基于知识图谱和模糊推理的机械故障诊断模型 .pdfVIP

基于知识图谱和模糊推理的机械故障诊断模

型

作者：石玉胡瑛婷

来源：《现代信息科技》2022年第13期

摘要：目前，全球制造业正快速发展，智能制造是重要的发展方向，预测性维护是重要

应用场景之一。机器学习算法对数据处理有极大优势，但较难理解。基于此，对机械故障知识

图谱和模糊推理的转换进行研究，将知识图谱映射到模糊本体，为数据赋予语义信息，推理得

到机械故障程度。在实验数据集上测试模型，准确率为0.84，与经典分类算法SVM对比分析

得出模型的有效性。同时，模型具有通用性和可扩展性。

关键词：故障诊断;知识图谱;模糊推理;智能制造

中图分类号：TP277文献标识码：A文章编号：2096-4706（2022）13-0072-06

MechanicalFaultDiagnosisModelBasedonKnowledgeGraphandFuzzyInference

SHIYu，HUYingting

（SchoolofInformationScienceandEngineering，ShandongNormalUniversity，Jinan

250358，China）

Abstract：Atpresent，theglobalmanufacturingindustryisdevelopingrapidly，intelligent

manufacturingisanimportantdevelopmentdirection，andpredictivemaintenanceisoneofthe

importantapplicationscenarios.Machinelearningalgorithmshavegreatadvantagesfordata

processing，buttheyaredifficulttounderstand.Basedonthis，thetransformationbetween

mechanicalfaultKnowledgeGraphandfuzzyinferenceisstudied，andtheKnowledgeGraphis

mappedtofuzzyontology，enduesthedatawiththesemanticinformation，andinferstoobtainthe

degreeofmechanicalfault.Itteststhemodelontheexperimentaldataset，andtheaccuracyis0.84.

Thevalidityofthemodelisobtainedbycomparingandanalyzingwiththeclassicalclassification

algorithmSVM.Atthesametime，themodelhasuniversalityandexpansibility.

Keywords：faultdiagnosis;KnowledgeGraph;fuzzyinference;intelligentmanufacturing

引0言

随着第四轮经济全球化、第四次工业革命的到来，物联网、人工智能技术在制造业得到普

遍应用，全球制造业格局正发生战略性调整。人工智能等技术促使“智能工厂”“智能车间”“智

能工作流程”等的诞生，极大地降低生产制造成本。智能制造是中国制造从“大”走向“强”的重

要方向，是中国顺应科技革命和产业变革的总趋势，建设创新型国家的战略性选择[1]。

目前，制约生产的一个重要因素是设备维护，现有的主要维护方式分为：修复方式，预防

方式和预测方式。随着工业大数据的发展和人工智能与工业大数据的结合，预测性维护成为相

关研究的重要应用场景。预测性维护可以避免故障停机或最小化故障停机时间，保证机器能在

尽可能长的时间内正常使用，研究价值高。祝旭倡导将过去常用的预防性维护转变成基于设备

状态是否正常的预测性维护[2]，可见预测性维护对工业生产的重要意义。若对预测性维护的

相关研究方法进行简要分类，可分为基于机器学习和基于本体方法。

机器学习算法是人工智能技术的核心之一，能够处理高维度数据、多