随着我国高铁动车组的数目越来越多,运营里程越来越长,高铁已成为人们出行的主要工具之一。高铁的运行安全一直受到有关部门的高度重视,这对保障高铁安全、高效运行的运维服务系统提出了更高要求。现代信息技术支撑我国高铁运维向数字化和智能化转变。在高铁运维智能化建设中,知识图谱等先进技术的应用已经开始。从大量的运维数据（如:维护手册、技术说明书、维修记录等）中抽取知识,并构成知识图谱,这对于提升运维系统的智能化水平有重要的意义。但由于高铁运维相关的系统建设时间、采用的标准不同,难免会出现对同一物理实体表述不完全一致的问题,这导致从这些不同来源的数据抽取出的三元组集中存在对齐问题。针对上述问题,本文以动车组关键部件——牵引电机为研究对象,定义了牵引电机运维数据中的实体类和关系类,由此构建了三元组集,在此基础上提出了适应于高铁智能运维的嵌入实体对齐算法。本文主要研究工作如下:（1）在分析牵引电机运维数据的基础上,本文定义了7种实体类和6种关系类,为生成三元组集提供依据。为适应对齐场景,本文选取两个不同来源的数据集,形成两个三元组集。在此基础上构建了用于训练和测试的实体对齐数据集。（2）针对不同三元组集中相同语义的实体表述不一致的问题,本文使用基于Bert模型的文本匹配模型得到实体的通用语义。为弥补通用语义信息的不足,本文提出两种用于补充结构信息与对齐信息的嵌入实体对齐模型,它们分别是Trans H＿align＿Bert模型和RGCN＿align＿Bert模型。对提出的两种嵌入实体对齐模型进行对齐测试集上的命中率测试,结果证实RGCN＿align＿Bert模型性能更好。（3）将提出的RGCN＿align＿Bert模型集成到知识图谱构建工具中。在解决动车组运维知识图谱构建过程中的实体对齐问题中,相比只获取通用语义的基于Bert的文本匹配模型,RGCN＿align＿Bert模型表现出更好的性能。