西安交通大學(xué) 機械工程學(xué)院
機床出現的故障大多都有先例,但故障案例分散,不同工廠(chǎng)又不數據共享且沒(méi)有標準的數據庫管理,以至于對于已有的相似故障,工廠(chǎng)仍需要按照未知故障進(jìn)行停機維修。因此,急需一套標準服務(wù)平臺能夠集合大量故障案例,同時(shí)實(shí)現更新維護,增添新故障,以供各工廠(chǎng)做故障參考,盡可能降低維修成本以及時(shí)間開(kāi)銷(xiāo)。本文通過(guò)將計算機領(lǐng)域較為流行的知識圖譜運用到機床故障診斷領(lǐng)域,全面運用機床故障診斷案例知識,構建以故障現象、故障發(fā)生原因以及解決方案為核心的機床故障診斷網(wǎng)絡(luò ),實(shí)現快速確認故障發(fā)生部位,提供合理的故障解決方案,提高制造業(yè)的生產(chǎn)效率。使用爬蟲(chóng)技術(shù)獲取故障案例數據,采用BIO標注法完成樣本標注,分別使用Bilstrm-crf、Vgg16以及Bert模型完成實(shí)體抽取任務(wù),并對上述模型準確率從多個(gè)角度進(jìn)行對比,將知識導入Neo4J圖數據庫并建立針對機床故障的知識圖譜,最終實(shí)現知識圖譜可視化。
尹昱東,王保建,李珂嘉,王紫平,張小麗.基于模型的機床故障案例命名實(shí)體抽取方法比較研究計算機測量與控制[J].,2024,32(6):27-34.
您是本站第 4754718 訪(fǎng)問(wèn)者
通信地址:北京市海淀區阜成路14號航天12院
電話(huà)/傳真:01068372068 68767886 68370689 68371556 E-mail:ck@chinamca.com
版權所有:計算機測量與控制 ® 2025 版權所有
京公網(wǎng)安備 11010802026262號