[发明专利]基于图谱和相关矩阵的汽轮发电机组振动故障诊断方法

权利要求书

1.一种基于图谱和相关矩阵的汽轮发电机组振动故障诊断方法，其特征在于所述方法包括如下步骤：

步骤1、构建振动故障知识语义模型及知识图谱：

步骤11、构建振动故障知识语义模型：Vib_sm＝Vib^c,Vibⁱ,Vib^r,Vib^x，其中：Vib^c表示振动故障知识类的集合，此处c表示类；Vibⁱ表示振动故障知识类包含的实例集合，此处i表示实例；Vib^r表示振动故障知识不同类之间的语义关系集合，此处r表示关系；Vib^x表示振动故障知识公理集合，此处x表示公理；

步骤12、根据振动故障知识语义模型，明确各维度知识间的关联关系，建立振动故障知识存储模版，构建结构化的振动故障知识关联表；

步骤13、将振动故障知识关联表自动读入图数据库中，以构建起振动故障知识图谱；

步骤2、基于振动故障知识图谱，自动形成用于振动故障推理的相关矩阵：

基于步骤1所构建的振动故障知识图谱，通过知识图谱查询语言进行模式匹配，遍历振动故障同诊断位置、诊断工况、故障征兆知识间三元组关系，并将知识间的语义关系映射为不同的相关系数，自动形成用于振动故障诊断的位置—故障相关矩阵FL、工况—故障相关矩阵FC以及征兆—故障相关矩阵FS；

步骤3、基于相关矩阵，进行振动故障推理：

步骤31、分别用不同的状态值来表示诊断位置、诊断工况、故障征兆及振动故障所处状态，定义诊断位置状态向量VL、诊断工况状态向量VC、故障征兆状态向量VS，并根据现场情况获取各诊断位置、诊断工况及故障征兆所处状态的取值；依次删除VL与FL、VC与FC中未激活状态的诊断位置或诊断工况相关行的所有元素，并依次删除VS和FS中不确定是否发生状态的故障征兆相关行的所有元素，则VL、FL分别变为VL₀、FL₀，VC、FC分别变为VC₀、FC₀，VS、FS分别变为VS₀、FS₀；

步骤32、分别将VL₀与FL₀、VC₀与FC₀、VS₀与FS₀相结合，并根据故障推理规则，推理得到位置—故障状态矩阵FSL、工况—故障状态矩阵FSC及征兆—故障状态矩阵FSS；

步骤33、将步骤32推理得到的位置—故障状态矩阵FSL、工况—故障状态矩阵FSC及征兆—故障状态矩阵FSS合并成总体振动故障状态矩阵FSG＝[FSL；FSC；FSS]，根据故障状态取值优先级排序规则，获得振动故障最终状态向量fsu，得到每个振动故障最终状态取值fsu_j，并作相应的语义描述，其中，fsu_j表示第j个振动故障的最终状态取值，j＝1,2,…,n，n表示振动故障的总数目；

步骤4、基于振动故障知识图谱，进行可解释性振动故障溯源诊断：

步骤41、围绕步骤3中诊断出的振动故障，通过知识图谱查询语言，在步骤1构建的振动故障知识图谱中，确定与振动故障相关联的最长故障因果链的层数；

步骤42、以振动故障为核心，获取振动故障的诊断位置、诊断工况及故障征兆，并逐层搜索出导致振动故障发生的故障原因；

步骤43、基于图数据库的可视化表达，展现每个振动故障的知识子图及各节点所处状态，辅助进行振动故障溯源诊断，同时提高诊断过程的可解释性。

2.根据权利要求1所述的基于图谱和相关矩阵的汽轮发电机组振动故障诊断方法，其特征在于所述步骤11中，振动故障知识类的集合表示为：其中：_l表示振动故障知识语义模型中类的总数目；振动故障知识实例的集合表示为：其中：g表示属于振动故障知识类的实例集合中的实例个数；振动故障知识语义关系的集合表示为：其中：表示第p个振动故障知识类与第q个振动故障知识类间的语义关系；振动故障知识公理的集合表示为：其中：y表示振动故障知识公理的总数目。