车辆故障的预警方法、装置、计算机设备和可读存储介质与流程

1.本技术涉及故障诊断技术领域，特别是涉及一种车辆故障的预警方法、装置、计算机设备和可读存储介质。


背景技术：

2.制动抱闸故障是由于制动机故障，手制动机不缓解等原因造成的制动缓解不良，闸瓦不能与车轮踏面分离的铁路货车运用故障，其主要危害是造成车轮踏面擦伤，车轮踏面熔渣，辗堆，甚至引起燃轴故障。现有技术中，通过人工检测车轮处是否有火花和熔渣，以及是否产生异味来判断抱闸故障；或利用红外光传感器采集车辆上闸瓦磨耗数据，根据闸瓦的磨耗值判断闸瓦的工作状态判断车辆是否出现抱闸故障。然而，一方面，现有技术仅适用于车辆静止或低速运行状态下的抱闸故障检测，当车辆处在高速运行状态时，红外光传感器或人工无法获得实时采样数据，尤其在夜间或气候恶劣的环境下，无法获取有效的检测数据会造成预警准确率不高，漏报误报严重。另一方面。当车辆正常制动调速时，所有闸瓦均津贴车轮踏面，造成车轮温度升高，现有技术无法区分抱闸是处在调速状态还是处于故障状态。


技术实现要素：

3.基于此，有必要针对上述技术问题，提供一种能够对车辆故障进行可靠预警的预警方法、装置、计算机设备和可读存储介质。
4.一种车辆故障的预警方法，包括步骤：
5.获取各车轮的当前温度，以及车轮的当前平均温度；
6.在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；
7.根据最大温度值和预设值，得到温度检测结果；
8.获取各车轮的音频数据并处理音频数据，得到声音检测结果；
9.根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息。
10.在其中一个实施例中，根据最大温度值和预设值，得到温度检测结果的步骤，包括：
11.在最大温度值小于或等于预设值的情况下，确定温度检测结果为正常；
12.在最大温度值大于预设值的情况下，确定温度检测结果为异常。
13.在其中一个实施例中，车辆故障的预警方法还包括步骤：
14.在各当前温度均小于或等于当前平均温度的情况下，确定温度检测结果为正常。
15.在其中一个实施例中，根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息的步骤，包括：
16.在温度检测结果为正常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第二预设等级的预警信息；
17.在温度检测结果为异常，且声音检测结果为正常的情况下，输出第二预设等级的预警信息；
18.在温度检测结果为异常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第一预设等级的预警信息；第一预设等级大于第二预设等级。
19.在其中一个实施例中，车辆故障的预警方法还包括步骤：
20.在温度检测结果为正常，且声音检测结果也为正常的情况下，输出用于表征车辆处于正常状态的正常信息。
21.在其中一个实施例中，获取各车轮的音频数据并处理音频数据，得到声音检测结果的步骤，包括：
22.对音频数据进行采样处理，得到标准化音频数据；
23.处理标准化音频数据，得到声谱图；
24.获取神经网络模型；
25.对神经网络模型进行训练，得到声音识别模型；
26.采用声音识别模型识别声谱图，得到声音检测结果。
27.在其中一个实施例中，获取各车轮的当前温度，以及车轮的当前平均温度的步骤，包括：
28.获取所有车轮的总数；
29.对各车轮的当前温度进行求和处理，得到总温度；
30.将总温度与所有车轮的总数的商，确定为车轮的当前平均温度。
31.一种车辆故障的预警装置，包括：
32.温度获取模块，用于获取各车轮的当前温度，以及车轮的当前平均温度；
33.最大温度值获取模块，用于在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；
34.温度检测模块，用于根据最大温度值和预设值，得到温度检测结果；
35.声音检测模块，用于获取各车轮的音频数据并处理音频数据，得到声音检测结果；
36.预警信息输出模块，用于根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息。
37.一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述方法的步骤。
38.一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
39.上述车辆故障的预警方法，通过获取各车轮的当前温度，以及车轮的当前平均温度；在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；根据最大温度值和预设值，得到温度检测结果；获取各车轮的音频数据并处理音频数据，得到声音检测结果；根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息，排除了环境因素对温度的影响，提高了故障判定的准确率，且通过温度和声音进行综合判定，降低了误报率，实现对车辆故障进行可靠预警。
附图说明
40.为了更清楚地说明本技术实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，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人员来讲，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。
41.图1为一个实施例中车辆故障的预警方法的第一示意性流程示意图；
42.图2为一个实施例中车辆故障的预警方法的第二示意性流程示意图；
43.图3为一个实施例中根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息的步骤的流程示意图；
44.图4为一个实施例中获取各车轮的音频数据并处理音频数据，得到声音检测结果的步骤的流程示意图；
45.图5为一个实施例中获取各车轮的当前温度，以及车轮的当前平均温度的步骤的流程示意图。
具体实施方式
46.为了便于理解本技术，下面将参照相关附图对本技术进行更全面的描述。附图中给出了本技术的实施例。但是，本技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本技术的公开内容更加透彻全面。
47.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
48.可以理解，本技术所使用的术语“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。
49.在货运列车运行时，为调整列车运行速度和在指定地点停车，保证列车正点和安全运行，在机车和车辆上设置有一套用以产生制动的装置。制动装置利用杠杆原理，把空气制动部分的制动缸活塞推力或用人力操纵的人力制动机所产生的拉力，扩大适当倍数后，平均地传给各闸瓦，以使车轮停止转动。制动抱闸故障是由于制动机故障，手制动机不缓解等原因造成的制动缓解不良，闸瓦不能与车轮踏面分离的铁路货车运用故障，其主要危害是造成车轮踏面擦伤，车轮踏面熔渣，辗堆，甚至引起燃轴故障。车辆的抱闸故障可分为以下几种情况：
50.1.车辆制动机处于缓解位时，制动缸活塞杆仍处于伸出状态，即制动缸未缓解，导致车辆所有闸瓦均紧贴车轮踏面，造成车轮踏面擦伤产生熔渣、辗堆，并伴有高温。
51.2.车辆制动机处于缓解位时，制动缸活塞杆缩回，但手制动装置仍处于制动位，即手制动机闸链未松开，仍然拉紧前制动杠杆，致使基础制动装置仍处于制动状态，导致车辆所有闸瓦均紧贴车轮踏面，造成车轮踏面擦伤产生熔渣、辗堆，并伴有高温。
52.3.铁路货车在运行过程中，特别是通过车站时，经常会发生制动调速现象，小减压量的空气制动会导致闸瓦瞬间贴靠车轮踏面即离开，但由于各车辆的制动机灵敏度、闸调
器灵活性以及闸瓦厚度存在差异，可能会造成某些车辆的某些闸瓦离开车轮踏面时相对迟缓而产生火星，对上述现象不能简单认定为制动抱闸，可通知前方车站重点观察再进行判断。
53.现有技术中，通过人工检测车轮处是否有火花和熔渣，以及是否产生异味来判断抱闸故障；或利用红外光传感器采集车辆上闸瓦磨耗数据，根据闸瓦的磨耗值判断闸瓦的工作状态判断车辆是否出现抱闸故障。然而，一方面，现有技术仅适用于车辆静止或低速运行状态下的抱闸故障检测，当车辆处在高速运行状态时，红外光传感器或人工无法获得实时采样数据，尤其在夜间或气候恶劣的环境下，无法获取有效的检测数据会造成预警准确率不高，漏报误报严重。另一方面。当车辆正常制动调速时，所有闸瓦均津贴车轮踏面，造成车轮温度升高，现有技术无法区分抱闸是处在调速状态还是处于故障状态。
54.鉴于此，本发明提出了一种能够对车辆故障进行可靠预警的预警方法、装置、计算机设备和可读存储介质。
55.在一个实施例中，如图1所示，提供了一种车辆故障的预警方法，包括步骤：
56.s110，获取各车轮的当前温度，以及车轮的当前平均温度；
57.具体而言，在列车运行的钢轨上安装磁钢，磁钢的作用是判断来车、测速、监测分节情况以及判断列车驶离。在列车钢轨两侧安装热像仪，安装高度与列车车轮齐平，使车轮完整出现在热像仪的视野范围内。当列车经过时，磁钢启动，热像仪开始工作，采集每一个车轮的当前温度，当前温度用于表征每一个车轮的平均温度，而非车轮某一点的温度，避免车轮的某个点温度过高或过低使采集的数据不准确。车轮的当前平均温度为所有车轮的当前温度的平均值，可以通过计算获得。
58.s120，在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；
59.具体而言，把各车轮的当前温度与当前平均温度相对比，若存在车轮的当前温度大于当前平均温度，则获取各车轮当前温度中的最大温度值。具体地，把各车轮的当前温度与当前平均温度作对比，可以排除环境因素对温度采集结果的影响，例如，白天各车轮的当前温度普遍较高，夜晚各车轮的当前温度普遍较低，因此，在列车较长的情况下，通过把各车轮的当前温度与当前平均温度作对比，可以排除环境因素的影响，提高检测结果的准确性。
60.s130，根据最大温度值和预设值，得到温度检测结果；
61.具体而言，温度检测结果包括正常和异常；预设值为经验值，根据环境温度设置，例如，白天温度较高，预设值相应较大；夜晚温度较低，预设值相应较小。在一个具体的实施例中，在最大温度值大于预设值的情况下，将温度检测结果确定为异常；在最大温度小于预设值的情况下，将温度检测结果确定为正常。在另一个具体的实施例中，若最大温度值小于或等于当前平均温度，则直接确认温度检测结果为正常。
62.s140，获取各车轮的音频数据并处理音频数据，得到声音检测结果；
63.具体而言，音频数据为车轮与钢轨接触时产生的。具体地，钢轨上的磁钢判断来车、测速、确定分节情况以及判断列车驶离，同时，钢轨上的拾音器采集车轮与钢轨接触碰撞时产生的声音，当列车经过，磁钢启动，拾音器进入工作状态，采集各车轮的音频数据。
64.s150，根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息。
65.具体而言，预警信息包括第一预设等级的预警信息和第二预设等级的预警信息；其中，第一预设等级高于第二预设等级。具体地，在温度检测结果和声音检测结果均为异常的情况下，输出第一预设等级的预警信息；在温度检测结果为正常且声音检测结果为异常的情况下，或者温度检测结果为异常且声音检测结果为正常的情况下，输出第二预设等级的预警信息。在另一具体的实施例中，分别对温度检测结果和声音检测结果乘相对应的权重系数后相加求和，得到车辆处于故障状态的预警信息。从温度和声音两种维度，判断闸瓦是否故障。当抱闸故障发生时，伴随着车轮温度的升高，同时，由于车轮转动受限，车轮与轨面发生滑动摩擦，与正常状态下的滚动摩擦产生的音频信号不同。通过分别对这两种维度进行判断，再对两种结果进行综合，最终给出预警结果。
66.上述车辆故障的预警方法，通过获取各车轮的当前温度，以及车轮的当前平均温度；在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；根据最大温度值和预设值，得到温度检测结果；获取各车轮的音频数据并处理音频数据，得到声音检测结果；根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息，排除了环境因素对温度的影响，提高了故障判定的准确率，且通过温度和声音进行综合判定，降低了误报率，实现对车辆故障进行可靠预警。
67.在一个实施例中，如图2所示，根据最大温度值和预设值，得到温度检测结果的步骤，包括：
68.s160，在最大温度值小于或等于预设值的情况下，确定温度检测结果为正常；
69.s170，在最大温度值大于预设值的情况下，确定温度检测结果为异常。
70.具体而言，预设值为经验值，根据环境温度设置，例如，白天温度较高，预设值相应较大；夜晚温度较低，预设值相应较小。具体地，在最大温度值大于预设值的情况下，将温度检测结果确定为异常；在最大温度小于预设值的情况下，将温度检测结果确定为正常。
71.在一个实施例中，车辆故障的预警方法还包括步骤：
72.s180，在各当前温度均小于或等于当前平均温度的情况下，确定温度检测结果为正常。
73.具体而言，若最大温度值小于或等于当前平均温度，则直接确认温度检测结果为正常，提高检测效率。
74.在一个实施例中，如图3所示，根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息的步骤，包括：
75.s190，在温度检测结果为正常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第二预设等级的预警信息；
76.s200，在温度检测结果为异常，且声音检测结果为正常的情况下，输出第二预设等级的预警信息；
77.s210，在温度检测结果为异常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第一预设等级的预警信息；第一预设等级大于第二预设等级。
78.具体而言，第一预设等级大于第二预设等级。具体地，当温度检测结果和声音检测结果均为异常的情况下，输出第一预设等级的预警信息；当温度检测结果为异常且声音检测结果为正常，或者温度检测结果为正常且声音检测结果为异常的情况下，输出第二预设等级的预警信息。当工作人员接收到第一预设等级的预警信息时高度戒备并全面检查；当
工作人员接收到第二预设等级的预警信息时，对结果进行反复核查，确认是否发生故障。通过分别对声音和维度两种维度进行判断，再对两种结果进行综合，最终给出预警结果，提高了预警准确率。同时，分两种预警级别进行预警，提升了系统在使用时的体验，降低了人工成本。
79.在一个实施例中，车辆故障的预警方法还包括步骤：
80.在温度检测结果为正常，且声音检测结果也为正常的情况下，输出用于表征车辆处于正常状态的正常信息。
81.具体而言，当温度检测结果和声音检测结果均为正常时，输出正常信息，以便工作人员对列车运行情况进行记录。
82.在一个实施例中，如图4所示，获取各车轮的音频数据并处理音频数据，得到声音检测结果的步骤，包括：
83.s230，对音频数据进行采样处理，得到标准化音频数据；
84.采样是指把时间上连续的模拟信号在时间轴上离散化的过程。采样周期即相邻两个采样点的时间间隔，采样频率是采样周期的倒数，理论上来说采样频率越高，声音的还原度就越高，声音就越真实。为了不失真，采样频率需要大于声音最高频率的两倍。这里的采样是指在某些特定的时刻对模拟声音信号进行测量，得到离散声音信号。
85.具体而言，音频数据为模拟信号，按照固定的时间间隔截取音频数据的振幅值，每个波形周期内截取两次，以取得正、负相的振幅值，该振幅值采用若干位二进制数表示，从而将模拟声音信号变成数字音频信号，即标准化音频数据。
86.s240，处理标准化音频数据，得到声谱图；
87.具体而言，可以使用任意一种方法获取声谱图，可选地，使用短时傅里叶变换的方法得到声谱图。
88.s250，获取神经网络模型；
89.s260，对神经网络模型进行训练，得到声音识别模型；
90.具体而言，建立卷积神经网络模型，收集列车正常状态下经过铁轨时的样本数据，通过卷积神经网络模型对样本数据中的特征进行提取，形成声音识别模型。声音识别模型用于对音频数据进行识别分类。
91.s270，采用声音识别模型识别声谱图，得到声音检测结果。
92.具体而言，将声谱图输入声音识别模型，声音识别模型提取声谱图中的特征，与样本数据中的特征进行对比，若一致则确定声音检测结果为正常，若不一致则确定声音检测结果为异常。
93.在一个实施例中，如图5所示，获取各车轮的当前温度，以及车轮的当前平均温度的步骤，包括：
94.s280，获取所有车轮的总数；
95.s290，对各车轮的当前温度进行求和处理，得到总温度；
96.s300，将总温度与所有车轮的总数的商，确定为车轮的当前平均温度。
97.具体而言，当列车经过时，磁钢启动，热像仪开始工作，采集每一个车轮的当前温度；车轮的当前平均温度为所有车轮的当前温度的平均值，可以通过计算获得。具体地，获取所有车轮的总数，对各车轮的当前温度进行求和处理，得到所有车轮的总温度；将总温度
与车轮总数的商，确定为车轮的当前平均温度。通过设置当前平均温度，可以避免环境因素对温度检测结果产生的影响。
98.应该理解的是，虽然图1-图5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1-图5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
99.在一个实施例中，提供了一种车辆故障的预警装置，包括：
100.温度获取模块，用于获取各车轮的当前温度，以及车轮的当前平均温度；
101.最大温度值获取模块，用于在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；
102.温度检测模块，用于根据最大温度值和预设值，得到温度检测结果；
103.声音检测模块，用于获取各车轮的音频数据并处理音频数据，得到声音检测结果；
104.预警信息输出模块，用于根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息。
105.在一个实施例中，温度检测模块包括：
106.第一正常温度检测结果确认模块，用于在最大温度值小于或等于预设值的情况下，确定温度检测结果为正常；
107.异常温度检测结果确认模块，用于在最大温度值大于预设值的情况下，确定温度检测结果为异常。
108.在一个实施例中，车辆故障的预警装置还包括：
109.第二正常温度检测结果确认模块，用于在各当前温度均小于或等于当前平均温度的情况下，确定温度检测结果为正常。
110.在一个实施例中，预警信息输出模块包括：
111.第一第二预设等级的预警信息输出模块，用于在温度检测结果为正常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第二预设等级的预警信息；
112.第二第二预设等级的预警信息输出模块，用于在温度检测结果为异常，且声音检测结果为正常的情况下，输出第二预设等级的预警信息；
113.第一预设等级的预警信息输出模块，用于在温度检测结果为异常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第一预设等级的预警信息；第一预设等级大于第二预设等级。
114.在一个实施例中，车辆故障的预警装置还包括：
115.正常状态信息输出模块，用于在温度检测结果为正常，且声音检测结果也为正常的情况下，输出用于表征车辆处于正常状态的正常信息。
116.在一个实施例中，声音检测模块包括：
117.标准化模块，用于对音频数据进行采样处理，得到标准化音频数据；
118.声谱图获取模块，用于处理标准化音频数据，得到声谱图；
119.神经网络模型模型获取模块，用于获取神经网络模型；
120.声音识别模型获取模块，用于对神经网络模型进行训练，得到声音识别模型；
121.声音检测结果获取模块，用于采用声音识别模型识别声谱图，得到声音检测结果。
122.在一个实施例中，温度获取模块包括：
123.车论数获取模块，用于获取所有车轮的总数；
124.总温度获取模块，用于对各车轮的当前温度进行求和处理，得到总温度；
125.平均温度获取模块，用于将总温度与所有车轮的总数的商，确定为车轮的当前平均温度。
126.关于车辆故障的预警装置的具体限定可以参见上文中对于车辆故障的预警方法的限定，在此不再赘述。上述车辆故障的预警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。需要说明的是，本技术实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
127.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，处理器执行计算机程序时实现以下步骤：
128.获取各车轮的当前温度，以及车轮的当前平均温度；
129.在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；
130.根据最大温度值和预设值，得到温度检测结果；
131.获取各车轮的音频数据并处理音频数据，得到声音检测结果；
132.根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息。
133.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
134.在最大温度值小于或等于预设值的情况下，确定温度检测结果为正常；
135.在最大温度值大于预设值的情况下，确定温度检测结果为异常。
136.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
137.在各当前温度均小于或等于当前平均温度的情况下，确定温度检测结果为正常。
138.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
139.在温度检测结果为正常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第二预设等级的预警信息；
140.在温度检测结果为异常，且声音检测结果为正常的情况下，输出第二预设等级的预警信息；
141.在温度检测结果为异常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第一预设等级的预警信息；第一预设等级大于第二预设等级。
142.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
143.在温度检测结果为正常，且声音检测结果也为正常的情况下，输出用于表征车辆处于正常状态的正常信息。
144.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
145.对音频数据进行采样处理，得到标准化音频数据；
146.处理标准化音频数据，得到声谱图；
147.获取神经网络模型；
148.对神经网络模型进行训练，得到声音识别模型；
149.采用声音识别模型识别声谱图，得到声音检测结果。
150.在一个实施例中，处理器执行计算机程序时还实现以下步骤：
151.获取所有车轮的总数；
152.对各车轮的当前温度进行求和处理，得到总温度；
153.将总温度与所有车轮的总数的商，确定为车轮的当前平均温度。
154.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
155.获取各车轮的当前温度，以及车轮的当前平均温度；
156.在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；
157.根据最大温度值和预设值，得到温度检测结果；
158.获取各车轮的音频数据并处理音频数据，得到声音检测结果；
159.根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息。
160.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
161.在最大温度值小于或等于预设值的情况下，确定温度检测结果为正常；
162.在最大温度值大于预设值的情况下，确定温度检测结果为异常。
163.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
164.在各当前温度均小于或等于当前平均温度的情况下，确定温度检测结果为正常。
165.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
166.在温度检测结果为正常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第二预设等级的预警信息；
167.在温度检测结果为异常，且声音检测结果为正常的情况下，输出第二预设等级的预警信息；
168.在温度检测结果为异常，且声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第一预设等级的预警信息；第一预设等级大于第二预设等级。
169.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
170.在温度检测结果为正常，且声音检测结果也为正常的情况下，输出用于表征车辆处于正常状态的正常信息。
171.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
172.对音频数据进行采样处理，得到标准化音频数据；
173.处理标准化音频数据，得到声谱图；
174.获取神经网络模型；
175.对神经网络模型进行训练，得到声音识别模型；
176.采用声音识别模型识别声谱图，得到声音检测结果。
177.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
178.获取所有车轮的总数；
179.对各车轮的当前温度进行求和处理，得到总温度；
180.将总温度与所有车轮的总数的商，确定为车轮的当前平均温度。
181.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，本技术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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
182.在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。
183.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。
184.以上所述实施例仅表达了本技术的几种实施方式，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，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。

技术特征：
1.一种车辆故障的预警方法，其特征在于，包括步骤：获取各车轮的当前温度，以及车轮的当前平均温度；在所述当前温度大于所述当前平均温度的情况下，获取各所述当前温度中的最大温度值；根据所述最大温度值和预设值，得到温度检测结果；获取各所述车轮的音频数据并处理所述音频数据，得到声音检测结果；根据所述温度检测结果和所述声音检测结果，输出用于表征车辆处于故障状态的预警信息。2.根据权利要求1所述的车辆故障的预警方法，其特征在于，所述根据所述最大温度值和预设值，得到温度检测结果的步骤，包括：在所述最大温度值小于或等于所述预设值的情况下，确定所述温度检测结果为正常；在所述最大温度值大于所述预设值的情况下，确定所述温度检测结果为异常。3.根据权利要求1所述的车辆故障的预警方法，其特征在于，还包括步骤：在各所述当前温度均小于或等于所述当前平均温度的情况下，确定所述温度检测结果为正常。4.根据权利要求1所述的车辆故障的预警方法，其特征在于，所述根据所述温度检测结果和所述声音检测结果，输出用于表征车辆处于故障状态的预警信息的步骤，包括：在所述温度检测结果为正常，且所述声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第二预设等级的预警信息；在所述温度检测结果为异常，且所述声音检测结果为正常的情况下，输出所述第二预设等级的预警信息；在所述温度检测结果为异常，且所述声音检测结果为异常的情况下，输出用于表征车辆处于故障状态的第一预设等级的预警信息；所述第一预设等级大于所述第二预设等级。5.根据权利要求4所述的车辆故障的预警方法，其特征在于，还包括步骤：在所述温度检测结果为正常，且所述声音检测结果也为正常的情况下，输出用于表征车辆处于正常状态的正常信息。6.根据权利要求1所述的车辆故障的预警方法，其特征在于，所述获取各所述车轮的音频数据并处理所述音频数据，得到声音检测结果的步骤，包括：对所述音频数据进行采样处理，得到标准化音频数据；处理所述标准化音频数据，得到声谱图；获取神经网络模型；对所述神经网络模型进行训练，得到声音识别模型；采用所述声音识别模型识别所述声谱图，得到所述声音检测结果。7.根据权利要求1所述的车辆故障的预警方法，其特征在于，所述获取各车轮的当前温度，以及车轮的当前平均温度的步骤，包括：获取所有车轮的总数；对各所述车轮的当前温度进行求和处理，得到总温度；将所述总温度与所述所有车轮的总数的商，确定为所述车轮的当前平均温度。8.一种车辆故障的预警装置，其特征在于，包括：
温度获取模块，用于获取各车轮的当前温度，以及车轮的当前平均温度；最大温度值获取模块，用于在所述当前温度大于所述当前平均温度的情况下，获取各所述当前温度中的最大温度值；温度检测模块，用于根据所述最大温度值和预设值，得到温度检测结果；声音检测模块，用于获取各所述车轮的音频数据并处理所述音频数据，得到声音检测结果；预警信息输出模块，用于根据所述温度检测结果和所述声音检测结果，输出用于表征车辆处于故障状态的预警信息。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7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7中任一项所述方法的步骤。

技术总结
本申请涉及一种车辆故障的预警方法、装置、计算机设备和可读存储介质，所述方法通过获取各车轮的当前温度，以及车轮的当前平均温度；在当前温度大于当前平均温度的情况下，获取各当前温度中的最大温度值；根据最大温度值和预设值，得到温度检测结果；获取各车轮的音频数据并处理音频数据，得到声音检测结果；根据温度检测结果和声音检测结果，输出用于表征车辆处于故障状态的预警信息，排除了环境因素对温度的影响，提高了故障判定的准确率，且通过温度和声音进行综合判定，降低了误报率，实现对车辆故障进行可靠预警。现对车辆故障进行可靠预警。现对车辆故障进行可靠预警。


技术研发人员：陈永明 王正光 刘志国 田佳水 王全春 赵永军 韦阳
受保护的技术使用者：武汉利德测控技术有限公司
技术研发日：2022.01.29
技术公布日：2022/5/25