基于FP?Tree序列模式挖掘的故障诊断与估价的方法
【专利摘要】本发明涉及一种基于FP?Tree序列模式挖掘的故障诊断与估价的方法。包括以下步骤：S1.根据事务数据库，通过FP?Tree算法创建故障码和更换备件对应关系的频繁项集；S2.利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频繁项集；S3.构建备件与维修工项的对应关系，获得故障码对应备件和工项的完整解决方案。本发明通过频繁项集算法FP?Tree和序列模式挖掘寻找对应关系。采用两算法融合使用，提供了能基于大数据，获知准确度高的故障码和更换备件的对应关系，适用于除了单一故障还有多故障并行解决的可能性，远程估算车辆的故障码判断需要维修的备件和工项，提供完整解决方案，为车辆的维修提供参考和借鉴。
【专利说明】
基于FP-Tree序列模式挖掘的故障诊断与估价的方法
技术领域
[0001]本发明涉及故障诊断领域，尤其涉及通过FP-Tree序列模式挖掘关联算法，探索故 障码与备件及工项的关联关系，更具体说是基于FP-Tree序列模式挖掘的故障诊断与估价 的方法。
【背景技术】
[0002] 现有技术中，汽车维修工人通过读取车辆诊断仪生成的诊断报告中故障码来掌握 故障情况，通过服务手册或结合维修经验确认导致该故障情况的故障发生部位，提供维修 方案，即故障码和更换备件的粗略关系，再经服务顾问给出工项开单。因此，目前的车辆故 障诊断方法冗杂耗时，汽车维修工人对于设备故障基本凭借经验判断，并且给出备件号、备 件名称及备件价位，主观性强，缺乏统一标准。特别是对于多种车辆故障并行的情况，更增 大了处理难度，费时费力。
【发明内容】
[0003] 本发明为解决现有技术的不足，提供了一种基于FP-Tree序列模式挖掘的故障诊 断与估价的方法。该方法通过将车辆诊断仪生成的诊断报告中ECU故障码和对应车辆的维 修记录进行关联，利用挖掘关联规则的频繁项集算法FP-Tree，寻找故障码和更换备件的粗 略关系。再进一步通过故障码和更换备件间建立拓扑关系，通过序列模式挖掘，获知准确度 高的故障码和更换备件的对应关系。同理，探索备件与维修工项之间的对应关系，获得故障 码对应备件和工项的完整解决方案。
[0004] 本发明的技术方案如下:基于FP-Tree序列模式挖掘的故障诊断与估价的方法，包 括以下步骤：
[0005] SI.根据事务数据库，通过FP-Tree算法创建故障码和更换备件对应关系的频繁项 集；
[0006] S2.利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频 繁项集；
[0007] S3.构建备件与维修工项的对应关系，获得故障码对应备件和工项的完整解决方 案。
[0008] 进一步的，所述步骤Sl包括:SI. 1输入事务数据库和最小支持度阈值mino，扫描事 务数据库，删除频数小于最小支持度的项目，得到全部频繁项集F1，对Fl中的频繁项按其支 持度降序排列得到L;
[0009] Sl. 2创建FP-Tree的根节点，以"null"标记，再次扫描事务数据库，把事务数据库 中的每一条记录按照L中的顺序排列，生成FP-Tree;
[0010] Sl .3从FP-Tree中找到所有的频繁模式。
[0011] 进一步的，所述步骤S2包括:S2.1根据备件码的构造规则将备件进行分类；
[0012] S2.2对备件和故障所在的ECU位置构建拓扑关系，并将所述拓扑关系进行标识，得 到备件和ECU位置的对应关系。
[0013] 所述的备件分别按照附件、娱乐信息，发动机，燃油、排气、空调，变速箱，前轴、转 向装置，后轴，车轮、制动器，踏板机构，车身，电子设备进行〇~9分类。
[0014] 进一步的，所述步骤S3包括:S3.1扫描备件与维修工项的数据库，获得备件与维修 工项的频繁项集F2;对F2中的频繁项按其支持度降序排列得到L'；
[0015] S3.2创建FP-Tree的根节点，以"nul Γ标记，再次数据库，把数据库中的每一条记 录按照L'中的顺序排列，生成FP-Tree;
[0016] S3.3从FP-Tree中找到所有的频繁模式，构建备件与维修工项的对应关系。
[0017]所述的FP-Tree的构造算法如下：按照SI. 1或S3.1排序后的频繁项表为[p I P]，其 中P是第一个频繁项，而P是剩余的频繁项的列表。
[0018]更具体地，调用；[11861'1：_1^66(|^|?]，1')，；[11861'1：_1：代6(|^|?]，1')过程执行情况如 下：如果T有子节点N使N. item_name = P · item_name，则N的计数增加 1;如果T没有子节点，仓Ij 建一个新节点N，将其计数设置为1，链接到它的父节点T，并且通过node_link将其链接到具 有相同名称item_name的节点；如果P非空，递归调用insert_tree(P，N)。
[0019]对于FP-Tree是单枝的情况，直接输出整条路径上所有节点的组合+postModel。
[0020] 与现有技术相比，本发明的有益效果是:本发明通过频繁项集算法FP-Tree和序列 模式挖掘寻找对应关系。采用两算法融合使用，提供了能基于大数据，获知准确度高的故障 码和更换备件的对应关系，适用于除了单一故障还有多故障并行解决的可能性，远程估算 车辆的故障码判断需要维修的备件和工项，提供完整解决方案，为车辆的维修提供参考和 借鉴。
【附图说明】
[0021] 图1为本发明实施例1插入第一条故障码和备件对应关系的FP-Tree结构示意图； [0022]图2为本发明实施例1插入第二条故障码和备件对应关系的FP-Tree结构示意图； [0023]图3为本发明实施例1插入第三条故障码和备件对应关系的FP-Tree结构示意图； [0024]图4为本发明实施例1生成的故障码和备件对应关系的FP-Tree结构示意图；
[0025] 图5为本发明备件位置和车辆故障所在的ECU位置之间的拓扑关系图。
【具体实施方式】
[0026] 下面结合附图，通过实施例对本发明作进一步详细说明。以下实施例对本发明只 是描述性的，不是限定性的，不能以此限定本发明的保护范围。
[0027] 一、FP-Tree 算法
[0028] 利用FP-Tree，紧缩的数据结构来存储查找频繁项集，挖掘关联规则，根据置信度、 支持度等提取出故障和备件的可能项集。
[0029] 输入:事务数据库D(故障码和更换备件的连接关系)和最小支持度阈值min〇;
[0030] 输出：事务数据库D所对应的FP-tree。
[0031 ] FP-tree是按以下步骤构造的：
[0032] 1、扫描事务数据库D，获得事务数据库D中所包含的全部频繁项集Fl，及它们各自 的支持度。对Fl中的频繁项按其支持度降序排序得到L。
[0033] 2、创建FP-tree的根节点T，以"null"标记，再次扫描事务数据库D，对于事务数据 库D中每个事务，将其中的频繁项选出并按L中的次序排序。设排序后的频繁项表为[p|P]， 其中P是第一个频繁项，而P是剩余的频繁项。调用insert_tree([p IP]，T)。insert_tree([p |P]，T)过程执行情况如下：如果T有子节点N使Ν· item_name = p. item_name，则N的计数增加 1;否则创建一个新节点N，将其计数设置为1，链接到它的父节点T，并且通过node_link将其 链接到具有相同item_name的节点。如果P非空，递归地调用insert_tree(P，N) AP-tree是 一个高度压缩的结构，它存储了用于挖掘频繁项集的全部信息。
[0034] 对于FP-Tree已经是单枝的情况，就没有必要再递归调用FPGrowth 了，直接输出整 条路径上所有节点的各种组合+PostModel就可了。
[0035]事务数据库如下，每一行代表一次故障码和更换备件的可能关系：
LUtW/」 目的：找出一柙总是相伴出现的组合，比如故障B和爸仵13总一起出现，则L故障B， 备件D]是一条频繁模式。通过FP-Tree得到一部分粗略的关系，然后通过拓扑搜索细化，剔 除不满足拓扑关系的组合。
[0038] (1)扫描数据库，每项按频数递减排序，并删除频数小于最小支持度MinSup的项 目。
[0039] 故障A:7
[0040] 故障B:8
[0041] 备件C:7
[0042] 备件D:7
[0043]
[0044] 备件F:5
[0045] 射卜仏一2:
[0046] * 本次扫描{Minsup = 3}
[0047] 则故障B、备件C、备件D、故障A、备件F为频繁1项集，计为Fl。
[0048] (2)对于每一条故障码和更换备件的可能关系，按照Fl中的顺序重新排序。
L0050」（3)把第（2)步骤中得到的各条记录
插入到FP-Tree中。初始后缀模式为空，最终生 成FP-Tree如图1~4所示。
[0051 ]图4中最左边的一侧叫做表头项，树中相同名称的节点要链接起来，链表的第一个 元素就是表头项里的元素。如果FP-Tree为空（只含一个虚的root节点），则FP-Growth函数 返回。此时输出表头项的每一项+pos tMode 1，支持度为表头项中对应项的计数。
[0052] (4)表头项中的每一项(我们拿"故障A:7"为例），对于各项都执行以下①到⑤的操 作：
[0053]①从FP-Tree中找到所有的"故障A"节点，向上遍历它的祖先节点，得到4条路径：
[0058]③因为每一项末尾都是故障A，可以把故障A去掉，得到条件模式基(Conditional Pattern Base，CPB)，此时的后缀模式是：（故障A)。
L UUOU」 ⑷Sl上囬的铦呆刍作原妬的爭务数据厍，返回到弟3步，速如迗代迈仃。
[0061]⑤最终得到的频繁项集为(去除只有备件或者只有故障的关系集）
[0063] 二、拓扑搜索
[0064] 对关联算法得出的故障和备件（项目）的可能项集进行进一步收缩，利用车辆构 造，限制备件位置和车辆故障所在的ECU位置之间的拓扑关系，在有限范围内遴选频繁项 集。
[0065] 根据备件码的构造规则，进行备件分类，具体如下：
[0066] 1(发动机）：发动机总成、缸体、缸盖、活塞、连杆、连接部件、发动机托架、支架急紧 固件，燃油喷射如进气管、空气流量计等；
[0067] 2(燃油、排气、空调冷却）:燃油箱、排气管、空调制冷系统等；
[0068] 3(变速箱）：变速箱总成及内部部件；
[0069] 4(前轴、转向装置）：前轮驱动差速器、转向系统(转向机）、前减震器等；
[0070] 5(后轴）：后轴、后轮驱动差速器，后减震器，如后桥、后轮轴承等；
[0071] 6(车轮、制动器）：车轮、车轮装饰盖、刹车系统；
[0072] 7(踏板机构）：手脚制动系统；
[0073] 8(车身）：车身及装饰件，空调壳体，前后保险杠，如车身总成、空调通风系统等；
[0074] 9 (电子设备）：电器，如发动机、起动机、控制器、灯具、线束等；
[0075] 0(附件、信息娱乐）：附件(千斤顶，天线，收音机，发动机底护板)及油漆材料等。 [0076]采用FP-Free频繁项集算法构建备件与维修项目（工项）之间的对应关系，从而获 得故障码对应备件和工项的完整解决方案。
[0077] 2、备件号码分类对应车辆ECU名称拓扑关系
[0088] 通过上述方法结合找到故障与备件的对应关系，获得故障码对应备件和工项的完 整解决方案。
[0089] 以上所述，仅为本发明较佳的【具体实施方式】，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其 发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
【主权项】
1. 基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其特征在于，包括以下步骤：51. 根据事务数据库，通过FP-Tree算法创建故障码和更换备件对应关系的频繁项集；52. 利用备件位置和故障所在的ECU位置之间的拓扑关系，进行拓扑搜索，遴选频繁项 集；53. 构建备件与维修工项的对应关系，获得故障码对应备件和工项的完整解决方案。2. 根据权利要求1所述的基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其特征 在于，所述步骤S1包括： SI. 1输入事务数据库和最小支持度阈值η?ησ，扫描事务数据库，删除频数小于最小支 持度的项目，得到全部频繁项集F1，对F1中的频繁项按其支持度降序排列得到L; S1.2创建FP-Tree的根节点，以"nul Γ标记，再次扫描事务数据库，把事务数据库中的 每一条记录按照L中的顺序排列，生成FP-Tree; S1.3从FP-Tree中找到所有的频繁模式。3. 根据权利要求1所述的基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其特征 在于，所述步骤S2包括： S2.1根据备件码的构造规则将备件进行分类； S2.2对备件和故障所在的ECU位置构建拓扑关系，并将所述拓扑关系进行标识，得到 备件和ECU位置的对应关系。4. 根据权利要求1所述的基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其特征 在于，所述的备件分别按照附件、娱乐信息，发动机，燃油、排气、空调，变速箱，前轴、转向装 置，后轴，车轮、制动器，踏板机构，车身，电子设备进行0~9分类。5. 根据权利要求1所述的基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其特征 在于，所述步骤S3包括： S3.1扫描备件与维修工项的数据库，获得备件与维修工项的频繁项集F2;对F2中的频 繁项按其支持度降序排列得到L' ； S3.2创建FP-Tree的根节点，以"nul Γ标记，再次数据库，把数据库中的每一条记录按 照L'中的顺序排列，生成FP-Tree; S3.3从FP-Tree中找到所有的频繁模式，构建备件与维修工项的对应关系。6. 根据权利要求2或5所述的基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其 特征在于，所述的FP-Tree的构造算法如下： 按照SI. 1或S3.1排序后的频繁项表为[p | P]，其中p是第一个频繁项，而P是剩余的频繁 项的列表。7. 根据权利要求6所述的基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其特征 在于，调用insert_tree( [p | P]，T)，insert_tree([p | P]，T)过程执行情况如下：如果T有子 节点Ν使N. item_name = p. item_name，则Ν的计数增加1;否则创建一个新节点Ν，将其计数设 置为1，链接到它的父节点T，并且通过node_link将其链接到具有相同名称item_name的节 点；如果P非空，递归调用insert_tree(P，N)。8. 根据权利要求6所述的基于FP-Tree序列模式挖掘的故障诊断与估价的方法，其特征 在于，对于FP-Tree是单枝的情况，直接输出整条路径上所有节点的组合+postModel。
【文档编号】G06Q10/00GK106056222SQ201610364347
【公开日】2016年10月26日
【申请日】2016年5月27日
【发明人】田雨农, 宋安琪
【申请人】大连楼兰科技股份有限公司