CN113961718B 一种基于工业机械故障诊断知识图谱的知识推理方法 （南京航空航天大学）

一种基于工业机械故障诊断知识图谱的知本发明公开了一种基于工业机械故障诊断障实体与故障关系的词嵌入表示以及异构工业识图谱通过Neo4j图数据库进行可视化展示；构获取工业机械故障诊断知识图谱中实体的嵌入2汉字形成一个列表并以Unicode编码方式从小到大排序，对每一个故障实体与故障关系按TransD模型通过优化TransE翻译模型来学习知识图谱中每个实体和关系的嵌入向量3之后，通过映射矩阵将实体的嵌入向量映射到对应的关系嵌入向量空"是更新后的头、尾实体嵌入向量；(h",r",:")的信誉评分公式fri定义如下：最后，将训练后的实体和关系的嵌入向量添加到节点的词嵌入4i是第i个实体融合了图的结构信息后的嵌入表示，xi(2)是融合知识信息后的嵌力主要学习实体及其临近实体间的权重，语义级注意力用于学习基于不同元路径的权重；在此引入节点级注意力聚合每个实体的元路径邻居信息，借此",-am.(x',x;20)(10)然后，基于元路径的实体i的嵌入表示可以由其邻居实体的嵌入表示的投影和相应的5将多头注意力运用到节点级注意力中，使得训练过程更加稳定；其中，是元路径的权重，attnsem是计算语义级注意利用一个语义级注意力向量q与元路径特定语义节点嵌入的非线性变换做内积，来测量特表示为A,·其公式定义为：6对于半监督实体分类，采用最小化有类标签节点的预测类标签分布其中，C是分类器的参数，yL是有标签的节点索引集，Yl和Zl7而可以完成故障知识实体分类和故障知识链接8[0016]3.根据权利要求1所述的一种基于工业机械故障诊断知识图谱的知识推理方法，单个汉字形成一个列表并以Unicode编码方式从小到大排序，对每一个故障实体与故障关Python脚本实现各种工业故障数据的增[0025]TransD模型通过优化TransE翻译模型来学习知识图谱中每个实体和关系的嵌入9(h",r",")的信誉评分公式fri定义如下：[0036]为了优化训练过程，在知识图谱嵌入层中对正确的三元组(4",r",")eA进行[0039]最后，将训练后的实体和关系的嵌入向量添加到节点的词嵌[0043]在KGHAN模型中使用每个实体的度向量作为实体和关系的嵌入表示的附加信号，[0058]然后，基于元路径的实体i的嵌入表示可以由其邻居实体的嵌入表示的投影和相[0068]为了了解每个元路径的重要性，首先通过一个非线性函数变(KGHAN)训练故障知识数据，能够极大地提高故障知识实体分类和故障知识链接预测的准及异构工业机械故障诊断知识图谱；将构建的工业机械故障诊断知识图谱通过Neo4j图数障诊断知识图谱中实体的嵌入表示；完成故障知识实体分类任务和故障知识链接预测任故障关系的词嵌入表示以及异构工业机械故障[0096]步骤3为图谱展示阶段，其中包括：将构建的工业机械故障诊断知识图谱通过单个汉字形成一个列表并以Unicode编码方式从小到大排序，对每一个故障实体与故障关Python脚本实现各种工业故障数据的增以端到端的学习方式学习工业机械故障诊断知识图谱中的实体[0110]图2为本发明的一种实施例的知识图谱异构图注意力网络模型结构图。其中，KGHAN模型采用如下设计，包括知识信息融合层、图结构信息融合层和异构图注意力网络融合知识图谱翻译模型TransD的嵌入向量以[0112]TransD模型是通过优化TransE翻译模型来学习知识图谱中每个实体和关系的嵌(4",r",")的信誉评分公式fri定义如下：[0123]为了优化训练过程，在知识信息融合层中对正确的三元组(4",r",,")ea进行"是第i个节点嵌入表示(头实体嵌入向量n"和尾实体嵌入向量"的集合)，||是向量拼在图中的重要程度)通常是理解图的一个重要信号，这些信息在当前的注意力计算中被忽[0130]本发明在KGHAN模型中使用每个实体的度向量作为实体和关系的嵌入表示的附加[0133](3)异构图注意力网络层：该层的结构图如图2的异构图对于每种类型的实体设计特定类型的变换矩阵将不同类型实体的嵌入表示投影到相同的[0145]然后，基于元路径的实体i的嵌入表示可以由其邻居实体的嵌入表示的投影和相对每个实体调用K次相互独立的节点级注意力运算(可进行平均优化)，并将学习到的嵌入[0155]为了了解每个元路径的重要性，首先通过一个非线性函数变换特定语义的嵌[0171]如上所述，本发明提出了一种基于工业机械故障诊断知机械故障诊断知识图谱中的实体嵌入表示。本发明采用知识图谱异构图注意力网络模型(KGHAN)训练故障知识数据，能够极大地提高故障知识实体分类和故障知识链接预测的准[0175]本发明在国产某型号数控机床和国产某型号挖掘机的故障工况数据上进行了验[0179]本发明故障知识实体分类任务的验证结果图如图3a和图3b所示，结合上表1和结实现知识图谱的半自动化构建，可以辅助工程人员更快更好的构建工业故障诊断知识图[0183]由上表2可以看出，知识图谱异构图注意力网