基于元学习的设备故障知识图谱构建及推理方法

TP301.6; 知识图谱技术可以有效实现故障信息的结构化存储,弥补传统故障诊断方法缺乏结构化管理故障信息能力的不足.但是实际工况下故障样本数量稀少,传统知识图谱技术难以在小样本情况下完成图谱构建.针对上述问题,提出一种基于元学习的设备故障知识图谱构建及推理方法.该方法首先提取故障规则链和信号特征构建设备故障信息知识图谱;其次提出基于元学习的故障链接预测算法,通过同一故障簇邻域负样本生成策略,使知识图谱具有在小样本情况下进行故障诊断的能力;最后,分别采用通识领域NELL-One数据集和实际设备故障数据集进行实验,验证了算法的故障诊断能力和查询相似故障的能力....

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 29; no. 11; pp. 3600 - 3613
Main Authors 刘晶, 唐震, 王晓茜, 窦润亮, 季海鹏
Format Journal Article
LanguageChinese
Published 河北工业大学材料科学与工程学院,天津 300400 01.11.2023
天津开发区精诺瀚海数据科技有限公司,天津 300400%河北工业大学 人工智能与数据科学学院,天津 300400%天津大学 管理与经济学部,天津 300072%河北省数据驱动工业智能工程研究中心,天津 300400
河北工业大学 人工智能与数据科学学院,天津 300400
天津开发区精诺瀚海数据科技有限公司,天津 300400
河北省数据驱动工业智能工程研究中心,天津 300400
Subjects
元学习
fault diagnosis
负采样方法
故障诊断
negative sampling method
meta-learning
知识图谱
knowledge graph
Online AccessGet full text
ISSN1006-5911
DOI10.13196/j.cims.2022.0791

Cover

More Information
Summary:TP301.6; 知识图谱技术可以有效实现故障信息的结构化存储,弥补传统故障诊断方法缺乏结构化管理故障信息能力的不足.但是实际工况下故障样本数量稀少,传统知识图谱技术难以在小样本情况下完成图谱构建.针对上述问题,提出一种基于元学习的设备故障知识图谱构建及推理方法.该方法首先提取故障规则链和信号特征构建设备故障信息知识图谱;其次提出基于元学习的故障链接预测算法,通过同一故障簇邻域负样本生成策略,使知识图谱具有在小样本情况下进行故障诊断的能力;最后,分别采用通识领域NELL-One数据集和实际设备故障数据集进行实验,验证了算法的故障诊断能力和查询相似故障的能力.
ISSN:1006-5911
DOI:10.13196/j.cims.2022.0791