一种摩托车配件的寿命预测方法及系统技术方案

本发明专利技术涉及一种摩托车配件的寿命预测方法及系统，属于寿命预测技术领域，本发明专利技术包括构建寿命预测知识数据库，基于各个摩托车配件运行情况分类结果以及寿命预测知识数据库获取当前摩托车各个配件的寿命预测值。本发明专利技术一方面通过将未失效的历史样本设备纳入模型，从而服役设备的剩余寿命预测值将同时与历史失效设备和历史未失效设备进行匹配，进而提高了信息的利用率，在检索历史失效样本情况下，能极大提升预测精度；通过对相同性文本专业术语数据信息进行数据处理，从而使得寿命预测系统能够识别出当出现相同意义而用不同文本表达的数据时的数据，从而能够提高相似性寿命预测技术的识别正确率，提高相似性寿命预测系统的鲁棒性。鲁棒性。鲁棒性。

【技术实现步骤摘要】
一种摩托车配件的寿命预测方法及系统


[0001]本专利技术涉及寿命预测
，尤其涉及一种摩托车配件的寿命预测方法及系统。

技术介绍

[0002]在工业大数据的时代背景下，基于数据驱动的剩余寿命预测方法能够精准预测设备剩余寿命,受到研究者越来越多的重视。基于数据的剩余寿命预测方法可分为：基于统计学模型的剩余寿命预测方法、基于机器学习模型的剩余寿命预测方法、基于相似性的剩余寿命预测方法等。基于统计学的剩余寿命预测方法根据设备历史数据建立概率模型，有着严谨的数学推导，可以有效刻画模型的不确定性，同时也需要满足较强的假设条件。基于相似性和基于机器学习的剩余寿命预测方法是新近兴起的剩余寿命预测方法，均不需要假设设备的退化模型，可以针对各种类型数据进行建模，具有应用灵活且易于推广的特点。而基于相似性的剩余寿命预测方法，具有鲁棒性强、精度高的特点，该方法的核心思想是：在相似的工况环境下工作的同类型产品将具有相似的失效机理。随着大数据和物联网技术的发展，设备各方面的运行数据可以通过传感器实时获取并记录，因此决策者可以得到失效设备完整生命周期的运行数据，以及当前服役设备的实时运行数据。那么根据相似性剩余寿命预测方法的核心思想，当前服役设备的剩余寿命可以通过分析该设备运行数据与已失效设备的历史运行数据之间相似性，找出其中相似性高的已失效设备，进而基于它们的失效数据估计当前设备的剩余寿命。而现如今，基于相似性的剩余寿命预测方法依然具有许多问题没有解决，由于不同的设计者均会使用不同的专业性术语，如出当出现相同意义而用不同文本表达的数据时，基于相似性的剩余寿命预测系统无法识别其中的含义而导致基于相似性的剩余寿命预测系统的识别准确率还处于比较低下的状况。

技术实现思路

[0003]本专利技术克服了现有技术的不足，提供了一种摩托车配件的寿命预测方法及系统。
[0004]为达上述目的，本专利技术采用的技术方案为：本专利技术第一方面提供了一种摩托车配件的寿命预测方法，包括以下步骤：通过大数据网络获取摩托车配件的历史样本集数据信息，通过对所述历史样本集进行数据处理，得到处理后的历史样本集；获取当前摩托车各个配件在预设时间内的运行数据信息，基于所述处理后的历史样本集以及当前摩托车各个配件在预设时间内的运行数据信息得到摩托车各个配件的运行相似度；构建分类模型，根据所述摩托车各个配件的运行相似度以及所述分类模型对摩托车配件的运行情况进行分类，得到各个摩托车配件运行情况分类结果；构建寿命预测知识数据库，基于各个摩托车配件运行情况分类结果以及所述寿命预测知识数据库获取当前摩托车各个配件的寿命预测值。
[0005]进一步地，本专利技术的一个较佳实施例中，通过大数据网络获取摩托车配件的历史样本集数据信息，通过对所述历史样本集进行数据处理，得到处理后的历史样本集，具体包括以下步骤：构建摩托车配件失效性知识图谱，并通过大数据网络获取相同性文本专业术语数据信息，将所述相同性文本专业术语数据信息作为一个样本数据集，并将所述样本数据集输入到所述摩托车配件失效性知识图谱中；通过大数据网络获取摩托车配件的历史样本集数据信息，并将所述摩托车配件的历史样本集数据信息输入至所述摩托车配件失效性知识图谱中进行文本匹配；判断是否存在与所述样本数据集相同的数据信息；若存在与所述样本数据集相同的数据信息，则获取当前与所述样本数据集相同的数据信息所在的位置节点；选取其中频率出现最高的专业术语文本数据将所述位置节点的文本数据进行替换，生成替换后历史样本集数据信息，将所述替换后历史样本集数据信息作为处理后的历史样本集输出。
[0006]进一步地，本专利技术的一个较佳实施例中，获取当前摩托车各个配件在预设时间内的运行数据信息，基于所述处理后的历史样本集以及当前摩托车各个配件在预设时间内的运行数据信息得到摩托车各个配件的运行相似度，具体包括以下步骤：构建摩托车配件运行数据库，并将所述处理后的历史样本及输入当所述摩托车配件运行数据库中，得到摩托车配件历史运行数据库；获取当前摩托车各个配件在预设时间内的运行数据信息，并根据所述当前摩托车各个配件在预设时间内的运行数据信息得到预设时间内摩托车各个配件的变化数据信息；将所述预设时间内摩托车各个配件的变化数据信息输入到所述摩托车配件历史运行数据库中进行匹配，得到匹配结果；根据所述匹配结果计算出摩托车各个配件的运行相似度，并将所述摩托车各个配件的运行相似度进行输出。
[0007]进一步地，本专利技术的一个较佳实施例中，构建分类模型，根据所述摩托车各个配件的运行相似度以及所述分类模型对摩托车配件的运行情况进行分类，得到各个摩托车配件运行情况分类结果，具体包括以下步骤：基于卷积神经网络构建分类模型，并通过大数据获取摩托车配件各运行相似度对应的运行情况数据信息，并将所述摩托车配件各运行相似度对应的运行情况数据信息分为训练集以及测试集；将所述训练集输入到所述分类模型中进行训练，直至训练参数满足预设条件，保存模型参数，并将所述测试集输入到所述分类模型中，直至满足预设要求，得到训练完成的分类模型；将所述摩托车各个配件的运行相似度输入到所述分类模型中，得到所述摩托车各个配件的运行相似度对应的运行情况数据信息；若所述运行情况数据信息为预设运行情况数据信息，则将该运行情况数据信息标记为异常摩托车配件，并将所述异常摩托车配件的运行情况作为摩托车配件运行情况分类结果输出。
[0008]进一步地，本专利技术的一个较佳实施例中，构建寿命预测知识数据库，基于各个摩托
车配件运行情况分类结果以及所述寿命预测知识数据库获取当前摩托车各个配件的寿命预测值，具体包括以下步骤：通过大数据网络获取各种摩托车配件运行情况对应的寿命预测值，并基于所述各种摩托车配件运行情况对应的寿命预测值构建寿命预测知识数据库；将所述各个摩托车配件运行情况分类结果输入到所述寿命预测知识数据库中进行匹配计算，以获取摩托车配件运行情况相似度；判断所述摩托车配件运行情况相似度是否大于预设相似度，若所述摩托车配件运行情况相似度大于预设相似度，则将该摩托车配件运行情况相似度进行排序；获取最高的摩托车配件运行情况相似度，并获取所述最高的摩托车配件运行情况相似度对应的摩托车配件寿命预测值，并将所述最高的摩托车配件运行情况相似度对应的摩托车配件寿命预测值输出。
[0009]进一步地，本专利技术的一个较佳实施例中，所述的一种摩托车配件的寿命预测方法，还包括以下步骤：将所述相同性文本专业术语数据信息继续输入至所述摩托车配件失效性知识图谱中进行检索，以判断所述相同性文本专业术语数据信息是否存在异常情况，所述异常情况包括专业性术语文本缺失以及专业性术语文本错误；若所述相同性文本专业术语数据信息存在异常情况，则获取出现异常情况的异常位置节点，并提取所述异常位置节点的文本数据；获取与所述异常位置节点的文本数据对应的相同性文本专业术语信息数据信息；根据与所述异常位置节点的文本数据对应的相同性文本专业术语信息数据信息以及所述异常位置节点的文本数据得到最终的相同性文本专业术语数据信息，并将最终的相同性文本专业术语数据信息输出。
[0010]本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种摩托车配件的寿命预测方法，其特征在于，包括以下步骤：通过大数据网络获取摩托车配件的历史样本集数据信息，通过对所述历史样本集进行数据处理，得到处理后的历史样本集；获取当前摩托车各个配件在预设时间内的运行数据信息，基于所述处理后的历史样本集以及当前摩托车各个配件在预设时间内的运行数据信息得到摩托车各个配件的运行相似度；构建分类模型，根据所述摩托车各个配件的运行相似度以及所述分类模型对摩托车配件的运行情况进行分类，得到各个摩托车配件运行情况分类结果；构建寿命预测知识数据库，基于各个摩托车配件运行情况分类结果以及所述寿命预测知识数据库获取当前摩托车各个配件的寿命预测值。2.根据权利要求1所述的一种摩托车配件的寿命预测方法，其特征在于，通过大数据网络获取摩托车配件的历史样本集数据信息，通过对所述历史样本集进行数据处理，得到处理后的历史样本集，具体包括以下步骤：构建摩托车配件失效性知识图谱，并通过大数据网络获取相同性文本专业术语数据信息，将所述相同性文本专业术语数据信息作为一个样本数据集，并将所述样本数据集输入到所述摩托车配件失效性知识图谱中；通过大数据网络获取摩托车配件的历史样本集数据信息，并将所述摩托车配件的历史样本集数据信息输入至所述摩托车配件失效性知识图谱中进行文本匹配；判断是否存在与所述样本数据集相同的数据信息；若存在与所述样本数据集相同的数据信息，则获取当前与所述样本数据集相同的数据信息所在的位置节点；选取其中频率出现最高的专业术语文本数据将所述位置节点的文本数据进行替换，生成替换后历史样本集数据信息，将所述替换后历史样本集数据信息作为处理后的历史样本集输出。3.根据权利要求1所述的一种摩托车配件的寿命预测方法，其特征在于，获取当前摩托车各个配件在预设时间内的运行数据信息，基于所述处理后的历史样本集以及当前摩托车各个配件在预设时间内的运行数据信息得到摩托车各个配件的运行相似度，具体包括以下步骤：构建摩托车配件运行数据库，并将所述处理后的历史样本及输入当所述摩托车配件运行数据库中，得到摩托车配件历史运行数据库；获取当前摩托车各个配件在预设时间内的运行数据信息，并根据所述当前摩托车各个配件在预设时间内的运行数据信息得到预设时间内摩托车各个配件的变化数据信息；将所述预设时间内摩托车各个配件的变化数据信息输入到所述摩托车配件历史运行数据库中进行匹配，得到匹配结果；根据所述匹配结果计算出摩托车各个配件的运行相似度，并将所述摩托车各个配件的运行相似度进行输出。4.根据权利要求1所述的一种摩托车配件的寿命预测方法，其特征在于，构建分类模型，根据所述摩托车各个配件的运行相似度以及所述分类模型对摩托车配件的运行情况进行分类，得到各个摩托车配件运行情况分类结果，具体包括以下步骤：基于卷积神经网络构建分类模型，并通过大数据获取摩托车配件各运行相似度对应的
运行情况数据信息，并将所述摩托车配件各运行相似度对应的运行情况数据信息分为训练集以及测试集；将所述训练集输入到所述分类模型中进行训练，直至训练参数满足预设条件，保存模型参数，并将所述测试集输入到所述分类模型中，直至满足预设要求，得到训练完成的分类模型；将所述摩托车各个配件的运行相似度输入到所述分类模型中，得到所述摩托车各个配件的运行相似度对应的运行情况数据信息；若所述运行情况数据信息为预设运行情况数据信息，则将该运行情况数据信息标记为异常摩托车配件，并将所述异常摩托车配件的运行情况作为摩托车配件运行情况分类结果输出。5.根据权利要求1所述的一种摩托车配件的寿命预测方法，其特征在于，构建寿命预测知识数据库，基于各个摩托车配件运行情况分类结果以及所述寿命预测知识数据库获取当前摩托车各个配件的寿命预测值，具体包括以下步骤：通过大数据网络获取各种摩托车配件运行情况对应的寿命预测值，并基于所述各种摩托车配件运行情况对应的寿命预测值构建寿命预测知识数据库；将所述各个摩托车配件运行情况分类结果输入到所述寿命预测知识数据库中进行匹配计算，以获取摩托车配件运行情况相似度；判断所述摩托车配件运行情况相似度是否大于预设相似度，若所述摩托车配件运行情况相似度大于预设相似度，则将该摩托车配件运行情况相似度进行排序；获取最高的摩托车配件运行情况相似度，并获取所述最高的摩托车配件运行情况相似度对应的摩托车配件寿命预测值，并将所述最高的摩托车配件运行情况相似度...

【专利技术属性】
技术研发人员：鲁来奎，王爱国，
申请(专利权)人：永康市智展科技股份有限公司，
类型：发明
国别省市：