控制理论与应用

作者：朱彦,王坚

单位：同济大学,同济大学

关键词：故障诊断; 知识图谱; 推荐算法; 偏好传播

基金：国家自然科学基金项目(72271188),“2030年科技创新”新一代人工智能重大项目(2018AAA0101800)资助

钢铁生产需要经过原料输送、冶炼、热轧、冷轧等多个环节, 完成这些流程还需要电力、热风等多种原料与资源的支持. 其工艺流程繁复, 设备种类众多, 设备–故障关系复杂, 使得为其进行故障诊断难度也大大增加. 为了实现精确高效的故障诊断, 本文结合上述钢铁产线故障诊断的领域特点, 在此基础上提出一种基于知识图谱推荐的钢铁产线故障诊断模型, 采用类似水波传播的方式在知识图谱中获取待诊断设备的多阶表示并聚合得到其深度表征以进行故障诊断, 并根据钢铁产线故障诊断的特性优化了其中水波集的构建过程以提升最终的诊断效果. 同时引入成对关系向量知识表示学习模型(PairRE)进行联合训练以学习知识图谱中的复杂关系. 最后通过某大型钢铁公司的热轧产线实际生产数据与多个代表模型进行对比试验和案例分析, 验证了所提出方法的科学性和有效性.

来源：2024年第9期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2024年第9期