[发明专利]飞机装配质量缺陷辅助决策方法

说明书

一种飞机装配质量缺陷辅助决策方法，将专家知识与机器学习算法相结合，提高了特征提取的准确度和智能性；计算新问题与历史案例的各属性匹配度时，将专家知识与KNN模型相结合，由专家制定权重，对于文本向量计算余弦值，对于结构化数据相同取1不同取0，从而计算案例相似度。完成非结构化文本到结构化数据的准确高效的转化，充分利用历史数据匹配相似案例，为工作人员快速给出处理意见提供参考，从而提高飞机装配阶段质量问题的处理效率。

技术领域

本发明涉及的是一种飞机制造领域的技术，具体是一种基于文本挖掘的飞机装配质量缺陷辅助决策方法。

背景技术

现有关于民用飞机故障诊断与维修的研究，大多数是通过监测获取数值型故障特征数据及故障时间序列数据进行，但很多装配故障信息是以表单、记录案例文本形式存在。而实际中飞机装配故障信息多是以故障表单、故障记录案例长文本形式存在，因此需要先对非结构化的文本进行处理。现有设备故障诊断方法，在提取特征标签时，单纯依赖人工无法处理大批量数据，单纯依赖算法无法准确性较低。

发明内容

本发明针对现有技术单纯利用机器学习方法造成的不可靠性，提出一种飞机装配质量缺陷辅助决策方法，将专家知识与机器学习算法相结合，提高了特征提取的准确度和智能性；计算新问题与历史案例的各属性匹配度时，将专家知识与KNN模型相结合，由专家制定权重，对于文本向量计算余弦值，对于结构化数据相同取1不同取0，从而计算案例相似度。完成非结构化文本到结构化数据的准确高效的转化，充分利用历史数据匹配相似案例，为工作人员快速给出处理意见提供参考，从而提高飞机装配阶段质量问题的处理效率。

本发明是通过以下技术方案实现的：

本发明涉及一种飞机装配质量缺陷辅助决策方法，包括：

第一步、从原始数据库收集有效的故障表单，通过特征修剪选取飞机装配质量缺陷相关的属性；

所述的有效的故障表单是指：通过从包含飞机原始故障表单的原始数据库中获取表单信息完整且可识别、符合表单故障完全相同的情况下处理结果需相同条目的表单。

所述的特征修剪是指：根据专家知识来判别和提取与质量缺陷处理处置密切相关的属性，例如偏差描述、零件名称、不合格代码。

所述的飞机装配质量缺陷相关的属性包括：编号、零件名称、不合格代码、偏差描述和处置说明。

第二步、将飞机装配质量缺陷相关的属性中的零件名称和不合格代码进行编码转换、将飞机装配质量缺陷相关的属性中的偏差描述，针对飞机装配情境建立专有词典，运用基于最大逆向匹配算法的jieba分词器对故障表单中的中文文本进行分词处理，得到词汇的集合；

所述的编码转换是指：将结构化属性转换为可供计算机识别的编码。

所述的专有词典包括：飞机零件词库、偏离词库以及停用词库，分别包含飞机装配中的零件名称、装配质量缺陷相关的词汇以及连词、副词、标点符号和与表达内容无关的词汇，通过不断完善词库可以提高分词效率与准确性。

第三步、采用textrank算法通过词汇之间的相邻关系搭建词汇网络，每个词汇对应于网络中的节点并计算第二步得到的所有节点的重要性指标并进行排序，提取出排序靠前的词语作为关键词；

所述的重要性指标，具体为：节点V_i的权值其中：d为平滑处理参数，In(V_i)为节点V_i的前驱节点集合，Out(V_i)为节点V_i的后继节点集合，V_j和V_k为其他节点，w_jk为权重项，表示两词汇链接的重要性指标；该节点V_i的权值经迭代计算直到收敛后作为词汇的重要性指标，即权重。