随着我国制造业的快速发展,现代工业具有生产连续化,设备大型化,结构复杂化,运行自动化和智能化等特点。由于制造系统结构的特点,一旦某些设备部件出现故障异常,就可能使整个系统发生灾难性事故,甚至造成巨大的经济损失。故障诊断技术是指通过各种检查方法,对系统进行故障定位,判断出系统发生故障的原因和部位,从而减少或消除系统故障发生,其对提高系统可靠性、安全性具有极其重要意义。目前,故障分析诊断领域的主要研究工作主要集中于系统当前的运行状态,所涉及到的故障诊断软件或系统具体应用领域比较单一,缺乏具有通用性的故障诊断软件与方法。同时,对于故障诊断方面的知识、经验资源重用率较低。综上所述,构建具有预测功能和通用性的智能化故障诊断方法是目前该领域国内外学者主要研究的热点与方向。知识图谱本质是通过可视化方法表示知识并对知识间关系进行探索分析,能够揭示知识领域的动态发展规律并实现知识共享与重用。其思想可以追溯到上世纪五六十年代所提出的语义网络(Semantic Network)。本体(Ontology)作为一种知识的表达形式,将其应用于知识图谱构建过程中,完成知识图谱资源层中知识库的集成和统一。本文的主要研究内容包括:首先,本文在相关技术的调研阶段,通过科技文本挖掘及可视化软件CiteSpace、文献网站可视化计量分析工具,对国内外相应技术的研究发展进行总结分析。对具体故障领域知识进行学习分析,从而使获取到的相关知识更加准确,进而创建更完备的领域本体库。然后,采用语义环境下的本体建模方法,结合本体表达语言OWL(Web Ontology Language)及知识图谱存储本体信息的优势,运用本体建模工具protege建立故障分析领域通用知识本体模型。其中,故障领域本体是故障分析知识图谱中概念基础,提供了故障知识本体的层次结构,实现知识的共享和复用。通过本体推理机制和SWRL(Semantic Web Rule Language)规则描述结合,对已建立的故障本体间关系进行推理分析;最后应用图数据库Neo4j强大的图形化表达能力结合SpringBoot编程,构建故障本体可视化知识图谱工具,实现故障信息动态检索,提高故障诊断知识的利用率和共享程度,为故障预测诊断领域知识图谱构建提供一种可行的解决方案。