[发明专利]基于知识图谱的机械故障诊断知识库构建方法

摘要

基于知识图谱的机械故障诊断知识库构建方法属于机械故障诊断领域。机械故障诊断知识库反映故障产生本质和领域专家的经验，通过知识处理模块，存储于知识库中，为机械故障诊断提供支持。传统的知识图谱被表示为网络形式，节点表示实体，连线表示关系，这种表示形式需要设计专门的图算法存储和利用数据库，存在费时费力的取点。本发明以深度学习为代表的表示学习技术，将三元组对象映射到向量空间，表示为稠密低维向量，通过向量变换实现高效计算和推理。本发明建立了基于知识图谱的机械故障诊断知识库构建方法，将机械故障诊断知识表示为三元组，并利用TransD模型将三元组表示为向量，可以优化传统知识库案例表示不准确、维护修改困难以及推理计算效率低下等问题，对于故障诊断领域具有重要的意义。

主权项

1.基于知识图谱的机械故障诊断知识库构建方法，其特征在于，具体步骤如下：1)知识搜集整理：机械故障诊断知识存在于各类结构化和非结构化的诊断报表和案例库中，需要将这些内容统一搜集整理作为知识构建的基础；2)构建三元组数据集：基于知识图谱的构建模式，搜集整理的故障诊断知识并以实体‑关系‑实体三元组的形式表示，建立机械故障诊断的知识图谱；3)确定嵌入维数：根据数据集的内容和规模，确定知识表示的嵌入维数；4)初始化向量：将三元组初始化编码为确定维度的向量；5)构建训练样本：以正确的三元组作为正采样样本，并替换正确的三元组头实体或尾实体，构建负采样样本，将构建好的采样样本作为训练模型的输入；6)利用SGD进行训练学习：训练学习得到三元组表示向量；7)利用测试集测试三元组的向量化表示结果。