比较和合并缺陷模型的关系图匹配系统技术方案

本发明专利技术涉及比较和合并缺陷模型的关系图匹配系统。一种比较和合并从不同数据源导出的缺陷模型的方法和系统。首先将两个或更多个缺陷模型表示为定义故障模式和症状之间的相互关系的双边加权关系图。即使具体技术术语可能不同，也可以比较双边加权关系图的结点以找到相同的故障模式和症状。然后，使用关系图匹配方法比较关系图，以及确定双边加权关系图之间哪些故障模式和症状相关是共同的。最后，使用平滑技术和领域专家知识合并和更新缺陷模型，产生综合缺陷模型，可以由车载系统、保养设施等使用。

【技术实现步骤摘要】

本专利技术总体涉及比较和合并缺陷模型的方法和系统，更具体地，涉及比较和合并从不同数据源导出的缺陷模型的方法和系统，其将每个缺陷模型表示为双边加权关系图， 识别所述关系图之间的共同故障模式和症状，使用关系图匹配方法比较缺陷模型以及产生合并的且更新的缺陷模型作为输出。
技术介绍
现代车辆是复杂的机电系统，采用许多子系统、部件、装置和模块，它们使用先进的算法和数据总线在彼此之间传递操作信息。与其他东西一样，这些类型的设备和算法容易出现错误、故障和缺陷，它们影响车辆的操作。为了帮助管理此复杂性，车辆制造商开放了缺陷模型，其将各种故障模式与车辆显示的症状匹配。车辆制造商通常从各种不同数据源开发缺陷模型。这些数据源包括工程数据、保养程序文档、来自客户和维修技师的文本信息、保单数据等。虽然所有这些缺陷模型示出故障模式与症状之间的关系，但是缺陷模型之间的差异足以使得难以直接将它们比较和组合。所述差异包括使用不同的术语表示相同的东西、在不同的缺陷模型中多项或缺项、以及在共同故障模式与症状对之间的甚至不同的关系。这些差异通常意味着彼此独立地使用各种缺陷模型，从来没有足够细致地将它们进行比较以确定在它们之间哪里可能存在协同或不一致。其结果是，保养程序文档和车载或车外诊断工具不可以利用故障模式和症状之间的所有已知关系。需要一种将从不同数据源得到的缺陷模型比较和合并的方法。此方法不仅建立综合缺陷模型以改善各种模型下游用户的缺陷诊断，而且还可以用于增强保养程序，在保养店检测不适当的维修，并且改进车辆平台之间的诊断比较。
技术实现思路
根据本专利技术的教导，公开一种比较和合并从不同数据源导出的缺陷模型的方法和系统。首先将两个或更多个缺陷模型表示为定义故障模式和症状之间的关系的双边加权关系图。比较这些关系图的结点以找到相同的故障模式和症状，即使具体的术语可能不同。 然后，使用关系图匹配方法比较这些关系图，以及确定它们之间哪些故障模式和症状关系是共同的。最后，使用平滑技术和领域专家知识合并和更新缺陷模型，从而产生综合缺陷模型，其可以由车外和车载车辆系统、保养设施等使用。根据下面结合附图的描述和所附权利要求，本专利技术的另外的特征将变得明显。本专利技术还提供了如下方案方案I. 一种比较和合并缺陷模型的方法，所述方法包括提供第一缺陷模型和第二缺陷模型，其中，第一缺陷模型和第二缺陷模型是从不同数据源导出的且描述硬件或软件系统的故障模式和症状；将第一缺陷模型表不为第一双边加权关系图且将第二缺陷模型表不为第二双边加权关系在所述双边加权关系图之间匹配关系图结点以识别共同症状和故障模式；采用关系图匹配技术来比较所述双边加权关系图和缺陷模型，并且产生共同子图和非共同部分；将参数平滑技术和领域知识应用于共同子图和非共同部分以将缺陷模型合并和更新为综合缺陷模型；以及使用与所述硬件或软件系统有关的综合缺陷模型。方案2.如方案I所述的方法，其中，提供第一缺陷模型和第二缺陷模型包括提供多种类型缺陷模型，包括工程数据缺陷模型、保养文档缺陷模型、文本信息缺陷模型和保单数据缺陷模型。方案3.如方案I所述的方法，其中，将第一缺陷模型表示为第一双边加权关系图且将第二缺陷模型表不为第二双边加权关系图包括对故障模式的每一个和症状的每一个创建结点，并且用表示因果关系权重的箭头连接这些结点。方案4.如方案I所述的方法，其中，在所述双边加权关系图之间匹配关系图结点包括将第一缺陷模型的故障模式的每一个与第二缺陷模型的故障模式的每一个进行比较， 并将第一缺陷模型的症状的每一个与第二缺陷模型的症状的每一个进行比较，以确定哪些故障模式和症状是相同的。方案5.如方案I所述的方法，其中，在所述双边加权关系图之间匹配关系图结点包括去除多余的词语，决定同义词、缩写和首字母缩略词，应用文本相似度衡量以提供文本相似度分数，以及使用文本相似度分数确定哪些故障模式和症状是相同的。方案6.如方案I所述的方法，其中，采用关系图匹配技术来比较所述双边加权关系图和缺陷模型包括仅选择在第一双边加权关系图和第二双边加权关系图两者中都具有非O值的相互关系以包含在共同子图中，并且将仅在第一双边加权关系图或第二双边加权关系图之一中具有非O值的任何相互关系置于非共同部分。方案7.如方案I所述的方法，其中，将参数平滑技术和领域知识应用于共同子图和非共同部分包括使用Laplacian或Bayesian平滑技术。方案8.如方案I所述的方法，其中，将参数平滑技术和领域知识应用于共同子图和非共同部分包括通过主题专家再检查以确定如何将非共同部分的内容合并于综合缺陷模型。方案9.如方案I所述的方法，其中，所述硬件或软件系统是车辆或车辆子系统。方案10.如方案9所述的方法，其中，使用与所述硬件或软件系统有关的综合缺陷模型包括在车载处理器中使用综合缺陷模型，在保养设施诊断工具中使用综合缺陷模型，或者车辆开发人员使用综合缺陷模型来改善保养程序或设计新产品。方案11. 一种用于比较和合并缺陷模型的方法，所述方法包括提供第一缺陷模型和第二缺陷模型，其中，第一缺陷模型和第二缺陷模型是从不同数据源导出的且描述车辆或车辆子系统的故障模式和症状；并且所述缺陷模型是多种类型的，包括工程数据缺陷模型、保养文档缺陷模型、文本信息缺陷模型和保单数据缺陷模型； 将第一缺陷模型表不为第一双边加权关系图且将第二缺陷模型表不为第二双边加权关系5在所述双边加权关系图之间匹配关系图结点以识别共同症状和故障模式；采用关系图匹配技术来比较所述双边加权关系图和缺陷模型，并且产生共同子图和非共同部分；将参数平滑技术和领域知识应用于共同子图和非共同部分以将缺陷模型合并和更新为综合缺陷模型；以及使用与所述车辆或车辆子系统有关的综合缺陷模型。方案12.如方案11所述的方法,其中,将第一缺陷模型表不为第一双边加权关系图且将第二缺陷模型表示为第二双边加权关系图包括对故障模式的每一个和症状的每一个创建结点，并且用表示因果关系权重的箭头连接这些结点。方案13.如方案11所述的方法，其中，在所述双边加权关系图之间匹配关系图结点包括去除多余的词语，决定同义词、缩写和首字母缩略词，应用文本相似度衡量以提供文本相似度分数，以及使用文本相似度分数确定哪些故障模式和症状是相同的。方案14.如方案11所述的方法，其中，将参数平滑技术和领域知识应用于共同子图和非共同部分包括使用Laplacian或Bayesian平滑技术，以及通过主题专家再检查以确定如何将非共同部分的内容合并于综合缺陷模型。方案15. —种用于比较和合并缺陷模型的系统，所述系统包括用于提供第一缺陷模型和第二缺陷模型的装置，其中，第一缺陷模型和第二缺陷模型是从不同数据源导出的且描述车辆或车辆子系统的故障模式和症状；用于将第一缺陷模型表不为第一双边加权关系图且将第二缺陷模型表不为第二双边加权关系图的装置；用于在所述双边加权关系图之间匹配关系图结点以识别共同症状和故障模式的装置；用于采用关系图匹配技术来比较所述双边加权关系图和缺陷模型，并且产生共同子图和非共同部分的装置；用于将参数平滑技术和领域知识应用于共同子图和非共同部分以将缺陷模型合并和更新为综合缺陷模型的装置；以及用于使用与所述车辆或车辆子系统有关的综合缺陷模型的装置。方案16.如方案15所述的系本文档来自技高网...

【技术保护点】

【技术特征摘要】
...

【专利技术属性】
技术研发人员：S辛赫，SW霍兰德，P班迪奥帕赫亚伊，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：