[发明专利]一种故障预测方法及电子设备

说明书

本申请实施例提供了一种故障预测方法及电子设备，其中，所述方法包括：获得目标部件在第一时间段的数据中的目标特征参数，所述目标特征参数至少包括表征用户对目标部件的使用情况的特征参数；获得所述目标部件在位于所述第一时间段之后的第二时间段的表征所述目标部件故障返修情况的返修参数；基于所述返修参数及预设阈值确定N个返修阶段；基于所述目标特征参数、返修参数及特定算法训练得到N个预测模型，所述N个预测模型分别与N个返修阶段相对应。本申请实施例的故障预测方法在对目标部件进行故障预测时，故障预测效果更佳，精度更高。

技术领域

本申请实施例涉及智能设备领域，特别涉及一种故障预测方法及电子设备。

背景技术

随着人们的生活水平越来越高，许多电子设备、机械设备均逐渐普及了千家万户，例如汽车，而汽车作为一种代步工具自然会出现故障及返修的情况，为应对客户的返修，各厂商通常需要生产一定数量的备用件，而备用件的数量过多则浪费资源，过少又不能及时响应客户需求。目前有很多对故障率做预测的方案，但效果均较差。

申请内容

本申请实施例提供了一种故障预测效果更佳，精度更高的故障预测方法。

为了解决上述技术问题，本申请实施例提供了一种故障预测方法，其中，包括：

获得目标部件在第一时间段的数据中的目标特征参数，所述目标特征参数至少包括表征用户对目标部件的使用情况的特征参数；

获得所述目标部件在位于所述第一时间段之后的第二时间段的表征所述目标部件故障返修情况的返修参数；

基于所述返修参数及预设阈值确定N个返修阶段；

基于所述目标特征参数、返修参数及特定算法训练得到N个预测模型，所述N个预测模型分别与N个返修阶段相对应。

作为优选，还包括：

获得所述N个预测模型基于输入的待预测部件的目标特征参数而做出的预测数据；

对N个所述预测数据进行处理得到最终预测结果。

作为优选，所述表征用户对目标部件的使用情况的特征参数包括以下参数中的至少一种：

使用次数、单次使用时长、对所述目标部件施加的控制参数、包含所述目标部件的设备的使用次数、单次使用时长；

其中，所述目标部件若为汽车内的部件，则所述特征参数还包括所述汽车的累计驾驶里程；或

若所述目标部件为充电电池，则所述特征参数还包括所述充电电池的单次充电电流、单次充电电压、充电电池的电子健康度。

作为优选，所述目标特征参数还包括表征所述目标部件在使用时所处环境的特征参数、表征所述目标部件的故障返修情况的特征参数中的一种或多种。

作为优选，所述基于所述返修参数及预设阈值确定N个返修阶段包括：

预设置N个阈值，包括第一阈值、第二阈值、…第N阈值；

定义每个阈值表征对应的返修阶段；

定义所述返修参数位于第n阈值内，则确定为位于第n返修阶段。

作为优选，还包括：

基于返修参数确定浴盆曲线；

基于浴盆曲线预设值三个阈值，包括第一阈值、第二阈值、第三阈值；

定义所述返修参数位于第一阈值内，则确定为位于第一返修阶段，位于第二阈值内，则确定为位于第二返修阶段，位于第三阈值内，则确定为位于第三返修阶段。

作为优选，所述基于所述目标特征参数、返修参数及特定算法训练得到N个预测模型包括：