(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210207871.5 (22)申请日 2022.03.03 (65)同一申请的已公布的文献号 申请公布号 CN 114579875 A (43)申请公布日 2022.06.03 (73)专利权人 中国科学院大学 地址 100049 北京市石景山区玉泉路 （甲） 19号 (72)发明人 肖潇　张玲玲　叶含瑞　季续国　 (74)专利代理 机构 北京方安思达知识产权代理 有限公司 1 1472 专利代理师 张红生　杨青 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/335(2019.01)G06F 16/36(2019.01) G06Q 10/00(2012.01) (56)对比文件 CN 113961718 A,202 2.01.21 CN 113723632 A,2021.1 1.30 CN 111209472 A,2020.0 5.29 CN 113112164 A,2021.07.13 WO 2022032684 A1,202 2.02.17 US 2021397980 A1,2021.12.23 赵峰等.基 于5G技术的智能车间故障预测与 健康管理系统. 《电子制作》 .2020,(第15期),第 34-35页及第27页. 乔骥等.面向电网调度故障处 理的知识图谱 框架与关键技 术初探. 《中国电机 工程学报》 .2020,(第18 期),第5837- 5846页. 审查员 齐智超 (54)发明名称 基于知识图谱的设备故障诊断与维修知识 推荐系统 (57)摘要 本发明提出了一种基于知识图谱的设备故 障诊断与维修知识推荐系统， 所述系统包括： 数 据层， 用于采集监测设备的健康管理领域知识； 构建分析层， 用于对健康管 理领域知识进行萃取 并构建知识图谱， 利用链路预测对知识图谱进行 推理与补全， 基于补全推理好的知识图谱， 利用 知识图谱特征学习 与协同过滤推荐算法相结合， 计算相似度， 进行设备诊断与维修知识预测排 序； 应用层， 用于根据设备诊断与维修知识预测 排序为监测设备提供异常状况下的故障诊断和 正常运行状态下的趋势预测分析， 实现设备故障 原因和维修方案 推荐。 权利要求书3页 说明书13页 附图5页 CN 114579875 B 2022.09.27 CN 114579875 B 1.一种基于知识图谱的设备故障诊断与维修知识推荐系统， 其特征在于， 所述系统包 括： 数据层， 用于采集 监测设备的健康管理领域知识； 构建分析层， 用于对设备健康管理领域知识进行萃取并构建知识图谱， 利用链路预测 对知识图谱进行推理与补全， 基于补全推理好的知识图谱， 利用知识图谱特征学习与协同 过滤推荐算法相结合， 计算相似度， 进行设备诊断与维修知识预测排序； 应用层， 用于根据设备诊断与维修知识预测排序为监测设备提供异常状况下的故障诊 断和正常运行状态下的趋势预测分析， 实现设备故障原因和维修方案推荐； 所述监测设备的健康管理领域知识包括： 故障维修工单、 设备维护记录、 设备管理文 件、 厂家生产使用说明、 操作手册、 技术标准、 系统日志、 行业数据、 设备监控图像、 设备传感 器数据、 检修专 家的重要信息反馈、 分析报告和专 家结论； 所述构建分析层包括： 知识分类评估模块、 知识萃取模块、 用户需求模型建立模块、 知 识图谱构建模块、 知识图谱推理补全 模块和设备故障诊断与维修知识排序模块； 其中， 所述知识分类评估模块， 用于从浅知识和深知识 的角度， 对多源异构的监测设备的健 康管理领域知识进行分类； 所述知识萃取模块， 用于通过两阶段的知识萃取实现故障诊断领域知识的集成与融 合， 得到包括故障现象、 故障模式、 故障原因和征兆表现的设备知识模型； 所述用户需求模型建立模块， 用于基于问题 识别建立用户需求模型； 所述知识图谱构建模块， 用于根据设备知识模型和用户需求模型构建知识图谱； 所述知识图谱推理补全模块， 用于对知识图谱中实体间可能存在的关系进行预测， 利 用知识图谱链路预测实现知识图谱中缺失信息的发现和还原； 所述设备故障诊断与维修知识排序模块， 用于根据推理补全的知识图谱与协同过滤算 法相结合， 计算相似度并排序， 生成分别对应故障原因和设备维修方案的Top ‑N推荐列表。 2.根据权利要求1所述的基于知识图谱的设备故障诊断与维修知识推荐系统， 其特征 在于， 所述知识分类评估 模块的处 理过程具体包括： 将设备维护记录、 设备管理文件、 厂家生产使用说明、 操作手册、 技术标准和系统日志 归为检修专业 技术文档； 将检修专家 的重要信息反馈、 故障维修工单、 分析报告和专家结论归为检修专家历史 经验知识； 将行业数据、 设备监控图像、 设备传感器数据归为设备实时检测采集信息 。 3.根据权利要求2所述的基于知识图谱的设备故障诊断与维修知识推荐系统， 其特征 在于， 所述知识萃取模块的处 理过程具体包括： 基于所述知识分类评估模块的分类模型， 针对不同的知识类型特点进行第 一次知识萃 取， 抽取知识包 含的概念、 属性和不同概念属性之间的关联关系， 形成局部的知识； 针对第一次萃取的知识进行二 次萃取， 整合局部知识， 进行多源信 息的集成与融合， 得 到包括故障现象、 故障模式、 故障原因和征兆表现的设备知识模型。 4.根据权利要求1所述的基于知识图谱的设备故障诊断与维修知识推荐系统， 其特征 在于， 所述用户需求模型建立模块的处 理过程具体包括： 针对不同的业务和用户需求， 集合用户的属性维度， 将用户属性、 行为和语言联结形成权　利　要　求　书 1/3 页 2 CN 114579875 B 2完整的用户画像， 并基于设备管理领域用户特征 的用户画像标签体系和用户画像方法， 构 建用户画像； 建立基于用户特点的用户语句特征提取模型， 通过自然语言处理方法分析用户的问 题； 将用户问题规范化， 对设备管理领域问题进行分类， 确定表示方式， 提取问题中的术语 并构建术语体系， 给出基于 设备管理领域的问题 规范； 引入问题分类本体， 构建设备管理领 域的问题分类体系， 将识别到的用户需求匹配到相应的问题类别； 然后基于用户问题分类 本体及字索引词典进行关键词抽取， 在此基础上进行模糊匹配， 以提高对用户需求的语义 理解能力， 进 而构建用户需求模型。 5.根据权利要求1所述的基于知识图谱的设备故障诊断与维修知识推荐系统， 其特征 在于， 所述知识图谱的结构包括数据层和模式层， 其中， 所述模式层由 表示， 其中 表示概念或类的集合， 表示属 性的集合， 表示图 中类之间关系的集 合， 且有 ； 所述数据层由 表示， 其中 代表概念或类的实例集合， 表 示节点属性的集 合， 表示图 中类之间关系的集 合； 每个三元组代 表一个事实； 所述数据层 和模式层 之间的关联 满足下式： 其中，  表示数据层的实例， 表示描述的资源是某 个类的成 员， 表示模式层所描述的概念或类。 6.根据权利要求1所述的基于知识图谱的设备故障诊断与维修知识推荐系统， 其特征 在于， 所述知识图谱推理补 全模块的处理过程具体包括： 由知识图谱， 结合标签数据集外部 知识， 构建链接贝叶斯网LBN模 型， 基于LBN模型进行概率推理， 从而完成知识图谱的链路预 测。 7.根据权利要求1所述的基于知识图谱的设备故障诊断与维修知识推荐系统， 其特征 在于， 所述设备故障诊断与维修知识排序模块的处 理过程具体包括： 步骤s1） 通过图谱特征学习， 将知识图谱中的故障原因进行实体映射， 得到故障实体向 量矩阵， 进 而计算得到故障原因语义相似度； 步骤s2） 利用协同过 滤算法， 由故障原因矩阵计算得到故障原因相似度； 步骤s3） 将故障原因语义相似度和故障原因相似度进行融合， 利用基于知识图谱的协 同过滤算法生成故障原因融合相似度矩 阵， 再进行预测排序， 生成故障原因Top ‑N推荐列 表； 步骤s4） 通过图谱特征学习， 将知识图谱中的维修措施进行实体映射， 得到维修措施实 体向量矩阵， 进 而计算得到维修措施语义相似度； 步骤s5） 利用协同过 滤算法， 由维修措施 矩阵计算得到维修措施相似度；权　利　要　求　书 2/3 页 3 CN 114579875 B 3