机床与液压

作者：王村松，周彤，薄翠梅，彭浩，张泉灵

单位：南京工业大学智能制造研究院；南京工业大学智能制造研究院；南京工业大学智能制造研究院；南京工业大学智能制造研究院；南京工业大学智能制造研究院

关键词：高端制造机床;知识抽取;注意力机制;知识图谱;故障诊断

基金：国家重点研发计划项目（2021YFB3301300）；国家自然科学基金项目（62203213）；江苏省自然科学基金（BK20220332）

传统高端制造机床的故障诊断依赖于专家经验和规则，然而随着故障形态的复杂化，传统方法的处理效率显著下降。因此，针对更加复杂的故障形态，提出一种融合多头注意力机制的高端制造机床故障知识图谱信息建模方法，并采用自顶向下的方法构建知识图谱，实现数控机床故障的高效率诊断。基于双向变换器模型（BERT）模型改进中文训练的全词掩码预训练模型（RoBERTa-wwm），获取故障描述文本的上下文词向量表征，并采用双向长短期记忆网络（BiLSTM）捕捉长距离序列信息。然后，提出一种融合多头注意力机制，用于准确捕捉实体之间的复杂关系和上下文信息，并采用条件随机场（CRF）层优化实体边界的标注。最后，基于故障文本的知识抽取的三元组构建知识图谱，利用Neo4j图数据库存储实现图谱可视化，设计基于知识图谱的故障问答系统。基于某航空制造企业叶轮产线历年故障维修数据进行实验验证，结果表明：所提方法的准确率、召回率、综合指标 F1 值均最佳，验证了该模型在识别高端制造机床领域故障实体的有效性。

来源：2025年第18期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第18期