[發明專利]基于有限狀態機和圖神經網絡的故障定位方法

有效

• 申請號: 202010798687.3
• 申請日: 2020-08-11
• 公開（公告）號: CN111966076B
• 公開（公告）日: 2023-06-09
• 發明（設計）人: 程良倫;王德培;張偉文
• 申請（專利權）人: 廣東工業大學
• 主分類號: G05B23/02
• 分類號: G05B23/02
• 代理公司: 成都方圓聿聯專利代理事務所(普通合伙) 51241
• 代理人: 李鵬

本發明公開了一種基于有限狀態機和圖神經網絡的故障定位方法，其包括將故障信息轉換為圖結構數據，并通過圖神經網絡模型對所述圖結構數據進行推理的過程，所述轉換通過有限狀態機模型實現，本發明可顯著提高工業過程中對故障的診斷的準確性、可靠性與及時性。

技術領域

本發明涉及工業過程故障定位方法的技術領域。

背景技術

在現當代工業過程中，數據繁雜、影響過程穩定性的因素繁多，為保證安全穩定的生產，發生的故障需要更精準的定位。但現有技術中，故障定位往往仍依靠維修人員的經驗，使得故障排查受個人經驗差異的影響明顯，另一方面，故障存在突發性，而維修人員常以流動性排班工作，難以保證經驗豐富的維修人員及時到位排查，進一步加大了故障定位的難度。在人員因素之外，現當代工業中故障的發生又往往具有“多點關聯，多因素交雜”的特點，復雜程度大，難以單點定位。因此如何實現快速的故障定位并減少該過程中的人員依賴，是故障診斷領域技術人員目前需要解決的問題。

發明內容

本發明的目的在于提供一種智能化的故障診斷方法，其可在工業過程中實現快速、準確的故障定位與索因。

本發明首先提供了如下的技術方案：

基于有限狀態機和圖神經網絡的故障定位方法，其包括將故障信息轉換為圖結構數據，并通過圖神經網絡模型對所述圖結構數據進行推理的過程，所述轉換通過有限狀態機模型實現。

在一些具體實施方式中，所述有限狀態機模型包括現態、條件和次態3個因素，以故障名稱為節點，故障原因為邊。

優選的，所述有限狀態機模型設置為：

M＝(Q，Reason，δ，q₀，F)，其中，Q＝{q₁，q₂，...q_n}表示有限狀態集合，q_n表示一個確定故障的狀態，Reason＝{r₁，r₂，...r_i}表示故障原因集合，r_i表示一個確定的故障原因，δ表示狀態轉移函數，q₀∈Q表示初始狀態，F∈Q表示最終狀態。

在一些具體實施方式中，當產生新的故障時，對所述有限狀態機模型進行更新，所述更新包括根據新的故障的名稱增加所述有限狀態機的節點，根據所述新的故障的原因增加所述有限狀態機的邊。

在一些具體實施方式中，所述新的故障來自實時故障信息采集，其判斷包括：將獲得的故障的名稱通過詞向量轉換模型進行詞向量轉換，計算其對應的詞向量與所述有限狀態機模型中已有節點的余弦相似度，當相似度小于0.4時，該故障為新的故障。

在一些具體實施方式中，所述故障采集器通過python的BeautifulSoup庫搭建。

在一些具體實施方式中，當所述故障信息包括新的故障時，在通過所述轉換前，先對該故障信息進行預處理，所述預處理包括對所述故障信息通過命名實體識別模型進行命名實體識別和關系抽取，其中，所述命名實體為故障名稱，所述關系為故障原因。

在一些具體實施方式中，所述預處理還包括將抽取出的命名實體及關系存入圖數據庫。

在一些具體實施方式中，所述圖數據庫為Neo4j。

在一些具體實施方式中，所述關系抽取通過D2R實現。

在一些具體實施方式中，識別后的命名實體及關系通過D2R轉存為RDF數據結構。

在一些具體實施方式中，所述預處理還包括將抽取出的命名實體及關系整合為schema模式圖，并將其存儲于關系數據庫，再轉換為RDF數據結構。

在一些具體實施方式中，所述關系數據庫為MySQL數據庫。