XAI4Wind：面向风力机运维可解释决策支持的多模态知识图谱数据库
人工智能
2021-02-25 v2
摘要
基于状态的监测（CBM）已广泛应用于风电行业，以监测风力机的运行异常与故障，其技术涵盖信号处理、振动分析到利用监控与数据采集（SCADA）数据的人工智能（AI）模型。然而，现有研究未提供具体基础以促进运维（O&M）中的可解释决策支持，尤其是通过推荐与 CBM 技术所预测故障相对应的适当维护动作报告来实现自动化决策支持。知识图谱数据库（KG）对特定领域信息进行建模，并在医疗、金融等领域的实际决策支持中发挥重要作用，但在风电行业极少受到关注。我们提出 XAI4Wind，一种用于实际运行风力机可解释决策支持的多模态知识图谱，并通过实验展示了所提 KG 在运维规划中的若干用例，包括交互式查询与推理，以及利用图数据科学算法提供新见解。该 KG 将 SCADA 参数与报警、自然语言维护动作、图像等多模态知识相结合。通过将我们的 KG 与用于异常预测的可解释 AI 模型集成，我们表明其能为各风力机子部件中预测出的运行异常提供有效且人类可理解的运维策略。这有助于在传统黑盒 AI 模型中建立更好的信任与信心。我们公开了 KG，并期望其能作为风电行业自主决策支持的奠基基础。
引用
@article{arxiv.2012.10489,
title = {XAI4Wind: A Multimodal Knowledge Graph Database for Explainable Decision Support in Operations & Maintenance of Wind Turbines},
author = {Joyjit Chatterjee and Nina Dethlefs},
journal= {arXiv preprint arXiv:2012.10489},
year = {2021}
}
备注
Updated version of knowledge graph resource paper - updates include additions to the Appendix on more properties in the knowledge graph, corrected typos/grammatical errors etc