CN113961718B 一种基于工业机械故障诊断知识图谱的知识推理方法 （南京航空航天大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113961718B(45)授权公告日2025.07.08

(21)申请号202111265289.6

(22)申请日2021.10.28

(65)同一申请的已公布的文献号申请公布号CN113961718A

(43)申请公布日2022.01.21

(73)专利权人南京航空航天大学

地址210016江苏省南京市秦淮区御道街

29号

(72)发明人马亚杰刘洋姜斌冒泽慧刘剑慰

(74)专利代理机构南京经纬专利商标代理有限公司32200

专利代理师楼然

(51)Int.CI.

GO6F16/36(2019.01)

GO6F16/355(2025.01)

GO6N5/022(2023.01)

GO6N5/04(2023.01)

GO6F18/15(2023.01)

GO6F18/2415(2023.01)

GO6F18/2431(2023.01)

GO6N3/045(2023.01)

GO6N3/042(2023.01)

GO6N3/0895(2023.01)

GO6N3/0985(2023.01)

G06Q10/20(2023.01)

GO6Q50/04(2012.01)

(56)对比文件

CN113283027A,2021.08.20

CN110033101A,2019.07.19

CN112800770A,2021.05.14

马亚杰等.“基于异构图注意力的工业设备故障诊断知识图谱补全方法”.《中国科学：信息科学》.2024,第354-372页.

审查员葛运滨

权利要求书5页说明书13页附图4页

(54)发明名称

一种基于工业机械故障诊断知识图谱的知识推理方法

(57)摘要

113961718BCN本发明公开了一种基于工业机械故障诊断知识图谱的知识推理方法，包括：采集并清洗某工业机械的故障工况数据；创建结构化的故障知识三元组；根据结构化的故障知识三元组创建故障实体与故障关系的词嵌入表示以及异构工业机械故障诊断知识图谱；将工业机械故障诊断知识图谱通过Neo4j图数据库进行可视化展示；构建知识图谱异构图注意力网络模型；训练模型以获取工业机械故障诊断知识图谱中实体的嵌入表示；完成故障知识实体分类任务和故障知识链接预测任务，以此实现工业机械故障诊断知识图

113961718B

CN

开

开始

采集并清洗某工业机械的故障工况数据

创建结构化的故障知识三元组

创建故障实体与故障关系的词嵌入表示

创建异构故障诊断知识图谱

构建知识图谱异构图注意力网络模型

训练模型

完成故障知识实体分类任务和故障知识链接预测任务

结束

通过Neo4j进行可视化展示

知识实体分类和故障知识链接预测的准确率。

CN113961718B权利要求书1/5页

2

1.一种基于工业机械故障诊断知识图谱的知识推理方法，其特征在于，包括以下步骤：

步骤1、数据清洗阶段：采集并清洗某工业机械的故障工况数据；创建结构化的故障知识三元组；

步骤2、数据处理阶段：根据结构化的故障知识三元组创建故障实体与故障关系的词嵌入表示以及异构工业机械故障诊断知识图谱；

步骤3、图谱展示阶段：基于Python和Py2neo库将构建的工业机械故障诊断知识图谱通过Neo4j图数据库进行可视化展示；

步骤4、模型构建与训练阶段：构建知识图谱异构图注意力网络模型；训练模型以获取工业机械故障诊断知识图谱中实体的嵌入表示；

步骤5、任务验证阶段：完成故障知识实体分类任务和故障知识链接预测任务，以此实现工业机械故障诊断知识图谱的知识推理；

所述步骤1数据清洗阶段包括：

步骤1.1、清洗故障工况数据：以正则表达式抽取故障工况数据里的故障实体以及故障知识三元组数据，并且去除多余的标点符号以及辅助说明信息；

步骤1.2、创建结构化的故障知识三元组：根据故障实体间的对应关系筛选故障知识三元组，具体形式为：(头实体，关系，尾实体),简记为：(h,r,t);

所述步骤2数据处理阶段，具体包括：

步骤2.1、创建故障实体与故障关系的词嵌入表示：将清