CN115860717A - 一种基于知识图谱的故障诊断方法、装置及电子设备 - Google Patents
一种基于知识图谱的故障诊断方法、装置及电子设备 Download PDFInfo
- Publication number
- CN115860717A CN115860717A CN202211528234.4A CN202211528234A CN115860717A CN 115860717 A CN115860717 A CN 115860717A CN 202211528234 A CN202211528234 A CN 202211528234A CN 115860717 A CN115860717 A CN 115860717A
- Authority
- CN
- China
- Prior art keywords
- fault
- entity
- phenomenon
- pointing
- description information
- 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.)
- Pending
Links
Images
Abstract
本公开提供了一种基于知识图谱的故障诊断方法、装置及电子设备,通过获取故障描述信息;识别故障描述信息中是否存在故障现象实体,若不存在,则确定故障描述信息对应的现象指向实体以及故障部件实体;根据故障部件实体,或故障部件实体和现象指向实体,在预设的故障知识图谱中搜索与故障描述信息对应的搜索现象实体;确定故障描述信息与每个搜索现象实体之间的匹配度,筛选匹配度大于预设阈值的目标现象实体;根据故障知识图谱,确定与目标现象实体关联的故障诊断信息。可以保障故障诊断快速性与准确性,提升运维人员工作效率,进而快速完成故障设备的维修,保障企业生产效率。
Description
技术领域
本公开涉及知识图谱技术领域,具体而言,涉及一种基于知识图谱的故障诊断方法、装置及电子设备。
背景技术
由于目前众多设备自身机械结构复杂,某些设备还有特定的控制系统,这些使得设备本身各部件间往往存在着复杂的耦合关系,在高强度的生产运行环境下,设备性能会随着加工运行时长而逐渐降低,从而导致故障率逐渐增加,且故障呈现多样性,这使得维修人员往往无法快速的对设备故障做出准确的判断,需要投入大量的人力来发现故障设备与设备故障点。因此,及时发现设备故障问题并快速维修是有效提升企业生产效率,节省人力、时间成本的必备手段之一。
目前,设备的故障诊断方法具体可分为基于信号的处理方法、基于神经网络的故障诊断方法与基于专家经验的故障诊断方法。基于信号的处理方法由于没有精确的数学模型,使得其对早期潜在的故障诊断能力不足,且针对与复杂设备而言,其信号采集往往存在一定的困难,且很难解决高耦合设备的故障诊断问题,通用性较差,仅适用于某些结构相对单一的重点设备部件。基于人工智能的故障诊断方法往往网络结构实现困难,算法的实现也较为复杂,同时很难分析训练获得的模型的具体性能。基于专家经验的故障诊断方法将专家对故障各种形态的长期积累所形成的知识转换成各种判定规则,从而来完成设备的故障诊断。这种方法富有逻辑性判断、可信度高且规则易于增加和删除。但此类方法知识有局限性、获取困难。
发明内容
本公开实施例至少提供一种基于知识图谱的故障诊断方法、装置及电子设备,可以保障故障诊断快速性与准确性,提升运维人员工作效率,进而快速完成故障设备的维修,保障企业生产效率。
本公开实施例提供了一种基于知识图谱的故障诊断方法,包括:
获取故障描述信息;
识别所述故障描述信息中是否存在故障现象实体,若不存在,则确定所述故障描述信息对应的现象指向实体以及故障部件实体;
根据所述现象指向实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体;
确定所述故障描述信息与每个所述搜索现象实体之间的匹配度,筛选所述匹配度大于预设阈值的目标现象实体;
根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息。
一种可选的实施方式中,基于以下步骤构建所述故障知识图谱:
将设备故障知识域划分为多个实体类型,其中,所述实体类型包括:所述故障部件实体、所述故障现象实体以及故障原因实体、故障维修实体;
根据历史设备故障数据,确定每个所述历史设备故障数据对应的历史故障属性信息,其中,故障属性信息包括:故障部件信息、故障现象信息、故障原因信息以及故障维修信息;
为每个所述故障属性信息配置对应的实体类型,并配置所述实体类型之间的实体关联关系;
根据所述历史故障属性信息以及所述实体关联关系,构建所述故障知识图谱。
一种可选的实施方式中,在所述根据所述历史故障属性信息以及所述实体关联关系,构建所述故障知识图谱之后,所述方法还包括:
确定所述故障现象实体对应的关键词信息,将所述关键词信息定义为所述现象指向实体;
针对每个所述现象指向实体,确定该现象指向实体在所述故障现象实体中的出现次数,根据所述出现次数,为该现象指向实体配置与对应所述故障现象实体之间的现象指向权重。
一种可选的实施方式中,基于以下步骤配置所述实体关联关系:
为所述故障部件实体与所述故障现象实体之间配置现象发生关系,用于表示所述故障部件实体发生了所述故障现象实体对应的故障现象;
为所述故障原因实体与所述故障现象实体之间配置因果关系,用于表示所述故障现象因所述故障原因实体而出现;
为所述故障维修实体与所述故障现象实体之间配置处理手段关系,用于表示所述故障维修实体为解决所述故障现象的处理手段;
为所述故障维修实体与所述故障原因实体之间配置问题解决关系,用于表示所述故障维修实体为解决所述故障原因实体对应的问题。
一种可选的实施方式中,所述根据所述故障部件实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体,具体包括:
确定所述故障描述信息中是否存在所述故障部件实体;
若存在,则根据所述故障部件实体,在所述故障知识图谱中确定与所述故障部件实体相关联的目标子图;
根据所述现象指向实体,在所述目标子图中搜索与所述现象指向实体相关联的所述搜索现象实体;
若不存在,则根据所述现象指向实体,在所述故障知识图谱中搜索与所述现象指向实体相关联的所述搜索现象实体。
一种可选的实施方式中,基于以下步骤确定所述故障描述信息与每个所述搜索现象实体之间的匹配度:
将所述故障描述信息进行分词处理,确定所述故障描述信息所包括的目标词汇集合;
针对每个所述搜索现象实体,确定该搜索现象实体相关联的搜索指向实体与该搜索现象实体之间的第一现象指向权重集合;
确定所述搜索指向实体中,与所述现象指向实体相匹配的目标指向实体;
确定所述目标指向实体与所述搜索现象实体之间的第二现象指向权重集合;
根据所述目标词汇集合、所述第一现象指向权重集合以及所述第二现象指向权重集合,确定所述匹配度。
一种可选的实施方式中,在所述根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息之后,所述方法还包括:
确定所述故障描述信息中是否存在新增设备故障数据;
若存在,则确定新增新发设备故障数据对应的新增故障属性信息;
为每个所述新增故障属性信息配置对应的所述实体类型,根据所述历史故障属性信息、所述新增故障属性信息以及所述实体关联关系,更新所述故障知识图谱。
本公开实施例还提供一种基于知识图谱的故障诊断装置,所述装置包括:
获取模块,用于获取故障描述信息;
识别模块,用于识别所述故障描述信息中是否存在故障现象实体,若不存在,则确定所述故障描述信息对应的现象指向实体以及故障部件实体;
搜索模块,用于根据所述现象指向实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体;
匹配度确定模块,用于确定所述故障描述信息与每个所述搜索现象实体之间的匹配度,筛选所述匹配度大于预设阈值的目标现象实体;
诊断模块,用于根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息。
本公开实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述故障诊断方法,或上述故障诊断方法中任一种可能的实施方式中的步骤。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述故障诊断方法,或上述故障诊断方法中任一种可能的实施方式中的步骤。
本公开实施例还提供一种计算机程序产品,包括计算机程序/指令,该计算机程序、指令被处理器执行时实现上述故障诊断方法,或上述故障诊断方法中任一种可能的实施方式中的步骤。
本公开实施例提供的一种基于知识图谱的故障诊断方法、装置及电子设备,通过获取故障描述信息;识别故障描述信息中是否存在故障现象实体,若不存在,则确定故障描述信息对应的现象指向实体以及故障部件实体;根据故障部件实体,或故障部件实体和现象指向实体,在预设的故障知识图谱中搜索与故障描述信息对应的搜索现象实体;确定故障描述信息与每个搜索现象实体之间的匹配度,筛选匹配度大于预设阈值的目标现象实体;根据故障知识图谱,确定与目标现象实体关联的故障诊断信息。可以保障故障诊断快速性与准确性,提升运维人员工作效率,进而快速完成故障设备的维修,保障企业生产效率。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种基于知识图谱的故障诊断方法的流程图;
图2示出了本公开实施例所提供的另一种基于知识图谱的故障诊断方法的流程图;
图3示出了本公开实施例所提供的一种基于知识图谱的故障诊断装置的示意图;
图4示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”,仅仅是描述一种关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
经研究发现,设备的故障诊断方法具体可分为基于信号的处理方法、基于神经网络的故障诊断方法与基于专家经验的故障诊断方法。基于信号的处理方法由于没有精确的数学模型,使得其对早期潜在的故障诊断能力不足,且针对与复杂设备而言,其信号采集往往存在一定的困难,且很难解决高耦合设备的故障诊断问题,通用性较差,仅适用于某些结构相对单一的重点设备部件。基于人工智能的故障诊断方法往往网络结构实现困难,算法的实现也较为复杂,同时很难分析训练获得的模型的具体性能。基于专家经验的故障诊断方法将专家对故障各种形态的长期积累所形成的知识转换成各种判定规则,从而来完成设备的故障诊断。这种方法富有逻辑性判断、可信度高且规则易于增加和删除。但此类方法知识有局限性、获取困难。
基于上述研究,本公开提供了一种基于知识图谱的故障诊断方法、装置及电子设备,通过获取故障描述信息;识别故障描述信息中是否存在故障现象实体,若不存在,则确定故障描述信息对应的现象指向实体以及故障部件实体;根据故障部件实体,或故障部件实体和现象指向实体,在预设的故障知识图谱中搜索与故障描述信息对应的搜索现象实体;确定故障描述信息与每个搜索现象实体之间的匹配度,筛选匹配度大于预设阈值的目标现象实体;根据故障知识图谱,确定与目标现象实体关联的故障诊断信息。可以保障故障诊断快速性与准确性,提升运维人员工作效率,进而快速完成故障设备的维修,保障企业生产效率。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种基于知识图谱的故障诊断方法进行详细介绍,本公开实施例所提供的基于知识图谱的故障诊断方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该故障诊断方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示,为本公开实施例提供的一种基于知识图谱的故障诊断方法的流程图,所述方法包括步骤S101~S105,其中:
S101、获取故障描述信息。
在具体实施中,当设备发生故障时,首先获取用户输入的故障描述信息,故障描述信息可以为描述设备发生故障的描述性文本或者描述性语音,当故障描述信息为描述性语音时,可以采用语音识别将描述性语音转换为文本形式。
这里,用户可以通过语音输入或者文本输入故障描述信息。
进一步的,针对用户输入的故障描述信息进行文本预处理,其中,文本预处理包括:无用字符剔除、中英文分离、繁体中文转换、同义词替换等。将经过文本预处理后的故障描述信息进行分词与去停用词处理,得到一个词汇列表。
S102、识别所述故障描述信息中是否存在故障现象实体,若不存在,则确定所述故障描述信息对应的现象指向实体以及故障部件实体。
在具体实施中,针对经过分词与停用词处理后的故障描述信息进行实体识别,确定故障描述信息中是否存在故障现象实体,若不存在,则确定所述故障描述信息对应的现象指向实体以及故障部件实体。
这里,在实体识别的过程中,首先识别故障描述信息中是否存在故障现象实体,若不存在,则进一步识别故障描述信息中是否存在现象指向实体,当故障描述信息中存在现象指向实体,则进一步识别故障描述信息中是否存在故障部件实体。
其中,故障部件实体对应描述设备的具体部件;故障现象实体对应描述断裂、磨损、响声、报警号等具体的故障现象;现象指向实体为故障现象实体对应的指向关键词,该关键词可以指向对应的设备故障现象,通过将故障现象实体进行分词、去停用词处理后获得,例如:针对“柴油机负荷过大”这一设备故障现象实体,对应的现象指向实体可以为:“柴油机”、“负荷”、“过大”三者。
进一步的,针对每个故障现象实体,需要为该故障现象实体对应的每个现象指向实体配置对应的现象指向权重。
其中,现象指向权重可以为每个现象指向实体对应的词汇在故障现象实体中出现的次数,例如:针对“柴油机负荷过大”这一设备故障现象实体,对应的现象指向实体可以为:“柴油机”、“负荷”、“过大”三者,由于“柴油机”、“负荷”、“过大”均在故障现象实体中出现一次,因此,“柴油机”、“负荷”、“过大”这三个现象指向实体对应的现象指向权重均为1。
需要说明的是,若故障描述信息中存在故障现象实体,则直接根据故障描述信息中存在的故障现象实体,在预设的故障知识图谱中搜索与该故障现象实体相关联的故障诊断信息,并将故障诊断信息以图谱或文本等形式反馈至用户;若故障描述信息中不存在现象指向实体,则向用户提示无关联故障信息,并请用户重新输入故障描述信息。
S103、根据所述现象指向实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体。
在具体实施中,当用户输入的故障描述信息中不存在故障现象实体,但存在故障指向实体时,进一步判断故障描述信息中是否存在故障部件实体,若故障描述信息中存在故障部件实体,则根据故障部件实体以及故障指向实体,在预设的故障知识图谱中搜索与用户输入的故障描述信息对应的搜索现象实体;若用户输入的故障描述信息中不存在故障部件实体,则直接采用现象指向实体,从全局角度在预设的故障指示图谱中搜索出与现象指向实体相关联的故障现象实体作为搜索现象实体。
这里,搜索现象实体为故障描述信息中不存在故障现象实体的情况下,根据故障指向实体,或者故障部件实体以及现象指向实体,在预设的故障知识图谱中搜索出的预先存储于故障知识图谱中的故障现象实体。
作为一种可能的实施方式,步骤S103可以通过如下步骤S1031-步骤S1034实现:
S1031、确定所述故障描述信息中是否存在所述故障部件实体。
S1032、若存在,则根据所述故障部件实体,在所述故障知识图谱中确定与所述故障部件实体相关联的目标子图。
在具体实施中,若故障描述信息中不存在故障现象实体,但是存在现象指向实体时,若故障描述信息中进一步存在故障部件实体,则根据该故障部件实体,在预设的故障指示图普中确定出与该故障部件实体向关联的目标子图。
S1033、根据所述现象指向实体,在所述目标子图中搜索与所述现象指向实体相关联的所述搜索现象实体。
在具体实施中,在确定出的目标子图中,根据现象指向实体搜索与该现象指向实体相关联的全部故障现象实体作为搜索现象实体。
S1034、若不存在,则根据所述现象指向实体,在所述故障知识图谱中搜索与所述现象指向实体相关联的所述搜索现象实体。
在具体实施中,若故障描述信息中存在现象指向实体,但是不存在故障部件实体,此时直接通过该现象指向实体,从全局角度在故障指示图普中搜索出与该现象指向实体相关联的故障现象实体作为搜索现象实体。
作为另一种可能的实施方式,在步骤S103之后,还可以确定是否在故障知识图谱中搜索到搜索现象实体,若搜索到搜索现象实体,则进行步骤S104的操作;若未搜索到搜索现象实体,则向用户提示输入的故障描述信息为无关联故障信息,并请用户重新输入。
S104、确定所述故障描述信息与每个所述搜索现象实体之间的匹配度,筛选所述匹配度大于预设阈值的目标现象实体。
在具体实施中,根据现象指向实体,或者现象指向实体以及故障部件实体,在故障知识图谱中搜索出的相关联的搜索现象实体可能为多个,因此,需要分别确定每个搜索现象实体与用户输入的故障描述信息之间的匹配度,并将全部搜索现象实体按照匹配度大小进行排序,将匹配度大于预设阈值的搜索现象实体作为目标现象实体。
需要说明的是,匹配度对应的预设阈值可以根据实际需要进行选择,在此不做具体限制。
作为一种可能的实施方式,可以基于一下步骤S1041-步骤1045确定故障描述信息与每个搜索现象实体之间的匹配度。
S1041、将所述故障描述信息进行分词处理,确定所述故障描述信息所包括的目标词汇集合。
这里,目标词汇集合中包括了将故障描述信息进行分词后的全部词汇。
S1042、针对每个所述搜索现象实体,确定该搜索现象实体相关联的搜索指向实体与该搜索现象实体之间的第一现象指向权重集合。
这里,搜索指向实体为在故障指示图谱中,与搜索出的搜索现象实体相关联的现象指向实体。第一现象指向权重集合中包括了搜索现象实体与每个搜索指向实体之间的现象指向权重。
S1043、确定所述搜索指向实体中,与所述现象指向实体相匹配的目标指向实体。
这里,目标指向实体为搜索指向实体中与故障描述信息中的现象指向实体相匹配的现象指向实体。
S1044、确定所述目标指向实体与所述搜索现象实体之间的第二现象指向权重集合。
这里,第二现象指向权重集合中包括了搜索现象实体与每个目标指向实体之间的现象指向权重。
S1045、根据所述目标词汇集合、所述第一现象指向权重集合以及所述第二现象指向权重集合,确定所述匹配度。
具体的,可以通过以下公式计算故障描述信息与搜索现象实体之间的匹配度:
其中,p代表故障描述信息与搜索现象实体之间的匹配度;W代表第一现象指向权重集合,∑Wwi即代表第一现象指向权重集合W中所有现象指向权重之和;l代表目标词汇集合中所包括的词汇个数;代表第二现象指向权重集合,/>即代表第二现象指向权重集合/>中所有现象指向权重之和。
S105、根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息。
在具体实施中,在故障指示图谱中搜索与目标现象实体相关联的全部信息作为故障诊断信息,并以图谱或文本等形式反馈至用户。
本公开实施例提供的一种基于知识图谱的故障诊断方法,通过获取故障描述信息;识别故障描述信息中是否存在故障现象实体,若不存在,则确定故障描述信息对应的现象指向实体以及故障部件实体;根据故障部件实体,或故障部件实体和现象指向实体,在预设的故障知识图谱中搜索与故障描述信息对应的搜索现象实体;确定故障描述信息与每个搜索现象实体之间的匹配度,筛选匹配度大于预设阈值的目标现象实体;根据故障知识图谱,确定与目标现象实体关联的故障诊断信息。可以保障故障诊断快速性与准确性,提升运维人员工作效率,进而快速完成故障设备的维修,保障企业生产效率。
参见图2所示,为本公开实施例提供的另一种基于知识图谱的故障诊断方法的流程图,所述方法包括步骤S201~S204,其中:
S201、将设备故障知识域划分为多个实体类型,其中,所述实体类型包括:所述故障部件实体、所述故障现象实体以及故障原因实体、故障维修实体。
在具体实施中,结合众多设备故障案例与不同用户的信息需求,将设备故障诊断知识领域划分为故障部件实体、故障现象实体以及故障原因实体、故障维修实体四个实体类型。
其中,故障现象实体对应描述断裂、磨损、响声、报警号等具体的故障现象;故障部件实体对应描述设备的具体部件;故障原因实体对应描述设备的具体故障原因;故障维修实体对应描述每个部件对应的具体维修方式。
需要说明的是,故障部件实体之下还可以划分为多个子部件层级,用于描述部件所包括的多个子部件。
S202、根据历史设备故障数据,确定每个所述历史设备故障数据对应的历史故障属性信息,其中,故障属性信息包括:故障部件信息、故障现象信息、故障原因信息以及故障维修信息。
这里,历史设备故障数据可以选择从车间历史故障案例库、设备说明书和网络数据等方面获得的结构化、半结构化与非结构化的文本数据,针对每个历史设备故障数据,抽取每一个故障所对应的故障部件信息、故障现象信息、故障原因信息以及故障维修信息作为历史故障属性信息,并存储至结构化数据表中。
可选的,可以采用数据仓库技术以及知识抽取工具获取从历史设备故障数据中抽取历史故障属性信息。
S203、为每个所述故障属性信息配置对应的实体类型,并配置所述实体类型之间的实体关联关系。
在具体实施中,按照故障部件实体、故障现象实体以及故障原因实体、故障维修实体四个实体类型进行分类,并配置实体类型之间的实体关联关系。
具体的,可以基于以下方式配置实体关联关系:为故障部件实体与故障现象实体之间配置现象发生关系,用于表示故障部件实体发生了故障现象实体对应的故障现象;为故障原因实体与故障现象实体之间配置因果关系,用于表示故障现象因故障原因实体而出现;为故障维修实体与故障现象实体之间配置处理手段关系,用于表示故障维修实体为解决故障现象的处理手段;为故障维修实体与故障原因实体之间配置问题解决关系,用于表示故障维修实体为解决故障原因实体对应的问题。
这里,定义故障部件实体与故障现象实体之间的实体关联关系为现象发生关系(occurred);故障现象实体与故障原因实体之间的实体关联关系为因果关系(bacause);故障维修实体与故障现象实体之间实体关联关系为处理手段关系(method);故障维修实体与故障原因实体之间实体关联关系为问题解决关系(solve)。
可选的,还可以定义故障部件实体与其子部件之间关系为包含关系(have),用于表示故障部件包含其子部件。
进一步的,基于所得到的历史故障属性信息及对应的实体关联关系,即可获取三元组数据,包括:(故障部件,have,子故障部件)、(故障部件,occurred,故障现象)、(故障现象,because,故障原因)、(故障维修,method,故障现象)与(故障维修,method,故障原因)。
S204、根据所述历史故障属性信息以及所述实体关联关系,构建所述故障知识图谱。
在具体实施中,历史故障属性信息按照将实体类型及对应的实体关联关系组成的三元组数据图数据库中,即得到初步的故障知识图谱。
进一步的,在构建故障知识图谱之后,还可以进行如下步骤:确定故障现象实体对应的关键词信息,将关键词信息定义为现象指向实体;针对每个现象指向实体,确定该现象指向实体在故障现象实体中的出现次数,根据出现次数,为该现象指向实体配置与对应故障现象实体之间的现象指向权重。
这里,在初步构建完故障知识图谱后,对其中所有的故障现象实体进行细化加工,将故障现象实体进行分词、去停用词处理,获取词条集合及各词条出现次数,同时将所得词条定义为“现象指向实体”类,定义现象指向实体与对应的故障现象实体之间的关系为现象指向权重,即词条出现次数。
作为一种可能的实施方式,在向用户提供故障诊断信息之后,还可以进行如下步骤:确定故障描述信息中是否存在新增设备故障数据;若存在,则确定新增新发设备故障数据对应的新增故障属性信息;为每个新增故障属性信息配置对应的实体类型,根据历史故障属性信息、新增故障属性信息以及实体关联关系,更新故障知识图谱。
在具体实施中,在向用户提供故障诊断信息之后,获取用户针对故障诊断做出的反馈结果,其中反馈结果包括诊断有效以及诊断无效两种。若诊断结果有效,则判断用户输入的故障描述信息中是否存在新增故障现象;若存在新增故障现象,则获取与之关联的故障原因实体、故障部件实体以及故障维修实体,并添加相应的实体与关系(包括新故障现象实体,新故障现象实体与故障原因、故障部件与故障维修实体之间的关系)至故障知识图谱。
进一步的,对新故障现象进行加工,提取其对应的现象指向实体与现象指向权重,并更新至设备故障知识图谱;若诊断结果无效,则判断其是否为出现新设备故障,若是,则引导用户在解决问题后完善故障属性信息(故障部件、故障现象、故障原因与故障维护),并提取故障知识(三元组数据组),并将新故障属性信息添加至设备故障知识图谱。
本公开实施例提供的一种基于知识图谱的故障诊断方法,通过获取故障描述信息;识别故障描述信息中是否存在故障现象实体,若不存在,则确定故障描述信息对应的现象指向实体以及故障部件实体;根据故障部件实体,或故障部件实体和现象指向实体,在预设的故障知识图谱中搜索与故障描述信息对应的搜索现象实体;确定故障描述信息与每个搜索现象实体之间的匹配度,筛选匹配度大于预设阈值的目标现象实体;根据故障知识图谱,确定与目标现象实体关联的故障诊断信息。可以保障故障诊断快速性与准确性,提升运维人员工作效率,进而快速完成故障设备的维修,保障企业生产效率。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与上述故障诊断方法对应的故障诊断装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述故障诊断方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
请参阅图3,图3为本公开实施例提供的一种基于知识图谱的故障诊断装置的示意图。如图3中所示,本公开实施例提供的故障诊断装置300包括:
获取模块310,用于获取故障描述信息;
识别模块320,用于识别所述故障描述信息中是否存在故障现象实体,若不存在,则确定所述故障描述信息对应的现象指向实体以及故障部件实体;
搜索模块330,用于根据所述现象指向实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体;
匹配度确定模块340,用于确定所述故障描述信息与每个所述搜索现象实体之间的匹配度,筛选所述匹配度大于预设阈值的目标现象实体;
诊断模块350,用于根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
本公开实施例提供的一种基于知识图谱的故障诊断装置,通过获取故障描述信息;识别故障描述信息中是否存在故障现象实体,若不存在,则确定故障描述信息对应的现象指向实体以及故障部件实体;根据故障部件实体,或故障部件实体和现象指向实体,在预设的故障知识图谱中搜索与故障描述信息对应的搜索现象实体;确定故障描述信息与每个搜索现象实体之间的匹配度,筛选匹配度大于预设阈值的目标现象实体;根据故障知识图谱,确定与目标现象实体关联的故障诊断信息。可以保障故障诊断快速性与准确性,提升运维人员工作效率,进而快速完成故障设备的维修,保障企业生产效率。
对应于图1与图2中的故障诊断方法,本公开实施例还提供了一种电子设备400,如图4所示,为本公开实施例提供的电子设备400结构示意图,包括:
处理器41、存储器42、和总线43;存储器42用于存储执行指令,包括内存421和外部存储器422;这里的内存421也称内存储器,用于暂时存放处理器41中的运算数据,以及与硬盘等外部存储器422交换的数据,处理器41通过内存421与外部存储器422进行数据交换,当所述电子设备400运行时,所述处理器41与所述存储器42之间通过总线43通信,使得所述处理器41执行图1与图2中的故障诊断方法的步骤。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的故障诊断方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品,该计算机程序产品包括有计算机指令,所述计算机指令被处理器执行时可以执行上述方法实施例中所述的故障诊断方法的步骤,具体可参见上述方法实施例,在此不再赘述。
其中,上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于知识图谱的故障诊断方法,其特征在于,包括:
获取故障描述信息;
识别所述故障描述信息中是否存在故障现象实体,若不存在,则确定所述故障描述信息对应的现象指向实体以及故障部件实体;
根据所述现象指向实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体;
确定所述故障描述信息与每个所述搜索现象实体之间的匹配度,筛选所述匹配度大于预设阈值的目标现象实体;
根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息。
2.根据权利要求1所述的方法,其特征在于,基于以下步骤构建所述故障知识图谱:
将设备故障知识域划分为多个实体类型,其中,所述实体类型包括:所述故障部件实体、所述故障现象实体以及故障原因实体、故障维修实体;
根据历史设备故障数据,确定每个所述历史设备故障数据对应的历史故障属性信息,其中,故障属性信息包括:故障部件信息、故障现象信息、故障原因信息以及故障维修信息;
为每个所述故障属性信息配置对应的实体类型,并配置所述实体类型之间的实体关联关系;
根据所述历史故障属性信息以及所述实体关联关系,构建所述故障知识图谱。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述历史故障属性信息以及所述实体关联关系,构建所述故障知识图谱之后,所述方法还包括:
确定所述故障现象实体对应的关键词信息,将所述关键词信息定义为所述现象指向实体;
针对每个所述现象指向实体,确定该现象指向实体在所述故障现象实体中的出现次数,根据所述出现次数,为该现象指向实体配置与对应所述故障现象实体之间的现象指向权重。
4.根据权利要求2所述的方法,其特征在于,基于以下步骤配置所述实体关联关系:
为所述故障部件实体与所述故障现象实体之间配置现象发生关系,用于表示所述故障部件实体发生了所述故障现象实体对应的故障现象;
为所述故障原因实体与所述故障现象实体之间配置因果关系,用于表示所述故障现象因所述故障原因实体而出现;
为所述故障维修实体与所述故障现象实体之间配置处理手段关系,用于表示所述故障维修实体为解决所述故障现象的处理手段;
为所述故障维修实体与所述故障原因实体之间配置问题解决关系,用于表示所述故障维修实体为解决所述故障原因实体对应的问题。
5.根据权利要求1所述的方法,其特征在于,所述根据所述故障部件实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体,具体包括:
确定所述故障描述信息中是否存在所述故障部件实体;
若存在,则根据所述故障部件实体,在所述故障知识图谱中确定与所述故障部件实体相关联的目标子图;
根据所述现象指向实体,在所述目标子图中搜索与所述现象指向实体相关联的所述搜索现象实体;
若不存在,则根据所述现象指向实体,在所述故障知识图谱中搜索与所述现象指向实体相关联的所述搜索现象实体。
6.根据权利要求1所述的方法,其特征在于,基于以下步骤确定所述故障描述信息与每个所述搜索现象实体之间的匹配度:
将所述故障描述信息进行分词处理,确定所述故障描述信息所包括的目标词汇集合;
针对每个所述搜索现象实体,确定该搜索现象实体相关联的搜索指向实体与该搜索现象实体之间的第一现象指向权重集合;
确定所述搜索指向实体中,与所述现象指向实体相匹配的目标指向实体;
确定所述目标指向实体与所述搜索现象实体之间的第二现象指向权重集合;
根据所述目标词汇集合、所述第一现象指向权重集合以及所述第二现象指向权重集合,确定所述匹配度。
7.根据权利要求2所述的方法,其特征在于,在所述根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息之后,所述方法还包括:
确定所述故障描述信息中是否存在新增设备故障数据;
若存在,则确定新增新发设备故障数据对应的新增故障属性信息;
为每个所述新增故障属性信息配置对应的所述实体类型,根据所述历史故障属性信息、所述新增故障属性信息以及所述实体关联关系,更新所述故障知识图谱。
8.一种基于知识图谱的故障诊断装置,其特征在于,包括:
获取模块,用于获取故障描述信息;
识别模块,用于识别所述故障描述信息中是否存在故障现象实体,若不存在,则确定所述故障描述信息对应的现象指向实体以及故障部件实体;
搜索模块,用于根据所述现象指向实体,或所述故障部件实体和所述现象指向实体,在预设的故障知识图谱中搜索与所述故障描述信息对应的搜索现象实体;
匹配度确定模块,用于确定所述故障描述信息与每个所述搜索现象实体之间的匹配度,筛选所述匹配度大于预设阈值的目标现象实体;
诊断模块,用于根据所述故障知识图谱,确定与所述目标现象实体关联的故障诊断信息。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一项所述的故障诊断方法的步骤。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7中任一项所述的故障诊断方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211528234.4A CN115860717A (zh) | 2022-11-30 | 2022-11-30 | 一种基于知识图谱的故障诊断方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211528234.4A CN115860717A (zh) | 2022-11-30 | 2022-11-30 | 一种基于知识图谱的故障诊断方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860717A true CN115860717A (zh) | 2023-03-28 |
Family
ID=85668743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211528234.4A Pending CN115860717A (zh) | 2022-11-30 | 2022-11-30 | 一种基于知识图谱的故障诊断方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860717A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116644810A (zh) * | 2023-05-06 | 2023-08-25 | 国网冀北电力有限公司信息通信分公司 | 一种基于知识图谱实现的电网故障风险处置方法及装置 |
CN117252351A (zh) * | 2023-11-20 | 2023-12-19 | 上海熠源数据科技有限公司 | 基于ai大模型的生产质量辅助决策方法及系统 |
CN117271779A (zh) * | 2023-11-17 | 2023-12-22 | 深圳市信润富联数字科技有限公司 | 大模型结合知识图谱的故障分析方法及相关设备 |
-
2022
- 2022-11-30 CN CN202211528234.4A patent/CN115860717A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116644810A (zh) * | 2023-05-06 | 2023-08-25 | 国网冀北电力有限公司信息通信分公司 | 一种基于知识图谱实现的电网故障风险处置方法及装置 |
CN116644810B (zh) * | 2023-05-06 | 2024-04-05 | 国网冀北电力有限公司信息通信分公司 | 一种基于知识图谱实现的电网故障风险处置方法及装置 |
CN117271779A (zh) * | 2023-11-17 | 2023-12-22 | 深圳市信润富联数字科技有限公司 | 大模型结合知识图谱的故障分析方法及相关设备 |
CN117252351A (zh) * | 2023-11-20 | 2023-12-19 | 上海熠源数据科技有限公司 | 基于ai大模型的生产质量辅助决策方法及系统 |
CN117252351B (zh) * | 2023-11-20 | 2024-02-02 | 上海熠源数据科技有限公司 | 基于ai大模型的生产质量辅助决策方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11544459B2 (en) | Method and apparatus for determining feature words and server | |
CN115860717A (zh) | 一种基于知识图谱的故障诊断方法、装置及电子设备 | |
US20200081899A1 (en) | Automated database schema matching | |
US20210209416A1 (en) | Method and apparatus for generating event theme | |
CN113792154B (zh) | 故障关联关系的确定方法、装置、电子设备及存储介质 | |
CN112148843B (zh) | 文本处理方法、装置、终端设备和存储介质 | |
CN113987190B (zh) | 一种数据质量校验规则提取方法及系统 | |
CN113128209B (zh) | 用于生成词库的方法及装置 | |
CN111179115A (zh) | 故障处理辅助决策方法、装置、存储介质及电子设备 | |
CN109144964A (zh) | 基于机器学习的日志解析方法和装置 | |
KR20220064016A (ko) | 빅데이터를 활용한 데이터마이닝기반 건설사고 객체정보 추출 방법 | |
CN112613176A (zh) | 慢sql语句预测方法及系统 | |
CN112612810A (zh) | 慢sql语句识别方法及系统 | |
CN116955856A (zh) | 信息展示方法、装置、电子设备以及存储介质 | |
CN114610955A (zh) | 一种智能检索方法、装置、电子设备及存储介质 | |
KR20220024251A (ko) | 이벤트 라이브러리를 구축하는 방법 및 장치, 전자 기기, 및 컴퓨터 판독가능 매체 | |
CN109785099B (zh) | 一种自动对业务数据信息进行处理的方法及系统 | |
CN111078671A (zh) | 数据表字段的修改方法、装置、设备和介质 | |
CN113971216B (zh) | 数据处理方法、装置、电子设备和存储器 | |
CN113032581B (zh) | 更新产品列表的方法和装置 | |
CN116361517B (zh) | 一种企业字号查重方法、装置、设备和介质 | |
CN111414531B (zh) | 事件的搜索方法、装置和电子设备 | |
CN116089465A (zh) | 基于匹配规则的数据生成方法和装置 | |
US20220318503A1 (en) | Method and apparatus for identifying instruction, and screen for voice interaction | |
CN116911278A (zh) | 一种词语挖掘方法、装置、电子设备及存储介质 |
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 |