本发明涉及车辆故障诊断方法，具体涉及一种基于知识图谱的汽车故障智能诊断及预警方法。
背景技术：
1、汽车保有量的逐年增长对车辆的故障诊断和维修提出了更高的要求，通过收集和分析汽车行驶数据，可以实时监测车辆各个部件的运行状态和性能参数，从而及时发现潜在的故障迹象或异常情况。传统上，汽车故障领域在网络上已经有着较多的数据积累，其可能以官方的结构化维修记录存在，也可能以非结构化的故障维修案例文本存在。官方提供的结构化维修记录多为企业内部资料难以获得，且对于单一品牌的维修记录并不对于所有品牌车型适用；网络汽车故障案例多为非结构化文本，仍然需要人工从中提取中故障相关的信息，需要经过提取结构化文本来构建知识图谱体系。因此，开发一种利用互联网及大数据相关技术，对车辆的潜在故障进行预警和云诊断的方法，可以减少车辆行驶中故障出现次数，提高故障维修效率，通过汽车故障知识图谱可以从车辆零部件构造的视角，分析对车辆某一故障有影响的特征因素。
2、申请号为202311383305.0的中国专利申请《一种基于知识图谱的汽车故障智能诊断方法及系统》通过获取目标车辆的故障部件信息和预设知识图谱，根据获取的故障部件信息并基于预设知识图谱，生成故障部件对应的故障现象推荐合集或故障现象全局合集，最后在生成故障部件对应的故障现象推荐合集或故障现象全局合集后，在用户确认指令的触发下，确定目标车辆的故障部件对应的故障现象，并基于预设知识图谱获取该故障现象的原因、维修手段和维修案例。缺点：故障预测基于车辆零部件，未能与车辆行驶相关数据相结合。
3、申请号为202210956760.4的中国专利申请《基于知识图谱搜索汽车维修数据的方法》首先通过故障识别单元获取用户端输入的汽车故障信息的文本，对输入的故障信息的文本进行故障识别得到故障对，并将得到的故障对发送至候选答案生成单元；通过利用自然语言处理和kbqa的技术解决汽车故障维修，汽车故障原因等相关信息的咨询；解决了传统的机器人问答系统的说法表泛化问题。缺点：方案主要根据用户输入的故障文本信息识别故障，从而去匹配知识库中的实体关系得到最匹配的n个答案。如果用户的故障文本信息描述有问题，可能导致故障识别失败，在知识图谱中匹配不到合适的答案或匹配到错误的答案。
4、申请号为201410683965.5的中国专利申请《一种基于can信息的电动汽车故障智能诊断方法》通过获取系统记录的待诊断故障的发生时刻；调取待诊断故障的发生时刻前后一定时间段内的can信息源数据；确定待诊断故障的真实发生时刻t所属时间段t0～t1；对t0～t1时间段内以及t0时刻前一定时间段内的can信息源数据进行核查；找到待诊断故障的真实发生原因，通过can总线反馈到显示屏。缺点：只能通过can总线信息来调取故障信息数据，不能根据用户输入来识别故障和寻找解决办法。
5、申请号为201110311011.8的中国专利申请《一种汽车智能故障诊断预警及报警方法》汽车音响主机通过gps模块获得车辆位置信息，通过can总线获得车辆状态信息，将车辆的状态信息发送至呼叫中心，呼叫中心诊断汽车存在故障时，向汽车音响主机发送预警提示信息，当汽车音响主机检测到汽车危险状态信号时，自动拨打呼叫中心专用紧急救援号码，同时将车辆的位置信息、状态信息发送至呼叫中心。缺点：不能根据用户输入和车辆行驶数据来识别故障，且不能提供解决方案。
6、申请号为202311318461.9的中国专利申请《一种基于故障树的新能源汽车智能诊断方法》通过读取网关数据、读取总线数据、读取ecu数据、读取故障代码并智能诊断、使用故障树分析法对故障进行判断并进行故障修复，只需要维修人员按照提示操作即可对新能源汽车进行故障点查找，由传统的固定模式改为选故障现象的模式，即直接从故障现象入手，使故障诊断更快捷，同时每次故障扫描用时短，故障点定位更精确，基于车辆网络、ecu、故障码、诊断数据流以及车辆内部总线信号对车辆故障进行全面分析，有效减少不断拆件来判断配件是否正常的概率，车辆完成维修后通过快速扫描，智能判断车辆故障是否已经排除。缺点：不能根据用户的输入来识别故障和寻找解决办法，且没有故障原因和解决办法的推荐。
7、申请号为201810911168.6的中国专利申请《一种云端汽车故障智能诊断匹配系统》通过用户首先通过检测模块录入被检测车辆的检测数据，并使用工号自动识别功能识别车辆车系车型信息，然后通过使用汽车专用解码器，与汽车诊断座的诊断接头接连，采集汽车电控故障现象数据。通过传输模块传输到存储模块，并通知算法，最后算法模块从存储模块取得检测数据，进行工人工智能诊断通过车系车型，匹配原厂参数数据检测数据通过原厂参数据匹配及算法计算推到，得到诊断结果大数据通过诊断结果，匹配维修方式及解决方案通过维修方式，匹配配件耗材。缺点：该方法主要使用结构化数据，对汽车故障非结构化事件动态特征的挖掘较为不足。
技术实现思路
1、发明目的：本发明目的是提供一种简便、高效、准确的基于知识图谱的汽车故障智能诊断及预警方法。
2、实现对车辆故障预警和云诊断功能，本发明首先使用爬虫技术从互联网上获取汽车故障维修案例，后从非结构化文本中提取结构化文本，并构建汽车故障知识图谱。后基于车辆的实时行驶数据，筛选典型故障，使用车辆故障知识图谱筛选故障影响因素，对车辆行驶数据进行数据清洗后使用不同时序深度学习模型进行故障预测。最终基于汽车的行驶数据对车辆故障实现预警、云诊断功能。
3、技术方案：本发明所述的基于知识图谱的汽车故障智能诊断及预警方法，包括如下步骤：
4、步骤1、通过爬虫获取网络汽车维修案例，基于汽车零件专有词典筛选故障提取规则，并根据故障提取规则提取与故障原因、故障零件、故障解决方法相关的文本数据。
5、步骤2、采取基于规则和textcnn的方法从非结构化文本中提取汽车故障结构化文本。其步骤包括：
6、2.1通过汽车领域专有名词提取故障相关语句，并根据其上下文词语出现频率构建故障文本提取规则。
7、2.2使用故障提取规则提取故障相关语句，并使用textcnn模型对故障语句进行价值分类。
8、2.3最后使用jieba分词提取有价值语句中的故障相关信息，完成结构化文本数据提取。
9、步骤3、通过neo4j构建汽车故障知识图谱。
10、建立python和neo4j的连接，利用汽车故障维修案例中提取的结构化汽车故障文本数据集，创建相应的实体节点。提取出汽车故障知识图谱构建所需的数据集。
11、步骤4、构建基于汽车行驶数据的故障预测模型。其步骤包括：
12、4.1基于车辆行驶数据，对数据进行故障与非故障的拆分重组、缺失值填补格式转换、故障分类等预处理。
13、4.2通过知识图谱的检索方式筛选车辆故障的影响特征量，并通过时间序列提取构建故障数据集，为故障诊断模型构建提供数据基础。
14、4.3后利用mc-dcnn和resnet神经网络进行故障预测训练，使用效果最好的模型对车辆故障进行预测，构建基于汽车行驶数据的故障预测模型。
15、步骤5、构建车辆故障预警和云诊断系统。
16、首先对车辆行驶数据进行预处理和特征提取，后进行故障预测，若无故障，则输出无故障；若有故障，则将故障部件输入知识图谱进行检索，输出故障原因及维修方法并报警。
17、与现有技术相比，本发明的有益效果在于：
18、1、本发明将故障检测与车辆行驶相关数据结合，解决了原先汽车维修仅靠人工经验、汽车维修数据知识浪费、知识难以共享等问题。
19、2、本发明将基于车辆故障预测模型和车辆故障知识图谱，实现车辆运行过程中的故障云诊断功能。为车辆运行中潜在出现的故障提供维修方法和建议，大大提升了车辆维修过程中的效率及车辆驾驶过程中的安全性。
20、3、本发明将建立基于规则和textcnn模型的非结构化文本结构化方法，实现了对汽车故障维修案例的文本抽取和文本价值分类，获得构建知识图谱的结构化文本数据。提供了非结构化文本的结构化文本提取方法，有利于从更多的非结构化维修案例中提取信息。
1.一种基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，所述步骤(1)的方法：通过爬虫获取网络汽车维修案例，基于汽车零件专有词典筛选故障提取规则，并根据故障提取规则提取与故障原因、故障零件、故障解决方法相关的文本数据。
3.根据权利要求1所述的基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，所述步骤(2)的方法：采取基于规则和textcnn的方法从非结构化文本中提取汽车故障结构化文本。
4.根据权利要求3所述的基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，提取方法为：
5.根据权利要求1所述的基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，所述步骤(3)通过neo 4二j构建汽车故障知识图谱。
6.根据权利要求5所述的基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，构建的具体方法：建立python和neo4j的连接，利用汽车故障维修案例中提取的结构化汽车故障文本数据集，创建相应的实体节点，提取出汽车故障知识图谱构建所需的数据集。
7.根据权利要求1所述的基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，所述步骤(4)的构建方法：
8.根据权利要求1所述的基于知识图谱的汽车故障智能诊断及预警方法，其特征在于，所述步骤(5)的构建方法：首先对车辆行驶数据进行预处理和特征提取，后进行故障预测，若无故障，则输出无故障；若有故障，则将故障部件输入知识图谱进行检索，输出故障原因及维修方法并报警。
