[发明专利]一种故障树图片的故障知识图谱自动创建方法及装置

说明书

本发明提供一种故障树图片的故障知识图谱自动创建方法及装置，方法包括：对复杂装备故障知识图谱进行知识建模，定义实体类型、关系类型和属性；对故障树图片进行灰度化、二值化和形态学处理；将图像分割成若干不相交的检测区域，识别检测区域的中心点坐标；识别检测区域内容，将故障事件和事件代号一一对应，完成实体抽取；基于识别的检测区域内容和检测区域中心点坐标，完成实体之间的关系抽取；将实体和关系转化成结构化三元组，建立故障知识图谱，存储在图数据库；对故障知识图谱进行汇聚融合；利用知识图谱进行根因分析、故障影响分析。本发明可以有效解决手工获取大规模知识困难的问题，实现多源异构知识的汇聚融合。

技术领域

本发明属于复杂装备健康管理领域，尤其涉及一种故障树图片的故障知识图谱自动创建方法及装置。

背景技术

故障树图片是一种逻辑因果关系图，构图的元素是事件和逻辑门：事件用来描述系统和元、部件故障的状态；逻辑门把事件联系起来，表示事件之间的逻辑关系。基于故障树可以很好地完成装备的故障诊断和根因分析，但由于图片是一种非结构化数据，少量故障树图片中的知识可以利用手工去获取，但无法适用于大规模的故障树图片，致使其在健康管理领域没有得到充分的利用，尤其在复杂装备健康管理领域，关于故障知识图谱研究较少，有必要弥补这一领域的空缺。

发明内容

针对上述现有技术不足，本发明提供一种故障树图片的故障知识图谱自动创建方法及装置，将获取的知识自动转化成故障知识图谱，实现大规模故障树图片中故障知识的汇聚；同时也可利用图数据库的高性能优势，更好地实现故障诊断、根因分析和故障影响分析，并以可视化的形式进行直观展示。

为了实现本发明的目的，拟采用以下方案：

一种故障树图片的故障知识图谱自动创建方法，包括步骤：

S1：对复杂装备故障知识图谱进行知识建模，定义实体类型、关系类型和属性；

S2：对读取的故障树图片进行图像预处理，包括灰度化、二值化和形态学处理，以将检测目标凸显出来；

S3：将图像分割成若干不相交的检测区域，并识别检测区域的中心点坐标；

S4：利用光学字符识别技术识别检测区域内容，并将故障事件和事件代号一一对应，完成实体抽取；

S5：基于识别的检测区域内容和检测区域中心点坐标，完成实体之间的关系抽取；

S6：将实体和关系转化成结构化三元组，建立故障知识图谱，存储在图数据库；

S7：对多张故障树图片自动创建的故障知识图谱进行汇聚融合；

S8：对融合的故障知识图谱进行可视化展示，利用知识图谱进行根因分析、故障影响分析。

进一步，S2：对故障树图片进行图像预处理，包括灰度化、二值化和形态学处理，以将检测目标凸显出来，包括如下步骤：

S21：读取故障树图片；

S22：对故障树图片进行灰度化处理，以将故障树图片中的每一个像素点值都变成Gray(i，j)；

S23：对灰度化处理后的故障树图片进行二值化处理，将图像上的像素点的灰度值设置为0或255；

S24：对二值化处理的故障树图片进行形态学处理，具体是对二值化图像进行开运算和闭运算，开运算是先腐蚀后膨胀，闭运算是先膨胀后腐蚀。

进一步，S3：将图像分割成若干不相交的检测区域，并识别检测区域的中心点坐标，包括如下步骤：

S31：基于图像处理中的轮廓提取算法，提取目标检测区域轮廓和属性；

S32：遍历所有目标检测区域轮廓，计算每一个轮廓的面积，并筛选掉面积小于预定面积阈值的区域；

S33：计算目标检测区域的轮廓长度，并利用多边形逼近方法获取目标检测区域的近似轮廓；