【技术实现步骤摘要】
本专利技术涉及旋转机械领域。尤其涉及融合故障与特征的工业泵知识图谱构建方法。
技术介绍
1、工业泵是化工、石油、电力、制药等行业中不可或缺的关键设备之一，用于输送液体、气体或者其他流体。随着工业自动化水平的不断提高，工业泵的运行状态直接关系到整个生产线的安全稳定运行。因此，对工业泵的状态监测、故障诊断以及预防性维护的需求日益增加。
2、在工业泵的状态监测与故障诊断中存在的一些主要问题包括：各个监测系统独立运作，数据分散，无法形成有效的信息共享机制；专家知识和经验未得到有效整合，难以传承和发展；现有的故障诊断系统大多基于单一维度的数据分析，缺乏多角度、多层次的信息支撑；传统方法对于复杂多变的工作环境适应性较差，难以满足动态调整需求。目前，主要依赖于单个传感器的数据采集和分析。尽管这种方法在一定程度上能够反映设备的运行状态，但由于缺乏对设备全貌的认识，往往难以全面准确地诊断复杂故障。传统的故障诊断方法主要包括基于阈值的报警系统、基于信号处理的方法、基于机器学习的方法等。然而，这些方法各自存在局限性：基于阈值的报警系统容易产生误报...
【技术保护点】
1.融合故障与特征的工业泵知识图谱构建方法，其特征在于：
2.根据权利要求1中所叙述的分析工业泵相关的数据资料并建立工业泵非结构化数据库，其特征在于：建立工业泵非结构化数据库的数据资料包括两部分，第一部分是通过搜集文献资料，整理出工业泵的基本信息文件，主要描述工业泵的主要组成部分及其可能遇到的故障类型。第二部分是具体工业泵故障维修的相关资料，主要包括两种资料：一是通过网络爬虫得到了清水泵的部分常见故障及处理方法资料，主要涉及设备现象，故障原因和处理方法三方面；二是从工业泵厂的ZJ系列渣浆泵使用说明书中搜集到的渣浆泵常见故障及处理措施，同样含有设备现象，故障
【技术特征摘要】
1.融合故障与特征的工业泵知识图谱构建方法，其特征在于：
2.根据权利要求1中所叙述的分析工业泵相关的数据资料并建立工业泵非结构化数据库，其特征在于：建立工业泵非结构化数据库的数据资料包括两部分，第一部分是通过搜集文献资料，整理出工业泵的基本信息文件，主要描述工业泵的主要组成部分及其可能遇到的故障类型。第二部分是具体工业泵故障维修的相关资料，主要包括两种资料：一是通过网络爬虫得到了清水泵的部分常见故障及处理方法资料，主要涉及设备现象，故障原因和处理方法三方面；二是从工业泵厂的zj系列渣浆泵使用说明书中搜集到的渣浆泵常见故障及处理措施，同样含有设备现象，故障原因和处理方法。
3.根据权利要求1所述的处理振动信号数据集并建立工业泵结构化数据库，其特征在于：收集相关开源数据集，并进行划分整理成csv文件，存储到本地硬盘中作为结构化数据库。
4.根据权利要求1所述非结构化数据库中的相关内容进行人工抽取，结合工业泵领域的专家知识建立本体模型，其特征在于：将两部分数据资料划分出的实体包括第一部分的“组成部件”，“故障类型”和第二部分的“故障设备”，“故障现象”，“故障原因”以及“故障处理”，并以“研究对象”节点为相关图谱构建的起始点。
5.根据权利要求1所述得到的本体进行知识抽取并建立三元组，其特征在于：构建知识图谱的基础结构通常采用“知识三元组”的形式，这是一种表示实体间关系的基本单元，知识三元组按照<实体，关系，实体>的格式，来清晰表述一段实体关系完成离心泵文本数据的知识抽取。
6.根据权利要求1所述将三元组存储到图数据库中，构建工业泵故障图谱，其特征在于：创建的工业泵知识图谱中，要经常对图谱中的知识进行检索与更新，为方便有效的存储与查询，选择neo4j图数据库作为搭建及展示知识图谱的载体。
7.根据权利要求1所述将结构化数据库中的数据进行相关特征提取并归纳，建立所需要的节点与节点属性，其特征在于：对数据集的相关结构和机理知识进行总结归纳，抽取与之相关的实体节点。选取频域特征...
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。