-
题名基于数据挖掘与深度语义模型的工艺序列推荐方法
- 1
-
-
作者
郑佳辉
郭宇
吴涛
王胜博
黄少华
郑凯文
-
机构
南京航空航天大学机电学院
-
出处
《图学学报》
北大核心
2025年第4期864-873,共10页
-
基金
中国航空科学基金资助项目(2023M043052001)。
-
文摘
为了应对航空制造工艺设计中传统的“经验驱动”方法面临的“数据超载”问题,难以实现航空复杂零件的智能化工艺设计,提出一种基于数据挖掘与深度语义模型的工艺序列推荐方法。通过采用PrefixSpan算法与BERT大语言模型相结合从零件实例数据中挖掘典型制造工艺序列及其相关能力,构建了可重用、可更新的制造工艺知识库。在此基础上,针对航空制造数据的特点提出了一种改进的空间通道注意力机制,进行零件实例数据隐式特征提取,同时针对零件实例不均衡分布导致的“冷启动”问题,结合自监督学习挖掘数据的深层结构,保证模型泛化能力和小样本实例的学习能力。通过基于双通道注意力的深度语义模型与自监督学习相结合的方法,使得模型在数据不平衡的情况下更好地提取特征、学习知识以及准确地推荐更加符合航空工艺设计的工艺序列。以某航空零件为例,进行了制造工艺序列的推荐与验证。实验结果表明,该方法在制造工艺序列推荐的各项指标上均优于基准模型,验证了该方法的有效性,且能满足航空工艺设计人员的智能化工艺设计需求。
-
关键词
数据挖掘
自监督学习
深度语义模型
航空复杂零件
制造序列推荐
-
Keywords
data mining
self-supervised learning
deep semantic models
aviation complex parts
manufacturing sequence recommendation
-
分类号
V261
[航空宇航科学与技术—航空宇航制造工程]
TP391.3
[自动化与计算机技术—计算机应用技术]
TP311.13
[自动化与计算机技术—计算机软件与理论]
-
