[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

说明书

本申请实施例公开了一种车辆故障预测模型生成方法，具体为，获取预设时长内车辆对应的工况数据，即训练数据集合，该训练数据集合中包括携带标签的工况数据和未携带标签的工况数据。其中，携带标签的工况数据是指车辆故障时对应的工况数据，未携带标签的工况数据是指车辆正常使用状态下对应的工况数据。从训练数据集合中提取训练工况特征集合，并将该训练工况特征集合按照时间序列输入工况向量表示模型，获得训练工况向量表示集合，该训练工况向量表示集合中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。利用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对初始模型的模型参数进行训练，生成车辆故障预测模型。

技术领域

本申请涉及自动控制技术领域，具体涉及一种车辆故障预测模型生成方法、故障预测方法及装置。

背景技术

汽车在使用过程中，由于各个器件的使用寿命有限，或各个器件的使用条件受限制，导致车辆会发生故障。有些故障会带来严重的后果,造成人员的伤亡或财产的巨大损失。因此,对于车辆的故障预测是急需解决的问题。

发明内容

有鉴于此，本申请实施例提供一种车辆故障预测模型生成方法、故障预测方法及装置，以实现对车辆故障进行准确预测，提高行车安全性。

为解决上述问题，本申请实施例提供的技术方案如下：

在本申请实施例第一方面，提供了一种车辆故障预测模型生成方法，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

在本申请实施例第二方面，提供了一种车辆故障预测方法，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；