System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 贝叶斯网络训练方法、故障诊断方法、装置及终端设备制造方法及图纸_技高网

贝叶斯网络训练方法、故障诊断方法、装置及终端设备制造方法及图纸

技术编号:43147786 阅读:6 留言:0更新日期:2024-10-29 17:48
本申请适用于计算机技术领域,提供了贝叶斯网络训练方法、故障诊断方法、装置及终端设备,包括:根据目标设备的机械结构关系以及所述目标设备所对应的故障事件确定故障知识图谱,将所述故障知识图谱转换为贝叶斯网络,对所述贝叶斯网络进行训练,得到目标贝叶斯网络。本申请可以提高故障诊断的准确性。

【技术实现步骤摘要】

本申请属于计算机,尤其涉及贝叶斯网络训练方法、故障诊断方法、装置、终端设备及计算机可读存储介质。


技术介绍

1、随着现代工业和科学技术的飞速发展,现代机械设备的功能越来越多,机械设备的制造、安装、运行和维护等工作都相应地提出了更高的要求。其中,机械设备运行过程中的故障诊断尤为重要,实时和高效的故障诊断对增加设备运行的安全性具有重要意义。例如,对于能源、石化、冶金和航天航空等经济支柱产业的机械设备而言,其运行过程中零部件的受力、摩擦和磨损等因素都可能导致机械设备的故障,一旦发生故障,轻则造成停机、停产,带来巨大的经济损失,重则造成机毁人亡的重大灾难性事故。

2、目前,在进行机械设备的故障诊断时,通常通过专家系统进行诊断,或者采用神经网络对运行数据进行特征提取和分类来进行诊断,但专家系统中知识的获取通常较难,且对专家的依赖程度高,而神经网络的训练依赖于故障情况下的样本数据,难以应用于无法获得大量故障数据的工业过程。


技术实现思路

1、本申请实施例提供了贝叶斯网络训练方法、故障诊断方法、装置及终端设备,可以提高故障诊断的准确性。

2、第一方面,本申请实施例提供了一种贝叶斯网络训练方法,包括:

3、根据目标设备的机械结构关系以及所述目标设备所对应的故障事件确定故障知识图谱;

4、将所述故障知识图谱转换为贝叶斯网络;

5、对所述贝叶斯网络进行训练,得到目标贝叶斯网络。

6、第二方面,本申请实施例提供了一种故障诊断方法,包括:

7、获取目标设备的待检测数据;

8、将所述待检测数据映射到目标贝叶斯网络中,并通过所述目标贝叶斯网络进行推理,得到诊断结果,所述诊断结果用于指示所述目标设备的故障情况,所述目标贝叶斯网络根据上述第一方面所述的贝叶斯网络训练方法训练得到。

9、第三方面,本申请实施例提供了一种故障诊断装置,包括:

10、故障知识图谱构建模块,用于根据目标设备的机械结构以及所述目标设备所对应的故障事件确定故障知识图谱;

11、贝叶斯网络构建模块,用于将所述故障知识图谱转换为贝叶斯网络;

12、贝叶斯网络训练模块,由于对所述贝叶斯网络进行训练,得到目标贝叶斯网络。

13、第四方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的贝叶斯网络训练方法或上述第二方面所述的故障诊断方法的步骤。

14、第五方面,本申请实施例提供了一种计算机可读存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中所述的贝叶斯网络训练方法或上述第二方面所述的故障诊断方法的步骤。

15、第六方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面所述的贝叶斯网络训练方法或上述第二方面所述的故障诊断方法。

16、本申请实施例与现有技术相比存在的有益效果是:

17、本申请实施例中,在构建目标设备的故障知识图谱之后,将该故障知识图谱转换为贝叶斯网络,对该贝叶斯网络训练得到目标贝叶斯网络。由于故障知识图谱是根据目标设备的机械结构关系和目标设备对应的故障事件进行构建的,而贝叶斯网络具有多源信息表达与融合的特点,其适合于在不确定信息条件下的知识表达和推理,因此,由贝叶斯网络训练得到的目标贝叶斯网络适用于在不确定信息条件下对目标设备的故障的表达和推理,即,若后续采用该目标贝叶斯网络对目标设备进行故障推理时能够保证推理结果的准确性。并且,由于上述方式无需专家参与,因此,能够减少对专家的依赖性。

本文档来自技高网...

【技术保护点】

1.一种贝叶斯网络训练方法,其特征在于,包括:

2.如权利要求1所述的贝叶斯网络训练方法,其特征在于,在所述将所述故障知识图谱转换为贝叶斯网络之前,还包括:

3.如权利要求2所述的贝叶斯网络训练方法,其特征在于,所述对所述故障知识图谱进行向量化处理,得到向量形式的所述故障知识图谱,包括:

4.如权利要求3所述的贝叶斯网络训练方法,其特征在于,所述对所述第二故障知识图谱进行投射处理,得到所述故障知识图谱,包括:

5.如权利要求1所述的贝叶斯网络训练方法,其特征在于,所述根据目标设备的机械结构关系以及所述目标设备所对应的故障事件确定故障知识图谱,包括:

6.如权利要求1至5任一项所述的贝叶斯网络训练方法,其特征在于,所述对所述贝叶斯网络进行训练,得到目标贝叶斯网络,包括:

7.一种故障诊断方法,其特征在于,包括:

8.一种贝叶斯网络训练装置,其特征在于,包括:

9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并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6任一项所述的方法或如权利要求7所述的方法。

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6任一项所述的方法或如权利要求7所述的方法。

...

【技术特征摘要】

1.一种贝叶斯网络训练方法,其特征在于,包括:

2.如权利要求1所述的贝叶斯网络训练方法,其特征在于,在所述将所述故障知识图谱转换为贝叶斯网络之前,还包括:

3.如权利要求2所述的贝叶斯网络训练方法,其特征在于,所述对所述故障知识图谱进行向量化处理,得到向量形式的所述故障知识图谱,包括:

4.如权利要求3所述的贝叶斯网络训练方法,其特征在于,所述对所述第二故障知识图谱进行投射处理,得到所述故障知识图谱,包括:

5.如权利要求1所述的贝叶斯网络训练方法,其特征在于,所述根据目标设备的机械结构关系以及所述目标设备所对应的故障事件确定故障知识图谱,包括:

6.如权...

【专利技术属性】
技术研发人员:夏历翘郑湃周家樑
申请(专利权)人:香港理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1