近年来,随着“中国制造2025”战略的实施,企业为满足发展需求引入了大量的智能生产线设备。由于生产线设备的无故障安全运行关系到企业的经济效益,所以生产线设备的无故障运行越来越受到企业的重视。但是目前企业生产线设备存在故障诊断信息分散,不易共享和重用,缺乏语义化描述,并且生产线设备故障存在不确定性、模糊性等问题,因而导致故障诊断结果不稳定,影响设备故障诊断效率。针对上述问题,本文将语义网技术引入到生产线设备故障诊断领域中,并借鉴模糊推理的思想对模糊性、不确定性故障信息进行诊断。这对生产线设备无故障的安全运行,提高生产效率具有重要意义。主要研究工作如下:1.针对生产线设备故障信息源分散的特点,以及不易共享和难以重用的问题,引入语义网技术,利用OWL(本体描述语言)对故障信息进行语义化描述,使来源分散且不易共享和重用的故障信息能够被有效集成,使其具备形式化语义,进而实现多源故障知识的共享和重用。2.针对当前生产线设备故障诊断缺乏有效的方法,导致故障诊断效率不理想。提出基于SPARQL(简单协议和RDF查询语言)查询和语义规则推理故障诊断方法。将生产线设备故障诊断方法转化为RDF Prolog和Lisp语言描述的规则推理,借助Allegro Graph(语义图形数据库)语义图形数据库提供的AG Jena推理引擎,进行故障诊断。3.针对生产线设备故障信息存在模糊性和不确定性的特点。借鉴模糊推理的思想,首先对模糊的故障信息进行模糊化处理,然后对其进行语义化标注,通过自定义的语义规则对模糊的故障信息进行诊断。4.结合实验室现有的软硬件资源,搭建生产线设备故障诊断平台,并在该平台对生产线设备故障诊断机制进行验证。故障诊断结果表明基于语义的生产线设备故障机制可以很好的对故障进行诊断,验证了该方法的有效性和可行性,对生产线设备故障诊断领域具有积极的意义。