专利名称：基于数据流的车辆故障诊断方法
技术领域：
本发明涉及一种基于数据流的车辆故障诊断方法。
背景技术：
随着数据挖掘技术和案例推理技术研究的深入，一些文献提出将数据挖掘与案例 推理结合的研究与应用，通过数据挖掘产生案例推理中的知识，来解决案例库中知识库的 瓶颈问题。但该类研究主要集中在对静态数据集的挖掘，产生的数据挖掘结果固定、单一， 不能满足实际中数据实时增加、知识实时变化的需要。传统车辆故障的诊断一般是靠有经验的老师傅通过个人的经验判断，或者通过故 障点的说明书和维修手册进行诊断，而实际上很多问题往往与经验和手册有出入，具体问 题往往有不同的表现。专家的经验呈现出知识量少、获取困难，而维修手册的知识则固定不 变，这样由于诊断的方法长期得不到更新，成为静态的过时的知识，不仅影响解决问题的准 确性，而且对于新的问题可能根本无法解决。
发明内容
本发明是为避免上述现有技术所存在的不足之处，提供一种基于数据流的车辆故 障诊断方法，将数据流与CBR结合，并应用于汽车故障诊断中，从而提高解决问题的准确性 和有效性，并且能够对新问题提供最新的解决方案。本发明解决技术问题采用如下技术方案本发明基于数据流的车辆故障诊断方法的特点是首先利用数据流算法，对实时汽车故障数据进行挖掘，获得汽车故障数据流中的 有用信息，并将挖掘结果保存在临时汽车故障案例库中，作为汽车故障知识库的来源；然后利用所述临时汽车故障案例库对汽车故障知识库进行更新，通过相似度匹配 计算，实现汽车故障知识库的及时更新；再针对新问题的特征，通过检索汽车故障知识库或者临时汽车故障案例库中的知 识或者案例，获得与新汽车故障问题具有最相似特征的信息，用来解决诊断问题。本发明基于数据流的车辆故障诊断方法的特点也在于所述数据流算法是使用聚 类算法计算m个一级质心，当计算出第二组m个一级质心时，使用最小距离原则聚类算法， 以第一组质心作为原始质心，将第二组质心融入第一组中，作为二级质心；依次计算第m组 质心，以第i级质心为原始质心，将第m组质心融入第i级质心，作为i+1级质心。与已有技术相比，本发明有益效果体现在本发明将基于数据流挖掘的案例推理技术应用于汽车故障的诊断系统中，由实际 数据挖掘出规则，用于实际问题的解决，在解决问题的过程中不断自我更新，适应最新的问 题，使原有依靠人工手段形成与维护的的案例库，变为计算机技术自动形成与更新。一方面 提高了汽车故障诊断的准确性，减少对人的依赖，另一方面由于可以对案例库实时更新，可 以实现对最新问题的支持。
图1为本发明方法流程示意图。以下通过具体实施方式
对本发明作进一步说明
具体实施例方式参见图1，本实施例中，首先利用数据流算法，对实时汽车故障数据进行挖掘，获得 汽车故障数据流中的有用信息，并将挖掘结果保存在临时汽车故障案例库中，作为汽车故 障知识库的来源；然后利用所述临时汽车故障案例库对汽车故障知识库进行更新，通过相 似度匹配计算，实现汽车故障知识库的及时更新；再针对新问题的特征，通过检索汽车故障 知识库或者临时汽车故障案例库中的知识或者案例，获得与新汽车故障问题具有最相似特 征的信息，用来解决诊断问题。具体实施中，采用改进的数据流聚类算法，首先使用聚类算法计算m个一级质心， 当计算出第二组m个一级质心时，使用最小距离原则聚类算法，以第一组质心作为原始质 心，将第二组质心融入第一组中，作为二级质心；同理，依次计算第m组质心，以第i级质心 为原始质心，将第m组质心融入第i级质心，作为i+1级质心。这一方法中的质心数量既不 是不变，也不会陡增，质心数量温和增长，直至保留在一个稳定的数量水平。这样每段时间 内的聚类结果都得到体现，能够比较全面地反映数据流中的主要信息，且任何时间点都能 得到实时、可用的的聚类数据。具体算法包括以下两个部分1、基本数据块聚类从数据流中聚集数据块，每当数据块数量达到n时，使用传统K-center聚类算法 计算出m个一级质心。2、聚类质心二次聚合在原有聚类质心基础上，使用最小聚类原则聚类算法，对新产生的聚类质心进行 二次聚合。计算新聚类质心与各个原有质心的差值，当所有差值在某阈值之内时，将新聚类 质心归为某类已有质心；当所有差值超过某阈值时，将新聚类质心的特征数据作为新的案 例进行保存。以此类推，随着数据流的不断增大，案例库呈现出平稳上升，然后低速增长，最后 基本保持平稳的案例库信息量变化特征。这样就获得了实时、动态的知识。具体应用汽车企业的各个维修站点将本站点所处理的汽车故障信息向故障诊断中心发送， 故障信息主要包括故障车辆的故障类型、电压、电流等故障参数，故障诊断系统在动态接收 故障数据流信息，对数据流数据进行挖掘分析，挖掘出各种车辆故障的典型参数信息，保存 在车辆故障临时案例库中，然后对车辆故障知识库进行更新，各个维修站点可根据最新的 汽车故障知识库中各种故障的参数，对新的故障车辆做出预测与判断，寻找解决方案，得以 更好的对车辆故障进行检测与维修。1、车辆故障数据的动态接收与处理车辆故障数据是由各个车辆维修站点网上实时上报传输，其中包括了车辆的信 息，车辆故障类别以及车辆故障特征信息等。系统在线动态接收数据，将接收的数据按照车辆类型与车辆故障的类别，进行分类暂存。模拟数据流数据如表1所示表1模拟车辆故障数据的动态数据流数据 2、挖掘动态数据流、获取车辆故障案例库在动态接收车辆故障数据，对数据进行分类暂存后，形成了各种车辆的各种故障 的数据块。对数据块进行数据清洗和归一化处理，并使用本文提出的改进的数据流聚类算 法进行挖掘，获得的车辆故障典型特征信息，保存入车辆故障临时案例库中。车辆故障案例 库如表2所示表2数据挖掘后获得某车型的故障知识 3、动态更新车辆故障知识库在获得车辆故障临时案例库的同时，在原有车辆故障知识库的基础上，将案例库 中的车辆故障数据与知识库中的车辆故障数据进行差异比对，计算最小综合距离(本系统 中差异比对采用欧几里德距离计算各个特征值的综合距离)，如果最小综合距离大于设定 阈值，则将临时案例库中该案例添加到知识库中；如果最小综合距离小于设定阈值，则增加 与最小综合距离对应的知识库中该案例的数量与权重。4、车辆故障诊断问题的解决在系统中，当有新的车辆故障问题到来，首先分析、获取该车辆的类别及故障参数 信息；然后在知识库中，提取与该车辆具有相同类别的故障参数数据，计算这些数据与该 车辆故障数据的最小差值，若最小距离差值满足最小可信度要求，则提取该最小距离差值 对应的知识库中的案例，将其作为相似案例；若不满足，则回到临时案例库中，提取临时案 例库中与该车辆具有相同类别的故障参数数据，计算这些数据与该车辆故障数据的最小差 值，并提取该案例作为相似案例；在获得最相似案例对应的解决方案后，经适当修改，最终 应用于解决该车辆故障问题，并将该故障解决方案保存于案例库中，用来重新更新知识库。
权利要求
一种基于数据流的车辆故障诊断方法，其特征是首先利用数据流算法，对实时汽车故障数据进行挖掘，获得汽车故障数据流中的有用信息，并将挖掘结果保存在临时汽车故障案例库中，作为汽车故障知识库的来源；然后利用所述临时汽车故障案例库对汽车故障知识库进行更新，通过相似度匹配计算，实现汽车故障知识库的及时更新；再针对新问题的特征，通过检索汽车故障知识库或者临时汽车故障案例库中的知识或者案例，获得与新汽车故障问题具有最相似特征的信息，用来解决诊断问题。
2.根据权利要求1所述的基于数据流的车辆故障诊断方法，其特征是所述数据流算法 是使用聚类算法计算m个一级质心，当计算出第二组m个一级质心时，使用最小距离原则聚 类算法，以第一组质心作为原始质心，将第二组质心融入第一组中，作为二级质心；依次计 算第m组质心，以第i级质心为原始质心，将第m组质心融入第i级质心，作为i+Ι级质心。
全文摘要
本发明公开了一种基于数据流的车辆故障诊断方法，其特征是首先利用数据流算法，对实时汽车故障数据进行挖掘，获得汽车故障数据流中的有用信息，并将挖掘结果保存在临时汽车故障案例库中，作为汽车故障知识库的来源；然后利用所述临时汽车故障案例库对汽车故障知识库进行更新，通过相似度匹配计算，实现汽车故障知识库的及时更新；再针对新问题的特征，通过检索汽车故障知识库或者临时汽车故障案例库中的知识或者案例，获得与新汽车故障问题具有最相似特征的信息，用来解决诊断问题。
文档编号G06F17/30GK101853291SQ201010183798
公开日2010年10月6日 申请日期2010年5月24日 优先权日2010年5月24日
发明者倪丽萍, 倪志伟, 戴奇波, 李锋刚, 王超, 胡汤磊, 高雅卓 申请人:合肥工业大学