本发明属于港口设备故障处理，尤其涉及一种港航设备故障状态分析方法、装置、设备及介质。
背景技术：
1、随着港口规模的不断扩大，港口设备的数量也在不断地增加，港口设备种类越来越多。港口设备在运转过程中，会出现相应的故障，而随着港口设备的数量和种类的增多，提升了港口设备故障处理的难度。
2、目前，港口设备在出现故障时，需要进行现场查找故障原因，再进行维修或维护。由于港口设备数量较为庞大，类型也较多，不同类型港口设备出现故障时，需要进行查阅手册及历史资料来进行故障处理。这增加了故障处理时长，也因为维修人员无法知晓所有港口设备的故障处理方式，造成无法快速匹配到相应的故障处理手段，影响港口的正常运行。
技术实现思路
1、本发明提供一种港航设备故障状态分析方法，能够对当前的设备故障与历史故障进行匹配，得到解决方式，提升港口设备故障响应处理速度，保证港口设备稳定运行。
2、方法包括：
3、s101：获取港口设备故障解析清单，并对港口设备故障解析清单进行解析，解析出港口设备故障项；
4、s102：基于大语言模型对港口设备故障项进行转换，转换出港口设备故障项对应的港口设备故障关键词；
5、s103：将港口设备故障关键词配置到故障知识图谱中，匹配出故障类型以及历史故障处理方式。
6、进一步需要说明的是，步骤s101中，设备故障解析清单d包括：多个故障项，定义为：d={f1,f2,…,fn}；
7、其中，fn表示第n个故障项。
8、进一步需要说明的是，步骤s103还包括：将港口设备故障项对应的港口设备故障关键词匹配出港口设备故障严重等级。
9、进一步需要说明的是，方法还包括：定义故障知识图谱g的节点v和边e，基于故障发生的逻辑关系，构建节点v之间的关系，并基于边e连接具有逻辑关系的节点v；
10、节点v包括：设备编码、设备名称、故障描述以及故障历史处理方式；
11、边e包括：故障现象、故障原因以及历史维修时间。
12、进一步需要说明的是，方法还包括：构建检索模型，基于港口设备故障项、港口设备故障关键词和故障知识图谱进行检索；
13、检索结果的配置方式为：
14、检索结果=retrieval(g, 港口设备故障项)；
15、结合检索结果和自大语言模型技术，利用获得港口设备故障解析清单的港口设备故障项生成故障历史处理方式，
16、故障历史处理方式=generate(检索结果, 港口设备故障项)。
17、进一步需要说明的是，方法还包括：对港口设备故障项进行转换，转换出港口设备故障项对应的港口设备故障关键词组；
18、港口设备故障关键词组包括多个港口设备故障关键词；
19、结合港口设备故障解析的需求，配置对港口设备故障关键词组进行解析的神经网络模型；
20、对神经网络模型进行参数配置，配置的参数包括层数、神经元数量、激活函数；
21、再将港口设备故障关键词组作为输入数据，对神经网络进行训练；
22、训练过程中，使用标注好的港口设备故障关键词作为监督信息，指导神经网络的学习；
23、在训练阶段，通过反向传播算法调整神经网络的权重和偏置，使神经网络模型的输出逐渐接近真实标注；
24、训练完成后，使用港口设备故障测试数据集对神经网络模型进行验证，评估神经网络的性能；
25、将训练好的神经网络模型应用于实际港航设备故障状态分析任务中，解析港口设备故障关键词和港口设备故障标注。
26、进一步需要说明的是，构建港口设备故障关键词库：
27、配置港口设备故障分段标识，对港口设备故障信息进行拆分；
28、配置港口设备故障特征的定位标识，对故障描述进行定位；
29、定义正常状态标识，筛选非故障下的港口设备信息；
30、配置港口设备故障原因的触发标识，对港口设备故障因素进行定位；
31、配置港口设备扩展关键词，基于港口设备扩展关键词的扩展当前港口设备故障描述信息；
32、基于港口设备故障分段标识对港口设备故障关键词组进行拆分，对拆分后的港口设备故障关键词基于定位标识进行定位标注；
33、利用神经网络模型进行港口设备故障关键词组进行分词，关键词标注，关键词识别，得到故障关键词解析结果；
34、根据故障关键词解析结果判断，若故障关键词在故障知识图谱中匹配出故障类型，通过逻辑关系判断，遍历与所述故障关键词具有相关联其他故障关键词进行故障状态匹配。
35、本申请还提供一种港航设备故障状态分析装置，装置包括：
36、故障获取解析模块，用于获取港口设备故障解析清单，并对港口设备故障解析清单进行解析，解析出港口设备故障项；
37、故障转换模块，用于基于大语言模型对港口设备故障项进行转换，转换出港口设备故障项对应的港口设备故障关键词；
38、故障匹配模块，用于将港口设备故障关键词配置到故障知识图谱中，匹配出故障类型以及历史故障处理方式。
39、根据本申请的另一个实施例，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述港航设备故障状态分析方法的步骤。
40、根据本申请的又一个实施例，还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述港航设备故障状态分析方法的步骤。
41、从以上技术方案可以看出，本发明具有以下优点：
42、本申请涉及的港航设备故障状态分析方法通过将港口设备故障关键词与故障知识图谱进行匹配，可以快速准确地识别出故障类型，避免人工判断的主观性和不确定性，从而提高故障诊断的准确性。同时，利用神经网络模型进行分词、标注和识别，可以自动化处理大量数据，提高故障诊断的效率。
43、本申请充分的利用故障关键词之间的逻辑关系，遍历与故障关键词相关联的其他故障关键词进行故障状态匹配，可以全面分析设备故障情况，避免遗漏。对故障状态的处理优先级进行展示，可以帮助维修人员快速定位关键故障，优先处理，减少停机时间，提高设备利用率。
44、本申请通过建立关联化港口设备的故障知识图谱，将各类型港口设备、故障特征数据以及故障原因、故障类型、解决方案等信息的联系抽象为图，使得故障处理流程更加清晰、规范。利用匹配算法与故障知识图谱中的港口设备故障知识特征进行遍历匹配，可以自动推送相关的故障处理信息，优化故障处理流程，减少人工干预。
45、本申请通过对故障关键词的解析和匹配，可以实时监测设备的运行状态，及时发现潜在故障，提前采取措施进行预防和维护，降低设备故障率。
1.一种港航设备故障状态分析方法，其特征在于，方法包括：
2.根据权利要求1所述的港航设备故障状态分析方法，其特征在于，
3.根据权利要求1所述的港航设备故障状态分析方法，其特征在于，
4.根据权利要求1所述的港航设备故障状态分析方法，其特征在于，
5.根据权利要求4所述的港航设备故障状态分析方法，其特征在于，
6.根据权利要求1或2所述的港航设备故障状态分析方法，其特征在于，
7.根据权利要求6所述的港航设备故障状态分析方法，其特征在于，
8.一种港航设备故障状态分析装置，其特征在于，装置用于实现如权利要求1至7任一项所述的港航设备故障状态分析方法；
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述港航设备故障状态分析方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述港航设备故障状态分析方法的步骤。