[发明专利]一种车辆故障预测模型生成方法、故障预测方法及装置

权利要求书

1.一种车辆故障预测模型生成方法，其特征在于，所述方法包括：

获取训练数据集合，所述训练数据集合包括携带标签的工况数据以及未携带标签的工况数据，所述训练数据集合为预设时长内所述车辆对应的工况数据；

从所述训练数据集合中提取训练工况特征集合，并将所述训练工况特征集合按照时间序列输入工况向量表示模型，获取训练工况向量表示集合，所述训练工况向量表示集合包括携带标签的训练工况向量表示和未携带标签的训练工况向量表示；

根据所述携带标签的训练工况向量表示和所述未携带标签的训练工况向量表示对初始模型的模型参数进行训练，生成车辆故障预测模型。

2.根据权利要求1所述的方法，其特征在于，所述从所述训练数据集合中提取训练工况特征集合，并将所述训练工况特征集合输入工况向量表示模型，获取训练工况向量表示集合，包括：

利用第一参数对所述训练数据集合进行切分，获得多个训练数据，所述第一参数为单位时间参数；

获取每个所述训练数据对应的训练工况特征，并将每个所述训练数据对应的训练工况特征输入所述工况向量表示模型，获得训练工况向量表示，所述训练工况向量表示集合包括每个所述训练数据对应的训练工况向量表示。

3.根据权利要求1所述的方法，其特征在于，所述从所述训练数据集合中提取训练工况特征集合，并将所述训练工况特征集合输入工况向量表示模型，获取训练工况向量表示集合，包括：

利用第二参数对训练数据集合进行切分，获得多个训练数据，所述第二参数为单位里程参数；

获取每个所述训练数据对应的训练工况特征，并将每个所述训练数据对应的训练工况特征输入所述工况向量表示模型，获得训练工况向量表示，所述训练工况向量表示集合包括每个所述训练数据对应的训练工况向量表示。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述车辆故障预测模型对应的损失函数对所述工况向量表示模型的模型参数进行更新。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述训练工况特征集合包括电池包特征、车辆行驶特征以及车辆使用统计特征中的一种或多种。

6.一种车辆故障预测方法，其特征在于，所述方法包括：

获取待处理工况数据，所述待处理工况数据为预设时长内车辆对应的工况数据；

从所述待处理工况数据中提取待处理工况特征，并将所述待处理工况特征按照时间序列输入工况向量表示模型，获取待处理工况向量表示；

将所述待处理工况向量表示输入车辆故障预测模型，获得预测结果，所述车辆故障预测模型是根据权利要求1-5任一项所述的车辆故障预测模型的生成方法训练生成的。

7.一种车辆故障预测模型生成装置，其特征在于，所述装置包括：

第一获取单元，用于获取训练数据集合，所述训练数据集合包括携带标签的工况数据以及未携带标签的工况数据，所述训练数据集合为预设时长内所述车辆对应的工况数据；

第二获取单元，用于从所述训练数据集合中提取训练工况特征集合，并将所述训练工况特征集合按照时间序列输入工况向量表示模型，获取训练工况向量表示集合，所述训练工况向量表示集合包括携带标签的训练工况向量表示和未携带标签的训练工况向量表示；

生成单元，用于根据所述携带标签的训练工况向量表示和所述未携带标签的训练工况向量表示对初始模型的模型参数进行训练，生成车辆故障预测模型。

8.一种车辆故障预测装置，其特征在于，所述装置包括：

第一获取单元，用于获取待处理工况数据，所述待处理工况数据为预设时长内车辆对应的工况数据；

第二获取单元，用于从所述待处理工况数据中提取待处理工况特征，并将所述待处理工况特征按照时间序列输入工况向量表示模型，获取待处理工况向量表示；

第三获取单元，用于将所述待处理工况向量表示输入车辆故障预测模型，获得预测结果，所述车辆故障预测模型是根据权利要求1-5任一项所述的车辆故障预测模型的生成方法训练生成的。