CN106021545A - 用于车辆远程诊断与备件检索的方法 - Google Patents

用于车辆远程诊断与备件检索的方法 Download PDF

Info

Publication number
CN106021545A
CN106021545A CN201610363417.3A CN201610363417A CN106021545A CN 106021545 A CN106021545 A CN 106021545A CN 201610363417 A CN201610363417 A CN 201610363417A CN 106021545 A CN106021545 A CN 106021545A
Authority
CN
China
Prior art keywords
spare part
vehicle
retrieval
solution
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
Application number
CN201610363417.3A
Other languages
English (en)
Other versions
CN106021545B (zh
Inventor
田雨农
初莹莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Roiland Technology Co Ltd
Original Assignee
Dalian Roiland Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Roiland Technology Co Ltd filed Critical Dalian Roiland Technology Co Ltd
Priority to CN201610363417.3A priority Critical patent/CN106021545B/zh
Publication of CN106021545A publication Critical patent/CN106021545A/zh
Application granted granted Critical
Publication of CN106021545B publication Critical patent/CN106021545B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/027—Frames
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)

Abstract

用于车辆远程诊断与备件检索的方法，属于信息检索领域，由于不同的备件在主组号相同的情况下，分组号仍有差异，为了能够解决精确匹配备件的问题，技术要点是：采集车辆信息数据；解析车辆VIN码得到变量；对变量所对应的备件代码做决策树分析；对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车辆故障所使用的工项及备件信息，形成诊断数据库；将诊断数据库与诊断知识库关联，并建立主键；对车辆故障生成的故障码通过关键字进行检索，得到工项及备件信息。效果是：本发明可以在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。

Description

用于车辆远程诊断与备件检索的方法
技术领域
本发明属于信息检索领域，涉及一种用于车辆远程诊断与备件检索的方法。
背景技术
目前我国汽车维修行业已经从完全依靠检查者的感觉和实践经验进行诊断的阶段,发展到了利用专门设备进行综合检测诊断阶段，但是在传统汽车维修行业中普遍存在着很多问题,比如维修工人技术老化,经常无法快速、经济地利用各方面的技术力量解决故障；随着汽车保有量的日益增多，汽车后市场各项服务如雨后春笋般大量涌现。那么从车主角度，如何才能更好更全面的了解车况，发生故障时，如何快速获取爱车待解决方案及所需工时及备件相关信息，精准的汽车可穿戴设备对满足车主实时需求是完全必要的。一般的OBD车载设备，只能读取到相关车辆故障信息，不能对故障做出详细解决方案及相关维修人工费、备件费，从而造成车主盲目进店，盲目消费。
发明内容
为了解决车主车辆出现故障，必须依靠技师人工判断，并依靠技师选择备件的问题；同时，由于不同的备件在主组号相同的情况下，分组号仍有差异，为了能够解决精确匹配备件的问题。本发明提出如下技术方案：
一种用于车辆远程诊断与备件检索的方法，其特征在于，
步骤一.采集车辆信息数据；
步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；
步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；
步骤四.对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车辆故障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案；
步骤五.将诊断数据库与诊断知识库关联，并建立主键；
步骤六.对车辆故障生成的故障码通过关键字解析车辆VIN码得到的变量以进行检索，得到工项及备件信息。
有益效果：本发明可以在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。有效解决技师和备件员的经验局限性问题，从大数据出发，获得故障的解决方案。并可以由此得到该车辆维修换件的报价。
附图说明
图1为本发明用于车辆远程诊断与备件检索的方法的流程图；
图2为底盘号为LFV5A14B8Y3000001的车辆的VIN号码翻译示意图。
具体实施方式
实施例1：一种用于车辆远程诊断与备件检索的方法：如图1所示，包括如下步骤：
步骤一.采集车辆信息数据；
步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；通过车辆底盘号(17位VIN码)，翻译出每一位号码代表的相关信息(变量)，形成丰富的数据知识库，如底盘号为LFV5A14B8Y3000001的车辆各号码翻译规则如图2所示。
步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；
步骤四.对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车辆故障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案；
步骤五.将诊断数据库与诊断知识库关联，并建立主键；
步骤六.对车辆故障生成的故障码通过关键字解析车辆VIN码得到的变量以进行检索，得到工项及备件信息。
本实施例所述方法，在已知车辆故障码信息条件下，通过该故障码获取相关解决方案及所需工时、工费、相关备件及备件费用，进而避免车主被骗消费。
实施例2：具有与实施例1相同的技术方案，更为具体的是：
所述步骤三中以维修备件表的历史记录为数据基础，通过决策树模型对备件做分类，维修备件表样例如表一所示：
表一
VIN123 VIN4 VIN6 VIN78 BJDM
LFV 5 1 4B 06J115403J
LFV 3 2 8K LN052167A21
LFV 4 2 4F LN052167A24
决策树模型的基本原理如下：
首先：确定每一维度备件不同分类的熵，以VIN4为例，熵定义为
E＝sum(-p(I)*log(p(I)))
其中I＝1:N(N类结果，如本例1种，即该备件属于此车型，故概率P(I)＝1)
则E(5)＝-(1/1)Log2(1/1)-(0/1)Log2(0/1)＝0+0＝0
E(3)＝-(1/1)Log2(1/1)-(0/1)Log2(0/1)＝0+0＝0
E(4)＝-(1/1)Log2(1/1)-(0/1)Log2(0/1)＝0+0＝0
如果熵为0，则表明区分度越高；熵为1，则表明没有区分度；
故这三个不同的备件代码可以通过VIN4做区分。
确定完每个维度如何分类后，不同维度之间的优先级别通过信息增益区分
Gain(Sample,Action)＝E(sample)-sum(|Sample(v)|/Sample*E(Sample(v)))
则Gain(VIN4)＝E(S)-(1/3)*E(5)-(1/3)*E(3)-(1/3)*E(4)＝1-0＝1
Gain(VIN6)＝E(S)-(1/3)*E(1)-(2/3)*E(2)＝1-0-2/3＝1/3
Gain(VIN78)＝E(S)-(1/3)*E(4B)-(1/3)*E(8K)-(1/3)*E(4F)＝1-0＝1
如果信息增益越大，则表明分类优先级越高；反之，优先级越低。
所以，底盘号第4位(VIN4)和底盘号78位(VIN78)的分类优先级相同，其次是底盘号第6位(VIN6)。
通过以上关键步骤，可将备件代码按照底盘号第4位(VIN4)、底盘号第6位(VIN6)和底盘号78位(VIN78)区分。
综上所述，备件检索方法的基本步骤是：
将维修备件表同一维度按信息熵做区分；
将维修备件表不同维度按信息增益划分优先级；
按照1、2步划分的优先级和区分程度画出决策树；
输入一个规则的底盘号，系统根据VIN123、VIN4、VIN6、VIN78以及得出的决策树输出该车型下的备件代码。
该备件代码通过关联备件价格表，得到备件的中文名称、价格和现在使用状态以及备件的适用车型信息。
上述技术方案的获得，是在将不同车型、不同排量、不同发动机变速箱类型所对应的备件代码逐一归类进行分析对比后，发现在相同主组号前提下，车型排量等信息不同，所对应的备件代码也不尽相同，为了找寻其中规律，使用了上述方法，以形成较完备且全面的理论知识信息库。
实施例3：具有与实施例1或2相同的技术方案，更为具体的是：
所述步骤四中，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案的步骤是：
(1)根据不同技师本人经验和不同思维方式，查看各自对每一个故障描述所给出的解决方案以及所使用的工项及备件信息；
(2)对全部技师所给出的诊断数据进行量化处理；
(3)进而使用方差分析进行比较，比较两两之间答案差异性；
(4)通过差异结果，选取差异最小的解决方案作为该故障码的最终解决方案。
通过上述方式方法，从而形成了从故障码→解决方案→备件信息等较完善的数据知识库。
本实施例通过历史车辆故障数据，通过技师参与并利用方差分析模拟技师诊断思维(如下表)，给出对应的解决方案及相关工项及备件等信息，逐一添加索引并标记，从而形成后台备用数据库；
对上例数据量化处理，利用方差计算公式
总体平方和公式:自由度dft＝N-1，其中∑xi 2为所有量化处理的解决方案数之和，T为所有观察数之和，N为样本量，令C为校正系数；
组间平方和公式:自由度dfA＝I-1,其中(∑Xi)2表示某一条解决方案数合计，ni表示该条解决方案样本量，I表示该解决方案水平数；
组内平方和公式：SSE＝SST-SSA。
通过上述主要公式，结合方差分析基本原理，最终得出较为准确的解决方案。
通过对技师间两两比较，得出最有可能的解决方案来作为对应故障码的解决方案，进而进行下一步操作。
通过上述操作及建立的数据库和知识库，一旦出现库中所包含的故障码，通过上述流程，就可以直接确定出该车需要解决方案和相关的工项、备件。本实施例方法，可以解决和更换备件时价格不透明的问题。
以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。

Claims (5)

1.一种用于车辆远程诊断与备件检索的方法，其特征在于，
步骤一.采集车辆信息数据；
步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车身类型、发动机变速箱类型；
步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信息，并建立索引，形成诊断知识库；
步骤四.对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车辆故障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案；
步骤五.将诊断数据库与诊断知识库关联，并建立主键；
步骤六.对车辆故障生成的故障码通过关键字解析车辆VIN码得到的变量以进行检索，得到工项及备件信息。
2.如权利要求1所述的用于车辆远程诊断与备件检索的方法，其特征在于，
所述步骤三中以维修备件表的历史记录为数据基础，通过决策树模型对备件做分类；备件检索方法的步骤是：
(1)将维修备件表同一维度按信息熵做区分；
(2)将维修备件表不同维度按信息增益划分优先级；
(3)按照步骤(1)、(2)划分的优先级和区分程度画出决策树；
(4)输入一个规则的VIN码，根据VIN码以及得出的决策树输出该车型下的备件代码。
3.如权利要求2所述的用于车辆远程诊断与备件检索的方法，其特征在于，所述备件代码关联备件的价格表，所述备件信息包括备件的中文名称、价格和现在使用状态以及备件的适用车型信息。
4.如权利要求1所述的用于车辆远程诊断与备件检索的方法，其特征在于，所述步骤四中，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案的步骤是：
(1)根据不同技师本人经验和不同思维方式，查看各自对每一个故障描述所给出的解决方案以及所使用的工项及备件信息；
(2)对全部技师所给出的诊断数据进行量化处理；
(3)使用方差分析进行比较，比较两两之间答案差异性；
(4)通过差异结果，选取差异最小的解决方案作为该故障码的最终解决方案。
5.如权利要求4所述的用于车辆远程诊断与备件检索的方法，其特征在于，方差分析的计算公式是：
总体平方和公式:自由度dft＝N-1，其中∑xi 2为所有量化处理的解决方案数之和，T为所有观察数之和，N为样本量，令C为校正系数；
组间平方和公式:自由度dfA＝I-1,其中(∑Xi)2表示某一条解决方案数合计，ni表示该条解决方案样本量，I表示该解决方案水平数；
组内平方和公式：SSE＝SST-SSA。
CN201610363417.3A 2016-05-27 2016-05-27 用于车辆远程诊断与备件检索的方法 Active CN106021545B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610363417.3A CN106021545B (zh) 2016-05-27 2016-05-27 用于车辆远程诊断与备件检索的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610363417.3A CN106021545B (zh) 2016-05-27 2016-05-27 用于车辆远程诊断与备件检索的方法

Publications (2)

Publication Number Publication Date
CN106021545A true CN106021545A (zh) 2016-10-12
CN106021545B CN106021545B (zh) 2019-12-24

Family

ID=57094490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610363417.3A Active CN106021545B (zh) 2016-05-27 2016-05-27 用于车辆远程诊断与备件检索的方法

Country Status (1)

Country Link
CN (1) CN106021545B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107229978A (zh) * 2017-01-04 2017-10-03 东营澳润石油化工有限公司 机油遴选系统及方法
CN108121786A (zh) * 2017-12-15 2018-06-05 广东车安达股份有限公司 一种便捷查询变速箱数据信息的方法
CN108509962A (zh) * 2017-02-28 2018-09-07 优信互联（北京）信息技术有限公司 一种识别车辆信息的方法及其装置
CN108563214A (zh) * 2018-04-25 2018-09-21 深圳市道通科技股份有限公司 车辆诊断方法、装置及设备
CN108573198A (zh) * 2017-03-14 2018-09-25 优信互联（北京）信息技术有限公司 一种根据车架号识别车型信息的方法及装置
CN109300551A (zh) * 2017-06-16 2019-02-01 东华软件股份公司 临床诊疗知识获取方法及装置
CN110188823A (zh) * 2019-05-30 2019-08-30 北京上格云技术有限公司 一种故障诊断决策方法及计算机可读介质
CN112254983A (zh) * 2020-10-16 2021-01-22 中国第一汽车股份有限公司 一种车辆检测方法、装置、设备及存储介质
CN112925287A (zh) * 2020-10-13 2021-06-08 车包包(北京)聚合技术有限责任公司 一种汽车故障精确诊断的大数据智能化系统
CN114022099A (zh) * 2021-10-09 2022-02-08 绅骑科技(海南)有限公司 一种关于车辆vin码数据的应用方法和系统
CN114648135A (zh) * 2022-03-25 2022-06-21 南京企之鑫科技有限公司 一种基于停车频率的维修告警处理方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090222389A1 (en) * 2008-02-29 2009-09-03 International Business Machines Corporation Change analysis system, method and program
CN101853478A (zh) * 2009-04-01 2010-10-06 杭州信雅达科技有限公司 一种基于本体论及移动网络的汽车故障诊断系统的发明
US20110304448A1 (en) * 2010-06-11 2011-12-15 Denso Corporation Electronic control unit and information management system
CN103364024A (zh) * 2013-07-12 2013-10-23 浙江大学 基于经验模态分解的传感器故障诊断方法
CN103714348A (zh) * 2014-01-09 2014-04-09 北京泰乐德信息技术有限公司 一种基于决策树的轨道交通故障诊断方法和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090222389A1 (en) * 2008-02-29 2009-09-03 International Business Machines Corporation Change analysis system, method and program
CN101853478A (zh) * 2009-04-01 2010-10-06 杭州信雅达科技有限公司 一种基于本体论及移动网络的汽车故障诊断系统的发明
US20110304448A1 (en) * 2010-06-11 2011-12-15 Denso Corporation Electronic control unit and information management system
CN103364024A (zh) * 2013-07-12 2013-10-23 浙江大学 基于经验模态分解的传感器故障诊断方法
CN103714348A (zh) * 2014-01-09 2014-04-09 北京泰乐德信息技术有限公司 一种基于决策树的轨道交通故障诊断方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李世其等: "一种决策树增量学习算法在故障诊断中的应用", 《华中科技大学学报(自然科学版)》 *
石金彦等: "基于决策树的数据挖掘方法在故障诊断中的应用", 《水利电力机械》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107229978A (zh) * 2017-01-04 2017-10-03 东营澳润石油化工有限公司 机油遴选系统及方法
CN108509962A (zh) * 2017-02-28 2018-09-07 优信互联（北京）信息技术有限公司 一种识别车辆信息的方法及其装置
CN108573198A (zh) * 2017-03-14 2018-09-25 优信互联（北京）信息技术有限公司 一种根据车架号识别车型信息的方法及装置
CN109300551A (zh) * 2017-06-16 2019-02-01 东华软件股份公司 临床诊疗知识获取方法及装置
CN108121786A (zh) * 2017-12-15 2018-06-05 广东车安达股份有限公司 一种便捷查询变速箱数据信息的方法
CN108563214A (zh) * 2018-04-25 2018-09-21 深圳市道通科技股份有限公司 车辆诊断方法、装置及设备
CN110188823A (zh) * 2019-05-30 2019-08-30 北京上格云技术有限公司 一种故障诊断决策方法及计算机可读介质
CN112925287A (zh) * 2020-10-13 2021-06-08 车包包(北京)聚合技术有限责任公司 一种汽车故障精确诊断的大数据智能化系统
CN112254983A (zh) * 2020-10-16 2021-01-22 中国第一汽车股份有限公司 一种车辆检测方法、装置、设备及存储介质
CN114022099A (zh) * 2021-10-09 2022-02-08 绅骑科技(海南)有限公司 一种关于车辆vin码数据的应用方法和系统
CN114648135A (zh) * 2022-03-25 2022-06-21 南京企之鑫科技有限公司 一种基于停车频率的维修告警处理方法和系统

Also Published As

Publication number Publication date
CN106021545B (zh) 2019-12-24

Similar Documents

Publication Publication Date Title
CN106021545A (zh) 用于车辆远程诊断与备件检索的方法
CN111428054B (zh) 一种网络空间安全领域知识图谱的构建与存储方法
CN102765643B (zh) 基于数据驱动的电梯故障诊断与预警方法
CN106054858B (zh) 基于决策树分类和故障码分类的车辆远程诊断与备件检索的方法
CN109240258A (zh) 基于词向量的汽车故障智能辅助诊断方法和系统
CN106056221A (zh) 基于FP‑Tree序列模式挖掘和故障码分类的车辆远程诊断与备件检索的方法
CN107272646A (zh) 基于专家系统的压力机故障诊断系统
CN104573740A (zh) 一种基于svm分类模型的设备故障诊断方法
CN103761173A (zh) 一种基于日志的计算机系统故障诊断方法及装置
DE102011106550A1 (de) Methodik zur Wissensextraktion für unstrukturierte Daten mittels ontologiebasiertem Text-Mining
CN111538741B (zh) 一种面向警情大数据的深度学习分析方法及系统
CN112756759B (zh) 点焊机器人工作站故障判定方法
CN106066642A (zh) 基于FP‑Tree序列模式挖掘的故障码诊断车辆工项与备件检索方法
CN114201374A (zh) 基于混合机器学习的运维时序数据异常检测方法及系统
CN106095785B (zh) 基于决策树分类的故障码诊断车辆工项与备件检索方法
CN104281525A (zh) 一种缺陷数据分析方法及利用其缩减软件测试项目的方法
CN109784668A (zh) 一种用于电力监控系统异常行为检测的样本特征降维处理方法
CN112884179A (zh) 基于机器故障和文本主题分析的城轨折返故障诊断方法
CN115618014B (zh) 一种应用大数据技术的标准文献分析管理系统及方法
CN112183656A (zh) 一种电网故障中scada数据频繁项集挖掘方法
CN115544272A (zh) 基于注意力机制的化工事故原因知识图谱构建方法
CN111340516A (zh) 基于信息熵与变异系数融合算法的满意度评价系统及方法
CN111723136A (zh) 一种面向网格事件分类分级处置的单维聚类分析方法
CN106056223A (zh) 用于车辆远程诊断与备件检索的平台
CN111737993B (zh) 一种配电网设备的故障缺陷文本提取设备健康状态方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant