[发明专利]汽车零件的故障预测方法、装置、计算机设备和存储介质

权利要求书

1.一种汽车零件的故障预测方法，其特征在于，所述方法包括：

获取与待预测汽车零件所属目标零件种类对应的历史故障数据；所述历史故障数据包括失效数、删失数、使用时长信息和所述汽车零件的销售数量，所述删失数为虽然没有发生故障，但丢失了信息的零件的数量，所述目标零件种类由车型和零件类别确定；

基于所述使用时长信息，得到多个互相连续的使用时长；

对于所述多个互相连续的使用时长中的每个使用时长，将上一次使用时长对应的残存数减去当前使用时长对应的失效数和删失数，获得当前使用时长对应的残存数，其中，第一次使用时长对应的残存数通过所述汽车零件的销售数量减去第一次使用时长对应的失效数，并减去第一次使用时长对应的删失数得到；

将当前使用时长对应的失效数除以所述上一次使用时长对应的残存数，得到当前使用时长对应的失效率；

根据所述使用时长信息、以及所述失效率，构建与所述汽车零件对应的失效曲线；

将所述失效曲线和经典失效曲线进行曲线趋势比对，根据曲线趋势是否单调得到比对结果；

若所述失效曲线为非单调趋势，则确定所述汽车零件的失效模式为多种失效模式，获取与所述目标零件种类对应的混合预测模型；所述混合预测模型通过所述目标零件种类所对应的历史故障数据训练得到；

通过所述混合预测模型，对所述汽车零件在待测时刻的累计失效率进行预测，输出预测累计失效率。

2.根据权利要求1所述的方法，其特征在于，所述根据所述使用时长信息、以及所述失效数中的失效率，构建与所述汽车零件对应的失效曲线，包括：

根据使用时长信息获取各个使用时长对应的失效率；

根据使用时长信息和所述各个使用时长对应的失效率拟合获得与所述汽车零件对应的失效曲线。

3.根据权利要求1所述的方法，其特征在于，所述混合预测模型的构建步骤，包括：

获取与不同零件种类对应的历史故障数据，并基于所述历史故障数据确定所述不同零件种类在各个使用时长内分别对应的历史累计失效率；

构建初始的混合预测模型；

对于每种零件种类，分别通过所述初始的混合预测模型，预测在不同使用时长所对应的预测历史累计失效率；

对于所述每种零件种类，基于各个使用时长所对应的预测历史累计失效率与历史累计失效率之间的差异，调整所述初始的混合预测模型的模型参数，直至达到预设停止条件时停止，得到与对应零件种类对应的最终的混合预测模型。

4.根据权利要求3所述的方法，其特征在于，所述基于所述历史故障数据确定所述不同零件种类在各个使用时长内分别对应的历史累计失效率，包括：

基于所述使用时长信息，得到多个互相连续的使用时长；

对于所述多个互相连续的使用时长中的每个使用时长，均通过以下步骤计算得到对应的历史累计失效率：

将上一次使用时长对应的残存数减去当前使用时长对应的失效数和删失数，获得当前使用时长对应的残存数；

将当前使用时长对应的失效数除以上一次使用时长对应的残存数获得当前使用时长对应的失效率；

通过一个单位常数减去当前使用时长对应的失效率，获得当前使用时长对应的残存率；

将所述当前使用时长对应的残存率乘以上一次使用时长对应的可靠度，获得当前使用时长对应的可靠度，其中，第一次使用时长对应的可靠度通过初始可靠度乘以第一次使用时长对应的残存率得到；

通过一个单位常数减去所述当前使用时长对应的可靠度，获得当前使用时长对应的历史累计失效率。

5.根据权利要求3所述的方法，其特征在于，所述构建初始的混合预测模型，包括：

获取预先定义的约束条件，所述约束条件包括三参数预测函数、所述初始的混合预测模型的模型参数范围；

基于所述约束条件构建各个失效模式分别对应的初始的三参数预测模型；

根据所述初始的三参数预测模型和所述各个失效模式对应的权重，确定初始的混合预测模型。