[发明专利]一种基于自然语言理解的设备故障定位方法

说明书

本申请提供一种基于自然语言理解的设备故障定位方法，所述方法包括：获取历史故障数据，根据所述历史故障数据建立标准故障数据库；根据所述标准故障数据库，构建故障描述表和故障类别关系对应表；根据故障描述表和故障类别关系对应表，基于深度学习的方法构建分类模型，并利用分类模型进行故障类别分类。

技术领域

本发明属于设备故障诊断领域，涉及一种基于自然语言理解的设备故障定位方法。

背景技术

随着工业及科学技术的迅速发展，设备的结构日趋复杂，这给传统故障诊断及分析方法带来了巨大困难。

同时，设备使用人员受限于对设备的认知水平，其对设备的故障描述，以使用自然语言为主，水平参差不齐，且有可能缺乏故障定位所需的一些关键信息，给故障定位带来一定的困难；如何有效利用设备使用人员的故障描述信息，确定故障描述和故障定位之间的关系，提高维修的效率，是迫切需要解决的问题。

发明内容

本发明要解决的问题是：提供一种基于自然语言理解的设备故障定位方法，辅助维修人员进行快速故障定位，以解决现有设备维修时，对维修人员知识要求高、故障定位难；已有知识经验难以传承的问题。

本申请提供一种基于自然语言理解的设备故障定位方法，所述方法包括：

获取历史故障数据，根据所述历史故障数据建立标准故障数据库；根据所述标准故障数据库，抽取故障描述表，并基于先验规则人为构建故障类别关系对应表；

根据故障描述表和故障类别关系对应表，基于深度学习的方法构建分类模型，并利用分类模型进行故障类别分类。

优选的，基于深度学习的方法构建分类模型，具体包括:

将故障描述表中的历史故障数据输入分类模型，以便作为分类模型的训练数据，训练分类模型，不断优化分类模型参数。

优选的，分类模型包括基于注意力机制的文本分类算法分类器。

优选的，根据所述标准故障数据库，构建故障描述表和故障类别关系对应表，具体包括：

根据标准故障数据库，抽取并归纳数据库中故障类别，并基于先验规则，人为构建故障类别对应表；其次，通过聚类算法对故障数据库进行清洗和过滤，并抽取故障描述表。

优选的，通过对标准故障数据库中的数据进行聚类，并对按类标聚类后每一类故障数据归纳整理得到故障描述表和故障类别关系表，具体包括：

针对标准故障数据库的数据，利用结巴分词，对故障数据进行分词操作，利用TF-IDF，得到故障描述文本特征，进行聚类处理，并构建故障描述表和故障类别关系表。

优选的，故障描述表为经过聚类方法清洗及过滤后具有代表性的典型故障数据。

优选的，故障类别关系表为基于先验规则人为制定的故障标签与故障描述对应表。先验规则依据设备原理及维修经验，由专业维修人员人为确定。

本发明的有益效果是：本发明利用自然语言的故障描述，只需要描述设备故障现象，系统便可辅助实现故障设备的智能化定位，提高设备检修效率。

附图说明

图1为本申请提供的一种基于自然语言理解的设备故障定位方法的流程示意图；

图2为本申请提供的一种CBOW模型的示意图；

图3为本申请提供的一种L-BiGRU的示意图；

图4为本申请提供的一种故障类别的示意图；

图5为本申请提供的一种出现频率最高的词语的饼状分布图。

具体实施方式

下面对本发明方法的实施方式做详细说明。