[发明专利]一种基于数据挖掘的工程车辆故障预测系统及其预测方法

权利要求书

1.一种基于数据挖掘的工程车辆故障预测系统，其特征在于：包括依次相连的挖掘故障相关频繁项集模块、建立决策森林模块和故障预测模块；

所述挖掘故障相关频繁项集模块，用于对工程车辆故障数据进行预处理和获取频繁项集；

所述建立决策森林模块，用于对挖掘故障相关频繁项集模块中获得的频繁项集进行再处理，并形成决策森林；

所述故障预测模块，用于对建立决策森林模块获得的决策森林进行故障预测，并输出结果。

2.根据权利要求1所述的基于数据挖掘的工程车辆故障预测系统，其特征在于：挖掘故障相关频繁项集模块包括数据预处理部分和获取频繁项集部分；

所述数据预处理部分用于针对每一条工程车故障数据，在工况数据中获取对应的故障时刻的工程车工况，记录工况中非零与非空属性名，将每一条工程车故障时刻的工况中非零与非空属性集合视为一条记录，供获取频繁项集部分进行后续的频繁项集挖掘；

所述获取频繁项集部分用于将预处理后的故障工况记录作为输入，得到频繁项集。

3.根据权利要求1所述的基于数据挖掘的工程车辆故障预测系统，其特征在于：建立决策森林模块包括数据再处理部分和建立决策树部分；

所述数据再处理部分用于通过在挖掘故障相关频繁项集模块中获得的频繁项集得到整体训练集，并根据频繁项集中的不同属性，从整体训练集中获得该频繁项集对应属性与属性趋势的对应训练集；

所述建立决策树部分用于建立决策树和决策森林。

4.根据权利要求1所述的基于数据挖掘的工程车辆故障预测系统，其特征在于：故障预测模块包括投票分类器部分和结果输出部分，投票分类器部分用于对输入的工程车状态进行分类预测；结果输出部分用于对投票分类器部分进行输出。

5.一种基于数据挖掘的工程车辆故障预测方法，其特征在于，包括如下步骤：

1）通过挖掘故障相关频繁项集模块对工程车辆的基础数据进行预处理，得到故障车辆属性；所述基础数据包括工程车工况数据和故障数据；

2）挖掘故障相关频繁项集模块通过步骤1）得到的故障车辆属性进一步得到频繁项集；

3）建立决策森林模块对步骤2）中获得的频繁项集进行数据再处理，构造训练集，并进一步组成决策树和相应的决策森林；

4）故障预测模块利用步骤3）得到的决策树，对工程车辆的故障风险进行分类预测，并输出结果。

6.根据权利要求5所述的一种基于数据挖掘的工程车辆故障预测方法，其特征在于：步骤1）中预处理的过程包括，根据工程车辆识别号ID与发生故障时间，得到工程车发生故障时的工况，删除工况信息中的属性为0或者为空的属性，并删除确定与故障信息无关的属性，对每一条故障工况信息，提取相关故障车辆属性，作为步骤2）中频繁项集挖掘的输入。

7.根据权利要求5所述的一种基于数据挖掘的工程车辆故障预测方法，其特征在于，获取频繁项集部分具体的流程包括以下步骤：

2-1）根据步骤1）数据预处理获得的故障车辆属性建立频繁模式树FP-Tree；

2-2）设置频繁项集的最小支持度，获取达到最小支持度的项集集合，之后通过设置频繁项集最小属性数阈值；

2-3）使用FP-Growth算法获取达到支持度的频繁项集；

2-4）删除频繁项集内元素个数过少的项集，最后删除内容冗余的频繁项集，得到多组频繁项集。