CN109460010A - 基于知识图谱的车辆故障检测方法、装置及存储介质 - Google Patents

Abstract

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。

Description

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

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

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

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。

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：

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。

在一种实施方式中，所述方法还包括：

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。

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。

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：

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。

在一种实施方式中，所述方法还包括：

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。

在一种实施方式中，所述方法还包括：

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。

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；

所述并发故障的提示信息包括所述并发故障的关联度。

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：

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。

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：

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。

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。

在一种实施方式中，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。

在一种实施方式中，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。

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：

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。

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；

所述并发故障的提示信息包括所述并发故障的关联度。

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。

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。

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。

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。

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。

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。

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。

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

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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

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。

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：

步骤S120，监测待检测车辆的车辆信号；

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；

步骤S140，根据匹配结果对所述待检测车辆进行故障定位。

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。

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。

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。

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。

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。

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。

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。

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：

步骤S210，采集车辆信号；

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；

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。

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。

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：

表1纯电动车单点故障与数据采集间的知识关联表

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。

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：

(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：

表2车辆故障知识图谱层级结构示例表

(2)车辆故障等级基于不同的故障类型有不同的划分标准，一个示例性的故障类型划分如表3所示：

表3车辆故障知识图谱类型划分示例表

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。图4所示的车辆故障知识图谱共有四个层级，分别是整车、各子系统、相关故障表现和关联信号。其中，整车的各子系统包括动力控制系统、车身电器、充电及能源存储。以动力控制系统为例，动力控制系统的相关故障表现包括A-无法上高压(纯电动车)、A-自动下高压(纯电动车)、A-功率受限(纯电动车)、A-车辆无法启动(传统车)。其中的“A”是指故障级别，故障级别也称故障等级。再以相关故障表现“A-无法上高压(纯电动车)”为例，“A-无法上高压(纯电动车)”的关联信号包括：钥匙信息无效、整车绝缘阻值低、整车绝缘状态异常、电子旋档位置错误、系统电压异常、慢充状态信号异常、高压互锁状态异常、TM(TorqueMax，最大转矩)电机异常、大电池电量低和主继电器开关两端电压压降大。

图4所示的车辆故障知识图谱仅为示例，并非限制。车辆故障知识图谱的具体结构、层级及各类关联可根据具体的车型、车况以及监测信号和检测状况而定。

在一个示例中，整车的子系统“充电及能源存储”的相关故障表现可包括A-充电跳枪(纯电动车)，A-充电跳枪(纯电动车)的关联信号可包括：CELL(电池单体)单体欠压、CELL单体过压、CELL单体过温、PACK(电池包)电压过压、充电口电极端子过温和充电故障。

在另一个示例中，整车的子系统还可以包括底盘控制。底盘控制的相关故障表现可包括：A-EPS(Electric Power Steering，电动助力转向)转向失去助力、B-EPB(Electrical Park Brake，电子驻车制动系统)故障灯点亮和A-电助力制动故障。其中，A-EPS转向失去助力的关联信号可包括：扭矩传感器故障、EPS故障和车速信号无效。B-EPB故障灯点亮的关联信号可包括：自动驻车故障、EPB故障和EPB掉线。A-电助力制动故障的关联信号可包括：系统电压低和ibooster(intelligent Brake System，智能刹车系统)电机过温故障。

在又一个示例中，整车的子系统还可以包括空调&冷却。空调&冷却的相关故障表现可包括B-空调不制冷和B-动力系统故障灯闪烁。其中，B-空调不制冷的关联信号可包括：环境温度传感器故障和蒸发器温度传感器故障。B-动力系统故障灯闪烁的关联信号可包括：EDU(Electric Drive Unit，电驱动单元)冷却液温度信号无效和蒸发器温度传感器故障。

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：

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。

在车辆故障检测过程中，根据车辆故障表现分析其成因的过程称为故障定义，车辆故障往往是通过车辆信号变化表征出来的。在这种实施方式中，可基于车辆信号监测得到的客观数据，用数据阈值的方法定义车辆故障。这种方法不再依赖于研发人员的主观经验，客观数据能够更准确地反应车辆的运行状态，故障检测的准确率也更高。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。

在一种实施方式中，用数据阈值的方法定义车辆故障，具体可包括分析车辆故障发生时的关联信号的信号值的大小，确定发生某种车辆故障时的关联信号的阈值范围，根据故障发生时的关联信号的阈值范围确定上述第一阈值范围。

在另一种实施方式中，用数据阈值的方法定义车辆故障，具体可包括分析车辆故障发生时的关联信号的信号值的大小，根据发生某种车辆故障时的关联信号的信号值的大小重新定义车辆故障的等级，并确定与各个故障等级相对应的关联信号的第二阈值范围。

具体地，可基于故障关联信号的变化幅度，确定对应的车辆故障的关联信号的阈值范围及其对应的故障等级。例如，在表1中，故障表现“充电跳枪”对应的关联信号异常表现之中：CELL(电池单体)单体过温，其阈值范围为大于50℃；PACK(电池包)电压过压，其阈值范围为大于403V。再如，对于故障关联信号的变化幅度较大的情况，可设置较高的对应故障等级。

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，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。

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。如图5所示，在一种实施方式中，所述方法还包括：

步骤S310，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；

步骤S320，控制预设车辆的所述指定信号，以复现所述车辆故障。

在车辆故障检测技术领域中，通常使用故障复现和故障回溯的方法。故障复现是一种通过控制预设车辆信号变化，使特定的车辆故障重复发生的技术。故障回溯是通过分析历史信号数据，探索车辆故障原因的过程。由于故障具有突发特性，这使得故障回溯和故障复现不易实现。本发明实施例基于故障知识图谱中明确的车辆故障及车辆信号关联，使得故障复现容易实现和操作。仍以表1中的故障表现“充电跳枪”为例，若想要复现该故障，可在车辆故障知识图谱中获取该故障的关联信号，见表1所示的故障表现“充电跳枪”对应的6个关联信号。然后控制上述关联信号的信号值，使各信号值处于如表1所示的“关联信号异常表现”的阈值范围内，即可复现对应的“充电跳枪”车辆故障。

上述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。

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。如图6所示，在一种实施方式中，所述方法还包括：

步骤S410，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；

步骤S420，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。

由于各种车辆故障之间存在关联性，因此导致在一种车辆故障发生时，同时会并发与之有关联的另一种车辆故障，也就是该车辆故障的并发故障。有鉴于此，可对车辆故障知识图谱中各种车辆故障之间的关联性进行分析，找出各种车辆故障之间的并发故障，并在某种车辆故障发生的同时给出该车辆故障的并发故障的提示信息，以便实施进一步的检修和维护措施。

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。如图7所示，在一种实施方式中，图6中的步骤S410，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，具体可包括：

步骤S510，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；

步骤S520，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。

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。如图8所示，可基于DTC(Diagnostic Trouble Code，诊断故障码)及整车系统相关历史数据，通过大数据分析判定故障关联性、并发性(也称为伴发性)。在图8的故障关联度分析表格中示出了从故障1到故障6的各个故障之间的关联度，其中关联度的值可包括两个故障之间的并发概率。例如，图8中故障1和故障6之间的关联度的值为0.89，若预设的关联度阈值为0.6，则故障1和故障6互为并发故障。其中，关联度阈值可根据具体车辆故障检测的精确度要求而设定。在精确度要求较高的情况下，可将关联度阈值设置得相对较低，以为整车系统提供更可靠的安全性保障。各种车辆故障之间的关联性也可以用车辆故障知识图谱的形式来表示，例如可以表示成网络图的形式，可参见图8中右下角的故障关联示意图。基于上述故障之间的关联性，还可为实现故障预测提供可依据的输入信息。当某种车辆故障发生时，即可预测出该车辆故障的并发故障也可能会发生。

如前述，在某种车辆故障发生的同时给出该车辆故障的并发故障的提示信息，其中，并发故障的提示信息中可包括并发故障的关联度。可根据关联度的数值大小实施进一步的检修和维护措施。

上述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。

综上所述，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、以及故障回溯、故障复现和并发故障的检测。另外，还可以在此基础上搭建基于车辆故障知识图谱的智能应用平台。将故障知识图谱融入智能应用平台，至少可实现以下功能：

(1)根据车辆故障知识图谱和车辆故障知识库，建立产品车围绕故障预警预测的数据采集标准。

具体地，可根据车辆故障知识图谱中的关联信号建立用于故障预警预测的数据采集标准，使采集到的数据更加符合车辆故障检测的应用需求，使得车辆故障检测的准确率更高。

(2)围绕车辆远程诊断业务，提供车辆自检，DTC擦除等应用服务。其中，DTC擦除包括车辆DTC故障报警后，通过后台消除车机平台报警信号显示的一种方法。

(3)根据车辆的故障预警预测，为车主提供车辆健康度评估及易损易耗件的寿命评估等智能诊断应用。

(4)可智能推荐目标故障的关联信号，实现故障分析快速、准确，缩短车辆研发周期。

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。如图9所示，本发明实施例的基于知识图谱的车辆故障检测装置包括：

车辆信号监测单元200，用于监测待检测车辆的车辆信号；

匹配单元300，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400，用于根据匹配结果对所述待检测车辆进行故障定位。

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。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。如图10和图11所示，在一种实施方式中，所述装置还包括知识图谱构建单元100，所述知识图谱构建单元100包括：

信号采集子单元110，用于采集车辆信号；

数据挖掘子单元120，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130，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。

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。

在一种实施方式中，所述数据挖掘子单元120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。

参见图10，在一种实施方式中，所述装置还包括故障复现单元500，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。

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。参见图10和图12，在一种实施方式中，所述装置还包括并发故障提示单元600，所述并发故障提示单元600包括：

分析子单元610，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620，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。

在一种实施方式中，所述分析子单元610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。

本发明实施例的基于知识图谱的车辆故障检测装置中各单元的功能可以参见上述方法的相关描述，在此不再赘述。

在一个可能的设计中，基于知识图谱的车辆故障检测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基于知识图谱的车辆故障检测装置执行上述基于知识图谱的车辆故障检测方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述基于知识图谱的车辆故障检测装置还可以包括通信接口，基于知识图谱的车辆故障检测装置与其他设备或通信网络通信。

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。如图13所示，该装置包括：存储器101和处理器102，存储器101内存储有可在处理器102上运行的计算机程序。所述处理器102执行所述计算机程序时实现上述实施例中的基于知识图谱的车辆故障检测方法。所述存储器101和处理器102的数量可以为一个或多个。

该装置还包括：

通信接口103，用于与外界设备进行通信，进行数据交互传输。

存储器101可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

如果存储器101、处理器102和通信接口103独立实现，则存储器101、处理器102和通信接口103可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，PeripheralComponent)总线或扩展工业标准体系结构(EISA，Extended Industry StandardComponent)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图13中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器101、处理器102及通信接口103集成在一块芯片上，则存储器101、处理器102及通信接口103可以通过内部接口完成相互间的通信。

又一方面，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基于知识图谱的车辆故障检测方法中任一所述的方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。

以上所述，仅为本发明的具体实施方式，但本发明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揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (16)

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。