基于知识图谱和多任务学习的工业生产关键设备故障诊断方法

摘要：

针对工业生产关键设备故障数据稀疏的问题和故障诊断的需求,本文提出了一种基于知识图谱和多任务学习的工业生产关键设备故障诊断模型MKFD(multi-task learning for knowledge graph-enhanced fault diagnosis),通过对故障根因的推断实现故障诊断.设计了多任务学习框架,并构造了一种改进十字绣单元用于实现框架内子任务之间的信息共享.利用运维数据构建故障现象-故障根因关联矩阵,使用多层感知机搭建知识图谱嵌入模型;分别将关联矩阵嵌入和知识图谱嵌入作为多任务学习框架中的两个子任务,通过子任务的交替学习,优化MKFD模型参数,实现对故障根因的推断,从而达到故障诊断的目的.最后,基于国内某工业企业的运维数据所构建的两个工业生产关键设备故障知识图谱对上述方案进行了验证实验,结果证明所提出的方法具有良好的性能.

关键词：故障诊断、知识图谱、多任务学习、工业生产关键设备、推荐系统

所属期刊栏目：53

分类号：TP393.07;TH165.3;TP277

资助基金：科技创新新一代人工智能重大项目;思源联盟开放基金项目

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：699-714