基于描述逻辑的电机故障诊断知识表示与推理

针对传统电机故障诊断专家系统中知识表示方法的不足,提出一种基于描述逻辑的电机故障诊断领域知识描述方法,并在此基础上对所构建的电机故障知识库进行了逻辑检错推理.通过对电机故障诊断领域知识进行表示和推理,可以有效地表示电机故障知识之间的关系,检测知识逻辑体系错误.在实验过程中,利用本体编辑工具Protégé采用OWL语言对其进行了实现,并通过TABLEAU算法实现了逻辑检错推理.     

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。     

电潜泵长距离变频启动分析与试验

边际无人采油平台和深海采油要求潜油电泵地面控制设备具备远距离拖动潜油电机的能力.本文针对潜油电泵机组启动中存在的问题,分析了潜油电泵机组启动的特点,提出解决长距离潜油电泵机组启动理论方法,并进行了实验验证.     

带式输送机系统故障诊断方法综述

输送带和驱动装置是带式输送机的主要组成部分且为故障高发部位,以输送带故障和驱动装置故障为切入点,分析了输送带跑偏、打滑、损伤、堆料撒料等故障及驱动装置滚筒、托辊、减速器等故障的机理,重点阐述了知识驱动和数据驱动的带式输送机故障诊断方法研究进展。知识驱动法以知识处理技术为基础,实现符号处理和数值处理的统一、推理过程和算法过程的统一,主要包括专家系统、故障树分析法。数据驱动法采用机器学习和数据挖掘等技术对历史数据进行分析处理,建立诊断模型,达到故障诊断目的,主要包括支持向量机（SVM）、比差法、基于声音和视觉的诊断方法。分析了带式输送机故障诊断方法目前存在的挑战和未来发展趋势：(1)结合历史故障数据和实时数据推断设备健康状况,预测早期微小故障,提醒工作人员进行预测性维护。(2)揭示带式输送机耦合故障的关联关系,利用人工智能等新兴技术研究耦合故障联合诊断方法。(3)利用多模态机器学习技术研究带式输送机多模态信息融合利用机制,开发带式输送机多模态信息融合故障诊断方法。(4)将故障知识图谱和带式输送机领域知识相结合,实现带式输送机设备故障追踪、故障超前预警,通过知识查询、知识推理和辅助决策功能,...     

基于置信规则库专家系统的发动机故障诊断

针对发动机故障原因和征兆之间存在的复杂非线性关系,利用RIMER(基于证据推理算法的置信规则库推理方法)对发动机进行故障诊断,克服了传统专家系统或神经网络技术只能单一利用专家知识或训练数据的缺点,将定性知识与定量数据有效结合,对发动机故障原因进行了研究,给维修人员提供了重要参考依据,仿真实验结果表明该方法可行有效.     

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.     

电力领域语义搜索系统的构建方法

电力领域不断累积大量的数据资源,包含相关标准规范、技术文档、管理文档、故障解决记录等等,如何对这些文档进行快速查询和智能搜索,对于电网调度与故障恢复具有重要价值.传统的电力领域搜索系统都是基于关键词来实现,存在查准率和召回率低的问题,无法理解业务语言,无法支持语义推理.本文设计实现一种基于知识图谱的电力领域语义搜索系统的构建方法,通过智能领域分词技术对非结构化数据进行语义知识提取,组织并存储为知识图谱,基于知识图谱来实现支持推理的语义搜索.介绍了领域语义搜索系统构建流程,并进行平台实现,实验表明该方法查准率和召回率均有较大提升.     

GPRS潜油电泵井远程无线监测系统的研究

本文对潜油电泵井设计出一种基于GPRS的远程监测系统。介绍了本系统的组成及其工作原理。该系统研究的主要内容包括：利用Microsoft VC++6.0实现相关软件的开发、数据的管理及对其的实时传输;GPRS实现了数据的远程监控,克服了油井环境恶劣上井查看数据困难的情况,缩短了开井周期,使劳动强度减少,提高了采油时率,使得电泵井的应用更具现代化。     

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.     

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.     

Intelligent diagnosis method for a centrifugal pump using features of vibration signals

In the field of machinery diagnosis, the utilization of vibration signals is effective in the detection of fault, because the signals carry dynamic information about the machine state. However, knowledge of a distinguishing fault is ambiguous because definite relationships between symptoms and fault types cannot be easily identified. This paper presents an intelligent diagnosis method for a centrifugal pump system using features of vibration signals at an early stage. The diagnosis algorithm is derived using wavelet transform, rough sets and a partially linearized neural network (PNN). ReverseBior wavelet function is used to extract fault features from measured vibration signals and to capture hidden fault information across optimum frequency regions. As the input parameters for the neural network, the non-dimensional symptom parameters that can reflect the characteristics of a signal are defined in the amplitude domain. The diagnosis knowledge for the training of the PNN can be acquired by using the rough sets. We also propose a diagnosis method based on the PNN, one which can deal with the ambiguity problem of condition diagnosis, and distinguish fault types on the basis of the possibility distributions of symptom parameters automatically. The decision method of optimum frequency region for extracting feature signals is also discussed using real plant data. Practical examples of diagnosis for a centrifugal pump system are shown in order to verify the efficiency of the method.     

一种新的计算机辅助故障树生成方法

故障树分析是过程风险分析中的一种有效方法,计算机辅助生成故障树尤其重要.该文中,提出一种基于图论仿真和数据挖掘的新方法.图论模型是一种深层知识,能够表达复杂的因果关系,具有包容大规模潜在信息的能力,尤其适用于安全领域的应用.深入研究故障传播机制及故障树的内在机理,从本质上讲,故障诊断、HAZOP及故障树分析的理论基础都是一样的,即对系统的稳态定性仿真及分析.通过稳态定性仿真即图论仿真,得到故障剧情样本.在此基础上,开发了一个图论建模推理平台.在此平台上进行相应的故障剧情分析,得到故障剧情样本.然后从中提取关联规则,并最终连接形成故障树.该文给出一个离心泵及液位系统的故障树生成过程,证明了此方法的实用性和有效性.     

基于模糊理论和遗传算法的导弹故障诊断方法研究

研究了一种将有向图、模糊理论和遗传算法相结合的智能故障诊断方法。用有向图来构造系统模型,用模糊集来解决模型中的不确定性问题,用遗传算法来对可能的故障传播路径进行搜索。当被诊断的系统含有不可测量节点时,该方法仍然可以很好地进行诊断。将该方法应用于某大型导弹武器装备的故障诊断系统中,实践证明,该方法行之有效并可以大大提高故障诊断效率。     

邻域知识图算法在旋转机械设备故障诊断中的应用

旋转机械应用过程中极易出现内环故障、外环故障、滚动体故障的情况,而这也直接影响机械部件的使用寿命。为准确诊断设备元件的故障行为,达到延长旋转机械设备寿命水平的目的,针对邻域知识图算法在旋转机械设备故障诊断中的应用展开研究。求解邻域知识图算法的函数表达式,并以此为基础,完成对故障数据的推荐,再通过预处理的方式,实现对旋转机械设备故障数据的深度挖掘。融合关键故障数据,并对其进行降维处理,根据核特征定义条件,完善具体的故障诊断流程,完成基于邻域知识图算法的旋转机械设备故障诊断算法的设计。实验结果表明,上述方法的应用,可以准确诊断出内环故障、外环故障、滚动体故障三种故障表现行为,通过适当方法对所诊断出故障行为加以处理,可以达到延长旋转机械设备使用寿命的目的。     

Fault detection based on robust characteristic dimensionality reduction

In this paper, a novel fault detection method is developed based on robust characteristic dimensionality reduction (RCDR). The time-constrained sparse representation (TCSR) method is firstly introduced by considering the space and time characteristics of industrial process monitoring data simultaneously. It can remove space-related outliers, time-related outliers and noises by solving an optimization problem. Then, a new RCDR method is proposed, which fully utilizes the constructed robust adjacency graph and considers the data characteristics. Its scatter matrices are specially designed by consideration of the data characteristics of fault detection. The within-class scatter matrix only characterizes normal data set with a classic covariance matrix, while the inter-class scatter matrix characterizes the separability between normal data and fault data through a pre-defined scatter matrix. It is worth mentioning that our method does not make Gaussian assumptions about the distribution of the fault data, and the number of projection directions is not limited as well. The TCSR is also embedded into our proposed dimensionality reduction method, enabling it to handle the fault detection problem under strong disturbances. Simulations on Tennessee Eastman process (TEP) and a case study of electric multiple unit (EMU) braking system of high-speed trains fully demonstrate the effectiveness and applicability of our proposed fault detection method.     

油田监测与分析系统核心算法修正

随着油田智能化发展的需要,传统的故障诊断、动液面、产量计量算法已不能满足油井问题在实时性和准确性方面的要求。针对目前国内外油井监测与分析系统中存在的问题,本文对系统核心算法故障诊断、动液面、产量计量进行修正。其中,故障诊断采用基于关联度函数修正的方法,并给出一种专家知识库实时更新完善策略。动液面算法采用物元分析的方法,通过建立物元模型确定油井的最优多相流算法。产量计算算法采用均值滤波的方法,通过消除示功图中复杂的频率部分精确求取示功图有效冲程。并对以上修正算法进行了仿真,提高了油井问题诊断的准确性和诊断效率,为智能油田提供理论基础。     

基于傅里叶描述子RBFNN有杆泵井故障诊断

在对有杆泵井进行故障诊断过程中,采用了具有很强轮廓形状识别能力的傅里叶描述子作为RBFNN（径向基函数神经网络）的输入向量特征提取,通过分析比较基于梯度下降法和遗传算法的RBF网络各自特点,提出了一种基于傅里叶描述子的分层循环学习RBFNN算法。通过对非线性函数逼近的仿真实验证明了所提算法是准确有效的,最后利用MATLAB神经网络工具箱,建立分层学习算法的网络模型实现对有杆泵井的故障诊断,通过仿真测试验证了所提出的故障诊断方法能够准确地判断出有杆泵井故障类型。     

基于时空图卷积神经网络的管网产量模拟计算

针对原油集输管网的流量计测量数值偏差大, 模拟仿真软件人工校正繁琐、自适应差的问题, 提出一种自适应时空图卷积神经网络的产量计算方法, 实现原油集输管网产量的模拟计算. 以潜油电泵井为节点, 输油管道为边构建管网拓扑图. 使用图卷积神经网络提取井分布空间信息, 时间卷积神经网络获取产量数据的时间序列特征, 计算得到准确的产量模拟计算结果. 在某油田原油集输管网系统上进行了实验验证, 结果表明本文方法能够准确对管网系统内各电泵井的产量进行计算, 与其他基准网络模型相比, 各项误差指标均有下降, 平均绝对误差降至0.87, 平均绝对百分比误差降至4.45%, 均方误差降至0.84, 证明了提出方法的有效性和准确性.     

SDG故障诊断规则的知识约简

符号有向图(SDG)是揭示流程系统深层知识的定性模型,用于描述流程系统的状态变量及其变量间的故障信息传递关系.当系统的状态变量过多,运用SDG故障诊断算法生成的故障规则过于庞大,推理困难.粒矩阵的知识约简算法能有效约简冗余属性.因此,将粒矩阵的知识约简算法引入SDG故障诊断,以电站除氧器系统为例,使用粒矩阵的知识约简算法约简主要故障的故障规则,简化规则中的冗余节点,提高故障诊断效率,最后验证了约简后的故障诊断规则的正确和有效.