.png){kind=icon}
返回
A RippleNet-Based Recommended Diagnostics Method Based on Knowledge Graph Integrated Human-Machine-Environment
.png){kind=icon}
PRE
AI
DOI：10.1002/qre.70178.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效智能的设备故障诊断在工业应用中至关重要。然而，传统的故障诊断知识图谱通常仅关注分析机器因素，主要依赖简单的嵌入或路径匹配技术来推荐诊断方法。这种方法难以应对复杂的诊断需求。为解决这些挑战，本文提出了一种新颖的设备故障诊断方法，利用历史诊断信息和故障知识图谱。在构建本体阶段，综合考虑了人、机器和环境三大关键因素，形成了一个整合这些元素的多级设备故障知识图谱。随后，在推荐和诊断阶段，开发了一种基于RippleNet推荐诊断算法（RRDA）的模型。该模型融合了基于嵌入和基于路径的推荐方法的优势，通过迭代传播机制实现精确的故障诊断和推荐。该机制有效融合了历史诊断数据与知识图谱中的结构关系，分层传播和聚合相关信息。实验结果表明，所提出的方法在深层故障模式挖掘、诊断准确性和可解释性方面显著优于现有方法，突显了其在设备故障诊断中广泛应用的潜力。
Keyword:
diagnostic location
equipment
knowledge graph
recommended diagnosis
期刊
IF:
2.8
论文数:
221
被引数:
4.6K
机构
引用论文
A learning path recommendation model based on a multidimensional knowledge graph framework for e-learning基于多维知识图谱框架的e-learning学习路径推荐模型
PREAI
分享收藏Portfolio Optimization Based on Almost Second-Degree Stochastic Dominance基于几乎二阶随机占优的投资组合优化.png)
MANAGEMENT SCIENCE
MANAGEMENT SCIENCEIF4.9
PREAI
分享收藏Robust Transfer Learning for Battery Lifetime Prediction Using Early Cycle Data使用早期周期数据进行电池寿命预测的鲁棒转移学习
IF0
PREAI
分享收藏Bayesian deep-learning for RUL prediction: An active learning perspective基于贝叶斯深度学习的RUL预测: 主动学习视角
PREAI
分享收藏
查看更多内容