直升机故障知识图谱自学习构建与优化方法及相关装置与流程

本发明涉及直升机故障诊断，尤其涉及一种直升机故障知识图谱自学习构建与优化方法及相关装置。

背景技术：

1、直升机系统的发动机、齿轮减速器及传动轴等关键部件，其故障机理具有多元、关联复杂的特点。现有技术在构建故障机理知识图谱时，通常先利用机器学习或规则模板对试验数据、运维记录、学术文献等多源异构数据进行实体与关系抽取；其次，基于语义相似度计算或本体映射方法进行跨源知识融合，形成初始知识图谱；最后，通过人工审核或静态规则对图谱进行补全与维护。

2、现有方案在处理多源异构故障数据时，存在以下问题：

3、（1）知识抽取效率低，跨数据源与领域知识融合难度大。现有方案在处理多源异构故障数据时，其数据清洗规则与知识抽取模型多为静态预设，难以适应不同数据源在表征粒度、记录格式等方面的显著差异；同时，对于故障机理中存在的多跳因果、跨部件耦合等复杂关系，现有静态模型无法动态调整抽取策略，导致知识抽取效率低下，且跨源跨领域知识融合时易产生语义冲突，融合精度不足。

4、（2）已构建的故障知识图谱易出现信息不完整的情况。初始构建的故障知识图谱普遍存在缺失关系、缺失机理链和边缘故障知识不足的问题，现有技术主要依赖人工审核或基于固定逻辑的规则进行图谱补全，无法从已有知识中主动挖掘隐含的故障机理链，缺乏随故障知识积累持续优化的自学习能力，导致知识图谱的完备性与准确性难以保障。

5、（3）缺乏动态更新与维护机制，无法实时捕获直升机关键部件故障知识体系的最新成果。已构建的故障知识图谱的更新通常依赖人工定期汇总或被动式导入，无法实时捕获直升机关键部件故障知识体系的最新成果，难以满足直升机系统关键部件故障诊断的实际需求。

技术实现思路

1、本发明的目的在于克服现有技术的问题，提供了一种直升机故障知识图谱自学习构建与优化方法及相关装置。

2、本发明的目的是通过以下技术方案实现：一种直升机故障知识图谱自学习构建与优化方法，该方法包括以下步骤：

3、获取与目标关键部件相关的多源故障数据并进行预处理，将多源故障数据转换为统一格式的标准化数据；

4、从标准化数据中识别实体，并根据句法依赖关系、触发词模式、时序先后关系以及来源共现关系生成候选三元组，以已识别的实体作为节点，以候选三元组作为边，构建初始故障关系候选图；候选三元组中的头实体和尾实体构成候选实体对，计算初始故障关系候选图中候选实体对之间的故障关联复杂度，根据故障关联复杂度动态分配图注意力权重，基于图注意力权重执行图神经网络的消息传递更新，对候选三元组进行打分，将打分结果满足分数阈值的候选三元组写入初始知识图谱，形成待优化的故障知识图谱；

5、通过自学习补全机制对待优化的故障知识图谱进行缺失知识挖掘和错误关联修正；

6、通过主动式动态更新机制对修正后的故障知识图谱进行实时迭代更新，输出优化后的故障知识图谱。

7、在一实施例中，对多源故障数据进行预处理，包括：

8、对于多源故障数据中的时序数据，采用滑动窗口分段，计算每个窗口内的统计特征形成质量评估向量，统计特征包括均值、标准差、峰峰值、峭度、偏度及缺失率中的至少一种；

9、对于多源故障数据中的异常样本数据，采用统计判别与工况约束联合筛选方式，当样本数据同时满足统计异常条件和物理运行约束违反条件时，判定为异常噪声数据；优选地，统计异常条件通过异常判别阈值进行判断，并根据当前批次数据的噪声水平自动调整异常判别阈值；

10、对于多源故障数据中的文本数据，执行术语归一、单位换算、时间对齐、实体规范化和模板补全处理，将原始文本数据转换为中间标准格式。

11、在一实施例中，所述方法还包括对候选三元组进行跨源语义对齐：

12、构建故障特征锚点库，锚点包括部件位置、特征模式、工况条件及典型故障；

13、计算候选实体或候选关系与锚点模板的匹配分数，候选关系为候选三元组中的关系类型；

14、利用领域自适应语义映射模型，将通用语义空间映射到直升机故障领域语义空间，得到领域语义向量，并基于领域语义向量计算候选三元组与锚点库中预定义的标准实体或标准关系之间的领域语义相似度；

15、融合匹配分数与领域语义相似度，将得分最高且超过阈值的标准实体或标准关系作为归一化结果。

16、在一实施例中，所述形成待优化的故障知识图谱之后，还包括：

17、构建正式故障机理知识图谱，包括实体层、关系层和证据层；

18、建立退化链，退化链包括正常、轻微磨损、中度磨损、局部剥落、功能退化、失效的至少两个阶段；

19、基于工况条件和阶段转移打分函数定义退化阶段转移概率，将退化链及转移概率更新至待优化的故障知识图谱。

20、在一实施例中，所述自学习补全机制包括：

21、将图谱补全任务建模为基于强化学习的序列决策问题；

22、定义环境状态为当前推理时刻所在实体节点、已走路径及局部图谱上下文，定义动作为从当前节点选择下一条关系及下一跳实体，并根据环境状态、动作定义策略网络；

23、利用策略网络输出各动作的概率分布，根据状态转移后获得的奖励定义价值函数，根据价值函数估计优势函数，根据优势函数和策略网络输出的概率分布通过策略梯度更新策略网络参数，利用参数更新后的策略网络对待优化的故障知识图谱进行缺失知识挖掘。

24、在一实施例中，所述自学习补全机制还包括：

25、根据新增正确实体或关系数量与补全前图谱中的实体或关系总数的比值确定图谱完备度提升率，或对关键实体连接度、退化链闭合度进行加权计算，得到图谱完备度提升率；

26、根据验证通过的新增关系数与新增关系总数的比值计算关联准确率奖励；

27、对完备度提升率、关联准确率与错误关联惩罚项进行加权处理，得到总奖励；

28、根据总奖励同步更新策略网络、规则候选池和统计先验模型，完成对待优化的故障知识图谱的缺失知识挖掘和错误关联修正。

29、在一实施例中，所述主动式动态更新机制包括：

30、围绕薄弱知识区域、热点部件和近期异常案例生成检索任务，形成查询集合；

31、从外部数据源召回候选文档集合，根据相关性、来源权威性和时间新近性进行重排序；

32、将排序靠前的文档作为生成上下文，输入知识生成模型生成候选知识条目，并将候选知识条目写入至故障知识图谱。

33、在一实施例中，所述将候选知识条目写入至故障知识图谱之前，还包括：

34、将候选条目与现有图谱核心机理链、关键参数范围、部件层级关系进行比对，计算一致性得分；

35、根据是否存在案例编号、来源机构、原始测点、维修记录或多源交叉印证，计算真实性得分；

36、根据证据数量、类型多样性、时间连续性和来源可靠性计算证据充分性得分；

37、当一致性得分、真实性得分与证据充分性得分的加权和超过预设阈值时，将候选知识条目写入知识图谱。

38、需要进一步说明的是，上述方法各示例对应的技术特征可以相互组合或替换构成新的技术方案。

39、本发明还包括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上述任一示例或多个示例组合形成的所述一种直升机故障知识图谱自学习构建与优化方法的步骤。

40、本发明还包括一种存储介质，其上存储有计算机指令，所述计算机指令运行时执行上述任一示例或多个示例组成形成的所述一种直升机故障知识图谱自学习构建与优化方法的步骤。

41、本发明还包括一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行上述任一示例或多个示例形成的所述的直升机故障知识图谱自学习构建与优化方法的步骤。

42、与现有技术相比，本发明有益效果是：

43、1.通过计算候选实体对之间的故障关联复杂度，并根据复杂度动态分配图注意力权重，能够使图传播强度随故障关联复杂度动态调整，使模型表达能力与关系难度相适应，针对多跳因果、跨部件耦合等复杂故障链路增强表征能力，同时避免简单固定邻域传播造成的关系过平滑和误连接，从而有效提升直升机关键部件复杂故障因果关系的识别精度和抽取效率，具备动态适配能力，复杂故障因果关系识别准确率大大提高；通过自学习补全机制，能够主动挖掘隐含的故障机理链并自主修正错误关联，无需依赖人工，具备自主学习能力，能够保证信息完备性与准确性；通过主动式动态更新机制，能够实时捕获最新故障知识并迭代更新图谱；同时，结合数据预处理、自学习补全和主动式更新机制，能够实现从多源异构数据到优化后知识图谱的自动化构建与持续进化，无需人工干预即可完成缺失知识的主动挖掘和图谱的实时迭代更新，确保故障知识体系的完备性、准确性与时效性。

44、2.通过故障特征锚点匹配与领域自适应语义映射的双层融合机制，能够在保留故障物理约束可解释性的同时，实现跨源跨领域知识的语义对齐，有效减少同义异名造成的重复节点和错误归并导致的关系污染，提高多源故障知识融合的一致性和准确性。

45、3.通过构建包含实体层、关系层和证据层的正式故障机理知识图谱，并建立性能退化链及阶段转移概率，能够将静态故障关系与动态退化演化规律有机融合，使知识图谱不仅支持故障机理的静态检索，还能够描述关键部件从正常到失效的完整退化过程，为故障预测和管理提供结构化知识支撑。

46、4.通过将图谱补全任务转化为强化学习序列决策问题，并利用策略网络自主探索高价值推理路径，能够使补全过程从依赖人工规则、人工补边转变为系统自主挖掘隐含故障机理链，有效提升复杂故障关系和多跳因果链的发现能力。

47、5.通过构建图谱完备度提升率与关联准确率构成的双重奖励函数，并同步更新策略网络、规则候选池和统计先验模型，将补全任务变成受约束的多目标优化问题，避免单一奖励目标导致的策略偏置进而引入大量错误知识，能够在扩图数量与质量控制之间实现协同优化，使系统在探索未知关系时始终受到已有可靠知识边界约束，提升补全结果的稳健性。

48、6.通过围绕薄弱知识区域、热点部件和近期异常案例主动生成检索任务，并利用检索增强生成技术从外部数据源实时捕获最新故障知识，使图谱能够持续吸收外部新增知识，不再依赖人工定期汇总后批量更新，提升了图谱的时效性和演化能力。

49、7.通过在候选知识入库前执行一致性校验、真实性核验和证据充分性评估的三重可信度验证，有效避免动态更新过程中引入伪知识、冲突知识和低质量信息，保证图谱长期迭代后的准确性、稳定性和工程可用性。