(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210363087.3 (22)申请日 2022.04.07 (71)申请人 新奥数能科技有限公司 地址 100102 北京市朝阳区望京东路1号10 层 (72)发明人 于霄　吴磊　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 专利代理师 杨超 (51)Int.Cl. G06F 16/36(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/04(2006.01) (54)发明名称 设备故障诊断方法及装置 (57)摘要 本公开涉及故障诊断技术领域， 提供了设备 故障诊断方法及装置。 该方法包括： 获取设备故 障记录数据、 设备故障诊断数据和专家诊断知识 库； 利用设备机理诊断模型处理设备故障记录数 据， 得到第一诊断数据； 利用知识图谱诊断模型 处理设备故障记录数据， 得到第二诊断数据； 通 过第一神经网络模型处理设备故障记录数据， 得 到第三诊断数据； 标注第一诊断数据、 第二诊断 数据和第三诊断数据， 得到标注结果， 利用标注 结果训练第二神经网络模型； 利用第二神经网络 模型、 设备机理诊断模型、 知识图谱诊断模型和 第一神经网络模 型构建诊断模型； 利用诊断模型 对故障设备进行诊断。 权利要求书2页 说明书10页 附图3页 CN 114791954 A 2022.07.26 CN 114791954 A 1.一种设备故障诊断方法， 其特 征在于， 包括： 获取设备故障记录数据、 设备故障诊断数据和专 家诊断知识库； 基于所述专家诊断知识库， 通过设备机理分析方法构建设备机理诊断模型， 并利用所 述设备机理诊断模型处 理所述设备故障记录数据， 得到第一诊断数据； 基于所述设备故障诊断数据， 通过知识图谱推理方法构建知识图谱诊断模型， 并利用 所述知识图谱诊断模型处 理所述设备故障记录数据， 得到第二诊断数据； 通过第一神经网络模型处理所述设备故障记录数据， 得到第 三诊断数据， 其中， 所述第 一神经网络模型已通过训练， 学习并保存有 所述设备故障记录数据和所述第三诊断数据之 间的对应关系； 标注所述第 一诊断数据、 所述第 二诊断数据和所述第 三诊断数据， 得到标注结果， 利用 所述标注结果训练第二神经网络模型； 利用所述第二神经网络模型、 所述设备机理诊断模型、 所述知识图谱诊断模型和所述 第一神经网络模型构建诊断模型； 利用所述诊断模型对故障设备进行诊断。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述专家诊断知识库， 通过设备 机理分析 方法构建 设备机理诊断模型， 包括： 基于所述专家诊断知识库， 确定多个故障事件和每个故障事件对应的一个或多个原 因 事件； 基于多个故障事件和每个故障事件对应的一个或多个原 因事件， 通过设备机理分析方 法生成故障树； 根据所述故障树， 构建 设备机理诊断模型。 3.根据权利要求1所述的方法， 其特征在于， 所述利用所述设备机理诊断模型处理所述 设备故障记录数据， 得到第一诊断数据， 包括： 根据所述设备故障记录数据， 确定每个设备的参数数据， 其中， 所述参数数据， 包括： 低 压压力值、 制热低压卸载值、 主膨胀阀的开度值和低压 压力变化 值； 根据每个设备的参数 数据， 确定每 个设备的诊断结果， 以得到第一诊断数据。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述设备故障诊断数据， 通过知 识图谱推理方法构建知识图谱诊断模型， 包括： 对所述设备故障诊断数据进行知识抽取处 理， 得到抽取 结果； 对所述抽取 结果进行知识融合处 理， 得到融合结果； 对所述抽取 结果进行知识加工处 理， 得到设备知识图谱； 基于所述设备知识图谱， 构建知识图谱诊断模型。 5.根据权利要求1所述的方法， 其特征在于， 所述利用所述知识图谱诊断模型处理所述 设备故障记录数据， 得到第二诊断数据， 包括： 根据所述设备故障记录数据， 确定每个设备的设备属性信 息和每个设备对应的一个或 多个故障事 件； 根据每个设备的设备属性信 息和每个设备对应的一个或多个故障事件， 确定确定每个 设备的诊断结果， 以得到第二诊断数据。 6.根据权利要求1所述的方法， 其特征在于， 所述利用所述第二神经网络模型、 所述设权　利　要　求　书 1/2 页 2 CN 114791954 A 2备机理诊断模型、 所述知识图谱诊断模型和所述第一神经网络模型构建诊断模型， 包括： 将所述设备机理诊断模型、 所述知识图谱诊断模型和所述第 一神经网络模型以并联的 方式组成分支网络； 利用所述分支网络前接所述第二神经网络模型， 以构建诊断模型。 7.根据权利要求1所述的方法， 其特征在于， 所述利用所述诊断模型对故障设备进行诊 断， 包括： 获取所述故障设备的设备信息； 利用所述所述第 二神经网络模型对所述设备信 息进行处理， 得到处理结果， 其中， 所述 处理结果用于确定目标模 型， 其中， 所述目标模 型， 包括： 所述设备机理诊断模型、 所述知识 图谱诊断模型和所述第一神经网络模型； 利用所述目标模型对所述设备信息进行处 理， 以得到所述故障设备的诊断结果。 8.一种设备故障诊断装置， 其特 征在于， 包括： 获取模块， 被 配置为获取设备故障记录数据、 设备故障诊断数据和专 家诊断知识库； 第一处理模块， 被配置为基于所述专家诊断知识库， 通过设备机理分析方法构建设备 机理诊断模型， 并利用所述设备机理诊断模型处理所述设备故障记录数据， 得到第一诊断 数据； 第二处理模块， 被配置为基于所述设备故障诊断数据， 通过知识图谱推理方法构建知 识图谱诊断模型， 并利用所述知识图谱诊断模型处理所述设备故障记录数据， 得到第二诊 断数据； 第三处理模块， 被配置为通过第一神经网络模型处理所述设备故障记录数据， 得到第 三诊断数据， 其中， 所述第一神经网络模型已通过训练， 学习并保存有 所述设备故障记录数 据和所述第三诊断数据之间的对应关系； 训练模块， 被配置为标注所述第 一诊断数据、 所述第 二诊断数据和所述第 三诊断数据， 得到标注结果， 利用所述标注结果训练第二神经网络模型； 构建模块， 被配置为利用所述第 二神经网络模型、 所述设备机理诊断模型、 所述知识图 谱诊断模型和所述第一神经网络模型构建诊断模型； 诊断模块， 被 配置为利用所述诊断模型对故障设备进行诊断。 9.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并且可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 7中任一项所述方法的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114791954 A 3