一种基于知识图谱的车辆故障维修方法与流程

1.本发明属于车辆修理技术领域，具体涉及一种基于知识图谱的车辆故障维修方法。


背景技术：

2.汽车在人们的生活、工作中越来越普及，目前全国汽车保有量为2亿。但汽车在使用过程中存在偶发故障及常见故障，车主在日常生活遇到故障信息是否影响正常行驶很难判断，造成心里的恐惧，特别是今年新能源车越来越普及，电池、电机及电控系统维修车主及4s店技师有时候也会担心受到伤害。
3.汽车常见故障发生在电池、电机、控制器、发动机、传动器、制动器及电气系统等。在车辆出现故障码或车辆前后出现杂音的时候，驾驶员通常根据自己的知识去判断故障原因，通常原因判断不准确；特别是新能源车出现故障后，有时维修技师也找不到故障原因及解决方案。
4.目前各大主机厂都积累了大量的车型售后维修案例及维修记录，并且不同车型的相同系统的维修记录也很多，并且新车型在交付客户前都会赠送使用手册及相应4s店也会收到维修手册，但这些数据都没有融合为一个统一的整体为驾驶员及4s店技师服务。现在4s店技师查询维修系统服务，需要根据相应的故障及车型一步一步的点击去查询故障原因及解决方案，不仅速度慢，并且同一个故障描述，往往存在多个故障原因及解决方案，完全靠技师的个人经验判定相应的故障情况属于何种故障原因，进而由技师决定采用何种解决方案，故障诊断准确性低，维修效率低。


技术实现要素：

5.本发明实施例的目的是提供一种基于知识图谱的车辆故障维修方法，能够解决现有的车辆故障诊断方法完全靠技师的个人经验判定相应的故障情况属于何种故障原因，进而由技师决定采用何种解决方案，故障诊断准确性低，维修效率低的技术问题。
6.为了解决上述技术问题，本发明是这样实现的：
7.本发明实施例提供了一种基于知识图谱的车辆故障维修方法，包括：
8.s101：获取目标车型的维修手册、维修案例以及维修记录数据；
9.s102：构建目标车型的维修知识体系，其中，维修知识体系包括第一层次、第二层次和第三层次，各层次之间建立有关联关系，第一层次包括零部件本体，第二层次包括故障描述本体、故障原因本体以及解决方案本体，第三层次包括车辆状态本体、故障部件本体、故障现象本体、故障代码本体、原因部件本体、原因分析本体、方案操作本体以及方案部件本体；
10.s103：提取维修手册、维修案例以及维修记录数据中的知识信息，将知识信息填入到维修知识体系中；
11.s104：将来源于维修手册、维修案例以及维修记录中的同一实体对应的名称进行
实体对齐；
12.s105：将实体对齐后的数据和对应的关系采用neo4j图数据库进行知识存储，构建目标车型的维修知识图谱；
13.s106：根据维修知识图谱进行故障诊断，并给出相应的解决方案。
14.在本发明实施例中，根据目标车型的维修手册、维修案例以及维修记录数据建立维修知识图谱，根据维修知识图谱自动化地诊断某一故障发生的原因，并且给出相应的解决方法，避免过度依靠技师的个人经验，提高故障诊断的准确性，提升维修效率。
附图说明
15.图1是本发明实施例提供的一种基于知识图谱的车辆故障维修方法的流程示意图。
16.图2是本发明实施例提供的一种维修知识体系的框架图。
17.本发明目的的实现、功能特点及优点将结合实施例、参照附图做进一步说明。
具体实施方式
18.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
19.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
20.应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
21.应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
22.下面结合附图，通过具体的实施例及其应用场景对本发明实施例提供的基于知识图谱的车辆故障维修方法进行详细地说明。
23.参照图1，示出了本发明实施例提供的一种基于知识图谱的车辆故障维修方法的流程示意图。
24.本发明实施例提供的一种基于知识图谱的车辆故障维修方法，包括：
25.s101：获取目标车型的维修手册、维修案例以及维修记录数据。
26.其中，目标车型可以是一个具体的车型，也可以是一个硬件系统较为相似的同款的车型，进一步地，一款车型可以包括多种版本。
27.其中，维修手册可以在车辆出厂时由厂家提供。维修案例可由4s店等车辆修理单
位在维修车辆的过程中上传。维修记录数据可以是当前车辆的故障维修记录，这样在后续故障检测时重点关注之前出现过故障的地方。维修记录数据也可以是关于某一车型的全量维修记录，这样可以提升诊断的准确性。
28.其中，维修手册、维修案例以及维修记录数据的数据内容中应当包含不限于车辆状态、故障部件、故障现象、故障代码、原因部件、原因分析、故障描述、故障原因以及解决方案。
29.其中，维修手册是非结构化数据，维修案例以及维修记录为半结构化数据。
30.进一步地，维修手册中数据有图片、知识、表格，维修手册以pdf格式居多，使用pdfplumber算法先抽取数据中的知识和表格，其中表格为结构化数据，通过数据处理后可以直接使用；知识为非结构化数据，采用pipeline模式抽取三元组中的实体和关系，具体可以采用pure算法模型 规则进行抽取。
31.对于半结构化数据，可以采用词库 jieba 规则方案进行抽取里面的实体和关系的数据。
32.在一种可能的实施方式中，步骤s101包括子步骤s1011和子步骤s1012。
33.s1011：获取厂家对于同一款车型的维修手册数据；
34.s1012：获取同一款车型厂家及售后维修店全量的维修案例及维修记录数据。
35.s102：构建目标车型的维修知识体系。
36.其中，维修知识体系包括第一层次、第二层次和第三层次，各层次之间建立有关联关系，第一层次包括零部件本体，第二层次包括故障描述本体、故障原因本体以及解决方案本体，第三层次包括车辆状态本体、故障部件本体、故障现象本体、故障代码本体、原因部件本体、原因分析本体、方案操作本体以及方案部件本体。
37.具体地，维修知识体系可以采用从上到下的方案构建schema，采用的工具是protege，以构建双层本体的schema。
38.参照图2，图2示出了本发明实施例提供的一种维修知识体系的框架图。
39.其中，第一层次的零部件本体可以包括第二层次的故障描述本体、故障原因本体以及解决方案本体。第二层次的故障描述本体可以包括第三层次的车辆状态本体、故障部件本体、故障现象本体和故障代码本体。第二层次的故障原因本体可以包括第三层次的原因部件本体、原因分析本体。第二层次的解决方案本体可以包括方案操作本体以及方案部件本体。
40.进一步地，可以约束各层次本体之间的关联关系，例如，故障部件本体是车辆状态本体的状态部件，故障现象本体是故障部件本体的部件现象，故障代码本体属于故障现象本体。具体情况可以参照图2，在此不再赘述。
41.其中，本体框架是图谱构建的顶层架构，每一个节点都属于某一种类型的本体类型，各个本体类型之间通过关系进行约束，进而可以约束相应类别下的节点。通过关系这种微索引形式，可以快速的进行知识的查找及知识推理。
42.s103：提取维修手册、维修案例以及维修记录数据中的知识信息，将知识信息填入到维修知识体系中。
43.可选地，可以针对不同的数据格式内容，采用模型、分词、词性标注、规则一种或几种方法联合提取数据中知识信息。
44.具体地，首先将数据分类到具体的第一层次的零部件层面；再将数据在第二层次进行分类；最后数据在第三层次进行分类，抽取实体、关系、属性关键信息。
45.举例来说，参照表1，示出了第二层次的信息提取。
46.表1
[0047][0048][0049]
参照表2，示出了第三层次的信息提取。
[0050]
表2
[0051][0052]
在一种可能的实施方式中，步骤s103具体包括子步骤s1031至s1033：
[0053]
s1031：采用pure算法模型对维修手册、维修案例以及维修记录数据中的非结构化数据进行知识提取，按照第三层次对提取后的知识进行分类。
[0054]
s1032：提取各知识之间的关系。
[0055]
s1033：根据知识的分类信息以及知识之间的关系将提取后的知识填入到维修知识体系中。
[0056]
s104：将来源于维修手册、维修案例以及维修记录中的同一实体对应的名称进行实体对齐。
[0057]
需要进行实体对齐的主要原因在于，同一实体在不同的数据源中可能有着不同的名称。例如：维修手册中的24v蓄电池与维修记录中的蓄电池是同一个实体，对齐为同一个实体24v蓄电池。
[0058]
在一种可能的实施方式中，步骤s104具体包括子步骤s1041至s1043：
[0059]
s1041：依据车辆专业名词词库，对各实体对应的名称采用基于余弦相似度的聚类算法进行聚类。
[0060]
可选地，采用word2vec算法，将数据向量化。
[0061]
s1042：确定来源于维修手册、维修案例以及维修记录中的同一实体对应的各个名称。
[0062]
s1043：在不同来源的名称之间不一致的情况下，对同一实体对应的名称进行实体对齐。
[0063]
s105：将实体对齐后的数据和对应的关系采用neo4j图数据库进行知识存储，构建目标车型的维修知识图谱。
[0064]
其中，由neo4j图数据库记录节点、关系以及属性值。
[0065]
具体地，将实体对齐后的数据及对应的关系保存为.csv文件，采用cypher语言，将结构化数据写入到neo4j数据库。
[0066]
s106：根据维修知识图谱进行故障诊断，并给出相应的解决方案。
[0067]
在一种可能的实施方式中，步骤s106具体包括子步骤s1061至s1045：
[0068]
s1061：逐一对故障描述进行诊断概率分析，计算各种故障原因的概率。
[0069]
进一步地，可以采用基于马尔可夫过程的思想，通过贝叶斯公式来计算概率，s1061具体包括：
[0070]
逐一对故障描述下的各种故障原因的概率值通过公式1进行计算：
[0071][0072]
其中,p(a|bi)是故障原因bi导致故障中故障描述a出现的概率，p(bi)表示第i种故障原因出现的概率，p(a)为故障描述a出现的概率。
[0073]
在实体进行对齐前，故障描述与故障原因的总个数相等，以上公式简化为：
[0074][0075]
其中，na表示故障描述a出现的次数，表示故障原因bi导致故障描述a出现的次数。
[0076]
s1062：逐一对故障原因进行方案概率分析，计算各种解决方案的概率。
[0077]
进一步地，s1062具体包括：
[0078]
逐一对故障原因下的各种故障方案的概率值通过公式2进行计算：
[0079][0080]
其中，p(b|ci)是出现故障原因b时采用解决方案ci的概率，p(ci)表示第i种解决方案出现的概率，p(b)为故障原因b出现的概率。
[0081]
s1063：将故障描述下的各种故障原因的概率值以及故障原因下的各种解决方案的概率记录到维修知识图谱中。
[0082]
举例来说，对于方向机漏油这一故障：
[0083]
故障描述：方向机漏油
[0084]
故障原因：方向机上盖密封圈早期老化
ꢀꢀ
4条
ꢀꢀꢀꢀ
概率
ꢀꢀ
0.5
[0085]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
方向机内部轴承破损
ꢀꢀꢀꢀꢀꢀꢀꢀ
2条
ꢀꢀꢀꢀ
概率
ꢀꢀ
0.25
[0086]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
方向机油封磨损
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
2条
ꢀꢀꢀꢀ
概率
ꢀꢀ
0.25。
[0087]
此外，此方法也可以进行反向的概率推理，可以帮助主机厂进行设计优化。
[0088]
举例来说，对于更换机械式转向机总成这一解决方案：
[0089]
解决方案：更换机械式转向机总成
[0090]
故障原因：1、内部故障
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
概率：0.385
[0091]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
2、制造不良
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
概率：0.077
[0092]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
3、异常磨损
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
概率：0.077
[0093]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
4、打方向有卡顿
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
概率：0.462
[0094]
s1064：获取目标故障描述。
[0095]
s1065：根据维修知识图谱，对目标故障描述进行相似度计算，展示目标故障描述下预设数量的概率较大的故障原因以及相应的解决方案。
[0096]
可选地，预设数量为一个，s1065具体包括：
[0097]
展示目标故障描述下概率最大的故障原因以及相应的解决方案。
[0098]
本领域技术人员可以根据实际需要设置展示的解决方案数量，本发明实施例中不做限制。
[0099]
在一种可能的实施方式中，s106还包括：
[0100]
s1066：根据用户对于解决方案的评价结果更新的故障原因下的各种解决方案的概率。
[0101]
进一步地，推荐出来的解决方案，若解决了问题，客户点击确认；否则，点击没有。后台算法模型根据点击率动态的计算相应的概率，在线主动学习优化概率，实时更新的故障原因下的各种解决方案的概率。
[0102]
进一步地，如果客户输入的故障描述，维修知识图谱中没有相同或相似的数据，待车辆维修完成后，客户或技师可以根据模板在线录入此条数据故障描述、故障原因及解决方案。
[0103]
在一种可能的实施方式中，s106还包括：
[0104]
s1067：对维修知识图谱进行图谱节点分析，排除不属于相应关系的节点。
[0105]
其中，图谱节点分析包括图谱节点连通性分析、节点的度分析以及节点的关系分析。
[0106]
其中，图谱节点连通性分析：主要通过检测图谱中节点及关系相关联的子图，从而排除不相关的节点和边。
[0107]
其中，节点的度分析：主要通过计算图谱中各节点的邻居数，节点只分析与此节点(关系确定)有联系的节点，排除没有关系的节点，建立针对此节点的子图。没有邻居的节点即表示：此节点没有相应的故障原因或解决方案，无法进行相关联的推理工作。
[0108]
其中，节点的关系分析：节点中存在各种关系，节点通过关系的属性可以排除不属于这个关系的节点，建立更准确的子图。且故障描述到故障原因的关系中有概率的属性，故障原因到解决方案的关系中也同时包含概率的属性。
[0109]
在本发明实施例中，根据目标车型的维修手册、维修案例以及维修记录数据建立维修知识图谱，根据维修知识图谱自动化地诊断某一故障发生的原因，并且给出相应的解决方法，避免过度依靠技师的个人经验，提高故障诊断的准确性，提升维修效率。
[0110]
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。