[发明专利]一种基于知识图谱的水电机组故障诊断方法及系统

权利要求书

1.一种基于知识图谱的水电机组故障诊断方法，其特征在于：包括如下步骤：

S1：采集水电机组的历史故障数据，并基于历史故障数据提取与故障关联的文本内容，并基于提取的文本内容构建水电机组诊断的知识图谱，所述文本内容用于表述图谱节点的特征；

所述知识图谱的图谱节点类型至少包括设备、故障描述以及诊断结果，所述故障描述为故障现象和或故障工况，所述诊断结果为故障原因和或处理建议，所述知识图谱用于表示图谱节点之间的关联关系以及图谱节点对应的文本内容；

其中，历史故障数据包括水电机组监测特征值，所述水电机组监测特征值为与水电机组故障相关的机组运行参数值，将水电机组监测特征值转换为文本内容的过程为按照预设的故障分类等级对水电机组监测特征值进行语义化处理得到匹配的故障分类等级的故障现象图谱节点的文本描述；

S2：获取水电机组的故障描述语句，并进行分词得到征兆关键词，再将所述征兆关键词带入所述知识图谱中进行匹配检索得到诊断结果。

2.根据权利要求1所述的方法，其特征在于：将水电机组监测特征值转换为文本内容的过程如下：

首先，获取水电机组五类状态对应的阈值，所述五类状态分别为：正常、异常、一级报警、二级报警、三级报警和极限失效；

其次，按照升半Γ分布模糊模型计算出每个水电机组监测特征值分别与所述五类状态对应的隶属度；

其中，升半Γ分布模糊模型的计算公式如下：

式中，A(x)为一个水电机组监测特征值在一类状态的阈值a下的隶属度，x表示一个水电机组监测特征值，a表示一类状态对应的阈值，k为隶属度比例系数；

然后，根据隶属度最大的原则得到故障分类等级，所述故障分类等级与所述五类状态意义对应。

3.根据权利要求1所述的方法，其特征在于：所述故障分类等级包括“正常”、“有轻微异常”，“情况严重”，“情况非常严重”，“情况特别严重需停机”。

4.根据权利要求1所述的方法，其特征在于：步骤S2之后还包括如下步骤：

S3：将诊断结果带入预设的回复句式模板生成回复语句，再将回复语句以界面或者语音转换的方式进行人机交互。

5.根据权利要求1所述的方法，其特征在于：所述水电机组监测特征值包括机组振动、摆度、压力脉动、温度、油压、油位、空气间隙、局部放电的测值。

6.根据权利要求1所述的方法，其特征在于：所述历史故障数据包括历史远程监测数据、事故调查记录、生产管理系统缺陷记录、公开文献及历史案例材料。

7.一种基于权利要求1-6任一项所述方法的诊断系统，其特征在于：包括：

信息采集模块：用于获取水电机组的历史故障数据，以及用于获取水电机组的故障描述语句；

文本提取模块：用于从历史故障数据提取与故障关联的文本内容；

图谱构架模块：用于基于提取的文本内容构建水电机组诊断的知识图谱；

分词模块，用于对水电机组的故障描述语句进行分词得到征兆关键词；

检索模块：用于将所述征兆关键词带入所述知识图谱中进行匹配检索得到诊断结果。