基于FP‑Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，属于信息检索领域，技术要点是：解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；步骤四.根据事务数据库，通过FP‑Tree算法创建故障码和更换备件对应关系的频繁项集；利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频繁项集；构建备件与维修工项的对应关系，形成故障码对应工项的诊断数据库；将诊断数据库与诊断知识库关联，并建立主键；效果是：可在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。
【技术实现步骤摘要】
本专利技术属于信息检索领域，涉及一种用于车辆远程诊断与备件检索的方法
技术介绍
目前我国汽车维修行业已经从完全依靠检查者的感觉和实践经验进行诊断的阶段,发展到了利用专门设备进行综合检测诊断阶段，但是在传统汽车维修行业中普遍存在着很多问题,比如维修工人技术老化,经常无法快速、经济地利用各方面的技术力量解决故障；随着汽车保有量的日益增多，汽车后市场各项服务如雨后春笋般大量涌现。那么从车主角度，如何才能更好更全面的了解车况，发生故障时，如何快速获取爱车待解决方案及所需工时及备件相关信息，精准的汽车可穿戴设备对满足车主实时需求是完全必要的。一般的OBD车载设备，只能读取到相关车辆故障信息，不能对故障做出详细解决方案及相关维修人工费、备件费，从而造成车主盲目进店，盲目消费。
技术实现思路
为了解决对于无需识别和分类的故障码车辆出现故障时，能够由故障码准确和快速匹配该故障码所对应的工项与备件，本专利技术提出如下技术方案：一种基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，包括步骤一.采集车辆信息数据；步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；步骤四.根据事务数据库，通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集；利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频繁项集；构建备件与维修工项的对应关系，形成故障码对应工项的诊断数据库；步骤五.将诊断数据库与诊断知识库关联，并建立主键。有益效果：本专利技术可以在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。有效解决技师和备件员的经验局限性问题，从大数据出发，获得故障的解决方案。本专利技术通过频繁项集算法FP-Tree和序列模式挖掘寻找对应关系。采用两算法融合使用，提供了能基于大数据，获知准确度高的故障码和更换备件的对应关系，适用于除了单一故障还有多故障并行解决的可能性，远程估算车辆的故障码判断需要维修的备件和工项，提供完整解决方案，为车辆的维修提供参考和借鉴。附图说明图1为本专利技术用于车辆远程诊断与备件检索的方法的流程图；图2为底盘号为LFV5A14B8Y3000001的车辆的VIN号码翻译示意图；图3为本专利技术实施例插入第一条故障码和备件对应关系的FP-Tree结构示意图；图4为本专利技术实施例插入第二条故障码和备件对应关系的FP-Tree结构示意图；图5为本专利技术实施例插入第三条故障码和备件对应关系的FP-Tree结构示意图；图6为本专利技术实施例生成的故障码和备件对应关系的FP-Tree结构示意图；图7为本专利技术备件位置和车辆故障所在的ECU位置之间的拓扑关系图。具体实施方式实施例1：一种基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，包括步骤一.采集车辆信息数据；步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；步骤四.根据事务数据库，通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集；利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频繁项集；构建备件与维修工项的对应关系，形成故障码对应工项的诊断数据库；步骤五.将诊断数据库与诊断知识库关联，并建立主键。由上述方案，在采集到车辆故障码时，对车辆故障生成的故障码识别，并通过关键字解析车辆VIN码得到的变量以进行分类检索，得到工项及备件信息。实施例2：具有与实施例1相同的技术方案，更为具体的，对于实施例1的步骤三来说，所述步骤三中以维修备件表的历史记录为数据基础，通过决策树模型对备件做分类，维修备件表样例如表一所示：表一VIN123VIN4VIN6VIN78BJDMLFV514B06J 115 403 JLFV328KLN 052 167 A21LFV424FLN 052 167 A24决策树模型的基本原理如下：首先：确定每一维度备件不同分类的熵，以VIN4为例，熵定义为E＝sum(-p(I)*log(p(I)))其中I＝1:N(N类结果，如本例1种，即该备件属于此车型，故概率P(I)＝1)则E(5)＝-(1/1)Log2(1/1)-(0/1)Log2(0/1)＝0+0＝0E(3)＝-(1/1)Log2(1/1)-(0/1)Log2(0/1)＝0+0＝0E(4)＝-(1/1)Log2(1/1)-(0/1)Log2(0/1)＝0+0＝0如果熵为0，则表明区分度越高；熵为1，则表明没有区分度；故这三个不同的备件代码可以通过VIN4做区分。确定完每个维度如何分类后，不同维度之间的优先级别通过信息增益区分Gain(Sample,Action)＝E(sample)-sum(|Sample(v)|/Sample*E(Sample(v)))则Gain(VIN4)＝E(S)-(1/3)*E(5)-(1/3)*E(3)-(1/3)*E(4)＝1-0＝1Gain(VIN6)＝E(S)-(1/3)*E(1)-(2/3)*E(2)＝1-0-2/3＝1/3Gain(VIN78)＝E(S)-(1/3)*E(4B)-(1/3)*E(8K)-(1/3)*E(4F)＝1-0＝1如果信息增益越大，则表明分类优先级越高；反之，优先级越低。所以，底盘号第4位(VIN4)和底盘号78位(VIN78)的分类优先级相同，其次是底盘号第6位(VIN6)。通过以上关键步骤，可将备件代码按照底盘号第4位(VIN4)、底盘号第6位(VIN6)和底盘号78位(VIN78)区分。综上所述，备件检索方法的基本步骤是：将维修备件表同一维度按信息熵做区分；将维修备件表不同维度按信息增益划分优先级；按照1、2步划分的优先级和区分程度画出决策树；输入一个规则的底盘号，系统根据VIN123、VIN4、VIN6、VIN78以及得出的决策树输出该车型下的备件代码。该备件代码通过关联备件价格表，得到备件的中文名称、价格和现在使用状态以及备件的适用车型信息。上述技术方案的获得，是在将不同车型、不同排量、不同发动机变速箱类型所对应的备件代码逐一归类进行分析对比后，发现在相同主组号前提下，车型排量等信息不同，所对应的备件代码也不尽相同，为了找寻其中规律，使用了上述方法，以形成较完备且全面的理论知识信息库。实施例3：具有与实施例1或2相同的技术方案，更为具体的，对于实施例1的步骤四来说，所述步骤四中，根据事务数据库，通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集的步骤，包含S1.1输入事务数据库和最小支持度阈值minσ，扫描事务数据库，删除频数小于最小支持度的项目，得到全部频繁项集F1，对F1中的频繁项按其支持度降序排列得到L；S1.2创建FP-Tree的根节点，以“null”标记，再次扫描事务数据库，把事务数据库中的每一条记录按照L中的顺序排列，生成FP-Tree；S1.3从FP-Tree中找到所有的频繁模式。所述步骤四中，利用备本文档来自技高网...
【技术保护点】
一种基于FP‑Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，其特征在于，包括步骤一.采集车辆信息数据；步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；步骤四.根据事务数据库，通过FP‑Tree算法创建故障码和更换备件对应关系的频繁项集；利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频繁项集；构建备件与维修工项的对应关系，形成故障码对应工项的诊断数据库；步骤五.将诊断数据库与诊断知识库关联，并建立主键。
【技术特征摘要】
1.一种基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，其特征在于，包括步骤一.采集车辆信息数据；步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；步骤四.根据事务数据库，通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集；利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频繁项集；构建备件与维修工项的对应关系，形成故障码对应工项的诊断数据库；步骤五.将诊断数据库与诊断知识库关联，并建立主键。2.如权利要求1所述的基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，其特征在于，还包括步骤六.对车辆故障生成的故障码识别，并通过关键字解析车辆VIN码得到的变量以进行分类检索，得到工项及备件信息。3.如权利要求1或2所述的基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，其特征在于，所述步骤四中以维修备件表的历史记录为数据基础，通过决策树模型对备件做分类；备件检索方法的步骤是：(1)将维修备件表同一维度按信息熵做区分；(2)将维修备件表不同维度按信息增益划分优先级；(3)按照步骤(1)、(2)划分的优先级和区分程度画出决策树；(4)输入一个规则的VIN码，根据VIN码以及得出的决策树输出该车型下的备件代码。4.如权利要求1或2所述的基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，其特征在于，所述备件代码关联备件的价格表，所述备件信息包括备件的中文名称、价格和现在使用状态以及备件的适用车型信息。5.如权利要求1所述的基于FP-Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法，其特征在于，所述步骤四中，根据事务数据库，通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集的步骤，包含S1.1 输入事务数据库和最小支持度阈值minσ，扫描事务数据库，删除频数小于最小支持度的项目，得到全部频繁项集F1，对F...
【专利技术属性】
技术研发人员：田雨农，刘亮，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。