[发明专利]一种基于LightGBM的汽车胎压故障精准定位方法

说明书

本发明涉及计算机汽车故障检测技术领域，公开了一种基于LightGBM的汽车胎压故障精准定位方法，包括分别采集车端胎压数据与胎压故障情况的数据，对两组数据进行预处理，对预处理的信号数据进行分离、特征融合，得到胎压异常信号特征数据；对车胎压故障利用drools规则算法进行判定，得到故障标签，再基于LightGBM模型，对胎压异常信号特征数据和对应的故障标签训练得到故障异常类型的精确分类模型；将特征数据拆分为训练集与测试集，利用测试集对训练后的精确分类模型进行测试，并设定一个预设阈值，若精确分类模型测试的准确率大于预设阈值，则完成精确分类模型的建立，反之则对训练错误的数据利用drools规则算法进行判定，将测试的准确率提高到大于预设阈值。利用LightGBM对胎压故障精准定位。

技术领域

本发明涉及计算机汽车故障检测技术领域，具体为一种基于LightGBM的汽车胎压故障精准定位方法。

背景技术

随着智能网联汽车的逐渐普及和自动驾驶相关功能的逐步推进，AI算法在汽车行业的应用日益广泛，在整车制造企业中的AI应用最主要是集中在两方面：一是整车自动驾驶领域，主要包括环境感知的识别算法、多渠道感知的融合算法以及自动驾驶的决策算法等。二是客户的智能化服务领域，主要包括语音识别算法、NLP分析算法、智能业务推荐算法、业务诊断算法等。

为了掌握核心技术，实现与竞争对手的差异化竞争，各个整车企业也在逐步构建自有的AI能力。随着AI团队的逐步扩充，AI模型的日益增加，各汽车企业均迫切的需要构建适合整车企业的统一的大数据模型中台，用于完成机器学习数据的统一接入、预处理、标注、训练和模型的承载，用于提升建模效率、统一建模方法、降低资源浪费。

在传统的业务中，车辆故障一直是整车厂在研发、售后阶段会投入大量精力想解决的领域，轻则导致用户体验下降、用户口碑下滑，重则威胁到用户行驶安全，严重的批量故障还会引发大批量的车辆召回。传统的车辆故障维修业务存在诊断仪检测到的数据太少，诊断信息作用有限，4S店维修困难；偶发故障难以复现，排查时间长且难以问题定位等业务弊端，从而在车辆维修业务时出现一次性解决率低、反复换件、多换换错等问题。故通过本项目建设研究的故障精准定位算法，并且将该算法运用到汽车行业是非常必要。

发明内容

本发明意在提供一种基于LightGBM的汽车胎压故障精准定位方法，以解决对汽车轮胎故障进行预测与判定的问题。

为了达到上述目的，本发明的基础方案如下：一种基于LightGBM的汽车胎压故障精准定位方法，

包括如下步骤：

步骤1，分别采集车端胎压数据与胎压故障情况的数据，对两组数据进行预处理，对预处理的信号数据进行分离、特征融合，得到胎压异常信号特征数据；对车胎压故障利用drools规则算法进行判定，得到故障标签；

步骤2，再基于LightGBM模型，对胎压异常信号特征数据和对应的故障标签训练得到故障异常类型的精确分类模型；

步骤3，将特征数据拆分为训练集与测试集，利用测试集对训练后的精确分类模型进行测试，并设定一个预设阈值，若精确分类模型测试的准确率大于预设阈值，则完成精确分类模型的建立，若训练后的精确分类模型测试的准确率小于或等于预设阈值，则对训练错误的数据利用drools规则算法进行判定，将测试的准确率提高到大于预设阈值。

基础方案的原理：该装置首先以基于弱分类模器决策树算法模型LightGBM为基础，对模型进行修改，并对层级结构中的参数进行调整，改进为适合于大量数据精确多分类的模型，重点优化了汽车信号采集密度大、数据量多、采集数据存在大量冗余等问题，最终模型极大提高了汽车胎压故障检测的查准率、查全率、效率，为汽车胎压故障精确定位实时检测提供了条件。

基础方案的优点：直接对车端采集数据进行数据处理与分类，充分利用车端采集的相关信号的细节信息。