面向无人机故障诊断的知识图谱构建应用方法

近年无人机作业安全保障问题面临着严峻挑战,确保无人机安全作业至关重要。传统的无人机故障诊断方法具有容易造成知识浪费等问题,已无法满足日益复杂的工作需求,基于新兴研究热点的知识图谱,充分利用无人机先验知识进行故障诊断,可实现组件关联诊断并依靠专家知识实现诊断结果的可解释性。目前面向故障诊断知识图谱的研究较少,通常采用“预训练”模型解决深度学习模型训练的数据不足,但这种方法应用场景限制较大,且不能为后续研究者提供有价值可参考的训练样本。以无人机故障维修手册为主要数据,提出一种基于远程监督的机标人校数据标注方法,获得数量可观、标注精确的无人机故障语料库,并根据数据结构特点结合基于规则和BiLSTM-CRF网络的知识抽取方法,实验证明实体抽取效果良好。基于无人机故障诊断本体完成无人机故障诊断知识图谱的构建,通过Neo4j进行存储及可视化展示,并搭建无人机系统故障的智能问答系统,为无人机故障提供有理有据的精准诊断,证明了知识图谱在故障诊断领域的有效性,为基于知识图谱的故障诊断体系构建提供科学依据。     

面向注塑产品工艺缺陷的知识图谱构建方法及应用

针对现有注塑产品缺陷故障原因排查与定位依靠专家人工诊断效率低、成本高昂等不足,本文提出了一种面向注塑产品缺陷的知识图谱构建方法及其应用,目的在于将专家知识采用知识图谱进行表示,利用基于知识图谱的垂直检索技术,解决故障排查和定位困难的问题.首先,文章基于多源异构的故障解决方案文本构建语料库,并构建知识本体模型.其次,采用面向非结构化文本的知识抽取模型,将产品缺陷的相关专家知识从原始语料中自动抽取出来.最后,利用Neo4j图数据库实现知识存储及可视化知识图谱的构建.在所构建的知识图谱中,探索并实现了知识智能搜索、故障诊断及工艺卡解析等应用,展示了知识图谱技术在注塑领域的良好应用前景.     

基于知识图谱的潜油电泵井故障诊断

潜油电泵井系统是油田开采重要工具,具有排量大、扬程高与作业环境灵活多变等优点.为了降低潜油电泵井系统故障危害,需要对其发生故障部件进行快速精确定位并维修.本文提出一种基于知识图谱的潜油电泵井故障诊断方法.采用改进BiLSTM-CRF实体识别算法与BERT关系抽取算法提取故障数据中的专家知识,构建潜油电泵井故障诊断领域知识图谱;利用构建知识图谱搭建以故障征兆为初始节点的贝叶斯推理网络,利用历史故障数据与条件概率解耦的计算方式推理出故障原因.本文通过故障诊断真实案例进行方法验证.     

发动机故障领域知识图谱构建与应用

发动机生产故障和售后维修报告中有大量动力总成和零部件故障信息. 本文将知识图谱引入柴油发动机故障领域, 设计发动机故障领域知识图谱构建的系统流程, 针对多源故障数据进行本体建模. 使用BERT和BiLSTM-CRF结合的实体识别框架, 挖掘故障数据中的专家知识. 提出实体相关性评价指标FF-IEF, 并基于知识图谱和贝叶斯网络进行故障诊断. 设计并开发EFKG原型系统, 共包含12534个实体和408972条三元组, 该系统提供知识抽取、可视化检索、辅助决策等功能, 有效提高信息检索和维修效率, 对知识图谱在发动机故障领域的应用具有一定指导意义.     

基于知识图谱和多任务学习的工业生产关键设备故障诊断方法

针对工业生产关键设备故障数据稀疏的问题和故障诊断的需求,本文提出了一种基于知识图谱和多任务学习的工业生产关键设备故障诊断模型MKFD (multi-task learning for knowledge graphenhanced fault diagnosis),通过对故障根因的推断实现故障诊断.设计了多任务学习框架,并构造了一种改进十字绣单元用于实现框架内子任务之间的信息共享.利用运维数据构建故障现象–故障根因关联矩阵,使用多层感知机搭建知识图谱嵌入模型;分别将关联矩阵嵌入和知识图谱嵌入作为多任务学习框架中的两个子任务,通过子任务的交替学习,优化MKFD模型参数,实现对故障根因的推断,从而达到故障诊断的目的.最后,基于国内某工业企业的运维数据所构建的两个工业生产关键设备故障知识图谱对上述方案进行了验证实验,结果证明所提出的方法具有良好的性能.     

基于数据库的数控机床故障诊断专家系统

该文研究数控机床故障诊断专家系统的开发与设计思路。运用故障树分析法FTA（Fault Tree Analysis）建立数控机床主要故障部位的故障树．通过Access建立故障数据库,并采用Visual Basic6．0来开发设计数控机床故障诊断系统,可为机床故障诊断与维修提供帮助。     

融入互注意力的风险领域实体关系抽取研究

风险领域实体关系抽取是扩充现有知识图谱与泛化知识工程应用的关键问题.当前特定领域实体关系抽取面临人工标注语料的严重依赖、实体间关系的交叉互联以及远程监督标注存在噪声数据等核心难题,简单的解决方案是运用风险领域已有的知识图谱作为指导.然而,相比通用领域知识图谱,风险领域知识图谱的规模往往较小,难以满足当前领域实体关系抽取的知识需求.因此,本文既要利用已有的风险领域知识图谱,又要充分挖掘蕴含于领域文本数据中规律性的风险知识.本文提出基于知识图谱与文本互注意力的风险领域实体关系抽取方案.首先,根据已有的知识图谱抽象出风险领域实体关系及其约束条件;其次,运用少量高质的实体关系与大规模风险领域语料训练知识图谱与文本的互注意力机制模型,并融合文本表示学习与深度神经网络的方法进行风险领域实体关系的抽取.最后,针对给定的领域文本数据,综合关系约束与关系抽取结果得出风险领域实体关系类型.本文以风险领域数据为例,仅用少量的领域知识,即可获取较好的实体关系抽取效果.     

基于贝叶斯网络和关联规则的航电系统故障诊断

为了提高机载航线维修的效率，提出利用贝叶斯网络结合关联规则来构建航电系统故障诊断模型。有效利用航电系统的故障树转化为以贝叶斯网络为架构的故障诊断模型结构，并将BITE信息作为节点扩展到结构中，采用Leak Noisy-Or模型简化故障诊断模型条件概率的计算，利用关联规则算法挖掘历史维修数据包含的强关联规则，并综合专家经验完成条件概率参数的学习。以VHF系统为例，使用GeNIe2.3软件对故障诊断模型进行仿真，通过对具体案例的推理、诊断分析，实现了机载航线维修的动态化诊断过程。     

某型飞机发动机故障诊断专家系统设计

针对某型飞机发动机故障诊断困难以及视情维修对维修技术提出的更高要求,利用专家系统人工智能技术设计了该型飞机发动机故障诊断专家系统;该系统利用自动检测技术获得发动机状态参数,通过智能诊断实现故障定位;系统利用模块化设计思想进行了人机交互界面设计、故障知识数据库建立、推理机制设计、获取知识程序设计及解释程序设计,实现了发动机故障的快速定位,提高了发动机诊断维修的时效性,保证了发动机的完好率。     

基于有色Petri网的机械系统故障诊断研究

故障诊断对于机械系统的使用与维护起着重要的作用;为了提高机械系统故障诊断的效率以及直观性,提出了一种使用基于知识的故障诊断方法,即使用有色Petri网诊断方法建立一种通用机械系统故障诊断模型并进行分析;针对数控机床液压元件故障这一案例,首先获取其故障来源建立故障树;其次在故障树基础上运用有色Petri网建模工具CPNTools建立有色Petri网模型;最后对模型进行了仿真分析以模拟故障的传递,进行状态空间分析以判断模型安全性,结果表明所提出的建模方法能够使得故障传递更加直观化,快速了解故障的发展趋势,并表明此模型有着较强的易用性以及通用性。     

无人系统故障知识图谱的构建方法及应用

无人系统产生的海量数据存储分散且缺乏联系,信息共享困难,难以满足复杂度和集成度越来越高的无人系统的维修保障需求。知识图谱技术能够将复杂数据信息抽取成结构化知识,建立数据间的联系,增强知识间的语义信息。本文以无人系统的故障数据为研究对象,利用知识图谱技术进行知识抽取、知识融合以及知识加工,形成一系列相互关联的知识,为构建无人系统领域故障知识图谱提供一种可行的方法。知识图谱技术利用无人系统各种传感器集成的海量数据建立的知识库,可有效整合无人系统领域分散的数据,以此提高无人系统领域知识的利用率,帮助维修保障人员快速精确查找故障知识,对无人系统的维修保障具有重要的军事应用前景。     

面向维修训练的故障建模、仿真与评估

面向维修训练领域，通过研究系统故障产生机理，运用面向对象方法建立一种基于故障传播有向图的系统故障模型，从工程应用角度阐述了其构建规则。基于该模型实现了维修训练仿真系统，介绍了有向图仿真运行类结构和维修对象测量数据的生成。在此基础上，文章提出一种基于标准故障诊断路径的评估方法，根据测量点与标准路径的相关性实现了维修训练评估。     

基于知识图谱的燃气轮机故障诊断知识库构建方法及维护

燃气轮机机组的设备健康状况的改变容易受到多种因素的影响，并且各原因间存在着复杂的耦合与传递关系，以往传统的故障诊断系统常会出现一种故障征兆对应多种故障模式的问题，针对此问题，目前主流解决方案已有基于知识图谱的故障诊断方法，但针对燃气轮机故障知识库的构建尤其是知识更新的研究较少，因此本文将重点从基于知识图谱的燃气轮机故障诊断中的知识库构建及维护进行进行介绍。首先，阐述了本体基本理论以及基于本体的语义推理原理，其次通过阐述领域知识的获取及表示介绍了知识库的构建过程，避免了在新知识整合过程中出现冲突及冗杂情况，最后通过实例验证了基于知识图谱的燃气轮机故障诊断知识库构建方法的可行性，及知识更新的稳定性，有效的解决了常规智能诊断过程中推理“一对多”的问题，同时提供了一种较为准确且稳定的知识图谱更新方法，为其他机械设备的故障检测提供了一条新思路。     

基于异构图注意力的工业设备故障诊断知识图谱补全方法

针对工业设备故障诊断知识图谱故障实体属性残缺、故障关系链接缺失的问题,本文提出了一种基于知识图谱异构图注意力网络(knowledge graph heterogeneous graph attention network, KGHAN)模型的工业设备故障诊断知识图谱补全方法,通过对故障实体概念补全和故障关系链接补全完善了工业设备故障诊断知识图谱.所提KGHAN模型在异构图注意力网络模型的基础上,融合了故障知识结构信息和故障图结构信息,有效地表征了故障实体和故障关系的嵌入表示,提高了故障实体概念补全任务的准确率和故障关系链接补全任务的命中率.将所提工业设备故障诊断知识图谱补全方法应用在国内某企业的工业设备故障运维数据上,结果表明,故障实体概念补全任务的准确率提高了约10%,故障关系链接补全任务的命中率提高了约37%,验证了方法的有效性.     

装备BIT和故障案例融合诊断方法研究

针对新型装备故障诊断难的问题,将机内测试(BIT)诊断与故障案例诊断融合的推理机制引入到新型装备故障诊断系统设计中,以装备BIT诊断为前导,故障案例推理为后置补充的结合方式,建立BIT和故障案例融合推理模型。充分利用基于总线技术的装备BIT系统和从维修记录中提取的案例知识,提高故障诊断精确度和效率。通过典型火炮故障诊断实例分析,验证了基于BIT和案例融合的综合诊断系统的诊断效能。     

细粒度苹果病虫害知识图谱构建研究

鉴于现有农业知识图谱对病虫害防治相关实体、关系刻画不够细致的问题,以苹果病虫害知识图谱构建为例,研究细粒度农业知识图谱的构建方法。对苹果病虫害知识的实体类型和关系种类进行细粒度定义,共划分出19种实体类别和22种实体关系,以此为基础标注并构建了苹果病虫害知识图谱数据集AppleKG。使用APD-CA模型对苹果病虫害领域命名实体进行识别,使用ED-ARE模型对实体关系进行抽取。实验结果表明,该文模型在命名实体识别和关系抽取两项子任务中的F1值分别达到了93.08%和94.73%。使用Neo4j数据库对知识图谱进行了存储和可视化,并就细粒度苹果病虫害知识图谱可以为精准病虫害信息查询、智能辅助诊断等下游任务提供底层技术支撑进行了讨论。     

基于XML的故障诊断虚拟训练描述模型研究

随着科学技术的迅猛发展,传统故障诊断训练存在的问题日益突出,越来越难以满足维修人员的故障诊断训练需求;提出了通过虚拟方式进行辅助训练,来提高维修人员的故障诊断能力和掌握故障诊断相关知识,满足故障诊断训练需求;为实现故障诊断虚拟训练,分析了故障诊断虚拟训练模型的描述要素和描述语言;运用诊断树分析方法,基于XML建立了故障诊断虚拟训练描述模型,为实现故障诊断虚拟训练提供模型支撑;最后,基于此模型对液压千斤顶回收不到位的故障进行了描述,验证了描述模型的正确性与实用性.     

知识图谱在电力故障诊断领域的研究与应用综述

在当前电力行业不断发展的时代趋势下，智慧电厂建设这一命题逐渐受到了学者们的广泛关注，电厂电力故障相关问题的管理成为了重要的一环。部分学者也开始研究如何通过知识图谱技术实现电力故障诊断领域知识的整合、分析、挖掘与再利用。为了解现阶段这一技术在电力故障诊断领域的应用情况，通过调研现有相关文献，有如下总结：在方法应用上，知识图谱的相关方法在电力故障诊断领域的应用主要集中在实体以及实体关系抽取上；在检索系统上，知识融合相关技术尚待优化。综合以上调研，针对知识图谱在电力故障诊断领域的应用与发展，提出对未来的展望。     

DB4Trans:数据库内置知识图谱嵌入模型训练引擎

知识图谱嵌入技术将知识图谱中的实体和关系嵌入到连续的向量空间中,在简化图谱操作的同时保留知识图谱的固有结构,并有助于完成诸如图谱补全、链接预测等下游任务.随着基于知识的人工智能的日益普及和应用,知识图谱的数据规模正在急剧增加.然而,大部分的知识图谱嵌入工作主要关注模型训练的结果,忽略了对于数据规模的可扩展性,在处理大规模知识图谱时表现出较差的性能.近年来的一些研究工作将数据库技术应用于机器学习算法的优化,同时提供了用于数据库内机器学习的各类工具.通过将知识图谱嵌入模型与数据库在数据管理上的优势进行有效的结合,能够在保证知识图谱嵌入模型训练的准确率和效率的同时,提供更好的可扩展性以支持大规模知识图谱数据的训练.基于此,本文提出一种数据库内置知识图谱嵌入模型训练引擎DB4Trans.首先,设计了一种用于知识图谱嵌入模型训练的数据存储方案,对实体和关系进行编码并建立索引结构,以实现模型训练过程中对中间结果的快速访问和更新;其次,提出了一种数据库内置的模型训练优化算法,对数据库与内存间的数据批量交换方案进行设计以支持大规模数据的训练与存储;最后,在不同数据集上进行了测试,比较了模型训练与预测的...     

煤矿领域知识图谱构建

为有效分析煤矿领域知识之间的联系,将本体技术和知识图谱构建技术相结合,实现煤矿领域核心知识图谱的构建。结合煤矿领域数据特点提出一种基于七步法、METHONTOLOGY法的本体构建方法,并借助本体建模工具Protégé完成对煤矿领域本体的构建;通过对RDF三元组到图数据库结构的映射分析,将煤矿领域本体数据存储于Neo4j图数据库,实现煤矿领域核心知识图谱的初步构建;设计并开发煤矿监测监控原型系统,实现对煤矿知识的存储,有助于保障作业人员的生命安全与设备完整。