[发明专利]一种基于机器学习的工艺规程编制方法

摘要

本发明属于飞机数字化制造技术领域，涉及一种基于机器学习的工艺规程编制方法，包括：处理历史工艺规程数据，以工步为单位对工艺规程内容进行聚类分析，以每个聚类簇为单位对工步的特征进行挑选；历史工艺规程中工步的特征信息进行处理；根据所选取的特征信息对工步采用倒排索引的方式建立相应的索引信息；获取当前用户所编写工步的特征信息，将当前编写的工步特征信息进行处理；采用索引信息将第一步获取的特征按照类别进行相关性计算，并将这些类别的相关性进行线性加权打分，根据最终的打分结果，把得分最高的工步内容推送给用户。本发明能够大幅度缩短工艺规程的编制时间，提高装配工艺规程的编制效率，提高生产效率。

主权项

1.一种基于机器学习的工艺规程编制方法，其特征在于以下步骤：第一步，对历史工艺规程进行分析处理历史工艺规程数据，以工步为单位对工艺规程内容进行聚类分析，以每个聚类簇为单位对工步的特征进行挑选；S1)获取所有工艺规程的工步内容，对工步内的图纸编号、零件编号、零件大小尺寸信息用不同的代号进行处理；S2)以工步为单位对工艺规程的内容进行预处理，把工步内容表示为一个一个词的形式；并把工步内容表示成如下的形式：x＝{(c1，w1)，(c2，w2)，...，(cm，Wm)}   (1)其中，x表示一个工步内容，wm表示操作说明中一个词的权重，cm表示工步内容的具体的一个词；S3)采用余弦相似度的计算方法对不同工步的相似关系进行度量，并根据度量结果进行聚类计算，其中相似度计算方法如下所示：其中，xi表示表示一个工步内容的空间向量表示，sim(x1，x2)表示工步内容x1与工步x2之间的相似关系；按照下述步骤对所有的工步内容进行聚类：a)确定需要生成聚类簇的个数；b)选择待处理的工步内容的中的任何一个作为聚类簇的初始中心；c)选择其余待处理的工步内容依次与各个类簇中心，采用公式(2)计算该待测工步内容与该聚类簇的相似性；d)根据预设的阈值，判断待处理工步内容是否归为此类，并更新该聚类簇的中心点；e)重复步骤d)至计算完全部的工步内容；f)初步得出聚类结果，人工对聚类结果进行评价，调节聚类簇个数，进行迭代处理；g)至最终聚类的结果能够把相似的工步内容聚到同一个聚类簇为止；S4)人工以每个聚类簇为单位，对聚类簇中的数据进行梳理、观察，初步评判聚类簇中的工步的属性相关，初步挑选工步内容，对挑选出的特征进行相关性打分；采用基于决策树的方法依次对挑选出的特征进行评判，验证挑选出的特证对工步内容的代表性高低，其评判的过程如下：a)统计各个聚类簇的个数，并根据经验熵的计算方法计算该数据的经验熵，其计算过程如下：其中，D表示全部的数据量，ck表示每类聚类簇中的个数；b)以每个特征为视角，统计出在每个聚类簇中，根据特征进行分类后，正确与错误分类结果的个数，并计算该特征的条件熵，其计算过程如下：其中，Di表示每个聚类簇，Dik表示在每个聚类簇中利用该特征划分结果正确的个数；c)计算每个特征的信息增益，并根据信息增益的大小，对特征进行排序，选取信息增益最大的几个特征，其信息增益的计算方法如下：g(D，A)＝H(D)‑H(D|A)   (5)第二步，根据第一步中挑选的工步特征，对历史工艺规程中工步的特征信息进行处理，具体如下：a)对于工步名称、所属工序名称：采用同第一步中S2)相同的方法进行处理；n＝{(c1，w1)，(c2，w2)，...，(cm，wm)}  (6)其中，n表示一个工步名称，wm表示操作说明中一个词的权重，cm表示工步名称的具体的一个词；b)对于零件配套：类型为零件、装配件的，将图号中的机型信息去掉、构型号去掉，其余部分能够表示该件的装配位置；c)对于工步的其他属性：采用空间向量的表示方法，利用空间向量中的每一维度具体表示一个属性，其表示方式如下：S＝(s1，s2，...，sm)   (7)其中，S表示该工步的属性集合，sm表示该工艺规程中第m个属性值；第三步，根据第一步所选取的特征信息对工步采用倒排索引的方式建立相应的索引信息；第四步，获取当前用户所编写工步的特征信息，与第一步中挑选的特征相同，按照第二步的处理方法将当前编写的工步特征信息进行处理；第五步，采用第三步生成的索引信息将第一步获取的特征按照类别进行相关性计算，并将这些类别的相关性采用线性融合的方法进行线性加权打分，如公式(11)所示，并根据最终的打分结果，把得分最高的N个工步的内容推送给用户；s＝a*qa+b*qb+c*qc+d*qd  (11)其中，s表示两个工步相关性分数；qa表示工步名称的相似性；qb表示工步所在工序的相似性；qc表示工步配套相似度；qd表示工步属性的相似性；a、b、c、d分别表示这四种相关性的权重因子，采用最大似然估计的方法对权重因子a和b进行估值计算。