[发明专利]基于人工智能的设备健康分析及故障诊断的方法及系统

权利要求书

1.基于人工智能的设备健康分析及故障诊断系统，其特征在于，包括以下部分：

设备信息采集模块、设备信息处理模块、设备信息存储模块、设备健康知识库、用户评分接口、评分转化模块、设备健康分析模块、故障监测模块和故障诊断模块；

所述设备信息采集模块，用于采集设备实时信息和历史运维案例信息，设备信息采集模块将历史运维案例信息通过数据传输的方式发送给设备信息处理模块，将设备实时信息通过数据传输的方法发送给故障监测模块；

所述设备信息处理模块，用于对获取的每个案例中的信息进行预处理，提取每个案例的信息特征，为信息特征分配初始特征标签，通过数据传输的方式发送给设备信息存储模块；

所述设备信息存储模块，用于存储信息特征，将信息特征通过数据传输的方式发送给设备健康知识库；

所述设备健康知识库，用于对标记后的信息特征采用知识图谱神经网络模型进行深度训练，提取出设备健康知识图谱；设备健康知识库将设备健康知识图谱通过数据传输的方式发送给设备健康分析模块和故障监测模块；

所述用户评分接口，用于接收用户的补充信息，所述用户补充信息包括用户对设备情况的评价和其他补充说明；将用户补充信息通过数据传输的方式发送给评分转化模块；

所述评分转化模块，用于根据补充信息中不同用户对设备的评价信息，计算设备的综合评价，将用户评价转化为知识图谱中三元组的权重值；

其中，计算三元组的权重值的具体方式为：

首先根据不同用户对于设备评分的信息熵计算不同设备的等效评分：

其中，表示设备的等效评分，和表示第u个用户和第v个用户分别对设备评分的总数，，，，和分别表示第u个用户和第v个用户对设备的评分，表示评分的概率分布；然后计算以不同设备为实体的三元组的权重值：

其中，J表示设备总数；

评分转化模块将三元组的权重值通过数据传输的方式发送给设备健康分析模块；

所述设备健康分析模块，用于对设备健康进行分析，并将设备健康知识网和健康等级通过数据传输的方式发送给设备信息存储模块；

所述故障监测模块，用于实时监测设备中能引起设备故障的因素，并将所述因素作为分布参数构造设备故障函数，实时监测设备故障函数的动态变化，若达到阈值范围，表明设备存在故障风险或已经发生故障，将设备故障函数通过数据传输的方式发送给故障诊断模块；

所述故障诊断模块，用于根据设备健康知识图谱和设备故障函数，通过深度优先算法查找故障路径，得到该故障的所有信息，包括故障类型、故障部件点、故障风险源、故障影响和故障修复措施信息，完成故障诊断，将诊断结果发送给设备信息存储模块。

2.一种如权利要求1所述系统的基于人工智能的设备健康分析及故障诊断方法，其特征在于，所述方法包括以下步骤：

S1.根据设备历史运维案例信息提取信息特征，构造知识图谱神经网络模型组建设备健康知识图谱；

S2.通过不同用户根据实际情况对设备情况的补充信息对设备健康知识图谱进行完善，计算得到三元组的权重值，设置设备健康等级划分规则划分设备健康等级；

S3.以设备故障因素为分布参数构建设备故障函数，实时监测设备故障函数的动态变化，确定故障风险，根据设备健康知识图谱对设备进行故障诊断。

3.如权利要求2所述基于人工智能的设备健康分析及故障诊断方法，其特征在于，所述步骤S2中，设置设备健康等级划分规则为：若设备健康知识网中包含高危信息，所述高危信息包括但不限于重大故障、役龄超限或维修次数超限信息，则将该设备健康等级划分为高危；若设备健康知识网中包含低危信息，所述低危信息包括但不限于中级故障、役龄或维修次数达到预设阈值信息，则将该设备健康等级划分为低危；其他设备的健康等级可划分为正常。

4.根据权利要求2所述的基于人工智能的设备健康分析及故障诊断方法，其特征在于，所述步骤S3包括：

将设备历史运维数据中能引起设备故障的因素作为设备故障函数的分布参数，设立有m个因素可以引发设备故障，所述故障监测模块构造分布参数为形式的设备故障函数，根据设备故障率对分布参数进行估计：

其中，，，为参数估计目标函数，即设备故障函数，表示设备故障率，，表示设备的等效役龄，n表示等效役龄分级的最大级数；

对目标函数进行求解，首先计算针对参数A的求解方向：，其中，表示的逆矩阵，为的黑塞矩阵，为梯度向量；针对参数A沿方向以步长B进行搜索，所述步长由实验获得；

迭代计算寻找最优参数：；

若满足，则终止迭代，为预设的迭代控制因子，输出为最优参数；所述故障监测模块根据所述设备信息采集模块采集的实时数据，实时监测设备故障函数的动态变化，若，表明设备存在故障风险或已经发生故障，需要根据设备健康知识图谱对设备进行故障诊断。