基于工业知识图谱及贝叶斯网络的辅助决策方法及系统技术方案

本发明专利技术公开了基于工业知识图谱及贝叶斯网络的辅助决策方法及系统，涉及计算机软件及人工智能技术领域，包括：收集工业知识词汇，生成自定义词库，构建工业知识图谱；基于工业知识图谱提取特征，将特征分类为离散特征和描述特征，对描述特征进行聚类；确定特征关系，构建依赖关系矩阵；构建贝叶斯网络，基于知识图谱内的知识数据进行辅助决策。本发明专利技术提供的基于工业知识图谱及贝叶斯网络的辅助决策方法减少对专家经验的依赖，提高诊断效率和准确性，快速响应复杂多变的生产环境需求，确保特征关系的显著性和准确性，增强在不同环境和条件下的鲁棒性和适应性。推荐消缺班组，全面提升生产系统的安全性和可靠性。

【技术实现步骤摘要】

本专利技术涉及计算机软件及人工智能，具体为基于工业知识图谱及贝叶斯网络的辅助决策方法及系统。

技术介绍

1、在重工业流程型企业管理中，一直面临着很多困难与挑战，其中有几个主要的原因：设备复杂且种类繁多，设备各自的结构和运行原理不同，需要不同的维护技能和方法；恶劣的工作环境，对材料的要求很高，对设备的磨损和腐蚀也比较严重，需要定期进行检查和更换；设备需要一直运行，停机维护时间非常有限，因此在停机期间要尽可能多地完成必要的检修工作，这给维护人员带来很大的压力；专业技术要求高，设备和系统涉及机械、热工、电气、自动化等多个领域，维护人员需要具备多方面的专业知识和技能；同时，不同企业还存在一些各自的问题，如安全风险高、老旧设备多等。

2、目前，传统的工业故障诊断和决策方法主要依赖于专家经验和规则库，但这种方法存在一些明显的局限性：

3、传统方法高度依赖专家的经验和知识，专家资源有限且昂贵，且不同专家之间的知识和经验水平存在差异，容易导致诊断结果的主观性和不一致性。

4、基于规则库的方法需要预先定义大量的规则，规则库的构建和维护需要本文档来自技高网...

【技术保护点】

1.基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于，包括

2.如权利要求1所述的基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于：所述对描述特征进行聚类包括使用隐马尔可夫模型HMM算法进行实体提取，基于条件随机场CRF和长短期记忆网络LSTM算法进行优化，提取出的实体为描述性特征保存在一个实体数组中；

3.如权利要求2所述的基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于：所述对每个描述性特征赋予指标值包括计算每个特征词的TF-IDF值，使用Word2Vec模型将特征词转化为上下文语义向量，并将TF-IDF值和语义向量结合形成综合向量表示；...

【技术特征摘要】

1.基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于，包括

2.如权利要求1所述的基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于：所述对描述特征进行聚类包括使用隐马尔可夫模型hmm算法进行实体提取，基于条件随机场crf和长短期记忆网络lstm算法进行优化，提取出的实体为描述性特征保存在一个实体数组中；

3.如权利要求2所述的基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于：所述对每个描述性特征赋予指标值包括计算每个特征词的tf-idf值，使用word2vec模型将特征词转化为上下文语义向量，并将tf-idf值和语义向量结合形成综合向量表示；

4.如权利要求3所述的基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于：所述确定特征关系包括收集提取的离散特征和描述特征，将特征与对应的分类标签配对计算条件互信息，表示为，

5.如权利要求4所述的基于工业知识图谱及贝叶斯网络的辅助决策方法，其特征在于：所述构建贝叶斯网络包括从知识图谱中提取所有离散特征和描述特征作为贝叶斯网络的节点，根据依赖关系矩阵，遍历矩阵中的每对特征，若依赖关系矩阵中两个特征的值为1，则在贝叶斯网络中添加一条边，将相关节点作为子节点；若依赖关系矩阵中两个特征的值为0，则将特征节点作为独立节点，构建贝叶斯网络的初步结构；

6.如权利要求5所述的基于工业知...

【专利技术属性】
技术研发人员：袁存发，毕瑞峰，魏小庆，陈松，陆文迪，徐兴云，
申请(专利权)人：朗坤智慧科技股份有限公司，
类型：发明
国别省市：