[发明专利]一种基于相关性系数的新车型故障概率预测方法及系统

权利要求书

1.一种基于相关性系数的新车型故障概率预测方法，其特征在于，具体包括以下步骤：

获取故障数据并基于故障数据的故障描述文本类型字段，得到故障数据对应的故障类型和故障零件部位；

获取关注维度组合对应的故障数据，统计得到关注维度组合在不同区间下的故障次数，得到不同区间下的故障概率，所述区间为时间区间或里程区间；

基于关注维度组合在不同区间下的故障概率，进行多项式拟合，得到故障概率拟合曲线；

根据多项式拟合结果，计算得到同一关注维度组合中新车型的故障概率拟合曲线与老车型的故障概率拟合曲线间的相关系数；

基于相关系数计算结果并当相关系数超过设定阈值时，基于同一关注维度组合中新车型和老车型在各区间下的故障概率，得到新车型的新故障概率拟合曲线，实现对新车型的故障概率预测。

2.如权利要求1所述的一种基于相关性系数的新车型故障概率预测方法，其特征在于：

所述关注维度包括故障类型、故障零件部位、车辆类型、发动机类型、变速箱类型、车型、年款、车辆所在省和车辆所在市；

所述关注维度组合由故障类型、故障零件部位、车辆类型、发动机类型、变速箱类型、车型、年款、车辆所在省、车辆所在市中的至少一个因素组成。

3.如权利要求1所述的一种基于相关性系数的新车型故障概率预测方法，其特征在于，所述获取故障数据并基于故障数据的故障描述文本类型字段，得到故障数据对应的故障类型和故障零件部位，具体步骤包括：

获取故障数据，所述故障数据包括汽车市场故障数据和试验故障数据；

对故障数据的故障描述文本类型字段进行自然语言处理，提取得到关键词；

将提取得到的关键词与故障类型字典表，以及汽车零件系统字典表进行匹配，得到故障数据对应的故障类型和故障零件部位。

4.如权利要求3所述的一种基于相关性系数的新车型故障概率预测方法，其特征在于：

所述故障类型字典表为用于描述故障类型的描述词的集合；

所述汽车零件系统字典表为用于描述零件部位的描述词的集合。

5.如权利要求4所述的一种基于相关性系数的新车型故障概率预测方法，其特征在于：

基于关键词的词向量，与故障类型字典表中每一个描述词的词向量间的余弦相似度，得到故障数据对应的故障类型；

基于关键词的词向量，与汽车零件系统字典表中每一个描述词的词向量间的余弦相似度，得到故障数据对应的故障零件部位。

6.如权利要求1所述的一种基于相关性系数的新车型故障概率预测方法，其特征在于，所述获取关注维度组合对应的故障数据，统计得到关注维度组合在不同区间下的故障次数，得到不同区间下的故障概率，具体步骤包括：

获取关注维度组合对应的故障数据，统计得到关注维度组合在不同区间下的故障次数；

基于关注维度组合在不同区间下的故障次数，以及关注维度组合对应的总故障次数，得到关注维度组合在不同区间下的故障概率。

7.如权利要求1所述的一种基于相关性系数的新车型故障概率预测方法，其特征在于，所述基于关注维度组合在不同区间下的故障概率，进行多项式拟合，得到故障概率拟合曲线，具体步骤包括：

根据关注维度组合在不同区间下的故障概率，将单个区间的中点值作为x轴值，该区间的故障概率值作为y轴值，采用python数据分析numpy库进行多项式拟合，得到关注维度组合对应的故障概率拟合曲线。