融合知识图谱与多元神经网络的发动机故障预测方法

作者：阴艳超; 王宵; 徐成现

来源：机械科学与技术, 2022, 1-11.

DOI：10.13433/j.cnki.1003-8728.20220184

• 知识图谱
• 多元神经网络
• 发动机故障
• 向量转换
• 智能预测

针对汽车发动机故障率高且种类多，故障征兆与故障之间存在多对多的复杂耦联关系，故障溯源难度大、准确率低等问题，提出了融合知识图谱和多元神经网络的发动机故障智能预测方法。首先，将发动机运行状态、故障现象、故障原因和维修记录作为输入信息，通过知识抽取、消歧和加工形成为可表示、可推理的结构化知识网络，并进行特征向量转换；其次，建立了包含故障记录嵌入层、卷积层、GRU门控层和注意力机制的多元神经网络通路，通过特征向量训练形成了发动机故障预测模型，实现了发动机定性故障现象到定量故障推理，再到定性故障预测输出的映射变换；最后，通过实际维修案例验证了所提KG-CNN-GRU-Att方法的可行性和有效性。为发动机故障的高效准确预测提供了一种新的思路和手段。

• 单位
  昆明理工大学; 机电工程学院