(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210992321.9 (22)申请日 2022.08.18 (71)申请人 常州大学 地址 213164 江苏省常州市武进区滆湖中 路21号 (72)发明人 檀鑫鑫　徐守坤　袁扬　石林　 张华君　庄佳　殷志强　 (74)专利代理 机构 常州市英 诺创信专利代理事 务所(普通 合伙) 32258 专利代理师 张秋月 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 40/211(2020.01) G06F 40/295(2020.01)G06K 9/62(2022.01) (54)发明名称 一种基于事理图谱的压缩机故障诊断方法 (57)摘要 本发明涉及人工智能技术领域， 尤其涉及一 种基于事理图谱的压缩机故障诊断方法， 包括构 建压缩机故障诊断本体知识模型； 构建压缩机故 障诊断事理图谱； 对采集到的压缩机故障诊断语 料进行关系抽取， 将抽取到的事件实体 ‑关系‑事 件实体以及事件实体 ‑属性‑属性值三元组形式 的事理图谱存入图数据库； 对问句进行规范化处 理； 对用户询问到的问句进行问句解析； 将用户 输入的问句转化成结构化的查询语句； 生成标准 化答案， 通过数据库查询语句生成自然语言答 案。 本发明以事理图谱的形式存储和呈现压缩机 故障及相关处理知识， 以人机交互问答的方式， 为用户获取应对压缩机发生故障之后的原因和 处理方法， 有助于提高技术人员工作效率以及减 少经济损失。 权利要求书2页 说明书6页 附图5页 CN 115357700 A 2022.11.18 CN 115357700 A 1.一种基于事理图谱的压缩机故障诊断方法， 其特 征在于， 包括以下步骤： 步骤一、 构建压缩机故障诊断本体知识模型， 包括： 构建压缩机故障诊断本体模型的类 别和属性； 其中， 压缩机故障诊断本体模型的类别包括压缩机故障模式、 故障原因、 设备结 构、 故障影响、 维护措施和故障诊断； 压缩机故障本体模型的属性包括各类别数据属性以及 各类别之间的对象属性； 步骤二、 构建压缩机故障诊断事理图谱， 包括： 采集处理压缩机故障诊断相关语料， 并 进行命名实体识别， 摘取压缩机事理图谱中的压缩机系统实体、 组件实体以及零件实体来 扩充事理图谱以及 事理图谱中实体部分的自动更新； 对采集到的压缩机故障诊断语料进 行 关系抽取， 将抽取到的事件实体 ‑关系‑事件实体以及 事件实体 ‑属性‑属性值三元组形式的 事理图谱 存入图数据库； 步骤三、 对问句进行规范化处理包括： 去掉多余的标点符合以及冗余的字词； 构建标准 化问句模板， 包括： 应答机器人从客户端中接收用户输入压缩机发生 故障问题， 对用户询问 到的问句进行问句解析； 问句解析包括： 问句规范化、 语义向量召回、 语义槽位填充和意图 识别； 将用户输入的问句转 化成结构化的查询语句； 步骤四、 生成标准化答案， 包括： 通过语义向量召回返回相关问句语料； 通过槽位填充 摘取到问句中的事件实体； 再通过意图识别使应答机器人得到用户的意图， 在压缩机故障 诊断事理图谱中读取意图所属压缩机故障诊断本体模型 的类别、 关系以及限制条件， 通过 数据库查询语句生成自然语言答案 。 2.根据权利要求1所述的基于事理图谱的压缩机故障诊断方法， 其特征在于， 所述步骤 一还包括： 通过压缩机故障诊断本体模型的类别之间的对象属性搭建类别之间的关系； 其中， 关 系的词语包括： 发生、 包括、 导 致、 需要、 关系和产生。 3.根据权利要求1所述的基于事理图谱的压缩机故障诊断方法， 其特征在于， 步骤二具 体包括： 首先， 对采集到的压缩机故障相关语料进行命名实体识别， 命名实体识别包括： 系统实 体识别， 组件零件实体识别以及事 件实体识别； 其次， 采用BIO序列标注框架标注事件实体、 采用BILSTM算法进行训练、 再使用CRF算法 进行解码； 再其次， 对压缩机故障诊断相关语料标注关系类别， 得到关系类别训练集； 利用 CasRelation算法进行摘取关系， 以用来抽取事理图谱的三元组， 采用CasRelation算法来 抽取并形成事 件实体‑关系‑事件实体三元组的集 合； 最后， 为事件实体的数据属性赋值， 形成事件实体 ‑属性‑属性值的集合； 为关系的数据 属性赋值， 形成关系 ‑属性‑属性值的集合， 构建压缩机故障诊断事理图谱。 4.根据权利要求1所述的基于事理图谱的压缩机故障诊断方法， 其特征在于， 语义向量 召回的建立方式为： 将所有的问句进 行向量编 码， 再将句子进 行向量化表达， 最后召回相关 的问句语料； 语义槽位填充的建立方式为： 对用户询问的问句进行命名实体识别， 识别出问句中的 所有实体， 再通过向量召回返回需要的事 件实体； 意图识别的建立方式为： 采集压缩机有关故障问题的问题集， 对问题集进行one ‑hot向权　利　要　求　书 1/2 页 2 CN 115357700 A 2量标记； 使用Bert算法和T extCNN算法进行多 标签文本分类， 用标记好的问题 集训练Bert算 法和TextCNN算法； 最后对用户查询到的压缩机相关问题进 行意图识别， 从而使应答机器人 获得用户查询的意图。 5.根据权利要求1所述的基于事理图谱的压缩机故障诊断方法， 其特征在于， 步骤四具 体包括： 在压缩机故障诊断事理图谱中读取三元组， 识别用户的一个或多个意图以及具体 的压缩机故障事件； 读取压缩机故障事件实体属性的属性值， 包括数据属性和对象属性， 结 合限制条件， 生成一个或多个答案并转 化为自然语言答案返回给用户。权　利　要　求　书 2/2 页 3 CN 115357700 A 3