汽轮发电机组作为电力领域重大关键设备,一旦发生故障,将会影响整个生产过程,对其进行智能运维是保障机组设备安全、平稳、经济运行的重要手段,也是实现“智慧汽轮机”的关键环节。对于汽轮发电机组故障诊断领域,如何将领域专家的经验和有价值的知识整合起来为决策层和领域专家们提供分析依据,是当前实现汽轮发电机组智能运维的重要任务之一。基于汽轮发电机组在运维过程中产生的故障维修案例数据与知识以及专家分析经验,通过语义匹配、命名实体识别、关系抽取和实体对齐等自然语言处理技术将这些数据和知识进行处理,构建机组故障诊断知识图谱,设计开发集故障诊断、检修建议和维修决策等功能为一体的汽轮发电机组智能健康管理系统,为机组运维提供辅助决策。本课题的主要研究内容总结如下:（1）构建汽轮发电机组领域故障实体关系数据集。根据汽轮发电机组故障领域公开资料,确定了6种实体类型信息和6种关系类型信息,对数据进行人工标注,构建汽轮发电机组故障诊断命名实体识别数据集和关系抽取数据集,解决了在汽轮发电机组故障诊断知识图谱构建过程中缺乏公开可获得的命名实体关系标注语料数据集的问题。（2）研究汽轮发电机组故障命名实体识别算法。针对汽轮发电机组故障诊断专业领域长文本中的关联权重特征的提取困难问题,提出一种基于BERT-Bi LSTM-CRF模型和多头自注意力机制（Multi-headed self-Attention,MHA）的命名实体识别方法。从故障文本中抽取出高质量故障实体,从而为机组故障诊断知识图谱管理系统构建提供了保障。（3）研究汽轮发电机组故障实体关系抽取算法。考虑汽轮发电机组故障诊断领域故障案例文本结构复杂,传统的流水线式实体关系抽取方法无法有效融合两个子任务的问题,提出一种基于对抗训练的端到端的故障实体关系抽取方法,对汽轮发电机组故障诊断领域的实体关系进行抽取。对故障实体关系进行联合标注,将联合提取任务转化为序列标注问题。利用双向循环神经网络作为编码器,整合文本句子序列的上下文特征,尽可能地保持文本语义的完整性,解码层采用LSTM产生标签表示;并通过引入对抗因子进行对抗训练来提高模型的鲁棒性和抽取效果。（4）设计开发汽轮发电机组故障诊断知识图谱管理系统。利用Neo4j图数据库储存故障实体和故障关系,基于B/S架构设计开发汽轮发电机组故障诊断知识图谱管理系统。基于该系统可以实现故障实体识别、故障实体查询、故障关系查询、故障知识图谱构建、知识问答、智能检索等功能。