[发明专利]一种基于循环神经网络的汽车故障类型预测方法及装置

说明书

本发明提供了一种基于循环神经网络的汽车故障类型预测方法及装置，所述方法包括：获取汽车内车载终端上报的车载数据；并对所述车载数据进行预处理，得到标准化车载数据；对所述标准化车载数据进行编码，得到车载特征；将所述车载特征输入预先训练好的循环神经网络，得到所述循环神经网络输出的故障类型，完成所述汽车故障类型预测。应用本发明实施例，实现了对车辆故障类型的提前预警，提高了故障类型预测准确率。

技术领域

本发明涉及智能车载技术领域，尤其涉及一种基于循环神经网络的汽车故障类型预测方法及装置。

背景技术

汽车是一个复杂的机械系统，它由数千种不同的零部件构成，其结复杂，工作条件多样，在长期使用过程中受到各种不同环境、行驶工况的影响，汽车的各零部件会以不同规律和不同强度发生变化或者性能参数恶化，随着使用时间的增长而出现各种故障告警。车辆出现故障告警后可能会伴随着车辆零部件的故障，影响车辆的正常驾驶和使用，进而会导致危及驾乘人员安全的意外事件。

因此，准确的提前对车辆故障类型进行预测，是减少驾乘人员人身财产伤害的重要手段。为了实现对于故障类型的快速提前预测，以减少潜在的事故发生及其次生损失，亟需一种汽车故障类型预测方法。

发明内容

本发明的目的在于克服现有技术之缺陷，提供了一种基于循环神经网络的汽车故障类型预测方法及装置，以实现对于汽车故障类型的快速提前预测。

本发明是这样实现的：

第一方面，一种基于循环神经网络的汽车故障类型预测方法，所述方法包括：

获取汽车内车载终端上报的车载数据；并对所述车载数据进行预处理，得到标准化车载数据；

对所述标准化车载数据进行编码，得到车载特征；

将所述车载特征输入预先训练好的循环神经网络，得到所述循环神经网络输出的故障类型，完成所述汽车故障类型预测。

可选的，所述对所述车载数据进行预处理，得到标准化车载数据，包括：

删除所述车载数据中的无效数据和重复数据，得到有效车载数据；

对所述有效车载数据进行标准化处理，得到标准化车载数据。

可选的，所述对所述有效车载数据进行标准化处理，得到标准化车载数据，包括：

基于归一化处理，对所述有效车载数据进行标准化处理，得到标准化车载数据。

可选的，所述车载数据包括：所述车架号、数据上报时间、速度、仪表总里程、芯片系统、电池总电压、电池总电流、电池单电压最低值、电池单体电压最高值、探针最高温度值、探针最低温度值及最高告警等级中的至少一种。

可选的，所述循环神经网络通过以下方式预先训练得到：

设定初始循环神经网络的观测窗口次数为第一预设值；设定预测的滞后次数为第二预设值；

将第一预设值个连续的样本记录组成的二维数组输入至所述初始循环神经网，得到所述初始循环神经网输出的达到所述第二预设值后预测到的样本标签；

基于所述第一预设值个连续的样本记录和所述样本标签构建样本集合；

用所述样本集合训练所述初始循环神经网络，得到训练好的循环神经网络。

第二方面，本发明提供一种基于循环神经网络的汽车故障类型预测装置，所述装置包括：

获取单元，用于获取汽车内车载终端上报的车载数据；并对所述车载数据进行预处理，得到标准化车载数据；

编码单元，用于对所述标准化车载数据进行编码，得到车载特征；