CN109785460A - 车辆故障识别方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及声音识别技术，具体涉及一种车辆故障识别方法、装置、计算机设备和存储介质。所述方法包括：通过移动终端采集车辆在行驶过程中的声音数据；对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据；对所述车辆声音数据进行数字化处理，得到与所述车辆声音数据相对应的车辆音频数据；获取所述车辆的车辆型号信息；根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息。采用本方法能够提高车辆故障识别效率。

Description

车辆故障识别方法、装置、计算机设备和存储介质

技术领域

本申请涉及车辆技术领域，特别是涉及一种车辆故障识别方法、装置、计算机设备和存储介质。

背景技术

随着人们生活水平的提高和科学技术的进步，越来越多的用户在出行的过程中选择车辆作为代步工具。车辆在行驶过程中可能会出现各种问题，而由于用户并不了解车辆的构造或相关技术，当车辆在行驶过程中出现故障时，只能送至车辆维修处进行检查维修。

传统的车辆故障识别方式都是通过专业技术人员向驾驶员询问故障情况，对车辆进行直观检视，凭经验初步判断故障，再利用诊断设备进一步筛选、识别，最终确认故障。但有时车辆在行驶过程中只是临时出现了一些简单的故障，但附近却又找不到车辆维修处时，则无法识别车辆故障，给人们的出行带来了不便。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高车辆故障识别效率的车辆故障识别方法、装置、计算机设备和存储介质。

一种车辆故障识别方法，应用于移动终端，所述方法包括：

通过移动终端采集车辆在行驶过程中的声音数据；

对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据；

对所述车辆声音数据进行数字化处理，得到与所述车辆声音数据相对应的车辆音频数据；

获取所述车辆的车辆型号信息；

根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息。

一种车辆故障识别装置，其特征在于，所述装置包括：

采集模块，用于通过移动终端采集车辆在行驶过程中的声音数据；

过滤处理模块，用于对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据；

数字化处理模块，用于对所述车辆声音数据进行数字化处理，得到与所述车辆声音数据相对应的车辆音频数据；

获取模块，用于获取所述车辆的车辆型号信息；

确定模块，用于根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

通过移动终端采集车辆在行驶过程中的声音数据；

对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据；

对所述车辆声音数据进行数字化处理，得到与所述车辆声音数据相对应的车辆音频数据；

获取所述车辆的车辆型号信息；

根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

通过移动终端采集车辆在行驶过程中的声音数据；

对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据；

对所述车辆声音数据进行数字化处理，得到与所述车辆声音数据相对应的车辆音频数据；

获取所述车辆的车辆型号信息；

根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息。

上述车辆故障识别方法、装置、计算机设备和存储介质，通过移动终端采集车辆在行驶过程中的声音数据，对采集的声音数据进行过滤处理，得到与车辆相关的车辆声音数据，这样可以过滤掉噪音数据，提高车辆故障识别的准确性。再对车辆声音数据进行数字化处理，得到相应的车辆音频数据。进而可以根据车辆音频数据和车辆型号信息，准确地确定与当前车辆相对应的车辆故障信息。这样，通过移动终端采集声音数据就可以实现快速、准确、方便地确定当前车辆的故障信息，不受场地和人员的限制，大大提高了车辆故障的识别效率，为人们的出行带来了便利。

附图说明

图1为一个实施例中车辆故障识别方法的应用场景图；

图2为一个实施例中车辆故障识别方法的流程示意图；

图3为另一个实施例中车辆故障识别方法的流程示意图；

图4为一个实施例中车辆故障识别装置的结构框图；

图5为另一个实施例中车辆故障识别装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的车辆故障识别方法，可以应用于如图1所示的应用环境中。其中，移动终端110与服务器120通过网络进行通信。车辆130与移动终端110通过网络进行通信。用户可通过移动终端110采集车辆130在行驶过程中的声音数据。移动终端110对采集的声音数据进行过滤处理，得到与车辆130相关的车辆声音数据。移动终端110对车辆声音数据进行数字化处理，得到相应的车辆音频数据。移动终端110可将车辆音频数据和车辆型号信息发送至服务器120，通过服务器120确定与当前车辆130相对应的车辆故障信息。

其中，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种车辆故障识别方法，以该方法应用于图1中的移动终端为例进行说明，包括以下步骤：

S202，通过移动终端采集车辆在行驶过程中的声音数据。

其中，声音数据是与声音相关的数据，是由物体震动产生的声波数据。具体地，当车辆在行驶过程中时，车辆发出的声音疑似故障声音时，其中，疑似故障声音比如车辆发动机异常响动(如没油，发动机转速不正常，产品音频频率不连续)、座位松动声音、刹车异响、车门异响、车内自身警报等，此时，用户可通过移动终端的声音采集装置(比如话筒)来采集车辆在行驶过程中的声音数据。用户可将移动终端的声音采集装置近距离靠近声源，以采集真实的声音数据。

在一个实施例中，移动终端中运行有车辆故障识别应用。当车辆在行驶过程中，发出疑似故障声音时，用户可打开车辆故障识别应用，通过车辆故障识别应用调用声音采集装置以录制当前的声音数据。

在一个实施例中，可以将声音数据理解为空气中的振动，当声音数据传输到移动终端的声音采集装置(话筒)的碳膜时，碳膜会随着声音一同振动。而声音采集装置的碳膜下存在电极，碳膜在振动的时候会接触电极，接触时间长短跟振动的幅度有关(也就是声音的响度)，这样就可将声音信号转换成电信号，也就是采集了声音数据。

S204，对采集的声音数据进行过滤处理，得到与车辆相关的车辆声音数据。

其中，与车辆相关的车辆声音数据是指车辆发出的声音。可以理解，通过移动终端采集的声音数据中可能包括噪音数据。其中，噪音数据比如人说话的声音、音乐播放的声音、路口的喇叭声、或者邻近车辆的刹车声等等。这些噪声数据会干扰后续对声音数据的分析，因此需要从采集的声音数据中过滤掉噪声数据，以得到清晰的当前的车辆发出的车辆声音数据。

在一个实施例中，移动终端可对采集的声音数据进行解析，得到声波。移动终端可预先存储一些噪声声波，比如人说话的声音、音乐播放的声音等。移动终端可将预存储的噪音声波与采集的声波进行比对，过滤掉比对成功的噪声声波，从而得到与车辆相关的车辆声音数据。

在一个实施例中，当车辆发生故障时，比如汽车发动机异常响动(如没油，发动机转速不正常等)、刹车异响、车门异响等，车辆所发出的声音很可能是有规律的、反复的声音。因此，移动终端在采集声音数据时，可采集多个周期内的声音数据。移动终端可根据声音数据中声波的频率和波形，确定声音数据中有规律震动的一条波形。该有规律震动的波形所对应的声音数据即可确定为与车辆相关的车辆声音数据。进而，移动终端可过滤掉其他波形的声音数据。

S206，对车辆声音数据进行数字化处理，得到与车辆声音数据相对应的车辆音频数据。

具体地，移动终端可对与车辆相关的车辆声音数据进行数字化处理，将模拟信号转换成数字信号，得到车辆音频数据。

在一个实施例中，移动终端采集声音数据，也就是将声音信号转换成了电信号。移动终端采集到的电信号可能非常弱，因此可用低噪声运算放大电路对声音进行放大处理。进而，可对放大后的车辆声音数据进行采样处理。根据奈奎斯特定理(也就是抽样定理)，按比声音最高频率高2倍以上的频率对声音进行采样，也就是AD转换(Analog-to-DigitalConvert，模数转换)，把模拟信号转换成数字信号。最后再进行量化和编码处理得到与车辆声音数据相对应的二进制代码，具体可按PCM(Pulse Code Modulation，脉冲编码调制)方式进行量化和编码。这段代码表示的就是在某个时间点上声音的强度。也就是将声音数据转换成了数字信号，即车辆音频数据。

S208，获取车辆的车辆型号信息。

其中，车辆型号信息是与车辆型号相关的信息，车辆型号信息包括车辆识别码(VIN，Vehicle Identification Number)。其中，车辆识别码包含生产厂家、年代、车型、车身型式及代码、发动机代码及组装地点等信息。具体地，用户可在移动终端输入车辆识别码，以获取相应的车辆型号信息。

在一个实施例中，步骤S208，也就是获取车辆的车辆型号信息的步骤具体包括：通过移动终端展示车辆信息录入界面；在车辆信息录入界面中展示候选车辆型号信息；检测作用于候选车辆型号信息的选中操作；当检测到选中操作时，获取选中操作所作用的车辆型号信息。

在一个实施例中，移动终端可展示车辆信息录入界面，在车辆信息录入界面中展示候选车辆型号信息。这样，用户及可以选择候选车辆型号信息中符合当前车辆的车辆型号信息。在一个实施例中，车辆信息录入界面中还提供输入框，用户可在输入框中输入车辆型号信息。

上述实施例中，通过在车辆信息录入界面中展示候选车辆型号信息，可通过选中操作从候选车辆型号信息中确定当前车辆的车辆型号信息，方便快捷。

S210，根据车辆音频数据和车辆型号信息，确定与当前车辆相对应的车辆故障信息。

其中，车辆故障信息具体可包括车辆故障原因分析、以及修复建议等。在一个实施例中，移动终端可在本地对车辆音频数据和车辆型号信息进行分析，以确定与当前车辆相对应的车辆故障信息。或者移动终端也可将车辆音频数据和车辆型号信息发送至服务器，通过服务器确定与当前车辆相对应的车辆故障信息。

在一个实施例中，移动终端或服务器可解析车辆型号信息，得到与该车辆相关的发动机型号、车辆使用年限、车辆生产商等信息。移动终端或服务器可预先存储与各车辆型号相对应的车辆故障音频数据。比如，当A型号的汽车发动机故障时，汽车发出的声音数据所对应的音频数据是01010101。而当移动终端或服务器解析出的音频信息是：01010101时，则说明该车辆的发动机发生了故障。

在一个实施例中，步骤S210具体包括：根据车辆型号信息确定相应的车辆故障识别模型；将车辆音频数据输入至车辆故障识别模型中，通过车辆故障识别模型输出与车辆音频数据相对应的故障类别；确定与故障类别相对应的车辆故障信息。

在一个实施例中，移动终端或服务器可根据预先采集的车辆故障音频数据样本和对应的故障类别，来训练车辆故障识别模型。其中，考虑到不同的车辆型号，车辆所发出的故障声音可能会有差异。可分别针对不同的车辆型号采集相应的故障音频数据样本和对应的故障类别，再分别做模型训练。也就是训练与车辆型号相对应的车辆故障识别模型。具体可采用隐马尔科夫模型作为初始模型，通过训练样本进行模型训练，以得到与各车辆型号相对应的车辆故障识别模型。

在一个实施例中，对于每个车辆故障识别模型，都可采用如下方式进行训练：确定车辆故障音频数据样本和对应的故障类别标签。将车辆故障音频数据样本输入至初始的车辆故障识别模型中，由该车辆故障识别模型判定车辆故障音频数据样本所属的类别标签，从而将该类别标签作为中间分类结果。比较中间分类结果与故障类别标签的差异，从而朝减少差异的方向，调整车辆故障识别模型的模型参数。如果调整模型参数后，不满足训练停止条件，则继续训练，直到满足训练停止条件时结束训练。这样，训练得到的车辆故障识别模型就是训练好的车辆故障识别模型。其中，训练停止条件具体可以是达到预设的迭代次数，或者是调整模型参数后的车辆故障识别模型的分类性能指标达到预设指标等。

在一个实施例中，移动终端或服务器可根据车辆型号信息确定相应的车辆故障识别模型。再将车辆音频数据输入至训练好的车辆故障识别模型中，通过车辆故障识别模型输出与车辆音频数据相对应的故障类别。进而再确定与故障类别相对应的车辆故障原因分析、以及相应的修复建议。比如，将车辆音频数据输入至训练好的车辆故障识别模型中，输出的故障类别为发动车故障。再对车辆音频数据车辆型号信息进行分析，具体故障内容可能为发动车故障类别中的发动机转速异常。那么推测故障原因可能是发动机温度过高，相应的修复建议比如寻找停靠点停车以进行自然冷却或认为冷却等。

这样，根据车辆型号信息确定相应的车辆故障识别模型，通过车辆故障识别模型，对车辆音频数据进行分析，可以快速、准确地确定车辆故障类别。

上述车辆故障识别方法，通过移动终端采集车辆在行驶过程中的声音数据，对采集的声音数据进行过滤处理，得到与车辆相关的车辆声音数据，这样可以过滤掉噪音数据，提高车辆故障识别的准确性。再对车辆声音数据进行数字化处理，得到相应的车辆音频数据。进而可以根据车辆音频数据和车辆型号信息，准确地确定与当前车辆相对应的车辆故障信息。这样，通过移动终端采集声音数据就可以实现快速、准确、方便地确定当前车辆的故障信息，不受场地和人员的限制，大大提高了车辆故障的识别效率，为人们的出行带来了便利。

在一个实施例中，步骤S204，也就是对采集的声音数据进行过滤处理，得到与车辆相关的车辆声音数据的步骤具体包括：解析声音数据，确定声音数据中满足预设规律震动条件的第一声波；获取声音数据中除第一声波外的第二声波；复制第二声波得到复制声波；将复制声波延迟半个震动周期后、与声音数据进行叠加处理，得到与车辆相关的车辆声音数据。

其中，预设规律震动条件具体可以是声波在预设时间段内有规则震动。在一个实施例中，声音数据中包括与车辆相关的车辆声音数据，以及噪声数据。其中，噪声数据比如人说话的声音、车载音响的声音、路边的噪音等。可以理解的是，在采集声音数据时，当采集多个周期内的声音数据时，与车辆相关的声音数据就会具有一定的规律。因此，移动终端可根据声波的频率和波形，确定声波数据中有规律震动的一条波形，也就是第一声波。

进一步地，移动终端从采集的声音数据中获取除第一声波外的第二声波。这里的第二声波就可以理解为噪音声波。移动终端可复制第二声波得到复制声波。将复制声波延迟半个周期后、与声音数据进行叠加处理，这样将两条同样频率声波搀杂在一起使一条声波的最高点与另一条声波的最低点在同一时间发生，就可以消除该声波，从而达到滤掉噪声声波的作用，这样，将将复制声波延迟半个震动周期后、与声音数据进行叠加处理，即可得到与车辆相关的车辆声音数据。

上述实施例中，通过复制除规律震动的声波外的其他声波，得到复制声波，再将复制声波延迟半个震动周期后、与声音数据进行叠加处理，可以准确、快速地得到过滤掉噪音数据的车辆声音数据。

在一个实施例中，该车辆故障识别方法还包括车辆故障清除的步骤，该步骤具体包括：通过移动终端展示车辆故障信息；在与展示的车辆故障信息对应的位置处，展示车辆故障清除提示信息；检测作用于所展示的车辆故障清除提示信息的触发操作；当检测到触发操作时，向车辆发送相应的车辆故障清除指令；发送的车辆故障清除指令用于指示车辆执行修复动作。

在一个实施例中，当移动终端确定了与当前车辆相对应的车辆故障信息后，可在页面中展示车辆故障信息。同时，在车辆故障信息周围(比如，下方或右侧等位置)展示车辆故障清除提示信息。当用户点击或按压相应的车辆故障清除提示信息时，移动终端可通过网络连接向车辆的车载系统发送车辆故障清除指令。车辆的车载系统接收到车辆故障清除指令后可执行相应的修复动作。

比如，当移动终端确定的车辆故障信息为座椅位置不正。相应的，车辆故障清除提示信息为调整座椅。当用户点击车辆故障清除提示信息后，移动终端可向车载系统发送调整座椅的指令，相应的，车载系统会控制座椅恢复原位置。

上述实施例中，通过检测作用于车辆故障清除提示信息的触发操作，以向车辆发送车辆故障清除指令，对于简单的车辆故障，可通过车辆故障清除指令控制车辆进行自动修复，方便快捷。

在一个实施例中，该车辆故障识别方法还包括语音播报修复建议的步骤，该步骤具体包括：当用户询问与车辆故障信息相关的修复建议时，采集用户语音数据；获取对用户语音数据进行语音识别所得到的文本；对文本进行分词处理，得到关键词词集；确定与关键词词集匹配的车辆故障信息所对应的修复建议；通过语音播报的方式，输出修复建议。

其中，语音识别是将语音数据识别为文本的过程。分词是将以句子或自然段落等形式呈现的文本划分成一个一个的词的过程。

在一个实施例中，当用户询问与车辆故障信息相关的修复建议时，移动终端可通过声音采集装置录制用户语音数据。移动终端可在本地对用户语音数据进行语音识别以得到识别后的文本，也可将用户语音数据发送至服务器，服务器通过机器学习模型对用户语音数据进行语音识别，得到相应的文本并反馈至移动终端。

进一步地，移动终端可采用分词算法或者分词模型对文本进行分词，得到分词后的词。对分词后的词去停用词后再聚合组成关键词词集。其中，停用词(Stop Words)具体指一些应用十分广泛的词、语气助词、客套词、介词或连接词等。

其中，分词算法有多种，比如，基于字符串匹配的分词算法、基于语义分析的分词算法或者基于统计的分词算法等。基于字符串匹配的分词算法如正向最大匹配算法、逆向最大匹配算法、最少切分算法或者双向最大匹配算法。分词模型是训练好的可用来分词的机器学习模型，分词模型具体可以是隐马尔可夫模型或CRF(conditional random fieldalgorithm，条件随机场算法)模型等。

进一步地，移动终端可预先存储关键词集、车辆故障信息、以及修复建议之间的关联表。当移动终端确定了关键词词集后，可通过关键词词集依次从关联表中查最匹配的车辆故障信息。进而再确定与车辆故障信息对应的修复建议。移动终端可通过语音播报的方式，输出修复建议。

上述实施例中，通过采集用户语音数据，获取对用户语音数据进行语音识别所得到的文本。再确定文本中的关键词词集，进而确定与用户询问的车辆故障相对应的修复建议，可以更加智能快速地分析出用户需求，并给与建议。

如图3所示，在一个具体实施例中，该车辆故障识别方法包括以下步骤：

S302，通过移动终端采集车辆在行驶过程中的声音数据。

S304，解析声音数据，确定声音数据中满足预设规律震动条件的第一声波。

S306，获取声音数据中除第一声波外的第二声波。

S308，复制第二声波得到复制声波。

S310，将复制声波延迟半个震动周期后、与声音数据进行叠加处理，得到与车辆相关的车辆声音数据。

S312，对车辆声音数据进行数字化处理，得到与车辆声音数据相对应的车辆音频数据。

S314，通过移动终端展示车辆信息录入界面。

S316，在车辆信息录入界面中展示候选车辆型号信息。

S318，检测作用于候选车辆型号信息的选中操作。

S320，当检测到选中操作时，获取选中操作所作用的车辆型号信息。

S322，根据车辆型号信息确定相应的车辆故障识别模型。

S324，将车辆音频数据输入至车辆故障识别模型中，通过车辆故障识别模型输出与车辆音频数据相对应的故障类别。

S326，确定与故障类别相对应的车辆故障信息。

S328，通过移动终端展示车辆故障信息。

S330，在与展示的车辆故障信息对应的位置处，展示车辆故障清除提示信息。

S332，检测作用于所展示的车辆故障清除提示信息的触发操作。

S334，当检测到触发操作时，向车辆发送相应的车辆故障清除指令；发送的车辆故障清除指令用于指示车辆执行修复动作。

S336，当用户询问与车辆故障信息相关的修复建议时，采集用户语音数据。

S338，获取对用户语音数据进行语音识别所得到的文本。

S340，对文本进行分词处理，得到关键词词集。

S342，确定与关键词词集匹配的车辆故障信息所对应的修复建议。

S344，通过语音播报的方式，输出修复建议。

上述车辆故障识别方法，通过移动终端采集车辆在行驶过程中的声音数据，对采集的声音数据进行过滤处理，得到与车辆相关的车辆声音数据，这样可以过滤掉噪音数据，提高车辆故障识别的准确性。再对车辆声音数据进行数字化处理，得到相应的车辆音频数据。进而可以根据车辆音频数据和车辆型号信息，准确地确定与当前车辆相对应的车辆故障信息。这样，通过移动终端采集声音数据就可以实现快速、准确、方便地确定当前车辆的故障信息，不受场地和人员的限制，大大提高了车辆故障的识别效率，为人们的出行带来了便利。

应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图4所示，提供了一种车辆故障识别装置400，包括：采集模块401、过滤处理模块402、数字化处理模块403、获取模块404和确定模块405，其中：

采集模块401，用于通过移动终端采集车辆在行驶过程中的声音数据。

过滤处理模块402，用于对采集的声音数据进行过滤处理，得到与车辆相关的车辆声音数据。

数字化处理模块403，用于对车辆声音数据进行数字化处理，得到与车辆声音数据相对应的车辆音频数据。

获取模块404，用于获取车辆的车辆型号信息。

确定模块405，用于根据车辆音频数据和车辆型号信息，确定与当前车辆相对应的车辆故障信息。

在一个实施例中，采集模块401还用于解析声音数据，确定声音数据中满足预设规律震动条件的第一声波；获取声音数据中除第一声波外的第二声波；复制第二声波得到复制声波；将复制声波延迟半个震动周期后、与声音数据进行叠加处理，得到与车辆相关的车辆声音数据。

在一个实施例中，获取模块404还用于通过移动终端展示车辆信息录入界面；在车辆信息录入界面中展示候选车辆型号信息；检测作用于候选车辆型号信息的选中操作；当检测到选中操作时，获取选中操作所作用的车辆型号信息。

在一个实施例中，确定模块405还用于根据车辆型号信息确定相应的车辆故障识别模型；将车辆音频数据输入至车辆故障识别模型中，通过车辆故障识别模型输出与车辆音频数据相对应的故障类别；确定与故障类别相对应的车辆故障信息。

在一个实施例中，车辆故障识别装置400还包括展示模块406、检测模块407、发送模块408，其中：

展示模块406，用于通过移动终端展示车辆故障信息。

展示模块406还用于在与展示的车辆故障信息对应的位置处，展示车辆故障清除提示信息。

检测模块407，用于检测作用于所展示的车辆故障清除提示信息的触发操作。

发送模块408，用于当检测到触发操作时，向车辆发送相应的车辆故障清除指令；发送的车辆故障清除指令用于指示车辆执行修复动作。

如图5所示，在一个实施例中，车辆故障识别装置400还包括分词模块409和语音播报模块410，其中：

采集模块401还用于当用户询问与车辆故障信息相关的修复建议时，采集用户语音数据。

获取模块404还用于获取对用户语音数据进行语音识别所得到的文本。

分词模块409，用于对文本进行分词处理，得到关键词词集。

确定模块405还用于确定与关键词词集匹配的车辆故障信息所对应的修复建议。

语音播报模块410，用于通过语音播报的方式，输出修复建议。

上述车辆故障识别装置，通过移动终端采集车辆在行驶过程中的声音数据，对采集的声音数据进行过滤处理，得到与车辆相关的车辆声音数据，这样可以过滤掉噪音数据，提高车辆故障识别的准确性。再对车辆声音数据进行数字化处理，得到相应的车辆音频数据。进而可以根据车辆音频数据和车辆型号信息，准确地确定与当前车辆相对应的车辆故障信息。这样，通过移动终端采集声音数据就可以实现快速、准确、方便地确定当前车辆的故障信息，不受场地和人员的限制，大大提高了车辆故障的识别效率，为人们的出行带来了便利。

关于车辆故障识别装置的具体限定可以参见上文中对于车辆故障识别方法的限定，在此不再赘述。上述车辆故障识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏、输入装置和声音采集装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆故障识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述车辆故障识别方法的步骤。此处车辆故障识别方法的步骤可以是上述各个实施例的车辆故障识别方法中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行上述车辆故障识别方法的步骤。此处车辆故障识别方法的步骤可以是上述各个实施例的车辆故障识别方法中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆故障识别方法，应用于移动终端，所述方法包括：

通过移动终端采集车辆在行驶过程中的声音数据；

对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据；

对所述车辆声音数据进行数字化处理，得到与所述车辆声音数据相对应的车辆音频数据；

获取所述车辆的车辆型号信息；

根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息。

2.根据权利要求1所述的方法，其特征在于，所述对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据，包括：

解析所述声音数据，确定所述声音数据中满足预设规律震动条件的第一声波；

获取所述声音数据中除所述第一声波外的第二声波；

复制所述第二声波得到复制声波；

将所述复制声波延迟半个震动周期后、与所述声音数据进行叠加处理，得到与所述车辆相关的车辆声音数据。

3.根据权利要求1所述的方法，其特征在于，所述获取所述车辆的车辆型号信息包括：

通过所述移动终端展示车辆信息录入界面；

在所述车辆信息录入界面中展示候选车辆型号信息；

检测作用于所述候选车辆型号信息的选中操作；

当检测到所述选中操作时，获取所述选中操作所作用的车辆型号信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息，包括：

根据所述车辆型号信息确定相应的车辆故障识别模型；

将所述车辆音频数据输入至所述车辆故障识别模型中，通过所述车辆故障识别模型输出与所述车辆音频数据相对应的故障类别；

确定与所述故障类别相对应的车辆故障信息。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

通过所述移动终端展示所述车辆故障信息；

在与展示的所述车辆故障信息对应的位置处，展示车辆故障清除提示信息；

检测作用于所展示的车辆故障清除提示信息的触发操作；

当检测到所述触发操作时，向所述车辆发送相应的车辆故障清除指令；发送的所述车辆故障清除指令用于指示所述车辆执行修复动作。

6.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

当用户询问与所述车辆故障信息相关的修复建议时，采集用户语音数据；

获取对所述用户语音数据进行语音识别所得到的文本；

对所述文本进行分词处理，得到关键词词集；

确定与所述关键词词集匹配的车辆故障信息所对应的修复建议；

通过语音播报的方式，输出所述修复建议。

7.一种车辆故障识别装置，其特征在于，所述装置包括：

采集模块，用于通过移动终端采集车辆在行驶过程中的声音数据；

过滤处理模块，用于对采集的声音数据进行过滤处理，得到与所述车辆相关的车辆声音数据；

数字化处理模块，用于对所述车辆声音数据进行数字化处理，得到与所述车辆声音数据相对应的车辆音频数据；

获取模块，用于获取所述车辆的车辆型号信息；

确定模块，用于根据所述车辆音频数据和所述车辆型号信息，确定与当前车辆相对应的车辆故障信息。

8.根据权利要求7所述的装置，其特征在于，所述过滤处理模块还用于解析所述声音数据，确定所述声音数据中满足预设规律震动条件的第一声波；获取所述声音数据中除所述第一声波外的第二声波；复制所述第二声波得到复制声波；将所述复制声波延迟半个震动周期后、与所述声音数据进行叠加处理，得到与所述车辆相关的车辆声音数据。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。