[发明专利]一种基于知识图谱的螺柱焊接缺陷根因分析方法

权利要求书

1.一种基于知识图谱的螺柱焊接缺陷根因分析方法，其特征在于：包括以下步骤：

步骤S1：根据螺柱焊接工艺的实际生产所产生的数据，按照时间和空间结合的结构关系组织数据，以建立完整的数据关系；

步骤S2：基于已有的专家经验库数据、螺柱焊工艺原理和相关案例数据信息，整理出螺柱焊接工艺出现的各种缺陷，并得出引起螺柱焊缺陷的多层次根因图谱；

步骤S3：结合手机端录入的关于新缺陷的问题描述，利用事件抽取算法，从步骤S2中的多层次根因图谱中抽取对应的根因链及优化方案链，经过确认后，再次沉淀到多层次根因图谱中；

步骤S4：根据根因链路历史发生频率的统计结果，在每条链传播链上初始化不同概率；并结合不同螺柱的近期螺柱焊缺陷发生频次的统计，对所有的链路进行微调；

步骤S5：根据多层次根因图谱中的复合参数层预测当前螺柱焊缺陷的所属情况，并进行统计和打分；

步骤S6：根据多层次根因图谱中的基础参数层预测当前螺柱焊缺陷的所属情况，并进行统计和打分；

步骤S7：对于工况设备层，借助深度学习的方法，从数据层面，学习不同工况给数据带来的不同影响，并进行多分类，计算出多个工况的不同螺柱焊缺陷可能性；

步骤S8：对于各个层的根因打分完成后，通过链路中各个节点的累加，计算出该条根因链的初始得分，最终将各个链路的得分进行归一化并作为最终的得分；

步骤S9：通过数据与最终确认的根因链，并不断积累，最终定期更新模型及统计结果。

2.根据权利要求1所述的一种基于知识图谱的螺柱焊接缺陷根因分析方法，其特征在于：步骤S2中所构建的多层次根因图谱包括：第一层参数复合层、第二层基础参数层和第三层工况设备层。

3.根据权利要求2所述的一种基于知识图谱的螺柱焊接缺陷根因分析方法，其特征在于：对于第二层基础参数层，借助机器学习对不同缺陷的分类模型，基于该模型的对各个维度数据的权重，分析数据重要性及相关性。

4.根据权利要求1所述的一种基于知识图谱的螺柱焊接缺陷根因分析方法，其特征在于：所述步骤S3具体包括以下步骤：

步骤S31：记录现场录入的根因分析，通过设计事件抽取算法对该段描述进行多个主谓宾抽取，最终组成多个因果事件或顺承事件，主谓宾组成事件的方式为：

(主谓宾)₁＝事件_i

形式如下：

事件₁-[因果/顺承]-事件₂-…-事件_n；

步骤S32：通过相似度模型训练，能够计算当前抽取事件事件_i根因图谱中的所有事件事件_j的相似度S_ij，设置阈值x＝0.80,如果S_ij≥x，则判断事件_i与事件_j是同一个事件；

步骤S33：若步骤S32中的事件存在匹配上的结果，则重复循环步骤S32；

步骤S34：若步骤S33执行完毕，出现不满足S_ij≥x的事件_i，则将事件_i及其后续事件，拼接在根因图谱中最后一个满足S_ij≥x的事件_j后面，并融入图谱。

5.根据权利要求1所述的一种基于知识图谱的螺柱焊接缺陷根因分析方法，其特征在于：所述步骤S5中，基于大数据阈值统计结果，通过该实际值是否越过阈值及实际值与阈值的接近程度，判断不同根因传播路径的概率；具体阈值统计方法如下：

步骤S51：计算某个焊点历史数据中热量的平均值

步骤S52：计算某个焊点历史数据中热量的标准差δ；

步骤S53：将大于或小于的值作为异常值，得分为100％。