【技术实现步骤摘要】
本专利技术涉及实验室设备故障诊断，具体为应用于排风设备故障自动诊断的模糊语义分析系统及方法。
技术介绍
1、生物安全实验室是进行与生物科相关的实验的场所。通过防护屏障和管理措施，能够避免或控制被操作的有害生物因子危害，达到生物安全要求的生物实验室和动物实验室。根据相关规定，生物安全实验室必须设置室内排风口，不得只利用生物安全柜或其他负压隔离装置作为房间排风出口。因此对于生物安全实验室排风设备的监测是生物安全实验室监测内容中较为重要的一点。
2、而在目前的技术手段中，通常是采用技术人员对生物安全实验室进行监测处理，然而不同的技术人员对监测内容的撰写方式不同，导致语义识别出现偏差，同时，缺乏一定生物安全实验经验的人员难以担当监测技术人员的岗位，导致各生物安全实验室技术人员紧缺，人员利用率差；目前尚缺乏针对生物安全实验室排风设备的智能手段监测与模糊语义识别。
技术实现思路
1、本专利技术的目的在于提供应用于排风设备故障自动诊断的模糊语义分析系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：应用于排风设备故障自动诊断的模糊语义分析方法，该方法包括以下步骤：
3、s1、构建数字化临时输入表，并接入生物安全实验室设备管理系统，所述数字化临时输入表用于监测人员发现生物安全实验室设备出现异常情况时，对实时异常情况进行描述，以语音或文字形式填入；
4、s2、生物安全实验室设备管理系统包含有排风设备处理单
5、s3、基于异常情况基础描述，构建排风设备故障第一诊断模型，形成故障诊断集合；
6、s4、基于故障诊断集合，构建排风设备故障第二诊断模型，对排风设备故障进一步优化输出，反馈至管理员端口。
7、根据上述技术方案，在步骤s1至s2中，所述排风设备处理单元设置有语音转换系统，接收数字化临时输入表后，将语音部分转换成文字；
8、基于排风设备的数字化临时输入表，对文字进行拆解：
9、所述对文字进行拆解包括：
10、基于词典的中文分词和基于统计的中文分词；
11、所述基于词典的中文分词包括：
12、建立统一的词典表，对排风设备的数字化临时输入表中的每一个句子进行分词拆解，将拆解的每一个部分与词典表一一对应，如果拆解的部分在词典表中，分词成功，否则继续拆分匹配直到成功；
13、所述基于统计的中文分词包括：
14、建立完整的语料库，基于语料库，在排风设备的数字化临时输入表中统计相邻的字组成的词语出现的概率，相邻的词出现的次数多，就出现的概率大，按照概率值进行分词；
15、同时，建立停用词字典，所述停用词包括副词、形容词及连接词，在排风设备的数字化临时输入表中，优先去除停用词，再进行文字拆解；
16、将拆解后的分词按照原句子的顺序形成主要特征句，作为异常情况基础描述。
17、根据上述技术方案，在步骤s3中，还包括：
18、构建排风设备历史数据库，所述历史数据库中记载有排风设备的历史故障以及每一条故障对应的异常情况基础描述；
19、获取当前的异常情况基础描述，进行单项主要特征句的故障自动分析，所述单项主要特征句的故障自动分析包括：
20、在异常情况基础描述任选一项主要特征句，在排风设备历史数据库中选取出异常情况基础描述中包含有当前主要特征句的故障类型，写成集合，将集合作为选择的主要特征句的初选故障类型集合，对每一项主要特征句均写出初选故障类型集合；
21、对初选故障类型集合进行处理，若存在某一故障类型在所有的初选故障类型集合中出现次数高于总次数的二分之一，则将某一故障类型写入终选故障类型集合；
22、在对单项主要特征句的故障自动分析后，再进行多项主要特征句的故障自动分析，所述多项主要特征句的故障自动分析包括：
23、按照选取的项数数量从小到大，逐步选取主要特征句，直至项数等于主要特征句的数量，项数从两项开始选取；
24、在排风设备历史数据库中选取出异常情况基础描述中包含当前若干项主要特征句的故障类型，写成集合，将集合作为选择的若干项主要特征句的初选故障类型集合；
25、对每一种多项选择均写出若干项主要特征句的初选故障类型集合；
26、对同一种多项选择进行处理，在同一种多项选择的主要特征句的初选故障类型集合中，若存在任两个初选故障类型集合中存在相同故障类型，则将相同的故障类型写入终选故障类型集合；
27、对终选故障类型集合进行处理，去除相同的故障类型，形成故障诊断集合。
28、根据上述技术方案，在步骤s4中，还包括：
29、在排风设备历史数据库中选取n组数据作为训练样本，其中每组数据指排风设备的历史故障以及每一条故障对应的异常情况基础描述；
30、在故障诊断集合任一选取一种故障类型m，基于n组数据的训练样本形成故障概率：
31、获取在n组数据的训练样本中，故障类型为m的样本的描述中包含当前异常情况基础描述中任一项主要特征句的样本数量记为p1；
32、获取在n组数据的训练样本中，故障类型为m的样本的描述中不包含当前异常情况基础描述中任一项主要特征句的样本数量记为p2；
33、获取在n组数据的训练样本中，故障类型为m的样本的数量为p3；
34、形成故障类型m的故障概率为：
35、
36、对故障诊断集合中的所有故障类型依次求解故障概率，按照故障概率从大到小的顺序进行反馈故障清单，依次排查。
37、应用于排风设备故障自动诊断的模糊语义分析系统，该系统包括：数字化临时输入模块、模糊语义处理模块、排风设备故障自动诊断模块以及优化输出模块；
38、所述数字化临时输入模块用于构建数字化临时输入表，并接入生物安全实验室设备管理系统，所述数字化临时输入表用于监测人员发现生物安全实验室设备出现异常情况时，对实时异常情况进行描述，以语音或文字形式填入；所述模糊语义处理模块用于接收排风设备的数字化临时输入表，基于模糊语义，形成异常情况基础描述；所述排风设备故障自动诊断模块基于异常情况基础描述，构建排风设备故障第一诊断模型，形成故障诊断集合；所述优化输出模块基于故障诊断集合，构建排风设备故障第二诊断模型，对排风设备故障进一步优化输出，反馈至管理员端口；
39、所述数字化临时输入模块的输出端与所述模糊语义处理模块的输入端相连接；所述模糊语义处理模块的输出端与所述排风设备故障自动诊断模块的输入端相连接；所述排风设备故障自动诊断模块的输出端与所述优化输出模块的输入端相连接。
40、根据上述技术方案，所述数字化临时输入模块包括数字化临时输入单元和识别单元；
41、所述数字化临时输入单元用本文档来自技高网...
【技术保护点】
1.应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：在步骤S1至S2中，所述排风设备处理单元设置有语音转换系统，接收数字化临时输入表后，将语音部分转换成文字；
3.根据权利要求2所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：在步骤S3中，还包括：
4.根据权利要求3所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：在步骤S4中，还包括：
5.应用于排风设备故障自动诊断的模糊语义分析系统，用于实施权利要求1-4任一项所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：该系统包括：数字化临时输入模块、模糊语义处理模块、排风设备故障自动诊断模块以及优化输出模块；
6.根据权利要求5所述的应用于排风设备故障自动诊断的模糊语义分析系统，其特征在于：所述数字化临时输入模块包括数字化临时输入单元和识别单元；
7.根据权利要求5所述的应用于排风设备故障自动诊断的模糊语义
8.根据权利要求5所述的应用于排风设备故障自动诊断的模糊语义分析系统，其特征在于：所述排风设备故障自动诊断模块包括第一诊断单元与基础故障存储单元；
9.根据权利要求5所述的应用于排风设备故障自动诊断的模糊语义分析系统，其特征在于：所述优化输出模块包括优化单元与反馈单元；
...【技术特征摘要】
1.应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：在步骤s1至s2中，所述排风设备处理单元设置有语音转换系统，接收数字化临时输入表后，将语音部分转换成文字；
3.根据权利要求2所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：在步骤s3中，还包括：
4.根据权利要求3所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：在步骤s4中，还包括：
5.应用于排风设备故障自动诊断的模糊语义分析系统，用于实施权利要求1-4任一项所述的应用于排风设备故障自动诊断的模糊语义分析方法，其特征在于：该系统...
【专利技术属性】
技术研发人员：杨九祥，陶刚，施金杰，杨建建，
申请(专利权)人：中国电子系统工程第二建设有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。