机电设备论文提纲

论文题目：基于时序知识图谱的机电设备故障预测研究与实现

摘要：近年来,人工智能领域的飞速发展,使我们的生活变得丰富多彩,运用知识图谱进行的研究也越来越广泛,在基于机电设备的故障预测研究中,如何更高效的对故障进行预测,来保障工业、制造业、服务业的安全可靠性成为了具有挑战性的研究。许多研究者们提出了大量的算法模型来解决这一难题,但是这些传统的方法应用的复杂多变的现实环境中往往会遇到更多的挑战,例如,故障信息间形成的关系会随着时间而发生变化,故障预测忽略时序信息会使得准确性不高无法为其提供可靠的保障。本文研究中将知识图谱应用于工业领域机电设备的故障预测,但静态的三元组已不能适应动态的机电设备运维故障知识的表示,因此,针对于机电设备故障的知识图谱预测研究中的时序信息不容忽视,本文所研究的内容不同于普通的三元组知识图谱,而是基于动态四元组时序知识图谱预测机电设备的故障信息来保障安全可靠性。本文主要研究工作及创新如下:（1）为了实现时序知识图谱的机电设备故障预测研究,不同于以往的三元组知识图谱,进行基于机电设备故障信息的嵌入时间信息的时序四元组知识图谱构建。本文从数据收集、数据预处理、知识抽取、知识融合和时序知识图谱绘制五个步骤来构建机电设备领域时序知识图谱,并且将四元组数据构建成FITKG数据集,以便后续建模分析。（2）为了实现机电设备的故障预测研究,采用自回归的AREM模型建模时序知识图谱中所有故障事件的联合概率分布,将此模型应用于机电设备时序知识图谱故障预测研究领域,由循环编码器和聚合器构成,其中,循环编码器总结了过去时间线上的事件序列的信息,邻域聚合器聚合了同一时间窗口内并发事件的信息,解码器使用汇总的信息定义当前故障事件的联合概率,通过时序抽样图来实现进行推理预测未来的故障。（3）为了验证该方法的有效性,通过时序知识图谱的机电设备故障预测任务在三个公共领域时序知识图谱数据集以及基于构建好的机电设备的故障信息数据集上和其他多种基线算法进行对比来评估该方法,并通过测试多步推理的性能随时间推移,实现基于时序知识图谱的机电设备故障预测研究。实验结果表明,基于时序知识图谱的AREM模型在静态和时序知识图谱推理方面优于现有的模型,预测遥远未来甚至看不见的实体关系,应用于预测工业领域机电设备的故障信息,能够做到及时甚至提前预测故障信息及故障内容,为工业,运输业以及交通行业提供更可靠的保障。

关键词：时序知识图谱;故障预测;AREM模型;自回归模型

学科专业：知识图谱（专业学位）

致谢

摘要

ABSTRACT

1 引言

1.1 选题的研究背景与意义

1.2 国内外研究现状

1.2.1 基于传统的统计方法

1.2.2 基于人工智能的方法

1.2.3 基于知识图谱(KGs)方法

1.3 论文主要研究工作

1.4 论文结构

2 相关工作论述

2.1 时序知识图谱推理

2.1.1 领域知识图谱研究

2.1.2 外推和嵌入方法

2.2 同构图谱的时序建模

2.3 深度自回归模型

2.4 本章小结

3 时序知识图谱的构建

3.1 数据采集

3.2 数据预处理

3.3 知识抽取

3.4 知识融合

3.5 时序知识图谱绘制

3.6 机电设备故障信息数据集

3.7 本章小结

4 基于AREM模型的故障预测

4.1 AREM模型框架

4.1.1 符号和问题定义

4.1.2 方法概述

4.2 AREM模型构建

4.2.1 自回归故障事件编码器

4.2.2 邻域聚合器

4.2.3 学习与推理参数

4.3 实验

4.3.1 实验模型

4.3.2 时序知识图谱上的性能比较

4.3.3 消融实验

4.4 案例研究

4.5 本章小结

5 总结与展望

5.1 本文内容总结

5.2 未来工作展望

参考文献