融合时序知识图谱与CNN-LSTM的流程生产工艺质量预测

来源：计算机集成制造系统杂志2025年第10期北京时间：

作者：阴彦磊, 唐进, 顾文娟

单位：昆明理工大学机电工程学院

摘要：针对流程生产工艺知识的强时序性和关联耦合特征,提出一种融合时序知识图谱与CNN-LSTM的工艺质量预测模型。首先利用知识嵌入技术提取多源异构数据、工艺标准、规范要求等知识图谱语义特征,根据实体和关系表示将复杂工艺标准建模为复合的三元组间的隐含关联关系;在此基础上,将子图三元组集映射至低维向量空间以间接捕获语义,通过特征融合强化时序特征作为输入,构建基于注意力机制的组合神经网络模型以提取显著时序特征,最终实现面向流程生产工艺的质量预测。实验结果表明,基于时序知识图谱与CNN-LSTM的流程生产工艺质量预测方法精确率优于其他方法,验证了所提模型的有效性与高效性。针对流程生产工艺知识的强时序性和关联耦合特征,提出一种融合时序知识图谱与CNN-LSTM的工艺质量预测模型。首先利用知识嵌入技术提取多源异构数据、工艺标准、规范要求等知识图谱语义特征,根据实体和关系表示将复杂工艺标准建模为复合的三元组间的隐含关联关系;在此基础上,将子图三元组集映射至低维向量空间以间接捕获语义,通过特征融合强化时序特征作为输入,构建基于注意力机制的组合神经网络模型以提取显著时序特征,最终实现面向流程生产工艺的质量预测。实验结果表明,基于时序知识图谱与CNN-LSTM的流程生产工艺质量预测方法精确率优于其他方法,验证了所提模型的有效性与高效性。

关键词：知识图谱,TransH模型,特征融合,CNN-LSTM神经网络,质量预测

基金资助：国家自然科学基金资助项目(52065033);云南省重大科技项目(202302AD080001)。