[发明专利]识别故障的方法、装置、设备和计算机可读介质

权利要求书

1.一种识别故障的方法，其特征在于，包括：

获取发生异常的无人运输车的行驶数据；

从所述发生异常的无人运输车的行驶数据中，提取任务特征参数和通信特征参数，并结合仓库中其他无人运输车行驶数据的时间参数，将所述发生异常的无人运输车辆的行驶数据的时间参数，转换为时间特征参数；

采用预设故障模型，通过所述时间特征参数、所述任务特征参数和所述通讯特征参数的输出结果，识别所述发生异常的无人运输车的故障。

2.根据权利要求1所述识别故障的方法，其特征在于，所述采用预设故障模型，通过所述时间特征参数、所述任务特征参数和所述通讯特征参数的输出结果，识别所述发生异常的无人运输车的故障之前，还包括：

从仓库内发生异常的无人运输车的历史行驶数据中，提取历史任务特征参数和历史通讯特征参数，并结合仓库中其他无人运输车历史行驶数据的时间参数，将所述发生异常的无人运输车的历史行驶数据的时间参数，转换为历史时间特征参数；

将所述历史时间特征参数、所述历史任务特征参数、所述历史通讯特征参数和所述发生异常的无人运输车的故障标识作为训练数据集，训练分类模型，得到所述预设故障模型。

3.根据权利要求2所述识别故障的方法，其特征在于，所述分类模型包括决策树；

所述将所述历史时间特征参数、所述历史任务特征参数、所述历史通讯特征参数和所述发生异常的无人运输车的故障标识作为训练数据集，训练分类模型，得到所述预设故障模型，包括：

所述将所述历史时间特征参数、所述历史任务特征参数、所述历史通讯特征参数和所述发生异常的无人运输车的故障标识作为训练数据集，采用ID3算法训练所述决策树，得到所述预设故障模型。

4.根据权利要求1所述识别故障的方法，其特征在于，所述结合仓库中其他无人运输车行驶数据的时间参数，将所述发生异常的无人运输车辆的行驶数据的时间参数，转换为时间特征参数，包括：

所述时间参数包括所述发生异常的异常发生时间；

在所述发生异常的无人运输车的所述异常发生时间的一段时间内，基于所述其他无人运输车的所述异常发生时间，确定以下参数中的一个或多个，无人运输车发生异常的时间段，预设第一时间段内无人运输车发生异常的数量，以及在预设第二时间段内无人运输车完成的任务数量。

5.根据权利要求1所述识别故障的方法，其特征在于，所述时间特征参数包括以下参数中的一个或多个，无人运输车发生异常的时间段，预设第一时间段内无人运输车发生异常的数量，以及在预设第二时间段内无人运输车完成的任务数量；

所述任务特征参数包括无人运输车是否在执行任务期间发生异常和任务类型；

所述通信特征参数包括无人运输车通讯网络是否通畅。

6.一种识别故障的装置，其特征在于，包括：

获取模块，用于获取发生异常的无人运输车的行驶数据；

转换模块，用于从所述发生异常的无人运输车的行驶数据中，提取任务特征参数和通信特征参数，并结合仓库中其他无人运输车行驶数据的时间参数，将所述发生异常的无人运输车辆的行驶数据的时间参数，转换为时间特征参数；

识别模块，用于采用预设故障模型，通过所述时间特征参数、所述任务特征参数和所述通讯特征参数的输出结果，识别所述发生异常的无人运输车的故障。

7.根据权利要求6所述识别故障的装置，其特征在于，所述装置还包括训练模块，

所述转换模块，用于从仓库内发生异常的无人运输车的历史行驶数据中，提取历史任务特征参数和历史通讯特征参数，并结合仓库中其他无人运输车的历史行驶数据的时间参数，将所述发生异常的无人运输车的历史行驶数据的时间参数，转换为历史时间特征参数；

所述训练模块，用于将所述历史时间特征参数、所述历史任务特征参数、所述历史通讯特征参数和所述发生异常的无人运输车的故障标识作为训练数据集，训练分类模型，得到所述预设故障模型。