数控机床作为生产的核心设备,发生故障将造成极大损失。及时诊断故障,恢复其运行十分必要。碎片化的故障维修日志中富含故障诊断知识,但检索耗时,难以利用。由此,提出利用知识图谱结构化的语义来描述零散的故障维修日志的思路,通过查询构建好的数控机床故障知识图谱,快速获得故障发生的原因。目前知识图谱构建方法中的复杂实体识别没有结合词汇信息,影响识别效果;复杂实体关系抽取方法,标签解码方式简单,忽视了实体和关系抽取的区别;知识图谱补全算法通过卷积操作只能获取到实体和关系交互的局部信息;故障现象的知识图谱查询子图包含多个故障原因,缺失优先级排序,不利于专家排除。对此,在知识图谱构建补全方面,提出基于词向量的中文统一命名实体识别,根据字在词中不同位置得到词集向量并与字向量相结合,得到字词混合向量,增强识别效果;提出基于多头注意力的实体关系抽取,分别学习实体边界、关系头字符对和关系尾字符对有益的部分,提高关系抽取性能;提出基于非局部操作的知识图谱补全算法,用关系作为卷积核对实体进行卷积,再通过非局部操作,进一步捕获实体和关系间的长距离依赖。针对上述方法,分别选取公开数据集和构建数控机床故障诊断数据集进行实验,验证了方法的有效性。在基于知识图谱的故障诊断方面,提出知识图谱与贝叶斯网络相结合的故障诊断方法。以知识图谱故障现象查询子图构建贝叶斯网络,进行知识推理,获得数控机床故障可能原因的发生概率,给出最可能的原因,供维修人员参考。解决了故障现象与原因的关联网络需要专家深入参与构建的问题,以及故障可能原因的优先级排序问题。并通过实例分析验证了该方法的有效性。利用数控机床故障维修日志,经上述提出的知识图谱构建和补全方法,建立了数控机床故障知识图谱,通过具体的数控机床故障诊断案例进行分析,验证了基于知识图谱进行数控机床故障诊断的可行性。