[發明專利]一種基于診斷故障代碼演變圖譜的故障預測方法及裝置在審
| 申請號： | 202111590941.1 | 申請日： | 2021-12-23 |
| 公開（公告）號： | CN114265955A | 公開（公告）日： | 2022-04-01 |
| 發明（設計）人： | 黃亮 | 申請（專利權）人： | 彩虹無線（北京）新技術有限公司 |
| 主分類號： | G06F16/901 | 分類號： | G06F16/901;G06F17/18;G06Q10/00 |
| 代理公司： | 北京知匯林知識產權代理事務所(普通合伙) 11794 | 代理人： | 楊華 |
| 地址： | 102299 北京市昌平區科技*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 診斷 故障 代碼 演變 圖譜 預測 方法 裝置 | ||
1.一種基于診斷故障碼演變圖譜的故障預測方法，其特征在于，所述方法包括以下步驟：
S1：獲取車輛在第一預定時間內的歷史故障碼數據；
S2：對所述歷史故障碼數據進行處理，構建故障圖譜；
S3：對所述故障圖譜進行分析，篩選關鍵故障碼，確定車輛在未來第二預定時間內進站維修的概率。
2.根據權利要求1所述的方法，其特征在于，所述車輛歷史故障碼數據包括目標零件故障多次維修前對應的故障碼記錄和車輛在第三預定時間內的全部故障碼記錄，所述故障碼記錄字段至少包括故障名稱、故障主代碼SPN和故障等級代碼FMI。
3.根據權利要求2所述的方法，其特征在于，所述對所述歷史故障碼數據進行處理，包括對故障碼記錄標注及過濾處理：
根據故障名稱，對每次維修前的故障碼數據分別進行標注，將故障碼歸類為與目標零件故障有關和無關兩類，將被標記為與目標零件故障無關的故障碼進行刪除過濾。
4.根據權利要求3所述的方法，其特征在于，所述對所述歷史故障碼數據進行處理，還包括對數據格式重構、故障碼去重處理：
將故障主代碼SPN和故障等級代碼FMI以下劃線進行組合得到SPN_FMI；將每次維修記錄前的所有SPN_FMI進行去重，保留首次出現的SPN_FMI記錄，然后將去重后的SPN_FMI按照時間順序排列，構成故障碼組合。
5.根據權利要求4所述的方法，其特征在于，所述構建故障圖譜包括故障碼演變二元關系抽取和圖譜繪制：
利用故障碼組合進行關系提取，構造二元組src→dst，然后將所有維修記錄提取出的二元組進行匯總，所述二元組表示故障碼src演變為故障碼dst；
將經過提取后的所有二元組繪制在知識圖譜上，得到含有故障碼節點和維修零件節點的故障圖譜。
6.根據權利要求5所述的方法，其特征在于，所述對所述故障圖譜進行分析，包括故障圖譜反向概率分析和故障圖譜正向概率分析，其中，故障圖譜反向概率分析包括：
從圖譜中的維修零件節點開始，依次計算每個節點的反向概率，篩選出反向概率大于概率閾值T1的故障碼，反向概率計算公式如下：
其中，i表示與當前dst節點相連的第i個src節點，n表示與當前dst節點連接的src節點個數，count(srci)表示在所有的記錄中，與當前dst節點相連的第i個src節點，其演變為當前dst的總次數。
由維修零件節點出發，在圖譜中向上過濾節點，產生新的故障圖譜；
故障圖譜正向概率分析包括：
由最上面的節點出發，依次計算所有節點的正向概率，刪除正向概率小于閾值T2的dst節點，正向概率計算公式如下：
其中，i表示與當前src節點相連的第i個dst節點，n表示與當前src節點連接的dst節點個數，count(dsti)表示在所有的記錄中，當前src節點演變為與當前src節點相連的第i個dst節點的總次數。
7.根據權利要求6所述的方法，其特征在于，所述對所述故障圖譜進行分析包括：將經過概率分析后的故障圖譜進行圖譜節點分析：
圖譜連通性分析：通過檢測圖的連通性，排除不相關的節點和邊，提取與目標節點相關聯的子圖；
節點的度分析：通過計算圖譜中各節點的鄰居數，找到沒有鄰居的節點，刪除所述沒有鄰居的節點；
檢測相互關聯的節點：如果存在相互關聯的節點，則刪除相互關聯的邊，而保留節點；刪除圖中存在三角環狀關系的節點。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于彩虹無線（北京）新技術有限公司，未經彩虹無線（北京）新技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202111590941.1/1.html，轉載請聲明來源鉆瓜專利網。
