【技術實現步驟摘要】
本專利技術涉及車輛的自動化故障診斷。更具體地，本專利技術涉及基于知識圖譜的車輛故障診斷方法和系統。
技術介紹
1、基于知識圖譜的車輛故障診斷方法是一種利用大數據和人工智能技術，通過分析維修歷史數據來構建知識圖譜，并利用知識圖譜自動識別和分類車輛故障，提供維修建議，大幅提高維修效率和準確性。
2、基于知識圖譜的車輛故障診斷方法首先通過實體抽取和關系識別技術，從海量的維修數據中提取出有價值的信息，然后將這些信息組織成知識圖譜。在此基礎上，系統通過復雜的算法模型(如xgboost故障分類模型)，對車輛出現的故障進行診斷、判斷可能的故障部件并提供針對故障部件的維修指導。這不僅提高了故障診斷的準確性，還大大縮短了診斷時間，提升了維修效率。此外，這種方法還能夠通過知識圖譜的持續學習和更新，不斷完善故障診斷的準確度，為車輛維修提供強有力的數據支持。
技術實現思路
1、本公開的第一個方面提供了一種基于知識圖譜的車輛故障診斷方法。在一些實施例中，該方法可以包括：(a)當車輛終端的車輛故障監測模塊檢測到發生車輛故障時，生成故障快照圖像；(b)車輛終端將故障快照圖像發送到云服務器；(c)云服務器從故障快照圖像中解析車輛信息，并基于車輛信息在云服務器中的故障知識圖譜中進行遞進式故障診斷以得到目標維修建議節點；以及(d)云服務器將目標維修建議節點的信息作為診斷信息發送給車輛終端，在一些實例中，故障知識圖譜包括異常信號節點、故障部件節點和維修建議節點。異常信號節點與車輛故障的產生相關聯的一個或多個
2、在一些實施例中，上述步驟(c)可以包括：云服務器從故障快照圖像中提取與車輛故障相關聯的車輛信息。車輛信息可以包括故障發生時間、車輛駕駛模式、車輛狀態、車輛傳感器數據、車輛行駛數據或其任意組合。維修建議節點可以包括對故障癥狀和處理方式的描述、故障部件的圖像、故障排除的維修視頻或其任意組合。
3、在一些實施例中，上述遞進式故障診斷可以包括：(i)在車輛信息中識別出異常信號；(ii)在知識圖譜中定位與異常信號相對應的異常信號節點；(iii)將與異常信號節點相關聯的一個或多個故障部件節點判定為候選故障部件節點；(iv)獲取與候選故障部件節點相關聯的一個或多個維修建議節點；(v)將一個或多個維修建議節點的一個或多個特征向量與從故障快照中提取的故障特征向量進行向量匹配，從而得到目標維修建議節點；以及(vi)將目標維修建議節點作為診斷信息發送給車輛終端。
4、在一些實施例中，上述步驟(iii)可以包括：確定是否存在與異常信號節點相關聯的一個或多個關聯異常信號節點；如果存在一個或多個關聯異常信號節點，則確定與一個多個關聯異常信號節點相對應的車輛信號數據是否異常；以及如果確定車輛信號數據異常，則將與對應的一個多個關聯異常信號節點相關聯的一個或多個故障部件節點判定為候選故障部件節點。
5、在一些實施例中，上述處理(v)可以包括：利用卷積神經網絡模型從一個或多個維修建議節點中提取一個或多個特征向量，并利用卷積神經網絡模型從故障快照中提取故障特征向量。在一些實施例中，上述(v)可以包括：將一個或多個維修建議節點中與故障特征向量具有最高向量匹配度的維修建議節點確定為目標維修建議節點。在一些實施例中，上述(v)可以包括：將一個或多個維修建議節點中與故障特征向量的向量匹配度超過一預設值的一個或多個維修建議節點確定為目標維修建議節點。
6、本公開的第二個方面提供了一種基于知識圖譜的車輛故障診斷系統。在一些實施例中，該車輛故障診斷系統可以包括：車輛終端；和云服務器。車輛終端可以包括：車輛故障監測模塊，其配置為在檢測到發生車輛故障時，生成故障快照圖像；以及車輛故障發送模塊，其配置為將故障快照圖像發送到云服務器。云服務器可以包括：故障知識圖譜；故障快照接收模塊；和故障診斷模塊。故障知識圖譜可以包括異常信號節點、故障部件節點和維修建議節點。異常信號節點可以與車輛故障的產生相關聯的一個或多個車輛故障部件節點相關聯。故障部件節點可以與提供對故障部件的維修建議的一個或多個維修建議節點相關聯。對車輛故障的產生具有相互影響或者共現關系的多個異常信號節點可以彼此關聯。故障快照接收模塊可以配置為接收從車輛終端發送的故障快照圖像。故障診斷模塊可以配置為從快照圖像中解析車輛信息，基于車輛信息在云服務器中的故障知識圖譜中進行遞進式故障診斷以得到目標維修建議節點，并將目標維修建議節點的信息作為診斷信息發送給車輛終端。
7、在一些實施例中，故障診斷模塊可以進一步配置為：從故障快照圖像中提取與車輛故障相關聯的車輛信息。車輛信息可以包括故障發生時間、車輛駕駛模式、車輛狀態、車輛傳感器數據、車輛行駛數據或其任意組合。在一些實施例中，維修建議節點可以包括對故障癥狀和處理方式的描述、故障部件的圖像、故障排除的維修視頻或其任意組合。
8、在一些實施例中，故障診斷模塊可以進一步配置為：(i)在車輛信息中識別出異常信號；(ii)在知識圖譜中定位與異常信號數據相對應的異常信號節點；(iii)將與異常信號節點相關聯的一個或多個故障部件節點判定為候選故障部件節點；(iv)獲取與候選故障部件節點相關聯的一個或多個維修建議節點；(v)將一個或多個維修建議節點的一個或多個特征向量與從故障快照中提取的故障特征向量進行向量匹配，從而得到目標維修建議節點；以及(vi)將目標維修建議節點作為診斷信息發送給車輛終端。
9、在一些實施例中，上述處理(iii)可以包括：確定是否存在與異常信號節點相關聯的一個或多個關聯異常信號節點；如果存在一個或多個關聯異常信號節點，則確定與一個多個關聯異常信號節點相對應的車輛信號數據是否異常；并且如果確定車輛信號數據異常，則將對應的一個多個關聯異常信號節點相關聯的一個或多個故障部件節點判定為候選故障部件節點。
10、在一些實施例中，上述處理(v)可以包括：利用卷積神經網絡模型從一個或多個維修建議節點中提取一個或多個特征向量，并利用卷積神經網絡模型從故障快照中提取故障特征向量。
11、在一些實施例中，上述處理(v)可以包括：將一個或多個維修建議節點中與故障特征向量具有最高向量匹配度的維修建議節點確定為目標維修建議節點。在一些實施例中，上述處理(v)可以包括：將一個或多個維修建議節點中與故障特征向量的向量匹配度超過一預設值的一個或多個維修建議節點確定為目標維修建議節點。
12、本公開的第三個方面提供了一種包括一個或多個計算機處理器和計算機可讀存儲器的系統。該計算機可讀存儲器可以包括機器可執行代碼。機器可執行代碼在由一個或多個計算機處理器執行時實現如本公開的基于知識圖譜的車輛故障診斷方法。
13、應當理解，本公開并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說本文檔來自技高網...
【技術保護點】
1.一種基于知識圖譜的車輛故障診斷方法，所述方法包括：
2.根據權利要求1所述方法，其中(c)包括：所述云服務器從所述故障快照圖像中提取與所述車輛故障相關聯的所述車輛信息，其中所述車輛信息包括故障發生時間、車輛駕駛模式、車輛狀態、車輛傳感器數據、車輛行駛數據或其任意組合。
3.根據權利要求1所述的方法，其中所述維修建議節點包括對故障癥狀和處理方式的描述、故障部件的圖像、故障排除的維修視頻或其任意組合。
4.根據權利要求1-3中任一項所述的方法，其中所述遞進式故障診斷包括：
5.根據權利要求4所述的方法，其中步驟(iii)包括：
6.根據權利要求4所述的方法，其中(v)包括：利用卷積神經網絡模型從一個或多個所述維修建議節點中提取所述一個或多個特征向量，并利用所述卷積神經網絡模型從所述故障快照中提取所述故障特征向量。
7.根據權利要求4所述的方法，其中(v)包括：將所述一個或多個維修建議節點中與所述故障特征向量具有最高向量匹配度的維修建議節點確定為所述目標維修建議節點。
8.根據權利要求4所述的方法，
9.一種基于知識圖譜的車輛故障診斷系統，所述車輛故障診斷系統包括：
10.根據權利要求9所述的車輛故障診斷系統，其中所述故障診斷模塊進一步配置為：從所述故障快照圖像中提取與所述車輛故障相關聯的所述車輛信息，其中所述車輛信息包括故障發生時間、車輛駕駛模式、車輛狀態、車輛傳感器數據、車輛行駛數據或其任意組合。
11.根據權利要求9所述的車輛故障診斷系統，其中所述維修建議節點包括對故障癥狀和處理方式的描述、故障部件的圖像、故障排除的維修視頻或其任意組合。
12.根據權利要求9-11中任一項所述的車輛故障診斷系統，其中所述故障診斷模塊進一步配置為：
13.根據權利要求12所述的車輛故障診斷系統，其中(iii)包括：
14.根據權利要求12所述的車輛故障診斷系統，其中(v)包括：
15.根據權利要求12所述的系統車輛故障診斷系統，其中(v)包括：將所述一個或多個維修建議節點中與所述故障特征向量具有最高向量匹配度的維修建議節點確定為所述目標維修建議節點。
16.根據權利要求12所述的車輛故障診斷系統，其中(v)包括：將所述一個或多個維修建議節點中與所述故障特征向量的向量匹配度超過一預設值的一個或多個維修建議節點確定為所述目標維修建議節點。
17.一種包括一個或多個計算機處理器和計算機可讀存儲器的系統，所述計算機可讀存儲器包括機器可執行代碼，所述機器可執行代碼在由所述一個或多個計算機處理器執行時實現如權利要求1-8中任一項所述的基于知識圖譜的車輛故障診斷方法。
...【技術特征摘要】
1.一種基于知識圖譜的車輛故障診斷方法，所述方法包括：
2.根據權利要求1所述方法，其中(c)包括：所述云服務器從所述故障快照圖像中提取與所述車輛故障相關聯的所述車輛信息，其中所述車輛信息包括故障發生時間、車輛駕駛模式、車輛狀態、車輛傳感器數據、車輛行駛數據或其任意組合。
3.根據權利要求1所述的方法，其中所述維修建議節點包括對故障癥狀和處理方式的描述、故障部件的圖像、故障排除的維修視頻或其任意組合。
4.根據權利要求1-3中任一項所述的方法，其中所述遞進式故障診斷包括：
5.根據權利要求4所述的方法，其中步驟(iii)包括：
6.根據權利要求4所述的方法，其中(v)包括：利用卷積神經網絡模型從一個或多個所述維修建議節點中提取所述一個或多個特征向量，并利用所述卷積神經網絡模型從所述故障快照中提取所述故障特征向量。
7.根據權利要求4所述的方法，其中(v)包括：將所述一個或多個維修建議節點中與所述故障特征向量具有最高向量匹配度的維修建議節點確定為所述目標維修建議節點。
8.根據權利要求4所述的方法，其中(v)包括：將所述一個或多個維修建議節點中與所述故障特征向量的向量匹配度超過一預設值的一個或多個維修建議節點確定為所述目標維修建議節點。
9.一種基于知識圖譜的車輛故障診斷系統，所述車輛故障診斷系統包括：
10.根據權利要求9所述的車...
【專利技術屬性】
技術研發人員：章鑫杰，
申請(專利權)人：上海科絡達云軟件技術有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。