摘要：缝纫设备的智能运维与管理,关键在于解决非结构化文本的信息挖掘及语言模型构建问题。这对于加快设备缺陷和故障诊断速度、提高诊断准确性及实现设备检修的智能辅助决策,具有重要意义。该研究提出了通过基于BERT的条件随机场(bidirectional encoder representations from transformers-conditional random field,BERT-CRF)的实体抽取模型抽取关键实体信息,如设备名称、属性等,再通过基于双向门控循环单元注意力机制(bidirectional gated recurrent unit-attention,BiGRU-Attention)的关系抽取模型有效捕捉实体之间的语义关联,为缝纫设备知识图谱的构建提供支持。针对缝纫设备文本分析场景,模型在缝纫设备文本实体识别、信息抽取和故障诊断等任务场景进行了专门的训练和优化。与现有的深度学习算法相比,该研究所提方法在验证集和测试集上实现了20%到30%的性能提升,体现了其在召回率和精确度上的显著优势。缝纫设备知识的非结构化文本信息挖掘,可为平缝设备数据集成、设备故障运维、平缝工艺路线设计等方面的知识图谱构建提供参考。

摘要：针对缝纫工艺流程链路长,生产要素多样,工艺知识分散化的特点,首先,提出缝纫工艺信息组织建模方法,面向多源异构平缝工艺信息构建本体模型;其次,研究基于面料力学性能的平缝工艺推荐方法,构建面料基础性能、缝制性能知识体系,结合面料层次分类方法和实验参数分析,形成力学性能参数与缝制参数之间的数学模型;在此基础上,以专家经验文本、实验测量数据为原始数据,构建面向平缝工艺信息融合的知识图谱,开发WEB系统展开应用验证。结果表明:所构建的工艺推荐方法实现了对面料平整度和最大缝缩率的预测,知识融合系统实现了缝纫工艺知识的智能搜索和缝制参数的智能推荐,为工艺数据集成、装备故障运维、工艺路线设计、产品质量控制提供决策参考。