(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211063252.X (22)申请日 2022.08.31 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 张旭　熊辉　胡哲源　刘检华　 丁晓宇　庄存波　 (74)专利代理 机构 北京银龙知识产权代理有限 公司 11243 专利代理师 刘倩兰 (51)Int.Cl. G06F 11/07(2006.01) G06F 16/35(2019.01) G06F 16/38(2019.01) G06F 40/194(2020.01)G06F 40/30(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 故障诊断方法和装置 (57)摘要 本发明提供一种故障诊断方法和装置， 涉及 故障分析技术领域。 该方法包括： 构建故障诊断 网络模型； 故障诊断网络模型包括特征提取网 络、 特征交互网络和特征分类网络； 根据工单样 本数据、 特征提取网络和历史故障数据库， 确定 用于表征文本语义的第一特征数据和用于表征 文本故障主题的第二特征数据； 根据第一特征数 据、 第二特征数据、 特征交互网络和特征分类网 络， 确定训练好的故障诊断模型； 根据故障诊断 模型与历史故障数据库进行相似度计算， 确定历 史故障数据库中对应的工单处理信息。 本发明的 方案， 完成对不同案例的诊断， 提升了自动化故 障诊断的准确率， 增强了模型特征学习的可解释 性和对不同故障主题的诊断适应能力。 权利要求书2页 说明书11页 附图4页 CN 115408190 A 2022.11.29 CN 115408190 A 1.一种故障诊断方法， 其特 征在于， 包括： 构建故障诊断网络模型； 所述故障诊断网络模型包括特征提取网络、 特征交互网络和 特征分类网络； 根据工单样本数据、 所述特征提取网络和历史故障数据库， 确定用于表征文本语义的 第一特征数据和用于表征文本故障主题的第二特 征数据； 根据所述第一特征数据、 所述第 二特征数据、 所述特征交互网络和所述特征分类网络， 确定训练好的故障诊断模型； 根据所述故障诊断模型与 所述历史故障数据库进行相似度计算， 确定所述历史故障数 据库中对应的工单处 理信息。 2.根据权利要求1所述的方法， 其特征在于， 根据所述第一特征数据、 所述第二特征数 据、 所述特 征交互网络和所述特 征分类网络， 确定训练好的故障诊断模型， 包括： 将所述第一特征数据和所述第 二特征数据进行向量乘积交互， 确定交互后的权重系数 矩阵； 根据所述特征交互网络的归一化函数和所述权重系数矩阵， 确定处理后的第 一权重系 数； 通过对所述第一权重系数和所述第一特征数据加权求和， 确定第三特征数据； 所述第 三特征数据用于表征融合文本语义和主题的特 征数据； 根据所述第 三特征数据和所述特征分类网络的目标损失函数， 确定训练好的故障诊断 模型。 3.根据权利要求2所述的方法， 其特征在于， 所述特征分类网络的目标损失函数通过如 下方式确定： 确定第二特征数据经过所述特征分类网络的第 一损失函数、 第 三特征数据经过所述特 征分类网络的第二损失函数和模型参数正则化损失的第三损失函数； 根据所述第一损 失函数、 所述第二损 失函数和所述第三损 失函数加权求和， 确定所述 目标损失函数。 4.根据权利要求3所述的方法， 其特征在于， 所述第 一损失函数根据预设的第 一交叉熵 函数以及训练样本的数量确定； 所述第二损失函数根据预设的第二交叉熵函数以及训练样本的数量确定； 其中， 所述第一交叉熵函数和所述第二交叉熵函数均包括： 样本的类别标签和样本分 类的预测值。 5.根据权利要求2所述的方法， 其特征在于， 将所述第 一特征数据和所述第 二特征数据 进行向量乘积交 互， 确定交 互后的权 重系数矩阵， 包括： 将所述第一特征数据和所述第二特征数据进行向量乘积交互， 确定语义特征交互矩 阵； 将所述语义特 征交互矩阵进行一层卷积网络处 理， 确定所述权 重系数矩阵。 6.根据权利要求1所述的方法， 其特征在于， 根据工单样本数据、 所述特征提取网络和 历史故障数据库， 确定用于表征文本语义的第一特征数据和用于表征文本故障主题的第二 特征数据， 包括： 通过所述特征提取网络的第一预设算法， 确定工单样本数据的第一特征数据； 所述第权　利　要　求　书 1/2 页 2 CN 115408190 A 2一特征数据包括语义长度和嵌入向量维度； 通过所述特征提取网络的第二预设算法， 根据所述工单样本数据和历史故障数据库， 确定工单样本数据的第二特征数据； 所述第二特征数据包括主题数量、 故障现象主题、 故障 原因主题、 故障措施主题。 7.根据权利要求2所述的方法， 其特征在于， 根据 所述第三特征数据和所述特征分类网 络的目标损失函数， 确定训练好的故障诊断模型， 包括： 根据所述第三特 征数据和所述目标损失函数， 确定目标故障分类损失值； 若所述目标故障分类损 失值低于阈值时， 则根据预设函数优化所述特征提取网络、 所 述特征交互网络和所述特征分类网络， 直至所述目标故障分类损失值大于或等于所述阈值 时， 确定训练好的故障诊断模型。 8.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取N个历史故障工单， 并进行 预处理， 确定故障特 征数据； N为正整数； 基于所述故障特征数据， 构建所述历史故障数据库； 所述故障数据库包括N个历史故障 工单和N个第三特征数据之间的对应关系； 第三特征数据以向量形式存储于所述历史故障 数据库中； 其中， 所述故障特征数据包括： 故障模式、 故障原因、 故障影响、 故障检测方法、 设计改 进措施和使用补偿 措施中的一项或多 项； 所述预处 理包括噪声信息剔除、 重复数据删除和敏感词过 滤中的一项或多 项。 9.一种故障诊断装置， 其特 征在于， 包括： 构建模块， 用于构建故障诊断网络模型； 所述故障诊断网络模型包括特征提取网络、 特 征交互网络和特 征分类网络； 第一确定模块， 用于根据工单样本数据、 所述特征提取网络和历史故障数据库， 确定用 于表征文本语义的第一特 征数据和用于表征文本故障主题的第二特 征数据； 第二确定模块， 用于根据 所述第一特征数据、 所述第 二特征数据、 所述特征交互网络和 所述特征分类网络， 确定训练好的故障诊断模型； 第三确定模块， 用于根据所述故障诊断模型与所述历史故障数据库进行相似度计算， 确定所述历史故障数据库中对应的工单处 理信息。 10.一种可读存储介质， 其上存储有程序或指令， 其特征在于， 所述程序或指令被处理 器执行时实现如权利要求1 ‑8任一项所述的故障诊断方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115408190 A 3