[发明专利]基于图神经网络的性能-故障关系图谱的推理方法和装置

说明书

本发明涉及一种基于图神经网络的性能‑故障关系图谱的推理方法和装置，该方法包括：根据FMEA构建航天器控制系统的性能‑故障关系图谱；基于历史故障案例，计算所述性能‑故障关系图谱中各关系的亲密度；基于所述性能‑故障关系图谱中各关系的亲密度，采用图神经网络推理每个故障征兆对应的故障原因；针对每个所述故障征兆，采用贝叶斯网络对当前故障征兆对应的故障原因进行融合，以得到当前故障征兆最终的推理结果。本发明能够提高航天器控制系统故障推理的准确性。

技术领域

本发明涉及航空航天技术领域，特别涉及一种基于图神经网络的性能-故障关系图谱的推理方法和装置。

背景技术

航天器控制系统工作时间长、精度要求高、环境特殊，并受重量和能量消耗等条件的限制，导致航天器控制系统的故障类型多、故障原因复杂、影响因素广泛。

知识图谱凭借其在知识关系构建与知识关联展现方面的巨大优势，为具有复杂关系的航天器故障知识提供了一种新的获取、组织、管理、更新和展示的手段，并提供更符合人们认知习惯的故障知识应用与故障推理方式。但是，目前大部分的知识图谱都是静态的故障知识载体，支持实体与关系以及相应路径的查询，但并未与实时数据连接实现在线故障诊断，导致知识图谱在故障诊断中发挥的作用非常有限。

发明内容

为了提高航天器控制系统故障推理的准确性，本发明实施例提供了一种基于图神经网络的性能-故障关系图谱的推理方法和装置。

第一方面，本发明实施例提供了一种基于图神经网络的性能-故障关系图谱的推理方法，包括：

根据FMEA构建航天器控制系统的性能-故障关系图谱；

基于历史故障案例，计算所述性能-故障关系图谱中各关系的亲密度；

基于所述性能-故障关系图谱中各关系的亲密度，采用图神经网络技术推理每个故障征兆对应的故障原因；

针对每个所述故障征兆，采用贝叶斯网络对当前故障征兆对应的故障原因进行融合，以得到当前故障征兆最终的推理结果。

第二方面，本发明实施例还提供了一种基于图神经网络的性能-故障关系图谱的推理装置，包括：

构建模块，用于根据FMEA构建航天器控制系统的性能-故障关系图谱；

计算模块，关于基于历史故障案例，计算所述性能-故障关系图谱中各关系的亲密度；

推理模块，用于基于所述性能-故障关系图谱中各关系的亲密度，采用图神经网络推理每个故障征兆对应的故障原因；

融合模块，用于针对每个所述故障征兆，采用贝叶斯网络对当前故障征兆对应的故障原因进行融合，以得到当前故障征兆最终的推理结果。

第三方面，本发明实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本发明任一实施例所述的方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本发明任一实施例所述的方法。

本发明实施例提供了一种基于图神经网络的性能-故障关系图谱的推理方法和装置，面向知识图谱在航天器故障诊断中的应用需求，针对构建的航天器性能-故障关系图谱，在根据故障案例计算得到关系亲密度的基础上，采用图神经网络技术获取故障征兆与故障原因之间的路径，并采用贝叶斯网络对故障推理结果进行融合，提高航天器故障推理的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。