摘要
制造业作为实体经济的重要组成部分，是我们发展的重中之重。近年来，得益于深度学习与人工智能的持续发展，越来越多的领域开始逐渐探索数字化转型，工业互联网的发展也越加迅猛。车间的车床是重要的生产设备，由于车床长时间不停机地使用容易发生大量的故障，依靠人工经验的维修有一定的局限性，对于维修人员的要求比较高，同时维修的知识无法得到保存。车间积累了大量的维修数据，如果不加以利用，无法发挥数据的价值。为此，基于车床故障维修数据的研究显得很有必要。 本文介绍了国内外知识图谱的研究现状，以及构建知识图谱的关键技术，如命名实体识别、关系抽取的国内外研究现状，对知识图谱在各个领域的应用做了调研，特别是在制造业、故障诊断方面的应用。同时调研了命名实体识别、关系抽取的各种技术方法，构建知识图谱的方法。针对本文车床故障研究的特点进行研究，本文通过对车床故障维修的非结构化文档进行人工标注处理，研究车床故障知识图谱的相关构建技术以及其应用。主要工作是围绕如何从多源异构的数据中抽取出实体以及实体之间的关系，如何构建领域知识图谱以及知识图谱的下游应用。主要的研究内容如下： 首先，针对构建故障知识图谱相关技术要求，研究了知识抽取环节的技术研究现状，提出了基于多任务学习的实体关系联合抽取模型。针对模型训练需要的数据，基于车间车床的维修台账等非结构化数据，通过人工标注构建了标准化的车床故障数据集。通过在故障数据集上进行训练，取得了较好的提取效果，验证了模型在故障文本抽取的可用性。同时在知识抽取公开数据集上进行实验，并与主流模型进行对比，较于基准模型均有一定的提升，验证了模型的可行性。最后通过设计消融实验，验证了模型部分组件的必要性。 其次，基于上述三元组联合抽取模型提取出来的三元组知识数据，根据领域知识图谱的构建流程，自顶向下地构建了车床故障维修知识图谱，将故障维修知识通过图的形式可视化展示出来。基于知识图谱结构化的三元组知识，提出了故障关联分析模型，可以根据故障现象推断其他可能关联的故障现象；以知识图谱三元组嵌入向量作为输入，提出了融入知识图谱知识的故障预测原因模型，可以提高智能检修的速度，并在第五章软件中进行了验证。 最后，对车床故障诊断软件进行了设计与实现，在针对故障维修的真实需求上以及三元组联合抽取模型算法、故障关联分析算法、故障原因预测模型算法的基础上进行了软件架构设计、软件功能设计，主要功能包括用户管理模块、数据管理模块、故障分析模块，可以进行格式化文件上传、文本抽取、知识图谱更新、知识图谱删除、故障关联分析、故障原因预测等操作，在最后对主要功能的应用进行了展示，将提出的算法模型进行了应用，为制造业数据存储以及智能检修提供了参考方案。
NETL