[發明專利]一種基于引導圖卷積神經網絡的輪胎質量預測方法及系統

有效

• 申請號: 202210498279.5
• 申請日: 2022-05-09
• 公開（公告）號: CN114881329B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 史玉良;譚國強;李建星;翟洪偉;王新軍;孔凡玉;李暉
• 申請（專利權）人: 山東大學;山東玲瓏輪胎股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/0639;G06N3/0464;G06N3/042;G06N3/084
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 王雪

1.一種基于引導圖卷積神經網絡的輪胎質量預測方法，其特征在于，包括：

基于待檢測樣本，采用預測模型，得到輪胎質量預測結果；

所述預測模型預測的過程包括：構建輪胎知識圖譜；

確定輪胎產品表示向量和檢測標準表示向量；

基于輪胎知識圖譜，構建鄰接矩陣，采用嵌入向量進行鄰域信息嵌入表示學習，得到鄰域實體表示向量；

基于所述鄰域實體表示向量，引入注意力機制學習輪胎知識圖譜中鄰域實體表示向量對輪胎產品質量的重要程度，結合引導圖卷積神經網絡，得到輪胎產品綜合表示向量；

計算輪胎產品綜合表示向量與質檢標準的鄰域信息的注意力分數，以引導質檢標準的卷積和聚合，得到輪胎質檢標準的綜合表示向量；

基于輪胎質檢標準的綜合表示向量，對待檢測樣本進行輪胎產品質量預測，得到輪胎質量預測結果；

所述得到輪胎產品綜合表示向量的具體過程包括：

基于檢測標準表示向量，求取在構建輪胎知識圖譜過程中被抽取為關系的輪胎生產流程的第一注意力分數；

規范化所述第一注意力分數，作為關系連接的實體的嵌入表示向量的第一權重；

采用引導圖卷積神經網絡對鄰域實體表示向量和第一權重進行卷積操作，得到第一鄰域實體嵌入表示向量；

將第一鄰域實體嵌入表示向量聚合到輪胎產品表示向量，得到輪胎產品綜合表示向量；

所述得到輪胎質檢標準的綜合表示向量的具體過程包括：

基于輪胎產品綜合表示向量，求取在構建知識圖譜過程中被抽取為關系的輪胎生產流程的第二注意力分數；

規范化所述第二注意力分數，作為關系連接的實體的嵌入表示向量的第二權重；

采用引導圖卷積神經網絡對第二權重進行卷積操作，得到第二鄰域實體嵌入表示向量；

將第二鄰域實體嵌入表示向量聚合到輪胎檢測標準表示向量，得到輪胎質檢標準的綜合表示向量。

2.根據權利要求1所述的基于引導圖卷積神經網絡的輪胎質量預測方法，其特征在于，所述構建輪胎知識圖譜具體包括：獲取輪胎生產過程中的關系型數據庫，提取關系型數據庫中的知識實體和屬性，確定實體與實體間的關系，構建包括輪胎產品知識和輪胎分類檢測標準的輪胎知識圖譜。

3.根據權利要求1所述的基于引導圖卷積神經網絡的輪胎質量預測方法，其特征在于，所述鄰域信息為在知識圖譜中與被聚合的實體節點相鄰的節點與相鄰節點對應的關系。

4.根據權利要求1所述的基于引導圖卷積神經網絡的輪胎質量預測方法，其特征在于，若待檢測樣本為訓練樣本，則得到輪胎質量預測結果的具體過程包括：基于所述輪胎質檢標準的綜合表示向量，采用Softmax預測函數，計算Softmax預測函數輸出的損失函數，采用反向傳播算法訓練預測模型的學習參數，完成輪胎質量的預測。

5.根據權利要求4所述的基于引導圖卷積神經網絡的輪胎質量預測方法，其特征在于，所述預測模型訓練完成后，將樣本集的預測結果與實際結果進行對比，反饋更新底層數據信息，不斷優化預測模型中的數據權重值，完善輪胎質量預測的精度。