本发明涉及一种汽车故障监控专家系统。
背景技术：
现有技术中，基于传感器技术的发展，对于汽车故障，用户可自行观察仪表盘警示以辅助判断情况，但在实际中，很多汽车故障无法通过观察仪表盘警示而获知，而需要用户对汽车使用过程中的很多细节进行关注，这对用户的实际使用是个不小的考验。
近年来，基于机器学习算法的兴起，出现了机器通过数据模型自动判读的技术，在汽车故障监控领域则可能实现为运用数据模型根据更多的传感器数据进行故障判别，但现有技术中该技术的应用大多是通过一台专家系统主机来实现，而建立数据模型的算法有数千种，对应的数据模型种类也有数千种，同时不同的用户可能会有不同的需求，导致最适用的数据模型并不单一、通用，因此在该前提下，要通过人工的方式在一台专家系统主机上设定最适用的数据模型以给用户提供足够好的数据模型计算结果，无论是人还是机器的工作量都难以想象，几乎不可能实现。
技术实现要素：
为解决上述技术问题，本发明提供了一种汽车故障监控专家系统，该汽车故障监控专家系统通过用户主机随机选取专家系统的设置方式，能使得汽车在使用过程中系统自行判断出最合适的数据模型并给予适用，从而解决了上述工作量过大的问题。
本发明通过以下技术方案得以实现。
本发明提供的一种汽车故障监控专家系统，包括由多个用户主机组成的用户组和多个专家系统组成的专家组；每个专家系统均由服务器认证设立；每个用户主机均分别连接温度传感器、湿度传感器、气味传感器、声音传感器并收集温度传感器、湿度传感器、气味传感器、声音传感器的数据；所述用户主机随机选取专家系统发送温度传感器、湿度传感器、气味传感器、声音传感器的数据并获取对应的结果值，然后显示给用户，并根据用户反馈结果调整对所选取的专家系统的评价值，当评价值低于预定阀值时，该专家系统不再出现在选取列表中；所述专家系统根据用户主机发送的数据，通过评价数据模型进行评价，并将评价结果反馈至对应的用户主机。
所述用户主机还将评价值发送至对应的专家系统，所述专家系统还连接有数据模型库，数据模型库存储评价数据模型，专家系统在评价时随机读取其中的评价数据模型，并根据获取到的评价值对所读取的评价数据模型进行标记，当任意评价数据模型上标记的评价值低于预定阀值时，数据模型库删除该评价数据模型。
所述用户主机还连接有结构类故障报警、电路类故障报警、液路类故障报警、气路类故障报警，用户主机根据接收到的结果值对结构类故障报警、电路类故障报警、液路类故障报警、气路类故障报警进行控制调整。
所述结果值包括总判断值和温度传感器、湿度传感器、气味传感器、声音传感器数据对应值，对应值为专家系统根据评价数据模型计算出的最优值与用户主机获取的实际值的差值，评价值的计算为计算上述总判断值和差值的总平均值。
本发明的有益效果在于：通过用户主机随机选取专家系统的设置方式，能使得汽车在使用过程中系统自行判断出最合适的数据模型并给予适用，从而解决了上述工作量过大的问题，对于不同的车辆选择不同的最优数据模型可自动进行，无需专门的人或机器通过大量计算得到，用户操作起来也几乎没有任何门槛，市场前景极好。
附图说明
图1是本发明的结构示意图；
10-用户组，101-用户主机，102-温度传感器，103-湿度传感器，104-气味传感器，105-声音传感器，111-结构类故障报警，112-电路类故障报警，113-液路类故障报警，114-气路类故障报警，20-专家组，201-专家系统，202-数据模型库。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
如图1所示的一种汽车故障监控专家系统，包括由多个用户主机101组成的用户组10和多个专家系统201组成的专家组20；每个专家系统201均由服务器认证设立；每个用户主机101均分别连接温度传感器102、湿度传感器103、气味传感器104、声音传感器105并收集温度传感器102、湿度传感器103、气味传感器104、声音传感器105的数据；所述用户主机101随机选取专家系统201发送温度传感器102、湿度传感器103、气味传感器104、声音传感器105的数据并获取对应的结果值，然后显示给用户，并根据用户反馈结果调整对所选取的专家系统201的评价值，当评价值低于预定阀值时，该专家系统201不再出现在选取列表中；所述专家系统201根据用户主机101发送的数据，通过评价数据模型进行评价，并将评价结果反馈至对应的用户主机101。
由此，用户主机101在不断发送、反馈的过程中，能够逐渐排除较差的专家系统201，在专家系统201数量足够多的情况下，用户主机101最终可得到最优专家系统201，并长期保持相互的数据传输，从而通过随机选择的方式，排除人为选择工作量大、不准确等缺点。
所述用户主机101还将评价值发送至对应的专家系统201，所述专家系统201还连接有数据模型库202，数据模型库202存储评价数据模型，专家系统201在评价时随机读取其中的评价数据模型，并根据获取到的评价值对所读取的评价数据模型进行标记，当任意评价数据模型上标记的评价值低于预定阀值时，数据模型库202删除该评价数据模型。
一般而言，评价数据模型是根据各传感器温度传感器102、湿度传感器103、气味传感器104、声音传感器105的历史数据采用监督学习算法计算得到，监督学习中的结果值由人为给出。
为进一步降低用户使用门槛，进一步的自动化，所述用户主机101还连接有结构类故障报警111、电路类故障报警112、液路类故障报警113、气路类故障报警114，用户主机101根据接收到的结果值对结构类故障报警111、电路类故障报警112、液路类故障报警113、气路类故障报警114进行控制调整。由此可以分类报警，有效提高用户体验。
具体而言，所述结果值包括总判断值和温度传感器102、湿度传感器103、气味传感器104、声音传感器105数据对应值，对应值为专家系统201根据评价数据模型计算出的最优值与用户主机101获取的实际值的差值，评价值的计算为计算上述总判断值和差值的总平均值。
本发明的技术方案，虽然前期对专家系统201的投入较大，但由于长期使用过程中会淘汰大量的评价数据模型，因此最终通过数据库整合，可以使得专家系统201数量逐步减少，而减少的闲置专家系统201主机又可用于其他用途，故从长期来看，实际总投入并不高。