基于模型的机床故障案例命名实体抽取方法比较研究

机床出现的故障大多都有先例,但故障案例分散,不同工厂又不数据共享且没有标准的数据库管理,以至于对于已有的相似故障,工厂仍需要按照未知故障进行停机维修。因此,急需一套标准服务平台能够集合大量故障案例,同时实现更新维护,增添新故障,以供各工厂做故障参考,尽可能降低维修成本以及时间开销。本文通过将计算机领域较为流行的知识图谱运用到机床故障诊断领域,全面运用机床故障诊断案例知识,构建以故障现象、故障发生原因以及解决方案为核心的机床故障诊断网络,实现快速确认故障发生部位,提供合理的故障解决方案,提高制造业的生产效率。使用爬虫技术获取故障案例数据,采用BIO标注法完成样本标注,分别使用Bilstrm-crf、Vgg16以及Bert模型完成实体抽取任务,并对上述模型准确率从多个角度进行对比,将知识导入Neo4J图数据库并建立针对机床故障的知识图谱,最终实现知识图谱可视化。     

机械装配工艺文本的实体关系抽取方法研究

机械装配过程常常需要人工阅读并理解大量装配工艺文本,从而耗费大量时间,并且由于装配工艺文本书写人员和装配人员能力的差异,可能会导致装配人员错误理解装配文本,产生零部件错装、漏装等问题。机械装配矩阵以矩阵形式存储零部件的装配实体关系,可以直接、有效表达装配关系,不仅易于工人理解装配关系,也便于计算机识别,可以显著提高装配效率。自然语言处理作为研究计算机理解人类语言的工具,在根据装配文本生成装配矩阵的任务中可以起到关键的作用。本文采用自然语言处理的方法,对装配文本进行断句、分词、词性标注等文本预处理操作,采用机械装配名词语料库辅助以提高对装配零件的分词、词性标注时的准确率;用语法依存关系分析和语法模板匹配两种方法生成每个句子的主语、谓语、宾语三元组,其中采用机械装配名词语料库进行匹配,以判断其中的装配零部件名;之后提取出主语及宾语都为装配零件的三元组作为一个装配关系,对其进行去除冗余词、实体对齐等后处理操作;最后根据零部件数量组成一个空矩阵,将装配关系填入接触矩阵,并根据零部件类型判断生成装配关系的接触-连接矩阵。