具有故障智能诊断功能的维修训练系统及其方法

本申请涉及智能化维修训练，尤其涉及一种具有故障智能诊断功能的维修训练系统及其方法。

背景技术：

1、协同虚拟维修是一种利用虚拟现实技术，模拟真实的维修场景，让多个用户在网络环境下共享同一个虚拟世界，进行协作式的维修训练的方法。协同虚拟维修具有高效、安全、经济等优点，可以应用于复杂设备的维修训练、故障诊断和故障排除等领域。然而，协同虚拟维修也面临着一些挑战，其中之一就是如何处理并发冲突。并发冲突是指多个用户在同一虚拟环境中对同一或不同的对象进行操作时，可能会产生的不一致性和冲突，例如操作冲突、状态冲突、资源冲突等。并发冲突会影响协同虚拟维修的效果和用户体验，甚至可能导致虚拟环境的崩溃或系统的故障。

2、因此，期望一种具有故障智能诊断功能的维修训练系统。

技术实现思路

1、本申请提供一种具有故障智能诊断功能的维修训练系统及其方法，其通过采集维修训练系统为多个用户分发的事件文本描述以及该多个用户产生的事件数据，并在后端引入数据处理和语义分析算法来进行这些数据的语义分析和关联比较，以此来进行并发冲突的检测。这样，能够自动检测协同虚拟维修中的并发冲突，并及时地发出故障预警提示，提高维修训练的质量和安全性。

2、本申请还提供了一种具有故障智能诊断功能的维修训练系统，其包括：

3、事件文本描述采集模块，用于获取维修训练系统为多个用户分发的事件文本描述的集合；

4、事件数据采集模块，用于获取所述多个用户产生的事件数据的集合；

5、事件文本描述语义特征分析模块，用于分别对所述事件文本描述的集合中的各个事件文本描述进行基于词粒度的上下文语义关联分析以得到事件文本描述语义特征向量的序列；

6、事件数据语义编码模块，用于分别对所述多个用户产生的事件数据的集合中的各个事件数据进行语义编码以得到事件数据语义编码特征向量的序列；

7、事件语义差异度量模块，用于分别计算所述事件文本描述语义特征向量的序列和所述事件数据语义编码特征向量的序列中每组对应的事件文本描述语义特征向量和事件数据语义编码特征向量之间的事件语义差异度量系数以得到由多个所述事件语义差异度量系数组成的事件语义差异度量向量；

8、事件语义差异时序特征编码模块，用于通过基于深度神经网络模型的事件语义差异时序关联特征提取器对所述事件语义差异度量向量进行特征提取以得到事件语义差异时序特征；

9、冲突检测模块，用于基于所述事件语义差异时序特征，确定是否存在并发冲突；

10、预警模块，用于响应于所述分类结果为存在并发冲突，发出故障预警提示。

11、本申请还提供了一种具有故障智能诊断功能的维修训练方法，其包括：

12、获取维修训练系统为多个用户分发的事件文本描述的集合；

13、获取所述多个用户产生的事件数据的集合；

14、分别对所述事件文本描述的集合中的各个事件文本描述进行基于词粒度的上下文语义关联分析以得到事件文本描述语义特征向量的序列；

15、分别对所述多个用户产生的事件数据的集合中的各个事件数据进行语义编码以得到事件数据语义编码特征向量的序列；

16、分别计算所述事件文本描述语义特征向量的序列和所述事件数据语义编码特征向量的序列中每组对应的事件文本描述语义特征向量和事件数据语义编码特征向量之间的事件语义差异度量系数以得到由多个所述事件语义差异度量系数组成的事件语义差异度量向量；

17、通过基于深度神经网络模型的事件语义差异时序关联特征提取器对所述事件语义差异度量向量进行特征提取以得到事件语义差异时序特征；

18、基于所述事件语义差异时序特征，确定是否存在并发冲突；

19、响应于所述分类结果为存在并发冲突，发出故障预警提示。

20、与现有技术相比，本申请提供的具有故障智能诊断功能的维修训练系统及其方法，其通过采集维修训练系统为多个用户分发的事件文本描述以及该多个用户产生的事件数据，并在后端引入数据处理和语义分析算法来进行这些数据的语义分析和关联比较，以此来进行并发冲突的检测。这样，能够自动检测协同虚拟维修中的并发冲突，并及时地发出故障预警提示，提高维修训练的质量和安全性。

技术特征：

1.一种具有故障智能诊断功能的维修训练系统，其特征在于，包括：

2.根据权利要求1所述的具有故障智能诊断功能的维修训练系统，其特征在于，所述事件文本描述语义特征分析模块，用于：将所述事件文本描述的集合中的各个事件文本描述分别进行分词处理后通过包含词嵌入层和lstm模型的事件文本语义编码器以得到所述事件文本描述语义特征向量的序列。

3.根据权利要求2所述的具有故障智能诊断功能的维修训练系统，其特征在于，所述事件语义差异度量模块，用于：

4.根据权利要求3所述的具有故障智能诊断功能的维修训练系统，其特征在于，所述基于深度神经网络模型的事件语义差异时序关联特征提取器为基于一维卷积层的事件语义差异时序关联特征提取器。

5.根据权利要求4所述的具有故障智能诊断功能的维修训练系统，其特征在于，所述事件语义差异时序特征编码模块，用于：通过所述基于一维卷积层的事件语义差异时序关联特征提取器对所述事件语义差异度量向量进行特征提取以得到事件语义差异时序特征向量作为所述事件语义差异时序特征。

6.根据权利要求5所述的具有故障智能诊断功能的维修训练系统，其特征在于，所述冲突检测模块，用于：将所述事件语义差异时序特征向量通过分类器以得到分类结果，所述分类结果用于表示是否存在并发冲突。

7.根据权利要求6所述的具有故障智能诊断功能的维修训练系统，其特征在于，还包括用于对所述包含词嵌入层和lstm模型的事件文本语义编码器、所述基于一维卷积层的事件语义差异时序关联特征提取器和所述分类器进行训练的训练模块。

8.根据权利要求7所述的具有故障智能诊断功能的维修训练系统，其特征在于，所述训练模块，包括：

9.一种具有故障智能诊断功能的维修训练方法，其特征在于，包括：

10.根据权利要求9所述的具有故障智能诊断功能的维修训练方法，其特征在于，分别对所述事件文本描述的集合中的各个事件文本描述进行基于词粒度的上下文语义关联分析以得到事件文本描述语义特征向量的序列，包括：将所述事件文本描述的集合中的各个事件文本描述分别进行分词处理后通过包含词嵌入层和lstm模型的事件文本语义编码器以得到所述事件文本描述语义特征向量的序列。

技术总结
本申请公开了具有故障智能诊断功能的维修训练系统及其方法，其通过采集维修训练系统为多个用户分发的事件文本描述以及该多个用户产生的事件数据，并在后端引入数据处理和语义分析算法来进行这些数据的语义分析和关联比较，以此来进行并发冲突的检测。这样，能够自动检测协同虚拟维修中的并发冲突，并及时地发出故障预警提示，提高维修训练的质量和安全性。

技术研发人员：薛雪东,彭炜,秦建,程旭德,张帅,高冬冬,刘威,于德成
受保护的技术使用者：中国人民解放军陆军工程大学
技术研发日：
技术公布日：2024/9/23