(19)中华 人民共和国 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 202111522587.9 (22)申请日 2021.12.13 (71)申请人 中电投新疆能源化工集团陇西新能 源有限责任公司 地址 743000 甘肃省定西市陇西县巩昌镇 龙熙臻品19号楼 2单元61号 (72)发明人 苏龙　吴炎生　马全瑞　张发佳　 王虎健　 (74)专利代理 机构 北京华专卓 海知识产权代理 事务所(普通 合伙) 11664 代理人 徐冰冰 (51)Int.Cl. G06F 16/906(2019.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 基于NLP的风机叶片故障分类方法、 系统 (57)摘要 本发明提供一种基于NLP的风机叶片故障分 类方法， 通过连接端口在风机故障数据库中获取 风机的故障信息， 再将风机故障管理模块的分类 功能与NLP学习的功能一一对应以形成NLP分类 脚本， 而后通过NLP分类脚本生成风机故障知识 图谱， 并对新增的风机故障信息进行图谱归属划 分以完成风机叶片的故障分类， 如此， 以NLP分类 脚本自动对新获取的风机故障数据进行分类管 理的方式取代人工上传故障数据的方式， 不仅提 高风机故障数据的管理效率， 且提高风机故障数 据的管理精度， 能够清晰地将同一类别、 同一层 级区分的故障数据进行分类处理， 并且能够形成 完整的风机故障知识图谱。 权利要求书2页 说明书8页 附图2页 CN 114357265 A 2022.04.15 CN 114357265 A 1.一种基于N LP的风机叶片故障分类方法， 其特 征在于， 包括： 获取与预设的风机故障管理模块相连接的风机故障数据库的连接端口； 通过所述连接端口在所述 风机故障数据库中获取风机的故障信息； 将所述风机故障管理模块的分类功能与N LP学习的功能一 一对应以形成N LP分类脚本； 通过所述NLP分类脚本生成风机故障知识图谱， 并对新增的风机故障信息进行图谱归 属划分以完成风机叶片的故障分类。 2.如权利要求1所述的基于NLP的风机故障分类方法， 其特征在于， 获取与预设的风机 故障管理模块相连接的风机故障数据库的连接端口 的过程， 包括： 通过预设的密码登陆所述 风机故障管理模块； 通过所述风机故障管理模块中的功能按键在所述风机故障数据库中调用关于所述风 机故障数据库的配置信息； 解析所述配置信息以获取 连接端口。 3.如权利要求1所述的基于NLP的风机故障分类方法， 其特征在于， 通过所述连接端口 在所述风机故障数据库中获取风机的故障信息的过程， 包括： 通过所述连接端口在所述 风机故障数据库中获取故障代码； 获取与所述故障代码相对应的故障信息 。 4.如权利要求3所述的基于NLP的风机故障分类方法， 其特征在于， 将所述风机故障管 理模块的分类功能与所述 NLP学习的功能一 一对应以形成N LP分类脚本； 对所述故障管理模块的分类功能进行遍历以获取功能列表； 在所述故障信 息中标记学习信 息； 所述学习信 息包括与 所述功能列表相对应的关键字 和与所述关键 字关联的字眼； 使所述NLP根据所述学习信息与所述故障信息进行 学习以形成N LP分类脚本 。 5.如权利要求4所述的基于NLP的风机故障分类方法， 其特征在于， 在所述故障信息中 标记学习信息的过程， 包括： 阅览所述故障信息， 对所述故障信息进行文字识别以获取文字和数字组； 根据所述文字和数字组标注与所述功能列表相对应的标签； 通过Label ing function函数判断所述标签的准确度是否合格； 若所述标签的准确度合格， 则将所述标签作为学习信息 。 6.如权利 要求4所述的基于NLP的风机故障分类方法， 其特征在于， 使所述NLP根据所述 学习信息与所述故障信息进行 学习以形成N LP分类脚本的过程， 包括： 基于所述学习信息与所述故障信息对所述 NLP进行反复训练以形成N LP待测脚本； 通过所述NLP待测脚本对所述故障信息进行分类以获取分类结果； 将所述分类结果与所述学习信息进行比对以获取损失函数； 根据所述损失函数进行反向传播以更新所述NLP待测脚本， 直至所述待NLP测脚本的的 权重达到预设阈值， 将最后一次更新的N LP待测脚本作为 NLP分类脚本 。 7.如权利 要求1所述的基于NLP的风机故障分类方法， 其特征在于， 通过所述NLP 分类脚 本生成风机故障知识图谱的过程， 包括： 通过所述NLP分类脚本将所述风机故障数据库中现存的故障信 息进行分类汇总以形成 子数据集；权　利　要　求　书 1/2 页 2 CN 114357265 A 2为所述子数据集命名， 以按照层级形成关于所述子数据集的知识 表达链图； 按照所述知识表达链图的顺序对所述子数据集进行次级划分以形成风机故障知识拓 扑； 在所述风机故障知识拓扑的各个节点中进行规格标记以形成风机故障知识图谱。 8.如权利要求7所述的基于NLP的风机故障分类方法， 其特征在于， 对新增的风机故障 信息进行图谱 归属划分的过程， 包括： 当所述风机产生 新故障， 则将所述 新故障汇集 为故障文本； 通过所述风机故障管理模块将所述故障文本输入至所述风机故障数据库中以形成新 增的风机故障信息； 若所述风机故障数据库变动， 则通过所述NLP分类脚本对所述新增的风机故障信息进 行分类处 理以将所述 新增的风机故障信息归属至所述 风机故障知识图谱的对应节点中。 9.一种基于NLP的风机故障分类系 统， 实现如权利要求1 ‑8所述的基于NLP的风机故障 分类方法， 其特 征在于， 包括： 端口获取单元， 用于获取与 预设的风机故障管理模块相连接的风机故障数据库的连接 端口； 信息采集单元， 用于通过所述连接端口在所述风机故障数据库中获取风机的故障信 息； 脚本生成单元， 用于将所述风机故障管理模块的分类功能与NLP学习的功能一一对应 以形成NLP分类脚本； 故障分类单元， 用于通过所述NLP分类脚本生成风机故障知识图谱， 并对新增的风机故 障信息进行图谱 归属划分以完成风机叶片的故障分类。 10.一种计算机可读存储介质， 所述可读存储介质上存储有计算机程序， 其特征在于， 所述计算机程序被处理器执行时实现如权利要求1 ‑8中任一项所述的基于NLP的风机故障 分类方法。权　利　要　求　书 2/2 页 3 CN 114357265 A 3