[发明专利]一种汽车故障诊断方法及相关设备

权利要求书

1.一种汽车故障诊断方法，其特征在于，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，其中，所述预处理包括：将待检测数据按照不同系统分类编码为多个维度的数字码，其中，所述多个维度的数字码包括x个维度的故障码、y个维度的OBD数据以及z个维度的CAN总线数据，所述x个维度的故障码中的n个维度的故障码是刹车系统的故障码，m个维度的故障码是冷却系统的故障码，k个维度的故障码是发动机系统的故障码，所述n个维度的故障码为a＝(a1，a2，…，an)，其中，a1是刹车系统的故障码，a2～an分别表示所述刹车系统中的零部件或子系统的故障码，所述m个维度的故障码为b＝(b1，b2，…，bm)，其中，b1是冷却系统的故障码，b2～bm分别表示所述冷却系统中的零部件或子系统的故障码，所述k个维度的故障码为c＝(c1，c2，…，ck)，其中，c1是发动机系统的故障码，c2～ck分别表示所述发动机系统中的零部件或子系统的故障码，所述x、所述y、所述z、所述n、所述m以及所述k为正整数；

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。

2.根据权利要求1所述的方法，其特征在于，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。

3.根据权利要求1或2所述的方法，其特征在于，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。

4.根据权利要求1所述的方法，其特征在于，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。

5.根据权利要求1所述的方法，其特征在于，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。

6.一种汽车故障诊断装置，其特征在于，包括：处理器和存储器，所述处理器与所述存储器通过线路互联，所述存储器中存储有程序指令；所述程序指令被所述处理器执行时，使所述处理器执行如权利要求1至5任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被汽车故障诊断装置的处理器执行时，使所述处理器执行权利要求1至5任一项所述的方法。