设备故障诊断方法、装置和电子设备.pdf

《设备故障诊断方法、装置和电子设备.pdf》由会员分享，可在线阅读，更多相关《设备故障诊断方法、装置和电子设备.pdf（10页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910033313.X (22)申请日 2019.01.14 (71)申请人 阿里巴巴集团控股有限公司 地址 英属开曼群岛大开曼资本大厦一座四 层847号邮箱 (72)发明人 李龑翔袁仑 (74)专利代理机构 北京太合九思知识产权代理 有限公司 11610 代理人 许红英 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/33(2019.01) (54)发明名称 设备故障诊断方法、 装置和电子设备 (57)摘要 本申请提供一种设备故障诊断方法、。

2、 装置和 电子设备， 当检测到设备存在故障， 获取故障设 备的设备信息； 利用设备故障诊断知识图谱， 确 定所述故障设备的故障原因。 由于本申请的设备 故障诊断知识图谱是采用了人工智能算法， 从海 量的设备故障检修报告中， 学习总结出的故障判 断逻辑关系， 并挖掘出故障原因， 因此可以对多 因素复杂故障进行诊断排查， 同时又借助知识图 谱的知识关联关系， 可以很快(秒速)的基于用户 反馈的故障设备的设备信息， 快速正确地诊断出 故障原因和故障处理方法。 权利要求书2页 说明书6页 附图1页 CN 111435366 A 2020.07.21 CN 111435366 A 1.一种设备故障诊断方。

3、法， 其特征在于， 包括： 当检测到设备存在故障时， 获取故障设备的设备信息； 将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定所述故障设备的 故障原因。 2.根据权利要求1所述的方法， 其特征在于， 将所述故障设备的设备信息与设备故障诊 断知识图谱进行匹配之前还包括： 对历史的设备检修报告进行知识抽取， 生成所述设备故障诊断知识图谱； 其中,所述历史的设备检修报告包括故障设备的设备信息和故障原因信息； 其中,所述设备故障诊断知识图谱包括故障判断逻辑关系图， 所述故障判断逻辑关系 图包括故障设备的设备信息、 故障原因信息之间的逻辑关联关系的结构化数据。 3.根据权利要求1所述的方。

4、法， 其特征在于， 将所述故障设备的设备信息与设备故障诊 断知识图谱进行匹配之前还包括： 将所述故障设备的设备信息进行知识抽取， 形成与所述故障设备的设备信息对应的结 构化数据。 4.根据权利要求2或3所述的方法， 其特征在于， 将所述故障设备的设备信息与设备故 障诊断知识图谱进行匹配， 确定所述故障设备的故障原因包括： 将所述故障设备的设备信息对应的结构化数据与所述设备故障诊断知识图谱进行匹 配， 根据所述故障设备的设备信息、 故障原因信息之间的关联关系， 确定与所述故障设备的 设备信息对应的故障原因信息。 5.根据权利要求4所述的方法， 其特征在于， 所述设备故障诊断知识图谱中还包括所述 。

5、故障设备的设备信息、 故障原因信息与故障处理方法信息之间的关联关系， 则确定所述故 障设备的故障原因之后还包括： 利用所述设备故障诊断知识图谱中所述故障设备的设备信息、 故障原因信息与故障处 理方法信息之间的关联关系， 确定与所述故障原因信息对应的故障处理方法信息。 6.一种设备故障诊断装置， 其特征在于， 包括： 获取模块， 用于当检测到设备存在故障时， 获取故障设备的设备信息； 匹配模块， 用于将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定 所述故障设备的故障原因。 7.根据权利要求6所述的装置， 其特征在于， 还包括： 知识抽取模块， 用于对历史的设备检修报告进行知识抽取。

6、， 生成所述设备故障诊断知 识图谱； 其中， 所述历史的设备检修报告包括故障设备的设备信息、 故障原因信息； 所述设备故障诊断知识图谱包括故障判断逻辑关系图， 所述故障判断逻辑关系图包括 故障设备的设备信息、 故障原因信息之间的逻辑关联关系的结构化数据。 8.根据权利要求6所述的装置， 其特征在于， 还包括： 所述知识抽取模块， 还用于将所述故障设备的设备信息进行知识抽取， 形成与所述故 障设备的设备信息对应的结构化数据。 9.根据权利要求8所述的装置， 其特征在于， 所述匹配模块具体用于： 将所述故障设备的设备信息对应的结构化数据与所述设备故障诊断知识图谱进行匹 权利要求书 1/2 页 2 。

7、CN 111435366 A 2 配， 根据所述故障设备的设备信息、 故障原因信息之间的关联关系， 确定与所述故障设备的 设备信息对应的故障原因信息。 10.根据权利要求8所述的装置， 其特征在于， 所述设备故障诊断知识图谱中还包括所 述故障设备的设备信息、 故障原因信息与故障处理方法信息之间的关联关系， 则所述匹配 模块还用于： 利用所述设备故障诊断知识图谱中所述故障设备的设备信息、 故障原因信息与故障处 理方法信息之间的关联关系， 确定与所述故障原因信息对应的故障处理方法信息。 11.一种电子设备， 其特征在于， 包括： 存储器、 处理器以及通信组件； 所述存储器， 用于存储计算机程序； 。

8、所述处理器与所述存储器和通信组件耦合， 用于执行计算机程序， 以用于执行权利要 求1-5中任一项所述的方法。 12.一种计算机可读存储介质， 其特征在于， 存储有计算机程序， 所述计算机程序被执 行时能够实现权利要求1-5中任一项所述的方法。 权利要求书 2/2 页 3 CN 111435366 A 3 设备故障诊断方法、 装置和电子设备 技术领域 0001 本发明涉及工业设备诊断技术领域， 尤其涉及一种设备故障诊断方法、 装置和电 子设备。 背景技术 0002 随着工业化程度的不断提升， 工业设备越发趋于智能化， 极大地提升了生产效率。 然而越发精密， 智能化的设备， 结构也越复杂， 维修难。

9、度也更大， 对维修师傅的经验要求也 更高。 0003 目前业内关于设备故障诊断的方法， 以传感器设备在线监测和专家诊断系统为 主， 但是这种单一靠传感器监测和专家系统的故障诊断分析方法， 存在故障诊断经验总结 难， 故障诊断因素关联判定弱等问题。 发明内容 0004 为了解决上述问题， 本发明提供一种设备故障诊断方法、 装置和电子设备， 可以快 速诊断出设备故障以及故障处理方法。 0005 本申请提供一种设备故障诊断方法， 包括： 0006 当检测到设备存在故障时， 获取故障设备的设备信息； 0007 将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定所述故障设 备的故障原因。 0。

10、008 可选地， 将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配之前还包 括： 0009 对历史的设备检修报告进行知识抽取， 生成所述设备故障诊断知识图谱； 0010 其中， 所述历史的设备检修报告包括故障设备的设备信息、 故障原因信息； 0011 其中， 所述设备故障诊断知识图谱包括故障判断逻辑关系图， 所述故障判断逻辑 关系图包括故障设备的设备信息、 故障原因信息之间的逻辑关联关系的结构化数据。 0012 可选地， 将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配之前还包 括： 0013 将所述故障设备的设备信息进行知识抽取， 形成与所述故障设备的设备信息对应 的结构化数据。。

11、 0014 可选地， 将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定所 述故障设备的故障原因， 包括： 0015 将所述故障设备的设备信息对应的结构化数据与所述设备故障诊断知识图谱进 行匹配， 根据所述故障设备的设备信息、 故障原因信息之间的关联关系， 确定与所述故障设 备的设备信息对应的故障原因信息。 0016 可选地， 所述设备故障诊断知识图谱中还包括所述故障设备的设备信息、 故障原 因信息与故障处理方法信息之间的关联关系， 则确定所述故障设备的故障原因之后还包 说明书 1/6 页 4 CN 111435366 A 4 括： 0017 利用所述设备故障诊断知识图谱中所述故障。

12、设备的设备信息、 故障原因信息与故 障处理方法信息之间的关联关系， 确定与所述故障原因信息对应的故障处理方法信息。 0018 本申请还提供一种设备故障诊断装置， 包括： 0019 获取模块， 用于当检测到设备存在故障时， 获取故障设备的设备信息； 0020 匹配模块， 用于将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定所述故障设备的故障原因。 0021 可选地， 所述的装置还包括： 0022 知识抽取模块， 用于对历史的设备检修报告进行知识抽取， 生成所述设备故障诊 断知识图谱； 0023 其中， 所述历史的设备检修报告包括故障设备的设备信息、 故障原因信息； 0024 所述设。

13、备故障诊断知识图谱包括故障判断逻辑关系图， 所述故障判断逻辑关系图 包括故障设备的设备信息、 故障原因信息之间的逻辑关联关系的结构化数据。 0025 可选地， 所述知识抽取模块， 还用于将所述故障设备的设备信息进行知识抽取， 形 成与所述故障设备的设备信息对应的结构化数据； 0026 可选地， 所述匹配模块具体用于： 0027 将所述故障设备的设备信息对应的结构化数据与所述设备故障诊断知识图谱进 行匹配， 根据所述故障设备的设备信息、 故障原因信息之间的关联关系， 确定与所述故障设 备的设备信息对应的故障原因信息。 0028 可选地， 所述设备故障诊断知识图谱中还包括所述故障设备的设备信息、 。

14、故障原 因信息与故障处理方法信息之间的关联关系， 则所述匹配模块还用于： 0029 利用所述设备故障诊断知识图谱中所述故障设备的设备信息、 故障原因信息与故 障处理方法信息之间的关联关系， 确定与所述故障原因信息对应的故障处理方法信息。 0030 本申请还提供一种电子设备， 包括： 存储器、 处理器以及通信组件； 0031 所述存储器， 用于存储计算机程序； 0032 所述处理器与所述存储器和通信组件耦合， 用于执行计算机程序， 以用于执行上 述设备故障诊断方法。 0033 本申请还提供一种计算机可读存储介质， 存储有计算机程序， 所述计算机程序被 执行时能够实现所述设备故障诊断方法。 003。

15、4 本申请实施例， 当检测到设备存在故障； 获取故障设备的设备信息； 利用设备故障 诊断知识图谱， 确定所述故障设备的故障原因。 由于本申请的设备故障诊断知识图谱是采 用了人工智能算法， 从海量的设备故障检修报告中， 学习总结出的故障判断逻辑关系知识 图谱， 并挖掘出故障原因以及对应故障处理方法， 因此可以对多因素复杂故障进行诊断排 查， 同时又借助知识图谱的知识关联关系， 可以很快(秒速)的基于用户反馈的故障设备的 设备信息， 快速并正确的诊断出故障原因和故障处理方法。 附图说明 0035 为了更清楚地说明本发明实施例或现有技术中的技术方案， 下面将对实施例或现 有技术描述中所需要使用的附图。

16、作一简单地介绍， 显而易见地， 下面描述中的附图是本发 说明书 2/6 页 5 CN 111435366 A 5 明的一些实施例， 对于本领域普通技术人员来讲在不付出创造性劳动的前提下， 还可以根 据这些附图获得其他的附图。 0036 图1为本发明一实施例提供的设备故障诊断方法的流程示意图； 0037 图2为本发明一实施例提供的设备故障诊断装置的结构示意图； 0038 图3为本发明一实施例提供的电子设备的结构示意图。 具体实施方式 0039 为使本发明实施例的目的、 技术方案和优点更加清楚， 下面将结合本发明实施例 中的附图， 对本发明实施例中的技术方案进行清楚、 完整地描述， 显然， 所描述。

17、的实施例是 本发明一部分实施例， 而不是全部的实施例。 基于本发明中的实施例， 本领域普通技术人员 在没有做出创造性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。 0040 在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的， 而非旨在限制 本发明。 在本发明实施例和所附权利要求书中所使用的单数形式的 “一种” 、“所述” 和 “该” 也旨在包括多数形式， 除非上下文清楚地表示其他含义，“多种” 一般包含至少两种， 但是不 排除包含至少一种的情况。 0041 应当理解， 本文中使用的术语 “和/或” 仅仅是一种描述关联对象的关联关系， 表示 可以存在三种关系， 例如， A和。

18、/或B， 可以表示： 单独存在A， 同时存在A和B， 单独存在B这三种 情况。 另外， 本文中字符 “/” ， 一般表示前后关联对象是一种 “或” 的关系。 0042 还需要说明的是， 术语 “包括” 、“包含” 或者其任何其他变体意在涵盖非排他性的 包含， 从而使得包括一系列要素的商品或者系统不仅包括那些要素， 而且还包括没有明确 列出的其他要素， 或者是还包括为这种商品或者系统所固有的要素。 在没有更多限制的情 况下， 由语句 “包括一个” 限定的要素， 并不排除在包括所述要素的商品或者系统中还 存在另外的相同要素。 0043 需要说明的是， 本发明实施例的设备故障诊断知识图谱从海量的设备。

19、故障检修报 告中， 通过知识抽取功能， 学习总结出的故障判断逻辑， 并挖掘出故障原因； 进一步需要说 明的是， 本实施例， 在实际应用中， 随着新的设备检修报告数据的产生， 通过知识抽取功能， 需要持续学习挖掘新的设备检修报告数据， 学习总结出的新的故障判断逻辑， 并挖掘出新 的故障原因和故障处理方法， 从而可以持续完善设备故障诊断知识图谱， 因此， 可以对多因 素复杂故障进行诊断排查， 同时又借助知识图谱的知识关联关系， 可以很快(秒速)的基于 用户反馈的故障设备的运行参数， 推荐出故障诊断原因。 为此， 需要对知识抽取功能进行说 明。 0044 本申请可以采用基于自然语言处理(Natura。

20、l Language Processing,NLP)的知识 抽取系统， 该系统是运用NLP技术， 在经过分词、 词性标注、 槽填充、 事件抽取等过程后从文 献的语段中抽取知识， 然后把用自然语言描述的句子通过结构化数据转换成计算机可理解 的形式， 并存入知识图谱数据库中。 其中， 结构化数据可以存储在数据库中， 可以用二维表 结构来逻辑表达和实现的数据， 严格地遵循数据格式长度规范。 0045 其中， 知识抽取， 即从至少一个来源来源、 至少一种结构的数据中进行知识提取， 形成知识的结构化数据存入到知识图谱中。 0046 本申请采用的知识抽取系统例如包括以下步骤： 数据转换、 本体构建以及知识。

21、抽 说明书 3/6 页 6 CN 111435366 A 6 取等步骤。 0047 具体地， 数据转换主要是用于对语料的收集， 本申请抽取的语料来自海量的 “设备 故障检修报告” 的文档集， 通过数据转换， 将海量的 “设备故障检修报告” 转换成设备故障检 修报告的TXT文档集。 0048 本体构建是根据 “设备故障检修报告” 中的信息,按照设备故障诊断知识图谱的知 识三元组结构(例如,如下知识三元组结构:),将所需要的知识抽取出来， 并且以一定的语义关系组织起来存放入知识图谱数据库中。 0049 知识抽取主要采用自然语言处理技术,按照规定顺序经过分词、 词表查询、 抽取规 则定义、 命名实体。

22、识别、 槽填充、 事件抽取等过程实现对设备故障检修报告进行知识抽取， 得到设备故障诊断知识图谱的知识三元组结构()的结构化数据。 0050 图1为本发明一实施例提供的设备故障诊断方法的流程示意图， 如图1所示： 0051 101、 当检测到设备存在故障时， 获取故障设备的设备信息； 0052 例如， 设备监测系统检测到设备存在故障或异常时， 即可获取存在故障的设备(简 称故障设备)的设备信息， 其中， 设备信息中包括该故障设备的运行参数。 0053 102、 将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定所述故 障设备的故障原因。 0054 需要说明的是， 在步骤102之前， 。

23、本申请需要利用知识抽取方法对海量的历史设备 检修报告进行知识抽取， 生成设备故障诊断知识图谱。 0055 其中， 上述历史设备检修报告中包括有故障设备的设备信息、 故障原因和故障维 修记录等信息； 由于其中的一部分信息为非结构化数据(如文档、 文本、 图片、 XML、 HTML、 各 类报表、 图像和音频/视频信息等)， 因此需要对历史设备检修报告进行知识抽取， 生成设备 故障诊断知识图。 0056 其中， 上述设备故障诊断知识图谱包括故障判断逻辑关系图， 该故障判断逻辑关 系图包括故障设备的设备信息、 故障原因信息之间的逻辑关联关系的结构化数据， 通过知 识抽取将历史设备检修报告中的非结构化。

24、数据生成设备故障诊断知识图谱中对应的结构 化数据。 0057 为此， 本申请实施例中， 为了能够与设备故障诊断知识图谱进行匹配并快速诊断 故障原因， 需要将所述故障设备的设备信息进行知识抽取形成对应的结构化数据。 之后， 将 所述故障设备的设备信息对应的结构化数据与所述设备故障诊断知识图谱中进行匹配， 根 据所述故障设备的设备信息、 故障原因信息之间的关联关系， 确定与所述故障设备的设备 信息对应的故障原因信息。 0058 进一步需要说明的是， 本实施例， 在实际应用中， 随着新的设备检修报告数据的产 生， 通过知识抽取功能， 需要持续学习挖掘新的设备检修报告数据， 学习总结出的新的故障 判断。

25、逻辑， 并挖掘出新的故障原因和故障处理方法， 从而可以持续完善设备故障诊断知识 图谱； 还可以通过知识推理规则方法， 对设备故障诊断知识图谱的图谱知识进行半自动和 自动化更新、 扩展。 0059 103、 利用所述设备故障诊断知识图谱， 确定与所述故障原因信息对应的故障处理 说明书 4/6 页 7 CN 111435366 A 7 方法信息。 0060 其中， 本实施例中， 设备故障诊断知识图谱还包括所述故障设备的设备信息、 故障 原因信息与故障处理方法信息之间的关联关系， 具体地， 设备故障诊断知识图谱可以是三 元组结构数据()。 0061 进一步地， 确定所述故障设备的故障原因之后还包括：。

26、 0062 利用所述设备故障诊断知识图谱中所述故障设备的设备信息、 故障原因信息与故 障处理方法信息之间的关联关系(即三元组结构化数据)， 确定与所述故障原因信息对应的 故障处理方法信息。 0063 本申请实施例， 当检测到设备存在故障； 获取故障设备的设备信息； 利用设备故障 诊断知识图谱， 确定所述故障设备的故障原因。 由于本申请的设备故障诊断知识图谱是采 用了人工智能算法， 从海量的设备故障检修报告中， 学习总结出的故障判断逻辑关系知识 图谱， 并挖掘出故障原因以及对应故障处理方法， 因此可以对多因素复杂故障进行诊断排 查， 同时又借助知识图谱的知识关联关系， 可以很快(秒速)的基于用户。

27、反馈的故障设备的 设备信息， 快速并正确的诊断出故障原因和故障处理方法。 0064 图2为本发明一实施例提供的设备故障诊断装置的结构示意图， 如图2所示： 0065 获取模块， 用于当检测到设备存在故障时， 获取故障设备的设备信息； 0066 匹配模块， 用于将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定所述故障设备的故障原因。 0067 可选地， 所述的装置还包括： 0068 知识抽取模块， 用于对历史的设备检修报告进行知识抽取， 生成所述设备故障诊 断知识图谱； 0069 其中， 所述历史的设备检修报告至少包括故障设备的设备信息、 故障原因信息； 0070 其中， 所述设备。

28、故障诊断知识图谱包括故障判断逻辑关系图， 该故障判断逻辑关 系图包括故障设备的设备信息、 故障原因信息之间的逻辑关联关系的结构化数据。 0071 可选地， 所述知识抽取模块， 还用于将所述故障设备的设备信息进行知识抽取， 形 成与所述故障设备的设备信息对应的结构化数据； 0072 可选地， 所述匹配模块具体用于： 0073 将所述故障设备的设备信息对应的结构化数据与所述设备故障诊断知识图谱进 行匹配， 根据所述故障设备的设备信息、 故障原因信息之间的关联关系， 确定与所述故障设 备的设备信息对应的故障原因信息。 0074 可选地， 所述设备故障诊断知识图谱中还包括所述故障设备的设备信息、 故障。

29、原 因信息与故障处理方法信息之间的关联关系， 则所述匹配模块还用于： 0075 利用所述设备故障诊断知识图谱中所述故障设备的设备信息、 故障原因信息与故 障处理方法信息之间的关联关系， 确定与所述故障原因信息对应的故障处理方法信息。 0076 本实施例所示装置可以执行上述图1所示方法实施例， 其实现原理和技术效果不 再赘述。 0077 图3为本发明另一实施例提供的电子设备的结构示意图， 如图3所示， 包括： 0078 存储器、 处理器以及通信组件； 说明书 5/6 页 8 CN 111435366 A 8 0079 存储器， 用于存储计算机程序； 0080 处理器， 与存储器和通信组件耦合， 。

30、用于执行计算机程序， 以用于执行： 0081 当检测到设备存在故障时， 获取故障设备的设备信息； 0082 将所述故障设备的设备信息与设备故障诊断知识图谱进行匹配， 确定所述故障设 备的故障原因。 0083 处理器还用于执行： 0084 对历史的设备检修报告进行知识抽取， 生成所述设备故障诊断知识图谱； 0085 其中， 所述历史的设备检修报告包括故障设备的设备信息、 故障原因信息； 0086 其中， 所述设备故障诊断知识图谱包括故障判断逻辑关系图， 该故障判断逻辑关 系图包括故障设备的设备信息、 故障原因信息之间的逻辑关联关系的结构化数据。 0087 处理器还用于执行： 0088 将所述故障。

31、设备的设备信息进行知识抽取， 形成与所述故障设备的设备信息对应 的结构化数据。 0089 处理器还用于执行： 0090 将所述故障设备的设备信息对应的结构化数据与所述设备故障诊断知识图谱进 行匹配， 根据所述故障设备的设备信息、 故障原因信息之间的关联关系， 确定与所述故障设 备的设备信息对应的故障原因信息。 0091 所述设备故障诊断知识图谱中还包括所述故障设备的设备信息、 故障原因信息与 故障处理方法信息之间的关联关系， 则处理器还用于执行： 0092 利用所述设备故障诊断知识图谱中所述故障设备的设备信息、 故障原因信息与故 障处理方法信息之间的关联关系， 确定与所述故障原因信息对应的故障。

32、处理方法信息。 0093 进一步， 如图3所示， 所述电子设备还包括： 显示器、 电源组件、 音频组件等其它组 件。 图3中仅示意性给出部分组件， 并不意味着所述电子设备只包括图3所示组件。 0094 本实施例所示服务器可以执行上述图1所示方法实施例， 其实现原理和技术效果 不再赘述。 0095 相应地， 本申请实施例还提供一种存储有计算机程序的计算机可读存储介质， 计 算机程序被计算机执行时能够实现上述图1所示方法实施例中相关的步骤或操作， 在此不 再赘述。 0096 最后应说明的是： 以上实施例仅用以说明本发明的技术方案， 而非对其限制； 尽管 参照前述实施例对本发明进行了详细的说明， 本领域的普通技术人员应当理解： 其依然可 以对前述各实施例所记载的技术方案进行修改， 或者对其中部分技术特征进行等同替换； 而这些修改或者替换， 并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和 范围。 说明书 6/6 页 9 CN 111435366 A 9 图1 图2 图3 说明书附图 1/1 页 10 CN 111435366 A 10 。