CN111158330A - 一种基于本体的烟机故障诊断方法及系统 - Google Patents
一种基于本体的烟机故障诊断方法及系统 Download PDFInfo
- Publication number
- CN111158330A CN111158330A CN202010048479.1A CN202010048479A CN111158330A CN 111158330 A CN111158330 A CN 111158330A CN 202010048479 A CN202010048479 A CN 202010048479A CN 111158330 A CN111158330 A CN 111158330A
- Authority
- CN
- China
- Prior art keywords
- fault diagnosis
- concept
- fault
- sub
- ontology
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000000779 smoke Substances 0.000 title claims abstract description 26
- 235000019504 cigarettes Nutrition 0.000 claims abstract description 97
- 125000004122 cyclic group Chemical group 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 abstract description 15
- 230000008569 process Effects 0.000 abstract description 12
- 238000009825 accumulation Methods 0.000 abstract description 5
- 230000008520 organization Effects 0.000 abstract description 5
- 238000004904 shortening Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241000208125 Nicotiana Species 0.000 description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 238000006731 degradation reaction Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000032544 Cicatrix Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000037387 scars Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种基于本体的烟机故障诊断方法及系统。所述方法包括:建立故障诊断领域知识库,所述故障诊断领域知识库包括若干概念集合;在所述故障诊断领域知识库的若干概念集合之间建立属性关系;基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型;利用所述烟机故障诊断本体模型,对烟机故障进行诊断。本发明能仅仅输入故障现象,就可以获取故障的产生原因及解决方法,而无需具备深厚的专业技术知识,降低了维护人员的专业要求以及诊断过程的时间成本,缩短了维修的诊断时间,提高了设备使用效率;同时本体知识的积累也可以提供更为精确的诊断结果,同时减低由于有经验的员工流失造成的知识流失,实现组织内的故障诊断知识共享。
Description
技术领域
本发明涉及卷烟设备技术领域,尤其涉及一种基于本体的烟机故障诊断方法及系统。
背景技术
烟草自动化设备由于制造工艺的限制,使用寿命以及工作条件等的影响,故障的产生是不可避免的,在一定工作环境下查明导致系统某种功能失调的原因或性质,判断劣化状态发生的部位或部件,预测状态劣化的发展趋势等,并采取有效措施消除和避免烟机故障造成的不利影响。
烟草自动化设备故障的诊断方法是一个不断优化的过程,需要根据设备维护的历史数据不断分析,研究影响故障的主要因素,不断调整、优化设备诊断的准确性,减少设备故障发生,保证生产的顺利进行,提高整体生产率,降低设备维护成本。
目前的烟机故障诊断技术中,目前广泛采用频域分析的方法,该方法首先对频域变化进行统计,然后观察能量谱异常的方式来进行故障诊断,该方法是针对性的对当前故障的诊断,缺乏对诊断后的结果转化为知识,同时也缺乏故障之间的关联。
发明内容
本发明提供了一种基于本体的烟机故障诊断方法及系统,解决现有烟机故障诊断缺乏对诊断后的结果转化为知识,同时也缺乏故障之间的关联的问题,能够降低维护人员的专业要求以及诊断过程的时间成本,缩短了维修的诊断时间,提高了设备使用效率。
关于上述本发明采用的技术方案具体如下:
为实现以上目的,本发明提供以下技术方案:
一种基于本体的烟机故障诊断方法,包括:
建立故障诊断领域知识库,所述故障诊断领域知识库包括若干概念集合;
在所述故障诊断领域知识库的若干概念集合之间建立属性关系;
基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型;
利用所述烟机故障诊断本体模型,对烟机故障进行诊断。
优选地,所述建立故障诊断领域知识库包括:
基于烟机故障诊断所涉及的烟机故障知识,以领域模型为基础建立所述故障诊断领域知识库,所述故障诊断领域知识库中的概念集合至少包括故障部位、故障现象和故障原因;
在每个所述概念集合中,建立若干不同层次的子概念。
优选地,所述在每个所述概念集合中,建立若干不同层次的子概念包括:
对同一层次的所述子概念之间的关系进行一致性检查,所述一致性检查包括循环继承检查和/或关系冲突检查。
优选地,所述循环继承检查包括:
若某一子概念是同一层次的所有子概念的并集的子概念,则将该子概念并入第一集合;
若某一子概念是同一层次的所有子概念的并集的父概念,则将该子概念并入第二集合;
若所述第一集合和所述第二集合的交集不为空集,则该子概念与同一层次的其他子概念之间存在循环继承。
优选地,所述关系冲突检查包括:
若某一子概念是同一层次的所有子概念的并集的子概念或同一层次的所有子概念的并集是该子概念的子概念,则将该子概念并入第三集合;
若该子概念与同一层次的任何一个子概念均不相交,则将该子概念并入第四集合;
若所述第三集合和所述第四集合的交集不为空集,则该子概念与同一层次的其他子概念之间存在关系冲突。
优选地,所述在所述故障诊断领域知识库的若干概念集合之间建立属性关系包括:
确定某一故障部位出现的故障现象、确定造成某一故障现象的故障原因和确定某一故障原因存在的故障部位中的至少一个。
优选地,所述基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型包括:
基于所述概念集合和所述属性关系,生成本体实例;
将所述本体实例与故障诊断经验结合,生成基于本体的故障诊断规则;
根据所述概念集合、所述属性关系和所述故障诊断规则,构建所述烟机故障诊断本体模型。
优选地,所述利用所述烟机故障诊断本体模型,对烟机故障进行诊断包括:
实时采集烟机设备的状态数据;
利用所述烟机故障诊断本体模型对所述状态数据进行分析,以对烟机故障进行诊断。
优选地,所述利用所述烟机故障诊断本体模型对所述状态数据进行分析,以对烟机故障进行诊断包括:
针对所述烟机设备的故障现象,构建所述本体实例,对所述本体实例设置对象属性和数据属性,按照所述故障诊断规则进行推理,得到推理结果;
根据所述推理结果,得到导致烟机设备故障的异常原因和相应的解决方案。
本发明还提供了一种采用上述方法的基于本体的烟机故障诊断系统,包括:
知识库建立模块,用于建立故障诊断领域知识库,所述故障诊断领域知识库包括若干概念集合;
属性关系建立模块,用于在所述故障诊断领域知识库的若干概念集合之间建立属性关系;
本体模型构建模块,用于基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型;
故障诊断模块,用于利用所述烟机故障诊断本体模型,对烟机故障进行诊断。
本发明提供一种基于本体的烟机故障诊断方法及系统,仅仅输入故障现象,就可以获取故障的产生原因及解决方法,而无需具备深厚的专业技术知识,降低了维护人员的专业要求以及诊断过程的时间成本,缩短了维修的诊断时间,提高了设备使用效率;同时本体知识的积累也可以提供更为精确的诊断结果,同时减低由于有经验的员工流失造成的知识流失,实现组织内的故障诊断知识共享。
附图说明
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步描述,其中:
图1为本发明提供的基于本体的烟机故障诊断方法的实施例的流程图;
图2为本发明提供的烟机旋转机械故障类型的关系模型的示意图;
图3为本发明提供的构建烟机故障诊断本体实例的实施例的流程图;
图4示出了本发明提供的烟机故障诊断本体知识库的结构示意图;
图5为本发明提供的基于本体的烟机故障诊断系统的实施例的结构示意图。
具体实施方式
下面详细描述本发明的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
针对当前的烟机故障诊断缺乏对诊断后的结果转化为知识,同时也缺乏故障之间的关联的问题,本发明提供一种基于本体的烟机故障诊断方法及系统,利用烟机故障诊断本体模型对烟机故障进行诊断,仅仅输入故障现象,就可以获取故障的产生原因及解决方法,而无需具备深厚的专业技术知识,降低了维护人员的专业要求以及诊断过程的时间成本,缩短了维修的诊断时间,提高了设备使用效率;同时本体知识的积累也可以提供更为精确的诊断结果,同时减低由于有经验的员工流失造成的知识流失,实现组织内的故障诊断知识共享。
如下提供了本发明所述基于本体的烟机故障诊断方法的至少一种实施例,如图1所示,可包括:
步骤S1、建立故障诊断领域知识库,所述故障诊断领域知识库包括若干概念集合。
具体地,所述步骤S1可以包括如下步骤:
步骤S101、基于烟机故障诊断所涉及的烟机故障知识,以领域模型为基础建立所述故障诊断领域知识库,所述故障诊断领域知识库中的概念集合至少包括故障部位、故障现象和故障原因;
烟机故障诊断所涉及的烟机故障知识包括历史数据、故障案例、专家经验、文档知识、模型知识、技术标准等各种结构化、非结构化和半结构化知识。
对故障诊断信息的有效描述进行抽象,将故障诊断领域的本体形式化为:领域模型(Domains),领域模型涉及的部件(Parts)(即概念集合)。
所述领域模型中的每个具体的模型我们称之为本体,每个本体均可用该节点的序号、该节点在整个领域树中的层数,以及该节点在相邻兄弟节点的序号来确定。烟草自动化设备中的每类设备的模型就是一个领域模型。
步骤S102、在每个所述概念集合中,建立若干不同层次的子概念。
每个层次的子概念表现为不同的关系,关系类型包括:is_a、kind_of、part_of。is_a表示处于不同逻辑层次上的概念之间的种属关系,kind_of表示概念之间的继承关系,part_of表示概念之间部分与整体的关系。
进一步地,步骤S102可以包括:
对同一层次的所述子概念之间的关系进行一致性检查,所述一致性检查包括循环继承检查和/或关系冲突检查。对同一层次的所述子概念之间的关系进行一致性检查,有助于建立烟机故障领域知识本体的进化和推理。
优选地,所述循环继承检查包括:
若某一子概念是同一层次的所有子概念的并集的子概念,则将该子概念并入第一集合;
若某一子概念是同一层次的所有子概念的并集的父概念,则将该子概念并入第二集合;
若所述第一集合和所述第二集合的交集不为空集,则该子概念与同一层次的其他子概念之间存在循环继承。
具体地,(a)设同一层次的故障知识本体(例如,旋转机械故障知识本体)中存在n个互不相同的子概念C1,C2,…Cn,n>1,
(b)i=l;
(c)S1=φ,S2=φ;
(d)对同一层次的子概念中的所有子概念C′及某一概念Ci,如果is-a(Ci,C′),则S1=S1∪{Ci};如果is-a(C′,Ci),则S2=S2∪{Ci};
(e)如果S1∩S2≠φ,算法结束,则同一层次的故障知识本体中存在循环继承;
(f)i=i+1;
(g)如果i≤n,转步骤(c);
(h)如果i>n,算法结束,同一层次的故障知识本体中不存在循环继承。
优选地,所述关系冲突检查包括:
若某一子概念是同一层次的所有子概念的并集的子概念或同一层次的所有子概念的并集是该子概念的子概念,则将该子概念并入第三集合;
若该子概念与同一层次的任何一个子概念均不相交,则将该子概念并入第四集合;
若所述第三集合和所述第四集合的交集不为空集,则该子概念与同一层次的其他子概念之间存在关系冲突。
具体地,(a’)设同一层次的故障知识本体(例如,旋转机械故障知识本体)中存在n个互不相同的子概念C1,C2,…Cn,n>1,
(b’)i=l;
(c’)S3=φ,S4=φ;
(d’)对同一层次的烟机故障知识本体中的所有类C′及某一类Ci,如果is-a(Ci,C′),或者is-a(C′,Ci),则S3=S3∪{Ci};如果disjiont(Ci,C'),则S4=S4∪{Ci};
(e’)如果S3∩S4≠φ,算法结束,则同一层次的烟机故障知识本体中存在关系冲突;
(f’)i=i+1;
(g’)如果i≤n,转步骤(c);
(h’)如果i>n,算法结束,烟机故障知识本体中不存在关系冲突。
步骤S2、在所述故障诊断领域知识库的若干概念集合之间建立属性关系。
进一步地,所述步骤S2可以包括:
确定某一故障部位出现的故障现象、确定造成某一故障现象的故障原因和确定某一故障原因存在的故障部位中的至少一个。
在故障诊断过程中,必须明确故障部位出现了什么现象,故障现象是什么原因造成的和故障原因存在于什么部位。其中属性关系包括对象属性和数据属性。
对故障诊断信息的有效描述进行进一步抽象,将故障诊断领域的本体形式化为:部件的对象属性和数据属性(Attributes),领域之间、领域和属性之间的关系集合(Relationes),领域的实例(Instances),推理规则函数(Functions)等要素。
属性关系是指领域模型D1中的本体X和领域模型D2中的本体Y均存在一种映射关系A,属性关系A约束领域模型D1和领域模型D2的关系。
图2示出了本发明提供的烟机旋转机械故障类型的关系模型的示意图,如图2所示,旋转机械故障类型具有旋转机械诊断特征,旋转机械诊断特征是旋转机械故障类型的特征;旋转机械故障类型具有旋转机械敏感参数,旋转机械敏感参数是旋转机械故障类型的参数;旋转机械故障类型具有旋转机械故障原因,旋转机械故障原因是旋转机械故障类型的原因;旋转机械故障类型具有旋转机械治理措施,旋转机械治理措施是旋转机械故障类型的措施。
步骤S3、基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型。
进一步地,所述步骤S3包括:
步骤S31、基于所述概念集合和所述属性关系,生成本体实例;
图3示出了本发明提供的构建烟机故障诊断本体实例的实施例的流程图,首先决定研究领域,本发明以烟机故障诊断作为特定的研究领域,以现有的故障诊断报告作为研究对象,对烟机故障诊断建立本体结构是为了保持各种专业术语的一致性,使得之后的推理更加顺利地进行。
接着思考本体适用范围,本发明的烟机故障本体适用于烟机领域的故障诊断;
然后确定是否可以复用已存在的本体,如果不可以则重新构建本体,如果可以则复用已存在的本体,由于构建烟机故障本体是一项开创性的工作,因此目前尚无可复用的本体;
然后列举重要术语、定义类及类层次、定义类的属性值、根据领域知识定义属性约束,接着确定是否需要进化,如果需要进化,则重复执行列举重要术语、定义类及类层次、定义类的属性值、根据领域知识定义属性约束的步骤,直至不需要进化,则创建实例。具体地,通过属性和准则并结合上下文语义环境实现本体的进化。
其中,进化是指在现有故障诊断的基础上,依据一定的理论、方法和标准,根据应用的需要,对本体的概念结构、概念及关系不断进行丰富、完善、改进、更新和评估的过程和方法。
下面以切丝机系统为实例进行介绍:
在本体模型中,以切丝机结构为基础,将整个故障诊断领域知识库划分为故障部位、故障现象、故障原因。
故障部位用于描述切丝机结构的概念集合,根据切丝机自身的结构组成,可以得到切丝机的各系统、组件、部件、零件等层次结构。从逻辑上分为机械系统和电器系统。
故障现象表示切丝机发生故障时所表现出来的特征的概念集合。按照故障诊断现象获取的方式,可以分为机械故障和电子故障两个子类,机械故障包括伤痕、泄露、噪声、异响、震动、停止工作等。
故障原因包括引发切丝机故障可能的故障原因集合,可以分为机械特性原因和电子特性原因两个子类,电气特性包括压力、温度、流量、加速度等,机械故障原因包括损坏、变形、松动、移位等原因。
故障原因按照故障的性质分可分为自然故障和人为故障。自然故障指的是烟机设备在运行时,因自身的原因而造成的故障。又可分为正常的自然故障和异常的自然故障。前者有一定的规律性,而后者往往是因为材料、生产工艺或装配不符合技术条件所造成的,具有突发性和偶然性。人为故障指的是由于设备的操作者无意或有意而造成的故障。
故障原因按照故障的发生、发展进程来分,可分成突发性故障和渐进性故障。突发性故障指的是在故障出现以前没有明显的可察征兆,而且是突然发生。渐进性故障指的是由于烟机设备中某些零件的技术指标逐渐恶化,最终超过允许范围(或极限)而引起的故障。
故障原因按照故障的相关性可分为非相关性故障和相关性故障等。
在进行故障诊断推理的过程中,必须明确故障部位的故障现象、故障现象是什么原因造成的和故障原因存在于什么部位等,通过在故障部位、故障现象、故障原因之间建立相应的属性关系,例如对切丝机的轴承部位可以定义的数据属性包括:零部件的编号、轴承内径尺寸、轴承外径尺寸、滚珠直径、生产厂商等。
通过建立切丝机的概念集合、故障现象、故障原因定定义了相关概念和概念之间的关系,然后确定了概念集合的对象属性和数据属性,就可以建立相关的实例。
步骤S32、将所述本体实例与故障诊断经验结合,生成基于本体的故障诊断规则;
通过切丝机的故障诊断经验,就可以生成故障诊断规则了。例如概念“轴承”和“损坏”之间通过对象属性“缺少润滑”来关联,“离心泵”和“噪声”之间通过对象属性“震动”进行关联,利用上述属性,可以获取如下规则:离心泵噪声或者震动由轴承损坏或缺少润滑引起。
步骤S33、根据所述概念集合、所述属性关系和所述故障诊断规则,构建所述烟机故障诊断本体模型。
所述概念集合、属性、实例等通过标准的OWL语言进行标准化建模。所述故障诊断规则通过SWL语言进行描述。
图4示出了烟机故障诊断本体知识库的结构示意图,如图4所示,烟机故障诊断本体知识库中包含了领域本体模型中的类、属性、实例知识库以及执行知识规则中的公理、关系知识库,领域本体模型通过本体编辑器对领域知识进行编辑得到,执行知识规则通过规则编辑器对规则知识进行编辑得到。
步骤S4、利用所述烟机故障诊断本体模型,对烟机故障进行诊断。
进一步地,所述步骤S4可以包括如下步骤:
步骤S41、实时采集烟机设备的状态数据;
可以接收来自数据获取层的数据源及其它信号处理模块的数据,或者用户提供的离线数据。通过数据清洗、特征提取算法等方法进行数据处理,得到过滤后的传感器数据、频谱等特征量。
步骤S42、利用所述烟机故障诊断本体模型对所述状态数据进行分析,以对烟机故障进行诊断。
优选地,所述步骤S42可以包括如下步骤:
步骤S421、针对所述烟机设备的故障现象,构建所述本体实例,对所述本体实例设置对象属性和数据属性,按照所述故障诊断规则进行推理,得到推理结果;
可以通过推理机按照故障诊断规则进行推理,将烟机故障诊断本体知识库中的规则知识与领域知识相结合,自动演绎出公理、关系知识中的数据,得到推理结果。推理机进行推理的过程是依据一定的原则,从公理、关系知识库中自动选择适当的规则,从已有的领域知识出发推出目标状态
步骤S422、根据所述推理结果,得到导致烟机设备故障的异常原因和相应的解决方案。
示例性地,根据推理结果,可以对烟机设备的工作状态进行监测,接收实时状态数据、处理后数据或者离线数据,将特征值与期望值进行比较,并输出监测结果,并且可以根据一定的规则和方法进行报警。进一步来说,根据推理结果,可以对烟机故障进行诊断,接收实时状态数据或者用户提供的离线数据,通过各种诊断模型和诊断方法进行故障诊断。进一步来说,根据推理结果,可以对烟机设备进行健康评估,接收来自状态监测或其它健康评估模块的数据,当烟机设备某部件或系统出现性能退化时,判定其健康状况,如果性能退化,则根据历史趋势、工作状况及维修历史进行诊断,并产生诊断记录。进一步来说,根据推理结果,可以对烟机设备的性能进行预测,接收来自上述各种数据资源,根据烟机设备当前状态预测未来的状态、性能变化及健康状况,能够预测烟机设备的剩余寿命。进一步来说,根据推理结果,可以进行决策支持,接收来自健康评估及性能预测的数据和信息,根据当前状况、操作历史等信息给出维修方案和建议,为用户提供决策支持服务。用户可以根据需要查询相关知识以辅助决策,同时也可以根据用户需求主动、智能的为用户提供决策知识。
本发明的烟机故障诊断方法以本体知识库为核心,本体可以对要描述事物的本质进行抽象,它强调的是实体间的关联,并通过多种知识表示元素将这些关联表达和反映出来。本体知识表示使得烟机故障领域知识表示更加全面、深入,也更加丰富化,同时也能完整表示具有描述逻辑的知识库,采用本体知识表示可以满足烟机故障知识语义方面的需要,方便烟机故障知识模型间的语义级信息共享。
综上所述,本发明提供一种基于本体的烟机故障诊断方法,利用烟机故障诊断本体模型对烟机故障进行诊断,仅仅输入故障现象,就可以获取故障的产生原因及解决方法,而无需具备深厚的专业技术知识,降低了维护人员的专业要求以及诊断过程的时间成本,缩短了维修的诊断时间,提高了设备使用效率;同时本体知识的积累也可以提供更为精确的诊断结果,同时减低由于有经验的员工流失造成的知识流失,实现组织内的故障诊断知识共享。
相应地,如图5所示,本发明还提供了一种基于本体的烟机故障诊断系统,包括:
知识库建立模块101,用于建立故障诊断领域知识库,所述故障诊断领域知识库包括若干概念集合;
属性关系建立模块102,用于在所述故障诊断领域知识库的若干概念集合之间建立属性关系;
本体模型构建模块103,用于基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型;
故障诊断模块104,用于利用所述烟机故障诊断本体模型,对烟机故障进行诊断。
本发明提供一种基于本体的烟机故障诊断系统,利用烟机故障诊断本体模型对烟机故障进行诊断,仅仅输入故障现象,就可以获取故障的产生原因及解决方法,而无需具备深厚的专业技术知识,降低了维护人员的专业要求以及诊断过程的时间成本,缩短了维修的诊断时间,提高了设备使用效率;同时本体知识的积累也可以提供更为精确的诊断结果,同时减低由于有经验的员工流失造成的知识流失,实现组织内的故障诊断知识共享。
应理解以上图5所示的基于本体的烟机故障诊断系统的各个部件的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些部件可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分部件以软件通过处理元件调用的形式实现,部分部件通过硬件的形式实现。例如,某个上述模块可以为单独设立的处理元件,也可以集成在电子设备的某一个芯片中实现。其它部件的实现与之类似。此外这些部件全部或部分可以集成在一起,也可以独立实现。在实现过程中,上述方法的各步骤或以上各个部件可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
以上依据图式所示的实施例详细说明了本发明的构造、特征及作用效果,但以上仅为本发明的较佳实施例,需要言明的是,上述实施例及其优选方式所涉及的技术特征,本领域技术人员可以在不脱离、不改变本发明的设计思路以及技术效果的前提下,合理地组合搭配成多种等效方案;因此,本发明不以图面所示限定实施范围,凡是依照本发明的构想所作的改变,或修改为等同变化的等效实施例,仍未超出说明书与图示所涵盖的精神时,均应在本发明的保护范围内。
Claims (10)
1.一种基于本体的烟机故障诊断方法,其特征在于,包括:
建立故障诊断领域知识库,所述故障诊断领域知识库包括若干概念集合;
在所述故障诊断领域知识库的若干概念集合之间建立属性关系;
基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型;
利用所述烟机故障诊断本体模型,对烟机故障进行诊断。
2.根据权利要求1所述的基于本体的烟机故障诊断方法,其特征在于,所述建立故障诊断领域知识库包括:
基于烟机故障诊断所涉及的烟机故障知识,以领域模型为基础建立所述故障诊断领域知识库,所述故障诊断领域知识库中的概念集合至少包括故障部位、故障现象和故障原因;
在每个所述概念集合中,建立若干不同层次的子概念。
3.根据权利要求2所述的基于本体的烟机故障诊断方法,其特征在于,所述在每个所述概念集合中,建立若干不同层次的子概念包括:
对同一层次的所述子概念之间的关系进行一致性检查,所述一致性检查包括循环继承检查和/或关系冲突检查。
4.根据权利要求3所述的基于本体的烟机故障诊断方法,其特征在于,所述循环继承检查包括:
若某一子概念是同一层次的所有子概念的并集的子概念,则将该子概念并入第一集合;
若某一子概念是同一层次的所有子概念的并集的父概念,则将该子概念并入第二集合;
若所述第一集合和所述第二集合的交集不为空集,则该子概念与同一层次的其他子概念之间存在循环继承。
5.根据权利要求3所述的基于本体的烟机故障诊断方法,其特征在于,所述关系冲突检查包括:
若某一子概念是同一层次的所有子概念的并集的子概念或同一层次的所有子概念的并集是该子概念的子概念,则将该子概念并入第三集合;
若该子概念与同一层次的任何一个子概念均不相交,则将该子概念并入第四集合;
若所述第三集合和所述第四集合的交集不为空集,则该子概念与同一层次的其他子概念之间存在关系冲突。
6.根据权利要求2所述的基于本体的烟机故障诊断方法,其特征在于,所述在所述故障诊断领域知识库的若干概念集合之间建立属性关系包括:
确定某一故障部位出现的故障现象、确定造成某一故障现象的故障原因和确定某一故障原因存在的故障部位中的至少一个。
7.根据权利要求2所述的基于本体的烟机故障诊断方法,其特征在于,所述基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型包括:
基于所述概念集合和所述属性关系,生成本体实例;
将所述本体实例与故障诊断经验结合,生成基于本体的故障诊断规则;
根据所述概念集合、所述属性关系和所述故障诊断规则,构建所述烟机故障诊断本体模型。
8.根据权利要求7所述的基于本体的烟机故障诊断方法,其特征在于,所述利用所述烟机故障诊断本体模型,对烟机故障进行诊断包括:
实时采集烟机设备的状态数据;
利用所述烟机故障诊断本体模型对所述状态数据进行分析,以对烟机故障进行诊断。
9.根据权利要求8所述的基于本体的烟机故障诊断方法,其特征在于,所述利用所述烟机故障诊断本体模型对所述状态数据进行分析,以对烟机故障进行诊断包括:
针对所述烟机设备的故障现象,构建所述本体实例,对所述本体实例设置对象属性和数据属性,按照所述故障诊断规则进行推理,得到推理结果;
根据所述推理结果,得到导致烟机设备故障的异常原因和相应的解决方案。
10.一种采用权利要求1-9中任一项所述方法的基于本体的烟机故障诊断系统,其特征在于,包括:
知识库建立模块,用于建立故障诊断领域知识库,所述故障诊断领域知识库包括若干概念集合;
属性关系建立模块,用于在所述故障诊断领域知识库的若干概念集合之间建立属性关系;
本体模型构建模块,用于基于所述概念集合和所述属性关系,构建烟机故障诊断本体模型;
故障诊断模块,用于利用所述烟机故障诊断本体模型,对烟机故障进行诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048479.1A CN111158330B (zh) | 2020-01-16 | 2020-01-16 | 一种基于本体的烟机故障诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048479.1A CN111158330B (zh) | 2020-01-16 | 2020-01-16 | 一种基于本体的烟机故障诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111158330A true CN111158330A (zh) | 2020-05-15 |
CN111158330B CN111158330B (zh) | 2021-04-20 |
Family
ID=70563400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010048479.1A Active CN111158330B (zh) | 2020-01-16 | 2020-01-16 | 一种基于本体的烟机故障诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111158330B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965460A (zh) * | 2021-02-08 | 2021-06-15 | 北京龙谷科技发展有限公司 | 基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1289706A (zh) * | 1999-09-29 | 2001-04-04 | 福克有限公司 | 诊断机器的方法和设备 |
DE102007007845A1 (de) * | 2006-02-23 | 2007-10-18 | G.D Società per Azioni | Verfahren und System für die prädiktive Wartung einer Produktionsanlage für die Bearbeitung von Rauchartikeln |
CN101470425A (zh) * | 2007-12-27 | 2009-07-01 | 深圳市中烟电子有限公司 | 烤烟房远程集中监控系统及远程监控方法 |
CN104331058A (zh) * | 2014-11-24 | 2015-02-04 | 重庆科技学院 | 一种故障诊断本体构建方法 |
CN109189866A (zh) * | 2018-08-22 | 2019-01-11 | 北京大学 | 一种构建装备故障诊断领域知识本体知识库的方法和系统 |
CN109902153A (zh) * | 2019-04-02 | 2019-06-18 | 杭州安脉盛智能技术有限公司 | 基于自然语言处理和案例推理的设备故障诊断方法及系统 |
-
2020
- 2020-01-16 CN CN202010048479.1A patent/CN111158330B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1289706A (zh) * | 1999-09-29 | 2001-04-04 | 福克有限公司 | 诊断机器的方法和设备 |
DE102007007845A1 (de) * | 2006-02-23 | 2007-10-18 | G.D Società per Azioni | Verfahren und System für die prädiktive Wartung einer Produktionsanlage für die Bearbeitung von Rauchartikeln |
CN101470425A (zh) * | 2007-12-27 | 2009-07-01 | 深圳市中烟电子有限公司 | 烤烟房远程集中监控系统及远程监控方法 |
CN104331058A (zh) * | 2014-11-24 | 2015-02-04 | 重庆科技学院 | 一种故障诊断本体构建方法 |
CN109189866A (zh) * | 2018-08-22 | 2019-01-11 | 北京大学 | 一种构建装备故障诊断领域知识本体知识库的方法和系统 |
CN109902153A (zh) * | 2019-04-02 | 2019-06-18 | 杭州安脉盛智能技术有限公司 | 基于自然语言处理和案例推理的设备故障诊断方法及系统 |
Non-Patent Citations (1)
Title |
---|
章军 等: "智能在线监测系统在烟草机械故障诊断中的应用", 《自动化应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965460A (zh) * | 2021-02-08 | 2021-06-15 | 北京龙谷科技发展有限公司 | 基于问诊式故障上报和贝叶斯定理的故障诊断方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111158330B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nunez et al. | An ontology-based model for prognostics and health management of machines | |
Jun et al. | A Bayesian network-based approach for fault analysis | |
CN113987205A (zh) | 一种燃气轮机故障诊断方法及系统 | |
US11941521B2 (en) | Vibrating machine automated diagnosis with supervised learning | |
CN104011750A (zh) | 对技术系统进行处理 | |
CN111158330B (zh) | 一种基于本体的烟机故障诊断方法及系统 | |
Amruthnath et al. | Factor analysis in fault diagnostics using random forest | |
Fensel et al. | Assumptions in model-based diagnosis | |
CN114090352A (zh) | 机组能效异常诊断方法、装置以及存储介质 | |
Romahadi et al. | Intelligent system for gearbox fault detection & diagnosis based on vibration analysis using bayesian networks | |
CN109460344B (zh) | 一种服务器的运维分析方法与系统 | |
WO2012052280A1 (en) | Method, system, and computer program for automated diagnostic with description logic reasoning | |
Giustozzi et al. | A semantic framework for Condition Monitoring in Industry 4.0 based on Evolving Knowledge Bases | |
CN117007312A (zh) | 基于本体的风电机组传动系统的故障诊断方法及系统 | |
CN116049642A (zh) | 一种故障诊断方法、系统、电子设备及计算机存储介质 | |
Baniardalani et al. | Qualitative model based fault diagnosis using a threshold level | |
Ye et al. | Degradation State Recognition of Rolling Bearings Based on VMD–SVM | |
Solomakhina et al. | Extending statistical data quality improvement with explicit domain models | |
US7739213B1 (en) | Method for developing complex probabilistic models | |
CN112631238A (zh) | 一种复杂电子系统嵌入式诊断方法 | |
Monjardim et al. | A domain-specific language for fault diagnosis in electrical submersible pumps | |
Klusch et al. | iCM-Hydraulic: Semantics-empowered condition monitoring of hydraulic machines | |
Kovalenko et al. | Using explicit and machine-understandable engineering knowledge for defect detection in automation systems engineering | |
Realpe et al. | A Methodology Based In Case-Based Reasoning to Build a Knowledge-Base Applied to Failure Diagnosis System of Hidrogenerators Machinery | |
Zhou et al. | Diagnosis method for gear equipment by sequential fuzzy neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |