CN104361026A - 一种fmea分析过程中的故障知识存储和推送方法 - Google Patents
一种fmea分析过程中的故障知识存储和推送方法 Download PDFInfo
- Publication number
- CN104361026A CN104361026A CN201410570989.XA CN201410570989A CN104361026A CN 104361026 A CN104361026 A CN 104361026A CN 201410570989 A CN201410570989 A CN 201410570989A CN 104361026 A CN104361026 A CN 104361026A
- Authority
- CN
- China
- Prior art keywords
- fault
- product
- fmea
- failure
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种FMEA分析过程中的故障知识存储和推送方法，包含四个部分8个步骤,即1：建立故障产品存储模块；2：构建故障信息存储模块；3：构建基于本体理论的故障知识存储模块；4：故障模式描述语句的分词模块；5：故障模式主题匹配模块；6：采用WDF，语义描述模型对第二部分步骤2得到的故障模式主题进行描述；7：将待查询的故障模式主题和故障数据库中的信息进行语义相似度计算；8：利用黑板过程的分步求解特点，从产品构成的最低约定层次到初始约定层次依次合理的确定指定产品的故障模式、故障原因、故障影响。它实现了历史故障数据的有效存储、管理以及高效的利用,完成了FMEA从最低约定层次到初始约定层次的分析工作。
Description
技术领域
本发明一种FMEA分析过程中的故障知识存储和推送方法，该方法利用智能分词、语义检索和黑板过程实现了FMEA故障模式存储、查询、和推送。它适用于复杂产品的FMEA分析过程，通过FMEA分析模块与历史故障库之间的故障知识推送，能够有效提高复杂产品的FMEA分析效率。本发明属于可靠性与系统工程领域。
背景技术
FMEA是装备RMS设计分析的核心工作项目，是测试性、保障性、安全性设计分析的重要输入，因此必须全面开展。但针对复杂装备的研制，FMEA工作量很大，耗时费力，对分析人员的经验和能力要求很高。而目前的装备设计过程中，70％以上的产品属于继承性设计，原型产品和相似产品中已开展了FMEA或积累了试验、外场使用的故障数据，如何充分利用已有的数据知识和工程经验，提高FMEA工作的效率和有效性，是亟需解决的问题。
目前在工程中，FMEA工作通常由“个人”完成，即设计师主要依靠自己的经验或者一部分其它型号产品的Word报告来编写当前型号产品的FMEA报告。这样既无法充分利用已有故障知识，又无法高效的开展FMEA工作。
随着信息技术的发展，产品研制与RMS设计过程的集成能力大为增强，因此可基于产品研制数字化环境，将历史故障知识合理的存储起来，在新产品设计过程中通过高效的检索和匹配方法，将相关故障知识推送给产品设计人员，实现高效的FMEA分析工作。
发明内容
本发明一种FMEA分析过程中的故障知识存储和推送方法。目的和解决的问题是：实现历史故障数据的有效存储、管理以及高效的利用。该方法首先构建了故障知识的本体数据库，在FMEA工作开展过程中，通过故障模式的分词、以及故障领域知识的语义力计算，实现了故障知识本体库的检索和定位，最后通过黑板过程，完成了FMEA从最低约定层次到初始约定层次的分析工作。最终辅助产品设计师快速、充分地挖掘出有用的故障知识，以在尽可能短的时间内完成高质量的FMEA工作。
其中，“FMEA”(Failure Mode Effects Analysis)，为故障模式影响分析，是产品研发过程中分析所有可能产品的故障模式及其对系统造成的所有可能影响的一种归纳分析方法。
本发明一种FMEA分析过程中的故障知识存储和推送方法，主要包含以下四部分：
第一部分：构建基于本体理论的故障知识存储库。
故障知识包括故产品信息(产品名称、产品型号、功能、材料、环境载荷、性能参数)和故障信息(故障模式、故障原因、故障影响、故障检测方法、设计改进措施和使用补偿措施等)，构建过程包括如下几个步骤：
步骤1：建立故障产品存储模块，该模型为自行设计的数据库，包括产品族/产品平台、产品详细信息和功能描述三个数据库表。
通过产品族、产品平台树的形式，将实现相似功能的有同样内部接口的产品组织起来，然后在产品平台上添加不同的个性模块形成产品实例。所有的故障知识都属于某一个产品实例。
步骤2：构建故障信息存储模块，该模型为自行设计的数据库，包括故障模式、详细信息、故障机理三个数据库表。
步骤3：构建基于本体理论的故障知识存储模块。该模型为自行设计的数据库和自编制程序模型。
数据库包括关系层表和应用层表两个数据库表。关系层表中存储着已知的对象关系，应用层表中存储着步骤1和步骤2建立的产品功能和故障之间数据关系，构成了故障知识本体关系网络。
自编制程序模型包括一个查询类，对外提供一个本体关系查询函数，在开展FMEA工作时，只需定位到具体产品和功能，便可利用本体关系网络图直接调用FMEA中所需的相关信息，使得建立的故障知识本体库能很好的辅助FMEA工作的开展。
第二部分：智能分词。
包括故障模式描述语句的分词、故障模式的主题以及故障模式的主题框架匹配。过程包括如下几个步骤：
步骤4：故障模式描述语句的分词模块。
采用改进后的基于词典的机械式分词法，对词语相关度进行计算来进行分词，包括自行设计的数据库和自编制程序模型。
数据库包括关键词数据库表。
自编制程序模型包括一个分词类，对外提供一个分词处理函数，对于输入的故障描述语句，根据改进后的基于词典的机械式分词算法进行分词，并将分词结果以字符串数组的形式返回。
步骤5：故障模式主题匹配模块。
该模块将故障描述按照故障领域特有的主题结构进行整合，使得描述具有一致性。包括自行设计的数据结构和自编制程序模型。
数据结构按照故障领域的主题特点定义。
自编制程序模型包括一个主题匹配类，对外提供一个主题匹配函数，对于输入的故障描述语句分词字符串数组，根据故障领域的主题特点，匹配到对应的数据结构中，用于第三部分的语义查询。
第三部分：通过语义分析进行故障的知识检索，即知识推送的过程。
采用语义要素的相似度计算，实现智能检索，把待检索产品和功能与故障知识库中的产品和功能进行语义相似度匹配，将语义相似度较大的产品和功能对应的故障信息推送给设计分析人员。整个过程包括如下几个步骤：
步骤6：采用WDF(Word Description Model，它包括词性、主要描述义素、次要描述义素三部分，各部分用分号隔开)语义描述模型对第二部分步骤2得到的故障模式主题进行描述。包括自编制程序模块。
自编制程序模块包括一个语义生成类，对外提供一个语义生成函数，将输入的故障模式主题按照WDF模型规则进行描述。
步骤7：将待查询的故障模式主题和故障数据库中的信息进行语义相似度计算，对于相似度达到一定阈值的历史信息，通过第四部分的黑板过程，推送给设计分析人员。包括自行设计的数据库和自编制程序模块。
数据库包括义素关系场数据库表，这个表是根据故障领域知识积累形成的。
自编制程序模块包括一个语义相似度计算类，提供一个义素相似度计算函数和一个语义相似度计算函数。义素相似度计算函数的结果供语义相似度计算函数使用。
其中义素相似度计算函数的功能是，对于待查故障模式主题和故障历史数据库中主题，对于它们的WDF描述中对应的义素，在义素关系表中查找它们的最小路径，并根据义素相似度计算公式计算相似度。
语义相似度计算函数的功能是，对上面计算出来的所有义素相似度，根据语义相似度计算公式进行计算，得出整体的语义相似度结果。
第四部分：采用黑板过程，实现FMEA从最低约定层次到初始约定层次的分析工作。
步骤8：利用黑板过程的分步求解特点，以第三部分检索处理的历史故障信息为依据，从产品构成的最低约定层次到初始约定层次依次合理的确定指定产品的故障模式、故障原因、故障影响等。整个过程为自编制程序模块，包括三个类：黑板内容提交类、黑板状态监控类和FMEA过程监控类。
黑板内容提交类提供提交函数，从最低约定层次的产品开始，将第三部分检索出来的历史故障信息提交到黑板。
黑板状态监控类根据黑板上面的内容，判断是否启动高一层次产品的故障信息检索。
FMEA过程监控类负责整个FMEA过程的监控，对于高一层次产品的故障，要判断是否属于下一层产品的“高一层次影响”。根据每一层检索到的信息，完善FMEA分析结果，最终完成整个FMEA分析工作。
补充说明
其中，在第一部分第一段中所述的“故障模式”，是指产品故障的表现形式，如短路、开路、断裂、过度耗损等。
其中，在步骤3中所述的“本体理论”，是一种对共享概念化的明确规定和形式化的规范，它包含一个学科(如航空、航天、船舶，汽车等等)内的基本知识和学科外的基本知识。本体包含5个基本的构成元素，它们分别为:概念(concepts)、关系(relations)、函数(functions)、公理(axioms)和实例(instances)。通过“关系”将领域知识关联起来，当待查询的某一个知识同时匹配到相应的关系后，便可通过定位来查找到它具有的其它属性以及和其余类的关系。故障领域本体示意图如图4所示。
其中，在步骤5中所述的“故障模式主题”，主题是指一个句子的主要概括，故障模式主题是根据故障模式描述语句的特点，按照固定的结构，从中提取出的典型词语组成的。
其中，在第三部分提到的“语义”，既自然语言的含义，对自然语言进行自动处理时(尤其是比较，查找等)，应该理解其含义。语义的基础是义素。
其中，在步骤6中提到的“义素”，是对词语进行分析以后得到的语义特征,是构成词义的最小单位。
其中，在步骤7中提到的“语义相似度”，是指词语之间的相似程度，它是由构成词语的所有义素的相似度计算得来的(算法见具体实施部分)。
其中，在步骤7中提到的“义素相似度”，是指义素之间的相似程度，是指特定领域义素关系场中的2个义素之间的距离(算法见具体实施部分)。
其中，在步骤7中提到的“义素关系场”，是指特定领域知识中的义素根据一定组织关系形成的一个图，详见附图5。
其中，在第四部分提到的“黑板过程”，黑板是一个存放问题求解状态数据的全局存储结构，由输入数据、部分解、备选方案、最终解和控制数据等对象组成。它可划分成多个子黑板，即解空间可划分成多个分级结构。对于FMEA分析来说，利用黑板实现FMEA的分析其实也就是利用黑板的层次结构来合理的确定指定产品的故障模式、故障原因、故障影响等。
本发明一种FMEA分析过程中的故障知识存储和推送方法,其优点在于：借助该方法来进行FMEA工作，能有效的提高FMEA工作的效率和有效性,实现了历史故障数据的有效存储、管理以及高效的利用,完成了FMEA从最低约定层次到初始约定层次的分析工作,最终辅助产品设计师快速、充分地挖掘出有用的故障知识，以在尽可能短的时间内完成高质量的FMEA工作。
附图说明
图1为本发明所述的一种FMEA分析过程中的故障知识存储和推送方法整体架构示意图
图2本发明所述的产品存储模块示意图
图3本发明产品实例模块示意图
图4本发明所述的故障知识本体数据库模块示意图
图5本发明所述的故障领域义素关系场示意图
图6本发明所述的黑板过程的FMEA分析示意图
图中符号代号说明如下：
框体：代表活动或者是实体名称。
箭头：代表从属关系，或者是活动间的先后关系。
具体实施方式
实施的条件：要实现本发明一种FMEA分析过程中的故障知识存储和推送方法，需依托非本发明内容的FMEA分析软件工具，如Relex、北航GARMS FMEA分析工具。
实施方式说明：本发明一种FMEA分析过程中的故障知识存储和推送方法，该方法的流程框图如图1所示，具体实施方式说明如下：
第一部分：构建基于本体理论的故障知识存储库。
故障知识包括故产品信息(产品名称、产品型号、功能、材料、环境载荷、性能参数)和故障信息(故障模式、故障原因、故障影响、故障检测方法、设计改进措施和使用补偿措施等)，构建过程包括如下几个步骤：
步骤1：建立故障产品存储模块，该模型为自行设计的数据库，包括产品族/产品平台、产品详细信息和功能描述三个数据库表。
产品族/平台信息数据库表的结构如下：
表1产品族/平台数据结构
产品详细信息数据库表的结构如下：
表2产品详细信息数据结构
功能描述数据库表的结构如下：
表3功能描述数据结构
通过产品族、产品树的形式，将实现相似功能的有同样内部接口的产品组织起来，然后在产品平台上添加不同的个性模块形成产品实例。所有的故障知识都属于某一个产品实例或平台。
平台和产品实例的关系请参考图2.
步骤2：构建故障信息存储模块，该模型为自行设计的数据库，包括故障模式、详细信息、故障机理三个数据库表。
故障模式数据库表的结构如下：
表4故障模式数据结构
故障模式详细信息数据库表的结构如下：
表5故障模式详细信息数据结构
故障机理数据库表的结构如下：
表6故障机理数据结构
步骤3：构建基于本体理论的故障知识存储模块。该模型为自行设计的数据库和自编制程序模型。
数据库包括关系层表和应用层表两个数据库表。关系层表中存储着已知的对象关系，应用层表中存储着第1步和第2步建立的产品功能和故障之间数据关系，构成了故障知识本体关系网络。
关系层数据库表的结构如下：
表7关系层数据结构
典型的关系包括：
subClassOf：子关系；
part-of：从属关系；
kind-of：同类关系；
instance-of：实例关系；
attribute-of：属性关系；
产品经过关系层表组织后的示意图如图3.
应用层数据库表的结构如下：
表8应用层数据结构
典型的数据关系包括：
have_function：拥有功能；
have_failure_mode：拥有故障模式
have_failure_rate：拥有故障率
...,
产品功能和故障经过上面关系组合后形成的本体库示意图如图4.
自编制程序模型包括一个查询类OntologyBaseKnowledge，对外提供一个本体关系查询函数GetFMEAInfo()，其参数是字符串类型的产品名称(也可以同时提供功能描述)，输出结果为查询到的所有FMEA信息构成的字符串列表。
在开展FMEA工作时，只需定位到具体产品和功能，便可利用本体关系网络图直接调用FMEA中所需的相关信息，使得建立的故障知识本体库能很好的辅助FMEA工作的开展。
第二部分：智能分词。
包括故障模式描述语句的分词、故障模式的主题以及故障模式的主题框架匹配。过程包括如下几个步骤：
步骤4：故障模式描述语句的分词模块。
采用改进后的基于词典的机械式分词法，对词语相关度进行计算来进行分词，包括自行设计的数据库和自编制程序模型。
数据库包括关键词数据库表。
表9关键词数据结构
自编制程序模型包括一个分词类WordsDivider，对外提供一个分词处理函数WordDivede()，该函数的输入为故障描述语句字符串，输出为分词结果字符串数组。
该函数根据改进后的基于词典的机械式分词算法进行分词，并将分词结果以字符串数组的形式返回。具体的分词算法如下：
(1)从文本中顺序取一个汉字,若到文本末尾则结束。
(2)查停用字表,若为非用字,则文本指针移动一个字长,转(1)。
(3)从词表中筛选出以该字为词首的关键词集,并按长度进行降序排列(设最长为j),从句子中截取以该字开始长度为j的字串,令其同词表中的词相匹配。
(4)若匹配不成功,则依次取该字开始长度为j--的字串重复上述过程,直到仅仅有该字(即长度为1)，将该字划分出来。然后转步骤(1)。
步骤5：故障模式主题匹配模块。
该模块将故障描述按照故障领域特有的主题结构进行整合，使得描述具有一致性。包括自行设计的数据结构和自编制程序模型。
数据结构是按照故障领域的主题特点定义的：
自编制程序模型包括一个主题匹配类SubjectClass，对外提供一个主题匹配函数SubjectMatch()，该函数输入参数为故障描述语句分词字符串数组，输出为FMEA主题结构体。匹配过程根据故障领域的主题特点，将分词匹配到对应的数据结构中，用于第三部分的语义查询。
算法中将词语匹配进入对应框架内的影响因子总结为以下几个：
Factor 1:词性。Task phase一般是动词；Product name一般是名词；Productfunction和Failure Mode一般均为名词+动词的搭配；根据词语的词性，就能针对性的将词语填充入框架内的对应部分。
Factor 2:频率。当句子A划分出的词语在已有故障信息库中的某个子框架出现的频率较大，那我们就认为它属于该子框架。
Factor 3:词的位置。参考故障描述信息描述语句，一般的逻辑是：“xx产品在xx时间、xx条件下，由于xx硬件的xx故障导致xx功能(参数)不能实现”，特定的故障属性会出现在特定的位置。
Factor 4:词的共现。词间的共现是指两个词语之间形成的统计关系。两个词语频繁共同出现在相同的句子中，就可以认为这个词语组合是比较稳定的，它们表达了某个潜在的主题信息。当分词后的词语有存在共现关系的(出现共现关系的前提是已有一定的FMEA数据库)，可直接将它们提取出来放入框架中对应的位置。
举例如下：
对于故障模式描述中的“在飞行过程中，用于支承升降舵的安定面”，按照以上的填充框架，可以得到以下数据：
WordsDivider myWordsDivider＝new WordsDivider()；
SubjectClass mySubjectClass＝new SubjectClass()；
FMEA Result＝mySubjectClass.SubjectMatch(myWordsDivider.WordsDivide("在飞行过程中，用于支承升降舵的安定面"))；
Result.Task phase＝"飞行"
Result.Product name＝"安定面"
Result.Product function＝"支承升降舵"
第三部分：通过语义分析进行故障的知识检索，即知识推送的过程。
采用语义要素的相似度计算，实现智能检索，把待检索产品功能与故障知识库中的产品和功能进行语义相似度匹配，将语义相似度较大的产品和功能对应的故障信息推送给设计分析人员。整个过程包括如下几个步骤：
步骤6：采用WDF(Word Description Model，它包括词性、主要描述义素、次要描述义素三部分，各部分用分号隔开)语义描述模型对第二部分步骤2得到的故障模式主题进行描述。包括自编制程序模块。
自编制程序模块包括一个语义生成类SemanticGenerator，对外提供一个语义生成函数GetSemanticStrings()，将输入的故障模式主题按照WDF模型规则进行描述，输出结果是由词性、主要义素、次要义素构成的字符串列表。
WDF描述算法主要考虑的因素如下：
●词性：不同词性的词语有不同的语义结构。在描述的前部分用缩写符号表达，如N表示名词。
●主要义素：该义素要突出描述义项的特性，一般为领域主体、客体等义素。
●次要义素：辅助主要义素解释义项；
返回的字符串列表分别包括词性、主要描述义素、次要描述义素三部分。
WDF语义描述模型的实例如下：
表10关键词数据结构
| 义项 | 主要描述次要描述 |
| 增压泵 | N；泵；增压，流体 |
| 吸油口组件 | N；组件；吸油，油 |
| 供油软管 | N；管子；供油，软，油 |
| 排泄阀 | N；阀；排泄，流体 |
| 发电机 | N；发电机；能量，转变，电 |
| 流量 | N；流体；速度 |
步骤7：将待查询的故障模式主题和故障数据库中的信息进行语义相似度计算，对于相似度达到一定阈值的历史信息，通过第四部分的黑板过程，推送给设计分析人员。包括自行设计的数据库和自编制程序模块。
数据库包括义素关系场数据库表，这个表是根据故障领域知识积累形成的。
义素关系场数据库表的结构如下：
表11义素关系场数据结构
图5为故障领域义素关系场的一个示意图。
自编制程序模块包括一个语义相似度计算类SemanticCalculator，提供一个义素相似度计算函数SemantemeCalculate()和一个语义相似度计算函数SemanticSentenceCalculate()。义素相似度计算函数的结果供语义相似度计算函数使用。
其中义素相似度计算函数SemantemeCalculate()的功能是，对于待查故障模式主题和故障历史数据库中主题，对于它们的WDF描述中对应的义素字符串，在义素关系表中查找它们的最小路径，并根据义素相似度计算公式计算相似度，具体算法如下：
其中，r指两义素之间的距离。k为主观调节系数，其默认值为1，但可视情况更改其值。
r的定义为：在义素语义场分类结构中的两个义素，二者沿着分类结构找到最近的相同的父节点，此时，假设二者所经过的节点数(包括自身节点)分别为m、n，则r＝m+n定义为两义素之间的距离，代表义素之间语义差距的大小。
语义相似度计算函数SemanticSentenceCalculate()的功能是，对上面计算出来的所有义素相似度，根据语义相似度计算公式进行计算，得出整体的语义相似度结果。具体的算法如下：
语义相似度＝a*主要描述部分相似度+b*次要描述部分相似度；
其中，主要描述部分为一个义素，所以直接调用义素相似度计算函数计算；次要描述部分一般为若干义素的集合，此时将分别计算集合内两两义素的语义力，取较大的相似程度结果；a、b为调节系数，有a+b＝1。
第四部分：采用黑板过程，实现FMEA从最低约定层次到初始约定层次的分析工作。这部分嵌入在RMTSS集成开发环境中的FMEA分析工具中。
步骤8：利用黑板过程的分步求解特点，以第三部分检索处理的历史故障信息为依据，从产品构成的最低约定层次到初始约定层次依次合理的确定指定产品的故障模式、故障原因、故障影响等。整个过程为自编制程序模块，包括三个类：黑板内容提交类BlackBoardContent、黑板状态监控类BlackBoardControler和FMEA过程监控类FMEAControler。
黑板内容提交类提供一个提交函数ContentVender()，该函数从最低约定层次的产品开始，调用第三部分提供的语义检索功能，将当前产品和功能分词，在历史故障信息库中进行语义查询和检索，并将检索到的内容提交到黑板。
黑板状态监控类提供一个Listener()函数，黑板内容类在更新内容后调用该检讨函数，该函数通过传入的黑板内容变化信息判断是否启动高一层次产品的故障信息检索。
FMEA过程监控类负责整个FMEA过程的监控，FMEAProcess()函数在后台驻存，对于高一层次产品的故障，要判断是否属于下一层产品的“高一层次影响”。根据每一层检索到的信息，完善FMEA分析结果，最终完成整个FMEA分析工作。
具体的黑板过程，请参看图6.
补充说明
其中，步骤1中的公式说明如下，r指两义素之间的距离。k为主观调节系数，其默认值为1，但可视情况更改其值。
r的定义为：在义素语义场分类结构中的两个义素，二者沿着分类结构找到最近的相同的父节点，此时，假设二者所经过的节点数(包括自身节点)分别为m、n，则r＝m+n定义为两义素之间的距离，代表义素之间语义差距的大小。
Claims (10)
1.一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：它包含以下四部分：
第一部分：构建基于本体理论的故障知识存储库
故障知识包括故产品信息即产品名称、产品型号、功能、材料、环境载荷、性能参数和故障信息即故障模式、故障原因、故障影响、故障检测方法、设计改进措施和使用补偿措施，构建过程包括如下几个步骤：
步骤1：建立故障产品存储模块，该模型为自行设计的数据库，包括产品族/产品平台、产品详细信息和功能描述三个数据库表；
通过产品族、产品平台树的形式，将实现相似功能的有同样内部接口的产品组织起来，然后在产品平台上添加不同的个性模块形成产品实例；所有的故障知识都属于某一个产品实例；
步骤2：构建故障信息存储模块，该模型为自行设计的数据库，包括故障模式、详细信息、故障机理三个数据库表；
步骤3：构建基于本体理论的故障知识存储模块；该模型为自行设计的数据库和自编制程序模型；
数据库包括关系层表和应用层表两个数据库表；关系层表中存储着已知的对象关系，应用层表中存储着步骤1和步骤2建立的产品功能和故障之间数据关系，构成了故障知识本体关系网络；
自编制程序模型包括一个查询类，对外提供一个本体关系查询函数，在开展FMEA工作时，只需定位到具体产品和功能，便能利用本体关系网络图直接调用FMEA中所需的相关信息，使得建立的故障知识本体库能很好的辅助FMEA工作的开展；
第二部分：智能分词
包括故障模式描述语句的分词、故障模式的主题以及故障模式的主题框架匹配,过程包括如下几个步骤：
步骤4：故障模式描述语句的分词模块；
采用改进后的基于词典的机械式分词法，对词语相关度进行计算来进行分词，包括自行设计的数据库和自编制程序模型；
数据库包括关键词数据库表；
自编制程序模型包括一个分词类，对外提供一个分词处理函数，对于输入的故障描述语句，根据改进后的基于词典的机械式分词算法进行分词，并将分词结果以字符串数组的形式返回；
步骤5：故障模式主题匹配模块；
该模块将故障描述按照故障领域特有的主题结构进行整合，使得描述具有一致性,包括自行设计的数据结构和自编制程序模型；
数据结构按照故障领域的主题特点定义；
自编制程序模型包括一个主题匹配类，对外提供一个主题匹配函数，对于输入的故障描述语句分词字符串数组，根据故障领域的主题特点，匹配到对应的数据结构中，用于第三部分的语义查询；
第三部分：通过语义分析进行故障的知识检索，即知识推送的过程
采用语义要素的相似度计算，实现智能检索，把待检索产品和功能与故障知识库中的产品和功能进行语义相似度匹配，将语义相似度较大的产品和功能对应的故障信息推送给设计分析人员,整个过程包括如下几个步骤：
步骤6：采用WDF即Word Description Model，它包括词性、主要描述义素、次要描述义素三部分，各部分用分号隔开；语义描述模型对第二部分步骤2得到的故障模式主题进行描述,包括自编制程序模块；
自编制程序模块包括一个语义生成类，对外提供一个语义生成函数，将输入的故障模式主题按照WDF模型规则进行描述；
步骤7：将待查询的故障模式主题和故障数据库中的信息进行语义相似度计算，对于相似度达到一定阈值的历史信息，通过第四部分的黑板过程，推送给设计分析人员，包括自行设计的数据库和自编制程序模块；
数据库包括义素关系场数据库表，这个表是根据故障领域知识积累形成的；
自编制程序模块包括一个语义相似度计算类，提供一个义素相似度计算函数和一个语义相似度计算函数；义素相似度计算函数的结果供语义相似度计算函数使用；
其中义素相似度计算函数的功能是，对于待查故障模式主题和故障历史数据库中主题，对于它们的WDF描述中对应的义素，在义素关系表中查找它们的最小路径，并根据义素相似度计算公式计算相似度；
语义相似度计算函数的功能是，对上面计算出来的所有义素相似度，根据语义相似度计算公式进行计算，得出整体的语义相似度结果；
第四部分：采用黑板过程，实现FMEA从最低约定层次到初始约定层次的分析工作
步骤8：利用黑板过程的分步求解特点，以第三部分检索处理的历史故障信息为依据，从产品构成的最低约定层次到初始约定层次依次合理的确定指定产品的故障模式、故障原因、故障影响；整个过程为自编制程序模块，包括三个类：黑板内容提交类、黑板状态监控类和FMEA过程监控类；
黑板内容提交类提供提交函数，从最低约定层次的产品开始，将第三部分检索出来的历史故障信息提交到黑板；
黑板状态监控类根据黑板上面的内容，判断是否启动高一层次产品的故障信息检索；
FMEA过程监控类负责整个FMEA过程的监控，对于高一层次产品的故障，要判断是否属于下一层产品的“高一层次影响”；根据每一层检索到的信息，完善FMEA分析结果，最终完成整个FMEA分析工作。
2.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在第一部分中所述的“故障模式”，是指产品故障的表现形式，如短路、开路、断裂、过度耗损。
3.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在步骤3中所述的“本体理论”，是一种对共享概念化的明确规定和形式化的规范，它包含一个学科如航空、航天、船舶，汽车内的基本知识和学科外的基本知识；本体包含5个基本的构成元素，它们分别为:概念即concepts、关系即relations、函数即functions、公理即axioms和实例即instances；通过“关系”将领域知识关联起来，当待查询的某一个知识同时匹配到相应的关系后，便能通过定位来查找到它具有的其它属性以及和其余类的关系。
4.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在步骤5中所述的“故障模式主题”，主题是指一个句子的主要概括，故障模式主题是根据故障模式描述语句的特点，按照固定的结构，从中提取出的典型词语组成的。
5.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在第三部分提到的“语义”，既自然语言的含义，对自然语言进行自动处理时尤其是比较，查找，应该理解其含义,语义的基础是义素。
6.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在步骤6中提到的“义素”，是对词语进行分析以后得到的语义特征,是构成词义的最小单位。
7.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在步骤7中提到的“语义相似度”，是指词语之间的相似程度，它是由构成词语的所有义素的相似度计算得来的。
8.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在步骤7中提到的“义素相似度”，是指义素之间的相似程度，是指特定领域义素关系场中的2个义素之间的距离。
9.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在步骤7中提到的“义素关系场”，是指特定领域知识中的义素根据一定组织关系形成的一个图。
10.根据权利要求1所述的一种FMEA分析过程中的故障知识存储和推送方法，其特征在于：在第四部分提到的“黑板过程”，黑板是一个存放问题求解状态数据的全局存储结构，由输入数据、部分解、备选方案、最终解和控制数据诸对象组成,它能划分成多个子黑板，即解空间能划分成多个分级结构；对于FMEA分析来说，利用黑板实现FMEA的分析其实也就是利用黑板的层次结构来合理的确定指定产品的故障模式、故障原因和故障影响。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410570989.XA CN104361026B (zh) | 2014-10-22 | 2014-10-22 | 一种fmea分析过程中的故障知识存储和推送方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410570989.XA CN104361026B (zh) | 2014-10-22 | 2014-10-22 | 一种fmea分析过程中的故障知识存储和推送方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104361026A true CN104361026A (zh) | 2015-02-18 |
| CN104361026B CN104361026B (zh) | 2017-09-19 |
Family
ID=52528288
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410570989.XA Active CN104361026B (zh) | 2014-10-22 | 2014-10-22 | 一种fmea分析过程中的故障知识存储和推送方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104361026B (zh) |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447266A (zh) * | 2015-12-13 | 2016-03-30 | 中国航空工业集团公司西安飞机设计研究所 | 一种保障性分析的fmea的分析方法 |
| CN105787205A (zh) * | 2016-03-22 | 2016-07-20 | 工业和信息化部电子第五研究所 | 基于fmea的故障模式影响关系图示方法和系统 |
| CN106569061A (zh) * | 2016-11-01 | 2017-04-19 | 中车株洲电力机车研究所有限公司 | 一种故障模式、原因及重要度分析方法 |
| CN107832908A (zh) * | 2017-09-29 | 2018-03-23 | 深圳供电局有限公司 | 一种基于缺陷数据的备品备件需求预测方法 |
| CN108133056A (zh) * | 2018-01-24 | 2018-06-08 | 北京航空航天大学 | 一种基于本体理论的自然环境效应知识表达方法 |
| CN109597392A (zh) * | 2017-09-30 | 2019-04-09 | 西门子公司 | 有助于故障诊断的方法、装置和设备以及机器可读介质 |
| CN109902283A (zh) * | 2018-05-03 | 2019-06-18 | 华为技术有限公司 | 一种信息输出方法及装置 |
| CN109977146A (zh) * | 2019-05-07 | 2019-07-05 | 山东省科学院激光研究所 | 故障诊断方法、装置及电子设备 |
| CN109993550A (zh) * | 2019-04-17 | 2019-07-09 | 连云港杰瑞电子有限公司 | 基于微信小程序和智能分配算法的售后服务系统与方法 |
| CN110727673A (zh) * | 2018-06-28 | 2020-01-24 | 中车株洲电力机车研究所有限公司 | 一种风机产品fmea数据处理方法及处理系统 |
| CN111240966A (zh) * | 2020-01-03 | 2020-06-05 | 中国建设银行股份有限公司 | 一种告警信息处理方法及系统 |
| WO2020197666A1 (en) * | 2019-03-26 | 2020-10-01 | Tencent America LLC | Sememe prediction method, computer device, and storage medium background |
| CN111915192A (zh) * | 2020-08-04 | 2020-11-10 | 南方电网调峰调频发电有限公司 | 电力设备故障管理系统的建立方法和系统、计算机设备 |
| CN112036704A (zh) * | 2020-08-04 | 2020-12-04 | 南方电网调峰调频发电有限公司 | 电力设备故障管理系统 |
| CN112307132A (zh) * | 2020-10-29 | 2021-02-02 | 上海岱宗检测技术有限公司 | 一种fmea数据库系统 |
| CN112687267A (zh) * | 2020-12-22 | 2021-04-20 | 同济大学 | 一种物联网数据语义处理系统 |
| CN112836499A (zh) * | 2019-11-23 | 2021-05-25 | 中国科学院长春光学精密机械与物理研究所 | Pcb故障诊断规则库的构建方法、电子设备及存储介质 |
| CN112884280A (zh) * | 2021-01-19 | 2021-06-01 | 聪脉（上海）信息技术有限公司 | 嵌入在fmea系统中的失效分析方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102208028A (zh) * | 2011-05-31 | 2011-10-05 | 北京航空航天大学 | 一种适用于动态复杂系统的故障预测和诊断方法 |
| CN102831152A (zh) * | 2012-06-28 | 2012-12-19 | 北京航空航天大学 | 一种基于模板模型和文本匹配的fmea过程辅助和信息管理方法 |
| CN103473400A (zh) * | 2013-08-27 | 2013-12-25 | 北京航空航天大学 | 基于层次依赖建模的软件fmea方法 |
-
2014
- 2014-10-22 CN CN201410570989.XA patent/CN104361026B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102208028A (zh) * | 2011-05-31 | 2011-10-05 | 北京航空航天大学 | 一种适用于动态复杂系统的故障预测和诊断方法 |
| CN102831152A (zh) * | 2012-06-28 | 2012-12-19 | 北京航空航天大学 | 一种基于模板模型和文本匹配的fmea过程辅助和信息管理方法 |
| CN103473400A (zh) * | 2013-08-27 | 2013-12-25 | 北京航空航天大学 | 基于层次依赖建模的软件fmea方法 |
Non-Patent Citations (1)
| Title |
|---|
| JUERGEN ROSSMANN 等: "Modeling and Simulation of Malfunctions in Automation Systems", 《2010 IEEE CONFERENCE ON ETFA》 * |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447266B (zh) * | 2015-12-13 | 2018-10-09 | 中国航空工业集团公司西安飞机设计研究所 | 一种保障性分析的fmea的分析方法 |
| CN105447266A (zh) * | 2015-12-13 | 2016-03-30 | 中国航空工业集团公司西安飞机设计研究所 | 一种保障性分析的fmea的分析方法 |
| CN105787205A (zh) * | 2016-03-22 | 2016-07-20 | 工业和信息化部电子第五研究所 | 基于fmea的故障模式影响关系图示方法和系统 |
| CN105787205B (zh) * | 2016-03-22 | 2019-02-12 | 工业和信息化部电子第五研究所 | 基于fmea的故障模式影响关系图示方法和系统 |
| CN106569061A (zh) * | 2016-11-01 | 2017-04-19 | 中车株洲电力机车研究所有限公司 | 一种故障模式、原因及重要度分析方法 |
| CN107832908A (zh) * | 2017-09-29 | 2018-03-23 | 深圳供电局有限公司 | 一种基于缺陷数据的备品备件需求预测方法 |
| CN109597392A (zh) * | 2017-09-30 | 2019-04-09 | 西门子公司 | 有助于故障诊断的方法、装置和设备以及机器可读介质 |
| CN108133056A (zh) * | 2018-01-24 | 2018-06-08 | 北京航空航天大学 | 一种基于本体理论的自然环境效应知识表达方法 |
| WO2019210820A1 (zh) * | 2018-05-03 | 2019-11-07 | 华为技术有限公司 | 一种信息输出方法及装置 |
| CN109902283A (zh) * | 2018-05-03 | 2019-06-18 | 华为技术有限公司 | 一种信息输出方法及装置 |
| CN110727673A (zh) * | 2018-06-28 | 2020-01-24 | 中车株洲电力机车研究所有限公司 | 一种风机产品fmea数据处理方法及处理系统 |
| US11610060B2 (en) | 2019-03-26 | 2023-03-21 | Tencent America LLC | Automatic lexical sememe prediction system using lexical dictionaries |
| WO2020197666A1 (en) * | 2019-03-26 | 2020-10-01 | Tencent America LLC | Sememe prediction method, computer device, and storage medium background |
| US11170167B2 (en) | 2019-03-26 | 2021-11-09 | Tencent America LLC | Automatic lexical sememe prediction system using lexical dictionaries |
| CN109993550A (zh) * | 2019-04-17 | 2019-07-09 | 连云港杰瑞电子有限公司 | 基于微信小程序和智能分配算法的售后服务系统与方法 |
| CN109977146A (zh) * | 2019-05-07 | 2019-07-05 | 山东省科学院激光研究所 | 故障诊断方法、装置及电子设备 |
| CN112836499A (zh) * | 2019-11-23 | 2021-05-25 | 中国科学院长春光学精密机械与物理研究所 | Pcb故障诊断规则库的构建方法、电子设备及存储介质 |
| CN112836499B (zh) * | 2019-11-23 | 2022-11-22 | 中国科学院长春光学精密机械与物理研究所 | Pcb故障诊断规则库的构建方法、电子设备及存储介质 |
| CN111240966A (zh) * | 2020-01-03 | 2020-06-05 | 中国建设银行股份有限公司 | 一种告警信息处理方法及系统 |
| CN111240966B (zh) * | 2020-01-03 | 2023-10-24 | 中国建设银行股份有限公司 | 一种告警信息处理方法及系统 |
| CN112036704A (zh) * | 2020-08-04 | 2020-12-04 | 南方电网调峰调频发电有限公司 | 电力设备故障管理系统 |
| CN111915192A (zh) * | 2020-08-04 | 2020-11-10 | 南方电网调峰调频发电有限公司 | 电力设备故障管理系统的建立方法和系统、计算机设备 |
| CN112036704B (zh) * | 2020-08-04 | 2023-11-28 | 南方电网调峰调频发电有限公司 | 电力设备故障管理系统 |
| CN112307132A (zh) * | 2020-10-29 | 2021-02-02 | 上海岱宗检测技术有限公司 | 一种fmea数据库系统 |
| CN112307132B (zh) * | 2020-10-29 | 2023-11-07 | 上海岱宗检测技术有限公司 | 一种fmea数据库系统 |
| CN112687267A (zh) * | 2020-12-22 | 2021-04-20 | 同济大学 | 一种物联网数据语义处理系统 |
| CN112884280A (zh) * | 2021-01-19 | 2021-06-01 | 聪脉（上海）信息技术有限公司 | 嵌入在fmea系统中的失效分析方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104361026B (zh) | 2017-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104361026A (zh) | 一种fmea分析过程中的故障知识存储和推送方法 | |
| CN104408173B (zh) | 一种基于b2b平台的核心关键词自动提取方法 | |
| Wu et al. | Rule-based information extraction for mechanical-electrical-plumbing-specific semantic web | |
| CN102419778B (zh) | 一种挖掘查询语句子话题并聚类的信息搜索方法 | |
| Pilehvar et al. | Towards a seamless integration of word senses into downstream NLP applications | |
| CN102298642B (zh) | 文本信息抽取方法和系统 | |
| CN103473280A (zh) | 一种网络可比语料的挖掘方法及装置 | |
| CN104281702A (zh) | 基于电力关键词分词的数据检索方法及装置 | |
| CN104657440A (zh) | 结构化查询语句生成系统及方法 | |
| CN107423288A (zh) | 一种基于无监督学习的中文分词系统及方法 | |
| CN103886099A (zh) | 一种模糊概念的语义检索系统及方法 | |
| Bhatia et al. | Ontology based framework for detecting ambiguities in software requirements specification | |
| CN115860717A (zh) | 一种基于知识图谱的故障诊断方法、装置及电子设备 | |
| Singh et al. | Statistical tagger for Bhojpuri (employing support vector machine) | |
| Lu et al. | Feature words selection for knowledge-based word sense disambiguation with syntactic parsing | |
| CN113377739A (zh) | 知识图谱应用方法、平台、电子设备及存储介质 | |
| Tovar et al. | Identification of Ontological Relations in Domain Corpus Using Formal Concept Analysis. | |
| CN103455638A (zh) | 一种结合推理和半自动学习的行为知识提取方法和装置 | |
| Hu et al. | A classification model of power operation inspection defect texts based on graph convolutional network | |
| CN115391551A (zh) | 事件检测方法及装置 | |
| Algosaibi et al. | Using the semantics inherent in sitemaps to learn ontologies | |
| Liu et al. | Modelling and implementation of a knowledge question-answering system for product quality problem based on knowledge graph | |
| Abid | Multi-Document Text Summarization Using Deep Belief Network | |
| Hourali et al. | Using ART2 neural network and Bayesian network for automating the ontology constructing process | |
| Zhang et al. | An improved ontology-based web information extraction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211108 Address after: 100191 room 1203, Gaode building, 10 Huayuan East Road, Haidian District, Beijing Patentee after: Beijing dimensional venture Technology Co.,Ltd. Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road Patentee before: BEIHANG University |