[發(fā)明專利]一種融合知識(shí)圖譜的微量潤(rùn)滑裝置參數(shù)選擇方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110605346.4
• 申請(qǐng)日: 2021-05-31
• 公開(kāi)（公告）號(hào): CN113312496A
• 公開(kāi)（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 趙武;賴兵;郭鑫;陳領(lǐng);于淼;張凱
• 申請(qǐng)（專利權(quán)）人: 四川大學(xué)
• 主分類號(hào): G06F16/36
• 分類號(hào): G06F16/36;G06N3/04;G06N3/08
• 代理公司: 成都高遠(yuǎn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51222
• 代理人: 李安霞;謝一平

本發(fā)明公開(kāi)一種融合知識(shí)圖譜的微量潤(rùn)滑裝置參數(shù)選擇方法，包括以下步驟：步驟s1：將非結(jié)構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)清理，過(guò)濾掉無(wú)用信息；步驟s2：通過(guò)LSTM?CRF模型從經(jīng)過(guò)步驟s1的數(shù)據(jù)中抽取實(shí)體關(guān)系；步驟s3：將所述實(shí)體關(guān)系整理為CSV格式文件并將其導(dǎo)入Neo4j圖數(shù)據(jù)庫(kù)中，建立參數(shù)知識(shí)圖譜；步驟s4：通過(guò)JAVA調(diào)用Neo4j的接口來(lái)進(jìn)行查詢并進(jìn)行知識(shí)推送，得到所需的微量潤(rùn)滑裝置參數(shù)方案，并根據(jù)微量潤(rùn)滑裝置參數(shù)方案由執(zhí)行裝置執(zhí)行動(dòng)作。本發(fā)明使得技術(shù)人員在面對(duì)新材料時(shí)可通過(guò)本發(fā)明查詢相關(guān)工藝案例情況并且提高參數(shù)選擇的效率，降低人力成本。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)領(lǐng)域，尤其涉及一種融合知識(shí)圖譜的微量潤(rùn)滑裝置參數(shù)選擇方法。

背景技術(shù)

知識(shí)圖譜是一種用圖模型來(lái)描述知識(shí)和建模世界萬(wàn)物之間的關(guān)聯(lián)關(guān)系的技術(shù)方法。2012年谷歌正式推出了稱為知識(shí)圖譜的搜索引擎服務(wù)，隨后知識(shí)圖譜逐步在語(yǔ)義搜索、智能問(wèn)答、輔助語(yǔ)言理解、輔助大數(shù)據(jù)分析、增強(qiáng)機(jī)器學(xué)習(xí)的可解釋性、結(jié)合圖卷積輔助圖像分類等多個(gè)領(lǐng)域發(fā)揮越來(lái)越重要的作用。知識(shí)圖譜的構(gòu)建涉及知識(shí)建模、關(guān)系抽取、圖儲(chǔ)存、關(guān)系推理、實(shí)體融合等多方面技術(shù)。

當(dāng)前，相關(guān)的現(xiàn)有技術(shù)多為專家系統(tǒng)推薦的知識(shí)和規(guī)則，基于人為定義，覆蓋面小，知識(shí)量不大，知識(shí)之間聯(lián)系弱，推送的精度不高。

以重慶大學(xué)夏瑞的碩士論文《數(shù)字化微量潤(rùn)滑裝置設(shè)計(jì)及銑削應(yīng)用》為例說(shuō)明，其參數(shù)選擇都是基于預(yù)先定義好的，如果遇到其余新材料，系統(tǒng)參數(shù)未設(shè)置，則需要重新設(shè)置參數(shù)，進(jìn)行調(diào)整。

同時(shí)，現(xiàn)有參數(shù)選擇基于人為程序編制，參數(shù)基于試驗(yàn)結(jié)果，無(wú)法應(yīng)對(duì)新材料的參數(shù)，且相關(guān)知識(shí)無(wú)法推送，導(dǎo)致工藝加工效率低下。

發(fā)明內(nèi)容

本發(fā)明旨在提供選擇效率高、在面對(duì)新材料時(shí)可通過(guò)知識(shí)圖譜查詢相關(guān)工藝案例進(jìn)行知識(shí)推送的一種融合知識(shí)圖譜的微量潤(rùn)滑裝置參數(shù)選擇方法。

為達(dá)到上述目的，本發(fā)明是采用以下技術(shù)方案實(shí)現(xiàn)的：

一種融合知識(shí)圖譜的微量潤(rùn)滑裝置參數(shù)選擇方法，包括以下步驟：

步驟s1：將非結(jié)構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)清理，過(guò)濾掉無(wú)用信息；

步驟s2：通過(guò)LSTM-CRF模型從經(jīng)過(guò)步驟s1的數(shù)據(jù)中抽取實(shí)體關(guān)系；

步驟s3：將所述實(shí)體關(guān)系整理為CSV格式文件并將其導(dǎo)入Neo4j圖數(shù)據(jù)庫(kù)中，建立參數(shù)知識(shí)圖譜；

步驟s4：通過(guò)JAVA調(diào)用Neo4j的接口來(lái)進(jìn)行查詢并進(jìn)行知識(shí)推送，得到所需的微量潤(rùn)滑裝置參數(shù)方案，并根據(jù)微量潤(rùn)滑裝置參數(shù)方案由執(zhí)行裝置執(zhí)行動(dòng)作。

優(yōu)選的，所述非結(jié)構(gòu)數(shù)據(jù)包括以往工藝數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)以及傳感器數(shù)據(jù)。

優(yōu)選的，在步驟s2中，通過(guò)長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)LSTM和條件隨機(jī)場(chǎng)CRF進(jìn)行命名實(shí)體識(shí)別，實(shí)現(xiàn)三元組抽取。

進(jìn)一步的，在步驟s2中，包括以下步驟：

步驟s201：詞典映射：獲取低頻詞過(guò)濾字與id的映射word2id、預(yù)測(cè)類別與id的映射lable2id；

步驟s202：獲取句子和標(biāo)簽：從訓(xùn)練文件中獲取句子和標(biāo)簽；

步驟s203：輸入文本轉(zhuǎn)id：通過(guò)詞典，將輸入的文本轉(zhuǎn)換成數(shù)字序列；

步驟s204：數(shù)據(jù)填充：以保證數(shù)據(jù)維度一致為目的進(jìn)行句子填充；

步驟s205：LSTM-CRF模型構(gòu)建；

步驟s206：測(cè)試模型，得到測(cè)試結(jié)果。

優(yōu)選的，所述參數(shù)知識(shí)圖譜所包含的實(shí)體包括切削液壓力、噴嘴速度、刀具名稱、工件材料以及切削液。