[发明专利]用于确定故障的解决方案的方法、处理器及装置

权利要求书

1.一种用于确定故障的解决方案的方法，应用于工程机械，其特征在于，所述方法包括：

获取待识别的语音数据以及所述工程机械在与所述语音数据对应的预设时间段内的工况数据，所述语音数据是在所述工程机械发生故障的情况下产生的；

对所述语音数据进行语音识别以确定对应的文本内容，根据所述文本内容生成报修数据集；

对所述报修数据集进行分词操作以获取所述报修数据集中的故障词汇，并使用词向量表征所述故障词汇，以确定所述报修数据集的故障类型；

将所述故障类型与所述工况数据输入至故障预诊断模型，通过所述故障预诊断模型确定所述工程机械的故障原因；

根据所述故障原因确定针对所述工程机械的推荐解决方案。

2.根据权利要求1所述的用于确定故障的解决方案的方法，其特征在于，所述方法还包括：

获取工程机械的多个历史故障数据，所述多个历史故障数据包括多种历史故障类型、与每种历史故障类型对应的历史工况数据和历史故障原因以及工程机械的主机信息；

对所述多个历史故障数据进行预处理以确定样本数据；

针对所述样本数据使用预设算法分别确定与每个主机信息对应的故障预诊断模型以及故障预诊断模型的模型参数。

3.根据权利要求2所述的用于确定故障的解决方案的方法，其特征在于，对所述多个历史故障数据进行预处理以确定样本数据包括：

对所述历史故障数据进行检测；

通过离点群判断方法剔除所述历史故障数据中的异常值；

将所述历史故障数据中的缺失数据进行删除和/或插补；

将完成数据删除和/或插补的历史故障数据划分为样本训练数据集与样本测试数据集，以对每个主机信息对应的诊断模型进行训练以及测试。

4.根据权利要求3所述的用于确定故障的解决方案的方法，其特征在于，所述针对所述样本数据使用预设算法分别确定与每个主机信息对应的故障预诊断模型以及故障预诊断模型的模型参数包括：

确定与每个主机信息对应的多个待训练的诊断模型，其中，所述待训练的诊断模型包括随机森林模型、GBDT模型、Adaboost模型、XGBoost模型中至少一者；

将所述样本训练数据集中的与每个主机信息对应的历史故障类型以及与历史故障类型对应的历史工况数据作为输入信息输入多个待训练的诊断模型；

将每个待训练的诊断模型输出的预测故障原因与所述历史故障原因进行比对；

根据比对结果对每个待训练的诊断模型的模型参数进行调整，以对每个待训练的诊断模型进行训练，并确定每个训练完成的诊断模型的准确率；

将全部准确率中数值最大的准确率所对应的诊断模型以及模型参数确定为与所述主机信息对应的故障预诊断模型以及故障预诊断模型的模型参数。

5.根据权利要求1所述的用于确定故障的解决方案的方法，其特征在于，所述对所述报修数据集进行分词操作以获取所述报修数据集中的故障词汇包括：

对所述报修数据集进行筛选和清洗以确定所述报修数据集中的故障词汇，其中所述故障词汇用于描述故障现象及故障部件；

对所述报修数据集进行分词操作以将所述报修数据集中的所述故障词汇进行切分，以获取所述报修数据集中的所述故障词汇。

6.根据权利要求1所述的用于确定故障的解决方案的方法，其特征在于，所述根据所述故障原因确定针对所述工程机械的推荐解决方案包括：

将故障原因输入故障知识库；

根据所述故障知识库确定与所述故障原因对应的多种维修方案；

获取每种维修方案的故障解决率，将故障解决率最高的维修方案确定为针对所述工程机械的推荐解决方案。

7.根据权利要求1所述的用于确定故障的解决方案的方法，其特征在于，所述方法还包括：

获取实际解决方案；

确定实际解决方案与所述推荐解决方案的相似度；

在所述相似度大于或等于第一数值的情况下，将所述相似度的数值作为所述推荐解决方案的评分输入所述故障知识库；

在所述相似度小于第二数值的情况下，将所述实际解决方案输入所述故障知识库，以对所述故障知识库进行更新。