[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

说明书

本发明公开了一种基于相关性系数的新车型故障概率预测方法及系统，涉及车辆故障概率预测领域，该方法包括获取故障数据，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；基于关注维度组合在不同区间下的故障概率，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。本发明能够准确实现对新车型的故障概率预测。

技术领域

本发明涉及车辆故障概率预测领域，具体涉及一种基于相关性系数的新车型故障概率预测方法及系统。

背景技术

汽车是一个复杂的机械系统，在生产过程中涉及数千种零部件，且生产工序复杂，而在车辆的使用阶段，会面对不同复杂的行驶环境和驾驶工况，因此基于汽车制造和使用的复杂性，汽车的使用状态会以不同的规律发生变化而导致故障发生。同时随着汽车的普及，汽车的需求和保有量不断攀升，汽车生产商向多元化发展，各生产商之间的竞争加剧，为了保住和提升市场份额，很多汽车生产商会提供更长时间或更长行驶里程的质保期，但是增加质保期会提高汽车生产商的运营成本，因此需要在市场份额和运营成本之前寻找平衡，使企业利润最大化。准确获得汽车特别是新车型型在不同行驶时长和行驶里程发生各类故障的概率对汽车生产商科学制定质保期提供数据支撑。此外，各类故障发生概率对于车辆设计优化和售后服务工作计划制定也有很大的指导意义。

汽车故障的产生是随机事件，它不仅受汽车各部件状态的制约，还要受到行驶环境、驾驶工况等多种偶然因子的影响，导致故障发生的时间、空间特征呈现出偶然性。从表面上看，故障的发生似乎没有规律可循，其实表面现象始终受其内部规律所支配，通过数据可以发现某些规律是客观存在的。

针对汽车故障概率预测的需求越来越迫切，当前对于汽车故障概率的预测主要采取两大方向：1、基于车辆故障发生前收集的各类信号数据通过机器学习或深度学习算法进行预测；2、基于车辆故障数据进行概率统计和拟合进行预测。前者在数据收集和算法模型构建方面需要投入较多，模型结果有比较强的泛化能力但往往可解释性不强，而后者实现简单、结果解释性强但也存在拟合结果泛化能力不强的缺点。并且，新车型型往往收集到的故障数据较少，特别是缺少大里程和长使用时间的故障数据，基于用于模型训练的基础数据的缺失问题，进一步导致很难有较好的预测结果。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于相关性系数的新车型故障概率预测方法及系统，能够准确实现对新车型的故障概率预测。

为达到以上目的，本发明提供的一种基于相关性系数的新车型故障概率预测方法，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。

在上述技术方案的基础上，

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；