基于知识图谱的设备故障诊断方法及系统与流程
本发明涉及知识图谱在设备故障诊断中的应用，尤其涉及基于知识图谱的设备故障诊断方法及系统。
背景技术：
1、相关技术中，知识图谱目前能够被用于设备故障诊断领域，能够实现基本的故障知识的结构化存储与关联检索。
2、现有基于知识图谱的设备故障诊断方法，常采用固定本体架构构建静态故障知识图谱，结合简单规则匹配或基础图检索完成故障判定，无法适配矿用设备负载突变、环境参数波动等情形带来的影响，易产生正常工况误判、异常故障漏判等问题，诊断准确率随设备运行时长持续降低。为解决静态图谱的适配性问题，部分现有技术开始尝试引入动态阈值调整，或对图谱边权重进行简单的自适应修正，但此类方案仅停留在单一参数的数值调整层面，未考虑故障传播本身的时空特性，且在强工况波动与设备深度老化场景下，故障传播链路的误判率仍然较高。
3、其次，矿用设备为多部件共同作用的运转系统，现有传统诊断方法对于原发故障与次生故障，无法确定故障根因，导致运维效率低下和过度维修；而且矿用设备故障样本采集难度大，对于小样本故障和零样本未知故障，无法获得可靠的诊断结果。
技术实现思路
1、本发明实施例的目的在于提供基于知识图谱的设备故障诊断方法及系统，旨在解决现有诊断方法工况适配性差、耦合故障根因定位不准、小样本故障无法诊断的技术问题。
2、为实现上述目的，本发明提供了如下的技术方案。
3、第一方面，本发明的一实施例，提供了基于知识图谱的设备故障诊断方法，包括：
4、获取目标设备的实时工况，提取实时工况的稳态特征，并计算目标设备的状态调节参数；
5、采用状态调节参数对预设的初始图谱进行重构，所述重构包括修正故障判定阈值和调整故障传播链路，将所述状态调节参数与重构后的图谱关联，得到引入状态调节参数的动态图谱；其中，调整故障传播链路包括强度修正和时延修正；
6、将目标设备的实时告警映射至所述动态图谱，并在动态图谱中检索故障关联子图，对故障关联子图进行拓扑优化后，基于状态调节参数构建实体特征，利用图注意力网络融合实体特征计算传播路径，生成初始候选故障根因集；
7、采用预先构建的包括部件与机理的拓扑迁移模型，当目标故障样本不足时，利用状态调节参数对机理相似度与拓扑相似度进行修正，利用修正后的相似度建立图谱跨实体映射关系，经迁移推理扩充候选故障根因集；
8、对候选故障根因集进行排序，根据排序结果确定并输出最小维修单元级的故障原因。
9、作为本技术的进一步限定，所述状态调节参数包括漂移系数和衰减系数；
10、其中：
11、漂移系数用于表征当前工况偏离基准工况的程度；
12、衰减系数用于表征目标设备的老化程度。
13、作为本技术的进一步限定，在所述初始图谱的重构中，所述修正故障判定阈值的步骤，包括：
14、获取静态故障判定基准阈值；
15、基于漂移系数确定工况惩罚因子，为预设漂移上限截断值，为漂移系数；
16、将所述衰减系数作为老化修正系数；
17、计算动态故障判定阈值表示为：
18、
19、式中，为漂移系数，表示基准阈值表示工况鲁棒性系数，为老化敏感系数，且满足不低于预设的物理下限阈值。
20、作为本技术的进一步限定，在所述初始图谱的重构中，所述强度修正包括：
21、获取初始图谱中任意两个关联实体之间的原始因果关联权重；
22、利用工况干扰敏感度系数与老化传导敏感度系数对权重进行修正，得到自适应因果关联权重，表示为：；其中，表示工况干扰敏感度系数，表示老化传导敏感度系数；权重用于表征故障传播因果关系的关联强度。
23、作为本技术的进一步限定，在所述初始图谱的重构中，所述时延修正包括：
24、获取初始图谱中对应传播链路的标准传播时延t0；
25、基于漂移系数与衰减系数对t0进行修正，得到实时传播时延tdyn，表示为：
26、
27、其中，k3为工况时延系数，k4为老化时延系数，且tdyn不低于预设最小时延下限tmin。
28、作为本技术的进一步限定，所述对故障关联子图进行拓扑优化包括：
29、根据权重与时延计算对应链路的实时传播可达概率pij，表示为：
30、
31、其中，为时延衰减系数；
32、将弱关联链路从故障关联子图中临时移除，所述弱关联链路通过实时传播可达概率pij低于预设可达阈值进行确定；
33、若传播路径因弱链路移除发生断裂，则在预设跳数范围内检索替代路径并作为隐性链路补充到故障关联子图。
34、作为本技术的进一步限定在所述传播路径的计算中，任意相邻实体节点之间的注意力权重通过以下方式确定：
35、构建各实体节点的特征向量；
36、对于故障关联子图内部件实体i至故障现象实体j的故障传播有向边，计算初始注意力得分，表示为：
37、
38、其中，w为共享线性变换矩阵，为可训练的注意力参数向量，t表示向量的转置操作，表示向量拼接，leakyrelu为激活函数；为实体i的特征向量，为实体j的特征向量；
39、对同一部件实体节点i的全部出向故障传播有向边，经softmax归一化指数映射，得到对应相邻实体节点间的注意力权重，表示为：
40、
41、式中，为节点i在故障关联子图中的邻居节点集合；k表示节点索引，表示节点i与其任意邻居节点k之间的注意力得分。
42、作为本技术的进一步限定所述拓扑迁移模型为双层拓扑迁移框架，所述双层拓扑迁移框架的构建方式包括：
43、构建部件拓扑层，所述部件拓扑层以设备物理拆卸结构为骨架，节点表示部件实体，边表示部件之间的装配连接关系与动力传递关系；
44、构建故障机理层，所述故障机理层以故障物理机制为骨架，节点表示故障机理实体，边表示机理之间的因果演化关系；
45、在所述部件拓扑层与所述故障机理层之间建立跨层映射边，所述跨层映射边连接部件实体与该部件可能发生的故障机理实体；
46、利用状态调节参数对机理相似度与拓扑相似度进行修正，基于修正后的相似度建立图谱跨实体映射关系，分别针对小样本故障与零样本故障执行迁移推理，扩充候选故障根因集。
47、作为本技术的进一步限定所述对候选故障根因集进行排序，根据排序结果确定并输出最小维修单元级的故障原因，包括：
48、对根因集中的每个候选故障根因实体，获取图注意力网络经多轮消息传递后，对实体输出的聚合传播路径得分；
49、对于每个候选故障根因实体，将其潜在故障发生时间估计值与对应的实时传播时延相加，得到预估现象出现时间；比较所述预估现象出现时间与各故障现象节点的首次告警时间戳的先后关系，计算该实体的因果方向一致性得分；
50、根据聚合传播路径得分、机理相似度、拓扑相似度以及因果方向一致性得分进行加权求和，得到该实体的综合置信度；
51、按照综合置信度由高至低排序，根据排序结果确定目标故障根因并输出。
52、第二方面，本发明的另一实施例，提供了基于知识图谱的设备故障诊断系统，包括以下模块：
53、状态感知模块，用于获取目标设备的实时工况，提取实时工况的稳态特征，并计算目标设备的状态调节参数；
54、图谱重构模块，用于采用状态调节参数对预设的初始图谱进行重构，所述重构包括修正故障判定阈值和调整故障传播链路，将所述状态调节参数与重构后的图谱关联，得到引入状态调节参数的动态图谱；其中，调整故障传播链路包括强度修正和时延修正；
55、路径推理模块，用于将目标设备的实时告警映射至所述动态图谱，并在动态图谱中检索故障关联子图，对故障关联子图进行拓扑优化后，基于状态调节参数构建实体特征，利用图注意力网络融合实体特征计算传播路径，生成初始候选故障根因集；
56、迁移扩充模块，用于采用预先构建的包括部件与机理的拓扑迁移模型，当目标故障样本不足时，利用状态调节参数对机理相似度与拓扑相似度进行修正，利用修正后的相似度建立图谱跨实体映射关系，经迁移推理扩充候选故障根因集；
57、排序输出模块，用于对候选故障根因集进行排序，根据排序结果确定并输出最小维修单元级的故障原因。
58、与现有技术相比，本发明的有益效果是：
59、1.通过状态调节参数对初始图谱的判定阈值和故障传播链路属性进行全局重构，并在推理阶段对子图执行拓扑优化；其中强度修正、时延修正实现了链路属性的自适应，拓扑优化实现了推理子图的噪声过滤与路径补全，显著提升了强工况波动与深度老化场景下的诊断可靠性；
60、2.本发明将状态调节参数嵌入图注意力网络节点特征，并结合告警时间戳与实时传播时延的双重因果检验计算传播路径，能够区分原发与次生故障；
61、3.通过构建部件拓扑层与故障机理层的双层迁移框架，以状态调节参数驱动相似度融合权重执行跨层映射迁移推理，能够在故障样本不足时基于机理与拓扑双重相似性补全推理链路，实现小样本与零样本故障的诊断。