[发明专利]基于案例推理的装备故障诊断方法

权利要求书

1.基于案例推理的装备故障诊断方法，其特征在于，包括以下步骤：

步骤1，获取装备的历史故障案例数据，对历史故障案例数据依次进行预处理、分类和特征提取，得到每类对应的特征属性，据此建立故障案例库；

步骤2，采用所述故障案例库中的案例数据对RBF神经网络进行训练，得到训练后的RBF神经网络；

步骤3，对待诊断故障进行特征提取，得到对应的关键特征属性及其对应词向量；据此选取聚类中心点个数，把案例库中所有相关的案例根据词向量做K-means聚类，找到与目标案例类别相同的案例，即同类案例；将每一条同类案例的故障特征转化为词向量后输入训练后的RBF神经网络进行检索推理，输出其与每个同类案例的相似度；

步骤4，选取相似度高的故障案例，据此确定对应故障原因及解决方案，并更新故障案例库。

2.根据权利要求1所述的基于案例推理的装备故障诊断方法，其特征在于，所述历史故障数据为历史装备使用过程中的排故和维修记录，具体包含故障维修手册和维修服务现场工作纪要；所述故障维修手册包含装备生产厂家或使用单位对装备常见故障的描述及对应解决方法，具体为故障现象、故障设备、故障原因和故障定位；所述维修服务现场工作纪要为装备生产厂家或使用单位对装备未曾出现的故障进行现场维修时出具的故障描述及对应解决方案。

3.根据权利要求1所述的基于案例推理的装备故障诊断方法，其特征在于，所述预处理为剔除历史故障案例数据中的低价值和冗余数据；低价值数据为不含关键信息的词，冗余数据为与已有案例源的故障案例表述不同，其特征值和解决方案相同的案例。

4.根据权利要求1所述的基于案例推理的装备故障诊断方法，其特征在于，所述分类为将历史故障案例数据按照装备系统分为机械系统故障案例、电子系统故障案例和液压系统故障案例。

5.根据权利要求1所述的基于案例推理的装备故障诊断方法，其特征在于，所述特征提取为采用中文分词算法对每类历史故障案例数据进行特征提取，得到每个历史故障案例对应的多个特征属性；再采用TF-IDF关键词抽取算法进行关键特征属性提取和向量化，获取案例中的关键特征属性及其词向量；

所述特征属性包含装备运行环境、故障所属级别、故障现象和故障解决方案；所述装备运行环境包含温度、湿度、盐度、海拔；故障所属级别为三级表示，级别由高到低分别为部件级、零件级和元件级，当高级别出现故障，则可不记录低级别；所述故障现象为连续录入的故障现象关键词；所述故障解决方案与故障现象相对应。

6.根据权利要求5所述的基于案例推理的装备故障诊断方法，其特征在于，TF-IDF关键词抽取算法的计算公式为：

案例中关键词ω的TF-IDF值为：

其中，n_ω是词汇ω在该案例中出现的次数，∑n为案例中所有词汇出现的次数总和；j_ω是包含词汇ω的案例数目，|D|是故障案例库中案例总数。

7.根据权利要求1所述的基于案例推理的装备故障诊断方法，其特征在于，所述采用所述故障案例库中的案例数据对RBF神经网络进行训练，具体为：将故障案例库中每个故障案例的特征属性向量化后的词向量输入RBF神经网络，对网络结构进行训练更新；

RBF神经网络包含输入层、隐含层和输出层，所述隐含层的基函数的中心、方差以及加权系数分别通过RBF神经网络对故障案例库中源案例的学习训练过程求得。

8.根据权利要求1所述的基于案例推理的装备故障诊断方法，其特征在于，所述根据该相似度确定对应故障原因及解决方案，并更新故障案例库，具体为：

(4.1)当检索到与目标案例相同的源案例，则从故障案例库直接获取故障原因及其解决方案即可，不进行案例库更新；

(4.2)当检索到与目标案例类似的源案例，则将相似源案例的解决方案作为目标案例的建议解，并根据实际情况进行建议解的修正，将修正后的方案作为最终解决方案，并将该目标案例保存至案例库完成案例库更新。