[發明專利]車輛故障預測建模方法及系統

在審

• 申請號: 201811208768.2
• 申請日: 2018-10-17
• 公開（公告）號: CN109460003A
• 公開（公告）日: 2019-03-12
• 發明（設計）人: 徐徐;孫磊;楊世飛;鄒小勇
• 申請（專利權）人: 南京凱奧思數據技術有限公司
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 北京竹辰知識產權代理事務所(普通合伙) 11706
• 代理人: 陳龍

本發明提供一種車輛故障預測建模方法及系統，屬于數據處理技術領域，該方法包括：將車載OBD數據、保養維修數據以及天氣狀況數據上傳云端，對可能出現的車輛故障進行建模分析，得到預測模型；通過預測模型將當前車輛健康預測信息傳至企業客戶保養服務器，用于判斷是否對車輛進行提前維護，以避免出現重大故障；將預測模型推送至個人客戶手機App，結合即使產生的OBD數據對車輛健康狀況提供即時預測，所述預測模型可在云端根據不斷更新的新數據以及客戶反饋進行調整改進；通過所述預測模型對車輛故障進行預測，所述預測模型的輸出包括：給定時間內出現某故障的可能性，故障發生的可能原因。本方案降低風險的同時節約了成本。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種車輛故障預測建模方法及系統。

背景技術

有效的預測車輛健康狀況，在出現重大故障前提供預判，可以避免因無預警的故障造成時間和經濟上的損失。市場上有很多車載故障診斷設備(OBD)，可以收集車輛運行時產生的大量數據以及故障信息。這些信息結合車輛保養維修數據和天氣信息，通過機器學習的方法可以對車輛故障建立預測模型，通過車輛運行時產生的即時數據和當前天氣情況對車輛可能會產生的各種故障進行準確預測。現有的車輛故障診斷相關的專利側重于對出現的故障進行分析，本專利側重于對未來可能出現的故障進行提前預判，以降低風險，節約成本。

發明內容

有鑒于此，本發明實施例提供一種車輛故障預測建模方法及系統，至少部分解決現有技術中存在的問題。

第一方面，本發明實施例提供的一種車輛故障預測建模方法，包括：

將車載OBD數據、保養維修數據以及天氣狀況數據上傳云端，對可能出現的車輛故障進行建模分析，得到預測模型；

通過預測模型將當前車輛健康預測信息傳至企業客戶保養服務器，用于判斷是否對車輛進行提前維護，以避免出現重大故障；

將預測模型推送至個人客戶手機App，結合即使產生的OBD數據對車輛健康狀況提供即時預測，所述預測模型可在云端根據不斷更新的新數據以及客戶反饋進行調整改進；

通過所述預測模型對車輛故障進行預測，所述預測模型的輸出包括：給定時間內出現某故障的可能性，故障發生的可能原因。

根據本發明實施例的一種具體實現方式，數據中各個特征變量通過標準化的方式確保各個特征變量在同樣的標準下參與建模，特征的標準化過程如下：

其中X為任意特征變量的原始數據向量，為該原始數據的平均值，σ為該原始數據的標準差，X′為標準化后的特征變量。

根據本發明實施例的一種具體實現方式，當特征變量數很大時，通過主成分分析來對特征空間進行降維。

根據本發明實施例的一種具體實現方式，所述具體降維過程包括：

基于標準化之后的特征數據計算方差矩陣R,之后對該局長進行奇異值分解

R＝U∑V^t

其中U和V是正交矩陣，Σ是對角矩陣。奇異值分解的結果可直接得到特征空間的降維結果：

F＝X′V_k

其中V_k為矩陣V的前k列，F為變換后的特征空間，包含k個特征，該數字遠遠小于原始數據的特征數量。

根據本發明實施例的一種具體實現方式，所述方法還包括：

降維之后的結果，用于下一步的機器學習方法來選擇最精準的預測模型；

利用包括決策樹，隨機森林，分類分析，支持向量機，神經網絡等機器學習方法，建立Y與F之間的預測模型