【技術實現步驟摘要】
本專利技術涉及智能汽車，具體涉及一種基于知識圖譜的汽車故障智能診斷方法及系統。
技術介紹
1、新能源車輛已經成為人們生活中必不可少的一部分，隨著汽車聯網技術、人工智能技術的快速發展?，F代車輛的種類和數量愈來愈多，現代汽車整合了越來越多的智能設備，這些設備成了現代汽車的重要組成部分。車輛運行的安全性能已經成為人們考量的首要問題，車輛故障診斷技術的提高是非常有必要的。但汽車在使用過程中，無可避免的會出現各種故障問題，影響車主的使用體驗。隨著人們對汽車結構及維修技術的熟悉，越來越多的車主逐漸自己動手維修和保養自己的汽車，但汽車故障的判斷往往需要車主花費大量的精力和時間對汽車各部件做逐步的檢查。因此對于便攜、低廉、以及具有豐富維修指引于一體的診斷工具需求越來越多。知識圖譜以其豐富的語義信息和強大的推理和決策能力，為互聯網時代的各種智能應用提供了高效的解決方案。知識圖譜是人工智能的重要基石，高效地查詢和處理是其能夠廣泛應用的基礎。
2、如專利文獻cn115033679a公開的基于知識圖譜搜索汽車維修數據的方法，包括故障識別單元獲取用戶端輸入的汽車故障信息的文本，并對輸入的故障信息的文本進行故障識別得到故障并將得到的故障對發送至候選答案生成單元；能夠降低汽車故障售后維修時候的溝通成本，在短時間內知道到汽車故障的相關問題，節省了售后維修的時間；通過利用自然語言處理和kbqa的技術高效解決了汽車故障維修，汽車故障原因等相關信息的咨詢；解決了傳統的機器人問答系統的說法表泛化問題。高效的利用結構化后的歷史信息來解決相關的汽車知識的咨詢從
3、因此有必要提供一種基于知識圖譜的汽車故障智能診斷方法及系統，能夠基于知識圖譜引導用戶精確定位故障現象和關于汽車故障的問題，給出故障解決方案及解決案例，有效提高故障診斷正確性。
技術實現思路
1、本專利技術的目的在于提供一種基于知識圖譜的汽車故障智能診斷方法及系統，能夠基于知識圖譜引導用戶精確定位故障現象和關于汽車故障的問題，給出故障解決方案及解決案例，有效提高故障診斷精準率。
2、為了實現上述目的，本專利技術采用的技術方案如下：一種基于知識圖譜的汽車故障智能診斷方法，包括：
3、獲取目標車輛的故障部件信息和預設知識圖譜；
4、根據獲取的故障部件信息并基于預設知識圖譜，生成故障部件對應的故障現象推薦合集或故障現象全局合集；
5、生成故障部件對應的故障現象推薦合集或故障現象全局合集后，在用戶確認指令的觸發下，確定目標車輛的故障部件對應的故障現象，并基于預設知識圖譜獲取該故障現象的原因、維修手段和維修案例。
6、進一步，所述預設知識圖譜的構建具體包括：
7、采集目標車型的若干組故障數據樣本，對故障數據樣本進行結構化處理，采用結構化的故障數據進行融合處理，得到預設知識圖譜。
8、進一步，所述故障數據包括結構化數據、半結構化數據和非結構化數據；
9、所述結構化數據直接用于融合處理；
10、所述半結構化數據和非結構化數據先進行數據清洗，利用預設的實體抽取模型、關系抽取模型和屬性抽取模型分別對清洗后的半結構化數據和非結構化數據進行實體抽取、關系抽取和屬性抽取處理，得到實體信息、目標關系集、屬性數據，所述實體信息、目標關系集、屬性數據為結構化數據，用于融合處理。
11、進一步，在對所述半結構化數據和非結構化數據進行清洗的同時，進行本體建模；
12、所述本體建模具體包括：提取出半結構化數據和非結構化數據中的概念類型及關系，形成初步模式層，然后在實體抽取、關系抽取、屬性抽取和融合處理的過程中，完成對所述初步模式層的更新與細粒度分解；
13、所述概念類型包括車系、部件、現象、原因、措施、元器件和案例中的至少一種，所述關系包括關聯部件、部件狀態、故障原因、維修措施、維修元器件和維修案例中的至少一種。
14、進一步，所述結構化數據包括車系、車型、行駛里程、胎壓值、故障碼和零部件中的至少一種；所述半結構化數據和非結構化數據包括維保記錄中的故障現象描述、故障原因及故障維修措施中的至少一種。
15、進一步，得到預設知識圖譜的數據存儲以rdf三元組的形式存放在neo4j圖數據庫中；
16、所述rdf三元組包括：頭實體、關系和尾實體，將所述頭實體、尾實體與關系依據三元式推理規則組成rdf三元組。
17、本專利技術還提供一種基于知識圖譜的汽車故障智能診斷系統，能夠實現如上所述的基于知識圖譜的汽車故障智能診斷方法，包括：
18、獲取模塊，用于獲取目標車輛的故障部件信息和預設知識圖譜；
19、診斷模塊，根據獲取的故障部件信息并基于預設知識圖譜，生成故障部件對應的故障現象推薦合集或故障現象全局合集。
20、進一步，還包括觸發模塊，用于在用戶確認指令的觸發下，確定目標車輛的故障部件對應的故障現象，并基于預設知識圖譜獲取該故障現象的原因、維修手段和維修案例。
21、進一步，還包括預設知識圖譜構建模塊，所述預設知識圖譜構建模塊包括：
22、樣本采集元件，用于采集目標車型的若干組故障數據樣本；
23、數據處理元件，用于對故障數據樣本中的半結構化數據和非結構化數據進行數據清洗；
24、信息抽取元件，利用預設的實體抽取模型、關系抽取模型和屬性抽取模型分別對清洗后的半結構化數據和非結構化數據進行實體抽取、關系抽取和屬性抽取處理，得到實體信息、目標關系集、屬性數據，所述實體信息、目標關系集、屬性數據為結構化數據，用于融合處理；
25、知識融合元件，用于對結構化的故障數據進行融合處理，得到預設知識圖譜。
26、進一步，所述數據處理元件還用于在對所述半結構化數據和非結構化數據進行清洗的同時進行本體建模。
27、本專利技術提供的一種基于知識圖譜的汽車故障智能診斷方法及系統，具有如下優點：
28、一、本專利技術能夠幫助用戶快速定位汽車故障，提高問題處理效率和車輛故障維修效率，節省故障處理時間。當輸入故障部位時，能夠基于預設知識圖譜生成故障部件對應的故障現象推薦合集或者故障現象全局合集，結合用戶確認指令選擇故障現象的原因，避免了其他方案僅依靠故障文本信息可能帶來的故障文本識別故障。
29、二、本專利技術相較于其他方案靈活性更強。本專利技術提供了多種選擇，當輸入故障部位時，可以選擇推薦的故障現象合集或者對應的故障現象全局合集，最后可以根據用戶的偏好選擇維修手段或者案例，由此找到更為合適用戶的汽車故障智能診斷方法。
30、三、本專利技術的知本文檔來自技高網...
【技術保護點】
1.一種基于知識圖譜的汽車故障智能診斷方法，其特征在于，包括：
2.根據權利要求1所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，所述預設知識圖譜的構建具體包括：
3.根據權利要求2所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，所述故障數據包括結構化數據、半結構化數據和非結構化數據；
4.根據權利要求3所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，在對所述半結構化數據和非結構化數據進行清洗的同時，進行本體建模；
5.根據權利要求3或4所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，所述結構化數據包括車系、車型、行駛里程、胎壓值、故障碼和零部件中的至少一種；所述半結構化數據和非結構化數據包括維保記錄中的故障現象描述、故障原因及故障維修措施中的至少一種。
6.根據權利要求3所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，得到預設知識圖譜的數據存儲以RDF三元組的形式存放在Neo4j圖數據庫中；
7.一種基于知識圖譜的汽車故障智能診斷系統，其特征在于，能夠實現如權利要求1~6任一項
8.根據權利要求7所述的基于知識圖譜的汽車故障智能診斷系統，其特征在于，還包括觸發模塊，用于在用戶確認指令的觸發下，確定目標車輛的故障部件對應的故障現象，并基于預設知識圖譜獲取該故障現象的原因、維修手段和維修案例。
9.根據權利要求8所述的基于知識圖譜的汽車故障智能診斷系統，其特征在于，還包括預設知識圖譜構建模塊，所述預設知識圖譜構建模塊包括：
10.根據權利要求9所述的基于知識圖譜的汽車故障智能診斷系統，其特征在于，所述數據處理元件還用于在對所述半結構化數據和非結構化數據進行清洗的同時進行本體建模。
...【技術特征摘要】
1.一種基于知識圖譜的汽車故障智能診斷方法，其特征在于，包括：
2.根據權利要求1所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，所述預設知識圖譜的構建具體包括：
3.根據權利要求2所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，所述故障數據包括結構化數據、半結構化數據和非結構化數據；
4.根據權利要求3所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，在對所述半結構化數據和非結構化數據進行清洗的同時，進行本體建模；
5.根據權利要求3或4所述的基于知識圖譜的汽車故障智能診斷方法，其特征在于，所述結構化數據包括車系、車型、行駛里程、胎壓值、故障碼和零部件中的至少一種；所述半結構化數據和非結構化數據包括維保記錄中的故障現象描述、故障原因及故障維修措施中的至少一種。
6.根據權利要求3所述的基于知識圖譜的汽車故障...
【專利技術屬性】
技術研發人員：王海麗，唐照翔，
申請(專利權)人：重慶長安汽車股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。