CN109582670A - 一种车辆维修方案的推荐方法及相关设备 - Google Patents
一种车辆维修方案的推荐方法及相关设备 Download PDFInfo
- Publication number
- CN109582670A CN109582670A CN201811287974.7A CN201811287974A CN109582670A CN 109582670 A CN109582670 A CN 109582670A CN 201811287974 A CN201811287974 A CN 201811287974A CN 109582670 A CN109582670 A CN 109582670A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- policy tree
- child node
- node
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
Abstract
本申请公开了一种车辆维修方案的推荐方法及相关设备,包括:首先获取目标车辆的第一故障诊断信息;接着根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;然后根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;最后从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案。采用本申请实施例,可以提高车辆维修效率。
Description
技术领域
本申请涉及车辆维修领域,尤其涉及一种车辆维修方案的推荐方法及相关设备。
背景技术
随着生产力和经济水平的提高,我国的汽车保有量急剧增长,轿车快速地进入普通中国百姓家庭。汽车的普及在为人们的出行带来极大的便利的同时,也给汽车维修行业带来了众多挑战。目前,中国汽车维修业普遍存在维修技术人员的技术水平良莠不齐而带来的车辆维修效率低的问题。
发明内容
本申请实施例提供一种车辆维修方案的推荐方法及相关设备。可以提高车辆维修效率。
本申请实施例第一方面公开了一种车辆维修方案的推荐方法,包括:
获取目标车辆的第一故障诊断信息;
根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;
根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;
从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案。
其中,所述维修策略树还包括一个根节点,所述根节点为所述多个子节点的源节点;
所述根据所述关联维修信息和预设逻辑关系库,生成维修策略树包括:
确定所述关联维修信息之间的关联系数;
根据所述关联系数,确定所述根节点;
根据所述根节点和所述预设逻辑关系库,生成所述维修策略树。
其中,所述每个子节点对应一个权重系数;
所述从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案包括:
根据所述权重系数,从所述维修策略树中选择目标维修步骤构建所述维修方案。
其中,所述权重系数是通过训练数据得到的;
所述方法还包括:
确定具有相同维修步骤对应的子节点的累积数量;
根据所述累积数量,确定所述每个子节点在所述维修策略树中的频数;
根据所述频数,更新所述每个子节点的所述权重系数。
其中,所述根据所述关联维修信息和预设逻辑关系库,生成维修策略树之后,还包括:
获取所述目标车辆的第二故障诊断信息;
根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点。
其中,所述维修策略树中包括子节点之间的第一逻辑关系信息;
所述根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点包括:
获取所述第二故障诊断信息中包含的第二逻辑关系信息;
将所述第一逻辑关系信息和所述第二逻辑关系信息进行匹配,确定所述多个子节点中的冗余节点;
从所述维修策略树中删除所述冗余节点。
其中,所述根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点包括:
获取所述第二故障诊断信息中包含的故障实体信息;
根据所述故障实体信息和所述预设逻辑关系库,在所述维修策略树中增加子节点。
其中,所述从所述维修策略树中选择所述维修步骤组成所述目标车辆的维修方案之后,还包括:
显示提示信息,所述提示信息用于提示用户按照所述维修方案维修所述目标车辆。
本申请实施例第二方面公开了一种车辆维修方案的推荐装置,包括:
获取模块,用于获取目标车辆的第一故障诊断信息;
关联模块,用于根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;
生成模块,用于根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;
决策模块,用于从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案。
其中,所述维修策略树还包括一个根节点,所述根节点为所述多个子节点的源节点;
所述生成模块还用于:
确定所述关联维修信息之间的关联系数;
根据所述关联系数,确定所述根节点;
根据所述根节点和所述预设逻辑关系库,生成所述维修策略树。
其中,所述每个子节点对应一个权重系数;
所述决策模块还用于:
根据所述权重系数,从所述维修策略树中选择目标维修步骤建立所述维修方案。
其中,所述权重系数是通过训练数据得到的;
所述生成模块还用于:
确定具有相同维修步骤对应的子节点的累积数量;
根据所述累积数量,确定所述每个子节点在所述维修策略树中的频数;
根据所述频数,更新所述每个子节点的所述权重系数。
其中,所述获取模块还用于:
获取所述目标车辆的第二故障诊断信息;
所述生成模块还用于:
根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点。
其中,所述维修策略树中包括子节点之间的第一逻辑关系信息;
所述生成模块还用于:
获取所述第二故障诊断信息中包含的第二逻辑关系信息;
将所述第一逻辑关系信息和所述第二逻辑关系信息进行匹配,确定所述多个子节点中的冗余节点;
从所述维修策略树中删除所述冗余节点。
其中,所述生成模块还用于:
获取所述第二故障诊断信息中包含的故障实体信息;
根据所述故障实体信息和所述预设逻辑关系库,在所述维修策略树中增加子节点。
其中,所述装置还包括显示模块,用于:
显示提示信息,所述提示信息用于提示用户按照所述维修方案维修所述目标车辆。
本申请实施例第三方面公开了一种电子设备,包括:处理器、存储器、通信接口和总线;
所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信;
所述存储器存储可执行程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行本申请实施例第一方面公开的一种车辆维修方案的推荐方法中的操作。
相应地,本申请实施例公开了一种存储介质,其中,所述存储介质用于存储应用程序,所述应用程序用于在运行时执行本申请实施例第一方面公开的一种车辆维修方案的推荐方法。
相应地,本申请实施例公开了一种应用程序,其中,所述应用程序用于在运行时执行本申请实施例第一方面公开的一种车辆维修方案的推荐方法。
实施本申请实施例,首先获取目标车辆的第一故障诊断信息;接着根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;然后根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;最后从所述维修策略树中选择所述维修步骤构建所述目标车辆的维修方案,可以提高车辆维修效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。
图1是本申请实施例提供的一种车辆维修方案的推荐方法的流程示意图;
图2是本申请实施例提供的一种逻辑事务网络的示意图;
图3是本申请实施例提供的一种维修策略树的示意图;
图4是本申请实施例提供的另一种车辆维修方案的推荐方法的流程示意图;
图5是本申请实施例提供的一种实际应用流程的示意图;
图6是本申请实施例提供的一种车辆维修方案的推荐装置的结构示意图;
图7是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
请参考图1,图1是本申请实施例提供的一种车辆维修方案的推荐方法的流程示意图。本申请实施例中的执行主体是电子设备,如图所示,本申请实施例中的方法包括:
S101,获取目标车辆的第一故障诊断信息。
具体实现中,当车辆发生故障时,用户可以首先利用车辆故障检测设备(如golo汽车故障诊断仪)对车辆进行故障诊断,得到故障诊断信息,该故障诊断信息中可以包括故障码、故障模块等信息,其中,故障码为车辆故障的标识信息,如C1203、P1270等。然后用户可以通过语音或文本的方式向电子设备发送故障诊断信息。例如,故障诊断设备检测到故障码C1203,则用户可以向电子设备输入语音交互信息“读到故障码C1203,咋办?”。其中,还可以将电子设备与故障诊断设备进行连接,则电子设备直接接收车辆故障诊断设备发送的故障诊断信息。
S102,根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息。
具体实现中,可以首先利用实体识别技术提取第一故障诊断信息中的关键实体(X)、利用句法结构分析技术确定相关的角色成分(Y)、以及根据用户意图分析技术,提取第一故障诊断信息中的用户意图关键值(Z),其中,若电子设备获取的是用户输入的语音交互信息,则可以先对该语音信息进行同义词标准化、谐音词标准化处理。
例如:用户输入的语音交互信息为“读到故障码C1203,咋办?”。则首先将该语音交互信息词语标准化得到“读到故障码C1203,怎么办?”,接着获取关键实体X=(读到,故障码,C1203,怎么办)、角色成分Y=(动词,名词,名词,疑问词)、以及Z=(求助疑问词)。
接着,结合关键实体(X)、角色成分(Y)、用户意图关键值(Z)以及预设逻辑关系库进行故障关联、对实体网络的场进行预测,确定车辆维修的关联维修信息,将关联维修信息记为Q=(Q1,Q2,...,Qs)。其中,X=(X1,X2,...,Xm),Y=(Y1,Y2,…,Ym),则Qi(i=1,2,…,s)的计算方法如(1)式所示,
其中,wxy为关键实体对应的实体规则权重,wz为用户意图关键值对应的意图规则权重,wxy+wz=1。wxy和wz是结合理论和大量的数据集,训练得到的。为关联频率分布计算函数,g(Z)为意图频率分布计算函数,ψ可以为狄利克雷函数。其中和g(Z)可以是常用的概率分布函数。
S103,根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤。
具体实现中,针对多个子节点,其中的一个子节点可以为另一个子节点的父节点,而将其统称为子节点是相对该维修策略树中的根节点来说的。可以首先确定关联维修信息(Q)之间的关联系数,并根据关联系数确定维修策略树的最佳流程入口,即确定维修策略树的根节点,然后根据根节点和预设逻辑关系库,生成维修策略树。在电子设备中,该维修策略树可以通过树形结构序列{O1,O2,…,ON}进行存储,O可以看作维修策略树中的一个节点。其中,O1为最佳流程入口(根节点),O1=max(W(Q1,Q2,…,Qs)),W(Q1,Q2,…,Qs)为关联系数,W为关联权重函数,W有很多种定义方式本申请实施例不作限制。具体的Oi=(Xr1,bi,Xr2,ω,C,bc),其中,Xr1、Xr2表示具体维修步骤、bi表示该子节点与该子节点的父节点之间的逻辑关系,ω表示该节点对应的权重系数,C为Xr1、Xr2的类型字段,bc表示bi所指代的逻辑关系的类型,需要说明的是Oi还可以包括其他的附加字段,本申请实施例不再作一一说明。然后根据O1和关联维修信息在预设逻辑关系库中依次确定O2,O3,…,ON,其中,预设逻辑关系库可以为逻辑事物网络,图2给出了一种可能的逻辑事物网络。
例如:接收到用户输入的语音交互信息为“读到故障码C1203,怎么办?”,则首先确定维修测策略树的流程入口为C1203,然后根据如图2所示的逻辑事务网络,生成如图3所示的维修策略树。其中,在该维修策略树中存在多对父节点与子节点,比如,“检查ECM零件号”为父节点,该父节点的子节点包括“更换ECM(3GR-FE)”、“更换ECM(5GR-FE)”和“清除并存储***信息”。在该维修策略树中3GR-FE和5GR-FE表示车辆发动机的型号,虚线方框表示父节点与子节点之间的逻辑关系,椭圆框表示子节点对应的权重系数。
可选的,用户输入的第一故障诊断信息可能仅包含目标车辆的全部故障信息的一部分。例如,golo车辆故障故障诊断仪同时读到了故障码C1203和C1207,用户输入的第一故障诊断信息为“读到故障码C1203,怎么办?”。因此,可以再次获取目标车辆的第二故障诊断信息,并根据第二故障诊断信息,在已生成的维修策略树中删除或增加子节点。其中包括两种情况:
第一种情况:获取第二故障诊断信息中的第二逻辑关系信息,然后将第二逻辑关系信息与维修策略树中的第一逻辑关系信息(图3中的虚线方框)进行匹配,确定多个子节点中的冗余节点,然后删除冗余节点。
例如:在生成如图3所示的维修策略树后,用户输入第二故障诊断信息“需要更换ECM中哪个配件呢?”,则可以从中提取逻辑关系信息“更换”,该逻辑关系信息与子节点“配件名称”的逻辑关系相同,因此确定子树(如图)中的所有子节点均为冗余节点,并从该为策略树中删除子树。
第二种情况:获取第二故障诊断信息中的故障实体信息,故障实体信息可以但不限于包括车辆配件或模块的标识信息,然后根据故障实体信息和预设逻辑关系库,在维修策略树中增加子节点。例如,在生成如图3所示的维修策略树后,用户输入第二故障诊断信息“XXX传感器异常”,则可以在预设逻辑关系库中,针对XXX传感器进行故障关联,并在为策略树中增加相应的维修步骤对应的子节点。
S104,从所述维修策略树中选择所述维修步骤构建所述目标车辆的维修方案。
具体实现中,维修策略树中的每个子节点对应一个权重系数,其中,该权重系数是结合理论和大量的数据集训练得到的,在后续的操作中可以对该权重系数进行调整。其中,可以根据该权重系数,从维修策略树依次选择维修步骤,其中,可以从根节点开始依次选择权重系数最大的子节点对应的维修步骤。其中,针对维修策略树{O1,O2,…,ON},可以从O1开始进行遍历,保存每个所选择的子节点对应的维修步骤(S),并返回Oout=(Xst,Bi,Xnext)。其中,Xst为当前访问的Oi的Xr1,Bi为当前访问的Oi的bi。Xnext=max(w(Qi)|Xst=Xr1),max(w(Qi)|Xst=Xr1)表示当Xst=Xr1时的最大的w(Qi),w可以为常见的概率函数。其中,还可以将Oout转换成用户可理解的结构化语句并显示。例如,结构化语句可以为“首先检查是否正常,若正常,则,若不正常,则。”,其中,“”是需要根据Oout填入的模块、零件名称、或操作步骤等信息。
其中,{O1,O2,…,ON}为维修策略树在电子设备中的存储方式,为了便于理解,在以下例子中,将以如图3所示的维修策略树来举例说明根据该权重系数,从维修策略树依次选择维修步骤。
例如:如图3所示,从“C1203”开始首先在“C1203”的两个子节点中选择权重系数较大的“检查ECM零件”(S1);接着在“检查ECM零件”的3个子节点中选择权重系数最大的子节点“清除并存储***信息”(S2);然后在仅考虑标准操作流程的情况下,选择“清除并存储***信息”的子节点“重新确认DTC”(S3),DTC表示诊断故障码;最后在“重新确认DTC”的2个子节点中选择权重系数较大的“更换制动执行器总成”(S4)。最终,根据从维修策略树中选择的维修步骤,建立维修方案:首先检查ECM零件是否正常,若正常,则先清除并存储***信息,再重新确认DTC,若存在C1203,则更换制动执行器总成。
可选的,可以显示目标车辆的维修方案,以便提示用户按照该维修方案对目标车辆进行维修。
可选的,可以显示整个维修策略树,以便向用户推荐多种可选的维修方案,用户则可以根据自身技术实力和目标车辆的具体故障情况从该策略树中选择合适的维修方案。
在本申请实施实施例中,首先获取目标车辆的第一故障诊断信息;接着根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;然后根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;最后从所述维修策略树中选择所述维修步骤构建所述目标车辆的维修方案,从而提高车辆维修效率。
请参考图4,图4是本申请实施例提供的另一种车辆维修方案的推荐方法的流程示意图。如图所示,本申请实施例中的方法包括:
S401,获取目标车辆的第二故障诊断信息。本步骤与上一实施例中的S101相同,本步骤不再赘述。
S402,根据第一故障诊断信息,确定目标车辆的关联维修信息。本步骤与上一实施例中的S102相同,本步骤不再赘述。
S403,根据关联维修信息和预设逻辑关系库,生成维修策略树。本步骤与上一实施例中的S103相同,本步骤不再赘述。
S404,从维修策略树中选择维修步骤建立维修方案。本步骤与上一实施例中的S104相同,本步骤不再赘述。
S405,确定目标车辆的是否维修成功。若是,则执行S406。若否,则执行S407。
具体实现中,可以接收用户的反馈信息,并根据该反馈信息确定目标车辆是否维修成功。
S406,更新维修策略树中的子节点的权重系数。
具体实现中,在首次使用维修策略树时,该维修策略树中的每个子节点对应的权重系数是结合理论对大量的数据进行训练到的。因此,在对该维修决策树的实际使用过程中,可以根据实际使用情况更新该权重系数,以便权重系数确定更准确、更符合实际。可以针对维修方案中的每个维修步骤,首先确定具有该维修步骤子节点的累积数量;接着根据累积数量,确定每个子节点在该维修策略树中的频数(num),其中,频数等于累积数量;然后根据频数,更新子节点的权重系数(ω),其中,ω=1/(1+e-(num-1)),其中,e等于2.7182。例如,如图3所示的维修策略树,目标车辆的维修步骤中包括“更换ECM(3GR-FE)”,具有该维修步骤的子节点的累积数量为2,则这两个子节点的频数为2,权重系数为1/(1+e-1),其中,若子节点对应的维修步骤不包含在目标车辆的维修方案中,则该子节点的权重系数保持不变。
S407,更新维修决策树。
具体实现中,可以根据步骤S404中所确定的维修方案,对维修决策树进行剪枝处理。具体的,基于维修策略树{O1,O2,…,ON}和S404中的Oout=(Xst,Bi,Xnext),可以将Xr1=Xnext的Oi从该维修策略树中删除。
例如:维修方案为更换ECM(5GR-FE),若该为方案未能成功维修目标车辆,则将维修策略树中所对应的维修步骤为“更换ECM(5GR-FE)”的子节点全部删除。
以下通过一个例子来对本申请实施例中的车辆维修方案的推荐方法的整个流程进行说明。
例如:如图5所示,首先接收用户输入故障诊断信息;接着对该故障诊断信息进行信息抽取,得到关键实体信息、角色成分信息以及用户意图信息;然后根据抽取到的信息和预设的逻辑事务网络,进行故障关联,得到针对目标车辆的关联维修信息,并确定流程入口、生成维修策略树;再根据权重系数优先原则,从维修策略树中确定最优维修方案推荐给用户;然后接收用户的反馈信息,确定推荐的方案是否解决了目标车辆的故障。若是,则根据最优维修方案更新策略树中的子节点的权重系数。若否,则以最优维修方案为依据,更新维修策略树,重新确定维修方案。在整个过程中用户可以随时输入交互信息,比如:追加故障诊断信息、确定维修方向等,以便电子设备更新策略树。
在本申请实施例中,首先获取目标车辆的第一故障诊断信息;接着根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;然后根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;最后从所述维修策略树中选择所述维修步骤构建所述目标车辆的维修方案,可以提高车辆维修效率。
请参考图6,图6是本申请实施例提供的一种车辆维修方案的推荐装置的结构示意图。如图所示,本申请实施例中的装置包括:
获取模块601,用于获取目标车辆的第一故障诊断信息。
具体实现中,可以当车辆发生故障时,用户可以首先利用车辆故障检测设备(golo汽车故障诊断仪)对车辆进行故障诊断,得到故障诊断信息,该故障诊断信息中可以包括故障码、故障模块等信息,其中,故障码为一类车辆故障的标识信息,如C1203、P1270等。然后用户可以通过语音或文本的方式向电子设备发送该故障诊断信息。
关联模块602,用于根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息。
具体实现中,可以首先利用实体识别技术提取第一故障诊断信息中的关键实体(X)、利用句法结构分析技术确定相关的角色成分(Y)、以及根据用户意图分析技术,提取第一故障诊断信息中的用户意图关键值(Z),其中,若电子设备获取的是包含故障诊断信息的用户输入的语音交互信息,则可以先对该语音信息进行同义词标准化、谐音词标准化处理。
接着,结合关键实体(X)、角色成分(Y)、用户意图关键值(Z)以及预设逻辑关系库进行故障关联、对实体网络的场进行预测,确定车辆维修的目标主题,并将目标主题作为关联维修信息,将关联维修信息记为Q=(Q1,Q2,…,Qs)。其中,X=(X1,X2,...,Xm),Y=(Y1,Y2,...,Ym),Qi(i=1,2,…,s)的计算方法如(1)式所示。
生成模块603,用于根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤。
具体实现中,针对多个子节点,其中的一个子节点可以为另一个子节点的父节点,而将其统称为子节点是相对该维修策略树中的唯一的根节点来说的。可以首先确定关联维修信息(Q)之间的关联系数,并根据关联系数确定维修策略树的最佳流程入口,即确定维修策略树的根节点,然后根据根节点和预设逻辑关系库,生成维修策略树。在电子设备中,该维修策略树可以通过树形决策结构序列{O1,O2,…,ON}进行存储,O可以看作维修策略树中的一个节点。其中,O1为最佳流程入口(根节点),O1=max(W(Q1,Q2,…,Qs)),W(Q1,Q2,…,Qs)为关联系数,W函数有很多种定义方式本申请实施例不作限制。具体的Oi=(Xr1,bi,Xr2,ω,C,bc),其中,Xr1、Xr2表示具体维修步骤、bi表示该子节点与该子节点的父节点之间的逻辑关系,ω表示该节点对应的权重系数,C为Xr1、Xr2的类型字段,bc表示bi所指代的逻辑关系的类型,需要说明的是Qi还可以包括其他的附加字段,本申请实施例不再作一一说明。然后根据O1和关联维修信息在预设逻辑关系库中依次确定O2,O3,…,ON),其中,预设逻辑关系库可以为逻辑事物网络,图2给出了一种可能的逻辑事物网络。
可选的,用户输入的第一故障诊断信息可能仅包含目标车辆的全部故障信息的一部分。例如,golo车辆故障故障诊断仪同时读到了故障码C1203和C1207,用户输入的第一故障诊断信息为“读到故障码C1203,怎么办?”。因此,获取模块601还用于获取目标车辆的第二故障诊断信息。生成模块603还用于根据第二故障诊断信息,在已生成的维修策略树中删除或增加子节点。其中包括两种情况:
第一种情况:获取第二故障诊断信息中的第二逻辑关系信息,然后将第二逻辑关系信息与维修策略树中的第一逻辑关系信息(图3中的虚线方框)进行匹配,确定多个子节点中的冗余节点,然后删除冗余节点。
第二种情况:获取第二故障诊断信息中的故障实体信息,故障实体信息可以但不限于包括车辆配件或模块的标识信息,然后根据故障实体信息和预设逻辑关系库,在维修策略树中增加子节点。
决策模块604,用于从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案。
具体实现中,维修策略树中的每个子节点对应一个权重系数,其中,该权重系数是结合理论对大量的数据进行训练得到的,在后续对维修决策树的使用过程中可以对该权重系数进行更新。其中,可以根据该权重系数,从维修策略树依次选择目标维修步骤,其中,可以从根节点开始依次选择权重系数最大的子节点对应的维修步骤为目标维修步骤。针对维修策略树{O1,O2,…,ON},可以从O1开始进行遍历,保存每个所选择的子节点对应的维修步骤(S),并返回Oout=(Xst,Bi,Xnext)。其中,Xst为当前访问的Oi的Xr1,Bi为当前访问的Oi的bi。Xnext=max(w(Qi)|Xst=Xr1),max(w(Qi)|Xst=Xr1)表示当Xst=Xr1时的最大的w(Qi),w可以为常见的概率函数。其中,还可以将Oout转换成用户可理解的结构化语句并显示。
可选的,本申请实施例中的装置还可以包括显示模块,用于显示目标车辆的维修方案,以便提示用户按照该维修方案对目标车辆进行维修。
可选的,显示模块还可以用于可以显示维修策略树,以便向用户推荐多种可选的维修方案,用户则可以根据自身技术实力和目标车辆的具体故障情况从该策略树中选择合适的维修方案。
可选的,获取模块601还用于接收用户的反馈信息,决策模块还用于并根据该反馈信息确定目标车辆是否维修成功。
生成模块603还用于,当目标车辆维修成功时,更新维修策略树中的子节点的权重系数。
具体实现中,可以针对维修方案中的每个维修步骤对应的子节点,首先确定维修策略树中的多个子节点中与该子节点具有相同维修步骤的子节点的累积数量,例如:如图3所示的维修策略树,与子节点“更换ECM(3GR-FE)”相同的子节点的累积数量为1;接着根据累积数量,确定所述每个子节点在所述维修策略树中的频数(num),其中,频数等于累积数量加1;然后根据频数,确定每个子节点的权重系数(ω)。
生成模块603还用于,当目标车辆维修失败时,更新维修策略树中。具体的,可以根据已确定、但维修失败的维修方案,对维修决策树进行剪枝处理。具体的,基于维修策略树{O1,O2,…,ON}和Oout=(Xst,Bi,Xnext),可以将Xr1=Xnext的Oi从维修策略树中删除。
在本申请实施例中,首先获取目标车辆的第一故障诊断信息;接着根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;然后根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;最后从所述维修策略树中选择所述维修步骤构建所述目标车辆的维修方案,可以提高车辆维修效率。
请参考图7,图7是本申请实施例提出的一种电子设备的结构示意图。如图所示,该电子设备可以包括:至少一个处理器701,例如CPU,至少一个通信接口702,至少一个存储器703,至少一个总线704。其中,总线704用于实现这些组件之间的连接通信。其中,本申请实施例中电子设备的通信接口702是有线发送端口,也可以为无线设备,例如包括天线装置,用于与其他节点设备进行信令或数据的通信。存储器703可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器703可选的还可以是至少一个位于远离前述处理器701的存储装置。存储器703中存储一组程序代码,且处理器701用于调用存储器中存储的程序代码,用于执行以下操作:
获取目标车辆的第一故障诊断信息;
根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;
根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;
从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案。
其中,所述维修策略树还包括一个根节点,所述根节点为所述多个子节点的源节点;
处理器701还用于执行如下操作步骤:
确定所述关联维修信息之间的关联系数;
根据所述关联系数,确定所述根节点;
根据所述根节点和所述预设逻辑关系库,生成所述维修策略树。
其中,所述每个子节点对应一个权重系数;
处理器701还用于执行如下操作步骤:
根据所述权重系数,从所述维修策略树中选择目标维修步骤构建所述维修方案。
其中,所述权重系数是通过训练数据得到的;
处理器701还用于执行如下操作步骤:
确定具有相同维修步骤对应的子节点的累积数量;
根据所述累积数量,确定所述每个子节点在所述维修策略树中的频数;
根据所述频数,更新所述每个子节点的所述权重系数。
其中,处理器701还用于执行如下操作步骤:
获取所述目标车辆的第二故障诊断信息;
根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点。
其中,所述维修策略树中包括子节点之间的第一逻辑关系信息;
处理器701还用于执行如下操作步骤:
获取所述第二故障诊断信息中包含的第二逻辑关系信息;
将所述第一逻辑关系信息和所述第二逻辑关系信息进行匹配,确定所述多个子节点中的冗余节点;
从所述维修策略树中删除所述冗余节点。
其中,处理器701还用于执行如下操作步骤:
获取所述第二故障诊断信息中包含的故障实体信息;
根据所述故障实体信息和所述预设逻辑关系库,在所述维修策略树中增加子节点。
其中,处理器701还用于执行如下操作步骤:
显示提示信息,所述提示信息用于提示用户按照所述维修方案维修所述目标车辆。
需要说明的是,本申请实施例同时也提供了一种存储介质,该存储介质用于存储应用程序,该应用程序用于在运行时执行图1和图4所示的一种车辆维修方案的推荐方法中电子设备执行的操作。
需要说明的是,本申请实施例同时也提供了一种应用程序,该应用程序用于在运行时执行图1和图4所示的一种车辆维修方案的推荐方法中电子设备执行的操作。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述的具体实施方式,对本申请的目的、技术方案和有益效果进行了进一步详细说明。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种车辆维修方案的推荐方法,其特征在于,所述方法包括:
获取目标车辆的第一故障诊断信息;
根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;
根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;
从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案。
2.如权利要求1所述的方法,其特征在于,所述维修策略树还包括一个根节点,所述根节点为所述多个子节点的源节点;
所述根据所述关联维修信息和预设逻辑关系库,生成维修策略树包括:
确定所述关联维修信息之间的关联系数;
根据所述关联系数,确定所述根节点;
根据所述根节点和所述预设逻辑关系库,生成所述维修策略树。
3.如权利要求1所述的方法,其特征在于,所述每个子节点对应一个权重系数;
所述从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案包括:
根据所述权重系数,从所述维修策略树中选择所述目标维修步骤构建所述维修方案。
4.如权利要求3所述的方法,其特征在于,所述权重系数是通过训练数据得到的;
所述方法还包括:
确定具有相同维修步骤的子节点的累积数量;
根据所述累积数量,确定所述每个子节点在所述维修策略树中的频数;
根据所述频数,更新所述每个子节点的所述权重系数。
5.如权利要求1所述的方法,其特征在于,所述根据所述关联维修信息和预设逻辑关系库,生成维修策略树之后,还包括:
获取所述目标车辆的第二故障诊断信息;
根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点。
6.如权利要求5所述的方法,其特征在于,所述维修策略树中包括第一逻辑关系信息;
所述根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点包括:
获取所述第二故障诊断信息中包含的第二逻辑关系信息;
将所述第一逻辑关系信息和所述第二逻辑关系信息进行匹配,确定所述多个子节点中的冗余节点;
从所述维修策略树中删除所述冗余节点。
7.如权利要求5所述的方法,其特征在于,所述根据所述第二故障诊断信息,在所述维修策略树中删除或增加子节点包括:
获取所述第二故障诊断信息中包含的故障实体信息;
根据所述故障实体信息和所述预设逻辑关系库,在所述维修策略树中增加子节点。
8.如权利要求1-7任一项所述的方法,其特征在于,所述从所述维修策略树中选择所述维修步骤构建所述目标车辆的维修方案之后,还包括:
显示提示信息,所述提示信息用于提示用户按照所述维修方案维修所述目标车辆。
9.一种车辆维修方案的推荐装置,其特征在于,所述装置包括:
获取模块,用于获取目标车辆的第一故障诊断信息;
关联模块,用于根据所述第一故障诊断信息,确定所述目标车辆的关联维修信息;
生成模块,用于根据所述关联维修信息和预设逻辑关系库,生成维修策略树,所述维修策略树包括多个子节点,所述多个子节点中的每个子节点对应一个维修步骤;
决策模块,用于从所述维修策略树中选择目标维修步骤构建所述目标车辆的维修方案。
10.一种电子设备,其特征在于,包括:处理器、存储器、通信接口和总线;
所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信;
所述存储器存储可执行程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如权利要求1-8任一项所述的车辆维修方案的推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811287974.7A CN109582670B (zh) | 2018-10-31 | 2018-10-31 | 一种车辆维修方案的推荐方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811287974.7A CN109582670B (zh) | 2018-10-31 | 2018-10-31 | 一种车辆维修方案的推荐方法及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109582670A true CN109582670A (zh) | 2019-04-05 |
CN109582670B CN109582670B (zh) | 2023-04-07 |
Family
ID=65920972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811287974.7A Active CN109582670B (zh) | 2018-10-31 | 2018-10-31 | 一种车辆维修方案的推荐方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109582670B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795336A (zh) * | 2019-09-25 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 应用程序的控制方法、装置、设备及可读存储介质 |
CN111027724A (zh) * | 2019-12-10 | 2020-04-17 | 新石器慧通(北京)科技有限公司 | 一种故障处理方法、装置、电子设备和存储介质 |
CN113655770A (zh) * | 2021-07-02 | 2021-11-16 | 上海乐意修科技有限公司 | 一种汽车故障诊断教学***及方法 |
CN115134212A (zh) * | 2022-06-29 | 2022-09-30 | 中国工商银行股份有限公司 | 策略推送方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
CN102708134A (zh) * | 2011-03-10 | 2012-10-03 | 通用汽车环球科技运作有限责任公司 | 由维修程序开发故障模型 |
CN105956669A (zh) * | 2016-05-06 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆维修策略推送方法及装置 |
WO2016188279A1 (zh) * | 2015-05-25 | 2016-12-01 | 阿里巴巴集团控股有限公司 | 一种故障谱的生成、基于故障谱的检测方法和装置 |
CN108182274A (zh) * | 2018-01-23 | 2018-06-19 | 广东欧珀移动通信有限公司 | 电子设备的维修处理方法及相关产品 |
-
2018
- 2018-10-31 CN CN201811287974.7A patent/CN109582670B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
CN102708134A (zh) * | 2011-03-10 | 2012-10-03 | 通用汽车环球科技运作有限责任公司 | 由维修程序开发故障模型 |
WO2016188279A1 (zh) * | 2015-05-25 | 2016-12-01 | 阿里巴巴集团控股有限公司 | 一种故障谱的生成、基于故障谱的检测方法和装置 |
CN105956669A (zh) * | 2016-05-06 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆维修策略推送方法及装置 |
CN108182274A (zh) * | 2018-01-23 | 2018-06-19 | 广东欧珀移动通信有限公司 | 电子设备的维修处理方法及相关产品 |
Non-Patent Citations (1)
Title |
---|
梁先登等: "地铁设备维修策略优选方法及实证", 《城市轨道交通研究》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110795336A (zh) * | 2019-09-25 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 应用程序的控制方法、装置、设备及可读存储介质 |
CN111027724A (zh) * | 2019-12-10 | 2020-04-17 | 新石器慧通(北京)科技有限公司 | 一种故障处理方法、装置、电子设备和存储介质 |
CN113655770A (zh) * | 2021-07-02 | 2021-11-16 | 上海乐意修科技有限公司 | 一种汽车故障诊断教学***及方法 |
CN115134212A (zh) * | 2022-06-29 | 2022-09-30 | 中国工商银行股份有限公司 | 策略推送方法、装置、计算机设备和存储介质 |
CN115134212B (zh) * | 2022-06-29 | 2024-04-19 | 中国工商银行股份有限公司 | 策略推送方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109582670B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109582670A (zh) | 一种车辆维修方案的推荐方法及相关设备 | |
US20180173698A1 (en) | Knowledge Base for Analysis of Text | |
WO2018120721A1 (zh) | 用户界面的测试方法、***、电子装置及计算机可读存储介质 | |
US8984340B2 (en) | System and method for test case generation using action keywords | |
US20110016451A1 (en) | Method and system for generating test cases for a software application | |
WO2023125851A1 (zh) | 远程诊断方法及装置、电子设备和存储介质 | |
CN111552633A (zh) | 接口的异常调用测试方法、装置、计算机设备及存储介质 | |
CN107194256A (zh) | 安全资产基线加固方法及装置 | |
CN109660533B (zh) | 实时识别异常流量的方法、装置、计算机设备和存储介质 | |
US11481554B2 (en) | Systems and methods for training and evaluating machine learning models using generalized vocabulary tokens for document processing | |
CN111258832B (zh) | 一种接口参数校验方法、装置、设备及介质 | |
CN109144852A (zh) | 静态代码的扫描方法、装置、计算机设备及存储介质 | |
EP4134877A1 (en) | Training method and apparatus for fault recognition model, fault recognition method and apparatus, and electronic device | |
US9952962B2 (en) | Increasing accuracy of traceability links and structured data | |
CN103440460A (zh) | 一种应用***变更验证方法及验证*** | |
US20230007894A1 (en) | Intelligent Dynamic Web Service Testing Apparatus in a Continuous Integration and Delivery Environment | |
CN110716843A (zh) | ***故障分析处理方法、装置、存储介质及电子设备 | |
CN111198902A (zh) | 元数据管理方法、装置、存储介质及电子设备 | |
Zhang et al. | Automated Root Causing of Cloud Incidents using In-Context Learning with GPT-4 | |
CN116185853A (zh) | 代码校验方法及装置 | |
WO2023103344A1 (zh) | 一种数据处理方法、装置、设备及存储介质 | |
EP3002681A1 (en) | Methods and apparatus for customizing and using a reusable database framework for fault processing applications | |
US20230113860A1 (en) | Proactive network application problem log analyzer | |
CN109146096A (zh) | 报修事件的处理方法、装置、存储介质及电子设备 | |
EP4244865A1 (en) | System and method for automated or semi-automated identification of malfunction area(s) for maintenance cases |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |