本发明专利技术提供了一种基于知识图谱的故障诊断方法、装置及计算设备，涉及故障处理技术领域，该方法包括：根据故障信息的多源知识，构建知识图谱；其中，多源知识包括专家经验知识、案例知识、数据流信息；知识图谱中包括对应故障信息的实体及实体间的关系；获取待诊断故障信息；利用预先训练的故障模型对待诊断故障信息进行诊断，得到诊断结果；其中，诊断结果包括故障原因和预警信息；基于知识图谱确定与故障原因存在关系的实体；其中，实体包括故障案例、解决方案、预警信息。本方案提供的基于知识图谱的故障诊断方法实现了基于多源异构信息的智能化故障诊断处理。能化故障诊断处理。能化故障诊断处理。
【技术实现步骤摘要】
一种基于知识图谱的故障诊断方法、装置及计算设备
[0001]本专利技术涉及故障处理
，尤其涉及风洞动力系统故障处理
，特别涉及一种基于知识图谱的故障诊断方法、装置及计算设备。
技术介绍
[0002]风洞和动力保障系统常年满负荷运行，其设备组成各不相同，非标设备多，覆盖了洞体、管路系统、数据采集系统、纹影系统、阀门系统、加热器系统等，且不同风洞运行原理也具有差异，同一座风洞还具有不同的试验工况。目前，对风洞和动力保障系统的日常运维，主要依靠专家经验知识，但由于检修保障人员流动性较大，专家经验知识不成体系，且专家经验知识的传承性受到影响，检修保障人员的培训周期长，因此一旦检修保障人员流失，难以保证新上岗人员快速掌握运维要诀；同时故障处理的实际效果直接取决于检修保障人员对系统运行特性的认识、对故障预案的熟悉、对调度规程的理解和灵活运用，无法实现全面且智能化的故障诊断处理。
技术实现思路
[0003]本专利技术提供了一种基于知识图谱的故障诊断方法、装置及计算设备，该方法实现了基于多源异构信息的智能化故障诊断处理。
[0004]第一方面，本专利技术实施例提供了一种基于知识图谱的故障诊断方法，包括：根据故障信息的多源知识，构建知识图谱；其中，所述多源知识包括专家经验知识、案例知识、数据流信息；所述知识图谱中包括对应所述故障信息的实体及实体间的关系；获取待诊断故障信息；利用预先训练的故障模型对所述待诊断故障信息进行诊断，得到诊断结果；其中，所述诊断结果包括故障原因和预警信息；基于所述知识图谱确定与所述故障原因存在关系的实体；其中，所述实体包括故障案例、解决方案、所述预警信息。
[0005]可选地，所述利用预先训练的故障模型对所述待诊断故障信息进行诊断，得到诊断结果，包括：根据所述待诊断故障信息，确定特征信息；根据所述特征信息，确定与所述待诊断故障信息匹配的所述预先训练的故障模型；利用所述预先训练的故障模型对所述待诊断故障信息进行诊断，得到包括至少两种所述故障原因和所述预警信息的诊断结果；其中，所述诊断结果中包括每个故障原因的故障等级重要度；所述预警信息用于指示由所述待诊断故障信息引发的严重故障信息。
[0006]可选地，在所述得到包括至少两种所述故障原因的诊断结果之后，还包括：根据专家经验知识，对所述故障原因进行筛选，得到优选故障原因；
基于所述优选故障原因，利用所述预先训练的故障模型对所述待诊断故障信息进行诊断，得到目标故障原因。
[0007]可选地，所述得到诊断结果，包括：判断所述待诊断故障信息是否为顶事件的故障信息；若否，利用所述预先训练的故障模型对所述待诊断故障信息进行推理，得到包括所述顶事件和所述顶事件发生概率的诊断结果；判断所述顶事件发生概率是否大于预设阈值；若是，则发出告警信息。
[0008]可选地，在所述得到诊断结果之后，在所述基于所述知识图谱确定与所述故障原因存在关系的实体之前，还包括：根据所述故障原因，确定至少两个相似故障案例；其中，所述相似故障案例的第一故障原因与所述故障原因的相似度大于预设相似度阈值；获取每个所述相似故障案例的第一解决方案；基于预设评分规则对每个相似故障案例的第一解决方案进行评分，得到综合评分；将所述综合评分作为所述相似故障案例对应的实体在所述知识图谱中的属性。
[0009]可选地，所述基于所述知识图谱确定与所述故障原因存在关系的实体，包括：在所述知识图谱中查找所述故障原因对应的目标实体，确定与所述目标实体连接的所述实体、连接关系和所述实体的属性；将所述目标实体、所述实体进行图谱结构化展示。
[0010]可选地，该方法还包括：根据与所述故障原因存在关系的实体，将获取到的所述解决方案发送给用户；按照所述解决方案对各节点进行检修，获得检修日志；其中，针对每个节点，获取与该节点相关的专家知识，利用所述解决方案和该专家知识对该节点进行检修；根据所述检修日志对用户发出反馈信息；根据所述反馈信息获取培训知识；其中，所述培训知识用于对检修人员进行培训。
[0011]可选地，该方法还包括：根据所述待诊断故障信息和所述诊断结果，更新所述知识图谱。
[0012]第二方面，本专利技术实施例还提供了一种基于知识图谱的故障诊断装置，包括：构建模块，用于根据故障信息的多源知识，构建知识图谱；其中，所述多源知识包括专家经验知识、案例知识、数据流信息；所述知识图谱中包括对应所述故障信息的实体及实体间的关系；获取模块，用于获取待诊断故障信息；诊断模块，用于利用预先训练的故障模型对所述待诊断故障信息进行诊断，得到诊断结果；其中，所述诊断结果包括故障原因和预警信息；知识关联模块，用于基于所述知识图谱确定与所述故障原因存在关系的实体；其中，所述实体包括故障案例、解决方案、所述预警信息。
[0013]第三方面，本专利技术实施例还提供了一种计算设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现上述任一项所述的基于
知识图谱的故障诊断方法。
[0014]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述任一项所述的基于知识图谱的故障诊断方法。
[0015]本专利技术实施例提供了一种基于知识图谱的故障诊断方法、装置及计算设备，该方法通过对多源知识进行整合形成了故障诊断的知识图谱，利用故障模型对待诊断故障信息进行诊断后，自动分析得到诊断结果，根据该诊断结果从知识图谱中快速准确地获取到与当前故障信息存在关联关系的故障案例、解决方案和预警信息，实现智能化决策辅助服务，提高设备运维人员的工作效率。如此，本专利技术对专家经验知识进行有效利用，并将故障相关知识通过知识图谱进行相互关联，避免知识孤岛，最终实现了基于多源异构信息的智能化故障诊断处理。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术一实施例提供的一种基于知识图谱的故障诊断方法的流程图；图2是本专利技术一实施例提供的一种多源知识处理流程的示意图；图3是本专利技术一实施例提供的一种计算设备的硬件架构图；图4是本专利技术一实施例提供的一种基于知识图谱的故障诊断装置结构图；图5是本专利技术一实施例提供的一种故障诊断分析流程的示意图。
具体实施方式
[0018]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0019]虽然现有日常的装备运维主要依靠专家经验知识，但故障本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于知识图谱的故障诊断方法，其特征在于，包括：根据故障信息的多源知识，构建知识图谱；其中，所述多源知识包括专家经验知识、案例知识、数据流信息；所述知识图谱中包括对应所述故障信息的实体及实体间的关系；获取待诊断故障信息；利用预先训练的故障模型对所述待诊断故障信息进行诊断，得到诊断结果；其中，所述诊断结果包括故障原因和预警信息；基于所述知识图谱确定与所述故障原因存在关系的实体；其中，所述实体包括故障案例、解决方案、所述预警信息。2.根据权利要求1所述的方法，其特征在于，所述利用预先训练的故障模型对所述待诊断故障信息进行诊断，得到诊断结果，包括：根据所述待诊断故障信息，确定特征信息；根据所述特征信息，确定与所述待诊断故障信息匹配的所述预先训练的故障模型；利用所述预先训练的故障模型对所述待诊断故障信息进行诊断，得到包括至少两种所述故障原因和所述预警信息的诊断结果；其中，所述诊断结果中包括每个故障原因的故障等级重要度；所述预警信息用于指示由所述待诊断故障信息引发的严重故障信息。3.根据权利要求2所述的方法，其特征在于，在所述得到包括至少两种所述故障原因的诊断结果之后，还包括：根据专家经验知识，对所述故障原因进行筛选，得到优选故障原因；基于所述优选故障原因，利用所述预先训练的故障模型对所述待诊断故障信息进行诊断，得到目标故障原因。4.根据权利要求1所述的方法，其特征在于，所述得到诊断结果，包括：判断所述待诊断故障信息是否为顶事件的故障信息；若否，利用所述预先训练的故障模型对所述待诊断故障信息进行推理，得到包括所述顶事件和所述顶事件发生概率的诊断结果；判断所述顶事件发生概率是否大于预设阈值；若是，则发出告警信息。5.根据权利要求1所述的方法，其特征在于，在所述得到诊断结果之后，在所述基于所述知识图谱确定与所述故障原因存在关系的实体之前，还包括：根据所述故障原因，确定至少两个相似故障案例；其中，所述相似故障案例的第一故障原因与所述故障原因的相似度大于预设相似度阈值；获取每个所述相似故障案例的第一解...
【专利技术属性】
技术研发人员：张峻宾，蹇锐，肖学仁，蒋万秋，章梦玄，杨彬，
申请(专利权)人：成都卡莱博尔信息技术股份有限公司，
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。