【技术实现步骤摘要】
本专利技术涉及机械检测，尤其涉及一种基于知识图谱的传感器精度不合格影响参量定位方法。
技术介绍
1、飞机任务传感器负责飞机上各个系统数据的采集汇总，这些数据可以被用于分析飞机的运行状态。在飞机试飞前的各个阶段中，均需要进行系统级的大量测试，通过任务传感器采集的数据会被用作下一阶段的研发依据，并对系统强度、可靠性和性能等进行测试。然而，在实际应用，受到传感器个体差异、环境变化、噪声干扰和老化程度等因素的影响，传感器的精度会发生变化。利用各个阶段的测试数据对试飞时各系统传感器精度是否达标进行预判，可以提高各系统的试飞合格率。各个阶段的测试数据也被称为多过程域数据，当飞机处于不同过程域时，其传感器精度也会因为所处环境与工况的不同而发生变化，从而严重影响测试精度，而目前对于各个过程域数据的影响问题，还没有一个统一可靠的判断方法，对此，也在一定程度上影响了飞机试飞成功率。
技术实现思路
1、本专利技术的目的在于针对飞机各过程域的任务传感器精度不同对最终测试精度产生较大影响的问题，提出一种基于知识图谱的传感器精度不合格影响参量定位方法。首先基于地面测试的专家知识构建专家经验知识图谱，并基于历史飞机任务传感器精度不合格告警数据（下称：告警数据）训练模型构建数据知识图谱。其次，将经验知识图谱和数据知识图谱合并作为传感器精度不合格影响参量定位的知识图谱。针对所有需要判断精度是否合格的传感器都需要建立对应的知识图谱。最后，基于知识图谱建立实时分析方法，通过分析实时告警数据给出根因分析结果，即传感器在哪
2、实现上述目的所采用的技术方案如下：
3、基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，包括以下步骤：
4、s1，建立bilstm网络，bilstm网络包括输入层、隐藏层和输出层；
5、s2，基于输入层输入飞机任务传感器的多过程域数据，包括专家经验数据、历史警告数据和实时警告数据；
6、s3，在隐藏层中利用多过程域数据构建并存储传感器知识图谱；其中，构建传感器知识图谱包括：根据专家经验针对不同的传感器分别构建经验知识图谱；基于历史告警数据针对不同的传感器分别构建告警知识图谱；将经验知识图谱和告警知识图谱对应融合后，获得传感器知识图谱；
7、s4，调用传感器知识图谱参与实时告警数据的在线分析，以实现对传感器精度不合格影响参量的根因定位，并由输出层进行定位结果输出。
8、优选的，所述步骤s3中，构建经验知识图谱包括以下步骤：
9、s31-1，以专家经验为基础，展示飞机任务传感器典型故障、故障现象和故障原因之间的内在逻辑；
10、s31-2，将典型故障、故障现象和故障原因作为图谱节点，并根据相应的内在逻辑手动连接节点，从而获得经验知识图谱；
11、s31-3，根据使用和经验累积定期更新经验知识图谱。
12、优选的，所述步骤s3中，构建告警知识图谱包括以下步骤：
13、s32-1，根据数据特征分析对多过程域数据进行特征提取，即从历史告警数据的多过程域数据中提取各个过程域的数据特征，以将非结构化数据转换为构建告警知识图谱所用的结构化数据；
14、s32-2，获取特征类型与因果关系，即基于特征提取结果，获得飞机任务传感器在不同过程域出现的异常类型、异常发生程度和异常原因；
15、s32-3，基于特征类型与因果关系，结合多个过程域的多个参量传感器精度不合格的耦合影响，将相应影响的比重进行量化，获得因果关系比重，以作为告警知识图谱中各节点间连接的权重和后续根因定位的依据；
16、s32-4，将特征提取得到的异常类型、异常发生程度和异常原因作为知识图谱的节点，将因果关系比重作为各节点间的连接线，完成告警知识图谱的构建。
17、优选的，所述步骤s3中，构建告警知识图谱还包括步骤s32-5，即结合专家经验和因果关系比重对告警知识图谱进行修订。
18、优选的，所述步骤s3中，将经验知识图谱和告警知识图谱对应融合是将两个知识图谱的相同节点合并，并重新确定因果关系比重。
19、优选的，所述步骤s32-2中，是通过基于bilstm网络对结构化语句进行自动提取来获取特征类型与因果关系。
20、优选的，所述步骤s3中，存储传感器知识图谱是将不同飞机任务传感器对应的传感器知识图谱进行统一存储，并建立用于快速选择目标传感器知识图谱的索引规则。
21、优选的，所述步骤s4中，实时告警数据的在线分析包括以下步骤：
22、s41，在线读取目标传感器的实时告警数据；
23、s42，对目标传感器实时告警数据中的多过程多过程域数据进行特征提取，并根据特征提取结果获取目标传感器的异常类型；
24、s43，从存储的传感器知识图谱中调取与目标传感器存储对应的传感器知识图谱；
25、s44，根据目标传感器的异常类型结合对应传感器知识图谱，将告警收敛到相关的节点上；
26、s45，基于告警收敛结果构建告警因果图，并根据警因果图中的权重计算疑似路径，将所有疑似路径进行排序，以获得根因路径，以完成传感器精度不合格影响参量定位。
27、本专利技术所带来的有益的技术效果：
28、1）本技术方案提出了一种基于知识图谱的传感器精度不合格影响参量定位方法，根据分别专家经验和历史告警数据建立了专家经验图谱和历史告警图谱，并以专家经验图谱驱动数据，对传统的历史告警图谱进行融合修补，提高了传感器知识图谱的可信度。
29、2）本技术方案提出了一种基于知识图谱的传感器精度不合格影响参量定位方法，在建立了bilstm网络的基础上实施，基于bilstm网络对结构化语句进行自动提取的功能，实现了特征类型与因果关系的自动提取，轻松实现传感器知识图谱的建立以及传感器精度不合格参量的实时分析，对于快速准确定位传感器精度不合格影响参量具有重要意义。
本文档来自技高网...【技术保护点】
1.基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤S3中，构建经验知识图谱包括以下步骤：
3.如权利要求1所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤S3中，构建告警知识图谱包括以下步骤：
4.如权利要求3所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤S3中，构建告警知识图谱还包括步骤S32-5，即结合专家经验和因果关系比重对告警知识图谱进行修订。
5.如权利要求3所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤S3中，将经验知识图谱和告警知识图谱对应融合是将两个知识图谱的相同节点合并，并重新确定因果关系比重。
6.如权利要求3所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤S32-2中，是通过基于BiLSTM网络对结构化语句进行自动提取来获取特征类型与因果关系。
7.如权利要求1所述基于知识
8.如权利要求1所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤S4中，实时告警数据的在线分析包括以下步骤：
...【技术特征摘要】
1.基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤s3中，构建经验知识图谱包括以下步骤：
3.如权利要求1所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤s3中，构建告警知识图谱包括以下步骤：
4.如权利要求3所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤s3中，构建告警知识图谱还包括步骤s32-5，即结合专家经验和因果关系比重对告警知识图谱进行修订。
5.如权利要求3所述基于知识图谱的传感器精度不合格影响参量定位方法，其特征在于，所述步骤s3中...
【专利技术属性】
技术研发人员：曾苏凡，迟鹏飞，陈波，彭宇，莫文静，沈龙文，王晓，尹琦，
申请(专利权)人：成都飞机工业集团有限责任公司，
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。