[发明专利]一种基于诊断故障代码演变图谱的故障预测方法及装置

权利要求书

1.一种基于诊断故障码演变图谱的故障预测方法，其特征在于，所述方法包括以下步骤：

S1：获取车辆在第一预定时间内的历史故障码数据；

S2：对所述历史故障码数据进行处理，构建故障图谱；

S3：对所述故障图谱进行分析，筛选关键故障码，确定车辆在未来第二预定时间内进站维修的概率。

2.根据权利要求1所述的方法，其特征在于，所述车辆历史故障码数据包括目标零件故障多次维修前对应的故障码记录和车辆在第三预定时间内的全部故障码记录，所述故障码记录字段至少包括故障名称、故障主代码SPN和故障等级代码FMI。

3.根据权利要求2所述的方法，其特征在于，所述对所述历史故障码数据进行处理，包括对故障码记录标注及过滤处理：

根据故障名称，对每次维修前的故障码数据分别进行标注，将故障码归类为与目标零件故障有关和无关两类，将被标记为与目标零件故障无关的故障码进行删除过滤。

4.根据权利要求3所述的方法，其特征在于，所述对所述历史故障码数据进行处理，还包括对数据格式重构、故障码去重处理：

将故障主代码SPN和故障等级代码FMI以下划线进行组合得到SPN_FMI；将每次维修记录前的所有SPN_FMI进行去重，保留首次出现的SPN_FMI记录，然后将去重后的SPN_FMI按照时间顺序排列，构成故障码组合。

5.根据权利要求4所述的方法，其特征在于，所述构建故障图谱包括故障码演变二元关系抽取和图谱绘制：

利用故障码组合进行关系提取，构造二元组src→dst，然后将所有维修记录提取出的二元组进行汇总，所述二元组表示故障码src演变为故障码dst；

将经过提取后的所有二元组绘制在知识图谱上，得到含有故障码节点和维修零件节点的故障图谱。

6.根据权利要求5所述的方法，其特征在于，所述对所述故障图谱进行分析，包括故障图谱反向概率分析和故障图谱正向概率分析，其中，故障图谱反向概率分析包括：

从图谱中的维修零件节点开始，依次计算每个节点的反向概率，筛选出反向概率大于概率阈值T1的故障码，反向概率计算公式如下：

其中，i表示与当前dst节点相连的第i个src节点，n表示与当前dst节点连接的src节点个数，count(src_i)表示在所有的记录中，与当前dst节点相连的第i个src节点，其演变为当前dst的总次数。

由维修零件节点出发，在图谱中向上过滤节点，产生新的故障图谱；

故障图谱正向概率分析包括：

由最上面的节点出发，依次计算所有节点的正向概率，删除正向概率小于阈值T2的dst节点，正向概率计算公式如下：

其中，i表示与当前src节点相连的第i个dst节点，n表示与当前src节点连接的dst节点个数，count(dst_i)表示在所有的记录中，当前src节点演变为与当前src节点相连的第i个dst节点的总次数。

7.根据权利要求6所述的方法，其特征在于，所述对所述故障图谱进行分析包括：将经过概率分析后的故障图谱进行图谱节点分析：

图谱连通性分析：通过检测图的连通性，排除不相关的节点和边，提取与目标节点相关联的子图；

节点的度分析：通过计算图谱中各节点的邻居数，找到没有邻居的节点，删除所述没有邻居的节点；

检测相互关联的节点：如果存在相互关联的节点，则删除相互关联的边，而保留节点；删除图中存在三角环状关系的节点。