中国科学技术信息研究所--国家工程技术数字图书馆

摘要 : 电梯作为人们生活中不可缺少的公共垂直交通工具，其安全性受到政府相关部门以及社会的高度重视。智能故障预测作为数据监控和分析的重要方法，能够为电梯预测性维护提供技术支撑。知识图谱具有强大的知识表示和知识推理能力，能够为智能故障预测提供... 展开电梯作为人们生活中不可缺少的公共垂直交通工具，其安全性受到政府相关部门以及社会的高度重视。智能故障预测作为数据监控和分析的重要方法，能够为电梯预测性维护提供技术支撑。知识图谱具有强大的知识表示和知识推理能力，能够为智能故障预测提供结构化知识库。针对现有智能故障预测未能充分利用时间域信息和空间域信息所导致的预测精度不高的问题，本论文研究了基于时序知识图谱的电梯智能故障预测方法，主要研究内容包括： 1）提出了电梯故障时序知识图谱建模方法：从监测数据中提取指标实体和监测关系，从组件数据中提取组件实体和关联关系，从FMECA数据中提取故障模式实体、故障影响实体、解决方法实体和对应关系，将所抽取的各类实体和关系融合为故障时序知识图谱，以精确刻画故障数据的时间和空间关联特征。 2）提出了基于图神经网络的智能故障预测模型：为了提取故障时序知识图谱中的时空特征，设计了基于图神经网络的智能故障预测框架，该框架首先采用图神经网络提取图谱的节点特征向量和图级特征向量，然后采用图 Transformer对图级特征向量序列进行特征学习，得到未来时刻的图级特征向量，最后根据图级特征向量经过全连接层进行故障预测。实验结果表明，本模型在公开数据集上的RMSE指标比最先进的基线分别提升了8.9%、20.8%、26.6%、18.2%。 3）实现了电梯智能故障预测原型系统：利用本文所提出的智能故障预测模型，实现了电梯智能故障预测原型系统，主要包括门系统故障预测模块、曳引系统故障预测模块和轿厢系统故障预测模块，并通过实验证明了方法的有效性，为电梯预测性维护提供辅助决策，提升了电梯运行的安全性和可靠性。收起

关键词 : 智能故障预测时序知识图谱知识表示知识推理能力

更多视图 >>