[发明专利]一种基于知识图谱的移动端的在线设备故障诊断方法

说明书

本发明公开了一种基于知识图谱的移动端的在线设备故障诊断平台。包括如下步骤：S1，建立数控机床信息抽取模块；S2，建立数据清洗与知识图谱模块；S3，建立问答延伸模块；S4，建立后台管理模块。本发明会把用户最终采纳的答案作为新的节点纳入知识图谱的关系中，并在机床故障分词词典和问题模板中增添新的记录，使得此系统越用越智能，提升用户的使用体验。

技术领域

本发明涉及一种基于知识图谱的移动端的在线设备故障诊断方法，属于计算机技术领域。

背景技术

随着工业生产自动化、数字化、智能化程度的日益加深，企业对设备的可靠性要求也越来越高。因而对设备故障的诊断和排除的研究具有重大的现实意义。互联网蕴含着大量有价值信息，是大数据的重要数据来源，也是经验交流留存的重要领地。通过对海量的分散的互联网数据进行采集，获取互联网上相关设备故障和维修解决方式，并形成知识图谱，可以提升故障判断的精准度和应用范围。

目前业界设备故障诊断方向数据来源有着源头少，专业性强，实用性低的特点，对机床故障及解决方法的样本数据获取更是难上加难。

发明内容

发明目的：为了能够更好帮助维修人员正确找到相应品牌型号的数控机床的故障情况，本发明力图实现人性化的查询方式，以大量故障实例数据作支撑，达到高精度的查询效果。通过此软件实现自动化、流程化、标准化的运维体系，系统性能稳定，方便使用，易学易用。

本发明的技术方案如下：

一种基于移动端的在线设备故障诊断方法。

技术路径如下：移动端实现阈值设置，即用户输入数控机床相关参数(品牌、型号、故障代码、某个或多个超出阈值参数、故障描述等)或读取设备运行等相关数据，系统自动设置参数预警阈值、通过高速高效的分布式爬虫实现信息抓取、提供两种查询方式，并按置信度高低返回查询结果、在用户不满意的情况下提供在线爬取，并由大量数据构成知识图谱，允许用户收藏感兴趣的问题，并保存用户行为数据且系统也将提供兴趣推荐。

具体包括以下步骤：

S1，建立数控机床信息抽取模块；

S2，建立数据清洗与知识图谱模块；

S3，建立问答延伸模块。

S4，建立后台管理模块。

上述步骤S1中，建立数控机床信息抽取模块，对网页文档结构树的解析，根据源网页的不同形式，提供了对于指定网页信息的精确抽取，对不同网页的自定义模板抽取，和基于机器学习的自动抽取，以及对文档的抽取。基于用户对最后系统的解决方案的不满意情况，提出了二次爬取模块。

上述步骤S2中知识图谱模块的建立具体包括如下：

(3-1)问句分类，对需要转换生成的问句进行分类；

(3-2)问句疑问语素，根据步骤(3-1)提出的问句种类，为每个分类制定疑问；

(3-3)问句生成，使用的问句生成方案是基于NLP分析和一定的深度学习的问句生成，字符短的描述性句子使用NLP的方式生成问句；对字符过长的描述性语句，使用深度学习的方式来完成问题的生成；

(3-4)问句打分，在问句生成完成之后，对问句进行打分，来判断问句的语法通顺情况；

(3-5)Java-Cypher构建节点、关系、属性，使用java-Cypher，嵌入式结构构建、使用存储在neo4j图数据库中的节点、属性、关系；

(3-6)节点与关系的去重，用JAVA调用Cypher语句，在节点和关系的创建上使用“Merge”替代“Create”完成功能；

(3-7)问题模板生成，对用户的提问或陈述进行语义元素抽取；