机床与液压

作者：张顺堂，许佳宇，宋海草

单位：山东工商学院管理科学与工程学院；山东工商学院管理科学与工程学院；山东工商学院管理科学与工程学院

关键词：机械臂;故障诊断;深度学习;知识图谱

基金：中国煤炭协会教育基金项目(2021MXJG068)；国家社科基金重点项目(24AGL017)；山东省社科规划项目(2024-143)

针对机械臂故障诊断领域存在的故障原因复杂和诊断过程缺乏解释性问题，提出一种基于深度学习与知识图谱的智能诊断方法。构建基于双向编码器表征法(BERT)，并融合双向长短期记忆网络(BiLSTM)、注意力(Attention)机制与条件随机场(CRF )模块的知识抽取模型，实现故障文本的知识抽取。通过FMECA和FTA将抽取结果进行整合，分析故障模式，形成机械臂故障诊断知识框架，构建领域知识图谱。最后，将领域知识图谱作为图数据库，以BERT模型为问答框架，搭建机械臂故障诊断平台。试验结果表明：改进后模型的?F1值提高了9%，能够提升模型识别准确度，同时通过集成领域知识图谱和语言模型，平台能够实现故障原因的追溯与解答，有效辅助维修决策，提高诊断过程解释性，提升先验知识的利用率。

来源：2026年第3期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第3期