CN117573881A - 航天器控制推进系统在轨故障知识图谱的构建与应用方法 - Google Patents
航天器控制推进系统在轨故障知识图谱的构建与应用方法 Download PDFInfo
- Publication number
- CN117573881A CN117573881A CN202311498523.9A CN202311498523A CN117573881A CN 117573881 A CN117573881 A CN 117573881A CN 202311498523 A CN202311498523 A CN 202311498523A CN 117573881 A CN117573881 A CN 117573881A
- Authority
- CN
- China
- Prior art keywords
- orbit
- fault
- knowledge graph
- data
- propulsion system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 10
- 238000000547 structure data Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000036541 health Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009668 long-life test Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/367—Ontology
-
- 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
- G06F16/33—Querying
- G06F16/332—Query formulation
-
- 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
- G06F16/34—Browsing; Visualisation therefor
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
航天器控制推进系统在轨故障知识图谱的构建与应用方法，包括如下步骤：步骤S1，定知识图谱数据源：航天器控制推进系统在轨故障知识图谱据源分为三类八种数据：在轨操作指令单、在轨卫星状态库、在轨状态记录、各层级电子数据包、在轨归零报告、在轨问题分析报告。步骤S2，对步骤S1的三类八种数据源进行知识抽取得到知识三元组。步骤S3，将步骤S2得到的三元组依靠NEO4J数据库表示和存储，构建知识图谱本体并进行知识图谱可视化。步骤S4，利用S3得到的知识图谱本体进行故障定位应用。步骤S5，利用S3得到的知识图谱本体进行故障溯源应用。步骤S6，将新发生的故障数据实时录入更新航天器控制推进系统在轨知识图谱，进行完善和升级。
Description
技术领域
本发明涉及空间航天器的在轨故障诊断方法，具体涉及一种航天器控制推进系统在轨故障知识图谱的构建与应用方法。
背景技术
根据美国忧思联盟UCS(UCS Satellite Database)提供的数据，截至2020年7月31日，地球轨道上现有世界各国共2787颗人造地球卫星正在提供在轨服务。而电子工程、宇航技术、计算机领域等航天科技的快速发展，极大地推动了航天产业的规模化、标准化、商业化进程。近年来世界各国以STARLINK为代表的商业航天星座计划在竞速进行，中国的国网星座、五云工程及各商业航天公司的通信、导航、遥感星座建立也已经进入实际操作阶段。预计五年内，在轨卫星数量会大幅增加。而海量的在轨卫星将给卫星日常在轨维护和业务管理工作提出严峻的挑战。控制及推进系统是卫星姿态和轨道控制的核心，是卫星正常执行业务的保障。卫星部件故障或因操作不当导致的系统异常会直接威胁卫星的在轨安全，严重时会导致整星报废。传统的在轨单星健康管理方法显然不能适应当前型号任务激增的新形势和大规模星座群建立的新需求，寻求一种在轨卫星控制及推进系统的健康管理监视与故障快速诊断新方法已迫在眉睫。控制系统在轨卫星健康管理技术一直是国内外宇航业研究的重点。根据1985年至今的国内外在轨卫星发生的短期业务中断或失效统计数据，约25％-30％的在轨故障问题是由卫星姿轨控系统造成，而姿轨控系统发生的故障中约90％可分析定位为常见故障模式。人造地球卫星是复杂的系统工程产物，卫星整星由各个子系统组成，各个子系统由实现系统功能的多类单机产品组成。现有的航天器健康管理方法往往通过监视遥测模拟量范围超限或状态量跳变识别判断出部件异常，仅定位出部件故障发生，而没有对故障进行深入溯源，未充分利用数据包数据回溯分析该部件在单机研制、分系统测试、整星测试及在轨应用整个生产链过程中某个阶段、操作或工艺工序存在问题，从而难以为故障问题的在轨处置和后续型号的研制提供故障知识信息。与此同时，当前航天器健康管理中广泛采用指令单对在轨卫星控制推进分系统操作，这些指令单包含了控制及推进系统关键的状态信息，大量已发送的指令单仅作为WORD文档存放，对于这些在轨操作数据使用带来了极度不便；最后，卫星在轨故障现象及原因分析仅描述于归零报告或问题分析说明中，难以汇总成一类统一的知识体系进行知识迁移，相关故障分析等知识获取困难，数据关联性和自学习性差，给后续卫星研制带来了很大的不变。
知识图谱是一类基于图结构的智能数据模型，同时包含了图的结构信息和属性信息，能够更好地表示现实生活中的复杂关系。知识图谱不仅能够根据实际情况随时更新数据，还可进行存储、查询、推理、挖掘等一系列操作，广泛应用于大规模数据分析。针对当前在轨管理方法面对归零报告或故障分析报告可学习性差、在轨指令单无法利用、问题溯源时部件各阶段数据量大但利用率低下等问题，提出一种专业领域知识图谱构建与应用方法并用NEO4J案例说明知识图谱的在轨应用价值。知识图谱的引入不仅能动态地汇总归零报告或问题分析报告中的故障现象，同时通过建立数据关联构建知识体系，大大提升了部件数据包内各阶段数据利用率，从而方便快速地对故障问题溯源，更好地适应当前在轨健康管理的新形势。控制推进分系统单机的知识图谱数据管理和挖掘能够提供一种行之有效的方法，项目设计案例证明了知识图谱技术在卫星故障定位、处理、溯源领域的可行性，优越性。
传统的方法存在以下问题：
1、在轨故障现象描述仅存储于归零报告或问题分析报告中；
2、大量的已发送的指令单仅作为WORD文档存放；
3、部件电子数据包信息量大但知识关联少，导致庞大数据的利用率底下问题
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了航天器控制推进系统在轨故障知识图谱的构建与应用方法，解决前述的问题。
本发明的技术解决方案是：航天器控制推进系统在轨故障知识图谱的构建与应用方法，包括：
确定航天器控制推进系统在轨故障知识图谱据源；
对所述航天器控制推进系统在轨故障知识图谱据源进行知识抽取得到知识三元组；
将知识三元组进行数据库表示和存储，构造知本体后识图谱；
使用图谱本体进行故障定位应用、故障溯源应用。
进一步地，所述航天器控制推进系统在轨故障知识图谱据源包括三类数据；
第一类数据包括在轨操作指令单结构数据，用于记录在轨操作发送的指令单；
第二类数据包括在轨卫星状态库结构数据、在轨状态记录半结构数据、各卫星部件电子数据包半结构数据，分别用于记录在轨卫星各产品名称型号编号批次号、在轨卫星状态、产品由零部件到单机到分系统的各种数据；
第三类数据包括在轨归零报告非结构数据、在轨问题分析报告非结构数据、在轨问题分析说明非结构数据、在轨问题记录非结构数据，分别用于记录在轨归零报告、在轨出现重复问题时的问题分析报告、在轨出现影响时的分析说明、设计师的在轨问题处理笔记。
进一步地，非结构数据由人工进行知识抽取，半结构数据由聚类方法进行知识抽取。
进一步地，所述知识三元组的关系序列包括：<主语>--<谓语>--<宾语>、<主语>--<属性>--<值>。
进一步地，所述数据库包括NEO4J数据库。
进一步地，所述故障定位应用包括：
输入故障名称，匹配得到故障现象、故障等级、故障分析、故障溯源；
利用故障现象、故障等级、故障分析进行故障定位。
进一步地，所述故障现象为星上遥测数值超出设计指标门限现象；
所述故障等级包括根据在轨故障分级表将故障分为的相应级别。
所述故障分析包括故障发生的原因。
进一步地，还包括：将新发生的航天器控制推进系统在轨故障数据实时录入更新知本体后识图谱，进行完善和升级。
一种计算机可读存储介质，所述的计算机可读存储介质存储有计算机程序，所述的计算机程序被处理器执行时实现所述航天器控制推进系统在轨故障知识图谱的构建与应用方法的步骤。
航天器控制推进系统在轨故障知识图谱的构建与应用设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时实现所述航天器控制推进系统在轨故障知识图谱的构建与应用方法的步骤。
本发明提供的航天器控制推进系统在轨故障知识图谱的构建与应用方法，针对在轨故障现象、故障分析、故障溯源、故障处理问题提出并设计了一种领域知识图谱构建和应用方法，提高了数据使用率；提高了知识关联度；提高故障溯源的粗糙度。本发明与现有技术相比的优点在于：
(1)本发明方法将包含指令单等在内的在轨特征信息、电子数据包、归零报告与问题分析等各阶段各部件数据进行分类和格式化，通过知识抽取对实体和关系进行知识融合，构建具有强数据关联性的知识图谱，不仅提高了诊断数据的可用性和使用率，同时提高了知识关联度，方便大数据挖掘和后续故障数据处理；
(2)本发明方法采用NEO4J数据库存储从数据中抽取的三元组关系，能够进行知识图谱的可视化表示，快速帮助在轨管理人员进行故障定位，并直接生成处理指令单，为后续在轨实施操作提供依据；；
(3)本发明方法能够利用图谱本体进行故障溯源应用，通过数据关联寻找产生问题的关联底层事件进行故障溯源，减少线下专家资源浪费，提高了故障处理时效，增加了卫星的可靠性、安全性；。
(4)本发明方法适用于各类微型在轨健康管理和故障处置，考虑了工程实际的各种约束条件，处理海量数据能力强，可扩展性高，便于进行后续知识图谱完善和升级，满足实际在轨需求。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明方法流程示意图；
图2为本发明决策支持和故障知识图谱示例图；
图3为本发明故障溯源图谱示例图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
以下结合说明书附图对本申请实施例所提供的航天器控制推进系统在轨故障知识图谱的构建与应用方法做进一步详细的说明，具体实现方式可以包括(如图1所示)：
步骤S1：确定知识图谱数据源：航天器控制推进系统在轨故障知识图谱据源分为三类八种数据，如表1所示：
表1航天器控制推进系统在轨故障知识图谱数据源
步骤S2：对步骤S1的三类八种数据源进行知识抽取得到知识三元组：
非结构化数据和半结构化数据必须经过知识抽取层才可以使用；结构化数据属于已知定格式数据，存放在各种数据库中，可以在架构知识图谱时直接使用。
在日常科研生产中发生的质量类问题的记录大多是纸制非结构型数据，必须经过知识抽取。结构数据存储在XLS中，可以直接抽取使用。非结构的第三类数据源基于在轨各型号拥有不同的在轨责任人，所以将固定表格定义后下发给在轨责任人，由责任人进行人工知识抽取。半结构化的电子数据包则使用聚类算法进行知识抽取。
知识抽取后进行三元组关系抽取定义如下：<主语>--<谓语>--<宾语>或<主语>--<属性>--<值>知识抽取后如表2所示：
表2三元组关系示例
A步骤S3：将三元组依靠NEO4J数据库表示和存储，构造知识图谱进行可视化：
将识别出来的实体和关系进行知识的融合。然后，采用第三方数据库NEO4J对知识进行表示和存储，NEO4J存储关系类知识和属性类知识。知识融合中的实体对齐：简单的说就是对知识抽取出来的同义词进行语义对齐例如：“反作用轮”是“动量轮”也是“飞轮”同时是“轮子”，这是因为知识图谱的架构需要融合S1中不同来源的数据。知识融合层需要建立图谱本体概念。本体抽取：一个本体就是特定领域或根本存在的实体的类型、属性、相互关系的一个正式的命名和定义。进行质量评估：质量评估是指对知识图谱中知识的质量进行评估，可以从四方面概扩即知识的准确性、时效性、完整性和一致性。本方法采用专家评审法进行本体抽取和质量评估。
步骤S4：知识图谱故障定位应用
利用步骤S3构造知本体后识图谱，可使用图谱本体进行故障定位应用。输入故障具体名称，即可匹配出故障现象、故障等级、故障分析、故障溯源四项。其中故障现象、故障等级、故障分析这三部分可以起到故障定位作用。
故障现象：故障发生时候的基础现象。
故障等级：根据在轨故障分级表，将故障分为相应的级别。
故障分析：对故障发生的原因进行描述，主要由归零报告中提炼。
以动量轮故障为例：监测到已经发生的在轨故障案例有2例，案例下的7种遥测参数可以用列表显示，也可以添加相应的故障遥测参数图像。故障分析部分显示摩擦力矩增大故障的11种故障分析分支，每项分支下均可以详细描述如：疲劳磨损项是指反作用轮轴承经过长时间使用后出现磨损；地面进行的长寿命试验结果显示，同类轴承经过多少小时产寿命考核试验仍能健康工作。结合故障溯源部分将故障动量轮的轴承运行时间，即可得出演示案例、现象1号、现象2号故障动量轮是否由疲劳磨损项导致。故障等级部分分为“轻微”和“严重”两等，对应关闭动量轮和降低转速2种处理方法，其下又对应四种在轨操作指令单。当演示案例发生与现象1号和现象2号同样的故障时，知识图谱可以快速帮助在轨管理人员进行故障定位，并直接生成处理指令单。减少线下专家资源浪费，提高了故障处理时效，增加了卫星的可靠性、安全性。如图2所示：
步骤S5：知识图谱故障溯源应用。利用步骤S3构造知本体后识图谱，可使用图谱本体进行故障溯源应用。以动量轮故障为例：动量轮电子数据包一共49项主标题，49项下又设副标题，如下表3所示：
表3电子数据包板结构数据故障溯源表
| 1.1 | 装前检查 | 5.1 | 配车定位环 |
| 1.2 | 电机组件装前检查 | 6.1 | 检验定位环加工指令 |
| 1.3 | 轴承组件装前检查 | 7.1 | 清洗定位环 |
| 1.4 | 壳体组件装配前准备 | 7.2 | 清洗密封盖和螺套 |
| 2.1 | 配车轴承组件定位销 | 7.3 | 测量调整环高度 |
| 3.1 | 检验定位销加工质量 | … | … |
| 4.1 | 轴承组件外观检查 | 49.1 | 验收交付 |
以副标题为关系，以故障相关的生产数据为实体项，抽取数据包副标题下关键要素来作为实体。以副标题1.1装前检查步骤为例知识图谱如图3所示。
上图可以发现“故障现象1号”“故障现象2号”和“演示案例”再压盖项均用的同一家公司C的批次号为501XX号产品。同理，使用知识图谱也可以发现某一个工序或者步骤由相同的责任人或相同的装配点完成；寻找生产过程中相互关联的底层事件，进行故障溯源。
步骤S6：知识图谱完善和升级
根据1985年至今的国内外在轨卫星发生的短期业务中断或失效统计数据，约25％-30％是由卫星姿轨控系统造成，而姿轨控系统发生的故障中约90％由已知原因造成，约10％由未知原因造成。知识图谱是一种知识工程，面对的是上文90％已知原因造成的故障。而当10％由未知原因的故障发生后，将新的故障现象描述，故障原因定位以及新的在轨故障处理指令如实记录进入NEO4J数据库，进行图谱完善和升级。
本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行图1所述的方法。
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和光学存储器等)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。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (10)
1.航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，包括：
确定航天器控制推进系统在轨故障知识图谱据源；
对所述航天器控制推进系统在轨故障知识图谱据源进行知识抽取得到知识三元组；
将知识三元组进行数据库表示和存储，构造知本体后识图谱；
使用图谱本体进行故障定位应用、故障溯源应用。
2.根据权利要求1所述的航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，所述航天器控制推进系统在轨故障知识图谱据源包括三类数据；
第一类数据包括在轨操作指令单结构数据，用于记录在轨操作发送的指令单；
第二类数据包括在轨卫星状态库结构数据、在轨状态记录半结构数据、各卫星部件电子数据包半结构数据，分别用于记录在轨卫星各产品名称型号编号批次号、在轨卫星状态、产品由零部件到单机到分系统的各种数据；
第三类数据包括在轨归零报告非结构数据、在轨问题分析报告非结构数据、在轨问题分析说明非结构数据、在轨问题记录非结构数据，分别用于记录在轨归零报告、在轨出现重复问题时的问题分析报告、在轨出现影响时的分析说明、设计师的在轨问题处理笔记。
3.根据权利要求2所述的航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，非结构数据由人工进行知识抽取，半结构数据由聚类方法进行知识抽取。
4.根据权利要求1所述的航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，所述知识三元组的关系序列包括：<主语>--<谓语>--<宾语>、<主语>--<属性>--<值>。
5.根据权利要求1所述的航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，所述数据库包括NEO4J数据库。
6.根据权利要求1所述的航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，所述故障定位应用包括：
输入故障名称，匹配得到故障现象、故障等级、故障分析、故障溯源；
利用故障现象、故障等级、故障分析进行故障定位。
7.根据权利要求6所述的航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，所述故障现象为星上遥测数值超出设计指标门限现象；
所述故障等级包括根据在轨故障分级表将故障分为的相应级别。
所述故障分析包括故障发生的原因。
8.根据权利要求1所述的航天器控制推进系统在轨故障知识图谱的构建与应用方法，其特征在于，还包括：将新发生的航天器控制推进系统在轨故障数据实时录入更新知本体后识图谱，进行完善和升级。
9.一种计算机可读存储介质，所述的计算机可读存储介质存储有计算机程序，其特征在于，所述的计算机程序被处理器执行时实现如权利要求1～权利要求8任一所述方法的步骤。
10.航天器控制推进系统在轨故障知识图谱的构建与应用设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于：所述的处理器执行所述的计算机程序时实现如权利要求1～权利要求8任一所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311498523.9A CN117573881A (zh) | 2023-11-10 | 2023-11-10 | 航天器控制推进系统在轨故障知识图谱的构建与应用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311498523.9A CN117573881A (zh) | 2023-11-10 | 2023-11-10 | 航天器控制推进系统在轨故障知识图谱的构建与应用方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117573881A true CN117573881A (zh) | 2024-02-20 |
Family
ID=89863559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311498523.9A Pending CN117573881A (zh) | 2023-11-10 | 2023-11-10 | 航天器控制推进系统在轨故障知识图谱的构建与应用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117573881A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118093785A (zh) * | 2024-04-17 | 2024-05-28 | 中国电子科技集团公司第十研究所 | 一种面向分布式协同的航空电子故障知识融合方法 |
-
2023
- 2023-11-10 CN CN202311498523.9A patent/CN117573881A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118093785A (zh) * | 2024-04-17 | 2024-05-28 | 中国电子科技集团公司第十研究所 | 一种面向分布式协同的航空电子故障知识融合方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wu et al. | Literature review and prospect of the development and application of FMEA in manufacturing industry | |
| CN112182077B (zh) | 一种基于数据中台技术的智能运维系统 | |
| CN112395424A (zh) | 一种复杂产品质量问题追溯方法及系统 | |
| CN117573881A (zh) | 航天器控制推进系统在轨故障知识图谱的构建与应用方法 | |
| Meyer et al. | Development of a digital twin for aviation research | |
| CN116681187B (zh) | 一种基于企业经营数据的企业碳配额预测方法 | |
| Ali et al. | A framework to implement data cleaning in enterprise data warehouse for robust data quality | |
| Chen et al. | A big data analysis and application platform for civil aircraft health management | |
| Cai et al. | Quality deviation control for aircraft using digital twin | |
| CN116467674B (zh) | 一种配电网智能故障处理融合更新系统及其方法 | |
| CN113191497A (zh) | 一种面向变电站踏勘选址的知识图谱构建方法和系统 | |
| CN115423429A (zh) | 基于图像和声音信息的多模态一体化配网运营系统 | |
| CN110992204A (zh) | 基于大数据技术的应急柴油发电机组可靠性评价方法及系统 | |
| CN115564071A (zh) | 一种电力物联网设备数据标签生成方法及系统 | |
| CN115718472A (zh) | 水电机组故障扫描诊断方法 | |
| CN115438199A (zh) | 一种基于智慧城市场景数据中台技术的知识平台系统 | |
| Su et al. | Research on safety evaluation of civil aircraft based on the grey clustering model | |
| Dong et al. | Scene-based big data quality management framework | |
| Kovalyov | Design and development of a power system digital twin: A model-based approach | |
| CN116578612A (zh) | 锂电池成品检测数据资产构建方法 | |
| Grambau et al. | Reference Architecture framework for enhanced social media data analytics for Predictive Maintenance models | |
| CN114528679A (zh) | 数控系统多模态故障预警方法及系统 | |
| CN112784129A (zh) | 一种泵站设备运维数据监管平台 | |
| He et al. | Construction of Military Knowledge Graph Based on Neo4j and MongoDB | |
| Wang et al. | An intelligent DevOps platform research and design based on machine learning |
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 |