面向无人机故障诊断的知识图谱构建应用方法

TP309%TP181; 近年无人机作业安全保障问题面临着严峻挑战,确保无人机安全作业至关重要.传统的无人机故障诊断方法具有容易造成知识浪费等问题,已无法满足日益复杂的工作需求,基于新兴研究热点的知识图谱,充分利用无人机先验知识进行故障诊断,可实现组件关联诊断并依靠专家知识实现诊断结果的可解释性.目前面向故障诊断知识图谱的研究较少,通常采用"预训练"模型解决深度学习模型训练的数据不足,但这种方法应用场景限制较大,且不能为后续研究者提供有价值可参考的训练样本.以无人机故障维修手册为主要数据,提出一种基于远程监督的机标人校数据标注方法,获得数量可观、标注精确的无人机故障语料库,...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 9; pp. 280 - 288
Main Authors 邱凌, 张安思, 张羽, 李少波, 李传江, 杨磊
Format Journal Article
LanguageChinese
Published 贵州大学 计算机科学与技术学院,省部共建公共大数据国家重点实验室,贵阳 550025%贵州大学 计算机科学与技术学院,省部共建公共大数据国家重点实验室,贵阳 550025 01.05.2023
贵州大学 机械工程学院,贵阳 550025%中航贵州飞机有限责任公司,贵州 安顺 561000%贵州大学 机械工程学院,贵阳 550025
Subjects
无人机
知识抽取
双向长短期记忆网络
知识图谱
故障诊断
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2210-0415

Cover

More Information
Summary:TP309%TP181; 近年无人机作业安全保障问题面临着严峻挑战,确保无人机安全作业至关重要.传统的无人机故障诊断方法具有容易造成知识浪费等问题,已无法满足日益复杂的工作需求,基于新兴研究热点的知识图谱,充分利用无人机先验知识进行故障诊断,可实现组件关联诊断并依靠专家知识实现诊断结果的可解释性.目前面向故障诊断知识图谱的研究较少,通常采用"预训练"模型解决深度学习模型训练的数据不足,但这种方法应用场景限制较大,且不能为后续研究者提供有价值可参考的训练样本.以无人机故障维修手册为主要数据,提出一种基于远程监督的机标人校数据标注方法,获得数量可观、标注精确的无人机故障语料库,并根据数据结构特点结合基于规则和BiLSTM-CRF网络的知识抽取方法,实验证明实体抽取效果良好.基于无人机故障诊断本体完成无人机故障诊断知识图谱的构建,通过Neo4j进行存储及可视化展示,并搭建无人机系统故障的智能问答系统,为无人机故障提供有理有据的精准诊断,证明了知识图谱在故障诊断领域的有效性,为基于知识图谱的故障诊断体系构建提供科学依据.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2210-0415