故障处理方法、装置、电子设备及介质与流程

本技术涉及故障诊断技术，尤其涉及一种故障处理方法、装置、电子设备及介质。

背景技术：

1、随着汽车等各类车辆的普及，在车辆的驾驶、使用中会经常遇到车辆故障的情形，例如：发动机启动困难、汽车漏油、汽车漏水、照明系统失灵等。在车辆的驾驶、使用中，车辆发生故障会威胁用户的财产安全，甚至人身健康。

2、目前，已知的智能故障诊断和维修系统主要集中于系统监测和故障发生后的诊断和维修。具体的，在故障发生后，由相应的智能故障诊断和维修系统进行诊断和维修。

3、在实际应用中，导致一个故障发生的原因，可能还会导致其它目前未发生的隐藏故障，而使用上述的系统进行诊断和维修时，无法预测到这些可能发生的隐藏故障，从而不利于保障用户的人身安全和财产安全。

技术实现思路

1、本技术提供一种故障处理方法、装置、电子设备及介质，用以预测可能存在的故障，便于使用户及时对这些故障进行排查，以保证人身安全和财产安全。

2、一方面，本技术提供一种故障处理方法，所述方法包括：

3、将当前故障输入预测模型中，以得到故障预测列表；所述预测模型是根据训练数据对原始模型进行训练后得到的，所述训练数据是基于故障知识图谱得到的，包括大量的输入故障和对应的目标故障预测列表，所述原始模型在训练时以得到输入故障对应的目标故障预测列表为训练目标；所述故障预测列表包括至少一个所述当前故障对应的关联故障和所述关联故障的风险评分；

4、根据所述故障预测列表，得到预测故障，基于所述预测故障对应的风险评分，反馈所述预测故障和所述预测故障对应的故障处理方案；所述风险评分与所述预测故障发生的概率正相关。

5、在另一种可能实现的方式中，所述将当前故障输入预测模型之前，所述方法还包括：

6、对采集的数据源进行预设处理，以抽取所述数据源中的知识点；所述数据源包括大量的故障语料，所述故障语料用于表示由于任一故障原因导致了任一故障现象的语句；所述预设处理包括数据处理、分词、标注、特征提取；

7、根据所述知识点，得到故障原因特征库和故障现象特征库；根据所述故障原因特征库和所述故障现象特征库，得到所述故障知识图谱。

8、在另一种可能实现的方式中，所述输入故障包括历史故障现象和历史故障原因，所述将当前故障输入预测模型之前，所述方法还包括：

9、对于每个所述输入故障，根据所述故障知识图谱，查找所述输入故障的关联故障，所述关联故障的故障原因与所述输入故障的历史故障原因一致；

10、根据所述关联故障，生成所述输入故障的目标预测故障列表，所述目标预测故障列表包括所述关联故障和所述关联故障对应的风险评分；

11、基于所述输入故障和所述目标预测故障列表，对所述原始模型进行训练，以得到所述预测模型。

12、在另一种可能实现的方式中，所述对于每个所述输入故障，根据所述故障知识图谱，查找所述输入故障的关联故障，包括：

13、对于每个输入故障，基于所述输入故障包括的历史故障原因，计算所述故障知识图谱中的剩余历史故障现象与所述输入故障包括的历史故障现象的相似度；

14、将所述相似度满足预设条件的剩余历史故障现象作为关联故障现象，基于所述关联故障现象和所述历史故障原因，得到所述关联故障。

15、在另一种可能实现的方式中，所述根据所述关联故障，生成所述输入故障的目标预测故障列表，包括：

16、根据所述相似度和预设评分规则，得到所述关联故障对应的风险评分；

17、按照所述风险评分从大到小的顺序对所述关联故障进行排序，得到所述目标预测故障列表。

18、在另一种可能实现的方式中，所述根据所述故障预测列表，得到预测故障，基于所述预测故障对应的风险评分，反馈所述预测故障和所述预测故障对应的故障处理方案，包括：

19、反馈所述故障预测列表，并获取用户反馈的预测故障；

20、根据所述故障知识图谱确定所述预测故障的故障处理方案，并基于所述风险评分反馈所述预测故障的故障处理方案；所述故障知识图谱还包括每个所述故障现象对应的故障处理方案。

21、在另一种可能实现的方式中，所述方法还包括：

22、在监测到当前故障现象时，将所述历史故障原因映射为实体向量矩阵，并计算所述历史故障原因的实体语义相似度；

23、根据预设推荐算法，计算每个所述历史故障原因基于所述当前故障现象的故障原因相似度，并根据所述实体语义相似度和所述故障原因相似度，生成融合相似度矩阵；

24、基于所述融合相似度矩阵进行预测排序，得到故障原因推荐列表，并基于所述故障原因推荐列表得到当前故障原因；

25、基于所述当前故障现象和所述当前故障原因，确定所述当前故障。

26、第二方面，本技术提供一种故障处理装置，该装置包括：

27、预测模块，用于将当前故障输入预测模型中，以得到故障预测列表；所述预测模型是根据训练数据对原始模型进行训练后得到的，所述训练数据是基于故障知识图谱得到的，包括大量的输入故障和对应的目标故障预测列表，所述原始模型在训练时以得到输入故障对应的目标故障预测列表为训练目标；所述故障预测列表包括至少一个所述当前故障对应的关联故障和所述关联故障的风险评分；

28、反馈模块，用于根据所述故障预测列表，得到预测故障，基于所述预测故障对应的风险评分，反馈所述预测故障和所述预测故障对应的故障处理方案；所述风险评分与所述预测故障发生的概率正相关。

29、在另一种可能实现的方式中，预测模块还用于：

30、对采集的数据源进行预设处理，以抽取所述数据源中的知识点；所述数据源包括大量的故障语料，所述故障语料用于表示由于任一故障原因导致了任一故障现象的语句；所述预设处理包括数据处理、分词、标注、特征提取；

31、根据所述知识点，得到故障原因特征库和故障现象特征库；根据所述故障原因特征库和所述故障现象特征库，得到所述故障知识图谱。

32、在另一种可能实现的方式中，预测模块还用于：

33、对于每个所述输入故障，根据所述故障知识图谱，查找所述输入故障的关联故障，所述关联故障的故障原因与所述输入故障的历史故障原因一致；

34、根据所述关联故障，生成所述输入故障的目标预测故障列表，所述目标预测故障列表包括所述关联故障和所述关联故障对应的风险评分；

35、基于所述输入故障和所述目标预测故障列表，对所述原始模型进行训练，以得到所述预测模型。

36、在另一种可能实现的方式中，预测模块具体用于：

37、对于每个输入故障，基于所述输入故障包括的历史故障原因，计算所述故障知识图谱中的剩余历史故障现象与所述输入故障包括的历史故障现象的相似度；

38、将所述相似度满足预设条件的剩余历史故障现象作为关联故障现象，基于所述关联故障现象和所述历史故障原因，得到所述关联故障。

39、在另一种可能实现的方式中，预测模块具体用于：

40、根据所述相似度和预设评分规则，得到所述关联故障对应的风险评分；

41、按照所述风险评分从大到小的顺序对所述关联故障进行排序，得到所述目标预测故障列表。

42、在另一种可能实现的方式中，反馈模块具体用于：

43、反馈所述故障预测列表，并获取用户反馈的预测故障；

44、根据所述故障知识图谱确定所述预测故障的故障处理方案，并基于所述风险评分反馈所述预测故障的故障处理方案；所述故障知识图谱还包括每个所述故障现象对应的故障处理方案。

45、在另一种可能实现的方式中，预测模块还用于：

46、在监测到当前故障现象时，将所述历史故障原因映射为实体向量矩阵，并计算所述历史故障原因的实体语义相似度；

47、根据预设推荐算法，计算每个所述历史故障原因基于所述当前故障现象的故障原因相似度，并根据所述实体语义相似度和所述故障原因相似度，生成融合相似度矩阵；

48、基于所述融合相似度矩阵进行预测排序，得到故障原因推荐列表，并基于所述故障原因推荐列表得到当前故障原因；

49、基于所述当前故障现象和所述当前故障原因，确定所述当前故障。

50、第三方面，本技术提供一种电子设备，包括：至少一个处理器和存储器；

51、所述存储器存储计算机执行指令；

52、所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面任一项所述的方法。

53、第四方面，本技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上第一方面任一项所述的方法。

54、本技术提供一种故障处理方法、装置、电子设备及介质，本技术的方法由智能电子设备执行，具体的，电子设备将包含当前故障现象和当前故障原因的当前故障输入预测模型中，得到基于当前故障的故障预测列表，故障预测列表包括至少一个当前故障的关联故障和其对应的风险评分。进一步的，电子设备基于故障预测列表反馈预测故障及预测故障对应的故障处理方案。本技术的方法，可以基于已经发生的当前故障，预测还未发生的预测故障，并对这些故障和对应的风险评分进行反馈，有利于使用户及时对风险评分较高预测故障进行排查，以在源头上保障用户的安全。同时，电子设备同步对预测故障对应的故障处理方案进行反馈，便于在这些故障发生时，用户能够及时、准确地进行处理。