CN112257423B - 一种设备征兆信息获取方法、装置和设备运维系统 - Google Patents

一种设备征兆信息获取方法、装置和设备运维系统 Download PDF

Info

Publication number
CN112257423B
CN112257423B CN202011133750.8A CN202011133750A CN112257423B CN 112257423 B CN112257423 B CN 112257423B CN 202011133750 A CN202011133750 A CN 202011133750A CN 112257423 B CN112257423 B CN 112257423B
Authority
CN
China
Prior art keywords
information
key words
maintenance
time
symptom
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.)
Active
Application number
CN202011133750.8A
Other languages
English (en)
Other versions
CN112257423A (zh
Inventor
田春华
刘家扬
李闯
徐地
张�浩
陆薇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Innovation Center For Industrial Big Data Co ltd
Original Assignee
Beijing Innovation Center For Industrial Big Data Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Innovation Center For Industrial Big Data Co ltd filed Critical Beijing Innovation Center For Industrial Big Data Co ltd
Priority to CN202011133750.8A priority Critical patent/CN112257423B/zh
Publication of CN112257423A publication Critical patent/CN112257423A/zh
Application granted granted Critical
Publication of CN112257423B publication Critical patent/CN112257423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • 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
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本方案公开了一种设备征兆信息获取方法、装置和设备运维系统，其中，该方法包括：基于设备历史运维数据，提取关键词语；对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息；至少将目标设备的运行指标信息和征兆事件信息进行关联，获得目标设备运行指标的征兆信息。本申请所述技术方案能够从历史运维数据中，自动提取目标设备运行指标的征兆信息，快速捕捉运维方案，从而保证工业设备的安全运营和快速维护，满足现代设备智能运维的需求。

Description

一种设备征兆信息获取方法、装置和设备运维系统
技术领域
本发明涉及工业设备运维领域。更具体地，涉及一种设备征兆信息获取方法、装置、电子设备、存储介质和设备运维系统。
背景技术
随着现代工业的发展，大数据的分析与处理改变了传统工业设备的运维方式，逐渐向智能化方向转变。这使得工业数据与以往的生产数据对比发生了质的改变。传统的数据挖掘方式已经不再适合大数据的分析处理。
现代设备智能运维中，主要依赖于对各种现象/征兆的掌握。然而，这些征兆通常在记录在大量的运维工单或案例集当中，且其中的内容大多数采用自然语言的形式来描述，无法适应现代设备的智能运维。
发明内容
本发明的目的在于提供一种设备征兆信息获取方法、装置、电子设备、存储介质和设备运维系统，以满足现代设备智能运维的需求。
为达到上述目的，本方案采用下述技术方案：
第一方面，本方案提供一种设备征兆信息获取方法，该方法是在设备历史运维数据的基础上，提取关键词语；利用语法树等结构对关键词语进行识别，获得目标设备的运行指标信息和征兆事件信息等目标信息；将目标设备的运行指标信息和征兆事件信息等核心运维信息进行关联，获得目标设备运行指标的征兆信息；其中，所述征兆事件信息为设备运行过程中的各项运行指标的运行状况和/维护过程的信息。通过上述方案，能够从历史运维数据中，自动提取目标设备运行指标的征兆信息，快速捕捉运维方案，从而保证工业设备的安全运营和快速维护，满足现代设备智能运维的需求。
第二方面，本方案提供一种设备征兆信息获取装置，该装置包括：
提取模块，基于设备历史运维数据，提取目标关键词语；
识别模块，对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息；
关联模块，至少将目标设备的运行指标信息和征兆事件信息进行关联，获得目标设备运行指标的征兆信息；
其中，所述征兆事件信息为设备运行过程中的各项运行指标的运行状况和/维护过程的信息。
第三方面，本方案提供一种设备，包括：存储器，一个或多个处理器；存储器与处理器通过通信总线相连；处理器被配置为执行存储器中的指令；所述存储介质中存储有用于执行如上所述设备征兆信息获取方法中各个步骤的指令。
第四方面，本方案提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述设备征兆信息获取方法的步骤。
第五方面，本方案提供一种设备运维系统，该系统包括：
输入模块，用于输入目标关键词语；
如上所述获取装置，根据所述目标关键词语，获取目标设备运行指标的征兆信息；
信息展示模块，用于展示目标设备运行指标的征兆信息。
本发明的有益效果如下：
本方案能够从历史运维数据中，自动提取目标设备运行指标的征兆信息，快速捕捉运维方案，从而保证工业设备的安全运营和快速维护，满足现代设备智能运维的需求。
本方案摆脱通过人工阅读的方式对历史运维数据中关键数据进行归纳的工作方式，从而大幅度降低人力成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本方案所述一种设备征兆信息获取方法的示意图；
图2示出本方案所述一种设备征兆信息获取装置的示意图；
图3示出本方案所述一种电子设备的示意图；
图4示出本方案所述一种设备运维系统的示意图；
图5示出本方案所述设备征兆信息获取方法的一种实例的示意图。
具体实施方式
为使本发明的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
经过对现有技术的分析和研究，现有运维工单或案例集数量较大，无法采用传统人工阅读的方式进行归纳总结。运维工单或案例集中记载的内容较为冗长，且内容表达不规范，无法用于现代设备的智能运维。
因此，本方案意在提供一种设备征兆信息获取方案，利用语法树等结构对现有运维工单或案例集中的重要关键词语进行识别，自动获取目标设备运行指标的征兆信息。
以下，结合附图对本方案提出的一种设备征兆信息获取方法进行详细描述。如图1所示，该方法可以包括如下步骤：
步骤S1、基于设备历史运维数据，提取关键词语；
步骤S2、对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息；
步骤S3、至少将目标设备的运行指标信息和征兆事件信息进行关联，获得目标设备运行指标的征兆信息。
在本方案步骤S1中，设备历史运维数据可以是过往工业设备运营维护过程中，通过工作人员记录和整理的运维工单或案例集等文件。为了进一步扩充设备的历史运维数据，可以在已经记录的运维工单或案例集等文件的基础上，进行相似数据的匹配，得到与运维工单或案例集等文件相近似的设备运维数据，从而扩充设备的历史运维数据。此外，还可以在已经记录的运维工单或案例集等文件的基础上，利用自学习等人工智能算法，挖掘处更多的设备运维数据，从而扩充设备的历史运维数据。
为了更加方便的遍历设备历史运维数据，提取关键词语，可以先对设备历史运维数据进行处理，例如，对设备历史运维数据进行排版，形成统一格式的文档。在一种实施例中，排版格式可以为：编号+语句。相邻编号，或语句之间可以通过逗号、分号、句号等分隔符进行断句。还可以利用回车换行来进行相邻编号或语句之间分割。通过对设备历史运维数据进行排版，能够有序的遍历数据文档，清晰的区分各语句之间的关系。
例如，某段历史设备运维数据为“某钢厂BPRT机组(总成号9001033)，投运一年多来振动较小运行平稳，2010年12月BPRT中TRT叶片断裂，随后转子、承缸返厂维修；2011年4月转子与承缸回装试车，机组运行约1个多小时TRT进气侧X测点振动持续增大到160um联锁停机；2011年6月转子和承缸再次返厂维修，但回装后振动仍然没有改善，严重影响着用户生产使用”。对历史设备运维数据，进行重新排版，形成如下格式：
“1.某钢厂BPRT机组(总成号9001033)
2.投运一年多来振动较小运行平稳
3. 2010年12月BPRT中TRT叶片断裂
4.随后转子、承缸返厂维修
5. 2011年4月转子与承缸回装试车
6.机组运行约1个多小时TRT进气侧X测点振动持续增大到160um联锁停机
7. 2011年6月转子和承缸再次返厂维修
8.但回装后振动仍然没有改善
9.严重影响着用户生产使用”。
在本方案步骤S1中，可以利用映射关系表、关键词语匹配表、语义匹配模型等方式，对设备历史运维数据中的关键词语进行提取。本方案中，优先使用关键词语匹配的方式，进行关键词语提取。具体地，可以选取或构建与应用领域相匹配的标准术语词库，在标准术语词库中抓取需要的标准术语，形成标准关键词语匹配表，遍历设备历史运维数据，从中提取出与标准关键词语匹配表相匹配的关键词语。
实际应用中，运维工单或案例集中记载的内容，可能会采用自然语言的形式来描述，仅用标准关键词语匹配表会遗漏一些非标准形式体现的关键词语，因此，本方案进一步提供了模糊关键词语匹配的方法，尽量避免遗漏非标准形式体现的关键词语。具体地，可以对标准术语进行分析，将标准术语的同义词语、近义词语、关联词语等汇总成模糊词语库，在模糊词语库中抓取需要提取的标准术语的同义词语、近义词语、关联词语，形成模糊关键词语匹配表，从而配合标准关键词语匹配表，从设备历史运维数据中提取出目标设备运维信息的关键词语。此处需要注意的是，标准术语的关联词语指的是：使用自然语言的形式来描述标准术语含义的词语。例如，标准术语为空压机，该术语的关联词语可以为对气体压缩产生动力的装置。通常在应用的领域中，这种能够解释标准术语含义的词语是有限的，因此，可以在构建模糊词语库时，对关联词语进行穷举。若个别出现新的关联词语，可以直接添加至模糊词语库中。另外，对于标准术语的同义词语和近义词语可以通过应用领域的专家或查询资料/手册进行确定。例如，某设备的标准词语描述为：进气侧Y测试点，其同义词语可以为：进气位置的Y方向，等等。
在一种实施方式中，关键词语包括：目标设备基础信息、运行指标信息、征兆事件信息、运维时间信息等。在实际应用时，可以根据需要适当增加与设备运维相关的信息(例如时间、温度、湿度等等信息)，以满足用户所需设备征兆信息的全面性。对于所述与设备运维相关的信息，可以预先将其对应的标准术语，以及标准术语的同义词语、近义词语、关联词语分别存入标准术语词库和模糊词语库中，以备准备关键词语匹配表时使用。
本方案中，为了缩减后续对具体信息识别时的识别量更小，识别速度更快，可以在提取关键词语后，按照预定的多个类别，对关键词语进行归类。例如，关键词语包含了时间类型的信息、状态类型的信息、设备名称/型号的信息等等，此时，可以按照时间、状态、基础信息等预定的类别，将对应类别的关键词语进行归类。后续识别过程中，可以直接利用对应类别的语法树等结构在该类别中进行目标信息的识别。此外，也可以根据需要设置多层类别，从而更加细致的对关键词语进行识别；例如，对应征兆事件信息中可以包括故障类型的信息和工况类型信息，那么，在关键词语分类时，就可以在第一层分类时，先将故障类型和工况类型的关键词语区分开，随后，在第二层分类时，将位于故障类别中的关键词语，按照故障的确定方式再进行细化分类，从而完成多层分类。理论上，类别划分越细，后续识别的目标信息越具体，但是，考虑到分类时占用的资源和分类时间，尽量将分类层数控制再三层以内。
在本方案步骤S2中，通过对关键词语进行识别，获得目标设备的运行指标信息和征兆事件信息等目标信息。根据上述描述可知，关键词语的形式比较多，需要通过一种规则从众多关键词语中提取到目标信息。本方案采用语法树的形式，从众多关键词语中识别出目标信息。具体地，该语法树中预先设定了规则的具有最大匹配长度的词语，将这个词语作为目标关键词语衍生的短语；以这个短语为识别基础，遍历步骤S1得到的关键词语，作为与目标关键词语相对应的短语信息。此外，为了便于后续追溯核查，可以将步骤S2的提取过程，整理成提取路径表，便于确定短语信息的来源。该提取路径表格式可以为：设备历史运维数据文档的第X个语句，第Y类别，短语信息。
例如，征兆事件信息的语法树可以定义为<Symptom>＝<Indicator><any><Pattern>，并将其作为预定的最大匹配长度的词语。其中，<Indicator>可以为测点/指标量等目标关键词；<Pattern>为变化模式/变化趋势；<any>代表同一个语句中的任何词语。在一种实施例中，对于设备历史运维数据中的一个语句“后推力轴承及承力轴承温度均有所上升”的识别过程为：首先，识别目标关键词“承力轴承温度”作为最基础的Indictor，“上升”为最基础的pattern；通过语法树结构识别出“后推力轴承及承力轴承温度”为复合型的Indicator(即所述短语覆盖的关键词语)，因此，根据语法树根据“<Symptom>＝<Indicator><any><Pattern>”确定“后推力轴承及承力轴承温度均有所上升”这个短语是一个征兆(Symptom)短语，将其作为与目标关键词语相对应的短语信息。
本方案中具体对每种目标信息识别的方法可以为，将语法树中预先设定规则的最大匹配长度的词语作为目标关键词语衍生的短语；遍历由步骤S1提取得到的关键词语，提取所述短语覆盖的关键词语，作为与目标关键词语相对应的短语信息。
在一种实施例中，利用第一语法树遍历由步骤S1提取得到的关键词语；将第一语法树中预先设定的规则的最大匹配长度的词语作为运行指标衍生的短语，所覆盖的所有关键词提取出来，形成与运行指标相对应的短语形式的运行指标信息。运行指标信息可以是设备的一些参数指标、设备上预定位置的测试点等信息。
在一种实施例中，利用第二语法树遍历由步骤S1提取得到的关键词语；将第二语法树中预先设定的规则的最大匹配长度的词语作为征兆事件衍生的短语，所覆盖的所有关键词提取出来，形成与征兆事件相对应的短语形式的征兆事件信息。其中，所述征兆事件信息可以包括：故障信息、工况信息、维护信息、征兆信息等等。在实际应用过程中故障信息、工况信息、维护信息、征兆信息的描述方式是在其应用领域中有所限制的，可以通过穷举的方式列举出来。例如，工况信息可以为：启机/起机、建电压、工作转速、并网、满负荷、降负荷、甩负荷、停机、联锁停机、紧急停机、脱网等等。例如，征兆信息可以为：持续增大、慢慢增长、逐渐减小、分阶段同步增长、增长速度加快、超过、逐渐升高、持续震荡、存在毛刺、以X倍频为主、形状规整等等。再例如，维护信息可以为：安装、试车、返厂维修、回装等等。
在一种实施例中，利用第三语法树遍历由步骤S1提取得到的关键词语；将第三语法树中预先设定的规则的最大匹配长度的词语作为运维时间衍生的短语，所覆盖的所有关键词提取出来，形成与运维时间相对应的短语形式的运维时间信息。本方案中，由于运维工单或案例集中记录的运维时间形式并不统一，且不完整。格式是可能是相对时间，也可能是绝对时间；可能是包含详细的年月日时分秒的信息，也可能仅包含粗略的上下午信息。此时，需要对所述运维时间信息进行精准化处理，获得统一形式的运维时间信息。
在一种实施例中，利用第四语法树遍历由步骤S1提取得到的关键词语；将第四语法树中预先设定的规则的最大匹配长度的词语作为目标设备衍生的短语，所覆盖的所有关键词提取出来，形成与目标设备相对应的短语形式的目标设备基础信息。其中，所述目标设备基础信息包括：设备名称、设备型号、测试点位置等信息。
为了方便复查，可以将以上所有识别出的信息，按照文档中所在语句位置、所述类别、关键词语名称等填写项的格式，形成提取路径表，以供后台操作人员或检索人员得知信息的具体出处及其他属性信息。
本方案中，为了加快识别速度，使信息识别更加细致，可以在关键词进行分类的基础上，对每一类别的关键词语进行识别，具体识别过程与遍历提取得到的全部关键词语进行目标关键词语识别的过程基本相同，此处不再赘述。
本方案中，对于运维时间信息精准化处理的过程可以为：首先，判断所述运维时间信息为绝对时间还是相对时间。若通过时间语法树识别运维时间信息为绝对时间，则进一步判断该运维时间信息的完整性，若完整，则直接将当前征兆事件的时间更新为完整的绝对时间；若不完整，则需要确定基准时间，对所述运维时间信息进行补全后，再将当前征兆事件的时间更新为补全后的绝对时间。此处，对绝对时间形式的运维时间信息补全的操作方式为：将当前征兆事件对应的绝对时间中缺少的时间单位，按照基准时间中的内容进行填充；例如，当前征兆事件的时间是XX时XX分，则根据基准时间中的内容，将当前征兆时间的时间补全为XX年XX月XX时XX分。通常情况下，基准时间可以为当前征兆事件前后几个语句内的完整绝对时间；若当前征兆事件前后几个语句内均没有完整的绝对时间，则可以提供若干个与该绝对时间相近的完整绝对时间，挑选最合适的完整绝对时间，并将当前征兆事件的时间更新为挑选的完整绝对时间。
若通过时间语法树识别运维时间信息为相对时间，则判断该相对时间的相邻征兆事件(相邻征兆事件的范围可以是：当前征兆事件前后几个语句内的征兆事件)是否具有绝对时间，若有，则相邻征兆事件的绝对时间作为参考，推算相对时间对应的绝对时间，并将当前征兆事件的时间更新为推算后的绝对时间；若无，则在给定的若干绝对时间中，选择一个时间作为当前征兆事件的时间。此处，根据参考绝对时间，推算相对时间的方法可是加减相差的时间量，例如，参考绝对时间为3月15日15时，相对时间表达的语句为“20分钟后”，则相对时间对应的绝对时间为3月15日15时20分。此处，对没有参考绝对时间时的时间选择可以方法进行举例，例如，当前相对时间的描述为“开机10分钟后”，前后语句都没有可参考的绝对时间，那么，可以考虑通常情况下开机时间以后的时间，作为给定时间，例如，通常情况下，开机时间为早晨8点钟，那么，此时可以给出几个参考时间，12日上午8点05分，12日上午8点09分，12日上午8点11分，通过相对时间的描述，可以将12日上午8点11分这个绝对时间作为当前征兆事件的运维时间。
本方案中，时间语法树的结构可以为：年、月、日、时、分、秒；也可以简化为“月、日、时、分”、“日、时、分”或者“时、分”。那么，可以直接通过时间语法树的结构来判断运维时间信息是否为绝对时间。但是，通常在运维工单或案例集中运维时间信息并不一定描述如此完整，在各时间单位之间还会存在其他自然语言的描述形式，因此，可以适当在各时间单位之间添加允许间隔的词语长度，从而使时间语法树的适应性更强，识别更加准确。在各时间单位之间添加允许间隔的词语后，还可以进一步将一些时间单位的组合从逻辑判断上设置成“or”的关系，例如，使用(“年、月”or“月、日、时”or“日、时、分”)这种形式，使时间语法树的识别能力更强。此外，还可以通过“上午”、“下午”、“凌晨”、“晚上”等词语来加强对绝对时间类型的识别。
本方案中，也可以以相对时间的时间语法树对运维时间信息的类型进行识别。例如，在上述绝对时间的基础上，增加了前、后、之前、之后、之内、以来等等相对性质的词语，则可以判断该运维时间信息为相对时间。或者，虽然没有时间信息出现，但是，在其他事件的自然语言描述的内容前后，增加了相对性质的词语，也可以判断该运维时间信息为相对时间。
对于运维时间信息的处理举例如表1所示。
表1 运维时间处理方式
在本方案步骤S3中，可以根据需要展现的信息项，将获得的多种信息关联起来，形成完整的语句。具体地，可以将目标设备基础信息、运行指标信息、征兆事件信息和运维时间信息，按照预定的语句模版进行填充，形成目标设备运行指标的征兆信息语句。在一种实施例中，可以将设备编号、故障编号、工况信息、维护信息和运维时间信息按照模版进行填充，形成设备征兆信息语句。例如，设备征兆信息语句可以为：某型号设备，在某时间，出现某种故障，出现该故障时为某种工况，通过某种维护手段进行处理。
此外，语句模版除了可以是语句段落外，还可以是图表等形式。例如，生成Excel表或逻辑脑图。
如图2所示，本方案进一步提供了配合上述设备征兆信息获取方法实施的设备征兆信息获取装置101，该装置包括：提取模块102、识别模块103和关联模块104。该装置在工作时，首先，提取模块102基于设备历史运维数据，提取关键词语；然后，识别模块103根据语法树等结构对关键词语进行识别，获得目标设备的运行指标信息和征兆事件信息等目标信息；再后，利用关联模块104将目标设备的运行指标信息和征兆事件信息等征兆信息进行关联，获得目标设备运行指标的征兆信息。
本方案中，提取模块102进行关键词提取时，可以根据配置的标准关键词语匹配表和/或模糊关键词匹配表，在设备历史运维数据中，提取关键词语。其中，关键词可以包括：目标设备基础信息、运行指标信息、征兆事件信息、运维时间信息等等。运维工单或案例集中除了上述关键词语以外，还具有很多可以作为关键词语的其他词语，因此，可以根据用户输入的目标关键词语，利用与目标关键词语相对应的关键词语匹配表，从运维工单或案例集中提取出多种关键词语。
本方案中，还可以在该装置中配置分类模块105，通过分类模块105对提取的关键词语进行分类，以提升后续识别信息的速度。
本方案中，识别模块103的识别方式是采用遍历关键词语，从中识别出与目标关键词语相匹配的短语信息。识别模块103既可以提取得到的所有关键词语中遍历，也可以在某一类别的关键词语中遍历，两种方案可以在装置使用前进行配置。若采用在提取得到的所有关键词语中遍历，则识别模块103将语法树中预先设定规则的最大匹配长度的词语作为目标关键词语衍生的短语；遍历提取得到的关键词语，提取所述短语覆盖的关键词语，作为与目标关键词语相对应的短语信息。若采用在某一类别的关键词语中遍历，则识别模块103将某一词语类别的语法树中预先设定的最大匹配长度的词语作为目标关键词语衍生的短语；遍历与该语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，作为与目标关键词语相对应的短语信息。为了满足多种信息的独立识别，可以将识别模块103配置成多个识别单元，一个识别单元对应识别一种信息，具体每种信息的识别过程在方法步骤已经描述，此处不再赘述。
本方案中，若识别的信息中存在运维时间信息，则需要对运维时间信息进行精准化处理，将运维时间信息的格式和精准度进行统一。因此，该装置中可以配置时间处理模块106将运维时间信息统一为完整的绝对时间。
时间处理模块106具体执行如下步骤：若所述运维时间信息为绝对时间时，则判断所述运维时间信息是否完整，若完整，则将当前征兆事件的时间更新为该绝对时间；若不完整，则根据基准时间，对所述运维时间信息进行补全后，再将当前征兆事件的时间更新为补全后的绝对时间。
若所述运维时间信息为相对时间时，则判断该相对时间的相邻征兆事件是否具有绝对时间；若有，则以相邻征兆事件的绝对时间作为参考，推算相对时间对应的绝对时间，并将当前征兆事件的时间更新为推算后的绝对时间；若无，则在给定的若干绝对时间中，选择一个时间作为当前征兆事件的时间。
关联模块104可以按照需要将目标设备基础信息、运行指标信息、征兆事件信息、运维时间信息等设备运维信息，按照预定的语句模版进行填充，形成目标设备运行指标的征兆信息语句。本方案中，也可以根据用户需求，利用其他形式展示目标设备运行指标的征兆信息，例如，Excel表格或逻辑脑图。
应当理解，本方案中各模块或单元可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(Programmable GateArray，PGA)，现场可编程门阵列(Field Programmable Gate Array，FPGA)等。
在上述设备征兆信息获取方法实施方式的基础上，本方案进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述数据采集方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在设备，例如个人电脑上运行。然而，本方案的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本方案操作的程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等，还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在上述设备征兆信息获取方法实施方式的基础上，本方案进一步提供一种电子设备。图3所示电子设备仅仅是一个示例，不应对本方案实施例的功能和使用范围带来任何限制。
如图3所示，电子设备201以通用计算设备的形式表现。电子设备201的组件可以包括但不限于：至少一个存储单元202、至少一个处理单元203、显示单元204和用于连接不同系统组件的总线205。
其中，所述存储单元202存储有程序代码，所述程序代码可以被所述处理单元203执行，使得所述处理单元203执行上述设备征兆信息获取方法中描述的各种示例性实施方式的步骤。例如，所述处理单元203可以执行如图1中所示的步骤。
存储单元202可以包括易失性存储单元，例如随机存取存储单元(RAM)和/或高速缓存存储单元，还可以进一步包括只读存储单元(ROM)。
存储单元202还可以包括具有程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线205可以包括数据总线、地址总线和控制总线。
电子设备201也可以与一个或多个外部设备207(例如键盘、指向设备、蓝牙设备等)通信，这种通信可以通过输入/输出(I/O)接口206进行。应当明白，尽管图中未示出，可以结合电子设备201使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在上述设备征兆信息获取装置101实施方式的基础上，本方案进一步提供一种将上述设备征兆信息获取装置101应用于设备运维的设备运维系统。
如图4所示，该系统作为为用户提供检索设备运维信息的工具，可以包括如下几个部分：输入/输出模块401和如上所述的设备征兆信息获取装置101。
本方案中，输入/输出模块401可以通过人机交互的方式来实现。用户可以在人机交互屏幕上的输入框输入目标关键词语；利用设备征兆信息获取装置101，根据该目标关键词语获得目标设备运行指标的征兆信息；征兆信息进行数据处理后(例如，数模转换等数据处理方式，形成可支持显示的数据)，通过人机交互屏幕显示给用户，也可支持下载存储。
本方案可以在设备运维系统中配置数据处理模块403，使对运维工单或案例集中数据进行处理的工作独立于设备征兆信息获取装置101来完成，从而能够统一、快捷的，按照预定格式，对运维工单或案例集中的数据进行排版，形成标准格式的设备历史运维数据。这样，设备征兆信息获取装置101就可以直接从数据处理模块403中获取标准格式的设备历史运维数据，无需在装置内单独对数据进行处理，大幅度提升了装置的执行效率。
本方案可以在设备运维系统中配置词语库404，通过词语库404来存储系统应用领域的标准术语，以及标准术语的同义词语、近义词语、关联词语。利用词语库管理模块405，对词语库404进行更新、维护、管理等工作。在设备征兆信息获取装置101需要使用词语库404时，直接通过总线从词语库404中调取词语即可。
本方案中，该设备运维系统可以配置在用户端的工作平台或客户终端上，方便客户根据需要自行配置和维护。例如，可以将系统装配到客户的主机上或用户的局域网服务器等。
本方案中，也可以是将用户的终端设备作为登录端，设备运维系统配置在云服务器上，利用云服务器强大的计算能力，加快数据信息的处理速度，降低本地空间和计算资源的使用。利用云服务器或中间通信用的网关对用户身份进行验证，验证成功后，可以通过云服务器获取需要的设备征兆信息。
下面通过实例对本方案作进一步说明。
本实例以下面三种不同的设备历史运维数据为例，对本实例所述设备征兆信息获取装置和设备运维系统的应用进行描述。
设备历史运维数据1：
“一、问题描述
某钢厂BPRT机组(总成号9001033)，投运一年多来振动较小运行平稳，2010年12月BPRT中TRT叶片断裂，随后转子、承缸返厂维修；2011年4月转子与承缸回装试车，机组运行约1个多小时TRT进气侧X测点振动持续增大到160um联锁停机；2011年6月转子和承缸再次返厂维修，但回装后振动仍然没有改善，严重影响着用户生产使用。
BPRT刚升到工作转速且离合器啮合后，四个测点轴振动值最大仅为25um，运行10分钟减小到16um，约25分钟后又慢慢增长到50um，1小时后又逐渐减小到22um；接着连续运行2-3小时后，各测点振动又开始分阶段同步增长，且增长速度加快，尤以进气侧Y测点增长最快，约3-6小时就增大到110um，最长运行12小时后振动达到160um联锁停机。
二、原因分析
1.转子故障分析
从高速动平衡记录分析，转子平衡精度达到0.325mm/s，而且机组升到工作转速1-2小时之内轴振动也很小，基本排除转子原始不平衡、轴裂纹、转动部件松动等重大缺陷。
2.振动现象和振动趋势分析
BPRT刚到转速时振动很小，振动始终以1倍频、2倍频为主，当机组受热膨胀后振动逐渐增大，且振动增加的能量仍主要集中在1倍频和2倍频；
BPRT升到工作转速后，进排气侧四个测点的相位都是先减小后增大，最终相位发生了120-170度的偏转；
某次打表数据显示，冷态和热态下半联轴器打表跳动偏差达到0.05mm；
以上种种迹象非常像是转子发生热弯曲，或者说气封间隙处理前某些时候转子确实因局部摩擦而发生了热态弯曲变形。
3.转子运行轨迹分析
BPRT刚升到工作转速时，轴心轨迹形状规整、运行稳定。”
设备历史运维数据2：
“1、设备概述
引风机为成都电力机械厂生产的型号为AN31e6+KSE的静叶可调轴流风机。叶轮直径3150mm，叶片数量19片，风机推力轴承型号7252B.MP.UA，成对使用，承力轴承型号NU252E.M1.C3。投产日期2010年12月。
2、故障描述
2014年11月15日上午10点，监盘人员发现2A引风机前推力轴承温度逐渐升高，便通知检修人员进行降温处理。检修人员接到通知后，就地增加冷却风机并加强室内通风对引风机轴承进行物理降温。10点56分，前推力轴承温度升高至90℃，随后轴承温度开始下降，轴承温度降低至85℃后保持稳定。
在前推力轴承温度升高期间，后推力轴承及承力轴承温度均有所上升，后推力轴承最高温度达到72℃。在加强通风降温后，后推力轴承温度下降，稳定在67℃左右，但承力轴承温度始终在升高劣化。从14点35分开始，温度升高速率加快，温度最高升至82℃(见图2)，因此专业判断引风机轴承已经磨损，无法继续保持稳定运行。15点31分，停运2A引风机，进行引风机轴承更换工作。11月17日11点38分引风机恢复备用。”
设备历史运维数据3：
“1.1故障描述
项目名称：XX项目
故障机位：F14、XZ07和XZ06号机组
机组配置类型：Freqcon/82国产变流
故障时间：2010年4月5日
故障处理人：XX
故障文件：如下分别所述
1.2环境描述
环境温度：15℃
风速：6m/s
天气：晴
F14号机组故障处理和分析
F14号机组在起机后功率上升很快，在6m/s的风速时变流器计算的功率就达到了820KW,功率明显不正常随后机组就报出了有功功率超限的故障，查看机组故障文件和报出故障的程序”
通过上述三种设备历史运维数据可以看出，三组设备历史运维数据中的运维过程的描述多为自然语言形式，并不规范。如采用人工从中筛选出有用数据(例如带有下划线的数据)比较困难。
因此，用户可以直接在设备运维系统中输入一些目标关键词语，例如，“BPRT机组、转子变形、发热现象、2011等等目标关键词语”；例如，“流风机、温度、磨损、15日上午等等目标关键词语”；例如，“F14、变流器、功率超限等等目标关键词语”利用设备征兆信息获取方法得到设备运行指标的征兆信息。
如图5所示，具体地获取方式如下：
可以先利用设备运维系统中的数据处理模块对设备历史运维数据进行格式处理，按照分隔符或回车符，将设备历史运维数据整理成多条带有序号的语句文档。方便设备征兆信息获取装置对关键词语的提取。
设备征兆信息获取装置根据用户输入的目标关键词语，从设备运维系统中的词语库中调取词语，构成标准关键词语匹配表和模糊关键词语匹配表。利用标准关键词语匹配表和/或模糊关键词语匹配表，提取关键词语。与此同时，可以对提取得到的关键词进行分类，使关键词的类别归属更加清晰。
设备征兆信息获取装置利用预先构建的语法树，从众多关键词语中识别出运维时间信息、征兆事件信息和测试点信息。其中，语法树的结构包括：预先设定了规则的具有最大匹配长度的词语，将这个词语作为目标关键词语衍生的短语。以这个短语为识别基础，遍历关键词语，作为与目标关键词语相对应的短语信息。
由于设备历史运维数据中运维时间信息的格式不统一，因此，还需要利用设备征兆信息获取装置中的时间处理模块对运维时间信息进行格式统一和精准化处理，形成完整的绝对时间。
最后，利用设备征兆信息获取装置将运维时间信息、征兆事件信息和测试点信息关联起来，形成excel表格形式输出。
通过三组目标关键词，分别获得表格数据如表2至表4所示。
表2 根据设备历史运维数据1形成的表格形式的设备征兆信息
表3 根据设备历史运维数据2形成的表格形式的设备征兆信息
表4 根据设备历史运维数据3形成的表格形式的设备征兆信息
综上所述，本方案能够从历史运维数据中，自动提取目标设备运行指标的征兆信息，快速捕捉运维方案，从而保证工业设备的安全运营和快速维护，满足现代设备智能运维的需求。本申请所述技术方案摆脱通过人工阅读的方式对历史运维数据中关键数据进行归纳的工作方式，从而大幅度降低人力成本。
本方案通过将设备征兆信息获取方案应用于设备运维系统，能够快速将历史运维数据进行提炼，提供给工作人员，为后续设备的运维工作提供指导和处理经验，极大发挥了历史数据在后续设备维护中的指引作用，降低了后续维护失败或错误操作的风险。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (26)

1.一种设备征兆信息获取方法，其特征在于，该方法的步骤包括：
基于设备历史运维数据，提取关键词语；
对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息；其中，所述对关键词语进行识别的步骤包括：
将语法树中预先设定规则的最大匹配长度的词语作为目标关键词语衍生的短语；遍历提取得到的关键词语，提取所述短语覆盖的关键词语，作为与目标关键词语相对应的短语信息；或，
将某一词语类别的语法树中预先设定的最大匹配长度的词语作为目标关键词语衍生的短语；遍历与该语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，作为与目标关键词语相对应的短语信息;
至少将目标设备的运行指标信息和征兆事件信息进行关联，获得目标设备运行指标的征兆信息；
其中，所述征兆事件信息为设备运行过程中的各项运行指标的运行状况和/或维护过程的信息。
2.根据权利要求1所述的方法，其特征在于，所述基于设备历史运行信息，提取目标关键词语的步骤包括：
在设备历史运维数据中,根据标准关键词语匹配表和/或模糊关键词语匹配表,提取关键词语;
其中，所述关键词语包括:目标设备基础信息、运行指标信息、征兆事件信息、运维时间信息的以上一种或多种;
所述标准关键词语中为标准术语；所述模糊关键词语为：标准术语的同义词语、近义词语、关联词语的以上一种或多种。
3.根据权利要求1或2所述的方法，其特征在于，所述基于设备历史运维数据，提取关键词语的步骤还包括：
按照预定词语类别，对提取得到的关键词语进行分类。
4.根据权利要求1所述的方法，其特征在于，所述对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息的步骤包括：
将第一语法树中预先设定规则的最大匹配长度的词语作为运行指标衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与运行指标相对应的短语形式的运行指标信息。
5.根据权利要求4所述的方法，其特征在于，所述对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息的步骤包括：
将第二语法树中预先设定规则的最大匹配长度的词语作为征兆事件衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与征兆事件相对应的短语形式的征兆事件信息；
其中，所述征兆事件信息包括：故障信息、工况信息、维护信息、征兆信息的以上一种或多种。
6.根据权利要求5所述的方法，其特征在于，所述对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息的步骤还包括：
将第三语法树中预先设定规则的最大匹配长度的词语作为时间衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与时间相对应的短语形式的运维时间信息；
对所述运维时间信息进行精准化处理，获得统一形式的运维时间信息。
7.根据权利要求5所述的方法，其特征在于，所述对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息的步骤还包括：
将第四语法树中预先设定规则的最大匹配长度的词语作为目标设备衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与目标设备相对应的短语形式的目标设备基础信息；
其中，所述目标设备基础信息包括：设备名称、设备型号、测试点位置的以上一种或多种。
8.根据权利要求1所述的方法，其特征在于，所述至少将目标设备的运行指标信息和征兆事件信息进行关联，获得目标设备运行指标的征兆信息的步骤包括：
至少将运行指标信息和征兆事件信息按照预定的语句模版进行填充，形成目标设备运行指标的征兆信息语句。
9.根据权利要求8所述的方法，其特征在于，所述语句模版包括语句段落或图表。
10.根据权利要求6所述的方法，其特征在于，对所述运维时间信息进行精准化处理，获得统一形式的运维时间信息的步骤包括：
若所述运维时间信息为绝对时间时，则判断所述运维时间信息是否完整，若完整，则将当前征兆事件的时间更新为该绝对时间；
若不完整，则根据基准时间，对所述运维时间信息进行补全后，再将当前征兆事件的时间更新为补全后的绝对时间。
11.根据权利要求10所述的方法，其特征在于，对所述运维时间信息进行精准化处理，获得统一形式的运维时间信息的步骤包括：
若所述运维时间信息为相对时间时，则判断该相对时间的相邻征兆事件是否具有绝对时间；
若有，则以相邻征兆事件的绝对时间作为参考，推算相对时间对应的绝对时间，并将当前征兆事件的时间更新为推算后的绝对时间；
若无，则在给定的若干绝对时间中，选择一个时间作为当前征兆事件的时间。
12.一种设备征兆信息获取装置，其特征在于，该装置包括：
提取模块，基于设备历史运维数据，提取关键词语；
识别模块，对关键词语进行识别，至少获得目标设备的运行指标信息和征兆事件信息；其中，所述对关键词语进行识别的步骤包括：将语法树中预先设定规则的最大匹配长度的词语作为目标关键词语衍生的短语；遍历提取得到的关键词语，提取所述短语覆盖的关键词语，作为与目标关键词语相对应的短语信息；或，
将某一词语类别的语法树中预先设定的最大匹配长度的词语作为目标关键词语衍生的短语；遍历与该语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，作为与目标关键词语相对应的短语信息；
关联模块，至少将目标设备的运行指标信息和征兆事件信息进行关联，获得目标设备运行指标的征兆信息；
其中，所述征兆事件信息为设备运行过程中的各项运行指标的运行状况和/或维护过程的信息。
13.根据权利要求12所述的装置，其特征在于，所述提取模块具体执行如下步骤：
在设备历史运维数据中,根据标准关键词语匹配表和/或模糊关键词语匹配表,提取关键词语;
其中，所述关键词语包括:设备基础信息、运行指标信息、征兆事件信息、运维时间信息的以上一种或多种；
所述标准关键词语中为标准术语；所述模糊关键词语为：标准术语的同义词语、近义词语、关联词语的以上一种或多种。
14.根据权利要求12或13所述的装置，其特征在于，该装置还包括：
分类模块，按照预定类别，对提取的目标关键词语进行分类。
15.根据权利要求12所述的装置，其特征在于，所述识别模块包括：
第一识别单元，将第一语法树中预先设定规则的最大匹配长度的词语作为运行指标衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与运行指标相对应的短语形式的运行指标信。
16.根据权利要求15所述的装置，其特征在于，所述识别模块包括：
第二识别单元，将第二语法树中预先设定规则的最大匹配长度的词语作为征兆事件衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与征兆事件相对应的短语形式的征兆事件信息；
其中，所述征兆事件信息包括：故障信息、工况信息、维护信息、征兆信息的以上一种或多种。
17.根据权利要求16所述的装置，其特征在于，所述识别模块包括：
第三识别单元，将第三语法树中预先设定规则的最大匹配长度的词语作为时间衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与时间相对应的短语形式的运维时间信息；
对所述运维时间信息进行精准化处理，获得统一形式的运维时间信息。
18.根据权利要求16所述的装置，其特征在于，所述识别模块包括：
第四识别单元，将第四语法树中预先设定规则的最大匹配长度的词语作为目标设备衍生的短语；
遍历提取得到的全部关键词语，或者，遍历与第一语法树的词语类型相同的关键词语，提取所述短语覆盖的关键词语，获得与目标设备相对应的短语形式的目标设备基础信息；
其中，所述目标设备基础信息包括：设备名称、设备型号、测试点位置的以上一种或多种。
19.根据权利要求17所述的装置，其特征在于，所述识别模块包括：
时间处理模块，若所述运维时间信息为绝对时间时，则判断所述运维时间信息是否完整，若完整，则将当前征兆事件的时间更新为该绝对时间；
若不完整，则根据基准时间，对所述运维时间信息进行补全后，再将当前征兆事件的时间更新为补全后的绝对时间。
20.根据权利要求19所述的装置，其特征在于，所述时间处理模块还用于执行如下步骤：
若所述运维时间信息为相对时间时，则判断该相对时间的相邻征兆事件是否具有绝对时间；
若有，则以相邻征兆事件的绝对时间作为参考，推算相对时间对应的绝对时间，并将当前征兆事件的时间更新为推算后的绝对时间；
若无，则在给定的若干绝对时间中，选择一个时间作为当前征兆事件的时间。
21.根据权利要求12所述的装置，其特征在于，所述关联模块具体执行如下步骤：至少将运行指标信息和征兆事件信息按照预定的语句模版进行填充，形成目标设备运行指标的征兆信息语句。
22.一种设备，其特征在于，包括：存储器，一个或多个处理器；存储器与处理器通过通信总线相连；处理器被配置为执行存储器中的指令；所述存储介质中存储有用于执行如权利要求1至11任一项所述方法中各个步骤的指令。
23.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至11任一项所述方法的步骤。
24.一种设备运维系统，其特征在于，该系统包括：
输入/输出模块，用于输入目标关键词语，和/或，展示目标设备运行指标的征兆信息；
如权利要求12至21任一项所述的获取装置，根据所述目标关键词语，获取目标设备运行指标的征兆信息。
25.根据权利要求24所述的设备运维系统，其特征在于，该系统包括：
数据处理模块，按照预定格式，对运维工单或案例集中的数据进行排版，形成设备历史运维数据。
26.根据权利要求24所述的设备运维系统，其特征在于，该系统包括：
包含系统应用领域的标准术语，以及标准术语的同义词语、近义词语、关联词语的词语库；
词语库管理模块，用于对词语库进行维护和管理。
CN202011133750.8A 2020-10-21 2020-10-21 一种设备征兆信息获取方法、装置和设备运维系统 Active CN112257423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011133750.8A CN112257423B (zh) 2020-10-21 2020-10-21 一种设备征兆信息获取方法、装置和设备运维系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011133750.8A CN112257423B (zh) 2020-10-21 2020-10-21 一种设备征兆信息获取方法、装置和设备运维系统

Publications (2)

Publication Number Publication Date
CN112257423A CN112257423A (zh) 2021-01-22
CN112257423B true CN112257423B (zh) 2024-01-26

Family

ID=74263265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011133750.8A Active CN112257423B (zh) 2020-10-21 2020-10-21 一种设备征兆信息获取方法、装置和设备运维系统

Country Status (1)

Country Link
CN (1) CN112257423B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112559602B (zh) * 2021-02-21 2021-07-13 北京工业大数据创新中心有限公司 一种工业设备征兆的目标样本的确定方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109376873A (zh) * 2018-09-11 2019-02-22 平安科技（深圳）有限公司 运维方法、装置、电子设备及计算机可读存储介质
KR20190055027A (ko) * 2018-06-01 2019-05-22 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 이벤트 발견 방법, 장치, 기기 및 저장 매체
CN110222452A (zh) * 2019-06-14 2019-09-10 国网上海市电力公司 基于大数据关联挖掘的油浸式变压器故障推演可视化系统
CN110738352A (zh) * 2019-09-12 2020-01-31 武汉儒松科技有限公司 基于故障大数据的维修派单管理方法、装置、设备及介质
CN111324637A (zh) * 2020-02-05 2020-06-23 北京工业大数据创新中心有限公司 一种工业时序数据的故障征兆搜索方法及系统
CN111427934A (zh) * 2020-04-26 2020-07-17 北京工业大数据创新中心有限公司 一种异常事件及其上下文事件的关联挖掘方法及系统
CN111651505A (zh) * 2020-06-05 2020-09-11 中国民用航空厦门空中交通管理站 一种基于数据驱动的设备运行态势分析预警方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10723487B2 (en) * 2013-08-15 2020-07-28 The Boeing Company Systems and methods for detecting aircraft maintenance events and maintenance intervals

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190055027A (ko) * 2018-06-01 2019-05-22 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 이벤트 발견 방법, 장치, 기기 및 저장 매체
CN109376873A (zh) * 2018-09-11 2019-02-22 平安科技（深圳）有限公司 运维方法、装置、电子设备及计算机可读存储介质
CN110222452A (zh) * 2019-06-14 2019-09-10 国网上海市电力公司 基于大数据关联挖掘的油浸式变压器故障推演可视化系统
CN110738352A (zh) * 2019-09-12 2020-01-31 武汉儒松科技有限公司 基于故障大数据的维修派单管理方法、装置、设备及介质
CN111324637A (zh) * 2020-02-05 2020-06-23 北京工业大数据创新中心有限公司 一种工业时序数据的故障征兆搜索方法及系统
CN111427934A (zh) * 2020-04-26 2020-07-17 北京工业大数据创新中心有限公司 一种异常事件及其上下文事件的关联挖掘方法及系统
CN111651505A (zh) * 2020-06-05 2020-09-11 中国民用航空厦门空中交通管理站 一种基于数据驱动的设备运行态势分析预警方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于案例推理的故障诊断系统关联度计算;王东, 刘怀亮, 徐国华;西安电子科技大学学报(第02期);全文 *
自动变速器故障信息抽取方法研究;鬲玲;李乘宇;敬石开;王宏君;陈金梁;;现代制造工程(第11期);全文 *
融合集对分析和关联规则的变压器故障诊断方法;谢龙君;李黎;程勇;卢明;姜立秋;腾云;;中国电机工程学报(第02期);全文 *

Also Published As

Publication number Publication date
CN112257423A (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN115619383B (zh) 一种基于知识图谱的故障诊断方法、装置及计算设备
Xu et al. Framework of a product lifecycle costing system
US20110060712A1 (en) Method and system for design check knowledge construction
CN112257423B (zh) 一种设备征兆信息获取方法、装置和设备运维系统
Banduka et al. Using 80/20 principle to improve decision making at PFMEA
Zhou et al. D-bot: Database diagnosis system using large language models
Ameri et al. Ontological conceptualization based on the SKOS
CN112256830B (zh) 一种设备排查信息获取方法、装置和设备故障排查系统
CN111078988A (zh) 一种电力服务信息热点检索方法、装置和电子设备
Luo et al. Convolutional Neural Network Algorithm–Based Novel Automatic Text Classification Framework for Construction Accident Reports
JP2017068418A (ja) 計画支援システム及び計画支援方法
CN115937881A (zh) 一种知识图谱构建标准表格内容自动识别方法
CN115617689A (zh) 一种基于cnn模型和领域特征的软件缺陷定位方法
Liu et al. Knowledge Graph Construction and Application of Spatial Arrangement of Underground Powerhouse
CN114461735A (zh) 工矿数据分级分类方法、装置和计算机设备
CN115344661A (zh) 设备停机诊断方法、装置、电子设备及存储介质
CN110442716B (zh) 智能文本数据处理方法和装置、计算设备、存储介质
CN113157795A (zh) 适用于移动应用的电网调控运行多源数据建模与管理系统
Tezel et al. Analysis of BIM-FM integration using a science mapping approach
CN112015717A (zh) 一种用于基于bs架构的电力技术标准系统及其开发方法
CN112734226A (zh) 一种电力客服业务的数据资产管理方法
Morar et al. Data mining and knowledge reuse for the initial systems design and manufacturing: Aero-engine service risk drivers
JP2021060807A (ja) プログラミング支援装置及びプログラミング支援方法
CN115619090B (zh) 一种基于模型和数据驱动的安全评估方法
Firdaus et al. Implementation of Document Management System using Levenshtein Distance Algorithm

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