专利汇可以提供一种工业设备故障维修推荐方法和系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种工业设备故障维修推荐方法和系统,方法包括S1:在 基础 维修知识图谱中,训练一个故障实体与类型分类器,对维修类进行分类;S2:获取设备故障问题;S3:对用户输入的故障描述提取出关键词,生成故障条目;S4:利用机器排序,从基础维修知识图谱将与故障条目内容最接近的历史故障案例挑选出来,将此案例的维修决策推荐给设备点管理人员。本发明对维修人员输入的故障进行 自然语言处理 ,输入到 迭代 训练的分类模型进行打分,并排序选出与之相似度高,评分靠近的历史维修记录,将此历史维修记录所对应的维修方案推荐给维修人员,使维修人员工作效率更加快速便捷,在遇到熟悉的故障时迅速做出维修决策措施。,下面是一种工业设备故障维修推荐方法和系统专利的具体信息内容。
1.一种工业设备故障维修推荐方法,其特征在于,包括以下步骤:
S1:在基础维修知识图谱中,训练一个故障实体与类型分类器,对维修类进行分类;
S2:获取设备故障问题;
S3:对用户输入的故障描述提取出关键词,生成故障条目;
S4:利用机器排序,从基础维修知识图谱将与故障条目内容最接近的历史故障案例挑选出来,将此案例的维修决策推荐给设备点管理人员。
2.根据权利要求1所述的工业设备故障维修推荐方法,其特征在于,步骤S1包括以下步骤:
S1.1:基础维修知识图谱中,将维修条目中的故障条目,首先为故障条目标注词性,然后进行命名实体识别,自动标注数据集产生语料库;
S1.2:语料库中,以句子为大单位,单词为小单位输入word2vector得到词嵌入向量w={w1,w2,...,wn},其中n为句子的长度;
S1.3:将词嵌入向量w输入到Bi-LSTM网络中,输出获得词汇向量表示x,x={x1,x2,...,xn};
S1.4:将Bi-LSTM网络输出的词汇向量表示输入到注意力网络中,经过了注意力网络输出的词汇向量与其余单词的特征向量结合为w′={w1′,w2′,...,wn′};
S1.5:将w′输入输出层的sofimax层,得出分类结果,sofimax层将多个神经元的输出,映射到(0,1)区间内,进行多分类。
3.根据权利要求2所述的工业设备故障维修推荐方法,其特征在于,步骤S1.1中利用中文NLP命名实体识别序列标注工具YEDDA为故障条目标注词性。
4.根据权利要求2所述的工业设备故障维修推荐方法,其特征在于,步骤S1.1中YEDDA利用CRF进行命名实体识别。
5.根据权利要求2所述的工业设备故障维修推荐方法,其特征在于,步骤S1.1中选择BIO或BMES标注体系。
6.根据权利要求2所述的工业设备故障维修推荐方法,其特征在于,步骤S1.4中,注意力网络的计算公式如下:
za=a⊙z
是一个注意力网络,⊙代表对应按元素相乘,即一种元素对应惩罚, 生成一个注意力向量a,再将a与输入x的特征向量z相乘,当注意力机制为soft attention时,a的取值是0到1,当注意力机制为hard attention,a的取值就只有0或1。
7.根据权利要求1所述的工业设备故障维修推荐方法,其特征在于,步骤S3生成故障搜索的方法采用生成词汇化依赖树,具体包括以下步骤:
S3.1:对用户输入的设备故障问题利用Stanford CoreNLP进行分词与词性标注;
S3.2:利用Prim算法生成最小生成树,再将最小生成树转化为CoNLL格式输出,使用可视化工具展现出来。
8.根据权利要求6所述的工业设备故障维修推荐方法,其特征在于,步骤S4具体包括以下步骤:
S4.1:将处理成词汇话依赖树的设备故障问题自然语言查询句子s输入到S1的故障实体与类型分类器,得出初步属于的类别,和其对应可能属于同一种的故障实体集,初步属于的类别与可能属于同一种的故障实体集共同组成集合e;
S4.2:将s和集合e通过Term Vector层转化为向量形式,然后输入到多层非线性感知机网络,输出含有语义信息的低维向量;
S4.3:计算s和集合e的余弦相似度,并用sofimax做归一化,得到与句子s最匹配的集合e中的单位,向用户输出s所对应故障实体历史维修操作数据。
9.根据权利要求7所述的工业设备故障维修推荐方法,其特征在于,步骤S4.3中的余弦相似度的计算公式如下:
式中,A=A1,A2,A3,...,An,表示设备故障问题的向量,B=B1,B2,B3,...,Bn,表示集合e任一类别对应的向量,cos(θ)表示余弦相似度。
10.一种工业设备故障维修推荐系统,其特征在于,包括:
基础维修知识图谱模块,所述基础维修知识图谱模块利用故障实体与类型分类器,对维修类进行分类;
可视化界面模块,所述可视化界面模块提供完善的可视化界面,设备维护人员通过可视化界面模块输入设备故障问题,并从可视化界面模块获取维修决策推荐;
故障分析与存储模块,所述故障分析与存储模块将用户输入的故障描述提取出关键词,生成故障搜索查询;
维修决策推荐模块,所述维修决策推荐模块从基础维修知识图谱将与故障条目内容最接近的历史故障案例挑选出来,将此案例的维修决策推荐给设备点管理人员。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于电场可视化的带电作业培训方法和系统 | 2020-05-11 | 948 |
网络空间测绘模型、网络和物理空间映射模型的构建方法 | 2020-05-11 | 848 |
一种沉浸式智能互动空间解决方法 | 2020-05-14 | 378 |
一种基于网络数据平台的大数据分析系统 | 2020-05-08 | 792 |
执行图谱分析的方法、装置及其服务系统 | 2020-05-12 | 470 |
一种地震震源反演可视分析方法、存储介质及服务器 | 2020-05-13 | 25 |
应急演练推演方法、计算机存储介质及电子设备 | 2020-05-14 | 224 |
基于知识驱动和数据驱动的分群方法及相关设备 | 2020-05-14 | 1034 |
知识图谱的数据处理方法及服务器 | 2020-05-11 | 181 |
预案可视化方法、计算机存储介质及电子设备 | 2020-05-11 | 924 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。