公开(公告)号：CN119760644A

公开(公告)日：2025-04-04

申请号：CN202411833977.1

申请日：2024-12-12

Applicant: 中国电子科技南湖研究院

Inventor： 詹文强 ,  周荣坤 ,  马磊 ,  张鑫龙 ,  高原 ,  马健欣 ,  牛建凯 ,  刘风磊 ,  王岩 ,  李小娜

IPC: G06F18/25 ,  G06N5/022 ,  G06N5/04 ,  G06N3/092 ,  G06Q10/20

Abstract: 本发明提出了一种据融合的动态因果图谱推理模型，包括以下步骤：采集设备的多模态数据，进行标准化、缺失数据填补和噪声清洗等预处理；然后通过跨模态嵌入网络对不同模态数据进行融合，生成统一的高维特征表示；基于因果推理模型构建动态因果图谱，节点表示故障现象，边表示因果关系，权重通过贝叶斯更新动态调整；通过最大后验推断(MAP)算法识别故障链条中的关键节点，并生成多步骤的维修建议；通过强化学习引入动态反馈机制，不断优化推理模型和维修策略。本发明能够有效融合多模态数据，通过动态因果图谱推理和动态反馈与自我优化机制，系统能够根据实时数据不断优化诊断模型，提升故障诊断和维修的效率。

公开(公告)号：CN119807959A

公开(公告)日：2025-04-11

申请号：CN202411873794.2

申请日：2024-12-18

Applicant: 中国电子科技南湖研究院

Inventor： 詹文强 ,  周荣坤 ,  马磊 ,  张鑫龙 ,  陈胜华 ,  高原 ,  马健欣 ,  刘贵银 ,  牛建凯 ,  刘风磊 ,  王岩 ,  李小娜 ,  郭佳奇 ,  薄中

IPC: G06F18/2433 ,  G06F18/213 ,  G06N5/025 ,  G06N5/04 ,  G06N5/022 ,  G06F18/2321 ,  G06F18/2135 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明提供了一种基于无监督学习的智能设备故障诊断与推理方法及系统。属于工业设备故障诊断与预测技术领域，方法包括：(1)数据采集与预处理；2)无监督异常特征提取与检测；(3)基于无监督学习的动态因果推理；(4)动态自优化推理引擎；(5)智能故障推理与探索；(6)动态知识图谱增强；(7)故障预测与决策支持。针对需大量标注数据、缺乏因果分析和多源数据融合困难等问题，通过无监督深度模型提取特征、构建动态因果关系、实时自优化推理引擎与动态知识图谱融合，实现对设备故障的无标注高效检测与分类、故障模式诊断、预测和决策支持，从而大幅降低停机时间与维护成本。