故障预测方法、装置、存储介质以及车辆与流程

文档序号:36494065发布日期:2023-12-27 08:01阅读:27来源:国知局
故障预测方法与流程

本申请涉及汽车,尤其涉及一种故障预测方法、装置、存储介质以及车辆。


背景技术:

1、车辆的状态时刻影响着用户的驾驶安全,因此,对车辆故障的预测和诊断越来越重要。一般来说,通常技术人员基于经验来设定一些阈值或规则,对车辆进行故障预测和诊断,以此来判断车辆的工作状态是否正常。然而,当出现一些非典型的或者未知的故障,还是难以进行有效的预测和诊断。基于此,有必要开发一种故障预测的方法,来提高故障预测的效率和精确度,以保护用户的驾驶安全。


技术实现思路

1、本申请提供一种故障预测方法、装置、存储介质以及车辆,可以解决相关技术中故障预测不及时、不准确的技术问题。

2、第一方面,本申请实施例提供一种故障预测方法,该方法包括:

3、获取车辆的实车运行数据以及预测运行数据,所述预测运行数据为预先训练好的生成器生成的与所述车辆在正常运行状态下的车辆运行数据相似的数据;

4、对比所述实车运行数据与所述预测运行数据,得到所述实车运行数据与所述预测运行数据之间的差异程度;

5、当所述差异程度满足预设差异条件,则确定所述实车运行数据为异常实车数据,根据所述异常实车数据确定所述车辆对应的故障风险区域。

6、第二方面,本申请实施例提供一种故障预测装置,该装置包括:

7、数据获取模块,用于获取车辆的实车运行数据以及预测运行数据,所述预测运行数据为预先训练好的生成器生成的与所述车辆在正常运行状态下的车辆运行数据相似的数据;

8、异常对比模块,用于对比所述实车运行数据与所述预测运行数据,得到所述实车运行数据与所述预测运行数据之间的差异程度;

9、故障确定模块,用于当所述差异程度满足预设差异条件,则确定所述实车运行数据为异常实车数据,根据所述异常实车数据确定所述车辆对应的故障风险区域。

10、第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法的步骤。

11、第四方面,本申请实施例提供一种车辆,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序适于由处理器加载并执行上述的方法的步骤。

12、本申请一些实施例提供的技术方案带来的有益效果至少包括:

13、本申请提供一种故障预测方法,获取车辆的实车运行数据以及预测运行数据,预测运行数据为预先训练好的生成器生成的与车辆在正常运行状态下的车辆运行数据相似的数据;对比实车运行数据与预测运行数据,得到实车运行数据与预测运行数据之间的差异程度;当差异程度满足预设差异条件,则确定实车运行数据为异常实车数据,根据异常实车数据确定车辆对应的故障风险区域。由于预先训练好的生成器是按照车辆的正常运行状态预测车辆的运行数据,那么当同一时间采集到的车辆实车运行数据与预测运行数据的差异程度较大时,可以说明此时实车运行状态与正常运行状态偏差较大,这样就及时捕捉到了车辆运行时的异常情况,再根据异常的实车数据判定出车辆对应的故障风险区域,准确、及时地实现对车辆故障风险的预测和判定。



技术特征:

1.一种故障预测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述获取车辆的实车运行数据以及预测运行数据之前,还包括:

3.根据权利要求2所述的方法,其特征在于,所述基于所述样本原始运行数据进行预设生成器以及预设判别器之间的对抗训练,确定收敛后的所述预设生成器为预先训练好的生成器,包括:

4.根据权利要求2所述的方法,其特征在于,所述根据所述异常实车数据确定所述车辆对应的故障风险区域,包括:

5.根据权利要求4所述的方法,其特征在于,所述确定收敛后的所述预设生成器为预先训练好的生成器之后,还包括:

6.根据权利要求5所述的方法,其特征在于,所述基于所述样本异常运行数据对预设预测模型进行训练,确定收敛后的所述预设预测模型为故障预测模型,包括:

7.根据权利要求2所述的方法,其特征在于,所述确定样本原始运行数据,包括:

8.一种故障预测装置,其特征在于,所述装置包括:

9.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~7任意一项的所述方法的步骤。

10.一种车辆,其特征在于,所述车辆能够执行如权利要求1~7任一项所述方法的步骤。


技术总结
本申请公开了一种故障预测方法、装置、存储介质以及车辆,获取车辆的实车运行数据以及预测运行数据,预测运行数据为预先训练好的生成器生成的与车辆在正常运行状态下的车辆运行数据相似的数据;对比实车运行数据与预测运行数据;当实车运行数据与预测运行数据的差异程度满足预设差异条件,则确定实车运行数据为异常实车数据,以及确定车辆对应的故障风险区域。由于预先训练好的生成器是按照车辆的正常运行状态预测车辆的运行数据,那么当同一时间采集到的车辆实车运行数据与预测运行数据的差异程度较大时,可以说明此时实车运行状态与正常运行状态偏差较大,这样就及时捕捉到了车辆运行时的异常情况。

技术研发人员:罗智,王珏华
受保护的技术使用者:长城汽车股份有限公司
技术研发日:
技术公布日:2024/1/15
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1