基于知识图谱的车辆故障检测方法、装置及存储介质[发明专利]

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201811552326.X
(22)申请日 2018.12.18
(71)申请人 彩虹无线（北京）新技术有限公司
地址 100022 北京市朝阳区东三环中路20
号乐成中心B座11层
(72)发明人 黄亮　
(74)专利代理机构 北京市铸成律师事务所
11313
代理人 陈建焕　杨瑾瑾
(51)Int.Cl.
G05B 23/02(2006.01)
(54)发明名称
基于知识图谱的车辆故障检测方法、装置及
存储介质
(57)摘要
本发明实施例提出一种基于知识图谱的车
辆故障检测方法、装置及计算机可读存储介质。

其中基于知识图谱的车辆故障检测方法包括：监
测待检测车辆的车辆信号；将所述待检测车辆的
车辆信号与车辆故障知识图谱中的关联信号相
匹配，其中，所述车辆故障知识图谱中包括各种
车辆故障与关联信号的对应关系；根据匹配结果
对所述待检测车辆进行故障定位。

本发明实施例
通过对车辆信号的监测，以及基于故障知识图谱
中明确的车辆故障与关联信号的对应关系，能够
快速、准确地进行车辆故障的分析及定位；且基
于知识图谱的车辆故障检测方法可帮助研发人
员进行故障定义，
缩短了车辆研发周期。

权利要求书2页 说明书12页 附图6页CN 109460010 A 2019.03.12
C N 109460010
A
1.一种基于知识图谱的车辆故障检测方法，其特征在于，包括：
监测待检测车辆的车辆信号；
将所述待检测车辆的车辆信号与车辆故障知识图谱中的关联信号相匹配，其中，所述车辆故障知识图谱中包括各种车辆故障与关联信号的对应关系；
根据匹配结果对所述待检测车辆进行故障定位。

2.根据权利要求1所述的方法，其特征在于，还包括：
采集车辆信号；
对发生车辆故障时的车辆信号进行数据挖掘，将与所述车辆故障相关联的所述车辆信号确定为与该车辆故障对应的关联信号；
根据所述车辆故障与所述关联信号的对应关系构建所述车辆故障知识图谱。

3.根据权利要求2所述的方法，其特征在于，所述车辆故障知识图谱还包括：整车系统与整车系统的各子系统的对应关系、所述各子系统与所述各种车辆故障的对应关系。

4.根据权利要求2所述的方法，其特征在于，对发生车辆故障时的车辆信号进行数据挖掘，包括：
确定与所述车辆故障相对应的所述关联信号的第一阈值范围；和/或，
确定与所述车辆故障的至少一个故障等级相对应的所述关联信号的第二阈值范围。

5.根据权利要求1-4中任一项所述的方法，其特征在于，还包括：
根据所述车辆故障与所述关联信号的对应关系，确定指定信号，所述指定信号是与指定的所述车辆故障对应的所述关联信号；
控制预设车辆的所述指定信号，以复现所述车辆故障。

6.根据权利要求1-4中任一项所述的方法，其特征在于，还包括：
分析所述车辆故障知识图谱中各种车辆故障之间的并发性，以确定所述各种车辆故障之间的并发故障；
当所述车辆故障发生时，给出该车辆故障的并发故障的提示信息。

7.根据权利要求6所述的方法，其特征在于，
分析所述车辆故障知识图谱中各种车辆故障之间的并发性，以确定所述各种车辆故障之间的并发故障，包括：分析所述车辆故障知识图谱中各种车辆故障之间的关联度；若第一车辆故障和第二车辆故障之间的关联度大于等于预设的关联度阈值，则确定所述第一车辆故障和所述第二车辆故障互为并发故障；
所述并发故障的提示信息包括所述并发故障的关联度。

8.一种基于知识图谱的车辆故障检测装置，其特征在于，包括：
车辆信号监测单元，用于监测待检测车辆的车辆信号；
匹配单元，用于将所述待检测车辆的车辆信号与车辆故障知识图谱中的关联信号相匹配，其中，所述车辆故障知识图谱中包括各种车辆故障与关联信号的对应关系；
故障定位单元，用于根据匹配结果对所述待检测车辆进行故障定位。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括知识图谱构建单元，所述知识图谱构建单元包括：
信号采集子单元，用于采集车辆信号；
数据挖掘子单元，用于：对发生车辆故障时的车辆信号进行数据挖掘，将与所述车辆故
障相关联的所述车辆信号确定为与该车辆故障对应的关联信号；
构建子单元，用于根据所述车辆故障与所述关联信号的对应关系构建所述车辆故障知识图谱。

10.根据权利要求9所述的装置，其特征在于，所述车辆故障知识图谱还包括：整车系统与整车系统的各子系统的对应关系、所述各子系统与所述各种车辆故障的对应关系。

11.根据权利要求9所述的装置，其特征在于，所述数据挖掘子单元还用于：
确定与所述车辆故障相对应的所述关联信号的第一阈值范围；和/或，
确定与所述车辆故障的至少一个故障等级相对应的所述关联信号的第二阈值范围。

12.根据权利要求8-11中任一项所述的装置，其特征在于，所述装置还包括故障复现单元，用于：
根据所述车辆故障与所述关联信号的对应关系，确定指定信号，所述指定信号是与指定的所述车辆故障对应的所述关联信号；
控制预设车辆的所述指定信号，以复现所述车辆故障。

13.根据权利要求8-11中任一项所述的装置，其特征在于，所述装置还包括并发故障提示单元，所述并发故障提示单元包括：
分析子单元，用于分析所述车辆故障知识图谱中各种车辆故障之间的并发性，以确定所述各种车辆故障之间的并发故障；
提示子单元，用于当所述车辆故障发生时，给出该车辆故障的并发故障的提示信息。

14.根据权利要求13所述的装置，其特征在于，
所述分析子单元还用于：分析所述车辆故障知识图谱中各种车辆故障之间的关联度；若第一车辆故障和第二车辆故障之间的关联度大于等于预设的关联度阈值，则确定所述第一车辆故障和所述第二车辆故障互为并发故障；
所述并发故障的提示信息包括所述并发故障的关联度。

15.一种基于知识图谱的车辆故障检测装置，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

基于知识图谱的车辆故障检测方法、装置及存储介质
技术领域
[0001]本发明涉及车辆故障检测技术领域，尤其涉及一种基于知识图谱的车辆故障检测方法、装置及计算机可读存储介质。

背景技术
[0002]目前车辆在研发过程中，车辆故障定位往往依靠研发人员的经验，使故障定位及原因分析的过程充满不确定性。

另外，故障通常具有并发性，故障的并发性进一步加大了分析过程的复杂度，降低了准确性。

还有，故障具有突发特性，这使得故障回溯和故障复现不易实现。

由于以上原因导致车辆故障定位及原因分析的效率较低，车辆研发的整体周期较长。

发明内容
[0003]本发明实施例提供一种基于知识图谱的车辆故障检测方法、装置及计算机可读存储介质，以至少解决现有技术中的一个或多个技术问题。

[0004]第一方面，本发明实施例提供了一种基于知识图谱的车辆故障检测方法，包括：[0005]监测待检测车辆的车辆信号；
[0006]将所述待检测车辆的车辆信号与车辆故障知识图谱中的关联信号相匹配，其中，所述车辆故障知识图谱中包括各种车辆故障与关联信号的对应关系；
[0007]根据匹配结果对所述待检测车辆进行故障定位。

[0008]在一种实施方式中，所述方法还包括：
[0009]采集车辆信号；
[0010]对发生车辆故障时的车辆信号进行数据挖掘，将与所述车辆故障相关联的所述车辆信号确定为与该车辆故障对应的关联信号；
[0011]根据所述车辆故障与所述关联信号的对应关系构建所述车辆故障知识图谱。

[0012]在一种实施方式中，所述车辆故障知识图谱还包括：整车系统与整车系统的各子系统的对应关系、所述各子系统与所述各种车辆故障的对应关系。

[0013]在一种实施方式中，对发生车辆故障时的车辆信号进行数据挖掘，包括：[0014]确定与所述车辆故障相对应的所述关联信号的第一阈值范围；和/或，
[0015]确定与所述车辆故障的至少一个故障等级相对应的所述关联信号的第二阈值范围。

[0016]在一种实施方式中，所述方法还包括：
[0017]根据所述车辆故障与所述关联信号的对应关系，确定指定信号，所述指定信号是与指定的所述车辆故障对应的所述关联信号；
[0018]控制预设车辆的所述指定信号，以复现所述车辆故障。

[0019]在一种实施方式中，所述方法还包括：
[0020]分析所述车辆故障知识图谱中各种车辆故障之间的并发性，以确定所述各种车辆
故障之间的并发故障；
[0021]当所述车辆故障发生时，给出该车辆故障的并发故障的提示信息。

[0022]在一种实施方式中，分析所述车辆故障知识图谱中各种车辆故障之间的并发性，以确定所述各种车辆故障之间的并发故障，包括：分析所述车辆故障知识图谱中各种车辆故障之间的关联度；若第一车辆故障和第二车辆故障之间的关联度大于等于预设的关联度阈值，则确定所述第一车辆故障和所述第二车辆故障互为并发故障；
[0023]所述并发故障的提示信息包括所述并发故障的关联度。

[0024]第二方面，本发明实施例提供了一种基于知识图谱的车辆故障检测装置，包括：[0025]车辆信号监测单元，用于监测待检测车辆的车辆信号；
[0026]匹配单元，用于将所述待检测车辆的车辆信号与车辆故障知识图谱中的关联信号相匹配，其中，所述车辆故障知识图谱中包括各种车辆故障与关联信号的对应关系；[0027]故障定位单元，用于根据匹配结果对所述待检测车辆进行故障定位。

[0028]在一种实施方式中，所述装置还包括知识图谱构建单元，所述知识图谱构建单元包括：
[0029]信号采集子单元，用于采集车辆信号；
[0030]数据挖掘子单元，用于：对发生车辆故障时的车辆信号进行数据挖掘，将与所述车辆故障相关联的所述车辆信号确定为与该车辆故障对应的关联信号；
[0031]构建子单元，用于根据所述车辆故障与所述关联信号的对应关系构建所述车辆故障知识图谱。

[0032]在一种实施方式中，所述车辆故障知识图谱还包括：整车系统与整车系统的各子系统的对应关系、所述各子系统与所述各种车辆故障的对应关系。

[0033]在一种实施方式中，所述数据挖掘子单元还用于：
[0034]确定与所述车辆故障相对应的所述关联信号的第一阈值范围；和/或，
[0035]确定与所述车辆故障的至少一个故障等级相对应的所述关联信号的第二阈值范围。

[0036]在一种实施方式中，所述装置还包括故障复现单元，用于：
[0037]根据所述车辆故障与所述关联信号的对应关系，确定指定信号，所述指定信号是与指定的所述车辆故障对应的所述关联信号；
[0038]控制预设车辆的所述指定信号，以复现所述车辆故障。

[0039]在一种实施方式中，所述装置还包括并发故障提示单元，所述并发故障提示单元包括：
[0040]分析子单元，用于分析所述车辆故障知识图谱中各种车辆故障之间的并发性，以确定所述各种车辆故障之间的并发故障；
[0041]提示子单元，用于当所述车辆故障发生时，给出该车辆故障的并发故障的提示信息。

[0042]在一种实施方式中，所述分析子单元还用于：分析所述车辆故障知识图谱中各种车辆故障之间的关联度；若第一车辆故障和第二车辆故障之间的关联度大于等于预设的关联度阈值，则确定所述第一车辆故障和所述第二车辆故障互为并发故障；
[0043]所述并发故障的提示信息包括所述并发故障的关联度。

[0044]第三方面，本发明实施例提供了一种基于知识图谱的车辆故障检测装置，所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。

所述硬件或软件包括一个或多个与上述功能相对应的模块。

[0045]在一个可能的设计中，所述装置的结构中包括处理器和存储器，所述存储器用于存储支持所述装置执行上述方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。

所述装置还可以包括通信接口，用于与其他设备或通信网络通信。

[0046]第四方面，本发明实施例提供了一种计算机可读存储介质，其存储有计算机程序，该程序被处理器执行时实现上述第一方面中任一所述的方法。

[0047]上述技术方案中的一个技术方案具有如下优点或有益效果：通过对车辆信号的监测，以及基于故障知识图谱中明确的车辆故障与关联信号的对应关系，能够快速、准确地进行车辆故障的分析及定位；且基于知识图谱的车辆故障检测方法可帮助研发人员进行故障定义，缩短了车辆研发周期。

[0048]上述技术方案中的另一个技术方案具有如下优点或有益效果：通过对车辆信号的监测，用数据阈值的方法重新定义车辆故障的等级与阈值，为车辆故障检测提供客观准确的判定依据。

[0049]上述技术方案中的又一个技术方案具有如下优点或有益效果：基于故障知识图谱中明确的车辆故障及车辆信号关联，使得故障回溯和故障复现容易实现和操作。

[0050]上述技术方案中的又一个技术方案具有如下优点或有益效果：基于对各种车辆故障之间的故障并发性的分析，当车辆故障发生时同时检测该车辆故障的并发故障，减小了分析过程的复杂度，提高了故障定位的准确性。

[0051]上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。

除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明
[0052]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。

这些附图不一定是按照比例绘制的。

应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

[0053]图1为本发明实施例提供的基于知识图谱的车辆故障检测方法的流程图。

[0054]图2为本发明另一实施例提供的基于知识图谱的车辆故障检测方法的流程图。

[0055]图3为本发明实施例提供的基于知识图谱的车辆故障检测方法的构建车辆故障知识图谱的流程图。

[0056]图4为本发明实施例提供的基于知识图谱的车辆故障检测方法的车辆故障知识图谱示意图。

[0057]图5为本发明实施例提供的基于知识图谱的车辆故障检测方法的复现车辆故障的流程图。

[0058]图6为本发明实施例提供的基于知识图谱的车辆故障检测方法的检测并发故障的流程图。

[0059]图7为本发明实施例提供的基于知识图谱的车辆故障检测方法的分析故障并发性
的流程图。

[0060]图8为本发明实施例提供的基于知识图谱的车辆故障检测方法的车辆故障关联分析示意图。

[0061]图9为本发明实施例提供的基于知识图谱的车辆故障检测装置的结构框图。

[0062]图10为本发明另一实施例提供的基于知识图谱的车辆故障检测装置的结构框图。

[0063]图11为本发明实施例提供的基于知识图谱的车辆故障检测装置的知识图谱构建单元的结构框图。

[0064]图12为本发明实施例提供的基于知识图谱的车辆故障检测装置的并发故障提示单元的结构框图。

[0065]图13为本发明又一实施例提供的基于知识图谱的车辆故障检测装置的结构框图。

具体实施方式
[0066]在下文中，仅简单地描述了某些示例性实施例。

正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。

因此，附图和描述被认为本质上是示例性的而非限制性的。

[0067]图1为本发明实施例提供的基于知识图谱的车辆故障检测方法的流程图。

如图1所示，本发明实施例的基于知识图谱的车辆故障检测方法包括：
[0068]步骤S120，监测待检测车辆的车辆信号；
[0069]步骤S130，将所述待检测车辆的车辆信号与车辆故障知识图谱中的关联信号相匹配，其中，所述车辆故障知识图谱中包括各种车辆故障与关联信号的对应关系；
[0070]步骤S140，根据匹配结果对所述待检测车辆进行故障定位。

[0071]知识图谱(Knowledge Graph)又称为科学知识图谱，是显示知识发展进程与结构关系的一系列各种不同的图形。

知识图谱用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

一个知识图谱旨在描述现实世界中存在的实体以及实体之间的关系，其构成一张语义网络图，节点表示实体，边则由属性或关系构成。

知识图谱构成的语义网络图表达了各种各样的实体、概念及其之间的各类关联。

车辆故障检测技术领域中，可利用知识图谱描述各种车辆故障之间，以及车辆故障与车辆信号之间的关联。

例如，可预先构建一种树形关联结构的车辆故障知识图谱，用于说明车辆故障与车辆信号之间的关联。

其中，车辆故障包括车辆异常状态。

车辆信号包括车辆自身具有的体现车辆特征的信息，如车速、位置等。

在车辆故障知识图谱中，与某种车辆故障相关联的车辆信号称为该车辆故障的关联信号。

构建车辆故障知识图谱的过程，也就是建立各种车辆故障与关联信号的对应关系的过程。

[0072]在车辆故障检测过程中，可实时监测待检测车辆的车辆信号。

在车辆故障知识图谱中已经明确了各种车辆故障与关联信号的对应关系，也就是说知识图谱中描述了在发生各种车辆故障时其对应的关联信号有哪些异常表现。

因此可将监测到的车辆信号与车辆故障知识图谱中的关联信号的异常表现相匹配，根据匹配结果进行故障定位。

[0073]在一个示例中，车辆故障知识图谱中，车辆故障A与关联信号①、关联信号②和关联信号③相对应。

若在车辆故障检测过程中检测到关联信号①、关联信号②和关联信号③有异常表现，则将以上监测到的关联信号的异常表现与车辆故障知识图谱中的关联信号相
匹配。

上述关联信号的异常表现与车辆故障A匹配成功，则根据匹配结果将车辆故障检测的结果定位到车辆故障A。

[0074]另一方面，基于车辆故障知识图谱中已经明确的各种车辆故障与关联信号的对应关系，在应用层面，可以向研发人员智能推荐目标故障的关联信号，以便基于关联信号查找故障原因，并做出有针对性地改进以避免故障再次发生。

[0075]上述技术方案具有如下优点或有益效果：通过对车辆信号的监测，以及基于故障知识图谱中明确的车辆故障与关联信号的对应关系，能够快速、准确地进行车辆故障的分析及定位。

[0076]图2为本发明另一实施例提供的基于知识图谱的车辆故障检测方法的流程图。

如图2所示，在一种实施方式中，在步骤S120，监测待检测车辆的车辆信号之前，还包括步骤S110，预先构建车辆故障知识图谱，所述车辆故障知识图谱中包括各种车辆故障与关联信号的对应关系。

[0077]例如，可预先构建一种树形关联结构的车辆故障知识图谱，用于说明车辆故障与车辆信号之间的关联，一个示例性的车辆故障知识图谱可参见图4。

或者，构建一张网络图，用于说明各种车辆故障之间的关联性，一个示例性的车辆故障车辆关联示意图可参见图8。

[0078]图3为本发明实施例提供的基于知识图谱的车辆故障检测方法的构建车辆故障知识图谱的流程图。

如图3所示，在一种实施方式中，图2中的步骤S110，预先构建车辆故障知识图谱，具体可包括：
[0079]步骤S210，采集车辆信号；
[0080]步骤S220，对发生车辆故障时的车辆信号进行数据挖掘，将与所述车辆故障相关联的所述车辆信号确定为与该车辆故障对应的关联信号；
[0081]步骤S230，根据所述车辆故障与所述关联信号的对应关系构建所述车辆故障知识图谱。

[0082]车辆故障知识图谱构建的基础可以是近似全量的车辆信号的数据采集。

在一个示例中，数据采集的实施过程以工程试验车阶段的高频度高密度数据采集为主，例如数据采集频度可在10-1000Hz范围内，采集数据量可达4000字段数以上。

采集的车辆信号可包括车架号、经度、纬度、时间、GPS(Global Positioning System，全球定位系统)速度、表显速度、发动机转速、系统电压、档位、加速踏板、档位换挡次数等。

[0083]在步骤S210，采集车辆信号之后，实施步骤S220，进行车辆故障与车辆信号的关联分析。

具体地，可通过数据挖掘，建立单点故障与数据采集间的知识关联。

其中，“单点故障”包括引发系统失效的单项故障。

例如，一部飞驰的汽车，如果出现刹车系统失灵而导致车毁人亡，刹车系统失灵就是单点故障。

在一个示例中，纯电动车的单点故障与数据采集间的知识关联如表1所示：
[0084]表1纯电动车单点故障与数据采集间的知识关联表
[0085]
[0086]表1中所示的数据体现了车辆故障与车辆信号的对应关系。

另外，在进行车辆故障与车辆信号的关联分析的过程中，还可以融合研发人员经验的故障模型，将研发人员经验与大数据挖掘相结合。

通过整理研发人员经验，补充、修正各种车辆故障与车辆信号的关联。

将研发人员经验融合进车辆故障知识图谱，形成知识体系，一方面可以使车辆故障与车辆信号的关联分析的结果准确率更高，另一方面还可以避免人员变动带来的知识流失。

[0087]在步骤S230中，根据上述车辆故障与车辆信号的关联分析的结果构建车辆故障知识图谱。

在一种实施方式中，所述车辆故障知识图谱还包括：整车系统与整车系统的各子系统的对应关系、所述各子系统与所述各种车辆故障的对应关系。

具体地，可通过车辆故障分类及等级划分，将上述车辆故障与车辆信号的关联分析的结果按照树形结构展示，形成车辆故障知识图谱。

车辆故障分类及等级划分的示例如下：
[0088](1)车辆故障知识图谱可分为多个层级。

例如，多个层级可包括整车、各子系统、相关故障表现、关联信号。

一个示例性的故障层级结构如表2所示：
[0089]表2车辆故障知识图谱层级结构示例表
[0090]。