[发明专利]一种汽车故障自动诊断方法、系统、设备及介质

说明书

本发明涉及一种汽车故障自动诊断方法、系统、设备及介质，包括以下步骤：获取CAN总线信号，CAN总线信号表征了汽车上的控制器局域网络的信号；将CAN总线信号输入预测模型中，通过预测模型确定汽车的故障原因。通过本申请的方案，解决了现有技术无法根据CAN总线信号给出异常原因的问题。

技术领域

本发明涉及汽车技术领域，尤其涉及一种汽车故障自动诊断方法、系统、设备及介质。

背景技术

私家汽车在现代人的生活中占有重要地位，越来越多的人采用汽车作为日常代步工具。然而，由于汽车维护管理不周，汽车突发故障频出，严重影响出行效率，给人们出行带来诸多不便，甚至会造成交通拥堵或事故。近年来，随着物联网的快速发展，许多私家汽车都配备有计算机控制系统，这使得私家车可以通过控制器局域网络(CAN总线信号)来实时获取汽车的异常状态，方便驾驶人员对汽车进行监控。然而，CAN总线信号只能反映车辆的异常状况，无法分析导致异常的原因，更无法给出解决方案，一般的汽车驾驶人员也没有经过相关培训，难以根据CAN总线信号快速排除故障。

发明内容

为了克服现有技术无法根据CAN总线信号给出异常原因的问题，本发明提供了一种汽车故障自动诊断方法、系统、设备及介质。

第一方面，为了解决上述技术问题，本发明提供了一种汽车故障自动诊断方法，包括以下步骤：

获取CAN总线信号，CAN总线信号表征了汽车上的控制器局域网络的信号；

将CAN总线信号输入预测模型中，通过预测模型确定汽车的故障原因，其中，预测模型是通过以下方式训练得到的：

S11，获取训练样本，训练样本中包括多个故障描述和每个故障描述对应的真实故障原因，对于每个故障描述，故障描述表征了汽车的异常状态；

S12，对于每个故障描述，根据故障描述，确定故障信号，故障信号的信号编码方式与CAN总线信号的编码方式相同；

S13，对于每个故障信号，根据故障信号，确定故障信号对应的第一特征向量，对于故障信号对应的真实故障原因，根据真实故障原因，确定真实故障原因对应的第二特征向量，根据第一特征向量和第二特征向量，确定第三特征向量；

S14，根据多个第三特征向量，对初始模型进行训练，得到每个故障信号对应的预测故障原因；

S15，根据多个预测故障原因和多个真实故障原因，确定初始模型的总损失值；

S16，若总损失值满足预设结束条件，将满足预设结束条件时的初始模型作为预测模型，若总损失值不满足预设结束条件，调整初始网络的网络参数，并根据调整后的网络参数重新对初始模型进行训练，直到初始模型的总损失值满足预设结束条件。

本发明提供的一种汽车故障自动诊断方法的有益效果是：在预测模型的训练过程中，对训练集中的故障描述进行处理，转化为与CAN总线信号编码方式相同的故障信号，将故障描述与预测故障原因的关系转化为CAN总线信号(故障信号)与预测故障原因的关系，因此，在预测模型的训练完成后，能够通过CAN总线信号来预测汽车的故障原因，解决了现有技术无法根据CAN总线信号给出异常原因的问题。

在上述技术方案的基础上，本发明的一种汽车故障自动诊断方法还可以做如下改进。

进一步，上述方法中对于每个故障描述，根据故障描述，确定故障信号，包括：

对于每个故障描述，根据故障描述，确定故障描述对应的第四特征向量；根据第四特征向量，确定故障信号。

采用上述进一步方案的有益效果是：将故障描述转化为第四特征向量，通过第四特征向量反映故障的特征，从而通过第四特征向量获取故障信号，因此，将故障描述转化为了与CAN总线信号的编码方式相同的信号。