果指示车辆故障情况；以及

以所述样本灰度图像为所述卷积神经网络的输入，并且以所述样本分类结果为所述自注意力神经网络的目标输出，对所述卷积神经网络和所述自注意力神经网络进行训练。

6.根据权利要求5所述的方法，其中所述样本数据为根据经验规则判断出现故障的时点为终点的预定时段内的数据，并且所述样本分类结果为根据所述经验规则确定的车辆故障情况。

7.根据权利要求2所述的方法，其中，基于所述分类结果进行相关度传播分析以得到贡献度热力图包括：

利用相关度分析神经网络基于所述分类结果进行所述相关度传播分析；其中，

所述相关度分析神经网络包括与所述卷积神经网络中的每一层、所述自注意力神经网络中的每一层分别耦合的对应各层。

8.根据权利要求1所述的方法，其中所述诊断数据基于车辆的传感器数据生成。

9.一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，其特征在于，当所述指令由处理器执行时，使得所述处理器执行如权利要求1-8中任一项所述的方法。

10.一种车辆诊断设备，其特征在于，所述诊断设备包括：

存储器，其配置成存储指令；

处理器，其配置成执行所述指令，使得执行权利要求1-8中任一项所述的方法。