面向智能运维的故障知识库的构建更新与故障处理方法

1.本技术涉及数据处理技术，尤其涉及一种面向智能运维的故障知识库的构建更新与故障处理方法。


背景技术：

2.目前，现实生活中许多复杂的作业，往往需要智能装备与人配合或者是智能装备自身完成，所以，需要根据故障样本库保障智能装备的可靠性、寿命等。
3.现有技术中，针对故障样本库构建，主要采用基于专家经验、基于数据、基于模型的方法。但是上述方法存在如下问题：以智能装备中的机械结构类对象为例，其故障模式和故障机理多样化，难以全面的表达和展示；在实际使用时故障发生概率低，退化特征不明显。需要确定出能够诊断智能设备的诊断结果的故障样本库，以提高诊断结果的准确性。
4.从而，亟需一种可以准确的确定出适用于诊断智能设备的故障样本库的方法。


技术实现要素：

5.本技术提供一种面向智能运维的故障知识库的构建更新与故障处理方法，用以解决智能设备的故障的诊断结果准确度较低的技术问题。
6.第一方面，本技术提供一种面向智能运维的故障知识库的构建更新与故障处理方法，包括：
7.获取数据获取请求；其中，所述数据获取请求包括电子设备的零部件数据标识；并根据所述数据获取请求，获取与所述零部件标识对应的零部件数据；
8.对所述零部件数据进行故障分析处理，确定所述电子设备的故障样本库；其中，所述故障样本库包括与所述电子设备中每一零部件对应的故障模式信息；
9.基于预设的知识图谱的节点定义信息，确定每一零部件以及所述每一零部件的故障模式信息的节点类型标签，并根据所述节点类型标签，生成目标故障库，以实现根据所述目标故障库对电子设备进行故障诊断并得到诊断结果信息。
10.进一步地，所述零部件数据包括零部件清单信息、预设的零部件规则信息、每一零部件的设计数据以及试验数据。
11.进一步地，所述对所述零部件数据进行故障分析处理，确定所述电子设备的故障样本库，包括：
12.对所述零部件清单信息、预设的零部件规则信息进行故障分析处理，确定所述电子设备中的多个零部件之间的组成关系、以及与所述多个零部件中每一零部件对应的第一故障模式信息；
13.根据所述多个零部件之间的组成关系，生成所述故障样本库中的零部件组成库；并根据与所述多个零部件中每一零部件对应的第一故障模式信息，生成所述故障样本库中的故障模式库；
14.对所述每一零部件的所述设计数据以及所述试验数据进行故障分析处理，确定每
一零部件的第二故障模式信息；
15.根据每一零部件的第二故障模式信息，生成所述故障样本库中的数据特征库。
16.进一步地，所述对所述每一零部件的所述设计数据以及所述试验数据进行故障分析处理，确定每一零部件的第二故障模式信息，包括：
17.对所述每一零部件的所述设计数据以及所述试验数据进行特征提取处理，确定每一零部件的数据特征；
18.确定所述每一零部件的数据特征为每一零部件的第二故障模式信息。
19.进一步地，所述方法还包括：
20.基于所述零部件组成库中的零部件之间的组成关系、所述故障模式库中的每一零部件对应的第一故障模式信息以及所述数据特征库中的每一零部件对应的第二故障模式信息，确定所述零部件组成库中的零部件与所述故障模式库中的第一故障模式信息之间的第一映射关系，和/或，所述零部件组成库中的零部件与所述数据特征库中的第二故障模式信息之间的第二映射关系。
21.进一步地，所述基于预设的知识图谱的节点定义信息，确定每一零部件以及所述每一零部件的故障模式信息的节点类型标签，包括：
22.基于预设的知识图谱的节点定义信息、所述第一映射关系以及所述第二映射关系，确定每一零部件的第一节点类型标签以及所述每一零部件的故障模式信息的第二节点类型标签。
23.进一步地，所述根据所述节点类型标签，生成目标故障库，包括：
24.将所述第一节点类型标签对应的零部件和/或所述零部件的故障模式信息、所述第二节点类型标签对应的零部件和/或所述零部件的故障模式信息，导入预设的知识图谱中的部件节点；
25.根据所述第一节点类型标签和所述第二节点类型标签，确定各部件节点之间的从属关系；
26.根据所述各部件节点之间的从属关系，生成目标故障库。
27.第二方面，本技术提供一种面向智能运维的故障知识库的构建更新与故障处理装置，包括：
28.获取单元，用于获取数据获取请求；其中，所述数据获取请求包括电子设备的零部件数据标识；并根据所述数据获取请求，获取与所述零部件标识对应的零部件数据；
29.分析单元，用于对所述零部件数据进行故障分析处理，确定所述电子设备的故障样本库；其中，所述故障样本库包括与所述电子设备中每一零部件对应的故障模式信息；
30.第一确定单元，用于基于预设的知识图谱的节点定义信息，确定每一零部件以及所述每一零部件的故障模式信息的节点类型标签；
31.生成单元，用于根据所述节点类型标签，生成目标故障库，以实现根据所述目标故障库对电子设备进行故障诊断并得到诊断结果信息。
32.进一步地，所述零部件数据包括零部件清单信息、预设的零部件规则信息、每一零部件的设计数据以及试验数据。
33.进一步地，所述分析单元，包括：
34.第一分析模块，用于对所述零部件清单信息、预设的零部件规则信息进行故障分
析处理，确定所述电子设备中的多个零部件之间的组成关系、以及与所述多个零部件中每一零部件对应的第一故障模式信息；
35.第一确定模块，用于根据所述多个零部件之间的组成关系，确定所述故障样本库中的零部件组成库；并根据与所述多个零部件中每一零部件对应的第一故障模式信息，确定所述故障样本库中的故障模式库；
36.第二分析模块，用于对所述每一零部件的所述设计数据以及所述试验数据进行故障分析处理，确定每一零部件的第二故障模式信息；
37.第二确定模块，用于根据每一零部件的第二故障模式信息，确定所述故障样本库中的数据特征库。
38.进一步地，所述第二分析模块，包括：
39.提取子模块，用于对所述每一零部件的所述设计数据以及所述试验数据进行特征提取处理，确定每一零部件的数据特征；
40.确定子模块，用于确定所述每一零部件的数据特征为每一零部件的第二故障模式信息。
41.进一步地，所述装置还包括：
42.第二确定单元，用于基于所述零部件组成库中的零部件之间的组成关系、所述故障模式库中的每一零部件对应的第一故障模式信息以及所述数据特征库中的每一零部件对应的第二故障模式信息，确定所述零部件组成库中的零部件与所述故障模式库中的第一故障模式信息之间的第一映射关系，和/或，所述零部件组成库中的零部件与所述数据特征库中的第二故障模式信息之间的第二映射关系。
43.进一步地，所述第一确定单元，具体用于：
44.基于预设的知识图谱的节点定义信息、所述第一映射关系以及所述第二映射关系，确定每一零部件的第一节点类型标签以及所述每一零部件的故障模式信息的第二节点类型标签。
45.进一步地，所述生成单元，包括：
46.导入模块，用于将所述第一节点类型标签对应的零部件和/或所述零部件的故障模式信息、所述第二节点类型标签对应的零部件和/或所述零部件的故障模式信息，导入预设的知识图谱中的部件节点；
47.第三确定模块，用于根据所述第一节点类型标签和所述第二节点类型标签，确定各部件节点之间的从属关系；
48.生成模块，用于根据所述各部件节点之间的从属关系，生成目标故障库。
49.第三方面，本技术提供一种服务器，包括存储器、处理器，所述存储器中存储有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第一方面所述的方法。
50.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。
51.第五方面，本技术提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的方法。
52.本技术提供的一种面向智能运维的故障知识库的构建更新与故障处理方法，获取数据获取请求；其中，数据获取请求包括电子设备的零部件数据标识；并根据数据获取请求，获取与零部件标识对应的零部件数据。对零部件数据进行故障分析处理，确定电子设备的故障样本库；其中，故障样本库包括与电子设备中每一零部件对应的故障模式信息。基于预设的知识图谱的节点定义信息，确定每一零部件以及每一零部件的故障模式信息的节点类型标签，并根据节点类型标签，生成目标故障库，以实现根据目标故障库对电子设备进行故障诊断并得到诊断结果信息。本方案中，首先获取数据获取请求，并根据数据获取请求，获取与零部件标识对应的零部件数据。然后对零部件数据进行故障分析处理，确定电子设备的故障样本库。由于预设的知识图谱的节点定义信息定义了节点所属的节点类型标签，所以，基于预设的知识图谱的节点定义信息，服务器可以确定每一零部件的节点类型标签以及每一零部件的故障模式信息的节点类型标签，并根据每一零部件的节点类型标签以及每一零部件的故障模式信息的节点类型标签，生成目标故障库，即故障目标库中包括各节点类型标签之间的对应关系。进而，服务器可以依据服务器中生成的目标故障库，对设备进行故障诊断并得到诊断结果信息。所以，能够在智能装备初始设计阶段确定智能装备的故障发生和结构层次的相应关系，生成了包括各节点类型标签之间的对应关系的目标故障库，生成方法简单高效，能够全面的展示智能装备的结构组成以及故障模式之间的相互关系，为后续故障诊断提供依据，解决了智能设备的故障的诊断结果准确度较低的技术问题。
附图说明
53.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
54.图1为本技术实施例提供的一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图；
55.图2为本技术实施例提供的另一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图；
56.图3为本技术实施例提供的又一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图；
57.图4为本技术实施例提供的一种目标故障库中的知识图谱的流程示意图；
58.图5为本技术实施例提供的一种目标故障库与知识图谱之间的关系的流程示意图；
59.图6为本技术实施例提供的一种收集信息的流程示意图；
60.图7为本技术实施例提供的其他一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图；
61.图8为本技术实施例提供的一种面向智能运维的故障知识库的构建更新与故障处理装置的结构示意图；
62.图9为本技术实施例提供的另一种面向智能运维的故障知识库的构建更新与故障处理装置的结构示意图；
63.图10为本技术实施例提供的一种服务器的结构示意图。
64.通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图
和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
65.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
66.目前，随着科学技术的发展，智能装备的应用得到了广泛的普及。现实生活中许多复杂的作业，往往需要智能装备与人配合或者是智能装备自身完成。在这种情况下，对于智能装备的可靠性、寿命等要求越来越高。尤其是面向深空、核工业等极端环境下的智能装备，运行条件恶劣，维修保障困难，功能结构复杂，智能装备极易发生功能或性能衰退，甚至导致故障且故障后果严重。考虑智能装备具有感知、决策和执行等智能功能，当发生性能衰退、超差甚至发生故障时，可以通过自身的智能维护系统进行预判和处理。但是如何构建故障样本库仍具有一定难度。
67.一个示例中，针对故障样本库构建，主要采用基于专家经验、基于数据、基于模型的方法。基于专家经验的方法是根据长期的实践经验和大量故障信息设计出的一套智能专家系统进行故障样本库的构建。基于数据驱动的方法通过某种信息处理和特征提取方法对所获取的故障数据进行处理，从而获得故障样本信息。基于模型的方法通过将智能装备的可测信息与一致的由模型表达的信息进行比较，对残差进行分析和处理，从而获得故障样本信息。但是上述方法存在如下问题：以智能装备中的机械结构类对象为例，其故障模式和故障机理多样化，难以全面的表达和展示；在实际使用时故障发生概率低，退化特征不明显；通常情况下，研制周期长，开展试验的成本高，试验数据获取困难；试验阶段通过传感器获取的数据同时包含有退化信息、故障信息、噪声等，难以从中提取有用信息；以及提取后的信息难以进行故障定位。
68.故障样本库作为智能装备分析的基础，能够为后续的故障诊断、试验验证等方面的研究提供技术基础和基本样本，如何开展故障样本库的生成和构建是目前的研究热点和研究难题。
69.本技术提供的一种面向智能运维的故障知识库的构建更新与故障处理方法，旨在解决现有技术的如上技术问题。
70.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
71.图1为本技术实施例提供的一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图，如图1所示，该方法包括：
72.步骤101、获取数据获取请求；其中，数据获取请求包括电子设备的零部件数据标识；并根据数据获取请求，获取与零部件标识对应的零部件数据。
73.示例性地，本实施例的执行主体可以为服务器。首先，需要获取数据获取请求。针对待分析的电子设备，开展信息收集时，可以响应于用户的请求操作，获取数据获取请求，或者接收其他设备传输的数据获取请求，数据获取请求包括电子设备的零部件数据标识，
其中，电子设备包括智能装备等。服务器可以根据数据获取请求中的零部件标识，获取与零部件标识对应的零部件数据，例如，零部件数据包括零部件清单信息、预设的零部件规则信息等知识信息，还包括每一零部件的设计数据以及试验数据等数据信息，其中，零部件清单信息包括组成电子设备的多个零部件，且多个零部件中包括与每一零部件相同类型的不同参数的零部件，预设的零部件规则信息包括预设的专家经验，专家经验为根据试验总结出的零部件的规则信息，设计数据包括组成电子设备的零部件的参数等数据，试验数据包括零部件在试验中的参数变化数据等。
74.步骤102、对零部件数据进行故障分析处理，确定电子设备的故障样本库；其中，故障样本库包括与电子设备中每一零部件对应的故障模式信息。
75.示例性地，服务器分别对零部件清单信息、预设的零部件规则信息、每一零部件的设计数据以及试验数据进行故障分析处理，确定电子设备中的多个零部件之间的组成关系、与多个零部件中每一零部件对应的第一故障模式信息、以及每一零部件的第二故障模式信息。并根据多个零部件之间的组成关系，生成故障样本库中的零部件组成库，根据与多个零部件中每一零部件对应的第一故障模式信息，生成故障样本库中的故障模式库。根据每一零部件的第二故障模式信息，生成故障样本库中的数据特征库。
76.举例来说，图2为本技术实施例提供的另一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图，如图2所示，包括收集到的信息的结构层次和功能层次之间的对应关系，结构层次部分包括：电子设备定义层、分系统定义层、设备定义层、组件定义层以及零部件定义层，功能层次部分包括：零部件功能定义层、组件功能定义层、设备功能定义层、分系统功能定义层以及电子设备功能定义层。其中，功能层次部分包括：电子设备+电子设备编码、多个分系统+分系统编码、组成分系统的设备+设备编码、组成设备的组件+组件编码以及组成组件的零部件+零部件编码，功能层次部分包括：零部件编码+零部件功能、组件编码+组件功能、设备编码+设备功能、分系统编码+分系统功能以及电子设备编码+电子设备功能。对于预设的零部件规则信息、零部件清单信息等知识信息内容，通常采用字符型信息进行储存，主要开展故障模式梳理工作。基于图2所示中的底层(零部件)-顶层(电子设备)的组成关系，梳理工作包含自底层-顶层的从零部件组成关系和故障分析处理，并形成零部件组成库pt＝{pt1,pt2,
…
,ptm}和故障模式库fm＝{fm1,fm2,
…
,fmn}，共包含m个零部件和n种第一故障模式信息。其中，故障模式库中的第一故障模式信息应包含断裂、裂纹、点蚀、塑性变形、扭曲变形、压痕、老化、剥落、异常磨损、松脱、行程不当、间隙不当、干涉、功能失效、性能衰退、性能超标等类型。
77.对于同类型零部件的设计数据、试验数据等数据信息，通常采用浮点型信息进行储存，主要开展数据的特征提取和处理工作。具体的，服务器分别提取零部件的设计数据中的数据特征以及试验数据中的数据特征，确定每一零部件的数据特征为每一零部件的第二故障模式信息，并根据第二故障模式信息生成数据特征库dc，其中，数据特征库dc＝{dc1,dc 2
,
…
,dc p
}，共包含p种数据特征。
78.需要说明的是，本实施例采用傅里叶方法实现故障数据的特征提取，也可采用小波分析、人工神经网络、深度学习等方法，对此不作限定，目的都是为了实现故障数据的特征提取。
79.步骤103、基于预设的知识图谱的节点定义信息，确定每一零部件以及每一零部件
的故障模式信息的节点类型标签，并根据节点类型标签，生成目标故障库，以实现根据目标故障库对电子设备进行故障诊断并得到诊断结果信息。
80.示例性地，预设的知识图谱的节点定义信息定义了节点所属的节点类型标签，所以，基于预设的知识图谱的节点定义信息，服务器可以确定每一零部件的节点类型标签以及每一零部件的故障模式信息的节点类型标签，并根据每一零部件的节点类型标签以及每一零部件的故障模式信息的节点类型标签，生成目标故障库，进而，依据服务器中生成的目标故障库，服务器可以对设备进行故障诊断并得到诊断结果信息。所以，通过知识图谱的方式，以图的形式全面表达了零部件组成关系、故障关系、数据关系等，且易于通过软件实现查找等功能。
81.需要说明的是，本实施例采用neo4j软件实现故障样本库的构建，也可采用mysql，arangodb等其他数据库软件，目的都是为了实现故障样本库的构建。根据使用场合的不同，可以针对不同的分析对象开展目标故障库的生成工作，为后续的故障诊断等内容提供分析依据。
82.本技术实施例中，获取数据获取请求；其中，数据获取请求包括电子设备的零部件数据标识；并根据数据获取请求，获取与零部件标识对应的零部件数据。对零部件数据进行故障分析处理，确定电子设备的故障样本库；其中，故障样本库包括与电子设备中每一零部件对应的故障模式信息。基于预设的知识图谱的节点定义信息，确定每一零部件以及每一零部件的故障模式信息的节点类型标签，并根据节点类型标签，生成目标故障库；以实现根据目标故障库对电子设备进行故障诊断并得到诊断结果信息。本方案中，首先获取数据获取请求，并根据数据获取请求，获取与零部件标识对应的零部件数据。然后对零部件数据进行故障分析处理，确定电子设备的故障样本库。由于预设的知识图谱的节点定义信息定义了节点所属的节点类型标签，所以，基于预设的知识图谱的节点定义信息，服务器可以确定每一零部件的节点类型标签以及每一零部件的故障模式信息的节点类型标签，并根据每一零部件的节点类型标签以及每一零部件的故障模式信息的节点类型标签，生成目标故障库，即故障目标库中包括各节点类型标签之间的对应关系。进而，服务器可以依据服务器中生成的目标故障库，对设备进行故障诊断并得到诊断结果信息。所以，能够在智能装备初始设计阶段确定智能装备的故障发生和结构层次的相应关系，生成了包括各节点类型标签之间的对应关系的目标故障库，生成方法简单高效，实现对知识信息和数据信息的整理分析和汇总，能够全面的展示智能装备的结构组成以及故障模式之间的相互关系，为后续故障诊断提供依据，解决了智能设备的故障的诊断结果准确度较低的技术问题。
83.图3为本技术实施例提供的又一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图，如图3所示，该方法包括：
84.步骤201、获取数据获取请求；其中，数据获取请求包括电子设备的零部件数据标识；并根据数据获取请求，获取与零部件标识对应的零部件数据。
85.一个示例中，零部件数据包括零部件清单信息、预设的零部件规则信息、每一零部件的设计数据以及试验数据。
86.示例性地，本步骤可以参见图1中的步骤101，不再赘述。
87.步骤202、对零部件清单信息、预设的零部件规则信息进行故障分析处理，确定电子设备中的多个零部件之间的组成关系、以及与多个零部件中每一零部件对应的第一故障
模式信息。
88.示例性地，如图2所示，关于零部件清单信息、预设的零部件规则信息等知识信息的处理流程主要包含如下步骤：
89.(1)定义零部件和功能的相应约定层次；其中，层次包括结构层次和功能层次。
90.(2)制定零部件和故障模式的编码体系；其中，编码体系包括电子设备编码、分系统编码、设备编码、组件编码以及零部件编码等。
91.(3)确定任务描述与功能流程分析；
92.(4)确定故障模式信息；
93.(5)进行故障分析处理；
94.(6)输出结构分析层次、功能分析层次和故障模式对应关系；
95.进而可以根据结构分析层次、功能分析层次和故障模式对应关系，确定电子设备中的多个零部件之间的组成关系、以及与多个零部件中每一零部件对应的第一故障模式信息。
96.步骤203、根据多个零部件之间的组成关系，确定故障样本库中的零部件组成库；并根据与多个零部件中每一零部件对应的第一故障模式信息，确定故障样本库中的故障模式库。
97.示例性地，本步骤可以参见图1中的步骤102，不再赘述。
98.步骤204、对每一零部件的设计数据以及试验数据进行故障分析处理，确定每一零部件的第二故障模式信息。
99.一个示例中，对每一零部件的设计数据以及试验数据进行特征提取处理，确定每一零部件的数据特征；确定每一零部件的数据特征为每一零部件的第二故障模式信息。
100.示例性地，根据每一零部件的设计数据以及试验数据等数据信息，可以计算得出零部件的健康度和寿命预测等数据信息。为了得出零部件的健康度，关于每一零部件的设计数据以及试验数据等数据信息的故障分析处理流程主要包含如下步骤：
101.①
信号预处理
102.考虑所提取的信号包含噪声，所以首先对信号进行降噪处理，例如采用傅里叶变化方法；再将降噪后的信号进行归一化处理。
103.②
距离确定
104.对于所采集的实际信号和预设的健康信号，进行各种向量距离或者相似度计算。比较待评价向量和标准健康向量的距离或者相似度来诊断健康度。常用的计算方式有欧式距离、马氏距离、余弦相似度等方法。
105.③
健康度计算
106.根据距离计算结果直接计算零部件的健康度。一般用0到100的范围表示健康度，其中，0表示故障状态，100处于优良健康状态。
107.为了得出零部件的寿命预测数据，关于每一零部件的设计数据以及试验数据等数据信息的故障分析处理流程主要包含如下步骤：
108.①
确定故障模式信息及其对应机理
109.对当前装备开展故障分析，失效特征的基础上，识别研究对象的主要故障模式及其对应机理，并根据当前装备的环境因素、受载情况等确定失效机理。
110.②
选择描述机理的物理及数学模型
111.根据当前装备的环境因素、受载情况等，确定合适的物理模型，并将物理模型进行数学处理。
112.③
阈值确定
113.根据故障特征，参考当前装备的设计标准和系统的既定故障标准，确定寿命计算的门限阈值。
114.④
寿命预测
115.根据所确定的分析模型及阈值，建立对应的寿命可靠性模型，完成寿命预测，得到零部件的寿命预测数据。
116.所以，健康度和寿命预测数据的最终输出形式如下表1所示：
117.表1
[0118][0119]
步骤205、根据每一零部件的第二故障模式信息，确定故障样本库中的数据特征库。
[0120]
示例性地，本步骤可以参见图1中的步骤102，不再赘述
[0121]
步骤206、基于零部件组成库中的零部件之间的组成关系、故障模式库中的每一零部件对应的第一故障模式信息以及数据特征库中的每一零部件对应的第二故障模式信息，确定零部件组成库中的零部件与故障模式库中的第一故障模式信息之间的第一映射关系，和/或，零部件组成库中的零部件与数据特征库中的第二故障模式信息之间的第二映射关系。
[0122]
示例性地，基于零部件组成库中的零部件之间的组成关系、故障模式库中的每一零部件对应的第一故障模式信息以及数据特征库中的每一零部件对应的第二故障模式信息，服务器可以确定零部件组成库中的零部件与故障模式库中的第一故障模式信息之间的第一映射关系，和/或，零部件组成库中的零部件与数据特征库中的第二故障模式信息之间的第二映射关系。
[0123]
所以，根据以上的第一映射关系和第二映射关系，可以搭建出当前装备的故障框架映射关系，形成当前装备的故障样本框架。故障样本框架包括零部件对应有至少一个第一故障模式信息，或者，零部件对应有至少一个第二故障模式信息，或者，零部件对应有至少一个第一故障模式信息和至少一个第二故障模式信息。以故障样本框架为零部件对应有至少一个第一故障模式信息为例，则故障样本框架表示为：
[0124]
其中，其中，共包含2
n-1种第一故障模式信息。
[0125]
步骤207、基于预设的知识图谱的节点定义信息、第一映射关系以及第二映射关
系，确定每一零部件的第一节点类型标签以及每一零部件的故障模式信息的第二节点类型标签。
[0126]
示例性地，预设的知识图谱的节点定义信息定义了节点所属的节点类型标签，节点为三元组《头实体，关系，尾实体》，其中，头实体和尾实体为第一映射关系两端指向的数据以及第二映射关系两端指向的数据，头实体为起始节点，尾实体为头实体指向的结束节点，关系为头实体和尾实体之间的语义关系。服务器按照知识图谱的节点定义信息、第一映射关系以及第二映射关系，确定每一零部件的第一节点类型标签以及每一零部件的故障模式信息的第二节点类型标签，进而得到了故障三元组《头实体，关系，尾实体》。
[0127]
举例来说，知识图谱的本质是一个结构化的语义知识库和一种基于图的知识表示方法，用于对现实世界中的概念及其之间的关系进行符号描述。通常知识图谱是由多个节点和多条边组成的语义图。其中，实体代表一个故障模式信息或零部件，故障模式信息包括数据特征库中的数据特征或故障模式库中的故障描述；边代表两个节点之间的语义关系。服务器对当前装备进行故障分析处理后，形成相应零部件节点、故障描述节点、数据特征节点，作为知识图谱的输入信息。
[0128]
步骤208、将第一节点类型标签对应的零部件和/或零部件的故障模式信息、第二节点类型标签对应的零部件和/或零部件的故障模式信息，导入预设的知识图谱中的部件节点。
[0129]
示例性地，服务器将第一节点类型标签对应的零部件和/或零部件的故障模式信息、第二节点类型标签对应的零部件和/或零部件的故障模式信息，导入预设的知识图谱中的部件节点。
[0130]
举例来说，零部件的故障模式信息包括故障模式库中的第一故障模式信息和数据特征库中的第二故障模式信息，第一故障模式信息即零部件的故障描述信息，第二故障模式信息即零部件的数据特征信息，服务器将包含零部件信息的零部件节点、包含故障描述信息的故障描述节点、包含数据特征信息的数据特征节点均作为节点类型标签，导入知识图谱中的部件节点。
[0131]
步骤209、根据第一节点类型标签和第二节点类型标签，确定各部件节点之间的从属关系。
[0132]
示例性地，服务器根据第一节点类型标签和第二节点类型标签，分层连接知识图谱中的部件节点，确定各部件节点之间的从属关系。
[0133]
步骤210、根据各部件节点之间的从属关系，生成目标故障库。
[0134]
示例性地，服务器根据各部件节点间的从属关系，可以确定知识图谱的主干结构。并且，对于故障三元组，服务器投影实体关系到所在的关系空间，构建表现模型，删除冗余节点与关系，形成完整的知识图谱。其中，冗余节点与关系包括双向指向的关系等，对此不做限制，对于双向指向的关系，随机删除一个指向方向即可。
[0135]
举例来说，图4为本技术实施例提供的一种目标故障库中的知识图谱的流程示意图，如图4所示，包括：电子设备、控制器、运动传感器、感知传感器等，其中，加粗圆形表示结构实体，浅色圆形表示功能实体，虚线圆形表示故障实体，圆形之间的横线表示两个圆形之间的关系定义。
[0136]
图5为本技术实施例提供的一种目标故障库与知识图谱之间的关系的流程示意
图，如图5所示，包括目标故障库与知识图谱之间的指示方向。具体的，目标故障库包括：序号、零部件的故障模式信息、系统故障模式、监控信号(特征量)、健康度以及预测寿命，知识图谱包括：零部件名称(即实体1、实体2、实体3等)、健康度(即实体1、实体2、实体3等)、故障模式信息(即实体1、实体2、实体3等)以及预测寿命(即实体1、实体2、实体3等)。在根据目标样本库进行故障诊断时，调用目标样本库指向的知识图谱，并根据调用的知识图谱中的指向关系，确定电子设备的诊断结果信息。
[0137]
本技术实施例中，获取数据获取请求；其中，数据获取请求包括电子设备的零部件数据标识；并根据数据获取请求，获取与零部件标识对应的零部件数据。对零部件清单信息、预设的零部件规则信息进行故障分析处理，确定电子设备中的多个零部件之间的组成关系、以及与多个零部件中每一零部件对应的第一故障模式信息。根据多个零部件之间的组成关系，确定故障样本库中的零部件组成库；并根据与多个零部件中每一零部件对应的第一故障模式信息，确定故障样本库中的故障模式库。对每一零部件的设计数据以及试验数据进行故障分析处理，确定每一零部件的第二故障模式信息。根据每一零部件的第二故障模式信息，确定故障样本库中的数据特征库。基于零部件组成库中的零部件之间的组成关系、故障模式库中的每一零部件对应的第一故障模式信息以及数据特征库中的每一零部件对应的第二故障模式信息，确定零部件组成库中的零部件与故障模式库中的第一故障模式信息之间的第一映射关系，和/或，零部件组成库中的零部件与数据特征库中的第二故障模式信息之间的第二映射关系。基于预设的知识图谱的节点定义信息、第一映射关系以及第二映射关系，确定每一零部件的第一节点类型标签以及每一零部件的故障模式信息的第二节点类型标签。将第一节点类型标签对应的零部件和/或零部件的故障模式信息、第二节点类型标签对应的零部件和/或零部件的故障模式信息，导入预设的知识图谱中的部件节点。根据第一节点类型标签和第二节点类型标签，确定各部件节点之间的从属关系。根据各部件节点之间的从属关系，生成目标故障库。所以，能够在智能装备初始设计阶段确定智能装备的故障发生和结构层次的相应关系，生成了包括各节点类型标签之间的对应关系的目标故障库，生成方法简单高效，能够全面的展示智能装备的结构组成以及故障模式之间的相互关系，为后续故障诊断提供依据，解决了智能设备的故障的诊断结果准确度较低的技术问题。并且，在生成过程中，结合定性分析和定量分析，开展目标故障库的构建，同时提供了故障模式信息、故障影响和特征量；还将电子设备的健康度等指标作为部件的属性进行表达，为后续的故障诊断、寿命预测等提供数据和分析基础。
[0138]
示例性地，图6为本技术实施例提供的一种收集信息的流程示意图，如图6所示，包括：电子设备知识图谱、电子设备的故障描述、电子设备结构以及电子设备功能，可知，根据电子设备结构中的与任意零部件对应的功能，可以确定与任意零部件对应的故障描述，进而生成电子设备的目标故障库。
[0139]
示例性地，图7为本技术实施例提供的其他一种面向智能运维的故障知识库的构建更新与故障处理方法的流程示意图，如图7所示，包括：针对所分析的电子设备，开展数据信息和知识信息收集；对所收集的知识信息和数据信息分别进行处理；完成电子设备的故障框架映射关系，形成电子设备故障样本框架；按照知识图谱的定义，筛选故障三元组《头实体，关系，尾实体》；将包含零部件信息、故障模式信息、数据特征信息的各部件节点作为节点类型标签，并导入知识图谱；根据节点类型标签，分层连接知识图谱中的部件节点，并
根据各部件节点间从属关系，确定知识图谱的主干结构；对于三元组，投影实体关系到所在的关系空间，构建表现模型；删除冗余节点与关系，形成完整的知识图谱。
[0140]
图8为本技术实施例提供的一种面向智能运维的故障知识库的构建更新与故障处理装置的结构示意图，如图8所示，该装置包括：
[0141]
获取单元31，用于获取数据获取请求；其中，数据获取请求包括电子设备的零部件数据标识；并根据数据获取请求，获取与零部件标识对应的零部件数据。
[0142]
分析单元32，用于对零部件数据进行故障分析处理，确定电子设备的故障样本库；其中，故障样本库包括与电子设备中每一零部件对应的故障模式信息。
[0143]
第一确定单元33，用于基于预设的知识图谱的节点定义信息，确定每一零部件以及每一零部件的故障模式信息的节点类型标签。
[0144]
生成单元34，用于根据节点类型标签，生成目标故障库，以实现根据目标故障库对电子设备进行故障诊断并得到诊断结果信息。
[0145]
本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
[0146]
图9为本技术实施例提供的另一种面向智能运维的故障知识库的构建更新与故障处理装置的结构示意图，在图8所示实施例的基础上，如图9所示，零部件数据包括零部件清单信息、预设的零部件规则信息、每一零部件的设计数据以及试验数据。
[0147]
一个示例中，分析单元32，包括：
[0148]
第一分析模块321，用于对零部件清单信息、预设的零部件规则信息进行故障分析处理，确定电子设备中的多个零部件之间的组成关系、以及与多个零部件中每一零部件对应的第一故障模式信息。
[0149]
第一确定模块322，用于根据多个零部件之间的组成关系，确定故障样本库中的零部件组成库；并根据与多个零部件中每一零部件对应的第一故障模式信息，确定故障样本库中的故障模式库。
[0150]
第二分析模块323，用于对每一零部件的设计数据以及试验数据进行故障分析处理，确定每一零部件的第二故障模式信息。
[0151]
第二确定模块324，用于根据每一零部件的第二故障模式信息，确定故障样本库中的数据特征库。
[0152]
一个示例中，第二分析模块323，包括：
[0153]
提取子模块3231，用于对每一零部件的设计数据以及试验数据进行特征提取处理，确定每一零部件的数据特征。
[0154]
确定子模块3232，用于确定每一零部件的数据特征为每一零部件的第二故障模式信息。
[0155]
一个示例中，该装置还包括：
[0156]
第二确定单元41，用于基于零部件组成库中的零部件之间的组成关系、故障模式库中的每一零部件对应的第一故障模式信息以及数据特征库中的每一零部件对应的第二故障模式信息，确定零部件组成库中的零部件与故障模式库中的第一故障模式信息之间的第一映射关系，和/或，零部件组成库中的零部件与数据特征库中的第二故障模式信息之间的第二映射关系。
[0157]
一个示例中，第一确定单元33，具体用于：
[0158]
基于预设的知识图谱的节点定义信息、第一映射关系以及第二映射关系，确定每一零部件的第一节点类型标签以及每一零部件的故障模式信息的第二节点类型标签。
[0159]
一个示例中，生成单元34，包括：
[0160]
导入模块341，用于将第一节点类型标签对应的零部件和/或零部件的故障模式信息、第二节点类型标签对应的零部件和/或零部件的故障模式信息，导入预设的知识图谱中的部件节点。
[0161]
第三确定模块342，用于根据第一节点类型标签和第二节点类型标签，确定各部件节点之间的从属关系。
[0162]
生成模块343，用于根据各部件节点之间的从属关系，生成目标故障库。
[0163]
本实施例的装置，可以执行上述方法中的技术方案，其具体实现过程和技术原理相同，此处不再赘述。
[0164]
图10为本技术实施例提供的一种服务器的结构示意图，如图10所示，服务器包括：存储器51，处理器52。
[0165]
存储器51中存储有可在处理器52上运行的计算机程序。
[0166]
处理器52被配置为执行如上述实施例提供的方法。
[0167]
服务器还包括接收器53和发送器54。接收器53用于接收外部设备发送的指令和数据，发送器54用于向外部设备发送指令和数据。
[0168]
本技术实施例还提供了一种非临时性计算机可读存储介质，当该存储介质中的指令由服务器的处理器执行时，使得服务器能够执行上述实施例提供的方法。
[0169]
本技术实施例还提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，服务器的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得服务器执行上述任一实施例提供的方案。
[0170]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
[0171]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

技术特征：
1.一种面向智能运维的故障知识库的构建更新与故障处理方法，其特征在于，包括：获取数据获取请求；其中，所述数据获取请求包括电子设备的零部件数据标识；并根据所述数据获取请求，获取与所述零部件数据标识对应的零部件数据；对所述零部件数据进行故障分析处理，确定所述电子设备的故障样本库；其中，所述故障样本库包括与所述电子设备中每一零部件对应的故障模式信息；基于预设的知识图谱的节点定义信息，确定每一零部件以及所述每一零部件的故障模式信息的节点类型标签，并根据所述节点类型标签，生成目标故障库，以实现根据所述目标故障库，对电子设备进行故障诊断并得到诊断结果信息。2.根据权利要求1所述的方法，其特征在于，所述零部件数据包括零部件清单信息、预设的零部件规则信息、每一零部件的设计数据以及试验数据。3.根据权利要求2所述的方法，其特征在于，所述对所述零部件数据进行故障分析处理，确定所述电子设备的故障样本库，包括：对所述零部件清单信息、预设的零部件规则信息进行故障分析处理，确定所述电子设备中的多个零部件之间的组成关系、以及与所述多个零部件中每一零部件对应的第一故障模式信息；根据所述多个零部件之间的组成关系，生成所述故障样本库中的零部件组成库；并根据与所述多个零部件中每一零部件对应的第一故障模式信息，生成所述故障样本库中的故障模式库；对所述每一零部件的所述设计数据以及所述试验数据进行故障分析处理，确定每一零部件的第二故障模式信息；根据每一零部件的第二故障模式信息，生成所述故障样本库中的数据特征库。4.根据权利要求3所述的方法，其特征在于，所述对所述每一零部件的所述设计数据以及所述试验数据进行故障分析处理，确定每一零部件的第二故障模式信息，包括：对所述每一零部件的所述设计数据以及所述试验数据进行特征提取处理，确定每一零部件的数据特征；确定所述每一零部件的数据特征为每一零部件的第二故障模式信息。5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：基于所述零部件组成库中的零部件之间的组成关系、所述故障模式库中的每一零部件对应的第一故障模式信息以及所述数据特征库中的每一零部件对应的第二故障模式信息，确定所述零部件组成库中的零部件与所述故障模式库中的第一故障模式信息之间的第一映射关系，和/或，所述零部件组成库中的零部件与所述数据特征库中的第二故障模式信息之间的第二映射关系。6.根据权利要求5所述的方法，其特征在于，所述基于预设的知识图谱的节点定义信息，确定每一零部件以及所述每一零部件的故障模式信息的节点类型标签，包括：基于预设的知识图谱的节点定义信息、所述第一映射关系以及所述第二映射关系，确定每一零部件的第一节点类型标签以及所述每一零部件的故障模式信息的第二节点类型标签。7.根据权利要求6所述的方法，其特征在于，所述根据所述节点类型标签，生成目标故障库，包括：
将所述第一节点类型标签对应的零部件和/或所述零部件的故障模式信息、所述第二节点类型标签对应的零部件和/或所述零部件的故障模式信息，导入预设的知识图谱中的部件节点；根据所述第一节点类型标签和所述第二节点类型标签，确定各部件节点之间的从属关系；根据所述各部件节点之间的从属关系，生成目标故障库。8.一种面向智能运维的故障知识库的构建更新与故障处理装置，其特征在于，包括：获取单元，用于获取数据获取请求；其中，所述数据获取请求包括电子设备的零部件数据标识；并根据所述数据获取请求，获取与所述零部件标识对应的零部件数据；分析单元，用于对所述零部件数据进行故障分析处理，确定所述电子设备的故障样本库；其中，所述故障样本库包括与所述电子设备中每一零部件对应的故障模式信息；第一确定单元，用于基于预设的知识图谱的节点定义信息，确定每一零部件以及所述每一零部件的故障模式信息的节点类型标签；生成单元，用于根据所述节点类型标签，生成目标故障库，以实现根据所述目标故障库对电子设备进行故障诊断并得到诊断结果信息。9.根据权利要求8所述的装置，其特征在于，所述零部件数据包括零部件清单信息、预设的零部件规则信息、每一零部件的设计数据以及试验数据。10.根据权利要求9所述的装置，其特征在于，所述分析单元，包括：第一分析模块，用于对所述零部件清单信息、预设的零部件规则信息进行故障分析处理，确定所述电子设备中的多个零部件之间的组成关系、以及与所述多个零部件中每一零部件对应的第一故障模式信息；第一确定模块，用于根据所述多个零部件之间的组成关系，确定所述故障样本库中的零部件组成库；并根据与所述多个零部件中每一零部件对应的第一故障模式信息，确定所述故障样本库中的故障模式库；第二分析模块，用于对所述每一零部件的所述设计数据以及所述试验数据进行故障分析处理，确定每一零部件的第二故障模式信息；第二确定模块，用于根据每一零部件的第二故障模式信息，确定所述故障样本库中的数据特征库。11.根据权利要求10所述的装置，其特征在于，所述第二分析模块，包括：提取子模块，用于对所述每一零部件的所述设计数据以及所述试验数据进行特征提取处理，确定每一零部件的数据特征；确定子模块，用于确定所述每一零部件的数据特征为每一零部件的第二故障模式信息。12.根据权利要求8-11任一项所述的装置，其特征在于，所述装置还包括：第二确定单元，用于基于所述零部件组成库中的零部件之间的组成关系、所述故障模式库中的每一零部件对应的第一故障模式信息以及所述数据特征库中的每一零部件对应的第二故障模式信息，确定所述零部件组成库中的零部件与所述故障模式库中的第一故障模式信息之间的第一映射关系，和/或，所述零部件组成库中的零部件与所述数据特征库中的第二故障模式信息之间的第二映射关系。
13.根据权利要求12所述的装置，其特征在于，所述第一确定单元，具体用于：基于预设的知识图谱的节点定义信息、所述第一映射关系以及所述第二映射关系，确定每一零部件的第一节点类型标签以及所述每一零部件的故障模式信息的第二节点类型标签。14.根据权利要求13所述的装置，其特征在于，所述生成单元，包括：导入模块，用于将所述第一节点类型标签对应的零部件和/或所述零部件的故障模式信息、所述第二节点类型标签对应的零部件和/或所述零部件的故障模式信息，导入预设的知识图谱中的部件节点；第三确定模块，用于根据所述第一节点类型标签和所述第二节点类型标签，确定各部件节点之间的从属关系；生成模块，用于根据所述各部件节点之间的从属关系，生成目标故障库。15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-7任一项所述的方法。16.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。

技术总结
本申请提供一种面向智能运维的故障知识库的构建更新与故障处理方法，涉及数据处理技术，该方法包括：获取数据获取请求；数据获取请求包括电子设备的零部件数据标识；根据数据获取请求，获取与零部件标识对应的零部件数据。对零部件数据进行故障分析处理，确定电子设备的故障样本库。基于预设的知识图谱的节点定义信息，确定每一零部件以及每一零部件的故障模式信息的节点类型标签，根据节点类型标签，生成目标故障库，以实现根据目标故障库对电子设备进行故障诊断并得到诊断结果信息。本申请的方法，能够全面的展示智能装备的结构组成以及故障模式之间的相互关系，为后续故障诊断提供依据，解决了智能设备的故障的诊断结果准确度较低的技术问题。较低的技术问题。较低的技术问题。


技术研发人员：张建国 范晓铎 李文博 毕强 倪子淇
受保护的技术使用者：北京航空航天大学
技术研发日：2023.05.31
技术公布日：2023/9/22