【技术实现步骤摘要】
本专利技术属于智能制造相关，更具体地，涉及一种基于多层级语义特征相似性的工件加工工艺预测方法。
技术介绍
1、随着制造业面向智能制造转型升级，现实生产制造也对加工件的加工工艺编写提出了数字化、智能化的新要求。加工工艺是指导加工件从毛坯到符合尺寸要求的精密成品的必要规范文档，在生产制造过程中极其重要。当前，小批量加工件的加工工艺编写仍处于手工编写阶段，对工艺编写人员行业经验要求高，需要耗费大量时间编写，效率低成本高。
2、虽然当前可以人为的从大量加工工艺文档中查询到相似的加工件加工工艺，但此操作效率低下，容易忽视和遗漏相关的加工工艺，不符合现代化制造业高质量发展需求。并且，小批量加工件的加工工艺存在语义相似性高的特点，易导致模型推理出不符合要求的历史加工工艺。为此，本文专利技术了一种针对小批量加工件的加工工艺智能推理方法，设计了一种新的加工工艺正样本和难例负样本构建方式以增强语义特征的高判别性，并设计了一种新的多层级加工工艺语义特征库以实现工艺快速检索，推进智能制造向高质量发展。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于多层级语义特征相似性的工件加工工艺预测方法，解决加工工艺智能推理的问题。
2、为实现上述目的，按照本专利技术的一个方面，提供了一种基于多层级语义特征相似性的工件加工工艺预测方法，该方法包括下列步骤：
3、s1采集工件的加工工艺数据形成加工工艺数据库，利用该加工工艺数据构建正样本对和负样本对；>
4、s2将构建的所述正样本对和负样本对输入预设的自注意力大模型中，对所述自注意力大模型进行微调，该自注意力大模型的输入是加工工艺数据，输出是加工工艺对应的语义特征；
5、s3将所述正样本对和负样本对输入所述自注意力大模型中，获得每个样本对应的语义特征，利用该语义特征构建多层级索引库，其中，每个加工工艺中的不同特征存储在不同的层级；
6、s4将待检测文本输入所述自注意力大模型中获得相对应的语义特征，将获得的语义特征与所述多层级索引库中的数据逐层进行比较并计算相似度，每层相似度最大对应的加工特征的组合形成最相似加工工艺；根据该最相似加工工艺对待加工件进行辅助加工。
7、进一步优选地，在步骤s1中，采集的加工工艺数据为文本数据、图像数据或表格数据。
8、进一步优选地，在步骤s1中，所述加工工艺数据还需进行预处理转化为可识别文本，该可识别文本中包括多个加工特征，包括工艺名称、加工位置、加工尺寸和尺寸偏差。
9、进一步优选地，在步骤s1中，构建正样本对和负样本对时，对于正样本的构建，采用对工艺名称的同义词替换和加工特征位置中的一种或者组合的方式对可识别文本进行变换；对于负样本的构建，采用工艺名称非同义词变换、加工位置改变、加工尺寸改变和尺寸偏差改变中的一种或多种对可识别文本进行变换。
10、进一步优选地，在步骤s2中，所述语义特征为向量，通过向量的形式反映加工数据中的信息；所述微调按照下列步骤进行：
11、s21所述正样本对和负样本经过所述自注意力大模型中的各个网络层的处理，分别映射为各自的特征空间的高维向量；
12、s22对于正样本对和负样本中每个样本对应的高维向量，采用相似度函数计算每个样本相对其它样本的相似度，以此获得多个相似度；
13、s23利用所述多个相似度计算整个样本集产生的损失，通过损失产生的反向传播梯度来更新所述自注意力大模型的参数，经过多轮次的迭代后完成模型的微调。
14、进一步优选地，在步骤s3中，所述多层级索引库包括多层，每层包括一类加工特征，每类特征下对应一个或多个下层加工特征。
15、进一步优选地，在步骤s3中，在获得最相似加工工艺后，将该最相似加工工艺存储至加工工艺数据库中，以此更新工艺数据库，进而对自注意力大模型和多层级索引库进行更新。
16、进一步优选地，在步骤s4中，所述相似度的计算利用相似度函数进行计算。
17、按照本专利技术的另一个方面，提供了一种基于多层级语义特征相似性的工件加工工艺预测方法的系统，该系统包括处理器，该处理器用于执行上述所述的预测方法。
18、按照本专利技术的又一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的预测方法。
19、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具备下列有益效果：
20、1.本专利技术通过构建自注意力大模型将加工工艺数据转化为语义特征，然后利用多层级索引库对待检测文本进行逐层检索，以此获得与待检测文本最为相似的加工工艺，利用该最相似的工艺知道实际加工，辅助工艺编写人员准确且快速地编写加工工艺，提升生产效率；
21、2.本专利技术中采用自注意力大模型，通过多头注意力、前馈、层归一化等复杂神经网络单元，来捕获加工工艺的复杂全局和局部的语义特征，以达到对加工工艺的语义理解，实现相似工艺的高判别性感知；
22、3.本专利技术中采用多层索引库，通过设计的多层次索引，减少了索引的计算量，来实现对相似工艺的快速索引；
23、4.本专利技术中采用设计的正样本对和负样本对构建方式，建立了具有语义差别丰富的正样本对和负样本对，从而在高维特征空间，以达到对极其相似的工艺的高判别性感知，经过正负样本相似度产生的损失，进行梯度反向传播的方式对自注意力大模型进行微调，从而处理了当前大模型无法在加工工艺文本数据上无法泛化的问题，实现了对复杂的加工工艺的语义理解。
本文档来自技高网...【技术保护点】
1.一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，该方法包括下列步骤：
2.如权利要求1所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤S1中，采集的加工工艺数据为文本数据、图像数据或表格数据。
3.如权利要求1或2所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤S1中，所述加工工艺数据还需进行预处理转化为可识别文本，该可识别文本中包括多个加工特征，包括工艺名称、加工位置、加工尺寸和尺寸偏差。
4.如权利要求3所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤S1中，构建正样本对和负样本对时，对于正样本的构建，采用对工艺名称的同义词替换和加工特征位置中的一种或者组合的方式对可识别文本进行变换；对于负样本的构建，采用工艺名称非同义词变换、加工位置改变、加工尺寸改变和尺寸偏差改变中的一种或多种对可识别文本进行变换。
5.如权利要求1或2所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤S2中，所述语义特征为向量，
6.如权利要求1或2所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤S3中，所述多层级索引库包括多层，每层包括一类加工特征，每类特征下对应一个或多个下层加工特征。
7.如权利要求1或2所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤S3中，在获得最相似加工工艺后，将该最相似加工工艺存储至加工工艺数据库中，以此更新工艺数据库，进而对自注意力大模型和多层级索引库进行更新。
8.如权利要求1或2所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤S4中，所述相似度的计算利用相似度函数进行计算。
9.一种基于多层级语义特征相似性的工件加工工艺预测方法的系统，其特征在于，该系统包括处理器，该处理器用于执行权利要求1-8任一项所述的预测方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-8任一项所述的预测方法。
...【技术特征摘要】
1.一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，该方法包括下列步骤：
2.如权利要求1所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤s1中，采集的加工工艺数据为文本数据、图像数据或表格数据。
3.如权利要求1或2所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤s1中，所述加工工艺数据还需进行预处理转化为可识别文本，该可识别文本中包括多个加工特征，包括工艺名称、加工位置、加工尺寸和尺寸偏差。
4.如权利要求3所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤s1中，构建正样本对和负样本对时，对于正样本的构建，采用对工艺名称的同义词替换和加工特征位置中的一种或者组合的方式对可识别文本进行变换；对于负样本的构建，采用工艺名称非同义词变换、加工位置改变、加工尺寸改变和尺寸偏差改变中的一种或多种对可识别文本进行变换。
5.如权利要求1或2所述的一种基于多层级语义特征相似性的工件加工工艺预测方法，其特征在于，在步骤s2中...
【专利技术属性】
技术研发人员：李新宇，万千，翟钰文，刘争，高亮，韩天杰，许宝明，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。