[发明专利]一种电机故障知识抽取系统及方法

说明书

本发明是一种电机故障知识抽取系统及方法，尤其涉及神经网络模型对电机故障判断的技术领域。目的是为了解决现有技术中电机故障种类繁多导致相关人员电机故障知识抽取困难等问题，本发明应用BERT模型构建软件系统，其中包括数据采集模块，数据预处理模块，辅助训练工具模块、模型训练模块和知识融合模块，用户和管理员通过电机故障知识抽取系统的使用，为用户电机故障维护服务提供更加科学化的技术支持，发电机故障知识抽取，目的在于故障知识库的构建，方便用户可以快速解决电机中的故障，并更加便捷与准确，也可提升相关业务人员水平，大幅度提高电机故障解决效率。

技术领域

本发明是一种电机故障知识抽取系统及方法，尤其涉及神经网络模型对电机故障判断的技术领域。

背景技术

研究分析国内外大型设备故障诊断技术和应用现状的基础上，为了提供给客户更好的技术支持。为了保证客户的问题能够得到快速的解决，推出电机故障知识抽取系统，客户可以根据自身电机出现的问题提问并得到响应，在最短的时间内解决客户的问题，保证了电机的安全性和运行稳定，减少由于电机故障而造成的损失。在上述背景下，结合当下流行的自然语言处理技术、谷歌新提出的Bert模型、以及其他相关技术开发一套“电机故障知识抽取系统”。

随着我国当下电力事业的大力发展，电机的种类越来越多，构造也越来越复杂，无论是电机的硬件参数还是容量都大幅度得到了提升，因此电机安全维护的要求越来越高，难度也越来越大。项目主要任务是为哈电集团搭建与用户交互平台，可以针对用户的不同需求做出应答，在远程为客户提供服务。本课题也是该项目中的核心部分，通过采集当下已有的电机故障知识形成故障知识库，为电机的安全和稳定提供了技术上的支持。

本发明的目的为电机故障知识抽取，类属于基于知识的诊断方法，国内外也有类似的研究，但大多数都采用陈旧的训练模型比如word2vec，或者之前的神经网络模型，而谷歌最近新出的Bert模型大大提高的训练的精准度和召回率，在电机故障诊断方面还没有融入，而本发明就是运用此模型的优势来强化已有的故障诊断系统。

当下电机故障知识库知识构建主要来源于相关专业人士的实际工作经验，但这些经验往往有所不同，并且知识过于碎片化，无法得到整合的规范化知识。这些知识很难形成规模化的低级故障知识库，不利于其构建。很多自然语言处理的模型具有相关功能性任务，这一部分主要通过分析对比各个模型，在本项目上的优势与不足，确定本项目使用的模型，以及使用该模型的相关原因。在此基础上，近些年已有针对故障库过于局限，琐碎的问题方面的论文，如中科院采用word2vec的模型，在此模型基础上构建电机故障知识库。除此之外，还有部分论文在这方面进行研究阐述，但关于电机故障知识库构建的相关论文普遍存在下述的几点不足：

(1)项目没有用到人工智能，知识来源于相关领域专家的总结，知识碎片化，也不具备行业规范。

(2)项目虽然用到了人工智能技术，但使用的技术过于老旧，自然语言处理模型近些年技术更新较快，准确率和召回率都在逐步上升，导致故障信息抽取结果准确率不如最新模型效果好。

(3)课题的电机故障资源来自于一些工厂数据，而非科学的杂志、论文。

(4)项目只是演示程序，而非面向多用户的系统，缺乏相关业务逻辑。

(5)attention模型也是首次搭建在transformer模型之上，而本系统应用的自注意力机制是在原有的rnn网络基础上提出的，防止rnn网络需要进行大量的记忆，而自注意力机制仅需进行一步矩阵乘法即可，但是这个模型也存在着几处缺点，第一点就是该模型在预测阶段的句子长度需要确定并且需要小于训练时句子的长度，第二点就是不存在循环机制，导致模型无法多次进行迭代。

发明内容

为了解决现有技术中电机故障种类繁多导致相关人员电机故障知识抽取困难等问题，本发明提出了一种电机故障知识抽取系统及方法，技术方案如下：