随着时代的发展,针对不同场景的发电机的种类越来越多。包括水力发电机,涡轮发电机等,同时会有很多不同的型号的发电机。针对上述各种电机的维护与诊断是当下的难题。许多电机的维护只有相关领域的专家才能掌握其对应电机的知识。这些知识碎片化,没有相关规范和行业标准,不具有相关领域的认证,无法正常使用,甚至会对发电机的故障知识整理与诊断造成严重的干扰。根据上述的需求,需要制作一个电机故障知识库,以供相关领域的专家与用户使用。本系统主要以两种方式作为数据收集来源,第一种是通过向专家发放问卷,通过收集专家的答案汇总并添加到电机故障知识库当中。另一种方式是通过对现有文章中核心信息进行抽取,获得相关电机故障知识,经用户确认之后存入故障知识库当中。数据预处理、模型训练、知识抽取、本体对齐,这些是技术关键。这些方式的核心思想就是将碎片化的知识变得结构化,并具有其一定的规模。在上述需求基础下,通过已有的电机故障诊断经验结合当下流行的互联网技术开发电机故障众包知识采集系统。数据的来源分别来自专家和《大电机技术》期刊,通过专家的问卷作答同时对期刊内关于电机故障知识的抽取作为数据源头。模型训练部分使用当下最新的BERT模型,利用其命名实体识别的任务抽取论文中关于电机故障的相关描述。抽取和收集最后的结果由于表达方式不同、模型的准确性等原因,会出现部分噪音。这些噪音需要进行二次处理,包括本体对齐、专家确认等方式,经确认后将这些知识存入到故障知识库当中。通过以上技术,成功设计和实现电机故障知识众包知识采集系统,能够从各种文件格式中抽取电机故障知识,并构建电机故障知识库和知识图谱,同时模型精确率为83%左右。本课题主要将电机故障知识诊断与自然语言处理模型。改善电机故障维护的现状,同时电机故障知识库的构建能够大幅度的帮助相关产业的发展并减少人工的消耗,同时能够第一时间对相关故障进行处理,这也是本项目的核心和主要目的。