一种故障诊断知识图谱建模方法与流程

1.本发明涉及计算机应用技术领域，尤其涉及一种故障诊断知识图谱建模方法。


背景技术：

2.故障是指系统状态或参数出现偏差，以至于超出了正常范围，使得系统不能以预期的性能完成预期的功能。按照时间特性，故障可分为：突发性故障、缓变故障和间歇性故障。
3.故障诊断的目的是实现故障的检测、隔离、溯源和识别。故障检测确认故障是否发生以及发生的时刻；故障隔离确定故障的种类和位置等信息；故障溯源确认故障发生的原因；故障识别评估故障的影响和时变性等。
4.故障诊断方法可分为三类：基于解析模型的方法(如状态估计和参数估计等)、数据驱动的方法(如信号处理、统计分析和机器学习等)和基于经验知识的方法(如专家系统和故障树等)。
5.近年来，数据驱动的方法更受学术界关注，而基于经验知识的方法则更多出现在工程应用中。
6.现存在的故障诊断方案通常是基于一种特定的模型，不能实现多源异构信息的充分利用，故障诊断应用的局限性较强。


技术实现要素：

7.为了解决多源异构故障诊断知识的模型统一问题，本发明提出一种故障诊断知识图谱建模方法，可为不同故障诊断算法的融合应用提供一致的底层模型基础。
8.本发明采用的技术方案如下：
9.一种故障诊断知识图谱建模方法，包括：
10.诊断实体建模：构建诊断实体，所述诊断实体表示故障诊断相关的元素，包括组件、故障、现象、样本集、特征和测试方案，其中组件为可能发生故障的功能单元，故障为发生在组件上的特定故障模式的描述，现象为对正常现象或者异常现象的描述，样本集为通过实验或仿真手段收集并整理的在某个测点处的测量值，特征为样本集中样本的维度，测试方案为获取现象和样本值的手段和过程；
11.诊断关系建模：构建诊断关系，所述诊断关系表示所述诊断实体之间相互影响的方式，包括包含关系、导致关系和产生关系，其中包含关系用于组件与组件之间表示层次关系，用于组件与故障之间表示故障的附属，用于样本集与特征之间表示样本的维度组成，用于现象与现象之间表示复合现象；导致关系用于故障与现象之间以及故障与样本集之间，表示原因和表象；产生关系用于测试方案与现象之间以及测试方案与特征之间，表示前提条件。
12.进一步地，所述诊断实体的相关信息作为实体属性记录在知识图谱中，所述诊断实体的相关信息包括标识、名称和描述。
13.进一步地，对于故障导致的多种现象，若存在“或”的逻辑关系，则定义一个复合现象，将所述多种现象包含在复合现象中，并指定逻辑关系。
14.进一步地，通过仿真手段构造样本集时，考虑相关故障的不同参数的随机分布，即蒙特卡洛仿真，以提高样本集的泛化能力。
15.进一步地，所述测试方案包括激励、测点和测量物理量信息，其中激励为对系统进行测试时应当施加的输入，测点为采集信号或观察现象的位置，测量物理量为所获取信号的物理属性。
16.进一步地，故障和现象之间的导致关系包括描述不确定性的先验概率属性，用于表示故障发生时导致现象出现的可能性。
17.进一步地，当故障与现象之间存在一对多的导致关系时，默认逻辑为“与”，即故障发生将导致有关现象同时出现，“或”逻辑需要通过复合现象来表达，即其中包含的子现象只有其中之一可能出现。
18.进一步地，根据获取某个现象或特征所需的测试或观测手段，确定相应的测试方案，同时确定该测试方案与该现象或特征之间的产生关系。
19.进一步地，构建包含关系的方法包括：根据系统的层次结构，确定组件的子组件和父组件，父组件包含当前组件，当前组件又包含子组件；根据故障发生位置与组件的相关性，确定组件包含的故障，即该故障是当前组件上发生的故障；根据样本集中维度的组成，确定样本集包含的特征；根据现象是否可分解为具有不同逻辑关系的子现象，确定现象之间的包含关系。
20.本发明的有益效果在于：
21.本发明的故障诊断知识图谱建模方法可实现对各类定量、定性、结构化、半结构化和非结构化故障诊断相关信息的充分利用，有利于提高故障诊断结果的准确性和置信度。
附图说明
22.图1是本发明实施例的故障诊断知识图谱建模方法流程图。
23.图2是民用通信电台接收机系统示意图。
24.图3是民用通信电台接收机系统中天线输入电路(模块m1)展开后的电路原理图。
25.图4是本发明实施例的一个故障诊断知识图谱片段示意图。
具体实施方式
26.为了对本发明的技术特征、目的和效果有更加清楚的理解，现说明本发明的具体实施方式。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，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，都属于本发明保护的范围。
27.本实施例提供了一种故障诊断知识图谱建模方法，如图1所示，具体实施步骤包括：
28.步骤s1：诊断实体建模
29.诊断实体表示故障诊断相关的元素，具体包括组件、故障、现象、样本集、特征和测
试方案几类实体，其中组件为可能发生故障的功能单元，故障为发生在组件上的特定故障模式的描述，现象为对正常现象或者异常现象的描述，样本集为通过实验或仿真手段收集并整理的在某个测点处的测量值，通常为定量数据，特征为样本集中样本的维度，测试方案为获取现象和样本值的手段和过程。
30.步骤s1-1：构建组件实体
31.将系统分解至故障诊断任务关心的层次，例如子系统、功能模块和元器件等。
32.可选的，可将组件的标识、名称、描述和型号等信息作为实体属性记录在知识图谱中。
33.步骤s1-2：构建故障实体
34.针对组件分析并梳理其可能发生的故障，例如开路、短路和参数漂移等，为每个目标故障创建一个实体。
35.可选的，可将故障的标识、名称、描述、类型和故障率等信息作为实体属性记录在知识图谱中。
36.步骤s1-3：构建现象实体
37.现象可以是正常现象或者异常现象，通常为定性的自由文本描述。现象可以是复合现象，即其中可以包含子现象，这些子现象之间可以是“与”或者“或”的逻辑关系。
38.假定某个目标故障发生，通过理论分析或参考历史经验，梳理其可能引起的与系统健康状态相关的观测现象，将其以文本形式记录在知识图谱中。
39.可选的，目标故障可能导致多种现象，而这些现象不是同时出现，即存在“或”的逻辑关系，则可定义一个复合现象，将上述现象包含在其中，并指定其逻辑关系。必要时，可以通过这种方式构建多层次的现象树。
40.可选的，可将现象的标识、名称、关键词和复合逻辑关系等信息作为实体属性记录在知识图谱中。
41.步骤s1-4：构建样本集实体
42.样本集中的数据可以直接存储在知识图谱中，也可存储为外部文件，在实体属性中记录文件路径信息。
43.可选的，通过仿真手段构造样本集时，可考虑相关故障的不同参数的随机分布，即蒙特卡洛仿真，提高样本集的泛化能力。
44.可选的，可将样本集的标识、名称和描述等信息作为实体属性记录在知识图谱中。
45.步骤s1-5：构建特征实体
46.特征表示样本集中样本的维度，例如某个测点处的电压值和电流值分别表示两个维度的特征。
47.可选的，可将特征的标识、名称和描述等信息作为实体属性记录在知识图谱中。
48.步骤s1-6：构建测试方案实体
49.测试方案为获取现象和样本值的手段和过程，包括激励、测点和测量物理量信息，其中：
50.激励为对系统进行测试时应当施加的输入，例如供电、开机等。
51.测点为采集信号或观察现象的位置，例如电路中的某个节点、油路中的某个阀门等。
52.测量物理量为所获取信号的物理属性，例如电压、温度和压力等。
53.可选的，可将测试方案的标识、名称和描述等信息作为实体属性记录在知识图谱中。
54.步骤s2：诊断关系建模
55.诊断关系表示诊断实体之间相互影响的方式，具体可分为包含、导致和产生几类关系，其中包含关系用于组件与组件之间表示层次关系，用于组件与故障之间表示故障的附属，用于样本集与特征之间表示样本的维度组成，用于现象与现象之间表示复合现象；导致关系用于故障与现象之间以及故障与样本集之间，表示原因和表象；产生关系用于测试方案与现象之间以及测试方案与特征之间，表示前提条件。
56.步骤s2-1：构建包含关系
57.根据系统的层次结构，确定组件的子组件和父组件，父组件包含当前组件，当前组件又包含子组件。
58.根据故障发生位置与组件的相关性，确定组件包含的故障，即该故障是当前组件上发生的故障。
59.根据样本集中维度的组成，确定样本集包含的特征，例如若将样本集组织为一个表格，其中每一行表示一个样本，则特征即为每一列代表的意义。
60.根据现象是否可分解为具有不同逻辑关系的子现象，确定现象之间的包含关系。
61.步骤s2-2：构建导致关系
62.构建故障和现象之间的导致关系时，可包含描述不确定性的先验概率属性，表示故障发生时导致现象出现的可能性。
63.当故障与现象之间存在一对多的导致关系，默认逻辑为“与”，即故障发生将导致有关现象同时出现。“或”逻辑需要通过复合现象来表达，即其中包含的子现象只有其中之一可能出现。
64.步骤s2-3：构建产生关系
65.根据获取某个现象或特征所需的测试或观测手段，确定相应的测试方案，同时确定该测试方案与所述现象或特征之间的产生关系。
66.现以一个具体实施例对本发明进行进一步说明。本实施例在以本发明所提方法为前提下进行实施，但本发明的保护范围不限于下述的实施例。
67.如图2所示，本实施例针对一个民用通信电台接收机系统中包含的若干电路，如图3所示给出了天线输入电路(模块m1)展开后的电路原理图，cn508和cn506是两个测点。
68.在本实施例中采用xml格式的文件存储知识图谱模型的内容，其中不同的标签对应不同的实体或关系。
69.标签《component》表示组件实体，例如以下两个标签分别表示天线输入电路和其中包含的c361电容元件。
70.《component id＝"69552280-84ef"designator＝"m1"name＝"天线输入电路"model＝""》
71.《/component》
72.《component id＝"f812a900-84f1"designator＝"c361"name＝"电容"model＝"c93-0554-05"》
73.《description》容值4p《/description》
74.《/component》
75.标签《fault》表示故障实体，例如以下标签表示l315电感元件开路故障，其故障率为0.001。
76.《fault id＝"6de3b910-84f4"designator＝"l315op"name＝"l315开路"type＝"开路"frate＝"0.001"》
77.《description》因振动或老化引起的管脚开路《/description》
78.《/fault》
79.标签《appear》表示现象实体，例如以下标签表示在测点cn508处观测信号为正常的现象。
80.《appear id＝"ff05f170-8c73"designator＝"ap_cn508_1"name＝"cn508信号正常"》
81.《description》cn508信号正常《/description》
82.《keywords》
83.《keyword》cn508《/keyword》
84.《keyword》正常《/keyword》
85.《/keywords》
86.《/appear》
87.以下现象标签表示一个复合现象，其包含的子现象将是“或”的逻辑关系。
88.《appear id＝"fe21f170-8c70"designator＝"ap_comp_1"name＝"复合现象"logic＝"or"》
89.《description》用于包含测点cn506处信号微弱或无信号的现象《/description》
90.《/appear》
91.标签《sampleset》表示样本集实体，例如以下标签表示通过仿真手段获取的l315开路故障导致的样本集，相关数据存储在一个名为sample.csv的文件中。
92.《sampleset id＝"c5a6fd00-8bcb"designator＝"ss1_l315op"name＝"l315op幅频曲线提取特征样本集1"originaldatafilename＝"data\m1_r358_c601\simdata\l315op\sample.csv"》
93.《description》从仿真幅频曲线中提取特定频点处的幅度构成的样本集《/description》
94.《/sampleset》
95.标签《feature》表示特征实体，例如以下标签所示的特征为天线输入电路在频点37.68mhz处的幅频响应值。
96.《feature id＝"93c71d30-8bc9"designator＝"ampl1"name＝"幅频响应值1"》
97.《description》m1电路在37.68mhz处的幅频响应值《/description》
98.《/feature》
99.标签《testsolution》表示测试方案实体，例如以下标签表示使用矢量网络分析仪测量天线输入电路的幅频响应，其中给出了激励、测点和测量物理量的描述。
100.《testsolution id＝"069fa330-8bcb"designator＝"ts1"name＝"失网测m1电路
幅频响应"》
101.《description》设备不上电，断开m1电路与后级连接，在天线处施加激励，在cn508测点处测量1mhz～300mhz幅频响应，获取幅频响应曲线《/description》
102.《stimulus》1mhz～300mhz扫频信号《/stimulus》
103.《testpoint》cn508《/testpoint》
104.《quantity》幅度《/quantity》
105.《/testsolution》
106.标签《relationship》表示关系，通过type属性描述不同类型的关系，例如以下标签表示一个包含关系，其中通过实体的唯一标识符(id属性)引用当前关系相关的实体对象。
107.《relationship id＝"b7585640-84f0"type＝"包含"》
108.《entities》
109.《first entityid＝"12897050-84ef"/》
110.《second entityid＝"2eef07f0-84ef"/》
111.《/entities》
112.《/relationship》
113.对于导致关系，可以额外设置其先验概率属性，例如以下标签所示。
114.《relationship id＝"c74cd2e0-8bcd"type＝"导致"prob＝"0.5"》
115.《entities》
116.《first entityid＝"63cacc70-8bb1"/》
117.《second entityid＝"5e1761f0-8bcd"/》
118.《/entities》
119.《/relationship》
120.基于上述xml标签的定义，结合本发明所公开的故障诊断知识图谱建模方法实施步骤，最终构建了一个包括如附图4所示片段的知识图谱模型。
121.综上所述，针对故障诊断业务特点，本实施例提出了一种故障诊断知识图谱建模方法，定义了其中涉及的实体和关系，明确了建模的方法和过程。通过该方法得到的知识图谱模型能够实现多源异构信息的模型统一，信息利用率高、信息失真度小，为故障诊断多方法的融合应用提供了良好的模型基础，有利于提高故障诊断结果的准确性和置信度。
122.需要说明的是，对于前述的方法实施例，为了简便描述，故将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本技术并不受所描述的动作顺序的限制，因为依据本技术，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本技术所必须的。