汽车故障根因分析方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种汽车故障根因分析方法、装置、计算机设备和存储介质，其中，该汽车故障根因分析方法包括：通过机器学习算法，对汽车故障信息的相关文档进行处理，得到相关文档对应的三元组集合，基于相关文档对应的三元组集合，构建汽车故障信息对应的知识图谱，进一步地，基于知识图谱，生成目标汽车故障现象对应的多个故障原因槽位信息，并对多个故障原因槽位信息进行知识计算，得到目标汽车故障现象对应的根因分析结果，通过本申请，解决了无法根据实际故障情况对故障根因进行深层分析的问题，实现了提高故障根因分析结果的准确性，从而能够对汽车故障进行有效处理。而能够对汽车故障进行有效处理。而能够对汽车故障进行有效处理。

【技术实现步骤摘要】
汽车故障根因分析方法、装置、计算机设备和存储介质


[0001]本申请涉及汽车故障诊断
，特别是涉及汽车故障根因分析方法、装置、计算机设备和存储介质。

技术介绍

[0002]随着各个地区汽车保有量的快速增长，各类汽车故障的数量也不断增加，然而目前的汽车故障诊断过程仍存在较多问题，例如故障诊断过程过度依赖于维修技师的个人经验，以及难以获取偶发性故障数据等，均会导致无法对汽车故障进行有效处理，因此，需要对汽车故障诊断过程进行优化。
[0003]目前的故障诊断方法，通过汽车故障诊断仪获取汽车的车型配置信息及故障码，并基于故障码获取故障汽车的故障原因及故障原因影响的汽车配件，由此可见，该故障诊断方法根据预存储的故障码和故障原因之间的对应关系，获取故障汽车的故障原因，无法根据实际故障情况对故障根因进行深层分析，导致汽车故障根因分析结果的准确性较低。
[0004]针对相关技术中存在无法根据实际故障情况对故障根因进行深层分析的问题，目前还没有提出有效的解决方案。

技术实现思路

[0005]在本实施例中提供了一种汽车故障根因分析方法、装置、计算机设备和存储介质，以解决相关技术中无法根据实际故障情况对故障根因进行深层分析的问题。
[0006]第一个方面，在本实施例中提供了一种汽车故障根因分析方法，所述方法包括：
[0007]通过机器学习算法，对汽车故障信息的相关文档进行处理，得到所述相关文档对应的三元组集合；
[0008]基于所述相关文档对应的三元组集合，构建所述汽车故障信息对应的知识图谱；
[0009]基于所述知识图谱，生成目标汽车故障现象对应的多个故障原因槽位信息，并对所述多个故障原因槽位信息进行知识计算，得到所述目标汽车故障现象对应的根因分析结果。
[0010]在其中的一些实施例中，所述通过机器学习算法，对汽车故障信息的相关文档进行处理，得到所述相关文档对应的三元组集合之前，还包括：
[0011]获取所述汽车故障信息的相关文档，所述相关文档包括所述汽车故障信息对应的故障案例文档。
[0012]在其中的一些实施例中，所述通过机器学习算法，对汽车故障信息的相关文档进行处理，得到所述相关文档对应的三元组集合，包括：
[0013]通过所述机器学习算法，对所述相关文档进行知识抽取，得到所述相关文档对应的多个知识单元，所述知识单元包括文本型汽车故障信息、数据型汽车故障信息和汽车零部件参数的阈值信息；
[0014]对所述多个知识单元进行知识融合，得到所述相关文档对应的三元组集合。
[0015]在其中的一些实施例中，所述基于所述相关文档对应的三元组集合，构建所述汽车故障信息对应的知识图谱，包括：
[0016]基于预设的存储形式，将所述三元组集合保存至图数据库，生成所述汽车故障信息对应的知识图谱。
[0017]在其中的一些实施例中，所述基于所述知识图谱，生成目标汽车故障现象对应的多个故障原因槽位信息之前，还包括：
[0018]基于汽车故障检索页面，获取所述目标汽车故障信息，所述目标汽车故障信息包括故障车型、故障零部件和所述故障零部件对应的状态信息。
[0019]在其中的一些实施例中，所述对所述多个故障原因槽位信息进行知识计算，得到所述目标汽车故障现象对应的根因分析结果，包括：
[0020]对所述多个故障原因槽位信息进行词频统计，得到所述目标汽车故障现象对应的多个词频统计结果；
[0021]基于所述多个词频统计结果，通过隐马尔可夫模型对所述多个故障原因槽位信息进行路径分析，得到所述目标汽车故障现象对应的根因分析结果。
[0022]在其中的一些实施例中，所述对所述多个故障原因槽位信息进行知识计算，得到所述目标汽车故障现象对应的根因分析结果之后，还包括：
[0023]统计所述目标汽车故障现象对应的故障数据，并将统计结果与所述汽车故障现象对应的汽车零部件参数的阈值信息进行比较；
[0024]基于比较结果，对所述目标汽车故障现象对应的根因分析结果进行辅助分析。
[0025]第二个方面，在本实施例中提供了一种汽车故障根因分析装置，所述装置包括：
[0026]处理模块，通过机器学习算法，对汽车故障信息的相关文档进行处理，得到所述相关文档对应的三元组集合；
[0027]构建模块，基于所述相关文档对应的三元组集合，构建所述汽车故障信息对应的知识图谱；
[0028]分析模块，基于所述知识图谱，生成目标汽车故障现象对应的多个故障原因槽位信息，并对所述多个故障原因槽位信息进行知识计算，得到所述目标汽车故障现象对应的根因分析结果。
[0029]第三个方面，在本实施例中提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的汽车故障根因分析方法。
[0030]第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的汽车故障根因分析方法。
[0031]与相关技术相比，在本实施例中提供的汽车故障根因分析方法、装置、计算机设备和存储介质，通过机器学习算法，对汽车故障信息的相关文档进行处理，得到相关文档对应的三元组集合，基于相关文档对应的三元组集合，构建汽车故障信息对应的知识图谱，进一步地，基于知识图谱，生成目标汽车故障现象对应的多个故障原因槽位信息，并对多个故障原因槽位信息进行知识计算，得到目标汽车故障现象对应的根因分析结果，解决了无法根据实际故障情况对故障根因进行深层分析的问题，实现了提高故障根因分析结果的准确性，从而能够对汽车故障进行有效处理。
[0032]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0033]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0034]图1是本申请一实施例提供的汽车故障根因分析方法的终端设备的硬件结构框图；
[0035]图2是本申请一实施例提供的汽车故障根因分析方法的流程图；
[0036]图3是本申请一实施例提供的汽车故障根因分析方法的知识提取图；
[0037]图4是本申请一实施例提供的汽车故障根因分析方法的知识图谱示意图；
[0038]图5是本申请一实施例提供的汽车故障根因分析方法的检索页面图；
[0039]图6是本申请一实施例提供的汽车故障根因分析方法的路径分析图；
[0040]图7是本申请一实施例提供的汽车故障根因分析方法的流程示意图；
[0041]图8是本申请一实施例提供的汽车故障根因分析方法的优选流程图；
[0042]图9是本申请一实施例提供的汽车故障根因分析装置的结构框图。
[0043]图中：102、处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车故障根因分析方法，其特征在于，所述方法包括：通过机器学习算法，对汽车故障信息的相关文档进行处理，得到所述相关文档对应的三元组集合；基于所述相关文档对应的三元组集合，构建所述汽车故障信息对应的知识图谱；基于所述知识图谱，生成目标汽车故障现象对应的多个故障原因槽位信息，并对所述多个故障原因槽位信息进行知识计算，得到所述目标汽车故障现象对应的根因分析结果。2.根据权利要求1所述的汽车故障根因分析方法，其特征在于，所述通过机器学习算法，对汽车故障信息的相关文档进行处理，得到所述相关文档对应的三元组集合之前，还包括：获取所述汽车故障信息的相关文档，所述相关文档包括所述汽车故障信息对应的故障案例文档。3.根据权利要求1所述的汽车故障根因分析方法，其特征在于，所述通过机器学习算法，对汽车故障信息的相关文档进行处理，得到所述相关文档对应的三元组集合，包括：通过所述机器学习算法，对所述相关文档进行知识抽取，得到所述相关文档对应的多个知识单元，所述知识单元包括文本型汽车故障信息、数据型汽车故障信息和汽车零部件参数的阈值信息；对所述多个知识单元进行知识融合，得到所述相关文档对应的三元组集合。4.根据权利要求3所述的汽车故障根因分析方法，其特征在于，所述基于所述相关文档对应的三元组集合，构建所述汽车故障信息对应的知识图谱，包括：基于预设的存储形式，将所述三元组集合保存至图数据库，生成所述汽车故障信息对应的知识图谱。5.根据权利要求1所述的汽车故障根因分析方法，其特征在于，所述基于所述知识图谱，生成目标汽车故障现象对应的多个故障原因槽位信息之前，还包括：基于汽车故障检索页面，获取所述目标汽车故障信息，所述目标汽车故障信息包括故障车型、故障零部件和所述故障零部件对...

【专利技术属性】
技术研发人员：袁晓婉，高科杰，戴认之，
申请(专利权)人：浙江零跑科技股份有限公司，
类型：发明
国别省市：