基于维修决策树/词向量的故障远程诊断平台制造技术

本发明专利技术涉及故障远程诊断技术领域，尤其涉及基于维修决策树/词向量的故障远程诊断平台。本发明专利技术的一种故障远程诊断平台，包括：故障信息接收单元，用于接收所述一故障描述语句T；故障信息分析单元，用于在所述细胞词库中切词检索所述细胞词，并排列所述细胞词；故障信息解决单元，用于通过决策树模型的决策分类，给出维修解决方案。本发明专利技术的有益效果为：可以远程并快速地识别设备的故障，准确的给出有效维修解决方案。检测标准统一，避免由于人工判断带来的误差。并且节省了大量人力物力。

【技术实现步骤摘要】

本专利技术涉及故障远程诊断
，尤其涉及基于维修决策树/词向量的故障远程诊断平台。
技术介绍
传统的设备维修行业的故障诊断使用的是“望、闻、问、切”的经验方式。通常的诊断流程是：1.设备故障灯亮起或用户感觉到设备有问题，比如有异响、有异味、抖动等，即“发现问题进店”。2.在维修点通过专业的故障诊断仪检测出故障码和故障描述，即“检测问题”。3.维修技师通过看故障码和故障描述，结合多年的维修经验，进行现场诊断并提出解决方案，即“解决方案判断”。4.备件人员开单给出具体备件号、备件名称和备件价格，即“备件开单”。5.服务顾问开单给出工项号、工项名称、工时和工时费，即“工项开单”。在现有技术下，用户要针对设备故障进行诊断很多时候需要凭借自身经验发现问题。在确认确实存在需要通过维修解决的问题后，用户需要将设备运送到维修点去检测故障，费时费力。故障检测时，维修技师结合自身经验得出维修方案，并且给出备件号、备件名称和备件价格，这个过程主观性很强，缺乏统一标准。然后再由被检人员和服务顾问分别给出不同单据，费时费力。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种故障诊断平台，构建一个从故障描述到词向量分解，建立维修细胞词库；通过故障描述在细胞词库的切词检索，依据细胞词权重建立的句法规则，实现从决策过程到决策建议再到维修解决方案的维修决策树，最终实现故障远程诊断，并对工时费和备件费进行估价。本专利技术解决其技术问题是采取以下技术方案实现的：一种故障远程诊断平台包括：故障信息接收单元，用于接收所述一故障描述语句T；故障信息分析单元，用于在所述细胞词库中切词检索所述细胞词，并排列所述细胞词；故障信息解决单元，用于通过决策树模型的决策分类，给出维修解决方案。优选地，所述故障信息分析单元包含故障描述语句分解单元，检索单元，计算单元以及排列单元；所述语句分解单元用于对所述一故障描述语句T在所述细胞词库中进行切词；所述检索单元用于在所述细胞词库中检索；所述计算单元用于计算每个所述细胞词的权重；所述排列单元用于按所述句法规则排列所述细胞词。优选地，所述检索单元进行切词检索。优选地，所述计算单元计算每个所述细胞词的权重的方法为：S1计算每个所述细胞词的卡方统计量；S2取所述卡方统计量分值最高的第i个细胞词，计算所述第i个细胞词在第j个故障描述中出现的次数。优选地，所述S1步骤所述卡方统计量分值的计算方法为：weight＝round(10×(1+lg(tfij))/(1+lg(lj)))；其中tfij为第i个细胞词在第j个故障描述中出现的次数，lj为第j个故障描述的长度。优选地，所述故障信息解决单元结合元器件测量值给出维修解决方案。本专利技术的优点和积极效果是：可以远程并快速地识别设备的故障，准确的给出有效维修解决方案。检测标准统一，避免由于人工判断带来的误差。并且节省了大量人力物力。附图说明图1为本专利技术的构建句法规则图；图2为决策树分析法分类模型1；图3为决策树分析法分类模型2。具体实施方式下面结合附图、通过具体实施例对本专利技术作进一步详述。以下实施例只是描述性的，不是限定性的，不能以此限定本专利技术的保护范围。本专利技术通过将自然语言数字化达成将自然语言理解的问题转化为机器自学习的问题。(1)构建基础语料库创建基础语料库的方法为给定一个字符串，它的自然语言的概率是P(w1,w2,w3,…,wn),w1到wn依次是这句话的各个细胞词。模型基于这样一种假设，第n个词的出现只与前面n-1个词相关，而与其它任何词都不相关，整句的概率就是各个分词出现概率的乘积。对于一个故障描述T，它的概率计算公式为：P(T)＝P(w1,w2,w3,…,wn)＝P(w1)×P(w2|w1)×P(w3|w1,w2)×…×P(wn|w1,w2,…,wn-1)≈P(w1)×P(w2|w1)×P(w3|w2)…P(wn|wn-1)(2)词向量分解：词向量为切分成若干个细胞词后的语句。每个故障描述T都可表示成n维的词向量，T＝(w1,w2,...,wn)，其中w1到wn为各个词向量中包含的各个细胞词。以汽车故障为例：故障描述为：以词向量表示上述故障描述语句，上述故障描述语句可以用词向量(w1,w2,w3,…,wn)。其中，w1为凸轮轴，w2为位置，w3为气缸，w4为正时，w5为过度。选取各个细胞词作为特征项，其中wi表示第i个特征项。算出各个细胞词的卡方统计量，然后在训练集中取分值最高的第i个细胞词作为代表词，从而找出与词向量(w1,w2,w3,…,wn)相关性最小的细胞词。wi的权重的计算公式为：weight＝round((10×(1+lg(tfij))/(1+lg(lj))),3)；其中tfij为第i个词向量在第j个故障描述中出现的次数，lj为第j个故障描述的长度。Round函数四舍五入到指定的小数位，在上式中为小数点后第三位。计算权重之后的故障描述词向量的特征表述为：向量分词权重凸轮轴0.286位置0.191气缸0.048正时0.048过度0.048实施例1(1)检索排列细胞词：如图1所示，当用户输入故障描述T后，首先对故障描述T进行词向量分解将完整语句切分成多个细胞词的组合。然后针对各个细胞词，在细胞词库中进行切词检索。如果检索到了，则计算该细胞词的权重；如果没有检索到，则将此次未检索到的细胞词存入新增行业细胞词库，再针对剩余细胞词进行检索，计算其概率。根据在细胞词库中检索到的各个细胞词并计算权重，按照权重从大到小排列细胞词。(2)分析结果：以汽车故障为例：故障描述为：在细胞词库中检索到的各个细胞词并计算权重，按照权重从大到小排列细胞词：使用判别分析法：故障描述T的词向量序列为T＝(w1,w2,w3,...,wn),故障描述T中每个细胞词计算权重后的序列为S＝(s1,s2,s3,...,sn)。词向量分类匹配最大概率的计算公式为：W＝argmaxP(S|T)。按照词向量分类匹配最大概率从高到低排列的句法规则进行分级：分类规则一级凸轮轴二级位置三级正时(4)决策树分析根据上述句法规则针对细胞词分级的结果建立决策树。分类模型1如图2所示，凸轮轴为一级，位置、转换、调节为二级，传感器、促动器、响应、正时、排气为三级。相对应的解决方案分别是：传感器对应凸轮轴位置传感器、发动机线束和发动机控制单元，促动器对应发动机线束、发动机控制单元和凸轮轴调节器，正时对应发动机线束、发动机控制单元、凸轮轴调节器、凸轮轴张紧器和正时链条，以此类推。粗箭头指向的解决方案表示需要更换此配件的概率远大于更换其他细箭头指向的配件的概率，此概率为根据大量维修数据而预先设定入决策树模型中的。因此，通过对故障描述“凸轮轴位置(气缸列2)-正时过度超前”进行词向量分解并在细胞词库中进行检索，得到凸轮轴、位置和正时三个细胞词，经计算细胞词权重并根据句法规则对细胞词进行排列得出凸轮轴位于一级，位置位于二级，正时位于三级。经过决策树模型的决策分类，得出最有可能的维修解决方案为更换或维修凸轮轴张紧器。分类模型2如图3所示，对故障描述语句“凸轮轴位置传感器＝>传感器不可信信号”进行词向量分解并在细胞词库中检索，得到凸轮轴、位置、传感器三个细胞词。针对三个细胞词计算细胞词权重并根据句法规则对细胞词本文档来自技高网...

【技术保护点】
一种故障远程诊断平台，其特征在于，包括：故障信息接收单元，用于接收所述一故障描述语句T；故障信息分析单元，用于在所述细胞词库中切词检索所述细胞词，并排列所述细胞词；故障信息解决单元，用于通过决策树模型的决策分类，给出维修解决方案。

【技术特征摘要】
1.一种故障远程诊断平台，其特征在于，包括：故障信息接收单元，用于接收所述一故障描述语句T；故障信息分析单元，用于在所述细胞词库中切词检索所述细胞词，并排列所述细胞词；故障信息解决单元，用于通过决策树模型的决策分类，给出维修解决方案。2.根据权利要求1所述的一种故障远程诊断平台，其特征在于：所述故障信息分析单元包含故障描述语句分解单元，检索单元，计算单元以及排列单元；所述语句分解单元用于对所述一故障描述语句T在所述细胞词库中进行切词；所述检索单元用于在所述细胞词库中检索；所述计算单元用于计算每个所述细胞词的权重；所述排列单元用于按所述句法规则排列所述细胞词。3.根据权利要求2所述的一种故障远程诊断平台，其特征在于：所述检索单元进行切...

【专利技术属性】
技术研发人员：田雨农，张祥，
申请(专利权)人：大连楼兰科技股份有限公司，
类型：发明
国别省市：辽宁;21