[发明专利]使用时序数据挖掘的故障预测架构

权利要求书

1.一种车辆故障诊断和预测系统，包括：

车辆上的计算平台，所述计算平台配置成从远程服务器接收故障分类器，所述计算平台有形地包括计算机可执行指令，用于：

评估从车辆控制网络接收的本地数据序列；以及

将分类器应用于所述本地数据序列，其中，分类器配置成确定本地数据序列是否限定与具体故障相关的型式，其中，分类器通过将来自于第一组车辆的数据序列与来自于第二组车辆的维修数据进行比较来训练。

2.根据权利要求1所述的系统，其中，所述本地数据序列包括以下一种或多种：顺序诊断故障码、时间标记诊断故障码和车辆参数。

3.根据权利要求1所述的系统，其中，所述分类器被训练以将多个数据序列聚类与具体故障码相关联。

4.根据权利要求1所述的系统，其中，分类器中的数据序列使用时序数据挖掘从第一组车辆获得。

5.一种用于故障诊断和预测的方法，包括：

从第一组车辆提取数据序列；

对从第一组车辆提取的数据序列应用时序数据挖掘应用以检测数据序列中的型式；

获得与第二组车辆有关的维修数据；

将数据序列与维修数据进行比较以识别与具体故障模式相关的数据序列；

应用聚类算法，以使用所识别的与具体故障模式相关的数据序列产生与具体故障模式相关的数据序列聚类；

训练故障预测分类器以学习与每个聚类相关的具体故障模式，从而故障预测分类器能够识别导致具体故障模式的数据序列，所述故障预测分类器使用神经网络、支持向量机和决策树；

将故障分类器发送到车辆上的计算平台；以及

在计算平台中接收故障分类器且计算平台执行指令，用于：

评估从车辆控制网络接收的数据序列；以及

将分类器应用于所述数据序列，其中，分类器配置成确定数据序列是否限定与具体故障相关的型式。

6.根据权利要求5所述的方法，其中，应用时序数据挖掘应用包括识别频繁数据序列。

7.根据权利要求5所述的方法，其中，第一组车辆类似于第二组车辆。

8.根据权利要求5所述的方法，其中，应用聚类算法以产生聚类包括：将置信度度量分配给所识别的与具体故障模式相关的数据序列中的每一个。

9.根据权利要求5所述的方法，其中，应用聚类算法包括根据具体故障模式聚类数据序列。

10.根据权利要求5所述的方法，其中，应用聚类算法包括将概率分配给每个数据序列和故障模式组合。