[發明專利]一種基于相關性系數的新車型故障概率預測方法及系統

在審

• 申請號: 202210426723.2
• 申請日: 2022-04-21
• 公開（公告）號: CN114781722A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 嚴俊;呂程;曹東
• 申請（專利權）人: 南斗六星系統集成有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F17/18
• 代理公司: 武漢智權專利代理事務所(特殊普通合伙) 42225
• 代理人: 邱云雷

1.一種基于相關性系數的新車型故障概率預測方法，其特征在于，具體包括以下步驟：

獲取故障數據并基于故障數據的故障描述文本類型字段，得到故障數據對應的故障類型和故障零件部位；

獲取關注維度組合對應的故障數據，統計得到關注維度組合在不同區間下的故障次數，得到不同區間下的故障概率，所述區間為時間區間或里程區間；

基于關注維度組合在不同區間下的故障概率，進行多項式擬合，得到故障概率擬合曲線；

根據多項式擬合結果，計算得到同一關注維度組合中新車型的故障概率擬合曲線與老車型的故障概率擬合曲線間的相關系數；

基于相關系數計算結果并當相關系數超過設定閾值時，基于同一關注維度組合中新車型和老車型在各區間下的故障概率，得到新車型的新故障概率擬合曲線，實現對新車型的故障概率預測。

2.如權利要求1所述的一種基于相關性系數的新車型故障概率預測方法，其特征在于：

所述關注維度包括故障類型、故障零件部位、車輛類型、發動機類型、變速箱類型、車型、年款、車輛所在省和車輛所在市；

所述關注維度組合由故障類型、故障零件部位、車輛類型、發動機類型、變速箱類型、車型、年款、車輛所在省、車輛所在市中的至少一個因素組成。

3.如權利要求1所述的一種基于相關性系數的新車型故障概率預測方法，其特征在于，所述獲取故障數據并基于故障數據的故障描述文本類型字段，得到故障數據對應的故障類型和故障零件部位，具體步驟包括：

獲取故障數據，所述故障數據包括汽車市場故障數據和試驗故障數據；

對故障數據的故障描述文本類型字段進行自然語言處理，提取得到關鍵詞；

將提取得到的關鍵詞與故障類型字典表，以及汽車零件系統字典表進行匹配，得到故障數據對應的故障類型和故障零件部位。

4.如權利要求3所述的一種基于相關性系數的新車型故障概率預測方法，其特征在于：

所述故障類型字典表為用于描述故障類型的描述詞的集合；

所述汽車零件系統字典表為用于描述零件部位的描述詞的集合。

5.如權利要求4所述的一種基于相關性系數的新車型故障概率預測方法，其特征在于：

基于關鍵詞的詞向量，與故障類型字典表中每一個描述詞的詞向量間的余弦相似度，得到故障數據對應的故障類型；

基于關鍵詞的詞向量，與汽車零件系統字典表中每一個描述詞的詞向量間的余弦相似度，得到故障數據對應的故障零件部位。

6.如權利要求1所述的一種基于相關性系數的新車型故障概率預測方法，其特征在于，所述獲取關注維度組合對應的故障數據，統計得到關注維度組合在不同區間下的故障次數，得到不同區間下的故障概率，具體步驟包括：

獲取關注維度組合對應的故障數據，統計得到關注維度組合在不同區間下的故障次數；

基于關注維度組合在不同區間下的故障次數，以及關注維度組合對應的總故障次數，得到關注維度組合在不同區間下的故障概率。

7.如權利要求1所述的一種基于相關性系數的新車型故障概率預測方法，其特征在于，所述基于關注維度組合在不同區間下的故障概率，進行多項式擬合，得到故障概率擬合曲線，具體步驟包括：

根據關注維度組合在不同區間下的故障概率，將單個區間的中點值作為x軸值，該區間的故障概率值作為y軸值，采用python數據分析numpy庫進行多項式擬合，得到關注維度組合對應的故障概率擬合曲線。