一种基于知识图谱的汽车故障智能诊断方法及系统与流程

本发明涉及智能汽车，具体涉及一种基于知识图谱的汽车故障智能诊断方法及系统。

背景技术：

1、新能源车辆已经成为人们生活中必不可少的一部分，随着汽车联网技术、人工智能技术的快速发展。现代车辆的种类和数量愈来愈多，现代汽车整合了越来越多的智能设备，这些设备成了现代汽车的重要组成部分。车辆运行的安全性能已经成为人们考量的首要问题，车辆故障诊断技术的提高是非常有必要的。但汽车在使用过程中，无可避免的会出现各种故障问题，影响车主的使用体验。随着人们对汽车结构及维修技术的熟悉，越来越多的车主逐渐自己动手维修和保养自己的汽车，但汽车故障的判断往往需要车主花费大量的精力和时间对汽车各部件做逐步的检查。因此对于便携、低廉、以及具有丰富维修指引于一体的诊断工具需求越来越多。知识图谱以其丰富的语义信息和强大的推理和决策能力，为互联网时代的各种智能应用提供了高效的解决方案。知识图谱是人工智能的重要基石，高效地查询和处理是其能够广泛应用的基础。

2、如专利文献cn115033679a公开的基于知识图谱搜索汽车维修数据的方法，包括故障识别单元获取用户端输入的汽车故障信息的文本，并对输入的故障信息的文本进行故障识别得到故障并将得到的故障对发送至候选答案生成单元；能够降低汽车故障售后维修时候的沟通成本，在短时间内知道到汽车故障的相关问题，节省了售后维修的时间；通过利用自然语言处理和kbqa的技术高效解决了汽车故障维修，汽车故障原因等相关信息的咨询；解决了传统的机器人问答系统的说法表泛化问题。高效的利用结构化后的历史信息来解决相关的汽车知识的咨询从而不被说法表多样化问题约束；其候选答案是基于历史数据，更加可靠。但这种方案仍然存在缺点，如下所述：该方案主要根据用户输入的故障文本信息识别故障，从而去匹配知识库中的实体关系得到最匹配的n个答案。如果用户的故障文本信息描述有问题，可能导致故障识别失败，在知识图谱中匹配不到合适的答案或匹配到错误的答案。

3、因此有必要提供一种基于知识图谱的汽车故障智能诊断方法及系统，能够基于知识图谱引导用户精确定位故障现象和关于汽车故障的问题，给出故障解决方案及解决案例，有效提高故障诊断正确性。

技术实现思路

1、本发明的目的在于提供一种基于知识图谱的汽车故障智能诊断方法及系统，能够基于知识图谱引导用户精确定位故障现象和关于汽车故障的问题，给出故障解决方案及解决案例，有效提高故障诊断精准率。

2、为了实现上述目的，本发明采用的技术方案如下：一种基于知识图谱的汽车故障智能诊断方法，包括：

3、获取目标车辆的故障部件信息和预设知识图谱；

4、根据获取的故障部件信息并基于预设知识图谱，生成故障部件对应的故障现象推荐合集或故障现象全局合集；

5、生成故障部件对应的故障现象推荐合集或故障现象全局合集后，在用户确认指令的触发下，确定目标车辆的故障部件对应的故障现象，并基于预设知识图谱获取该故障现象的原因、维修手段和维修案例。

6、进一步，所述预设知识图谱的构建具体包括：

7、采集目标车型的若干组故障数据样本，对故障数据样本进行结构化处理，采用结构化的故障数据进行融合处理，得到预设知识图谱。

8、进一步，所述故障数据包括结构化数据、半结构化数据和非结构化数据；

9、所述结构化数据直接用于融合处理；

10、所述半结构化数据和非结构化数据先进行数据清洗，利用预设的实体抽取模型、关系抽取模型和属性抽取模型分别对清洗后的半结构化数据和非结构化数据进行实体抽取、关系抽取和属性抽取处理，得到实体信息、目标关系集、属性数据，所述实体信息、目标关系集、属性数据为结构化数据，用于融合处理。

11、进一步，在对所述半结构化数据和非结构化数据进行清洗的同时，进行本体建模；

12、所述本体建模具体包括：提取出半结构化数据和非结构化数据中的概念类型及关系，形成初步模式层，然后在实体抽取、关系抽取、属性抽取和融合处理的过程中，完成对所述初步模式层的更新与细粒度分解；

13、所述概念类型包括车系、部件、现象、原因、措施、元器件和案例中的至少一种，所述关系包括关联部件、部件状态、故障原因、维修措施、维修元器件和维修案例中的至少一种。

14、进一步，所述结构化数据包括车系、车型、行驶里程、胎压值、故障码和零部件中的至少一种；所述半结构化数据和非结构化数据包括维保记录中的故障现象描述、故障原因及故障维修措施中的至少一种。

15、进一步，得到预设知识图谱的数据存储以rdf三元组的形式存放在neo4j图数据库中；

16、所述rdf三元组包括：头实体、关系和尾实体，将所述头实体、尾实体与关系依据三元式推理规则组成rdf三元组。

17、本发明还提供一种基于知识图谱的汽车故障智能诊断系统，能够实现如上所述的基于知识图谱的汽车故障智能诊断方法，包括：

18、获取模块，用于获取目标车辆的故障部件信息和预设知识图谱；

19、诊断模块，根据获取的故障部件信息并基于预设知识图谱，生成故障部件对应的故障现象推荐合集或故障现象全局合集。

20、进一步，还包括触发模块，用于在用户确认指令的触发下，确定目标车辆的故障部件对应的故障现象，并基于预设知识图谱获取该故障现象的原因、维修手段和维修案例。

21、进一步，还包括预设知识图谱构建模块，所述预设知识图谱构建模块包括：

22、样本采集元件，用于采集目标车型的若干组故障数据样本；

23、数据处理元件，用于对故障数据样本中的半结构化数据和非结构化数据进行数据清洗；

24、信息抽取元件，利用预设的实体抽取模型、关系抽取模型和属性抽取模型分别对清洗后的半结构化数据和非结构化数据进行实体抽取、关系抽取和属性抽取处理，得到实体信息、目标关系集、属性数据，所述实体信息、目标关系集、属性数据为结构化数据，用于融合处理；

25、知识融合元件，用于对结构化的故障数据进行融合处理，得到预设知识图谱。

26、进一步，所述数据处理元件还用于在对所述半结构化数据和非结构化数据进行清洗的同时进行本体建模。

27、本发明提供的一种基于知识图谱的汽车故障智能诊断方法及系统，具有如下优点：

28、一、本发明能够帮助用户快速定位汽车故障，提高问题处理效率和车辆故障维修效率，节省故障处理时间。当输入故障部位时，能够基于预设知识图谱生成故障部件对应的故障现象推荐合集或者故障现象全局合集，结合用户确认指令选择故障现象的原因，避免了其他方案仅依靠故障文本信息可能带来的故障文本识别故障。

29、二、本发明相较于其他方案灵活性更强。本发明提供了多种选择，当输入故障部位时，可以选择推荐的故障现象合集或者对应的故障现象全局合集，最后可以根据用户的偏好选择维修手段或者案例，由此找到更为合适用户的汽车故障智能诊断方法。

30、三、本发明的知识图谱内容丰富，便于用户查找。本发明利用爬虫技术在互联网上爬取有关汽车故障的相关数据，并将上述数据进行清洗，处理之后构建知识图谱，由此使得知识图谱的内容更为丰富，便于实际工作中的故障查找。