面向工业物联网的语义增强的基于规则的诊断：西门子火车和涡轮机的 SDRL 语言和案例研究-研究论文

工业物联网 (IoT) 是一个智能工业设备网络，例如火车和发电涡轮机，可收集和共享大量数据。 这些数据要么由设备中部署的各种传感器生成，要么捕获设备特定信息，例如配置、使用历史和制造商。 工业物联网的诊断对于最大限度地减少其设备的维护成本和停机时间至关重要。 当今的工业为此目的采用基于规则的诊断系统是很常见的。 规则通常用于通过过滤、聚合和组合传感器记录的带时间戳的测量序列来处理来自安装在设备中的传感器的信号。 此类规则通常依赖于数据，因为它们依赖于单个传感器和设备的特定特性。 这种依赖性给工程师的规则创作、重用和维护带来了重大挑战，尤其是当规则应用于工业物联网场景时。 在这项工作中，我们提出了一种通过依赖著名的基于本体的数据访问方法来解决这些问题的方法：我们建议使用本体来调解传感器信号和规则。 为此，我们提出了一种语义规则语言 SDRL，其中信号是一等公民。 我们的语言提供了表达能力、可用性和效率的平衡：它捕获了大部分西门子数据驱动的诊断规则，显着简化了诊断任务的编写，并允许有效地将语义规则从本体重写为数据并在数据上执行。 我们在语义诊断系统中实施了我们的方法并对其进行了评估。 为了进行评估，我们在西门子开发了铁路系统和发电涡轮机的用例，并进行了实验以证明我们解决方案的可用性和效率。