基于知识图谱的风电机组诊断系统构建与应用

摘要：

针对风力发电机故障诊断与维修过程不明确以及历史故障数据记录大量遗留等问题,提出一种以知识图谱的方式构建的风力发电机故障诊断系统.首先,通过改进的命名实体识别模型 BERT-BiLSTM-CRF 对故障文本进行知识抽取.数据集采用了近 10 年来的风力发电机故障案例、事故分析等文本数据.实验结果表明:在风力发电机故障领域中,改进的实体识别方法相比于传统模型效果提升了 2.54%.其次,对抽取的知识实体进行结构化分析,由于传统故障树在实际故障推理中缺乏目的性,且每个底事件相对于顶事件的重要性不同,提出以故障的特征属性为分支条件引入到故障树推理中,完成故障树定性与定量分析,并结合故障模式影响和危害性分析(FME-CA)完善故障领域知识模型;再对知识结构完成本体化建模,使用 Protégé开发工具对故障树结构完成了基于六元组概念的本体建模,使构建的本体知识库满足推理的前提条件.最后,通过 Neo4j实现知识模型的可视化,并提升了知识数据的读写能力.

关键词：知识图谱、知识抽取、风力发电机、故障诊断、本体

所属期刊栏目：44

分类号：TP391;TK8(计算技术、计算机技术)

资助基金：国家自然科学基金;哈密职业技术学院的自治区人才发展专项

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：54-60,98