[發明專利]一種高速列車可維修性知識圖譜構建方法

有效

• 申請號: 202210093725.4
• 申請日: 2022-01-26
• 公開（公告）號: CN114417015B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 張海柱;黎榮;郭恒;丁國富;魏永杰
• 申請（專利權）人: 西南交通大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F18/214;G06N20/00
• 代理公司: 成都海成知識產權代理事務所(普通合伙) 51357
• 代理人: 龐啟成

1.一種高速列車可維修性知識圖譜構建方法，包括以下步驟：步驟1：構建高速列車可維修性知識圖譜模式層；步驟2：構建高速列車可維修性知識圖譜數據層；步驟3：采用Neo4j圖數據庫進行知識存儲；其特征在于：

在步驟1中包括以下步驟：步驟11:構建用于高速列車可維修性知識本體模型架構；步驟12:構建高速列車可維修性本體；步驟13:在protégé中實現高速列車可維修性本體結構化；

在步驟11中，針對高速列車設計時、運行時及維護時這三個階段的可維修性知識內容進行表達；

在高速列車設計階段，對高速列車設計流程進行分析，明確各階段輸入輸出，統計設計信息，其中設計信息至少包括產品結構、標準、材料，對設計信息及設計實體內容進行表達；

在高速列車運行階段，對高速列車零件故障信息、與零件故障相關的產品信息及結構關系、在運行階段使用的傳感器設備、運行保障人員信息內容進行表達；當高速列車零件故障信息、與零件故障相關的產品信息及結構關系、在運行階段使用的傳感器設備、運行保障人員信息內容發生變化時，在本體模型架構中新建相應的概念，增加或刪除相關的本體實例，并更新實例之間的鏈接關系，完成本體模型的更新；

在高速列車檢修階段，對高速列車零件維修工藝流程、維修設備布局、操作人員、維修設備內容進行表達，當維修工藝流程、維修設備布局、操作人員、維修設備內容需要進行修改時，新建相應的概念、更新關系，完成本體模型的更新；

在步驟12中，具體包括以下步驟：

步驟121：定義高速列車可維修性本體；

步驟122：基于多域特征分析的本體模型架構，建立高速列車可維修性本體的概念和屬性關系；

步驟121中包括以下操作：

記高速列車可維修性本體為Design-Fault-Repair?Feature?Ontology；Design-Fault-Repair?Feature?Ontology＝{Entity，Attribute，Relation，Part}，其中：

a)Entity為實體相關概念集，用于表示設計-故障-維修領域客觀實體的集合，Entity＝(Equipment，Product，Staff)，Equipment為維修設備類，指在高速列車維修過程中客觀存在的物理維修設備，包括鏇輪機、天車子類；Product為產品類，表示客觀存在的物理產品，有零件、模塊、系統、車輛、列車五個層級，其中備用零件包含于零件；Staff為高速列車產品在三個階段所涉及的人員；

b)Attribute為屬性相關概念集，表示Entity具有的一些屬性特征，包括設計約束、設計屬性、維修工藝、故障模式、轉向架型號、生產商、工種概念；其中，設計約束包括內部約束及外部約束；維修工藝表示零件進行檢修所需要的工藝類型，包括拆卸、探傷、換件、檢測、鏇輪子類；故障模式表示在高速列車產品使用過程中，產品零部件發生的故障類型，包括裂紋、漏油、溫度升高子類；

c)Relation中包含了實體、屬性相關概念之間的除了層級關系外的所有的關聯關系，記為概念C1，關系R，概念C2，其中，概念C1與概念C2是包含于實體相關概念集Entity和屬性相關概念集Attribute中的；

d)Part包含了本體中除Relation關系集之外的概念之間的具有層級結構的關系，表示一個概念層級隸屬于另一概念層級，即子類概念集與父類概念集的關系，在故障-維修特征本體中用是及子集關系表示；

步驟122中包括以下操作：

在高速列車可維修性本體中，圍繞零件實體將三個領域關聯起來，用于描述零件在三個領域的相關信息；

步驟2中包括以下步驟：步驟21:對命名實體進行識別；步驟22:基于模板的關系抽取；步驟23:知識融合；

步驟21具體包括以下步驟：

步驟211：使用高速列車領域文本數據對BERT-BiLSTM-CRF模型進行訓練；

步驟212：將高速列車文本數據輸入到BERT中，由BERT模型提取文本中的詞特征、語法語義特征；

步驟213：采用BiLSTM-CRF模型對BERT模型提取文本中的詞特征、語法語義特征進行處理，得到高速列車可維修性相關實體詞；

步驟211具體包括以下步驟：

步驟2111：將高速列車文本數據按8:1:1隨機分為訓練集、測試集以及驗證集；

步驟2112：劃分好訓練集后，根據步驟1中高速列車可維修性本體描述的概念及屬性關系，使用數據標注工具對訓練數據進行標注；

步驟2113：標注完訓練集后，輸入BERT-BiLSTM-CRF模型進行訓練；

步驟2114：在模型訓練完成后，輸入未標注數據的測試集對模型訓練結果進行測試；

步驟2115：通過輸入驗證集數據，驗證訓練后的模型能夠用于高速列車領域命名實體識別任務；

步驟212具體包括以下步驟：

步驟2121：BERT模型在接收到輸入的高速列車文本數據后，將文本按字轉換為符合條件的字符表征向量；

步驟2122：將轉化后的字符向量輸入編碼器，最終輸出字符動態向量；

步驟213具體包括以下步驟：

步驟2131：將BERT模型輸出的動態特征向量輸入BiLSTM模型，BiLSTM模型將BERT模型的字向量按照前向及后向的順序分別進行處理，對信息進行選擇性記憶和傳遞，最終輸出每個字的得分向量；

步驟2132：將BiLSTM輸出的得分向量輸入CRF模型，該模型考慮了各字標簽的約束關系，計算不同字標簽序列出現的概率，從中選取概率最大的序列作為輸出文本的標簽序列，即根據概率輸出最優標簽序列；

步驟2133：對CRF模型輸出的最優標簽序列中包含的高速列車領域實體詞進行提取分類；

步驟2134：將高速列車領域實體詞按類別存儲；

步驟22具體包括以下步驟：

步驟221：基于知識圖譜模式層構建的高速列車多域融合本體中的概念關系，設計故障事件關系匹配模板；

步驟222：設計人員針對輸入的故障事件文本中所抽取的實體詞類型對照所設計的高速列車領域故障事件關系模板進行實體關系匹配；

步驟223：當設計人員發現某些實體詞間的關系無法通過關系模板匹配時，則評定實體詞之間是否包含新的概念關系，若存在，則更新關系匹配模板并同步反饋到模式層，更新高速列車多域融合本體。