基于知识和数据融合驱动的设备故障诊断方法

作     者：刘晶 高立超 孙跃华 冯显宗 季海鹏 LIU Jing;GAO Lichao;SUN Yuehua;FENG Xianzong;JI Haipeng

作者机构：河北工业大学人工智能与数据科学学院天津300400 河北省数据驱动工业智能工程研究中心天津300400 天津开发区精诺瀚海数据科技有限公司天津300400 北京起重运输机械设计研究院有限公司索道工程事业部北京100007 河北工业大学材料科学与工程学院天津300400 

基　　金：天津市科技计划项目(2019年天津市人工智能重大专项)(19ZXZNGX00040) 河北省自然科学基金项目(F2019202062) 

出 版 物：《郑州大学学报（理学版）》 (Journal of Zhengzhou University:Natural Science Edition)

年 卷 期：2022年第54卷第2期

页      码：39-46页

摘      要：传统设备故障诊断方法通常基于单一的机理知识或运行数据,难以解决多复杂工况、多故障类型的设备故障问题。针对以上问题,提出了一种基于知识和数据融合驱动的设备故障诊断方法,从单纯依赖机理知识或运行数据到两者融合驱动,进一步形成故障图谱诊断系统,不仅通过优化的双向长短时记忆网络模型对设备运行数据进行故障分类,而且可以展示详细故障信息以及相似故障。经实验分析验证,故障诊断准确率平均达到95.03%,同时系统通过基于融合故障链的知识图谱进行辅助决策,返回故障相关信息。对比传统分类模型准确率表现突出,并实现了机理知识与数据驱动相融合的设备故障领域图谱构建。

主 题 词：知识图谱 特征提取 故障诊断 LSTM 融合分类 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13705/j.issn.1671-6841.2021283

馆 藏 号：203107717...