故障检测方式的确定方法、装置、电子设备及存储介质与流程

1.本发明涉及车辆智能诊修技术领域，具体涉及一种故障检测方式的确定方法、装置、电子设备及存储介质。


背景技术：

2.目前，车辆智能诊修的实现方案主要是基于决策树的固定顺序推荐，该逻辑通过基于人工经验梳理的排查顺序，以固定的排查顺序向维修人员推荐检测方式，该顺序维修人员无法更改，如果使用过程中发现排查顺序不合理，只能由决策树设计人员进行调整才能更改。且受限于人员经验，固定顺序推荐的方法不一定适用于所有情况，无法自动优化并生成最适合的检测方式。


技术实现要素：

3.因此，本发明要解决的技术问题在于克服现有技术中车辆智能诊修无法自动优化并生成最适合的检测方式的缺陷，从而提供一种故障检测方式的确定方法、装置、电子设备及存储介质。
4.根据第一方面，本发明实施例公开了一种故障检测方式的确定方法，包括：获取故障原因集及对应检测方式集；根据所述检测方式集，计算所有检测方式的成本；基于凯利公式，根据预设故障推理贝叶斯网络和所述所有检测方式的成本，计算任一检测方式的权重；遍历所有检测方式的权重，确定最大权重所对应的检测方式进行故障检测。
5.可选地，所述预设故障推理贝叶斯网络通过以下方式构建：获取所述故障原因集和所述检测方式集，并配置先验概率；根据所述故障原因集、所述检测方式集和所述先验概率，建立预设故障推理贝叶斯网络。
6.可选地，所述根据所述检测方式集，计算所有检测方式的成本，包括：针对所述检测方式集中的任一检测方式，遍历检测成本数据库，获取所述检测方式的第一成本和第二成本；根据所述第一成本和所述第二成本之间的预设折算比例，将所述第二成本折算得到第三成本；根据所述第一成本和所述第三成本，计算所述任一检测方式的成本；针对所有检测方式分别计算，直至获得所述所有检测方式的成本。
7.可选地，所述基于凯利公式，根据预设故障推理贝叶斯网络和所述任一检测方式的成本，计算任一检测方式的权重，包括：根据预设故障推理贝叶斯网络，获取任一检测方式对应的网络节点概率；根据所述任一检测方式对应的网络节点概率，计算任一检测方式的成功概率与任一检测方式的失败概率；根据所述任一检测方式的成本，计算任一检测方式的收益与任一检测方式的损失；将所述成功概率、所述失败概率、所述收益和所述损失代入所述凯利公式，计算所述任一检测方式的权重。
8.可选地，所述根据所述任一检测方式对应的网络节点概率，计算任一检测方式的成功概率与任一检测方式的失败概率包括：将所述任一检测方式对应的网络节点概率作为所述任一检测方式的成功概率；根据所述任一检测方式的成功概率，计算所述任一检测方
式的失败概率。
9.可选地，所述根据所述成本，计算任一检测方式的收益与损失，包括：将所述任一检测方式的成本，作为所述任一检测方式的损失；根据所述任一检测方式的成本和所述所有检测方式的成本，计算所述任一检测方式与其他所有检测方式的成本之和；将所述成本之和作为所述任一检测方式的收益。
10.可选地，所述故障检测方式的确定方法还包括：获取外部输入的检测结果；当所述检测结果为失败时，从所述检测方式集中将当前确定的检测方式移除，生成新的检测方式集；根据所述新的检测方式集确定新的故障原因集；根据所述新的检测方式集和所述新的故障原因集，更新所述故障推理贝叶斯网络的网路节点概率；根据更新的网路节点概率和所述所有检测方式的成本，重新计算所述任一检测方式的权重，并再次检测。
11.根据第二方面，本发明还公开了一种故障检测方式的确定装置，包括：信息获取模块，用于获取故障原因集及对应检测方式集；成本计算模块，用于根据所述检测方式集，计算所有检测方式的成本；权重计算模块，用于基于凯利公式，根据预设故障推理贝叶斯网络和所述所有检测方式的成本，计算任一检测方式的权重；方法推荐模块，用于遍历所有检测方式的权重，确定最大权重所对应的检测方式进行故障检测。
12.根据第三方面，本发明还公开了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如第一方面及第一方面任一可选实施方式所述的故障检测方式的确定方法的步骤。
13.根据第四方面，本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面及第一方面任一可选实施方式所述的故障检测方式的步骤。
14.本发明技术方案，具有如下优点：
15.1.本发明提供的故障检测方式的确定方法，基于凯利公式对故障排查每一步可用的全部故障原因检测方式进行权重计算，将所有可用检测方式中在当前情形下的收益最大的检测方式推荐给维修人员，从而保证在故障排查过程中，维修人员都能使用对锁定故障原因贡献度最高且付出成本最低的检测方式，由此解决了现有技术中无法自动生成最适合的检测方式的缺陷。
16.2.本发明提供的故障检测方式的确定方法，通过凯利公式与贝叶斯算法结合，寻找商用车故障维修的过程最优解，即找到耗时最短、成本最低的故障排查路径。同时基于车机工作原理选择对应的检测方式对怀疑的故障原因进行测量确定，随着测量结果的确定，各个故障原因的可能概率会随之发生变化，通过在不同情形下有不同的优先级权重将所有可用检测方式中在当前情形下的收益最大的检测方式推荐给维修人员，从而保证在整个故障排查过程中，维修人员每一步的故障检查都能使用对锁定故障原因贡献度最高且付出成本最低的检测方式，直到找到最终的故障原因。随着每一步的检测结果明确后，通过贝叶斯算法更新各个检测方式锁定故障原因成功和失败的概率，从而更新凯利公式中的概率输入，形成闭环。并且基于贝叶斯网络的自学习技术，实现凯利公式中所需的概率不断优化，随着使用频次的增加，推荐结果将不断趋近于真实情况。
附图说明
17.为了更清楚地说明本发明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发明的一些实施方式，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。
18.图1为本发明实施例中故障检测方式的确定方法的一个具体示例的流程图；
19.图2为本发明实施例中故障检测方式的确定方法的另一个具体示例的流程图；
20.图3为本发明实施例中故障检测方式的确定方法的另一个具体示例的流程图；
21.图4为本发明实施例中故障检测方式的确定方法的另一个具体示例的流程图；
22.图5为本发明实施例中故障检测方式的确定方法的另一个具体示例的流程图；
23.图6为本发明实施例中故障检测方式的确定方法的另一个具体示例的贝叶斯网络示意图；
24.图7为本发明实施例中故障检测方式的确定方法的另一个具体示例的贝叶斯网络示意图；
25.图8为本发明实施例中故障检测方式的确定方法的另一个具体示例的贝叶斯网络示意图；
26.图9为本发明实施例中故障检测方式的确定装置的一个具体示例的结构框图；
27.图10为本发明实施例中电子设备的一个具体示例图。
具体实施方式
28.下面将结合附图对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
29.在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
30.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
31.此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
32.本发明实施例公开了一种故障检测方式的确定方法，如图1所示，包括如下步骤：
33.步骤s1，获取故障原因集及对应检测方式集。
34.具体地，故障原因集为根据当前的车辆故障情况预测出的至少一个故障原因，检测方式为针对至少一个故障原因所对应的检测方式。故障原因集和检测方式集能够通过多
种现有技术获得。
35.示例性地，基于维修人员根据历史维修经验锁定可能导致故障发生的原因和各个原因的可能概率建立故障树，并基于大数据和人工经验将故障树与检测方式关联，即可获得故障原因集和对应的检测方式集。
36.步骤s2，根据所述检测方式集，计算所有检测方式的成本。
37.具体地，首先针对检测方式集中的任一检测方式，遍历检测成本数据库，获取检测方式的第一成本和第二成本；其次根据第一成本和第二成本之间的预设折算比例，将第二成本折算得到第三成本；再次，根据第一成本和第三成本，计算任一检测方式的成本；最后，针对所有检测方式分别计算，直至获得所有检测方式的成本。
38.特别地，第一成本和第二成本分别指时间成本和材料成本。时间成本即为实施该检测方式需要检测人员的总工作时间，材料成本即为实施该检测方式需要使用的物料价格。
39.进一步地，为便于计算，可根据人员的工时费用将时间成本和材料成本进行折算。在折算过程中，可以将时间成本转化为材料成本，也可以将材料成本折算为时间成本，本发明对此不作限定。
40.步骤s3，基于凯利公式，根据预设故障推理贝叶斯网络和所述所有检测方式的成本，计算任一检测方式的权重。
41.具体地，根据预设故障推理贝叶斯网络可获得当前检测方式的成功概率和失败概率，根据所有检测方式的成本也可计算出当前检测方式的收益和损失。
42.进一步地，将当前检测方式的成功概率、失败概率、收益和损失均代入凯利公式可以计算到当前检测方式的权重，其中，该凯利公式可以通过如下公式表示：
[0043][0044]
其中，f为当前检测方式的权重，p为当前检测方式的成功概率，q为当前检测方式的失败概率，rw为当前检测方式成功后的收益，r
l
为当前检测方式失败后的损失。
[0045]
步骤s4，遍历所有检测方式的权重，确定最大权重所对应的检测方式进行故障检测。
[0046]
具体地，检测方式的权重越大代表了检测方式确定故障原因的概率越高，同时检测方式执行时所耗费的时间和材料消耗成本越小。
[0047]
本发明提供的故障检测方式的确定方法，基于凯利公式对故障排查每一步可用的全部故障原因检测方式进行权重计算，将所有检测方式中对当前情况收益最大的检测方式推荐给维修人员，从而保证在故障排查过程中，维修人员都能使用对锁定故障原因贡献度最高且付出成本最低的检测方式，由此解决了现有技术中无法自动生成最适合的检测方式的缺陷。
[0048]
作为本发明的一种可选地实施方式，如图2所示，所述预设故障推理贝叶斯网络通过以下方式构建：
[0049]
步骤s101，获取所述故障原因集和所述检测方式集，并配置先验概率。
[0050]
示例性地，先验概率指根据以往经验和分析得到的概率，先验概率可通过现有技术中的配置方法进行确定，本发明对此不作限定。例如，可根据先前的实验确定过去的信
息。先前的经验可以从经验丰富的专家的纯粹主观评估中引出。当没有信息可用时，可以创建一个不了解的先验，以反映结果之间的平衡。还可以根据某些原理来选择优先级，例如对称性或最大化给定约束的熵。
[0051]
步骤s102，根据所述故障原因集、所述检测方式集和所述先验概率，建立预设故障推理贝叶斯网络。
[0052]
具体地，贝叶斯网络又称信度网络，是贝叶斯方法的扩展，是目前不确定知识表达和推理领域最有效的理论模型之一。贝叶斯网络的有向无环图中的节点分别表示故障原因和检测方式，认为有因果关系的故障原因或检测方式则用箭头来连接，箭头上方的连接强度用条件概率表示。把所有涉及的故障原因和检测方式根据是否条件独立绘制在一个有向图中，就形成了贝叶斯网络，主要用来描述故障原因和检测方式之间的条件依赖，用箭头表示条件依赖。
[0053]
特别地，建立贝叶斯网络可以通过现有技术中的方法实现，本发明对此不做限定。
[0054]
作为本发明的一种可选地实施方式，如图3所示，所述基于凯利公式，根据预设故障推理贝叶斯网络和所述任一检测方式的成本，计算任一检测方式的权重，包括如下步骤：
[0055]
步骤s31，根据预设故障推理贝叶斯网络，获取任一检测方式对应的网络节点概率。
[0056]
步骤s32，根据所述任一检测方式对应的网络节点概率，计算任一检测方式的成功概率与任一检测方式的失败概率。
[0057]
具体地，首先将任一检测方式对应的网络节点概率作为任一检测方式的成功概率，进而根据任一检测方式的成功概率，计算任一检测方式的失败概率。
[0058]
其中，任一检测方式的成功概率即为使用该检测方式能检测确定故障原因的概率。任一检测方式的失败概率即为使用该检测方式不能检测确定故障原因的概率，可通过q＝1-p计算，其中，p为当前检测方式的成功概率，q为当前检测方式的失败概率。
[0059]
步骤s33，根据所述任一检测方式的成本，计算任一检测方式的收益与任一检测方式的损失。
[0060]
具体地，首先将任一检测方式的成本，作为任一检测方式的损失。其次，根据任一检测方式的成本和所有检测方式的成本，计算任一检测方式与其他所有检测方式的成本之和。进一步地，将成本之和作为任一检测方式的收益。
[0061]
示例性地，当采用任一的检测方式中没有检测到异常情况，此时无法确定故障原因，进而确定此次的检测过程为无效检测过程，相当于浪费了此次的检测过程的成本。类似的，当在任一的检测方式中没有检测到异常情况，此时可以直接确定故障原因，进而确定此次的检测过程为有效检测过程，其他的检测方式都可以不用再执行，因此节省的成本是其他所有检测方式的成本之和。
[0062]
步骤s34，将所述成功概率、所述失败概率、所述收益和所述损失代入所述凯利公式，计算所述任一检测方式的权重。
[0063]
作为本发明的一种可选地实施方式，如图4所示，所述故障检测方式的确定方法还包括如下步骤：
[0064]
步骤s5，获取外部输入的检测结果。
[0065]
步骤s6，当所述检测结果为失败时，从所述检测方式集中将当前确定的检测方式
移除，生成新的检测方式集。
[0066]
步骤s7，根据所述新的检测方式集确定新的故障原因集。
[0067]
步骤s8，根据所述新的检测方式集和所述新的故障原因集，更新所述故障推理贝叶斯网络的网路节点概率。
[0068]
步骤s9，根据更新的网路节点概率和所述所有检测方式的成本，重新计算所述任一检测方式的权重，并再次检测。
[0069]
具体地，如图5所示，由于维修过程中，随着检测方式的使用，故障原因的可能概率会随之发生变化，即成功概率和失败概率会随着检测方式的不断使用而不断发生变化，因此凯利公式需要结合贝叶斯算法进行应用，每使用一个检测方式后，基于贝叶斯算法重新计算各个检测方式的成功概率和失败概率后，再使用凯利公式重新计算各个检测方式的权重，直至确定故障原因。
[0070]
在一实施方式中，以故障码p20e985 scr系统压力过高故障的维修过程为例，该故障检测方式的确定方法具体包括如下步骤：
[0071]
步骤s201，建立该故障对应的贝叶斯推理网络，如图6所示。
[0072]
步骤s202，确定各个检测方式的检测工时和材料消耗成本，并将材料消耗成本按工时费用25元/工时折算程总体工时，如下表所示。
[0073][0074][0075]
步骤s203，基于凯利公式计算各个检测方式推荐权重，如下表所示。
[0076][0077]
步骤s204，执行检测方式并得到检测结果，更新贝叶斯网络节点概率。根据步骤s202的权重排序，先执行检测方式a3模拟尿素压力数据流，假设检测结果未发现异常，更新贝叶斯网络概率如图7所示。
[0078]
步骤s205，剔除检测方式a3模拟尿素压力数据流后重新基于凯利公式计算各个检测方式的权重，如下表所示。
[0079][0080]
步骤s206，本轮推荐的检测方式为a4检测ecu到尿素泵线束开路短路，假设检测结果继续为未发现异常，贝叶斯网络节点概率更新如图8所示。
[0081]
步骤s207，再剔除检测方式a4检测ecu到尿素泵线束开路短路后重新基于凯利公式计算各个检测方式的权重如下表所示。
[0082]
序号检测方式名称pqr
wrl
权重5a5检测回液管接头堵塞0.2270.7730.930.0732.36a6检查回液管堵塞0.2010.7990.900.0981.27a7检查尿素喷射管堵塞0.2270.7730.850.1460.62a2拔喷射管做建压测试0.2270.7730.660.341-0.51a1拔回液管做建压测试0.2010.7990.660.341-0.6
[0083]
步骤s208，本轮推荐的检测方式为a5检测回液管接头堵塞，假设检测结果发现异常，最终锁定导致故障码p20e985 scr系统压力过高故障原因为回液管接头堵塞。
[0084]
本发明提供的故障检测方式的确定方法，通过凯利公式与贝叶斯算法结合，寻找商用车故障维修的过程最优解，即找到耗时最短、成本最低的故障排查路径。同时基于车机工作原理选择对应的检测方式对怀疑的故障原因进行测量确定，随着测量结果的确定，各个故障原因的可能概率会随之发生变化，通过在不同情形下有不同的优先级权重将所有可用检测方式中在当前情形下的收益最大的检测方式推荐给维修人员，从而保证在整个故障排查过程中，维修人员每一步的故障检查都能使用对锁定故障原因贡献度最高且付出成本最低的检测方式，直到找到最终的故障原因。随着每一步的检测结果明确后，通过贝叶斯算法更新各个检测方式锁定故障原因成功和失败的概率，从而更新凯利公式中的概率输入，形成闭环。并且基于贝叶斯网络的自学习技术，实现凯利公式中所需的概率不断优化，随着使用频次的增加，推荐结果将不断趋近于真实情况。
[0085]
本发明还公开了一种故障检测方式的确定装置，如图9所示，包括：
[0086]
信息获取模块101，用于获取故障原因集及对应检测方式集；具体内容参见上述方法实施例对应部分，在此不再赘述。
[0087]
成本计算模块102，用于根据所述检测方式集，计算所有检测方式的成本；具体内容参见上述方法实施例对应部分，在此不再赘述。
[0088]
权重计算模块103，用于基于凯利公式，根据预设故障推理贝叶斯网络和所述所有检测方式的成本，计算任一检测方式的权重；具体内容参见上述方法实施例对应部分，在此不再赘述。
[0089]
方法推荐模块104，用于遍历所有检测方式的权重，确定最大权重所对应的检测方式进行故障检测。具体内容参见上述方法实施例对应部分，在此不再赘述。
[0090]
本发明提供的故障检测方式的确定装置，基于凯利公式对故障排查每一步可用的全部故障原因检测方式进行权重计算，将所有检测方式中对当前情况收益最大的检测方式推荐给维修人员，从而保证在故障排查过程中，维修人员都能使用对锁定故障原因贡献度最高且付出成本最低的检测方式，由此解决了现有技术中无法自动生成最适合的检测方式的缺陷。
[0091]
本发明实施例还提供了一种电子设备，如图10所示，该电子设备可以包括处理器201和存储器202，其中处理器201和存储器202可以通过总线或者其他方式连接，图10中以通过总线连接为例。
[0092]
处理器201可以为中央处理器(central processing unit，cpu)。处理器201还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0093]
存储器202作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的故障检测方式的确定方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的故障检测方式的确定方法。
[0094]
存储器202可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器201所创建的数据等。此外，存储器202可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器202可选包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至处理器201。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0095]
所述一个或者多个模块存储在所述存储器202中，当被所述处理器201执行时，执行如图1所示实施例中的故障检测方式的确定方法。
[0096]
虽然关于示例实施例及其优点已经详细说明，但是本领域技术人员可以在不脱离本发明的精神和所附权利要求限定的保护范围的情况下对这些实施例进行各种变化、替换和修改，这样的修改和变型均落入由所附权利要求所限定的范围之内。对于其他例子，本领域的普通技术人员应当容易理解在保持本发明保护范围内的同时，工艺步骤的次序可以变化。
[0097]
此外，本发明的应用范围不局限于说明书中描述的特定实施例的工艺、机构、制造、物质组成、手段、方法及步骤。从本发明的公开内容，作为本领域的普通技术人员将容易地理解，对于目前已存在或者以后即将开发出的工艺、机构、制造、物质组成、手段、方法或步骤，其中它们执行与本发明描述的对应实施例大体相同的功能或者获得大体相同的结果，依照本发明可以对它们进行应用。因此，本发明所附权利要求旨在将这些工艺、机构、制造、物质组成、手段、方法或步骤包含在其保护范围内。