[發明專利]一種電機故障知識抽取系統及方法

在審

• 申請號: 202010870508.2
• 申請日: 2020-08-26
• 公開（公告）號: CN112000791A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 王克劍;毛靜軒;苗東旭;姜漫利;曲曉峰;趙明;傅磊;張德陽
• 申請（專利權）人: 哈電發電設備國家工程研究中心有限公司
• 主分類號: G06F16/332
• 分類號: G06F16/332;G06F16/35;G06F40/279;G06K9/62
• 代理公司: 哈爾濱市偉晨專利代理事務所(普通合伙) 23209
• 代理人: 韓立巖

本發明是一種電機故障知識抽取系統及方法，尤其涉及神經網絡模型對電機故障判斷的技術領域。目的是為了解決現有技術中電機故障種類繁多導致相關人員電機故障知識抽取困難等問題，本發明應用BERT模型構建軟件系統，其中包括數據采集模塊，數據預處理模塊，輔助訓練工具模塊、模型訓練模塊和知識融合模塊，用戶和管理員通過電機故障知識抽取系統的使用，為用戶電機故障維護服務提供更加科學化的技術支持，發電機故障知識抽取，目的在于故障知識庫的構建，方便用戶可以快速解決電機中的故障，并更加便捷與準確，也可提升相關業務人員水平，大幅度提高電機故障解決效率。

技術領域

本發明是一種電機故障知識抽取系統及方法，尤其涉及神經網絡模型對電機故障判斷的技術領域。

背景技術

研究分析國內外大型設備故障診斷技術和應用現狀的基礎上，為了提供給客戶更好的技術支持。為了保證客戶的問題能夠得到快速的解決，推出電機故障知識抽取系統，客戶可以根據自身電機出現的問題提問并得到響應，在最短的時間內解決客戶的問題，保證了電機的安全性和運行穩定，減少由于電機故障而造成的損失。在上述背景下，結合當下流行的自然語言處理技術、谷歌新提出的Bert模型、以及其他相關技術開發一套“電機故障知識抽取系統”。

隨著我國當下電力事業的大力發展，電機的種類越來越多，構造也越來越復雜，無論是電機的硬件參數還是容量都大幅度得到了提升，因此電機安全維護的要求越來越高，難度也越來越大。項目主要任務是為哈電集團搭建與用戶交互平臺，可以針對用戶的不同需求做出應答，在遠程為客戶提供服務。本課題也是該項目中的核心部分，通過采集當下已有的電機故障知識形成故障知識庫，為電機的安全和穩定提供了技術上的支持。

本發明的目的為電機故障知識抽取，類屬于基于知識的診斷方法，國內外也有類似的研究，但大多數都采用陳舊的訓練模型比如word2vec，或者之前的神經網絡模型，而谷歌最近新出的Bert模型大大提高的訓練的精準度和召回率，在電機故障診斷方面還沒有融入，而本發明就是運用此模型的優勢來強化已有的故障診斷系統。

當下電機故障知識庫知識構建主要來源于相關專業人士的實際工作經驗，但這些經驗往往有所不同，并且知識過于碎片化，無法得到整合的規范化知識。這些知識很難形成規模化的低級故障知識庫，不利于其構建。很多自然語言處理的模型具有相關功能性任務，這一部分主要通過分析對比各個模型，在本項目上的優勢與不足，確定本項目使用的模型，以及使用該模型的相關原因。在此基礎上，近些年已有針對故障庫過于局限，瑣碎的問題方面的論文，如中科院采用word2vec的模型，在此模型基礎上構建電機故障知識庫。除此之外，還有部分論文在這方面進行研究闡述，但關于電機故障知識庫構建的相關論文普遍存在下述的幾點不足：

(1)項目沒有用到人工智能，知識來源于相關領域專家的總結，知識碎片化，也不具備行業規范。

(2)項目雖然用到了人工智能技術，但使用的技術過于老舊，自然語言處理模型近些年技術更新較快，準確率和召回率都在逐步上升，導致故障信息抽取結果準確率不如最新模型效果好。

(3)課題的電機故障資源來自于一些工廠數據，而非科學的雜志、論文。

(4)項目只是演示程序，而非面向多用戶的系統，缺乏相關業務邏輯。

(5)attention模型也是首次搭建在transformer模型之上，而本系統應用的自注意力機制是在原有的rnn網絡基礎上提出的，防止rnn網絡需要進行大量的記憶，而自注意力機制僅需進行一步矩陣乘法即可，但是這個模型也存在著幾處缺點，第一點就是該模型在預測階段的句子長度需要確定并且需要小于訓練時句子的長度，第二點就是不存在循環機制，導致模型無法多次進行迭代。

發明內容

為了解決現有技術中電機故障種類繁多導致相關人員電機故障知識抽取困難等問題，本發明提出了一種電機故障知識抽取系統及方法，技術方案如下：