專利名稱：基于數(shù)據(jù)流的車輛故障診斷方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于數(shù)據(jù)流的車輛故障診斷方法。
背景技術(shù)：
隨著數(shù)據(jù)挖掘技術(shù)和案例推理技術(shù)研究的深入，一些文獻(xiàn)提出將數(shù)據(jù)挖掘與案例 推理結(jié)合的研究與應(yīng)用，通過數(shù)據(jù)挖掘產(chǎn)生案例推理中的知識(shí)，來解決案例庫中知識(shí)庫的 瓶頸問題。但該類研究主要集中在對(duì)靜態(tài)數(shù)據(jù)集的挖掘，產(chǎn)生的數(shù)據(jù)挖掘結(jié)果固定、單一， 不能滿足實(shí)際中數(shù)據(jù)實(shí)時(shí)增加、知識(shí)實(shí)時(shí)變化的需要。傳統(tǒng)車輛故障的診斷一般是靠有經(jīng)驗(yàn)的老師傅通過個(gè)人的經(jīng)驗(yàn)判斷，或者通過故 障點(diǎn)的說明書和維修手冊(cè)進(jìn)行診斷，而實(shí)際上很多問題往往與經(jīng)驗(yàn)和手冊(cè)有出入，具體問 題往往有不同的表現(xiàn)。專家的經(jīng)驗(yàn)呈現(xiàn)出知識(shí)量少、獲取困難，而維修手冊(cè)的知識(shí)則固定不 變，這樣由于診斷的方法長期得不到更新，成為靜態(tài)的過時(shí)的知識(shí)，不僅影響解決問題的準(zhǔn) 確性，而且對(duì)于新的問題可能根本無法解決。

發(fā)明內(nèi)容
本發(fā)明是為避免上述現(xiàn)有技術(shù)所存在的不足之處，提供一種基于數(shù)據(jù)流的車輛故 障診斷方法，將數(shù)據(jù)流與CBR結(jié)合，并應(yīng)用于汽車故障診斷中，從而提高解決問題的準(zhǔn)確性 和有效性，并且能夠?qū)π聠栴}提供最新的解決方案。本發(fā)明解決技術(shù)問題采用如下技術(shù)方案本發(fā)明基于數(shù)據(jù)流的車輛故障診斷方法的特點(diǎn)是首先利用數(shù)據(jù)流算法，對(duì)實(shí)時(shí)汽車故障數(shù)據(jù)進(jìn)行挖掘，獲得汽車故障數(shù)據(jù)流中的 有用信息，并將挖掘結(jié)果保存在臨時(shí)汽車故障案例庫中，作為汽車故障知識(shí)庫的來源；然后利用所述臨時(shí)汽車故障案例庫對(duì)汽車故障知識(shí)庫進(jìn)行更新，通過相似度匹配 計(jì)算，實(shí)現(xiàn)汽車故障知識(shí)庫的及時(shí)更新；再針對(duì)新問題的特征，通過檢索汽車故障知識(shí)庫或者臨時(shí)汽車故障案例庫中的知 識(shí)或者案例，獲得與新汽車故障問題具有最相似特征的信息，用來解決診斷問題。本發(fā)明基于數(shù)據(jù)流的車輛故障診斷方法的特點(diǎn)也在于所述數(shù)據(jù)流算法是使用聚 類算法計(jì)算m個(gè)一級(jí)質(zhì)心，當(dāng)計(jì)算出第二組m個(gè)一級(jí)質(zhì)心時(shí)，使用最小距離原則聚類算法， 以第一組質(zhì)心作為原始質(zhì)心，將第二組質(zhì)心融入第一組中，作為二級(jí)質(zhì)心；依次計(jì)算第m組 質(zhì)心，以第i級(jí)質(zhì)心為原始質(zhì)心，將第m組質(zhì)心融入第i級(jí)質(zhì)心，作為i+1級(jí)質(zhì)心。與已有技術(shù)相比，本發(fā)明有益效果體現(xiàn)在本發(fā)明將基于數(shù)據(jù)流挖掘的案例推理技術(shù)應(yīng)用于汽車故障的診斷系統(tǒng)中，由實(shí)際 數(shù)據(jù)挖掘出規(guī)則，用于實(shí)際問題的解決，在解決問題的過程中不斷自我更新，適應(yīng)最新的問 題，使原有依靠人工手段形成與維護(hù)的的案例庫，變?yōu)橛?jì)算機(jī)技術(shù)自動(dòng)形成與更新。一方面 提高了汽車故障診斷的準(zhǔn)確性，減少對(duì)人的依賴，另一方面由于可以對(duì)案例庫實(shí)時(shí)更新，可 以實(shí)現(xiàn)對(duì)最新問題的支持。


圖1為本發(fā)明方法流程示意圖。以下通過具體實(shí)施方式
對(duì)本發(fā)明作進(jìn)一步說明
具體實(shí)施例方式參見圖1，本實(shí)施例中，首先利用數(shù)據(jù)流算法，對(duì)實(shí)時(shí)汽車故障數(shù)據(jù)進(jìn)行挖掘，獲得 汽車故障數(shù)據(jù)流中的有用信息，并將挖掘結(jié)果保存在臨時(shí)汽車故障案例庫中，作為汽車故 障知識(shí)庫的來源；然后利用所述臨時(shí)汽車故障案例庫對(duì)汽車故障知識(shí)庫進(jìn)行更新，通過相 似度匹配計(jì)算，實(shí)現(xiàn)汽車故障知識(shí)庫的及時(shí)更新；再針對(duì)新問題的特征，通過檢索汽車故障 知識(shí)庫或者臨時(shí)汽車故障案例庫中的知識(shí)或者案例，獲得與新汽車故障問題具有最相似特 征的信息，用來解決診斷問題。具體實(shí)施中，采用改進(jìn)的數(shù)據(jù)流聚類算法，首先使用聚類算法計(jì)算m個(gè)一級(jí)質(zhì)心， 當(dāng)計(jì)算出第二組m個(gè)一級(jí)質(zhì)心時(shí)，使用最小距離原則聚類算法，以第一組質(zhì)心作為原始質(zhì) 心，將第二組質(zhì)心融入第一組中，作為二級(jí)質(zhì)心；同理，依次計(jì)算第m組質(zhì)心，以第i級(jí)質(zhì)心 為原始質(zhì)心，將第m組質(zhì)心融入第i級(jí)質(zhì)心，作為i+1級(jí)質(zhì)心。這一方法中的質(zhì)心數(shù)量既不 是不變，也不會(huì)陡增，質(zhì)心數(shù)量溫和增長，直至保留在一個(gè)穩(wěn)定的數(shù)量水平。這樣每段時(shí)間 內(nèi)的聚類結(jié)果都得到體現(xiàn)，能夠比較全面地反映數(shù)據(jù)流中的主要信息，且任何時(shí)間點(diǎn)都能 得到實(shí)時(shí)、可用的的聚類數(shù)據(jù)。具體算法包括以下兩個(gè)部分1、基本數(shù)據(jù)塊聚類從數(shù)據(jù)流中聚集數(shù)據(jù)塊，每當(dāng)數(shù)據(jù)塊數(shù)量達(dá)到n時(shí)，使用傳統(tǒng)K-center聚類算法 計(jì)算出m個(gè)一級(jí)質(zhì)心。2、聚類質(zhì)心二次聚合在原有聚類質(zhì)心基礎(chǔ)上，使用最小聚類原則聚類算法，對(duì)新產(chǎn)生的聚類質(zhì)心進(jìn)行 二次聚合。計(jì)算新聚類質(zhì)心與各個(gè)原有質(zhì)心的差值，當(dāng)所有差值在某閾值之內(nèi)時(shí)，將新聚類 質(zhì)心歸為某類已有質(zhì)心；當(dāng)所有差值超過某閾值時(shí)，將新聚類質(zhì)心的特征數(shù)據(jù)作為新的案 例進(jìn)行保存。以此類推，隨著數(shù)據(jù)流的不斷增大，案例庫呈現(xiàn)出平穩(wěn)上升，然后低速增長，最后 基本保持平穩(wěn)的案例庫信息量變化特征。這樣就獲得了實(shí)時(shí)、動(dòng)態(tài)的知識(shí)。具體應(yīng)用汽車企業(yè)的各個(gè)維修站點(diǎn)將本站點(diǎn)所處理的汽車故障信息向故障診斷中心發(fā)送， 故障信息主要包括故障車輛的故障類型、電壓、電流等故障參數(shù)，故障診斷系統(tǒng)在動(dòng)態(tài)接收 故障數(shù)據(jù)流信息，對(duì)數(shù)據(jù)流數(shù)據(jù)進(jìn)行挖掘分析，挖掘出各種車輛故障的典型參數(shù)信息，保存 在車輛故障臨時(shí)案例庫中，然后對(duì)車輛故障知識(shí)庫進(jìn)行更新，各個(gè)維修站點(diǎn)可根據(jù)最新的 汽車故障知識(shí)庫中各種故障的參數(shù)，對(duì)新的故障車輛做出預(yù)測(cè)與判斷，尋找解決方案，得以 更好的對(duì)車輛故障進(jìn)行檢測(cè)與維修。1、車輛故障數(shù)據(jù)的動(dòng)態(tài)接收與處理車輛故障數(shù)據(jù)是由各個(gè)車輛維修站點(diǎn)網(wǎng)上實(shí)時(shí)上報(bào)傳輸，其中包括了車輛的信 息，車輛故障類別以及車輛故障特征信息等。系統(tǒng)在線動(dòng)態(tài)接收數(shù)據(jù)，將接收的數(shù)據(jù)按照車輛類型與車輛故障的類別，進(jìn)行分類暫存。模擬數(shù)據(jù)流數(shù)據(jù)如表1所示表1模擬車輛故障數(shù)據(jù)的動(dòng)態(tài)數(shù)據(jù)流數(shù)據(jù) 2、挖掘動(dòng)態(tài)數(shù)據(jù)流、獲取車輛故障案例庫在動(dòng)態(tài)接收車輛故障數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行分類暫存后，形成了各種車輛的各種故障 的數(shù)據(jù)塊。對(duì)數(shù)據(jù)塊進(jìn)行數(shù)據(jù)清洗和歸一化處理，并使用本文提出的改進(jìn)的數(shù)據(jù)流聚類算 法進(jìn)行挖掘，獲得的車輛故障典型特征信息，保存入車輛故障臨時(shí)案例庫中。車輛故障案例 庫如表2所示表2數(shù)據(jù)挖掘后獲得某車型的故障知識(shí) 3、動(dòng)態(tài)更新車輛故障知識(shí)庫在獲得車輛故障臨時(shí)案例庫的同時(shí)，在原有車輛故障知識(shí)庫的基礎(chǔ)上，將案例庫 中的車輛故障數(shù)據(jù)與知識(shí)庫中的車輛故障數(shù)據(jù)進(jìn)行差異比對(duì)，計(jì)算最小綜合距離(本系統(tǒng) 中差異比對(duì)采用歐幾里德距離計(jì)算各個(gè)特征值的綜合距離)，如果最小綜合距離大于設(shè)定 閾值，則將臨時(shí)案例庫中該案例添加到知識(shí)庫中；如果最小綜合距離小于設(shè)定閾值，則增加 與最小綜合距離對(duì)應(yīng)的知識(shí)庫中該案例的數(shù)量與權(quán)重。4、車輛故障診斷問題的解決在系統(tǒng)中，當(dāng)有新的車輛故障問題到來，首先分析、獲取該車輛的類別及故障參數(shù) 信息；然后在知識(shí)庫中，提取與該車輛具有相同類別的故障參數(shù)數(shù)據(jù)，計(jì)算這些數(shù)據(jù)與該 車輛故障數(shù)據(jù)的最小差值，若最小距離差值滿足最小可信度要求，則提取該最小距離差值 對(duì)應(yīng)的知識(shí)庫中的案例，將其作為相似案例；若不滿足，則回到臨時(shí)案例庫中，提取臨時(shí)案 例庫中與該車輛具有相同類別的故障參數(shù)數(shù)據(jù)，計(jì)算這些數(shù)據(jù)與該車輛故障數(shù)據(jù)的最小差 值，并提取該案例作為相似案例；在獲得最相似案例對(duì)應(yīng)的解決方案后，經(jīng)適當(dāng)修改，最終 應(yīng)用于解決該車輛故障問題，并將該故障解決方案保存于案例庫中，用來重新更新知識(shí)庫。
權(quán)利要求
一種基于數(shù)據(jù)流的車輛故障診斷方法，其特征是首先利用數(shù)據(jù)流算法，對(duì)實(shí)時(shí)汽車故障數(shù)據(jù)進(jìn)行挖掘，獲得汽車故障數(shù)據(jù)流中的有用信息，并將挖掘結(jié)果保存在臨時(shí)汽車故障案例庫中，作為汽車故障知識(shí)庫的來源；然后利用所述臨時(shí)汽車故障案例庫對(duì)汽車故障知識(shí)庫進(jìn)行更新，通過相似度匹配計(jì)算，實(shí)現(xiàn)汽車故障知識(shí)庫的及時(shí)更新；再針對(duì)新問題的特征，通過檢索汽車故障知識(shí)庫或者臨時(shí)汽車故障案例庫中的知識(shí)或者案例，獲得與新汽車故障問題具有最相似特征的信息，用來解決診斷問題。
2.根據(jù)權(quán)利要求1所述的基于數(shù)據(jù)流的車輛故障診斷方法，其特征是所述數(shù)據(jù)流算法 是使用聚類算法計(jì)算m個(gè)一級(jí)質(zhì)心，當(dāng)計(jì)算出第二組m個(gè)一級(jí)質(zhì)心時(shí)，使用最小距離原則聚 類算法，以第一組質(zhì)心作為原始質(zhì)心，將第二組質(zhì)心融入第一組中，作為二級(jí)質(zhì)心；依次計(jì) 算第m組質(zhì)心，以第i級(jí)質(zhì)心為原始質(zhì)心，將第m組質(zhì)心融入第i級(jí)質(zhì)心，作為i+Ι級(jí)質(zhì)心。
全文摘要
本發(fā)明公開了一種基于數(shù)據(jù)流的車輛故障診斷方法，其特征是首先利用數(shù)據(jù)流算法，對(duì)實(shí)時(shí)汽車故障數(shù)據(jù)進(jìn)行挖掘，獲得汽車故障數(shù)據(jù)流中的有用信息，并將挖掘結(jié)果保存在臨時(shí)汽車故障案例庫中，作為汽車故障知識(shí)庫的來源；然后利用所述臨時(shí)汽車故障案例庫對(duì)汽車故障知識(shí)庫進(jìn)行更新，通過相似度匹配計(jì)算，實(shí)現(xiàn)汽車故障知識(shí)庫的及時(shí)更新；再針對(duì)新問題的特征，通過檢索汽車故障知識(shí)庫或者臨時(shí)汽車故障案例庫中的知識(shí)或者案例，獲得與新汽車故障問題具有最相似特征的信息，用來解決診斷問題。
文檔編號(hào)G06F17/30GK101853291SQ201010183798
公開日2010年10月6日 申請(qǐng)日期2010年5月24日 優(yōu)先權(quán)日2010年5月24日
發(fā)明者倪麗萍, 倪志偉, 戴奇波, 李鋒剛, 王超, 胡湯磊, 高雅卓 申請(qǐng)人:合肥工業(yè)大學(xué)