诊断日志的处理方法、装置及云端服务器与流程

摘要: 本申请涉及车辆诊断,尤其涉及一种诊断日志的处理方法及云端服务器。背景技术:1、汽车故障诊断是车辆售后运维的重要环节。目前常见的诊断方式是由维修人员通过诊断设备读...
诊断日志的处理方法、装置及云端服务器与流程

本申请涉及车辆诊断,尤其涉及一种诊断日志的处理方法及云端服务器。

背景技术:

1、汽车故障诊断是车辆售后运维的重要环节。目前常见的诊断方式是由维修人员通过诊断设备读取车辆故障码,再结合维修经验进行故障判断。部分诊断设备内置了固定的诊断规则库,可将采集到的车辆数据与规则库进行匹配并输出参考结论。这种本地诊断方式受限于设备自身的计算能力和存储空间,所能支持的诊断规则数量和复杂度有限,对复杂故障的识别能力不足。

2、随着云计算技术的发展,出现了将诊断模型部署在云端服务器、由云端完成数据分析并向诊断终端返回结果的方案。在现有云端诊断方案中,云端服务器通常预先配置固定数量的计算资源,对所有诊断请求统一使用相同的诊断模型进行处理。当诊断请求并发量较高时,固定的计算资源无法按需扩展,导致部分请求排队等待,诊断响应延迟明显增加;当诊断请求并发量较低时,大量计算资源处于空闲状态,造成资源浪费。因此,现有云端诊断方案在计算资源的利用效率和诊断响应的时效性方面仍有改进空间。

技术实现思路

1、本申请实施例提供了一种诊断日志的处理方法及云端服务器,可以解决现有技术中固定计算资源与单一模型导致资源利用率低、响应延迟不稳定的技术问题。所述技术方案如下:

2、第一方面,本申请实施例提供了一种诊断日志的处理方法,所述方法包括:

3、接收诊断终端发送的诊断日志数据包,所述诊断日志数据包由所述诊断终端在车辆上采集得到;

4、获取分析任务类型;所述分析任务类型为故障预测任务或诊断分类任务;

5、对所述诊断日志数据包进行预处理,得到标准化诊断数据;

6、从所述标准化诊断数据中提取特征,生成特征向量;

7、根据所述分析任务类型在预训练的多个分析模型中获取对应的目标分析模型;所述多个分析模型包括故障预测模型和诊断分类模型,所述故障预测模型对应于所述故障预测任务,所述诊断分类模型对应于所述诊断分类任务;

8、根据所述特征向量和所述分析任务类型,确定分析任务复杂度;

9、根据所述分析任务复杂度在计算资源池中获取对应的目标计算节点,所述计算资源池包括多个硬件计算节点;

10、将所述目标分析模型的模型参数加载到所述目标计算节点上,得到分析模型实例;

11、将所述特征向量输入所述分析模型实例,由所述分析模型实例输出诊断结论;

12、基于所述诊断结论生成诊断回复,并将所述诊断回复下发至所述诊断终端。

13、第二方面,本申请实施例提供了一种诊断日志的处理装置,所述装置包括:

14、收发模块,用于接收诊断终端发送的诊断日志数据包,并获取分析任务类型;所述诊断日志数据包由所述诊断终端在车辆上采集得到;所述分析任务类型为故障预测任务或诊断分类任务;

15、生成模块,用于对所述诊断日志数据包进行预处理,得到标准化诊断数据,并从所述标准化诊断数据中提取特征,生成特征向量;

16、获取模块,用于根据所述分析任务类型在预训练的多个分析模型中获取对应的目标分析模型;所述多个分析模型包括故障预测模型和诊断分类模型,所述故障预测模型对应于所述故障预测任务,所述诊断分类模型对应于所述诊断分类任务;

17、确定模块,用于根据所述特征向量和所述分析任务类型,确定分析任务复杂度,并根据所述分析任务复杂度在计算资源池中获取对应的目标计算节点,所述计算资源池包括多个硬件计算节点;

18、输出模块,用于将所述目标分析模型的模型参数加载到所述目标计算节点上,得到分析模型实例,并将所述特征向量输入所述分析模型实例,由所述分析模型实例输出诊断结论;

19、所述收发模块,还用于基于所述诊断结论生成诊断回复,并将所述诊断回复下发至所述诊断终端。

20、第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法步骤。

21、第四方面,本申请实施例提供一种云端服务器,可包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法步骤。

22、本申请一些实施例提供的技术方案带来的有益效果至少包括:

23、通过云端服务器获取诊断请求并确定与之对应的目标分析模型,同时获取各计算节点的当前状态信息,基于状态信息从多个计算节点中确定目标计算节点,再将目标分析模型的模型参数加载至目标计算节点上得到分析模型实例,最终由该分析模型实例对诊断数据执行分析并输出诊断结论。该方案产生的有益效果在于:

24、首先,云端服务器依据各计算节点的状态信息进行目标计算节点的选取,实现了计算资源的动态调度。当诊断请求并发量较高时,可将任务分配至负载较轻的计算节点,避免部分节点过载而其他节点闲置,有效提升了计算资源的整体利用率,缩短了诊断请求的排队等待时间,降低了诊断响应的延迟。

25、其次,云端服务器根据诊断请求所指示的故障类型确定对应的目标分析模型,使得不同诊断请求能够匹配其适合的诊断模型,而非所有请求共用同一个模型。这种按需匹配模型的方式,使复杂故障的诊断能够获得足够的模型复杂度和分析精度,简单故障的诊断则可采用轻量模型实现快速响应,在诊断精度和响应速度之间取得了更好的平衡。

26、再次,目标分析模型的模型参数由云端服务器集中管理并按需加载至目标计算节点,模型参数的更新和版本管理均在云端统一完成,诊断终端无需进行本地升级,各计算节点所运行的均为最新版本的诊断模型,保障了诊断结果的一致性和时效性。

1.一种诊断日志的处理方法,其特征在于,包括以下步骤:‌

2.根据权利要求1所述的方法,其特征在于,所述获取分析任务类型,包括:‌

3.根据权利要求1所述的方法,其特征在于,所述根据所述特征向量和所述分析任务类型,确定分析任务复杂度,包括:‌

4.根据权利要求3所述的方法,其特征在于,所述基于所述特征维度和所述数据量,结合所述基准复杂度系数,计算得到所述分析任务复杂度,包括:‌

5.根据权利要求1所述的方法,其特征在于,所述根据所述分析任务复杂度在计算资源池中获取对应的目标计算节点,包括:‌

6.根据权利要求5所述的方法,其特征在于,所述根据所述当前负载状态和所述最低资源配置要求,从所述计算资源池中筛选出满足筛选条件的硬件计算节点作为所述目标计算节点,包括:‌

7.根据权利要求1所述的方法,其特征在于,所述将所述目标分析模型的模型参数加载到所述目标计算节点上,得到分析模型实例,包括:‌

8.根据权利要求1所述的方法,其特征在于,所述基于所述诊断结论生成诊断回复,并将所述诊断回复下发至所述诊断终端,包括:‌

9.一种诊断日志的处理装置,其特征在于,所述装置包括:

10.一种云端服务器,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~9任意一项的所述一种诊断日志的处理方法的步骤。