车辆故障预测方法、装置、车辆及存储介质

本申请涉及车辆故障预测技术领域，特别涉及一种车辆故障预测方法、装置、车辆及存储介质。该方法包括：获取当前车辆的多种模态数据；分别对多种模态数据进行特征提取，得到每种模态数据的数据特征，并基于每种模态数据的数据特征确定至少一组目标组合特征向量；基于至少一组目标组合特征向量，利用预设的神经网络模型进行故障预测，得到当前车辆的故障发生概率，其中，预设的神经网络模型由历史模态数据集训练得到。由此，通过融合多种异构数据源，结合深度学习技术进行车辆故障风险的预测，解决了传统故障预测方法由于信息来源单一而无法全面捕捉车辆运行状态中的复杂变化，导致模型预测结果可靠性不足的问题，增强车辆故障预测的鲁棒性。