CN113112036A - 车辆的数据处理方法、装置以及计算机设备 - Google Patents
车辆的数据处理方法、装置以及计算机设备 Download PDFInfo
- Publication number
- CN113112036A CN113112036A CN202110376387.0A CN202110376387A CN113112036A CN 113112036 A CN113112036 A CN 113112036A CN 202110376387 A CN202110376387 A CN 202110376387A CN 113112036 A CN113112036 A CN 113112036A
- Authority
- CN
- China
- Prior art keywords
- data
- faults
- vehicle
- anomalies
- correlation
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 230000005856 abnormality Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000001364 causal effect Effects 0.000 claims description 50
- 238000012423 maintenance Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims 1
- 230000002159 abnormal effect Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G06F16/367—Ontology
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请提供了一种车辆的数据处理方法、装置以及计算机设备，涉及数据处理技术领域，缓解了车辆数据的异常检测准确性较低的技术问题。该方法包括：获取车辆运行的数据异常和所述车辆的故障；通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系；基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络。
Description
技术领域
本申请涉及数据处理技术领域，尤其是涉及一种车辆的数据处理方法、装置以及计算机设备。
背景技术
车辆数据的异常检测指的是对车辆数据中的异常现象进行检测，通过检测发现车辆可能存在的故障。
目前，车辆数据的异常检测方法是利用现有系统的故障树(Fault TreeAnalysis，FTA)进行数据检测。但是，通过这种方法对于一些可能的故障难以发现，导致检测出的故障等数据的准确性较低。
发明内容
本发明的目的在于提供一种车辆的数据处理方法、装置以及计算机设备，以缓解车辆数据的异常检测准确性较低的技术问题。
第一方面，本申请实施例提供了一种车辆的数据处理方法，所述方法包括：
获取车辆运行的数据异常和所述车辆的故障；
通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系；
基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络。
在一个可能的实现中，所述关系网络用于确定与任意车辆的第一故障和/或第一数据异常，所对应的第二故障和/或第二数据异常。
在一个可能的实现中，所述基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络的步骤之后，还包括：
利用所述关系网络对预设数据异常检测系统和预设FTA故障树进行补充优化，得到补充优化后的数据异常检测系统和补充优化后的FTA故障树。
在一个可能的实现中，所述关联关系包括下述任意一项或多项：
支持度，置信度，提升度。
在一个可能的实现中，所述通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系的步骤，包括：
通过关联性分析算法分析多个所述数据异常之间的第一关联关系、多个所述故障之间的第二关联关系、以及所述数据异常和所述故障之间的第三关联关系。
在一个可能的实现中，所述基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络的步骤，包括：
基于所述关联关系通过因果推断法，分析多个所述故障之间、多个所述数据异常之间、以及所述数据异常和所述故障之间的因果关系；
基于所述因果关系建立多个所述故障以及多个所述数据异常之间的关系网络。
在一个可能的实现中，所述基于所述关联关系通过因果推断法，分析多个所述故障之间、多个所述数据异常之间、以及所述数据异常和所述故障之间的因果关系的步骤，包括：
基于所述第一关联关系，通过因果推断法分析多个所述数据异常之间的第一因果关系；
基于所述第二关联关系，通过因果推断法分析多个所述故障之间的第二因果关系；
基于所述第三关联关系，通过因果推断法分析所述数据异常和所述故障之间的第三因果关系。
在一个可能的实现中，所述获取车辆运行的数据异常和所述车辆的故障的步骤，包括：
获取多个车辆运行的数据异常和多个所述车辆的故障。
在一个可能的实现中，获取多个所述车辆的故障的步骤，包括：
获取多个所述车辆的历史故障维修记录；
对多个所述历史故障维修记录进行格式转换，得到格式统一的故障。
第二方面，提供了一种车辆的数据处理装置，所述装置包括：
获取模块，用于获取车辆运行的数据异常和所述车辆的故障；
分析模块，用于通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系；
建立模块，用于基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络。
第三方面，本申请实施例又提供了一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的第一方面所述方法。
第四方面，本申请实施例又提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述的第一方面所述方法。
本申请实施例带来了以下有益效果：
本申请实施例提供的一种车辆的数据处理方法、装置以及计算机设备，能够获取车辆运行的数据异常和车辆的故障，通过关联性分析算法分析多个数据异常之间、多个故障之间、以及数据异常和故障之间的关联关系，基于关联关系建立多个故障以及多个数据异常之间的关系网络，本方案中，通过分析多个数据异常和多个故障之间的关联关系，能够建立出数据关系更加精细、全面且完善的关系网络，以此来更加有效高效的完善车辆数据异常检测过程。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的车辆的数据处理方法的流程示意图；
图2为本申请实施例提供的车辆的数据处理方法的另一流程示意图；
图3为本申请实施例提供的一种车辆的数据处理装置的结构示意图；
图4示出了本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
目前，现有的基于大数据的异常检测系统，大多发现数据中的异常现象，进而来发现和检测系统中存在的故障。但实际应用中故障可能导致十分复杂的数据异常现象，不同的故障有可能会导致相同的数据异常现象。同时，系统的故障树FTA知识很难直接利用到基于数据的异常检测中，并且也由于可能存在系统设计时难以发现的可能故障，导致异常检测出的故障等数据的准确性较低。
基于此，本申请实施例提供了一种车辆的数据处理方法、装置以及计算机设备，通过该方法可以缓解车辆数据的异常检测准确性较低的技术问题。
下面结合附图对本发明实施例进行进一步地介绍。
图1为本申请实施例提供的一种车辆的数据处理方法的流程示意图。
其中，该方法应用于计算机设备。如图1所示，该方法包括：
步骤S110，获取车辆运行的数据异常和车辆的故障。
例如，采集大量车辆的车辆运行过程中的数据异常，以及其存在的故障维修记录。
步骤S120，通过关联性分析算法分析多个数据异常之间、多个故障之间、以及数据异常和故障之间的关联关系。
其中，两个数据异常之间的关联关系、两个故障之间的关联关系、数据异常和故障之间的关联关系包括下述任意一项或多项：二者之间的支持度，置信度，提升度。
本步骤中，基于大量的记录通过分析而得到多个数据异常和多个故障之间的关联性(如因果关系)，其中，记录是指相应的数据异常或者故障发生的记录数据。
步骤S130，基于关联关系建立多个故障以及多个数据异常之间的关系网络。
在实际应用中，关系网络可以用于确定与任意车辆的第一故障和/或第一数据异常，所对应的第二故障和/或第二数据异常。
示例性的，通过故障与数据异常之间、故障之间以及数据异常之间的关联规则网络，形成了一个关系网络或者知识图谱，由支持度，置信度，提升度等指标来描述其中各个节点之间的关联规则的。得到这个关系规则之后，如果需要了解对于某一个故障，其可能导致的数据异常或者其他并发的故障，则可以由相应节点出发查找其支持度，置信度等指标大于某一设定阈值的相关连接的节点。例如，通过步骤S130得到的关系网络结果可以分析故障所对应可能导致的数据异常等等。
本申请实施例中，通过分析多个数据异常和多个故障之间的关联关系，能够建立出数据关系更加精细、全面且完善的关系网络，以此来更加有效高效的完善车辆数据异常检测过程。
下面对上述步骤进行详细介绍。
在一些实施例中，上述关系网络可以用来完善现有的数据异常检测系统和现有的FTA故障树。作为一种示例，在步骤S130之后，该方法还可以包括以下步骤：
步骤a)，利用关系网络对预设数据异常检测系统和预设FTA故障树进行补充优化，得到补充优化后的数据异常检测系统和补充优化后的FTA故障树。
例如，关系网络可以与FTA故障树的知识相比较，补充缺失的部分，以此完善异常检测系统。同时也可以逆向的分析与数据异常相关的或有因果关系的故障，来补足FTA故障树设计缺失的部分。最终可以得到完善后的FTA故障树和完善后的数据异常检测系统等。
通过相互完善数据异常检测系统和FTA故障树，可以得到数据更加全面、精确且完善的FTA故障树和数据异常检测系统。
在一些实施例中，上述关联关系可以包括与数据异常和故障相关的多种关系。作为一种示例，上述步骤S120可以包括如下步骤：
步骤b)，通过关联性分析算法分析多个数据异常之间的第一关联关系、多个故障之间的第二关联关系、以及数据异常和故障之间的第三关联关系。
示例性的，可以通过如关联性分析、因果推断等手段，分析大量数据异常和故障维修记录，计算他们之间支持度、置信度、提升度等，可以通过果FP-Growth、Apriori等关联性分析算法，挖掘数据异常到维修记录的关联规则。
例如，对于电芯的内短路故障，可以通过这些方法发现，发生了压差增长较快，温升异常等数据异常对于电芯内短路故障具有较高的支持度和置信度，而电池包绝缘数据异常有较低的支持度和置信度，则说明电芯的内短路与压差增长较快和温升异常之间有更强的关联性，而与电池包的绝缘异常有较小的关联性。
通过多个数据异常之间的第一关联关系、多个故障之间的第二关联关系、以及数据异常和故障之间的第三关联关系等等多方面数据之间的关联关系，有助于提高后续得到的关系网络的全面性。
基于上述步骤b)，关联关系中具体可以包括因果关系，可以针对因果关系进行数据之间的分析。作为一种示例，如图2所示，上述步骤S130可以包括如下步骤：
步骤c)，基于关联关系通过因果推断法，分析多个故障之间、多个数据异常之间、以及数据异常和故障之间的因果关系；
步骤d)，基于因果关系建立多个故障以及多个数据异常之间的关系网络。
通过因果推断能够分析出数据异常之间、故障之间、数据异常和故障之间的更加具体具有针对性的因果关系，增加关联关系中的关系类型，使得到的关系网络中数据关系的针对性更强。
基于上述步骤c)和步骤d)，上述因果关系可以具体分为多方面数据之间的因果关系。作为一种示例，上述步骤c)可以包括如下步骤：
步骤e)，基于第一关联关系，通过因果推断法分析多个数据异常之间的第一因果关系；
步骤f)，基于第二关联关系，通过因果推断法分析多个故障之间的第二因果关系；
步骤g)，基于第三关联关系，通过因果推断法分析数据异常和故障之间的第三因果关系。
通过分析出数据异常之间的第一因果关系、故障之间的第二因果关系、以及数据异常和故障之间的第三因果关系，能够得到更加多方面数据之间的因果关系。
在一些实施例中，数据异常和故障可以不仅限于一部车辆的数据，本申请实施例可以基于多个车辆的相关数据进行分析。作为一种示例，上述步骤S110可以包括如下步骤：
步骤h)，获取多个车辆运行的数据异常和多个车辆的故障。
通过获取多个车辆运行的数据异常和多个车辆的故障，能够基于多个车辆的相关数据进行分析，使后续得到的关系网络中的数据能够体现更多车辆的情况并适用于更多的车辆。
基于上述步骤h)，上述故障可以是格式统一后的数据，以便于后续的数据处理分析等。作为一种示例，上述步骤h)中获取多个车辆的故障的过程可以包括如下步骤：
步骤i)，获取多个车辆的历史故障维修记录；
步骤j)，对多个历史故障维修记录进行格式转换，得到格式统一的故障。
示例性的，可以对数据记录按照相应属性转化为结构化数据记录。一般故障维修记录为零散的不规范的记录，需要按属性，如时间、地点、故障类型、维修手段、故障原因等整理成格式化的记录，以方便之后的分析工作。例如，可以通过建立一个维修记录的数据库统一填写格式等方法方便的实现上述故障可以是格式统一后的数据，以便于后续的数据处理分析等过程。
图3提供了一种车辆的数据处理装置的结构示意图。如图3所示，车辆的数据处理装置300包括：
获取模块301，用于获取车辆运行的数据异常和所述车辆的故障；
分析模块302，用于通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系；
建立模块303，用于基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络。
在一些实施例中，所述关系网络用于确定与任意车辆的第一故障和/或第一数据异常，所对应的第二故障和/或第二数据异常。
在一些实施例中，该装置还包括：
优化模块，用于在基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络之后，利用所述关系网络对预设数据异常检测系统和预设FTA故障树进行补充优化，得到补充优化后的数据异常检测系统和补充优化后的FTA故障树。
在一些实施例中，所述关联关系包括下述任意一项或多项：
支持度，置信度，提升度。
在一些实施例中，分析模块302具体用于：
通过关联性分析算法分析多个所述数据异常之间的第一关联关系、多个所述故障之间的第二关联关系、以及所述数据异常和所述故障之间的第三关联关系。
在一些实施例中，建立模块303具体用于：
基于所述关联关系通过因果推断法，分析多个所述故障之间、多个所述数据异常之间、以及所述数据异常和所述故障之间的因果关系；
基于所述因果关系建立多个所述故障以及多个所述数据异常之间的关系网络。
在一些实施例中，分析模块302还用于：
基于所述第一关联关系，通过因果推断法分析多个所述数据异常之间的第一因果关系；
基于所述第二关联关系，通过因果推断法分析多个所述故障之间的第二因果关系；
基于所述第三关联关系，通过因果推断法分析所述数据异常和所述故障之间的第三因果关系。
在一些实施例中，获取模块301具体用于：
获取多个车辆运行的数据异常和多个所述车辆的故障。
在一些实施例中，获取模块301还用于：
获取多个所述车辆的历史故障维修记录；
对多个所述历史故障维修记录进行格式转换，得到格式统一的故障。
本申请实施例提供的车辆的数据处理装置，与上述实施例提供的车辆的数据处理方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
如图4所示，本申请实施例提供的一种计算机设备400，包括：存储器401、处理器402和总线，所述存储器401存储有所述处理器402可执行的机器可读指令，当电子设备运行时，所述处理器402与所述存储器401之间通过总线通信，所述处理器402执行所述机器可读指令，以执行如上述车辆的数据处理方法的步骤。
具体地，上述存储器401和处理器402能够为通用的存储器和处理器，这里不做具体限定，当处理器402运行存储器401存储的计算机程序时，能够执行上述车辆的数据处理方法。
处理器402可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器402中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器402可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器401，处理器402读取存储器401中的信息，结合其硬件完成上述方法的步骤。
对应于上述车辆的数据处理方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述车辆的数据处理方法的步骤。
本申请实施例所提供的车辆的数据处理装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。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，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，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通信接口，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。
再例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、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。也应当注意，在有些作为替换的实现方式中，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，这依所涉及的功能而定。也要注意的是，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系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
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方案的目的。
另外，在本申请提供的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。
所述功能如果以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。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分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，包括若干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)执行本申请各个实施例所述车辆的数据处理方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的范围。都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种车辆的数据处理方法，其特征在于，所述方法包括：
获取车辆运行的数据异常和所述车辆的故障；
通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系；
基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络。
2.根据权利要求1所述的车辆的数据处理方法，其特征在于，所述关系网络用于确定与任意车辆的第一故障和/或第一数据异常，所对应的第二故障和/或第二数据异常。
3.根据权利要求1或2所述的车辆的数据处理方法，其特征在于，所述基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络的步骤之后，还包括：
利用所述关系网络对预设数据异常检测系统和预设FTA故障树进行补充优化，得到补充优化后的数据异常检测系统和补充优化后的FTA故障树。
4.根据权利要求1所述的车辆的数据处理方法，其特征在于，所述关联关系包括下述任意一项或多项：
支持度，置信度，提升度。
5.根据权利要求1所述的车辆的数据处理方法，其特征在于，所述通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系的步骤，包括：
通过关联性分析算法分析多个所述数据异常之间的第一关联关系、多个所述故障之间的第二关联关系、以及所述数据异常和所述故障之间的第三关联关系。
6.根据权利要求5所述的车辆的数据处理方法，其特征在于，所述基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络的步骤，包括：
基于所述关联关系通过因果推断法，分析多个所述故障之间、多个所述数据异常之间、以及所述数据异常和所述故障之间的因果关系；
基于所述因果关系建立多个所述故障以及多个所述数据异常之间的关系网络。
7.根据权利要求6所述的车辆的数据处理方法，其特征在于，所述基于所述关联关系通过因果推断法，分析多个所述故障之间、多个所述数据异常之间、以及所述数据异常和所述故障之间的因果关系的步骤，包括：
基于所述第一关联关系，通过因果推断法分析多个所述数据异常之间的第一因果关系；
基于所述第二关联关系，通过因果推断法分析多个所述故障之间的第二因果关系；
基于所述第三关联关系，通过因果推断法分析所述数据异常和所述故障之间的第三因果关系。
8.根据权利要求1所述的车辆的数据处理方法，其特征在于，所述获取车辆运行的数据异常和所述车辆的故障的步骤，包括：
获取多个车辆运行的数据异常和多个所述车辆的故障。
9.根据权利要求8所述的车辆的数据处理方法，其特征在于，获取多个所述车辆的故障的步骤，包括：
获取多个所述车辆的历史故障维修记录；
对多个所述历史故障维修记录进行格式转换，得到格式统一的故障。
10.一种车辆的数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取车辆运行的数据异常和所述车辆的故障；
分析模块，用于通过关联性分析算法分析多个所述数据异常之间、多个所述故障之间、以及所述数据异常和所述故障之间的关联关系；
建立模块，用于基于所述关联关系建立多个所述故障以及多个所述数据异常之间的关系网络。
11.一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至9任一项所述的方法的步骤。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110376387.0A CN113112036A (zh) | 2021-04-07 | 2021-04-07 | 车辆的数据处理方法、装置以及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110376387.0A CN113112036A (zh) | 2021-04-07 | 2021-04-07 | 车辆的数据处理方法、装置以及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113112036A true CN113112036A (zh) | 2021-07-13 |
Family
ID=76714612
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110376387.0A Pending CN113112036A (zh) | 2021-04-07 | 2021-04-07 | 车辆的数据处理方法、装置以及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113112036A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117764265A (zh) * | 2023-11-09 | 2024-03-26 | 中国石油大学(北京) | 基于数据驱动的综合能源系统脆弱性动态分析方法及装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106441928A (zh) * | 2016-08-30 | 2017-02-22 | 东软集团股份有限公司 | 一种车辆故障检测方法、装置及系统 |
| CN109358602A (zh) * | 2018-10-23 | 2019-02-19 | 山东中创软件商用中间件股份有限公司 | 一种故障分析方法、装置及相关设备 |
| CN109460010A (zh) * | 2018-12-18 | 2019-03-12 | 彩虹无线（北京）新技术有限公司 | 基于知识图谱的车辆故障检测方法、装置及存储介质 |
| CN109639475A (zh) * | 2018-12-06 | 2019-04-16 | 国网甘肃省电力公司信息通信公司 | 基于关联图的网络自诊断故障定位方法 |
| CN111832974A (zh) * | 2020-07-28 | 2020-10-27 | 重庆长安新能源汽车科技有限公司 | 车辆故障预警方法及存储介质 |
| CN112434832A (zh) * | 2020-12-09 | 2021-03-02 | 广州瑞修得信息科技有限公司 | 基于贝叶斯网络的车辆故障检测方案的智能推荐方法 |
-
2021
- 2021-04-07 CN CN202110376387.0A patent/CN113112036A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106441928A (zh) * | 2016-08-30 | 2017-02-22 | 东软集团股份有限公司 | 一种车辆故障检测方法、装置及系统 |
| CN109358602A (zh) * | 2018-10-23 | 2019-02-19 | 山东中创软件商用中间件股份有限公司 | 一种故障分析方法、装置及相关设备 |
| CN109639475A (zh) * | 2018-12-06 | 2019-04-16 | 国网甘肃省电力公司信息通信公司 | 基于关联图的网络自诊断故障定位方法 |
| CN109460010A (zh) * | 2018-12-18 | 2019-03-12 | 彩虹无线（北京）新技术有限公司 | 基于知识图谱的车辆故障检测方法、装置及存储介质 |
| CN111832974A (zh) * | 2020-07-28 | 2020-10-27 | 重庆长安新能源汽车科技有限公司 | 车辆故障预警方法及存储介质 |
| CN112434832A (zh) * | 2020-12-09 | 2021-03-02 | 广州瑞修得信息科技有限公司 | 基于贝叶斯网络的车辆故障检测方案的智能推荐方法 |
Non-Patent Citations (3)
| Title |
|---|
| 徐磊等: "基于FTA和贝叶斯网络的动车组制动系统故障分析", 《制造业自动化》, vol. 38, no. 2, pages 57 - 61 * |
| 梁新元等: "因果图向故障树转换的研究", 《计算机仿真》, no. 12, pages 67 - 69 * |
| 涂鹏飞等: "城市轨道交通全自动驾驶车辆智能维护系统方案研究", 《铁道通信信号》, vol. 56, no. 6, pages 66 - 70 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117764265A (zh) * | 2023-11-09 | 2024-03-26 | 中国石油大学(北京) | 基于数据驱动的综合能源系统脆弱性动态分析方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2016351091B2 (en) | Method and device for processing service calling information | |
| CN104137078A (zh) | 操作管理设备、操作管理方法和程序 | |
| US9524223B2 (en) | Performance metrics of a computer system | |
| CN111240876B (zh) | 微服务的故障定位方法、装置、存储介质及终端 | |
| CN113708986B (zh) | 服务器监控装置、方法及计算机可读存储介质 | |
| CN102713862A (zh) | 故障原因提取装置、故障原因提取方法和程序记录介质 | |
| CN111722952A (zh) | 业务系统的故障分析方法、系统、设备和存储介质 | |
| JP6079243B2 (ja) | 障害分析支援装置、障害分析支援方法、及びプログラム | |
| CN107102929A (zh) | 故障的检测方法及装置 | |
| CN117207778B (zh) | 一种车辆部件无损检测方法及系统 | |
| CN105630656A (zh) | 基于日志模型的系统健壮性分析方法及装置 | |
| CN113835918A (zh) | 一种服务器故障分析方法及装置 | |
| CN111309584B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
| CN113112036A (zh) | 车辆的数据处理方法、装置以及计算机设备 | |
| CN112882898B (zh) | 基于大数据日志分析的异常检测方法、系统、设备及介质 | |
| CN112769615B (zh) | 一种异常分析方法及装置 | |
| CN113392000A (zh) | 测试用例执行结果分析方法、装置、设备及存储介质 | |
| CN111124809B (zh) | 一种服务器传感器系统的测试方法及装置 | |
| CN112416896A (zh) | 数据异常的报警方法和装置、存储介质、电子装置 | |
| CN116126574A (zh) | 一种系统故障诊断方法、装置、设备及存储介质 | |
| CN114322446B (zh) | 冷却系统故障预警方法、装置、冷却系统及作业机械 | |
| CN118057771A (zh) | 一种测试分析方法及装置 | |
| CN112363893A (zh) | 时序指标异常检测方法、设备及装置 | |
| CN111552960B (zh) | 一种程序完整性的动态度量方法和装置 | |
| CN118484334A (zh) | 数据库故障信息生成方法、装置、计算机设备和存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |