故障诊断方法、装置、电子设备以及存储介质与流程

1.本技术涉及导航技术领域，具体涉及一种故障诊断方法、装置、电子设备以及存储介质。


背景技术：

2.随着汽车行业的发展，汽车逐渐成为人类的主要出行方式。因此，为了提高汽车行驶的安全性，避免任意部件的故障导致汽车驾驶过程中的致命危害，准确的故障诊断处理成为亟待解决的问题。
3.为了确保能够及时诊断出汽车驾驶过程中的各种部件故障，通常情况是利用获取的数据与预设数据阈值直接进行比较确定部件故障情况。


技术实现要素：

4.为解决上述技术问题，本技术的实施例提供了一种故障诊断方法、装置、电子设备以及存储介质。
5.根据本技术实施例的一个方面，提供了一种故障诊断方法，所述故障诊断方法包括：
6.获取当前驾驶循环内的目标采集数据；
7.基于所述目标采集数据进行指数加权移动处理，得到所述当前驾驶循环内的目标诊断数据；
8.若所述目标诊断数据大于预设故障阈值，则诊断为故障。
9.根据本技术实施例的一个方面，提供了一种故障诊断装置，所述故障诊断装置包括：
10.获取模块，配置为获取当前驾驶循环内的目标采集数据；
11.数据加权模块，配置为基于所述目标采集数据进行指数加权移动处理，得到所述当前驾驶循环内的目标诊断数据；
12.故障报警模块，配置为若所述目标诊断数据大于预设故障阈值，则诊断为故障。
13.根据本技术实施例的一个方面，提供了一种电子设备，包括：
14.存储器，存储有计算机可读指令；
15.处理器，读取存储器存储的计算机可读指令，以执行上述任一项的故障诊断方法。
16.根据本技术实施例的一个方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的故障诊断方法。
17.根据本技术实施例的一个方面，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述的故障诊断方法中的步骤。
18.在本技术的实施例提供的技术方案中，利用指数加权移动技术对获取的目标采集数据进行预测处理，确定当前驾驶循环内的目标诊断数据，进而根据目标诊断数据与预设
故障阈值之间的大小关系诊断故障，相较于现有技术直接利用获取的待诊断数据与预设故障阈值进行故障诊断来说，提高了故障诊断的准确性。
19.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
20.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术者来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
21.图1是本技术的一示例性实施例示出的故障诊断方法的实施环境示意图；
22.图2是本技术的一示例性实施例示出的故障诊断方法的流程图；
23.图3是图2所示实施例中的步骤s210在一示例性的实施例中的流程图；
24.图4是图3所示实施例中的步骤s320在一示例性的实施例中的流程图；
25.图5是本技术的另一示例性实施例示出的故障诊断方法的流程图；
26.图6是图2所示实施例中的步骤s220在一示例性的实施例中的流程图；
27.图7是图6所示实施例中的步骤s620在一示例性的实施例中的流程图；
28.图8是本技术的一示例性实施例示出的故障诊断装置的框图；
29.图9示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。
具体实施方式
30.这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
31.附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
32.附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
33.在本技术中提及的“多个”是指两个或者两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
34.首先说明的是，随着汽车行业的发展，汽车逐渐成为人类的主要出行方式。因此，为了提高汽车形式的安全性，避免任意部件的故障导致汽车驾驶过程中的致命危害，准确的故障诊断处理成为亟待解决的问题。
35.而现有技术中的故障诊断方法是通过直接比较获取的驾驶数据与预设故障阈值之间的大小关系诊断故障情况。这种方式存在由于特定环境导致数据异常而误判故障的情
况。例如，由于地理环境原因，汽车在山路上驾驶获取的驾驶数据和在平原上行驶获取的驾驶数据存在较大不同，若按照现有技术的故障诊断方式，汽车在山路上驾驶获取的驾驶数据更容易被诊断为故障，但实际并不存在故障的情况。
36.基于此，为了提高故障诊断的准确性，避免误诊或漏诊情况的发生，本技术的实施例涉及利用指数加权移动技术对获取的目标采集数据进行预测处理，确定当前驾驶循环内的目标诊断数据，进而根据目标诊断数据与预设故障阈值之间的大小关系诊断故障情况。
37.图1是本技术涉及的一种实施环境的示意图。如图1所示，该实施环境包括服务端110和智能终端120，服务端110和智能终端120预先建立有线或者无线的网络连接。
38.如图1所示，服务端110获取当前驾驶循环内的目标采集数据，并基于目标采集数据进行指数加权移动处理，得到当前驾驶循环内的目标诊断数据，并判断当前驾驶循环内的目标诊断数据是否大于预设故障阈值，若大于，则诊断为故障，并将该故障结果发送至智能终端120，以使智能终端120能将该诊断结果反馈至用户，进而使得用户能够基于反馈结果进行故障维修。
39.其中，图1所示的智能终端120可以是智能手机、车载电脑、平板电脑、笔记本电脑或者可穿戴设备等任意支持故障诊断的终端设备，但并不限于此。图1所示的服务端110是服务器，例如可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器，在此也不进行限制。智能终端120可以通过3g(第三代的移动信息技术)、4g(第四代的移动信息技术)、5g(第五代的移动信息技术)等无线网络与服务端110进行通信，本处也不对此进行限制。
40.请参阅图2，图2是本技术的一示例性实施例示出的故障诊断方法的流程图。该方法可以应用于图1所示的实施环境，并由该实施环境中的服务端110具体执行。应理解的是，该方法也可以适用于其它的示例性实施环境，并由其它实施环境中的设备具体执行，本实施例不对该方法所适用的实施环境进行限制。
41.下面以服务器作为具体的执行主体来对本技术实施例提出的故障诊断方法进行详细介绍。
42.如图2所示，在一示例性的实施例中，故障诊断方法至少包括步骤s210至步骤s230，详细介绍如下：
43.步骤s210，获取当前驾驶循环内的目标采集数据。
44.首先需要说明的是，驾驶循环是指在车辆完成点火、运转、熄火的完整过程后，整个过程中的车辆驾驶数据。其中，车辆驾驶数据包括各种部件对应的数据，例如，排污部件对应的排污量数据，发动机部件对应的启动数据等。
45.目标采集数据是指驾驶循环内获取的数据。示例性的，可以理解为直接从驾驶循环内的多个车辆驾驶数据中选取的数据，也可以理解为基于对驾驶循环内的多个车辆驾驶数据进行分析处理后获取的数据。
46.服务器获取当前驾驶循环内的目标采集数据。
47.步骤s220，基于目标采集数据进行指数加权移动处理，得到当前驾驶循环内的目标诊断数据。
48.指数加权移动是指随着时间获取的驾驶循环内的采集数据呈指数式递减，时间越靠近当前时间的采集数据的加权系数越大。
49.目标诊断数据是指利用指数加权移动对目标采集数据进行预测处理的预测数据。
50.服务器利用指数加权移动技术对目标采集数据进行预测处理，确定当前驾驶循环内的目标诊断数据。
51.步骤s230，若目标诊断数据大于预设故障阈值，则诊断为故障。
52.服务器基于当前驾驶循环内的目标诊断数据，判断当前驾驶循环内的目标诊断数据是否大于预设故障阈值，若是，则诊断为故障，若否，则诊断为正常。
53.可以看出，本实施例的故障诊断方法获取当前驾驶循环内的目标采集数据；基于目标采集数据进行指数加权移动处理，得到当前驾驶循环内的目标诊断数据；若目标诊断数据大于预设故障阈值，则诊断为故障。具体利用指数加权移动技术对获取的目标采集数据进行预测处理，确定当前驾驶循环内的目标诊断数据，进而根据目标诊断数据与预设故障阈值之间的大小关系诊断故障，相较于现有技术直接利用获取的待诊断数据与预设故障阈值进行故障诊断来说，提高了故障诊断的准确性，实现坏的零部件可以可靠的诊断出故障，以及好的零部件高概率通过诊断测试。
54.在上述实施例的基础上，考虑到现有技术在确定驾驶循环内的采集数据时使用的是算数平均法，也即考虑同一驾驶循环内的多个采集数据之间相差不大，仅利用其中的一个采集数据诊断故障即可，具体为比较一个采集数据与预设数据阈值之间的大小关系诊断故障。由此可知，现有技术的故障诊断方法未考虑权重问题，容易导致鲁棒性低的问题。为此，本实施例针对以上技术问题，提供以下解决方案。
55.如图3所示，在上述示例性的实施例中，获取当前驾驶循环内的目标采集数据至少还包括步骤s310至步骤s320，详细介绍如下：
56.步骤s310，获取当前驾驶循环内的各目标采集子数据。
57.目标采集子数据是指驾驶循环内获取的数据。示例性的，目标采集子数据为驾驶循环内直接采集的所有数据，也可以为从驾驶循环内直接采集的所有数据中选取的部分数据。
58.服务器获取当前驾驶循环内的各目标采集子数据。
59.步骤s320，基于各目标采集子数据进行加权平均处理，得到目标采集数据。
60.加权平均是指根据标定的各目标采集子数据的权重系数对各目标采集数据进行处理。
61.目标采集数据是基于目标采集子数据确定的数据。
62.服务器考虑权重加权，利用标定的各目标采集子数据的权重系数对对应的各目标子数据进行处理，确定目标采集数据。
63.可以看出，本实施例的故障诊断方法获取当前驾驶循环内的各目标采集子数据；基于各目标采集子数据进行加权平均处理，得到目标采集数据。具体考虑权重加权，利用标定的各目标采集子数据的权重系数对对应的各目标子数据进行处理，确定目标采集数据，相较于现有技术考虑同一驾驶循环内的多个采集数据之间相差不大，仅利用其中的一个采集数据诊断故障来说，避免了鲁棒性低的问题。
64.图4是图3所示实施例中的步骤s320在一示例性的实施例中的流程图。如图4所示，
基于各目标采集子数据进行加权平均处理，得到目标采集数据的过程具体可以包括步骤s410至步骤s430，详细介绍如下：
65.步骤s410，获取各目标采集子数据对应的第一权重系数，并确定各目标采集子数据与对应的第一权重系数之间的乘积，得到加权后的目标采集子数据。
66.第一权重系数是指人为标定的各目标采集子数据对应的权重系数。需要说明的是，考虑到车辆在不同环境中获取的采集子数据存在差异，为了适应性的确定用于预测目标诊断数据的目标采集数据，本技术实施例可以根据获取的采集子数据匹配车辆的当前驾驶环境，进而根据当前驾驶环境匹配与之适应的标定权重系数。
67.加权后的目标采集子数据是指利用标定的各权重系数对对应的各目标采集子数据进行加权处理后的数据。
68.服务器获取各目标采集子数据对应的第一权重系数，并计算各目标采集子数据与对应的第一权重系数之间的乘积，确定各目标采集子数据与对应的第一权重系数之间的乘积为加权后的采集子数据。
69.步骤s420，确定各加权后的目标采集子数据之和，并确定目标采集子数据的数量。
70.目标采集子数据之和是基于计算各目标采集子数据之和得到。目标采集子数据的数量是基于计算各目标采集子数据的数量得到。
71.服务器计算各加权后的目标采集子数据之和，以及计算目标采集子数据的数量，确定各加权后的目标采集子数据之和以及目标采集子数据的数量。
72.步骤s430，确定和与数量之间的比值为目标采集数据。
73.服务器确定确定各加权后的目标采集子数据之和与数量之间的比值为目标采集数据。
74.可以看出，本实施例的故障诊断方法通过获取各目标采集子数据对应的第一权重系数，并确定各目标采集子数据与对应的第一权重系数之间的乘积，得到加权后的目标采集子数据；确定各加权后的目标采集子数据之和，并确定目标采集子数据的数量；确定和与数量之间的比值为目标采集数据。具体考虑权重加权，利用标定的各目标采集子数据的权重系数对对应的各目标子数据进行处理，确定目标采集数据，相较于现有技术考虑同一驾驶循环内的多个采集数据之间相差不大，仅利用其中的一个采集数据诊断故障来说，避免了鲁棒性低的问题。
75.请继续参阅图5，图5是本技术的另一示例性实施例示出的故障诊断方法的流程图，如图5所示，在获取当前驾驶循环内的各目标采集子数据的步骤之前，本技术实施例的故障诊断方法还可以包括步骤s510至步骤s520，详细介绍如下：
76.步骤s510，获取当前驾驶循环内的初始采集子数据。
77.初始采集子数据是指驾驶循环内获取的数据。示例性的，初始采集子数据为驾驶循环内直接采集的所有数据。
78.服务器获取当前驾驶循环内的初始采集子数据。
79.步骤s520，若初始采集子数据大于预设采集数据阈值，则确定初始采集子数据为目标采集子数据。
80.目标采集子数据是指符合预设要求的初始采集子数据。其中，预设要求是指大于预设采集数据阈值的初始采集子数据。
81.服务器判断初始采集子数据是否大于预设采集数据阈值，若是，则确定初始采集子数据为目标采集子数据。
82.可以看出，本实施例的故障诊断方法通过获取当前驾驶循环内的初始采集子数据，并判断初始采集子数据是否大于预设采集数据阈值，若是，则确定初始采集子数据为目标采集子数据。具体通过选取符合要求的初始采集子数据确定目标采集子数据，进而确定目标采集数据，提高了目标采集数据的确定效率，避免运算冗余。
83.在上述实施例的基础上，考虑到不同驾驶循环内，越靠近当前驾驶循环的历史驾驶循环对当前驾驶循环内的数据影响越大。因此，为提高目标诊断数据的获取准确性，本技术实施例利用历史驾驶循环的数据结合当前驾驶循环内的采集数据确定当前驾驶循环内的目标诊断数据。具体可参阅图6。
84.如图6所示，在上述示例性的实施例中，基于目标采集数据进行指数加权移动处理，得到当前驾驶循环内的目标诊断数据至少还包括步骤s610至步骤s620，详细介绍如下：
85.步骤s610，获取驾驶时间位于当前驾驶循环之前的上一驾驶循环的目标诊断数据。
86.上一驾驶循环是指驾驶时间位于当前驾驶循环之前的驾驶循环。
87.服务器获取驾驶时间位于当前驾驶循环之前的上一驾驶循环的目标诊断数据。
88.步骤s620，基于上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据。
89.服务器利用上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据。
90.需要说明的是，为了避免存储空间冗余，服务器在获取到当前驾驶循环内的目标诊断数据时，替换上一驾驶循环的目标诊断数据为当前驾驶循环内的目标诊断数据。
91.可以看出，本实施例的故障诊断方法获取驾驶时间位于当前驾驶循环之前的上一驾驶循环的目标诊断数据，基于上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据。具体利用上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据，提高了目标诊断数据的获取准确性。
92.图7是图6所示实施例中的步骤s620在一示例性的实施例中的流程图。如图7所示，基于上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据具体可以包括步骤s710至步骤s730，详细介绍如下：
93.步骤s710，获取第二权重系数，并根据第二权重系数与上一驾驶循环的目标诊断数据之积确定第一诊断子数据。
94.第二权重系数是指人为标定并用于对上一驾驶循环内的目标诊断数据进行加权的权重系数。
95.第一诊断子数据是指利用标定的权重系数对上一驾驶循环内的目标诊断数据进行加权后的数据。
96.服务器获取第二权重系数，并利用第二权重系数对上一驾驶循环内的目标诊断数据进行加权处理，得到第一诊断子数据。具体为计算第二权重系数与上一驾驶循环内的目标诊断数据之间的乘积，并确定该乘积为第一诊断子数据。
97.步骤s720，根据第二权重系数与当前驾驶循环内的目标采集数据确定第二诊断子数据。
98.服务器获取权重预设值，并计算权重预设值与第二权重系数之间的差值，进而利用差值加权当前驾驶循环内的目标采集数据，具体为计算差值与当前驾驶循环内的目标采集数据之间的乘积，并确定该乘积为第二诊断子数据。需要说明的是，权重预设阈值为1。
99.步骤s730，确定第一诊断子数据和第二诊断子数据之和为当前驾驶循环内的目标诊断数据。
100.服务器计算第一诊断子数据和第二诊断子数据之和，确定第一诊断子数据和第二诊断子数据之和为当前驾驶循环内的目标诊断数据。
101.可以看出，本实施例的故障诊断方法通过获取第二权重系数，并根据第二权重系数与上一驾驶循环的目标诊断数据之积确定第一诊断子数据；根据第二权重系数与当前驾驶循环内的目标采集数据确定第二诊断子数据；确定第一诊断子数据和第二诊断子数据之和为当前驾驶循环内的目标诊断数据。具体利用上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据，提高了目标诊断数据的获取准确性。
102.需要说明的是，在上述实施例的基础上，在获取采集子数据之前需要进行预处理以及验证处理。
103.在预处理阶段，首先，预设目标诊断数据v0，并缓存预设目标诊断数据v0，以便下一驾驶循环确定目标诊断数据时调用。具体为预设目标诊断数据v0＝0，并将目标诊断数据存储在非易失性随机访问存储空间nvram(non-volatile random access memory)中。其次，利用预设目标诊断数据以及获取的第一驾驶循环内的目标采集数据θ1进行试验预处理，示例性地，获取当前驾驶循环的初始采集子数据；判断第一驾驶循环的初始采集子数据是否大于预设采集数据阈值，若大于，则将大于预设采集数据阈值的初始采集子数据确定为目标采集子数据，具体表示为θ
11
至θ
1k
；获取权重系数，具体表示为f
11
至f
1k
，利用目标采集子数据以及对应的权重系数确定目标采集数据θ1。其中，目标采集数据θ1满足下式：
[0104][0105]
其中，θ1表示第一驾驶循环内的目标采集数据，k表示目标采集子数据的数量，θ
11
至θ
1k
表示目标采集子数据，f
11
至f
1k
表示与各目标采集子数据对应的权重系数。
[0106]
进而利用第一驾驶循环内的目标采集数据θ1和预设目标诊断数据v0确定第一驾驶循环的目标诊断数据，并替换预设目标诊断数据v0为第一驾驶循环的目标诊断数据v1。第一驾驶循环的目标诊断数据满足下式：
[0107]
v1＝βv0+(1-β)θ1[0108]
其中，v1表示第一驾驶循环的目标诊断数据，β表示标定的权重系数，θ1表示第一驾驶循环内的目标采集数据。
[0109]
在验证阶段，通过获取第二驾驶循环内的目标采集子数据，具体表示为θ
21
至θ
2k
，并获取权重系数，具体表示为f
21
至f
2k
，利用目标采集子数据以及对应的权重系数确定第二驾驶循环内的目标采集数据θ2。其中，目标采集数据θ2满足下式：
[0110][0111]
其中，θ2表示第二驾驶循环内的目标采集数据，k表示目标采集子数据的数量，θ
21
至θ
2k
表示目标采集子数据，f
21
至f
2k
表示与各目标采集子数据对应的权重系数。
[0112]
进而利用第二驾驶循环内的目标采集数据θ2和第一驾驶循环内的目标诊断数据v1确定第二驾驶循环的目标诊断数据v2，并替换第一驾驶循环内的目标诊断数据v1为第二驾驶循环的目标诊断数据v2。第二驾驶循环的目标诊断数据满足下式：
[0113]
v2＝βv1+(1-β)θ2[0114]
其中，v2表示第二驾驶循环的目标诊断数据，β表示标定的权重系数，θ2表示第二驾驶循环内的目标采集数据。
[0115]
基于此进行故障诊断处理，示例性的，在第i个驾驶循环时，服务器获取当前驾驶循环内的初始采集子数据，判断初始采集子数据是否大于预设采集数据阈值，若大于，则确定大于预设采集数据阈值为目标采集子数据，表示为θ
i1
至θ
ik
；获取各目标采集子数据对应的第一权重系数，表示为f
i1
至f
ik
，并确定各目标采集子数据与对应的第一权重系数之间的乘积，得到加权后的目标采集子数据，确定各加权后的目标采集子数据之和，以及确定目标采集子数据的数量，进而将各加权后的目标采集子数据之和与数量之间的比值确定为目标采集数据，具体表示为θi。第i个驾驶循环内的目标采集数据满足下式：
[0116][0117]
其中，θi表示第i驾驶循环内的目标采集数据，k表示目标采集子数据的数量，θ
i1
至θ
ik
表示目标采集子数据，f
i1
至f
ik
表示与各目标采集子数据对应的第一权重系数。
[0118]
进而利用第i驾驶循环内的目标采集数据θi和第i-1驾驶循环内的目标诊断数据v
i-1
确定第i驾驶循环的目标诊断数据vi，并替换第i-1驾驶循环内的目标诊断数据v
i-1
为第i驾驶循环的目标诊断数据vi。第i驾驶循环的目标诊断数据满足下式：
[0119]
vi＝βv
i-1
+(1-β)θi[0120]
其中，vi表示第i驾驶循环的目标诊断数据，β表示标定的权重系数，θi表示第i驾驶循环内的目标采集数据。
[0121]
而后，服务器判断第i驾驶循环的目标诊断数据vi是否大于预设故障阈值t，若是，则诊断故障。
[0122]
图8是本技术的一示例性实施例示出的故障诊断装置的框图。该装置可以应用于图1所示的实施环境。该装置也可以适用于其它的示例性实施环境，并具体配置在其它设备中，本实施例不对该装置所适用的实施环境进行限制。
[0123]
如图8所示，该示例性的故障诊断装置800包括获取模块81、数据加权模块82以及故障诊断模块83。具体的:
[0124]
获取模块81，配置为获取当前驾驶循环内的目标采集数据。
[0125]
数据加权模块82，配置为基于目标采集数据进行指数加权移动处理，得到当前驾驶循环内的目标诊断数据。
[0126]
故障诊断模块83，配置为若目标诊断数据大于预设故障阈值，则诊断为故障。
[0127]
在该示例性的故障诊断装置中，通过获取当前驾驶循环内的目标采集数据；基于
目标采集数据进行指数加权移动处理，得到当前驾驶循环内的目标诊断数据；若目标诊断数据大于预设故障阈值，则诊断为故障。具体利用指数加权移动技术对获取的目标采集数据进行预测处理，确定当前驾驶循环内的目标诊断数据，进而根据目标诊断数据与预设故障阈值之间的大小关系诊断故障，相较于现有技术直接利用获取的待诊断数据与预设故障阈值进行故障诊断来说，提高了故障诊断的准确性，实现坏的零部件可以可靠的诊断出故障，实现好的零部件高概率通过诊断测试。
[0128]
在上述示例性的实施例基础上，获取模块81还包括：
[0129]
第一获取子模块，配置为获取当前驾驶循环内的各目标采集子数据。
[0130]
加权平均模块，配置为基于各目标采集子数据进行加权平均处理，得到目标采集数据。
[0131]
在该示例性的故障诊断装置中，通过考虑权重加权，利用标定的各目标采集子数据的权重系数对对应的各目标子数据进行处理，确定目标采集数据，相较于现有技术考虑同一驾驶循环内的多个采集数据之间相差不大，仅利用其中的一个采集数据诊断故障来说，避免了鲁棒性低的问题。
[0132]
在上述示例性的实施例基础上，加权平均模块还包括：
[0133]
加权后的目标采集子数据获取模块，配置为获取各目标采集子数据对应的第一权重系数，并确定各目标采集子数据与对应的第一权重系数之间的乘积，得到加权后的目标采集子数据。
[0134]
数据和以及数据数量确定模块，配置为确定各加权后的目标采集子数据之和，并确定目标采集子数据的数量。
[0135]
比值确定模块，配置为确定和与数量之间的比值为目标采集数据。
[0136]
在该示例性的故障诊断装置中，通过标定的各目标采集子数据的权重系数对对应的各目标子数据进行处理，确定目标采集数据，相较于现有技术考虑同一驾驶循环内的多个采集数据之间相差不大，仅利用其中的一个采集数据诊断故障来说，避免了鲁棒性低的问题。
[0137]
在上述示例性的实施例基础上，第一获取子模块还包括：
[0138]
第二获取子模块，配置为获取当前驾驶循环内的初始采集子数据。
[0139]
判断模块，配置为若初始采集子数据大于预设采集数据阈值，则确定初始采集子数据为目标采集子数据。
[0140]
在该示例性的故障诊断装置中，通过选取符合要求的初始采集子数据确定目标采集子数据，进而确定目标采集数据，提高了目标采集数据的确定效率，避免运算冗余。
[0141]
在上述示例性的实施例基础上，数据加权模块82还包括：
[0142]
上一驾驶循环的目标诊断数据获取模块，配置为获取驾驶时间位于当前驾驶循环之前的上一驾驶循环的目标诊断数据。
[0143]
当前驾驶循环内的目标诊断数据确定模块，配置为基于上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据。
[0144]
在该示例性的故障诊断装置中，利用上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据，提高了目标诊断数据的获取准确性。
[0145]
在上述示例性的实施例基础上，当前驾驶循环内的目标诊断数据确定模块还包括：
[0146]
第一诊断子数据确定模块，配置为获取第二权重系数，并根据第二权重系数与上一驾驶循环的目标诊断数据之积确定第一诊断子数据。
[0147]
第二诊断子数据确定模块，配置为根据第二权重系数与当前驾驶循环内的目标采集数据确定第二诊断子数据。
[0148]
目标诊断数据确定模块，配置为确定第一诊断子数据和第二诊断子数据之和为当前驾驶循环内的目标诊断数据。
[0149]
在该示例性的故障诊断装置中，利用上一驾驶循环的目标诊断数据和当前驾驶循环内的目标采集数据确定当前驾驶循环内的目标诊断数据，提高了目标诊断数据的获取准确性。
[0150]
在上述示例性的实施例基础上，上一驾驶循环的目标诊断数据获取模块之前还包括：
[0151]
替换模块，配置为将缓存的上一驾驶循环的目标诊断数据替换为当前驾驶循环内的目标诊断数据。
[0152]
在该示例性的故障诊断装置中，通过替换缓存的上一驾驶循环的目标诊断数据为当前驾驶循环内的目标诊断数据，避免了存储空间冗余。
[0153]
需要说明的是，上述实施例所提供的故障诊断装置与上述实施例所提供的故障诊断方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。上述实施例所提供的故障诊断装置在实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能，本处也不对此进行限制。
[0154]
本技术的实施例还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述各个实施例中提供的故障诊断方法。
[0155]
图9示出了适于用来实现本技术实施例的电子设备的计算机系统的结构示意图。需要说明的是，图9示出的电子设备的计算机系统900仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0156]
如图9所示，计算机系统900包括中央处理单元(central processing unit，cpu)901，其可以根据存储在只读存储器(read-only memory，rom)902中的程序或者从储存部分908加载到随机访问存储器(random access memory，ram)903中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在ram 903中，还存储有系统操作所需的各种程序和数据。cpu 901、rom 902以及ram 903通过总线904彼此相连。输入/输出(input/output，i/o)接口905也连接至总线904。
[0157]
以下部件连接至i/o接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(cathode ray tube，crt)、液晶显示器(liquid crystal display，lcd)等以及扬声器等的输出部分907；包括硬盘等的储存部分908；以及包括诸如lan(local area network，局域网)卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至i/o接口905。可拆卸介质911，诸如磁盘、光盘、
磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入储存部分908。
[0158]
特别地，根据本技术的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本技术的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(cpu)901执行时，执行本技术的系统中限定的各种功能。
[0159]
需要说明的是，本技术实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(erasable programmable read only memory，eprom)、闪存、光纤、便携式紧凑磁盘只读存储器(compact disc read-only memory，cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本技术中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0160]
附图中的流程图和框图，图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0161]
描述于本技术实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。
[0162]
本技术的另一方面还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的故障诊断方法。该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的，也可以是单独存在，而未装配入该电子设备中。
[0163]
本技术的另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产
品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各个实施例中提供的故障诊断方法。
[0164]
上述内容，仅为本技术的较佳示例性实施例，并非用于限制本技术的实施方案，本领域普通技术人员根据本技术的主要构思和精神，可以十分方便地进行相应的变通或修改，故本技术的保护范围应以权利要求书所要求的保护范围为准。