【技术实现步骤摘要】
基于知识图谱的设备故障诊断与维修知识推荐系统
[0001]本专利技术属于设备故障诊断
，尤其涉及基于知识图谱的设备故障诊断与维修知识推荐系统。
技术介绍
[0002]设备健康管理中的智能故障诊断与设备维护是多学科、多部门参与的复杂动态过程，随着人工智能技术的迅速发展，故障维修系统的重心逐渐朝着诊断维护的智能化偏移，越来越多的智能维修平台与系统应用于生产实践。随着设备维护流程与诊断对象的复杂程度不断增加，尽管智能诊断领域已经积累了一些研究成果，提出了一些系统和测试原型，但在开放性、扩展性、实用性等诸多方面仍然不能满足智能诊断维护的应用需求，许多关键问题仍亟待深入研究。目前，智能故障诊断与维修系统面临的挑战主要有：
[0003](1)亟需针对目前设备及数据的特点，结合诊断维护中对知识资源管理的需求，从管理学、计算机科学、可靠性等交叉学科的角度，提出基于知识的全过程智能设备健康管理和故障诊断模型。
[0004]目前存在的智能故障诊断和维修软件与系统主要集中于系统监测和故障出现后的诊断与维修，对整个系统的诊断模...
【技术保护点】
【技术特征摘要】
1.一种基于知识图谱的设备故障诊断与维修知识推荐系统，其特征在于，所述系统包括：数据层，用于采集监测设备的健康管理领域知识；构建分析层，用于对设备健康管理领域知识进行萃取并构建知识图谱，利用链路预测对知识图谱进行推理与补全，基于补全推理好的知识图谱，利用知识图谱特征学习与协同过滤推荐算法相结合，计算相似度，进行设备诊断与维修知识预测排序；应用层，用于根据设备诊断与维修知识预测排序为监测设备提供异常状况下的故障诊断和正常运行状态下的趋势预测分析，实现设备故障原因和维修方案推荐。2.根据权利要求1所述的基于知识图谱的设备故障诊断与维修知识推荐系统，其特征在于，所述监测设备的健康管理领域知识包括：故障维修工单、设备维护记录、设备管理文件、厂家生产使用说明、操作手册、技术标准、系统日志、行业数据、设备监控图像、设备传感器数据、检修专家的重要信息反馈、分析报告和专家结论。3.根据权利要求2所述的监测设备的基于知识图谱的设备故障诊断与维修知识推荐系统，其特征在于，所述构建分析层包括：知识分类评估模块、知识萃取模块、用户需求模型建立模块、知识图谱构建模块、知识图谱推理补全模块和设备故障诊断与维修知识排序模块；其中，所述知识分类评估模块，用于从浅知识和深知识的角度，对多源异构的监测设备的健康管理领域知识进行分类；所述知识萃取模块，用于通过两阶段的知识萃取实现故障诊断领域知识的集成与融合，得到包括故障现象、故障模式、故障原因和征兆表现的设备知识模型；所述用户需求模型建立模块，用于基于问题识别建立用户需求模型；所述知识图谱构建模块，用于根据设备知识模型和用户需求模型构建知识图谱；所述知识图谱推理补全模块，用于对知识图谱中实体间可能存在的关系进行预测，利用知识图谱链路预测实现知识图谱中缺失信息的发现和还原；所述设备故障诊断与维修知识排序模块，用于根据推理补全的知识图谱与协同过滤算法相结合，计算相似度并排序，生成分别对应故障原因和设备维修方案的Top
‑
N推荐列表。4.根据权利要求3所述的监测设备的基于知识图谱的设备故障诊断与维修知识推荐系统，其特征在于，所述知识分类评估模块的处理过程具体包括：将设备维护记录、设备管理文件、厂家生产使用说明、操作手册、技术标准和系统日志归为检修专业技术文档；将检修专家的重要信息反馈、故障维修工单、分析报告和专家结论归为检修专家历史经验知识；将行业数据、设备监控图像、设备传感器数据归为设备实时检测采集信息。5.根据权利要求4所述的监测设备的基于知识图谱的设备故障诊断与维修知识推荐系统，其特征在于，所述知识萃取模块的处理过程具体包括：基于所述知识分类评估模块的分类模型，针对不同的知识类型特点进行第一次知识萃取，抽取知识包含的概念、属性和不同概念属性之间的关联关系，形成局部的知识；针对第一次萃取的知识进行二次萃取，整合局部知识，进行多源信息的集成与融合，得到包括故障现象、故障模式、故障原因和征兆表现的设备知识模型。
6.根据权利要求3所述的监测设备的基于知识图谱的设备故障诊断与维修知识推荐系统，其特征在于，所述用户需求模型建立模块的处理过程具体包括：针对不同的业务和用户需求，集合用户的属性维度，将用户属性、行为和语言联结形成完整的用户画像，并基于设备管理领域用户特征的用户画像标签体系和用户画像方法，构建用户画像；建立基于用户特点的用户语句特征提取模型，通过自然...
【专利技术属性】
技术研发人员：肖潇，张玲玲，叶含瑞，季续国，
申请(专利权)人：中国科学院大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。