CN113064966B - 用于故障定位的方法、***及装置 - Google Patents
用于故障定位的方法、***及装置 Download PDFInfo
- Publication number
- CN113064966B CN113064966B CN202110310019.6A CN202110310019A CN113064966B CN 113064966 B CN113064966 B CN 113064966B CN 202110310019 A CN202110310019 A CN 202110310019A CN 113064966 B CN113064966 B CN 113064966B
- Authority
- CN
- China
- Prior art keywords
- fault
- information
- target
- type information
- fault type
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000012545 processing Methods 0.000 claims abstract description 53
- 238000003745 diagnosis Methods 0.000 claims abstract description 34
- 230000004807 localization Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000007418 data mining Methods 0.000 abstract description 2
- 238000005406 washing Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Telephonic Communication Services (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及通信技术与数据挖掘技术领域,公开一种用于故障定位的方法。该方法针对故障处理请求,在故障信息库中查询与故障处理请求相匹配的目标故障类型信息以及对应的用于进行故障诊断的信息类别,通过获得客户端提交的目标故障类型信息关联的信息类别对应的故障描述信息,从与目标故障类型信息关联的贝叶斯网络中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支,该目标贝叶斯网络关联的故障子类型信息即为故障定位。在服务端中通过计算在与目标故障类型信息关联的贝叶斯网络中,与故障描述信息匹配度最高的目标贝叶斯网络分支的方式来定位故障,有助于提高故障定位的准确率。本申请还公开一种用于故障定位的装置。
Description
技术领域
本申请涉及通信技术与数据挖掘技术领域,例如涉及一种用于故障定位的方法、***及装置。
背景技术
目前,用户在多个领域,例如,金融、通信、智能家电等领域,遇到问题时,可以通过客服热线的方式,与客服一对一交流来解决用户遇到的问题;或者,用户也可以通过访问应用程序(Application,App)的方式,来寻求解决问题的方法,也就是说,用户可以基于App后台提供的问题诊断与处理***或根据以往经验汇总的一系列问题排查的流程,来判别其所遇问题并获得该问题对应的处理方式。
然而第一种解决方案人力成本和学习成本较高,随着涉及的业务逐渐复杂或是遇到技术门槛越来越高时,往往需要转交到相关专业的技术部门处理,之后用户才能得到问题解决的结果。第二种方案是基于经验的流式解决问题,每次处理问题都需要按照顺序执行,将所有流程节点和判断条件顺序执行完毕,速度较慢,且最终只能指向某一结果,结果准确率较低。
影响结果准确率的因素有很多,故障定位即为其中的一种影响因素。现有技术公开了一种设备报障和故障诊断方法及***,该方法首先对综合故障信息中包含的精准特征信息进行分类,若为高精准特征信息,则直接定位故障;若为中精准特征信息,则通过预设的规则引擎定位故障;若为低精准特征信息,则通过预设文本相似度比较规则,在云端服务器的数据库中确定与综合故障信息相近的故障。该方法中若用户给出的为低精准特征时,进行故障定位时,易出现定位不准确的情况。
在实现本公开实施例的过程中,发现相关技术中至少存在如下问题:
故障定位的准确率低。
发明内容
为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
本公开实施例提供了一种用于故障定位的方法、***及装置,以解决故障定位准确率低的技术问题。
在一些实施例中,所述用于故障定位的方法,应用于服务端,所述方法包括:获得故障信息库的信息,所述故障信息库中保存有智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,每个故障类型信息关联不同的贝叶斯网络,各故障子类型信息分别对应贝叶斯网络的不同分支;如果获得客户端针对待诊断智能设备提交的故障处理请求,且根据所述故障处理请求,从所述故障信息库中匹配到与所述待诊断智能设备关联的目标故障类型信息,则将所述目标故障类型信息以及对应的用于进行故障诊断的信息类别,发送至所述客户端,其中,所述目标故障类型信息属于所述待诊断智能设备关联的故障类型信息;如果获得所述客户端提交的所述目标故障类型信息关联的信息类别对应的故障描述信息,则根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支;确定所述待诊断智能设备的故障为所述目标贝叶斯网络分支关联的故障子类型信息。
可选地,所述方法还包括:如果根据所述故障处理请求,未从所述故障信息库中匹配到与所述待诊断智能设备关联的目标故障类型信息,则将所述待诊断智能设备关联的所有故障类型信息以及各自对应的用于进行故障诊断的信息类别,发送至所述客户端;如果获得所述客户端提交的所述目标故障类型信息,以及与所述目标故障类型信息关联的信息类别对应的故障描述信息,则根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,其中,所述目标故障类型信息属于所述待诊断智能设备关联的故障类型信息。
可选地,所述根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,包括:从所述故障描述信息中提取与所述目标故障类型信息关联的关键词信息;获得在所述关键词信息发生的条件下,所述目标故障类型信息关联的贝叶斯网络各分支发生的概率值;将所述概率值最高的贝叶斯网络分支确定为所述目标贝叶斯网络分支。
可选地,还包括:获得知识库,所述知识库中保存有不同故障子类型信息各自对应的解决方案;从所述知识库中,匹配所述目标贝叶斯网络分支关联的故障子类型信息对应的目标解决方案;向用户推送所述目标解决方案。
在一些实施例中,所述用于故障定位的方法,应用于客户端,所述方法包括:获得针对待诊断智能设备的故障处理请求,发送至服务端;接收所述服务端根据所述故障处理请求,从故障信息库中匹配的所述待诊断智能设备关联的目标故障类型信息,以及对应的用于进行故障诊断的信息类别;获得所述目标故障类型信息关联的信息类别对应的故障描述信息,发送至所述服务端,以便所述服务端根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,并将所述目标贝叶斯网络分支关联的故障子类型信息定位为所述待诊断智能设备的故障。
可选地,如果所述服务端未匹配到所述目标故障类型信息,所述方法还包括:接收所述服务端根据所述故障处理请求,从所述故障信息库中匹配的所述待诊断智能设备关联的所有故障类型信息,以及各自对应的用于进行故障诊断的信息类别;获得从所述待诊断智能设备关联的所有故障类型信息中确定的所述目标故障类型信息,以及所述目标故障类型信息关联的信息类别对应的故障描述信息,发送至所述服务端。
可选地,所述接收所述服务端根据所述故障处理请求,从所述故障信息库中匹配的所述待诊断智能设备关联的所有故障类型信息,以及各自对应的用于进行故障诊断的信息类别,包括:向用户推送所述待诊断智能设备关联的所有故障类型信息;如果获得所述用户从所述待诊断智能设备关联的所有故障类型信息中确定的所述目标故障类型信息,则向所述用户推送所述目标故障类型信息关联的信息类别;获得所述用户根据所述信息类别输入的所述故障描述信息。
可选地,接收所述所有故障类型信息以及各自对应的用于进行故障诊断的信息类别之后,还包括:提示与所述待诊断智能设备关联的所有故障类型信息,以及各自对应的用于进行故障诊断的信息类别;获得拒绝操作或者输入与所述待诊断智能设备关联的目标故障类型信息;向服务器发送拒绝操作或者输入与所述待诊断智能设备关联的目标故障类型信息;获得结束此次故障处理请求。
在一些实施例中,所述用于故障定位的***,包括服务端和至少一个客户端:所述服务端设置有故障信息库,所述故障信息库中保存有不同智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,且各故障子类型信息分别对应故障类型信息关联的贝叶斯网络的不同分支;所述服务端,用于在获得所述客户端针对待诊断智能设备提交的故障处理请求时,根据所述故障处理请求从所述故障信息库中匹配与所述待诊断智能设备关联的目标故障类型信息,并将所述目标故障类型信息以及对应的用于进行故障诊断的信息类别发送至所述客户端;所述客户端,用于获得所述目标故障类型信息关联的信息类别对应的故障描述信息,发送至所述服务端,由所述服务端根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,并将所述待诊断智能设备的故障定位为所述目标贝叶斯网络分支关联的故障子类型信息。
在一些实施例中,所述一种用于故障定位的装置,包括处理器和存储有程序指令的存储器,所述处理器被配置为执行所述程序指令时,执行如前述实施例提供的用于故障定位的方法。
本公开实施例提供的用于故障定位的方法、***及装置,可以实现以下技术效果:
获得用户输入的故障处理请求,服务端在故障信息库中查询与故障处理请求相匹配的目标故障类型信息以及对应的用于进行故障诊断的信息类别,并向客户端发送这些信息,获得客户端提交的目标故障类型信息关联的信息类别对应的故障描述信息,服务端从与目标故障类型相关联的贝叶斯网络中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支,该目标贝叶斯网络分支关联的故障子类型信息即为故障定位。因为是基于已有问题处理经验和专业知识构建的贝叶斯网络,所有贝叶斯网络节点数据由***自动收集,避免了信息不对称的情况下仅凭用户看到的现象来进行问题排查和分析,有助于提高故障定位的准确率。
以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明,这些示例性说明和附图并不构成对实施例的限定,附图中具有相同参考数字标号的元件示为类似的元件,附图不构成比例限制,并且其中:
图1是本公开实施例提供的一种用于故障定位的方法所涉及的实施环境的环境示意图;
图2是本公开实施例提供的一种用于故障定位的方法的示意图;
图3是本公开实施例提供的另一种用于故障定位的方法的示意图;
图4是本公开实施例提供的另一种用于故障定位的方法的示意图;
图5是本公开实施例提供的一种用于故障定位的方法的示意图;
图6是本公开实施例提供的另一种用于故障定位的方法的示意图;
图7是本公开实施例提供的与图2对应的一种用于故障定位的方法的示意图;
图8是本公开实施例提供的与图2对应的另一种用于故障定位的方法的示意图;
图9是本公开实施例提供的一种用于故障定位的控制装置的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容,下面结合附图对本公开实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本公开实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或多个实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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,以便这里描述的本公开实施例的实施例。此外,术语“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。
除非另有说明,术语“多个”表示两个或两个以上。
本公开实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
图1是本公开实施例提供的一种用于故障定位的方法所涉及的定位***的***示意图,即实施环境示意图,结合图1所示,该定位***包括客户端110和服务端120。客户端110可以是应用程序(Application,App),也可以是智能设备上的智能故障检测模块。客户端110与服务端120之间通过无线网络相连。服务端120可以由一台服务器组成,或者由若干服务器组成的服务器集群,或者是一个云计算服务中心。本公开实施例可以是一个客户端110对应多个服务端120,也可以是多个客户端110对应一个服务端120。
图2是本公开实施例提供的一种用于故障定位的方法的示意图,结合图2所示,该方法包括如下步骤:
S201,服务端设置有故障信息库,故障信息库中保存有智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,每个故障类型信息关联不同的贝叶斯网络,各故障子类型信息分别对应贝叶斯网络的不同分支;
S202,客户端获得针对待诊断智能设备的故障处理请求,并发送至服务端;
S203,服务端根据故障处理请求,在故障信息库中,匹配到与待诊断智能设备关联的目标故障类型信息,以及对应的用于进行故障诊断的信息类别,发送至客户端;
S204,客户端获得用户确定的目标故障类型信息,以及输入的目标类型信息关联的信息类别对应的故障描述信息,发送至服务端;
S205,服务端根据故障描述信息,从目标故障类型信息关联的贝叶斯网络中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支,其中,目标贝叶斯网络分支关联的故障子类型信息即为待诊断智能设备的故障定位。
作为一种示例,客户端可以是一个APP,用户可以通过这个APP关联用户身边所有的智能设备,当智能设备出现故障时,可以通过APP对这个待诊断智能设备进行故障定位,以及在需要时寻求故障解决方案。或者,在另一种示例中,客户端也可以是智能设备的智能故障检测模块,用户也可以通过智能故障检测模块,来进行故障定位,获得故障的解决方法。
本公开实施例进行故障定位时,服务端可以设置故障信息库。故障信息库中可以保存有一种或多种智能设备关联的故障类型信息,智能设备可以有:洗衣机、电冰箱、电视机等。
以洗衣机为例,在故障信息库中保存有与洗衣机关联的故障类型信息可以包括:内筒故障、外筒故障、电机故障以及轴承故障等。
此外,故障信息库中还保存有每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别。
在每个故障类型信息所在的贝叶斯网络中,该故障类型信息可以看作是贝叶斯网络的父节点,与该故障类型信息对应的至少一个故障子类型信息可以看作是贝叶斯网络的子节点。以洗衣机为例,轴承故障可以看作是一个故障类型信息,与轴承故障相对应的“洗衣机发出轰鸣声”、“洗衣机突然不转动”等,都可以作为轴承的故障子类型信息。
而与轴承故障相关的,由轴承发生故障后可能导致的一些现象或者轴承可能发生的其他故障等关键词组成的语句,可以看作是与轴承故障相关的信息类别,即,故障信息库中还可以保存每个故障类型信息各自对应的至少一个用于进行故障诊断的信息类别。
在智能设备出现故障时,用户可以通过输入文字的方式向客户端提交故障处理请求,也可以通过语音的方式将需要进行故障处理的设备告知客户端。
以洗衣机为例,用户可以向客户端输入文字“洗衣机发出轰鸣声”,或者用户通过向客户端输入语音“洗衣机发出轰鸣声”,以使客户端获得故障处理请求。
当用户输入的信息为“洗衣机发出轰鸣声”时,即故障处理请求包括待诊断智能设备的标识信息和故障相关的信息时。服务端可以从故障处理请求中提取到相关的词语,如:“洗衣机”和“轰鸣声”,如果根据“轰鸣声”可以从洗衣机关联的多个故障类型信息中,确定出目标故障类型信息,则可将目标故障类型信息以及对应的用于进行故障诊断的信息类别,发送至客户端。
在实际应用过程中,服务端根据故障处理请求可能会匹配到一个目标故障类型信息,则服务端可以将这个目标故障类型信息以及与目标故障类型信息关联的信息类别发送至客户端。或者,服务端也可能匹配到多个目标故障类型信息,则可将多个目标故障类型信息以及与各目标故障类型信息对应的信息类别发送至客户端。
以洗衣机为例,目标故障类型信息可以是与洗衣机发生轰鸣声相关的部件;信息类别可以是洗衣机发生轰鸣声前的一些情况,也可以是洗衣机发出轰鸣声时伴随的一些情况。
对应上述方案,对于匹配到一个目标故障类型信息的方案来说,若用户确定是这个故障,则输入与目标故障类型信息关联的信息类别对应的故障描述信息,并通过客户端提交至服务端。若用户确定不是这个故障,则可通过客户端返回相关提示信息给服务端,服务端对这个故障进行纠正,并根据相关提示信息确定新的目标故障类型信息再返回至客户端,以此循环,直至用户确定故障类型信息。
对于匹配到多个目标故障类型信息的方案来说,用户可以从多个目标故障类型信息中选定一个当前目标故障类型信息,输入与当前目标故障类型信息关联的信息类别对应的故障描述信息,通过客户端提交至服务端。
如此,服务端便可根据客户端提交的故障描述信息,即发出轰鸣声之前发生的一些状况或者是洗衣机发出轰鸣声伴随的一些状况,从与轰鸣声这一目标故障类型信息相关联的贝叶斯网络分支中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支。这个目标贝叶斯网络分支相关联的故障子类型信息即可定位为待诊断的智能设备的故障。
图3是是本公开实施例提供的另一种用于故障定位的方法的示意图,结合图3所示,该方法包括如下步骤:
S301,服务端设置有故障信息库,故障信息库中保存有不同智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,且各故障子类型信息分别对应故障类型信息关联的贝叶斯网络的不同分支;
S302,客户端获得针对待诊断智能设备的故障处理请求,并发送至服务端;
S303,服务端根据故障处理请求,在故障信息库中,未匹配到与待诊断智能设备关联的目标故障类型信息,则将待诊断智能设备关联的所有故障类型信息以及与故障类型信息关联的信息类别,发送至客户端;
S304,客户端接收服务端发送的所有故障类型信息,以及对应的用于进行故障诊断的信息类别,将这些信息提示给用户;
S305,获得用户从所有故障类型信息中确认的目标故障类型信息,以及与目标故障类型信息关联的信息类别的故障描述信息,发送至服务端;
S306,服务端根据目标故障类型信息和故障描述信息,从目标故障类型信息关联的贝叶斯网络中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支,其中,目标贝叶斯网络分支关联的故障子类型信息即为待诊断智能设备的故障定位。
步骤S301的具体实现过程见参见步骤S201处所做介绍,此处不再赘述。
本公开实施例中,用户可以通过输入文字的方式向客户端发送故障处理请求,也可以通过客户端界面点击要进行故障处理的智能设备的图标或是相关文字等方式发送故障处理请求,还可以通过语音的方式将需要进行故障处理的设备告知客户端。
以洗衣机为例,用户可以通过向客户端输入“修理洗衣机”的文字来向客户端发送故障处理请求,也可以是通过点击与洗衣机相关的图标或是文字发送故障处理请求,还可以是向客户端输入“修理洗衣机”的语音发送故障处理请求。
也就是说,用户向客户端输入的信息可能只包含待诊断智能设备的标识信息;或者,用户输入的信息中虽然也含有与故障相关的信息,但是服务器根据以上信息无法匹配到待诊断智能设备的目标故障类型信息,则可将与待诊断智能设备关联的所有故障类型信息发送至客户端,即与洗衣机相关的所有故障类型信息发送至客户端,供用户从中选择。
在实际应用过程中,服务端可以将待诊断智能设备关联的所有故障类型信息以及各故障类型信息对应的用于进行故障诊断的信息类别,同时发送至客户端,则用户通过客户端从所有故障类型信息中选定一个目标故障类型信息后,可以根据该选定的目标故障类型信息关联的信息类别,输入相应的故障描述信息,提交至服务端。
或者,服务端可以先将待诊断智能设备关联的所有故障类型信息发送至客户端,并在用户通过客户端从所有故障类型信息中选定一个目标故障类型信息,提交至服务端后,服务端再向客户端提示与这个目标故障类型信息关联的信息类别,以便用户根据信息类别,输入相应的故障描述信息,提交至服务端。
以洗衣机为例,目标故障类型信息可以是“轴承故障”,故障描述信息可以是“在洗衣服的时候,洗衣机发出轰鸣声,且伴有剧烈震动”。
服务端获得目标故障类型信息与故障描述信息后,根据故障描述信息,从与目标故障类型信息相关联的贝叶斯网络中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支。这个目标贝叶斯网络分支关联的故障子类型信息就定位为待诊断的智能设备的故障。
图4是本公开实施例提供的另一种用于故障定位的方法的示意图,结合图4所示,根据故障描述信息,从目标故障类型信息关联的贝叶斯网络中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支,包括:
S401,从故障描述信息中提取与目标故障类型信息关联的关键词信息;
S402,获得在关键词信息发生的条件下,目标故障类型信息关联的贝叶斯网络各分支发生的概率值;
S403,将概率值最高的贝叶斯网络分支确定为目标贝叶斯网络分支。
服务端获得目标故障类型信息以及故障描述信息后,运用贝叶斯定理计算目标贝叶斯网络分支。
服务端从通过客户端得到的故障描述信息中,提取与目标故障信息相关的关键词信息信息。
本公开实施例中,针对各故障类型信息,故障信息库中还可以保存如下根据历史经验确定的预设概率信息:故障类型信息的发生概率、故障子类型信息的发生概率、以及在故障类型信息发生的条件下故障子类型信息的发生概率。其中,对于每个故障子类型信息来说,可以关联至少一个用于描述该故障子类型信息的预设关键词。
下面以洗衣机为例,对根据故障描述信息确定目标贝叶斯网络分支的过程进行举例说明。服务端从用户输入的故障描述信息,即洗衣机发出轰鸣声前的一些状况或是洗衣机发出轰鸣声伴随的一些状况的语句中,提取出与洗衣机所发生故障关联的一个或者多个可用关键词信息。其中,可用关键词信息可以对应匹配到,故障信息库中存储的与发出轰鸣声相关的预设关键词信息中的一个或者多个。
当可用关键词信息为一个时,可以将这个可用关键词信息所在的贝叶斯网络分支作为目标贝叶斯网络分支,目标贝叶斯网络分支关联的故障子类型信息作即为待诊断智能设备的故障定位。
当可用关键词信息为多个时,可以运用贝叶斯定理计算出各可用关键词信息所在的可用贝叶斯网络分支,并获得根据目标故障类型信息的发生概率、可用贝叶斯网络分支对应的可用故障子类型信息的发生概率、以及在目标故障类型信息发生的条件下可用故障子类型信息的发生概率,计算的在可用故障子类型信息发生的条件下目标故障类型信息发生的概率值;比较这些发生的概率值的大小,其中发生的概率值最大的可用贝叶斯网络分支即为目标贝叶斯网络分支,目标贝叶斯网络分支关联的故障子类型信息作为待诊断智能设备的故障定位。通过这样的计算方法,有助于提高故障定位的准确率。
图5是本公开实施例提供的另一种用于故障定位的方法的示意图,结合图5所示,该用于故障定位的方法还包括:
S501,获得知识库,所述知识库中保存有不同故障子类型信息各自对应的解决方案;
S502,从所述知识库中,匹配所述目标贝叶斯网络分支关联的故障子类型信息对应的目标解决方案;
S503,向用户推送所述目标解决方案。
服务端中除了有故障信息库之外,还可以有知识库,知识库中保存有不同故障子类型信息各自对应的解决方案。其中,解决方案可以体现为基于故障解决经验给出的问题解决和处理步骤,匹配与服务端通过计算获得的故障定位相对应的目标解决方案,并向用户推送目标解决方案,知识库模块是基于故障解决经验给出的问题解决和处理步骤,与现有技术中相比,运用知识库模块获得解决方案更具有针对性,特别是在不需要专业故障维修人员介入的情况下,更有助于帮助用户进行故障解决,同时解决方案更加详细,内容更加全面。
图6是本公开实施例提供的另一种用于故障定位的方法的示意图,结合图6所示,客户端接收所有故障类型信息以及各自对应的用于进行故障诊断的信息类别之后,还包括:
S601,提示与待诊断智能设备关联的故障类型信息,以及对应的用于进行故障诊断的信息类别;
S602,获得拒绝操作或者输入与待诊断智能设备关联的目标故障类型信息;
S603,向服务器发送拒绝操作或者输入与待诊断智能设备关联的目标故障类型信息;
S604,获得结束此次故障处理请求。
从服务端获得与故障处理请求相关的故障类型信息及信息类别后,客户端将这些信息推送给用户,用户出于个人或者智能设备自动恢复等原因,无需继续进行故障处理请求。此时,可以在向客户端显示故障类型信息的界面中提供用于结束当前程序的按键,用户只需点击这个按键,客户端将结束的命令发送至服务端,结束这次故障处理请求。也可以在客户端设置一个程序,程序的内容是若用户长期不选择故障类型信息,则客户端自动结束此次操作,并将结束操作的命令发送至服务端,服务端结束此次操作。
在客户端显示故障类型信息的界面中还可以提供转人工服务的按键,若用户不愿意通过服务端提供帮助,则可以通过点击按键,转人工服务提供帮助。
与图2所举示例对应的,本公开实施例还可以提供一种应用于服务端的故障定位方法,结合图7所示流程图,该方法包括:
S701,获得故障信息库,故障信息库中保存有不同智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,且各故障子类型信息分别对应故障类型信息关联的贝叶斯网络的不同分支;
S702,如果获得客户端针对待诊断智能设备提交的故障处理请求,且根据故障处理请求,从故障信息库中匹配到与待诊断智能设备关联的目标故障类型信息,则将目标故障类型信息以及对应的用于进行故障诊断的信息类别,发送至客户端,其中,目标故障类型信息属于待诊断智能设备关联的故障类型信息;
S703,如果获得客户端提交的目标故障类型信息关联的信息类别对应的故障描述信息,则根据故障描述信息,从目标故障类型信息关联的贝叶斯网络中,确定一个与故障描述信息匹配度最高的目标贝叶斯网络分支;
S704,将待诊断智能设备的故障定位为目标贝叶斯网络分支关联的故障子类型信息。
与图2所举示例对应的,本公开实施例还可以提供一种应用于客户端的故障定位方法,结合图8所示流程图,该方法包括:
S801,获得针对待诊断智能设备的故障处理请求,发送至服务端;
S802,接收所述服务端根据所述故障处理请求,从故障信息库中匹配的所述待诊断智能设备关联的目标故障类型信息,以及对应的用于进行故障诊断的信息类别;
S803,获得所述目标故障类型信息关联的信息类别对应的故障描述信息,发送至所述服务端,以便所述服务端根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,并将所述目标贝叶斯网络分支关联的故障子类型信息定位为所述待诊断智能设备的故障。
结合图9所示,本公开实施例提供一种用于故障定位的装置,包括处理器(processor)900和存储器(memory)901。可选地,该装置还可以包括通信接口(Communication Interface)902和总线903。其中,处理器900、通信接口902、存储器901可以通过总线903完成相互间的通信。通信接口902可以用于信息传输。处理器900可以调用存储器901中的逻辑指令,以执行上述实施例的用于故障定位的方法。
此外,上述的存储器901中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器901作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器900通过运行存储在存储器901中的程序指令/模块,从而执行功能应用以及数据处理,即实现上述实施例中用于故障定位的方法。
存储器901可包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器901可以包括高速随机存取存储器,还可以包括非易失性存储器。
本公开实施例提供了一种产品(例如:计算机、手机等),包含上述的用于故障定位的装置。
本公开实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为执行上述用于故障定位的方法。
本公开实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述用于故障定位的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括一个或多个指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质,包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例,以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且,本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地,如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外,当用于本申请中时,术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中,每个实施例重点说明的可以是与其他实施例的不同之处,各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言,如果其与实施例公开的方法部分相对应,那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本文所披露的实施例中,所揭露的方法、产品(包括但不限于装置、设备等),可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,可以仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外,在本公开实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中,不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生,有时不同的操作或步骤之间不存在特定的顺序。例如,两个连续的操作或步骤实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
Claims (10)
1.一种用于故障定位的方法,其特征在于,应用于服务端,所述方法包括:
获得故障信息库的信息,所述故障信息库中保存有智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,每个故障类型信息关联不同的贝叶斯网络,各故障子类型信息分别对应贝叶斯网络的不同分支;
如果获得客户端针对待诊断智能设备提交的故障处理请求,且根据所述故障处理请求,从所述故障信息库中匹配到与所述待诊断智能设备关联的目标故障类型信息,则将所述目标故障类型信息以及对应的用于进行故障诊断的信息类别,发送至所述客户端,其中,所述目标故障类型信息属于所述待诊断智能设备关联的故障类型信息;
如果获得所述客户端提交的所述目标故障类型信息关联的信息类别对应的故障描述信息,则根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支;
确定所述待诊断智能设备的故障为所述目标贝叶斯网络分支关联的故障子类型信息;
其中,在接收到客户端发送的提示信息的情况下,执行修正操作并根据所述提示信息确定新的目标故障类型信息发送至客户端,直至客户端接收到用户的肯定信息;所述肯定信息用于表征所述目标故障类型信息与当前设备故障匹配;
其中,客户端在接收到用户否定信息的情况下,向服务端发送所述提示信息;所述否定信息用于表征所述目标故障类型信息与当前设备故障不匹配。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
如果根据所述故障处理请求,未从所述故障信息库中匹配到与所述待诊断智能设备关联的目标故障类型信息,则将所述待诊断智能设备关联的所有故障类型信息以及各自对应的用于进行故障诊断的信息类别,发送至所述客户端;
如果获得所述客户端提交的所述目标故障类型信息,以及与所述目标故障类型信息关联的信息类别对应的故障描述信息,则根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,其中,所述目标故障类型信息属于所述待诊断智能设备关联的故障类型信息。
3.根据权利要求1所述的方法,其特征在于,所述根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,包括:
从所述故障描述信息中提取与所述目标故障类型信息关联的关键词信息;
获得在所述关键词信息发生的条件下,所述目标故障类型信息关联的贝叶斯网络各分支发生的概率值;
将所述概率值最高的贝叶斯网络分支确定为所述目标贝叶斯网络分支。
4.根据权利要求1所述的方法,其特征在于,还包括:
获得知识库,所述知识库中保存有不同故障子类型信息各自对应的解决方案;
从所述知识库中,匹配所述目标贝叶斯网络分支关联的故障子类型信息对应的目标解决方案;
向用户推送所述目标解决方案。
5.一种用于故障定位的方法,其特征在于,应用于客户端,所述方法包括:
获得针对待诊断智能设备的故障处理请求,发送至服务端;
接收所述服务端根据所述故障处理请求,从故障信息库中匹配的所述待诊断智能设备关联的目标故障类型信息,以及对应的用于进行故障诊断的信息类别;
获得所述目标故障类型信息关联的信息类别对应的故障描述信息,发送至所述服务端,以便所述服务端根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,并将所述目标贝叶斯网络分支关联的故障子类型信息定位为所述待诊断智能设备的故障;
其中,在接收到所述目标故障类型信息的情况下,接收用户的反馈信息;在所述反馈信息为否定信息的情况下,向服务端发送提示信息;接收服务端发送的根据提示信息确定的新的目标故障类型信息,再次接收用户的反馈信息,直至所述反馈信息为肯定信息;
其中,所述否定信息用于表征所述目标故障类型信息与当前设备故障不匹配;所述肯定信息用于表征所述目标故障类型信息与当前设备故障匹配;所述故障信息库中保存有智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,每个故障类型信息关联不同的贝叶斯网络,各故障子类型信息分别对应贝叶斯网络的不同分支。
6.根据权利要求5所述的方法,其特征在于,如果所述服务端未匹配到所述目标故障类型信息,所述方法还包括:
接收所述服务端根据所述故障处理请求,从所述故障信息库中匹配的所述待诊断智能设备关联的所有故障类型信息,以及各自对应的用于进行故障诊断的信息类别;
获得从所述待诊断智能设备关联的所有故障类型信息中确定的所述目标故障类型信息,以及所述目标故障类型信息关联的信息类别对应的故障描述信息,发送至所述服务端。
7.根据权利要求6所述的方法,其特征在于,所述接收所述服务端根据所述故障处理请求,从所述故障信息库中匹配的所述待诊断智能设备关联的所有故障类型信息,以及各自对应的用于进行故障诊断的信息类别,包括:
向用户推送所述待诊断智能设备关联的所有故障类型信息;
如果获得所述用户从所述待诊断智能设备关联的所有故障类型信息中确定的所述目标故障类型信息,则向所述用户推送所述目标故障类型信息关联的信息类别;
获得所述用户根据所述信息类别输入的所述故障描述信息。
8.根据权利要求6所述的方法,其特征在于,接收所述所有故障类型信息以及各自对应的用于进行故障诊断的信息类别之后,还包括:
提示与所述待诊断智能设备关联的所有故障类型信息,以及各自对应的用于进行故障诊断的信息类别;
获得拒绝操作或者输入与所述待诊断智能设备关联的目标故障类型信息;
向服务器发送拒绝操作或者输入与所述待诊断智能设备关联的目标故障类型信息;
获得结束此次故障处理请求。
9.一种用于故障定位的***,其特征在于,包括服务端和至少一个客户端:
所述服务端设置有故障信息库,获得故障信息库的信息,所述故障信息库中保存有智能设备关联的故障类型信息,以及每个故障类型信息各自关联的贝叶斯网络和用于进行故障诊断的信息类别,其中,每个故障类型信息包含有至少一个故障子类型信息,每个故障类型信息关联不同的贝叶斯网络,各故障子类型信息分别对应贝叶斯网络的不同分支;
所述服务端,用于在获得所述客户端针对待诊断智能设备提交的故障处理请求时,根据所述故障处理请求从所述故障信息库中匹配与所述待诊断智能设备关联的目标故障类型信息,并将所述目标故障类型信息以及对应的用于进行故障诊断的信息类别发送至所述客户端;
所述客户端,用于获得所述目标故障类型信息关联的信息类别对应的故障描述信息,发送至所述服务端,由所述服务端根据所述故障描述信息,从所述目标故障类型信息关联的贝叶斯网络中,确定一个与所述故障描述信息匹配度最高的目标贝叶斯网络分支,并将所述待诊断智能设备的故障定位为所述目标贝叶斯网络分支关联的故障子类型信息;
其中,客户端在接收到所述目标故障类型信息的情况下,接收用户的反馈信息;在所述反馈信息为否定信息的情况下,客户端向服务端发送提示信息;所述否定信息用于表征所述目标故障类型信息与当前设备故障不匹配;客户端接收服务端发送的根据提示信息确定的新的目标故障类型信息,再次接收用户的反馈信息,直至所述反馈信息为肯定信息;所述肯定信息用于表征所述目标故障类型信息与当前设备故障匹配。
10.一种用于故障定位的装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为执行所述程序指令时,执行如权利要求1至8任一所述的用于故障定位的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110310019.6A CN113064966B (zh) | 2021-03-23 | 2021-03-23 | 用于故障定位的方法、***及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110310019.6A CN113064966B (zh) | 2021-03-23 | 2021-03-23 | 用于故障定位的方法、***及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113064966A CN113064966A (zh) | 2021-07-02 |
CN113064966B true CN113064966B (zh) | 2023-06-13 |
Family
ID=76563227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110310019.6A Active CN113064966B (zh) | 2021-03-23 | 2021-03-23 | 用于故障定位的方法、***及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064966B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114726710A (zh) * | 2022-04-27 | 2022-07-08 | 国家电网有限公司 | 故障处理方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372330A (zh) * | 2016-08-31 | 2017-02-01 | 北京化工大学 | 动态型贝叶斯网络在机械设备故障智能诊断中的应用 |
CN109298704A (zh) * | 2018-08-31 | 2019-02-01 | 江苏方天电力技术有限公司 | 一种基于贝叶斯网络的工业故障路径追溯方法及*** |
CN109858140A (zh) * | 2019-01-28 | 2019-06-07 | 西安建筑科技大学 | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 |
CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
CN112379325A (zh) * | 2019-11-25 | 2021-02-19 | 国家电网公司 | 一种用于智能电表的故障诊断方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664400B (zh) * | 2018-05-11 | 2020-08-04 | 北京航空航天大学 | 一种基于相依贝叶斯网络的故障诊断技术的构建方法 |
-
2021
- 2021-03-23 CN CN202110310019.6A patent/CN113064966B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372330A (zh) * | 2016-08-31 | 2017-02-01 | 北京化工大学 | 动态型贝叶斯网络在机械设备故障智能诊断中的应用 |
CN109298704A (zh) * | 2018-08-31 | 2019-02-01 | 江苏方天电力技术有限公司 | 一种基于贝叶斯网络的工业故障路径追溯方法及*** |
CN109858140A (zh) * | 2019-01-28 | 2019-06-07 | 西安建筑科技大学 | 一种基于信息熵离散型贝叶斯网络冷水机组故障诊断方法 |
CN112379325A (zh) * | 2019-11-25 | 2021-02-19 | 国家电网公司 | 一种用于智能电表的故障诊断方法及*** |
CN112148887A (zh) * | 2020-09-16 | 2020-12-29 | 珠海格力电器股份有限公司 | 设备故障诊断方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113064966A (zh) | 2021-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109936561B (zh) | 用户请求的检测方法、装置、计算机设备及存储介质 | |
CN107992490B (zh) | 一种数据处理方法以及数据处理设备 | |
CN109213655B (zh) | 针对告警的解决方案确定方法、装置、存储介质和设备 | |
CN107666468B (zh) | 网络安全检测方法和装置 | |
CN111352759A (zh) | 一种告警根因的判定方法及装置 | |
CN113656807A (zh) | 一种漏洞管理方法、装置、设备及存储介质 | |
CN112800197A (zh) | 一种目标故障信息的确定方法和装置 | |
CN113064966B (zh) | 用于故障定位的方法、***及装置 | |
CN114387966A (zh) | 智能设备的控制方法、装置、电子设备及存储介质 | |
CN109992659B (zh) | 用于文本排序的方法和装置 | |
CN104317796A (zh) | 一种基于搜索的多用户交互方法、服务器,以及*** | |
CN110674383B (zh) | 舆情查询方法、装置及设备 | |
CN104572820B (zh) | 模型的生成方法及装置、重要度获取方法及装置 | |
CN110866839A (zh) | 基于多模型的地下电缆故障修复方法和装置 | |
EP4024296A1 (en) | Information processing program, information processing method, and information processing device | |
CN114978765A (zh) | 服务于信息攻击防御的大数据处理方法及ai攻击防御*** | |
CN110727532B (zh) | 一种数据修复方法、电子设备及存储介质 | |
CN114579580A (zh) | 存储数据的方法、查询数据的方法和装置 | |
CN109299224B (zh) | 基于Zabbix的解决方案查询方法、装置、计算机设备 | |
CN107248929B (zh) | 一种多维关联数据的强关联数据生成方法 | |
CN110837898A (zh) | 基于模型选择的地下电缆故障修复方法和装置 | |
CN110909288A (zh) | 业务数据处理方法、装置、平台、业务端、***及介质 | |
CN112016081B (zh) | 标识映射的实现方法、装置、介质和电子设备 | |
CN109977176B (zh) | 数据处理方法及装置 | |
CN109583590B (zh) | 数据处理方法及数据处理装置 |
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 |