一种电弧增材工艺智能设计的知识图谱构建方法

本发明属于电弧增材制造，具体涉及一种电弧增材工艺智能设计的知识图谱构建方法。

背景技术：

1、电弧增材技术是一种利用熔化极惰性气体保护焊接的焊机产生的电弧作为热源，起弧的同时，同步添加金属丝材，基于数字化的三维模型在程序的控制下完成金属零件的快速近净成形，该方法具有材料利用率高、沉积效率高、可用于复杂零件成形等优点，目前被广泛应用于零件的制造与修复。电弧增材的工艺参数设计，直接影响了零件的成形效果与质量，由于增材工艺中包含的多类工艺参数，使得参数的设计与成形效果之间的影响关系较为模糊，无法准确的预知零件成形效果。为了使用电弧增材工艺进行零件加工制造，在正式加工前都会开展大量的工艺实验以获取具有良好成形效果的工艺参数用于零件成形，此外，每次进行新零件的成形时都需要重新进行工艺实验以获取较优的工艺参数，极大的增加了零件制造的成本，同时忽略了以往工艺实验产生的工艺知识。因此，为了实现工艺知识的复用，帮助电弧增材工艺实现参数智能设计，提升零件的制造质量和降低生产成本，构建以领域知识图谱为基础的电弧增材知识库是必要的。

2、而电弧增材工艺设计知识图谱的加入，可利用图谱中存储的电弧增材工艺设计知识，帮助该领域的工艺设计人员快速完成零件的工艺参数设计，并对相似工艺设计案例进行快速检索，辅助设计人员进行快速设计，基于图谱中的案例知识，避免了进行重复工艺实验的问题，大大降低了零件制造所消耗的成本。

3、但是没有应用于电弧增材零件工艺设计领域的知识图谱或知识库，因此实现知识驱动的电弧增材工艺智能设计目前十分困难。在构建电弧增材工艺设计知识图谱的过程中，命名实体识别任务是整个过程中的关键环节，通过该任务对输入文本知识进行关键工艺知识的抽取，完成知识图谱数据的采集工作，因此这项任务完成的好坏直接决定了知识图谱中电弧增材工艺设计知识的质量。

4、而目前针对电弧增材工艺知识数据的命名实体识别主要存在的主要问题如下：

5、为了使计算机识别输入的文本数据，需要使用表示模型对文本数据进行向量化表示，目前通常使用预训练模型bert对输入的文本数据进行表示，虽然此类模型采用大量的数据进行预训练，具有优秀的向量表示能力，但是针对电弧增材这类特定领域，没有有效的模型训练集，且领域中工艺词汇内部特征复杂，使得预训练模型不能有效反应输入文本的语义特征，造成实体识别精度低的问题。

6、在命名实体识别任务中，对输入文本完成向量化表示后，需要对文本中的关键实体进行标注，而常用的bilstm+crf或bigru+crf的序列标注模型，对长序列文本进行标注时，容易出现特征提取失败的问题。

7、综上所述，在应用电弧增材领域的知识图谱构建技术存在的问题和缺陷为：没有针对电弧增材工艺设计的知识图谱；针对电弧增材工艺知识数据没有命名实体识别方法和数据集；现有的词向量表示模型无法准确表示电弧增材领域的文本数据，并且现有模型进行工艺实体识别时准确率低。

技术实现思路

1、本发明的目的是解决上述问题，提供一种利用多类深度学习模型对输入的工艺知识文本进行准确而高效的抽取，为知识驱动的电弧增材工艺智能设计奠定数据基础的电弧增材工艺智能设计知识图谱构建方法。

2、为解决上述技术问题，本发明的技术方案是：一种电弧增材工艺智能设计的知识图谱构建方法，包括以下步骤：

3、s1、基于电弧增材工艺设计文件包含工艺参数，与工艺设计人员总结的经验性知识的特征，确定电弧增材工艺智能设计的知识图谱本体层的电弧增材知识层次结构，构建本体层；

4、s2、收集电弧增材工艺设计文件与经验性设计知识，进行数据的预处理，生成电弧增材工艺知识实体识别语料集；

5、s3、收集电弧增材领域词汇，构建电弧增材的词向量空间；

6、s4、构建有多类神经网络模型组成的电弧增材工艺知识实体抽取模型，实现针对非结构化电弧增材工艺知识的抽取；

7、s5、将步骤s4中抽取的知识与步骤s1中构建的本体层，按照对应的工艺参数实体进行融合，形成电弧增材工艺智能设计的知识图谱；

8、s6、将形成的知识图谱存于图数据库中，实现对电弧增材工艺智能设计的知识服务。

9、进一步地，所述步骤s1中，电弧增材工艺设计知识的特征参数包括但不限于：产品模型特征、设备参数特征、工艺参数特征、缺陷特征、路径规划经验、工艺参数设计经验，完成知识图谱的本体框架模型的构建。

10、进一步地，所述步骤s2中，数据的预处理是对获取的工艺知识进行人工清洗，包括但不限于删除重复数据、修改错别字、对描述不清知识进行补充，并基于弧增材工艺设计知识的特征参数对清洗的知识进行数据标注，获得电弧增材工艺知识实体识别语料集。

11、进一步地，所述步骤s3中的领域词汇包括但不限于材料类：2319铝合金、5a06铝合金、镍钛金属；路径规划类：轮廓摆动、线性扫描填充；热处理类：固溶时效、真空退火、去应力退火；产品实体类：电池盒、油箱壳体；最终生成面向电弧增材工艺智能设计领域词典集，引入该词典集对语料集进行分词，将分词结果基于skip-gran跳字模型训练，获得专用于电弧增材工艺智能设计的词向量空间。

12、进一步地，所述步骤s4包括以下分步骤：

13、s41、基于输入的非结构化电弧增材工艺设计知识，输入由roberta与电弧增材工艺智能设计的词向量空间构成的文本词向量表示层，完成输入文本向量化的表示；

14、s42、针对roberta与词向量空间分别对输入文本输出的词向量表示，将两者进行融合生成新的词向量表示，且融合的权重是动态修改的；

15、s43、针对输入的文本，使用roberta模型对文本进行特征向量表示完成工艺知识的分类；

16、s44、对步骤s42获取的词向量表示，使用bigru-mha-crf进行识电弧增材知识命名实体识别任务，按照bioes的标注策略完成标注，并完成三元组知识的抽取。

17、进一步地，所述步骤s41中，输入的文本采用了roberta与电弧增材词向量空间同时计算词向量表示的方法，且roberta模型基于注意力机制根据识别结果的优劣，进行参数的优化迭代；步骤s42中，由roberta与电弧增材词向量空间分别输出的词向量表示，在向量的融合过程中，基于ga优化算法，对向量融合的权重分配进行动态优化；步骤s43中，roberta模型基于输入文本的句向量表示，输出了输入的工艺知识文本的分类效果，用于分辨该条知识属于哪一种电弧增材案例，如所述但不限于“电池盒”或“舱体”的案例名称；步骤s44中，所述bigru-mha-crf进行识电弧增材知识命名实体识别任务，对roberta与词向量空间融合生成的输出与bigru的输入进行对接，并采用多头注意力mha提升bigru的识别能力，并输出每个标签的分数，基于crf层对预测标签进行最终约束，确保标注实体的有效性。

18、进一步地，所述步骤s5中，按照步骤s43的文本分类结果，将获取的三元组知识实体类别与本体层类别映射入步骤s3中的词向量空间，进行相似度计算与知识融合，最终完成电弧增材工艺智能设计领域知识图谱的构建。

19、进一步地，所述步骤s5中按照对应的工艺参数实体进行融合，形成电弧增材工艺智能设计的知识图谱，工艺实体融合过程中，均在电弧增材向量空间中完成相似度的计算，公式如：

20、

21、基于实体相似度的大小完成数据层实体与本体层实体的融合对齐，最终完成面向电弧增材工艺智能设计的知识图谱。

22、进一步地，所述步骤s6中实现对电弧增材工艺智能设计的知识服务，针对电弧增材工艺设计过程中遇到的问题，采用基于知识图谱的知识问答形式，通过工艺设计人员对问答系统提出问题，通过语义解析完成对系统的理解，将其转换为图数据的查询语句，进入电弧增材知识库，完成对应工艺知识问题的解答。

23、本发明的有益效果是：本发明所提供的一种电弧增材工艺智能设计的知识图谱构建方法，同时构建了一种专用于电弧增材领域的词向量空间，提出一种用专业领域词向量空间对预训练的词向量表示模型生成的词向量，进行适用于电弧增材制造的领域知识增强的方法，提升了模型识别领域知识的能力，并基于遗传算法对向量融合过程的权重进行动态优化，提升了模型对电弧增材工艺知识的语义特征表示能力，并基于本发明提供实体抽取模型提升了对工艺知识实体的抽取精度。另一方面，利用本发明构建的电弧增材工艺智能设计知识图谱，基于知识问答的方法实现对电弧增材领域知识图谱的设计知识重用，帮助电弧增材制造领域的设计人员提升工艺参数的效率，同时提升零件的制造质量和降低生产成本。