(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211247308.7 (22)申请日 2022.10.12 (71)申请人 中国船舶集团有限公司第七0九研 究所 地址 430074 湖北省武汉市东湖新 技术开 发区凤凰产业园藏龙 北路1号 (72)发明人 郭晨　吴鹏飞　李恒　 (74)专利代理 机构 武汉华之喻知识产权代理有 限公司 42 267 专利代理师 胡秋萍　曹葆青 (51)Int.Cl. G06Q 10/00(2012.01) G06K 17/00(2006.01) G06T 17/00(2006.01) G06V 10/764(2022.01)G06V 10/82(2022.01) (54)发明名称 一种基于A-Star算法的机械故障辅助维修 决策方法和系统 (57)摘要 本发明公开一种基于A ‑Star算法的机械故 障辅助维修决策方法和系统， 属于虚拟维修领 域。 包括： 接收故障零部件和第一个拆装零部件 的指定； 以第一个拆装零部件为起点， 以故障零 部件为终点， 根据零部件的不同属性分别计算在 各维修策略下的综合代价， 采用A ‑Star算法遍历 当前零部件模 型邻接的三维模型， 获取多个候选 维修方案； 所述目标设备包括多个零部件， 所述 三维模型中各零部件包括物理属性和至少一种 拆装属性， 所述拆装属性包括： 零部件的拆装开 销、 零部件的拆装时间、 拆装所需工具数量和拆 装所需人员数量。 本发明根据零部件的不同属性 计算代价， 采用A ‑Star算法遍历当前零部件模型 邻接的三维模 型， 每次寻找代 价最小的下个零部 件， 提高维修效率和降低维修事故率。 权利要求书1页 说明书4页 附图2页 CN 115511130 A 2022.12.23 CN 115511130 A 1.一种基于A ‑Star算法的机 械故障辅助维修决策 方法， 其特 征在于， 该 方法包括： S1.接收故障零部件和第一个 拆装零部件的指定； S2.以第一个拆装零部件为起点， 以故障零部件为终点， 根据零部件的不同属性分别计 算在各维修策 略下的综合代价， 采用A ‑Star算法遍历当前零部件模型邻接的三维模型， 寻 找综合代价最小的下一个零部件， 得到多个候选维修方案， 所述候选维修方案与维修策略 一一对应； 所述目标设备包括多个零部件， 所述三维模型中各零部件包括物理属性和至少一种拆 装属性， 所述拆装属性包括： 零部件的拆装开销、 零部件的拆装时间、 拆装所需工具数量和 拆装所需人员数量。 2.如权利要求1所述的方法， 其特征在于， 所述根据零部件的不同属性分别计算在各维 修策略下的综合代价， 具体如下： 确认当前拆装零部件的所有邻居零部件； 分别计算所有零部件各拆装属性 值总和， 作为对应属性归一 化基础； 归一化各邻居零部件各属性 值； 根据维修策略， 确定对应维修策略下 各属性的权 重； 对于每个邻居零部件， 加权计算该邻居零部件各属性归一化值， 得到该邻居零部件在 对应维修策略下的综合代价。 3.如权利要求1所述的方法， 其特 征在于， 该 方法还包括： S3.接收对维修方案的指定； S4.接收当前拆装零部件的标识信息， 与指定的维修方案进行比对， 若一致， 则提示下 一待拆装的零部件， 否则， 提 示操作不 正确； S5.重复步骤S4， 直至拆装结束。 4.如权利要求3所述的方法， 其特征在于， 所述接收当前拆装零部件的标识信息， 具体 如下： 通过接收布置在重型零部件上的RFID射频标签发出的射频信号， 以识别重型零部件的 标识信息； 通过扫描中型零部件和轻型零部件的图像， 输入至训练好的神经网络， 以识别 中型零 部件和轻 型零部件的标识信息 。 5.如权利要求3所述的方法， 其特征在于， 该方法还包括： 根据 执行的维修方案， 在维修 过程中， 通过显隐、 高亮、 文字或者语音， 提 示当前待拆装的零部件。 6.如权利要求3所述的方法， 其特征在于， 该方法还包括： 记录用户本次实操行为， 包含 用户基本信息、 操作时间、 操作时长、 错 误操作步骤， 并存 储至服务器。 7.一种基于A ‑Star算法的机械故障辅助维修决策系统， 其特征在于， 包括： 处理器和存 储器； 所述存储器， 用于存 储计算机执 行指令； 所述处理器， 用于执行所述计算机执行指令， 使得权利要求1至6任一项所述的方法被 执行。权　利　要　求　书 1/1 页 2 CN 115511130 A 2一种基于A ‑Star算法的机械故障辅助维修决策 方法和系统 技术领域 [0001]本发明属于虚拟维修技术领域， 更具体地， 涉及一种基于A ‑Star算法的机械故障 辅助维修决策 方法和系统。 背景技术 [0002]技术人员在修理任务中， 需要准时猎取修理作业相关支持信息， 以帮助其进行修 理操作。 通常做法是由技术人员依据修理对象故障状态和作业进展状况， 通过查阅解释书、 操作规程、 技术指南等资料猎取相关信息。 某些状况下还需结合自身工作阅历才能得出核 实的应对方案 。 [0003]随着科技发展和技术进步， 设备越来越复杂， 复杂设备的零部件数量多达到几万 个， 单纯依靠经验处理设备故障已经无法满足当前高速发展的工业生产需求， 必须借助合 适技术辅助维修人员进行高强度的维修作业。 [0004]然而， 目前的辅助维修技术还存在着以下缺陷和不足： 维修策略不贴近实际需求， 人机交互过于复杂， 导 致维修效率低。 发明内容 [0005]针对现有技术的缺陷， 本 发明的目的在于提供一种基于A ‑Star算法的机械故障辅 助维修决策 方法和系统， 旨在解决现有辅助维修方法面对复杂设备维修效率低的问题。 [0006]为实现上述目的， 第一方面， 本发明提供了一种基于A ‑Star算法的机械故障辅助 维修决策 方法， 该方法包括： [0007]S1.接收故障零部件和第一个 拆装零部件的指定； [0008]S2.以第一个拆装零部件为起点， 以故障零部件为终点， 根据零部件的不同属性分 别计算在各维修策略下的综合代价， 采用A ‑Star算法遍历当前零部件模型邻接的三维模 型， 寻找综合代价最小的下一个零部件， 得到多个候选维修方案， 所述候选维修方案与维修 策略一一对应； [0009]所述目标设备包括多个零部件， 所述三维模型中各零部件包括物理属性和至少一 种拆装属性， 所述拆装属 性包括： 零部件的拆装开销、 零部件的拆装时间、 拆装所需工具数 量和拆装所需人员数量。 [0010]优选地， 所述根据零部件的不 同属性分别计算在各维修策略下的综合代价， 具体 如下： [0011]确认当前拆装零部件的所有邻居零部件； [0012]分别计算所有零部件各拆装属性 值总和， 作为对应属性归一 化基础； [0013]归一化各邻居零部件各属性 值； [0014]根据维修策略， 确定对应维修策略下 各属性的权 重； [0015]对于每个邻居零部件， 加权计算该邻居零部件各属性归一化值， 得到该邻居零部 件在对应维修策略下的综合代价。说　明　书 1/4 页 3 CN 115511130 A 3