[发明专利]一种汽车故障码解析方法、存储介质及电子设备

说明书

本发明涉及一种汽车故障码解析方法、存储介质及电子设备，获取故障码通俗化记录的数据，将数据清洗后制作为标准化的标签训练集；进行模型训练，采用BERT作为训练模型，采用交叉熵函数或焦点损失函数作为损失函数，采用Adam优化器来进行网络参数的计算和更新，且通过Pytorch框架进行分布式训练；训练好的模型用于解析汽车故障码。本方案借助BERT模型强大的注意力机制，学习汽车故障码的特征信息点，而后根据处理好的标签进行解码，将可能出现故障的汽车零配件亦或是子系统推荐给用户，指定检查范围。汽车二手商在缺乏专业知识的情况下，也可获取故障码的通俗化含义，进而快速了解所需检查的器件位置，便于快速进行维修费用、车架的评估。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种汽车故障码解析方法、存储介质及电子设备。

背景技术

中国的二手车市场从20世纪80年代发展至今，已有40年历史。相较于新车，二手车经销商主要关键组成是二手车的检测与回收，并再次出售，其中汽车检测十分关键，若存在差错或问题将导致较大的亏损。而对于经销商，比较关注的就是该二手车的估值，即该车是否有重大事故，或是更换过一些什么重要的零配件，一旦检测出，经销商在议价上就处于不败的地位，可用相对较低的成本回收车子，节省大量成本。

对于汽车维修人员来说，需查阅标准代码(SAE/ISO)或是汽车制造商控制的代码，故障码包含了五个字符，第一个是字母，后边的四个是数字。维修人员根据标准上的故障描述，故障可能原因，故障处理方法即可知道需要检查或是更换什么汽车零配件。

但是，对于非汽车维修人员来说，由于缺乏专业知识，看到故障码后，并不知道故障出在何处，或是更换什么零配件，亦或是没有对应的汽车制造商控制代码，即使有解析故障码的能力，并不能准确定位到需要检查的汽车零配件，并且有的故障码解析出来，并不是非常明确的指向故障部位，也无法定位到需要检查的汽车零配件。

发明内容

基于此，有必要针对现有二手车商人员缺乏专业知识，无法直接通过汽车故障码自行判断故障部位或是维修费用的问题，提供一种汽车故障码解析方法存储介质及电子设备。

一方面，本发明提出了一种汽车故障码解析方法，包括步骤：

S10：获取故障码通俗化记录的数据，将数据清洗后制作为标准化的标签训练集；

S20：导入标签训练集进行模型训练，其中：采用BERT作为训练模型，采用交叉熵函数或焦点损失函数作为损失函数，采用Adam优化器来进行网络参数的计算和更新，且通过Pytorch框架进行分布式训练；

S30：将汽车故障码输入至训练好的模型中，解析获取需要检修的汽车零配件。

进一步地，步骤S10中包括：

S11：获取故障码通俗化记录数据；

S12：数据清洗，剔除故障码通俗化记录中的异常值；

S13：制作包含特征的标准化的训练集标签，特征包括了品牌、车型、系统编号及故障描述；

S14：清理训练集标签中的异常数据；

S15：分层采样提取验证集，保证验证集的每一个标签都至少有一条以上的测试数据，且验证集的所有数据都与训练集的数据不一样。

进一步地，步骤S20搭建模型时包括：

搭建标签与模型输入索引映射字典；

采用BERT模型的12层堆叠，经过归一化指数函数归一化后，得Value的权重，以达到注意力的效果；

升维或降维匹配标签数量，采用与标签数目相匹配的神经元个数的全连接层，进行维度转换；

增加一层随机失活，以防止模型过拟合。