[发明专利]一种汽车故障诊断方法及相关设备

说明书

本申请提供了一种汽车故障诊断方法及相关设备，所述方法包括：获取待检测数据，所述待检测数据为汽车故障数据；对所述待检测数据进行预处理，得到预处理数据；将所述预处理数据输入故障诊断模型以得到故障编号，其中，所述故障诊断模型为深度卷积神经网络CNN；根据所述故障编号获得诊断结果。

技术领域

本申请涉及计算机领域，尤其涉及一种汽车故障诊断方法及相关设备。

背景技术

随着汽车工业的不断发展，微型计算机控制系统已经越来越多的应用到汽车电子模块中，这对汽车的安全、可靠、动力、经济和环保等性能都有极大的提高。同时，随着各类传感器、执行器的应用，使得汽车电子结构日益复杂，也使汽车故障诊断排除越发困难，使得汽车故障诊断装置的应用越来越广泛。

汽车故障的诊断方法一般是维修人员通过各种数据传感器获取的值与标准值比较,以得到某个或某几个传感器的值不在正常值。而对于汽车这样的复杂系统,显示不正常的传感器可能不是该传感器指定的模块发生故障,维修人员往往需要通过经验判断是哪个模块发生故障，这个过程耗费大量时间，汽车维修人员维修的准确率和效率都无法得到保障。

发明内容

本申请提供了一种汽车故障诊断方法和相关设备，能够快速地定位汽车故障的位置以及故障原因。

第一方面，提供了一种汽车故障诊断方法，包括以下步骤：

获取待检测数据，所述待检测数据为汽车故障数据；

对所述待检测数据进行预处理，得到预处理数据；

将所述预处理数据输入故障诊断模型以得到故障编号，其中，所述故障诊断模型为深度卷积神经网络CNN；

根据所述故障编号获得诊断结果。

可选地，在获取待检测数据之前，所述方法还包括：

获取样本数据，所述样本数据包括样本输入数据以及样本故障编号，其中，样本输入数据与样本故障编号存在对应关系；

对所述样本输入数据进行预处理，得到预处理样本输入数据；

将所述预处理样本输入数据输入预设模型得到预测故障编号，其中，所述预设模型为深度卷积神经网络CNN；

将所述预测故障编号与样本故障编号进行对比分析，根据所述对比分析结果调整所述预设模型参数；

重复上述步骤，直至预测故障编号与样本故障编号误差为最小值，将所述预测故障编号与样本故障编号误差为最小值的预设模型确定为故障诊断模型。

可选地，所述获取待检测数据包括：以固定时间间隔获取所述待检测数据。

可选地，根据所述故障编号获得诊断结果后，所述方法还包括：

在接收到所述诊断结果为正确的情况下，存储所述待检测数据与故障编号为样本增量数据；

使用所述样本增量数据对所述故障诊断模型进行训练。

可选地，根据所述故障编号获得诊断结果后，所述方法还包括：根据所述诊断结果获取相关维修方案或维修人员的联系方式。

第二方面，提供了一种汽车故障诊断装置，包括获取单元、处理单元、匹配单元以及诊断单元：

所述获取单元用于获取待检测数据，所述待检测数据为汽车故障数据；

所述处理单元用于对所述待检测数据进行预处理，得到预处理数据；

所述匹配单元用于将所述预处理数据输入故障诊断模型以得到故障编号，其中，所述故障诊断模型为深度卷积神经网络CNN；

所述诊断单元用于根据所述故障编号获得诊断结果。