CN117033719B - 机床数字孪生系统信息获取方法、装置、设备及介质 - Google Patents

机床数字孪生系统信息获取方法、装置、设备及介质 Download PDF

Info

Publication number
CN117033719B
CN117033719B CN202311289552.4A CN202311289552A CN117033719B CN 117033719 B CN117033719 B CN 117033719B CN 202311289552 A CN202311289552 A CN 202311289552A CN 117033719 B CN117033719 B CN 117033719B
Authority
CN
China
Prior art keywords
component
machine tool
named entity
entity extraction
extraction result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311289552.4A
Other languages
English (en)
Other versions
CN117033719A (zh
Inventor
吴承科
郭媛君
苏辉南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongke Hangmai CNC Software Shenzhen Co Ltd
Original Assignee
Zhongke Hangmai CNC Software Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhongke Hangmai CNC Software Shenzhen Co Ltd filed Critical Zhongke Hangmai CNC Software Shenzhen Co Ltd
Priority to CN202311289552.4A priority Critical patent/CN117033719B/zh
Publication of CN117033719A publication Critical patent/CN117033719A/zh
Application granted granted Critical
Publication of CN117033719B publication Critical patent/CN117033719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/906Clustering; Classification
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/279Recognition of textual entities
    • G06F40/289Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295Named entity recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供机床数字孪生系统信息获取方法、装置、设备及介质,涉及电数字数据处理技术领域,方法包括:基于选择指令确定目标部件节点,提取意图文本中描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型的部件描述信息;基于部件描述信息在目标部件节点关联的部件组合中搜索候选部件,基于候选部件从机床数字孪生系统中读取候选部件组合的三维模型并显示,候选部件组合中包括候选部件以及与候选部件的位置最近的N个部件;基于确认指令在候选部件组合中确定目标机床部件组合;将目标机床部件组合中的候选部件作为目标机床部件,从机床数字孪生系统中读取目标机床部件的状态信息。本发明可以提高从数字孪生系统中获取信息的效率。

Description

机床数字孪生系统信息获取方法、装置、设备及介质
技术领域
本发明涉及电数字数据处理技术领域,尤其涉及机床数字孪生系统信息获取方法、装置、设备及介质。
背景技术
数控机床的部件众多,可以通过构建数控机床的数字孪生系统来实现数控机床的各部件的信息的可视化展示以方便机床维护,机床数字孪生系统的数据库中保存数控机床的各个部件的状态信息,例如材质、工作时长、维护记录等。
机床数字孪生系统中的状态信息往往以键值对的方式存储,键名为部件名称,值为状态信息,如果想要访问数字孪生系统中的某个部件的信息,需要确定该部件在机床数字孪生系统中的部件名称,才能查找到对应的值(状态信息),机床中存在多个类型相同的部件,例如轴承,有带动工件转动的轴上的轴承、带动刀具转动的轴上的轴承,单个轴上还可能有多个轴承等。在机床数字孪生系统中为了区分这些类型相同的部件,需要进行单独命名,而使用机床数字孪生系统进行机床维护的人员可能并不具体了解所有部件的命名规则,即不清楚自己需要查找的部件的部件名称具体是什么,此时维护人员需要通过查找存储有机床部件的文档或者在机床数字孪生系统中机床的三维模型里多次操作以找到自己要查找的部件的名称,进而确定对应的部件名称以获取状态信息,导致机床数字孪生系统信息获取的效率不高。
发明内容
本发明提供机床数字孪生系统信息获取方法、装置、设备及介质,用以解决现有技术中机床数字孪生系统信息获取效率低的缺陷,实现提高机床数字孪生系统信息获取效率。
本发明提供机床数字孪生系统信息获取方法,包括:
基于选择指令确定目标部件节点,所述目标部件节点关联机床的一个部件组合;
获取意图文本,提取所述意图文本中的部件描述信息,所述部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型;
基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,基于所述候选部件从所述机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,所述候选部件组合中包括所述候选部件以及所述机床中与所述候选部件的位置最近的N个部件;
接收确认指令,基于所述确认指令在所述至少一个候选部件组合中确定目标机床部件组合;
将所述目标机床部件组合中的所述候选部件作为所述目标机床部件,从所述机床数字孪生系统中读取所述目标机床部件的状态信息。
根据本发明提供的一种机床数字孪生系统信息获取方法,所述提取所述意图文本中的部件描述信息,包括:
将所述意图文本输入至已训练的语言处理模型中,获取所述语言处理模型输出的相关集合,将所述相关集合作为所述部件描述信息,所述相关集合中包括第一命名实体提取结果和第二命名实体提取结果中的至少一种以及第三命名实体提取结果,每个所述相关集合中的命名实体提取结果之间存在语义关联,所述第一命名实体提取结果为所述意图文本中的形状描述词、位置描述词或装配关系描述词,所述第二命名实体提取结果为所述意图文本中的部件名称,第三命名实体提取结果为所述意图文本中的部件类型。
根据本发明提供的一种机床数字孪生系统信息获取方法,所述语言处理模型包括命名实体提取模块和语义关联模块;所述将所述意图文本输入至已训练的语言处理模型中,获取所述语言处理模型输出的相关集合,包括:
将所述意图文本输入至所述命名实体提取模块中,获取所述命名实体提取模块输出的所述第一命名实体提取结果、所述第二命名实体提取结果和所述第三命名实体提取结果;
基于所述第一命名实体提取结果、所述第二命名实体提取结果和所述第三命名实体提取结果为所述意图文本中的各个词的词向量添加权重,生成权重句子特征;
将所述权重句子特征输入至所述语义关联模块,获取所述语义关联模块输出的所述相关集合。
根据本发明提供的一种机床数字孪生系统信息获取方法,所述语言处理模型的训练过程包括:
将样本意图文本输入至所述命名实体提取模块中,获取样本第一命名实体提取结果、样本第二命名实体提取结果和样本第三命名实体提取结果;
基于所述样本第一命名实体提取结果、样本第二命名实体提取结果和样本第三命名实体提取结果为所述样本意图文本中的各个词的词向量添加权重,生成样本权重句子特征;
将所述样本权重句子特征输入至所述语义关联模块,获取所述语义关联模块输出的样本相关集合;
基于所述样本第一命名实体提取结果、所述样本第二命名实体提取结果、所述样本第三命名实体提取结果以及所述样本意图文本中的部件类型词标签、形状描述词标签、位置描述词标签、装配关系描述词标签和部件名称标签确定第一损失;
基于所述样本相关集合与所述样本意图文本对应的相关集合标签确定第二损失;
基于所述第一损失和所述第二损失确定训练损失,基于所述训练损失更新所述语言处理模型。
根据本发明提供的一种机床数字孪生系统信息获取方法,所述基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,包括:
当所述相关集合中包括部件类型以及形状描述词时,在所述目标部件节点关联的部件组合中确定至少一个第一部件,所述第一部件的部件类型为所述相关集合中包括的部件类型;
基于所述相关集合中包括的形状描述词生成描述图像,将所述描述图像与各个所述第一部件的二维图纸进行匹配,基于匹配结果在所述至少一个第一部件中确定所述候选部件。
根据本发明提供的一种机床数字孪生系统信息获取方法,所述基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,包括:
当所述相关集合中包括部件类型、部件名称以及位置描述词时,基于所述相关集合中的部件名称在所述目标部件节点关联的部件组合中确定第二部件;
以所述第二部件为参考基准,基于所述相关集合中的部件类型以及位置描述词确定所述候选部件;
当所述相关集合中包括部件类型、部件名称以及装配关系描述词时,基于所述相关集合中的部件名称在所述目标部件节点关联的部件组合中确定第三部件;
以所述第三部件为参考基准,基于所述相关集合中的部件类型以及装配关系描述词确定所述候选部件。
根据本发明提供的一种机床数字孪生系统信息获取方法,所述基于选择指令确定目标部件节点之后,包括:
显示目标部件节点对应的可视模型,部件节点对应的可视模型反映部件节点关联的部件组合表面的可视尺寸以及可视部件的分布区域。
本发明还提供一种机床数字孪生系统信息获取装置,包括:
选择模块,用于基于选择指令确定目标部件节点,所述目标部件节点关联机床的一个部件组合;
文本处理模块,用于获取意图文本,提取所述意图文本中的部件描述信息,所述部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型;
搜索模块,用于基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,基于所述候选部件从所述机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,所述候选部件组合中包括所述候选部件以及所述机床中与所述候选部件的位置最近的N个部件;
确认模块,用于接收确认指令,基于所述确认指令在所述至少一个候选部件组合中确定目标机床部件组合;
信息获取模块,用于将所述目标机床部件组合中的所述候选部件作为所述目标机床部件,从所述机床数字孪生系统中读取所述目标机床部件的状态信息。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述机床数字孪生系统信息获取方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述机床数字孪生系统信息获取方法。
本发明提供的机床数字孪生系统信息获取方法、装置、设备及介质,先基于选择指令确定目标部件节点,目标部件节点关联机床的一个部件组合,获取维护人员的意图文本,提取意图文本中的部件描述信息,部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型,基于部件描述信息在目标部件节点关联的部件组合中搜索候选部件,并且并不只展示候选部件,而是将候选部件以及机床中与候选部件位置最接近的N个部件组成候选部件组合的三维模型,这样维护人员可以通过候选部件组合的三维模型来确定候选部件是不是自己需要的目标机床部件,再从机床数字孪生系统中读取目标机床部件的状态信息,通过本发明提供的方法,维护人员不需要花时间查找部件名称,只需要输入描述部件的形状、位置或装配关系的意图文本即可,提高了从机床数字孪生系统中获取信息的效率。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的机床数字孪生系统信息获取方法的流程示意图;
图2是本发明提供的机床数字孪生系统信息访获取装置的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1描述本发明提供的机床数字孪生系统信息获取方法,如图1所示,该方法包括步骤:
S100、基于选择指令确定目标部件节点,目标部件节点关联机床的一个部件组合。
在本发明提供的方法中,以部件树的方式对机床的部件进行划分,树的根节点为整个机床,根节点的下一层节点中为对机床进行拆分后得到的各个部件组合(例如机床中的各个部件总成),再下一层节点为对上一层节点中的部件组合进行拆分后的部件组合,以此类推,直至节点对应的部件组合不能再被拆分为止,也就是说,直至节点对应的部件组合为单个部件。
部件树可以显示在界面上,机床维护人员可以通过点击部件树上的节点发出选择指令以确定目标部件节点。目标部件节点可以为部件数的根节点或子节点,机床维护人员在确定自己所要查找的部件具体在哪个部件组合中时选择部件树中的子节点作为目标部件节点,机床维护人员在不确定自己所要查找的部件具体在哪个部件组合中时,可以选择部件树中的根节点作为目标部件节点,此时目标部件节点关联的部件组合为整个机床。
本发明提供的方法中,在基于选择指令确定目标部件节点之后,还包括:
显示目标部件节点对应的可视模型,部件节点对应的可视模型反映部件节点关联的部件组合表面的可视尺寸以及可视部件的分布区域。
为了方便机床维护人员确认选择的目标部件节点是否正确,在确定目标部件节点之后,显示目标部件节点关联的部件组合的三维模型,而由于目标部件节点关联的部件组合中可能包括数量非常多的部件,将这些部件的三维模型全部加载出来组合进行展示会需要耗费很大的内存与较长的时间。实际上,维护人员只需要查看部件组合的表面形状以及表面上的部件分布就可以确定部件组合是否为自己要找的部件组合,因此,本发明提供的方法中,对部件数中的节点关联的部件组合,单独创建一个可视模型,该可视模型只反映部件组合表面的可视尺寸以及可视部件的分布区域,即可视模型只反映肉眼从部件组合表面可以观察到的形状以及分区信息,但是并不包括部件组合内部的各个部件的具体结构以及位置关系等信息。这样,部件节点对应的可视模型的数据量会大大减少,在确认目标部件节点后,可以实现快速调取并显示目标部件节点对应的可视模型方便用户确认,提升效率。
S200、获取意图文本,提取意图文本中的部件描述信息,部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型。
意图文本是用户发出的文本,反映用户需要从机床数字孪生系统中获取哪个机床部件的状态信息。意图文本可以是用户通过语音输入、键盘输入等方式输入。机床部件的状态信息可以但不限于是机床部件的材质、使用时长、使用寿命、运行参数等。
提取意图文本中的部件描述信息,包括:
将意图文本输入至已训练的语言处理模型中,获取语言处理模型输出的相关集合作为部件描述信息,相关集合中包括第一命名实体提取结果和第二命名实体提取结果中的至少一种以及第三命名实体提取结果,每个相关集合中的命名实体提取结果之间存在语义关联,第一命名实体提取结果为意图文本中的形状描述词、位置描述词或装配关系描述词,第二命名实体提取结果为部件名称,第三命名实体提取结果为部件类型。
形状描述词描述形状,例如形状描述词可以为“圆形”、“X形”、“形状相似”等,位置描述词描述位置,例如位置描述词可以为“上方”、“左侧”等,装配关系描述词描述装配关系,例如装配关系描述词可以为“连接”、“固定”等。
维护人员可能需要查找多个目标机床部件的状态信息,也就是说,意图文本中描述多个目标机床部件,本发明提供的方法中,为了提升效率,支持多个目标机床部件的并行查找,将意图文本输入至已训练的语言处理模型中,语言处理模型输出至少一个相关集合,每个相关集合为一个目标机床部件的部件描述信息。
具体地,语言处理模型包括命名实体提取模块和语义关联模块,将意图文本输入至已训练的语言处理模型中,获取语言处理模型输出的相关集合,包括:
将意图文本输入至命名实体提取模块中,获取命名实体提取模块输出的第一命名实体提取结果、第二命名实体提取结果和第三命名实体提取结果;
基于第一命名实体提取结果、第二命名实体提取结果和第三命名实体提取结果为意图文本中的各个词的词向量添加权重,生成权重句子特征;
将权重句子特征输入至语义关联模块,获取语义关联模块输出的相关集合。
具体地说,命名实体提取模块中包括词向量层,该词向量层用于获取意图文本中各个词的词向量,基于该词向量进行命名实体提取,得到命名实体提取结果,命名实体提取结果中包括从意图文本中提取的词以及该词对应的类型,词对应的类型反映该词是部件类型、部件名称、位置描述词、形状描述词或装配关系描述词。
得到第一命名实体提取结果、第二命名实体提取结果和第三命名实体提取结果后,基于提取到的每次对应类型为意图文本中的各个词的词向量添加权重,生成权重句子特征,具体地说,基于第一命名实体提取结果、第二命名实体提取结果和第三命名实体提取结果为意图文本中的各个词的词向量添加权重,生成权重句子特征,包括:
基于第一命名实体提取结果中的词的类型(是形状描述词、位置描述词还是装配关系描述词)为第一命名实体提取结果中的词的词向量添加第一权重、第二权重或第三权重;
为第二命名实体提取结果中的词的词向量添加第四权重,为第三命名实体提取结果中的词的词向量添加第五权重。
当第一命名实体提取结果中的词为形状描述词时,为该词添加第一权重,当第一命名实体提取结果中的词为位置描述词时,为该词添加第二权重,当第一命名实体提取结果中的词为装配关系描述词时,为该词添加第三权重。
为意图文本中的各个词的词向量添加的权重可以为向量形式的权重,也就是说,第一权重、第二权重、第三权重、第四权重和第五权重为一个向量,添加权重的过程为将原词向量与权重向量相乘。值得说明的是,虽然将其称为权重,但是词对应的权重并不代表意图文本中的词的重要性,而是反映词的类型。
为意图文本中的命名实体提取结果中的词添加权重后,得到意图文本中的命名实体提取结果中的词的更新后的词向量,将这些更新后的词向量与意图文本中其他的词(没有被识别为命名实体提取结果的词)的词向量组合,得到权重句子特征。
对意图文本的中各个词的词向量添加权重,可以反映意图文本中各个词的类型,有助于语义关联模块挖掘意图文本的各个词之间的语义联系,将具有语义联系的命名实体提取结果提取出来作为一个相关集合。语义关联模块在各个命名实体提取结果中插入分隔标记,相邻的分隔标记之间的命名实体提取结果属于同一个相关集合。
为了提升相关集合的准确性,语言处理模型的训练过程包括:
将样本意图文本输入至命名实体提取模块中,获取样本第一命名实体提取结果、样本第二命名实体提取结果和样本第三命名实体提取结果;
基于样本第一命名实体提取结果、样本第二命名实体提取结果和样本第三命名实体提取结果为样本意图文本中的各个词的词向量添加权重,生成样本权重句子特征;
将样本权重句子特征输入至语义关联模块,获取语义关联模块输出的样本相关集合;
基于样本第一命名实体提取结果、样本第二命名实体提取结果、样本第三命名实体提取结果以及样本意图文本中的部件类型词标签、形状描述词标签、位置描述词标签、装配关系描述词标签和部件名称标签确定第一损失;
基于样本相关集合与样本意图文本对应的相关集合标签确定第二损失;
基于第一损失和第二损失确定训练损失,基于训练损失更新语言处理模型。
具体来说,基于训练损失更新语言处理模型包括:基于训练损失更新命名实体提取模块、语义关联模块的参数以及第一权重、第二权重、第三权重、第四权重和第五权重。
通过第一损失和第二损失确定训练损失,再基于训练损失更新语言处理模型,可以提升语言处理模型的训练效率,使得语言处理模型输出的相关集合的准确性更高。
具体地,基于样本相关集合与样本意图文本对应的相关集合标签确定第二损失,包括:
将样本意图文本对应的相关集合标签中的各个词输入至词向量层,得到词向量层输出的各个第一样本词向量;
获取基于词向量层得到的样本相关集合中的各个词的第二样本词向量与第一样本词向量的相似度;
基于相似度确定第二损失。
相似度越高,第二损失越小,相似度越低,第二损失越大。
再次参阅图1,本发明提供的机床数字孪生系统信息获取方法,还包括步骤:
S300、基于部件描述信息在目标部件节点关联的部件组合中搜索至少一个候选部件,基于候选部件从机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,候选部件组合中包括候选部件以及机床中与候选部件的位置最近的N个部件。
S400、接收确认指令,基于确认指令在至少一个候选部件组合中确定目标机床部件组合。
S500、将目标机床部件组合中的候选部件作为目标机床部件,从机床数字孪生系统中读取目标机床部件的状态信息。
基于部件描述信息在目标部件节点关联的部件组合中搜索至少一个候选部件,包括:
当相关集合中包括部件类型以及形状描述词时,在目标部件节点关联的部件组合中确定至少一个第一部件,第一部件的部件类型为相关集合中包括的部件类型;
基于相关集合中包括的形状描述词生成描述图像,将描述图像与各个第一部件的二维图纸进行匹配,基于匹配结果在至少一个第一部件中确定候选部件。
例如,相关集合中包括的部件类型为“垫块”,形状描述词为“L形”,那么首先查找目标部件节点关联的部件组合中的所有垫块,基于“L形”这个词生成描述图像,该描述图像中可以包括L形的图案,将描述图像与各个第一部件的二维图纸进行匹配,得到至少一个候选部件。
基于相关集合中包括的形状描述词生成描述图像可以采用现有的图文转化模型实现,值得说明的是,由于本发明提供的方法中,描述图像是与二维图纸进行匹配,因此,设置图文转化模型只输出线条图。
进一步地,当相关集合中在包括部件类型、形状描述词之外,还包括部件名称时,是基于相关集合中包括的部件名称和形状描述词生成描述图像。基于相关集合中包括的部件名称和形状描述词生成描述图像,包括:
读取相关集合中的部件名称对应的机床部件的二维图纸,将该二维图纸作为描述图像。
例如形状描述词为“形状相似”,部件名称为“主轴”,那么读取“主轴”的二维图纸作为描述图像。
当相关集合中包括部件类型、部件名称以及位置描述词时,基于相关集合中的部件名称在目标部件节点关联的部件组合中确定第二部件;
以第二部件为参考基准,基于相关集合中的部件类型以及位置描述词确定候选部件;
当相关集合中包括部件类型、部件名称以及装配关系描述词时,基于相关集合中的部件名称在目标部件节点关联的部件组合中确定第三部件;
以第三部件为参考基准,基于相关集合中的部件类型以及装配关系描述词确定候选部件。
正如前文所说明的,在同一机床中,存在多个类型相同的部件,甚至可能形状也一样,因此在确定候选部件后,将候选部件单独展示给用户,用户也无法看出是机床中的哪个部件。本发明提供的方法中,在确定候选部件后,基于候选部件读取候选部件组合的三维模型,展示给用户,候选部件组合中包括候选部件以及机床中与候选部件的位置最接近的N个部件,也就是说,不仅展示了候选部件,还展示了候选部件附近的部件,用户可以从候选部件与附近的部件确定候选部件是否为自己需要查找的目标机床部件,用户发出确认指令在至少一个候选部件组合中确定目标机床部件组合。将目标机床部件组合中的候选部件作为目标机床部件,从机床数字孪生系统中读取目标机床部件的状态信息,展示给用户。
综上所述,本发明提供的方法,先基于选择指令确定目标部件节点,目标部件节点关联机床的一个部件组合,获取维护人员的意图文本,提取意图文本中的部件描述信息,部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型,基于部件描述信息在目标部件节点关联的部件组合中搜索候选部件,并且并不只展示候选部件,而是将候选部件以及机床中与候选部件位置最接近的N个部件组成候选部件组合的三维模型,这样维护人员可以通过候选部件组合的三维模型来确定候选部件是不是自己需要的目标机床部件,再从机床数字孪生系统中读取目标机床部件的状态信息,通过本发明提供的方法,维护人员不需要花时间查找部件名称,只需要输入描述部件的形状、位置或装配关系的意图文本即可,提高了从机床数字孪生系统中获取信息的效率。
下面对本发明提供的机床数字孪生系统信息获取装置进行描述,下文描述的机床数字孪生系统信息获取装置与上文描述的机床数字孪生系统信息获取方法可相互对应参照。如图2所示,该装置包括:
选择模块210,用于基于选择指令确定目标部件节点,目标部件节点关联机床的一个部件组合;
文本处理模块220,用于获取意图文本,提取意图文本中的部件描述信息,部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型;
搜索模块230,用于基于部件描述信息在目标部件节点关联的部件组合中搜索至少一个候选部件,基于候选部件从机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,候选部件组合中包括候选部件以及机床中与候选部件的位置最近的N个部件;
确认模块240,用于接收确认指令,基于确认指令在至少一个候选部件组合中确定目标机床部件组合;
信息获取模块250,用于将目标机床部件组合中的候选部件作为目标机床部件,从机床数字孪生系统中读取目标机床部件的状态信息。
图3示例了一种电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令,以执行机床数字孪生系统信息获取方法,该方法包括:基于选择指令确定目标部件节点,目标部件节点关联机床的一个部件组合;获取意图文本,提取意图文本中的部件描述信息,部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型;基于部件描述信息在目标部件节点关联的部件组合中搜索至少一个候选部件,基于候选部件从机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,候选部件组合中包括候选部件以及机床中与候选部件的位置最近的N个部件;接收确认指令,基于确认指令在至少一个候选部件组合中确定目标机床部件组合;将目标机床部件组合中的候选部件作为目标机床部件,从机床数字孪生系统中读取目标机床部件的状态信息。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的机床数字孪生系统信息获取方法,该方法包括:基于选择指令确定目标部件节点,目标部件节点关联机床的一个部件组合;获取意图文本,提取意图文本中的部件描述信息,部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型;基于部件描述信息在目标部件节点关联的部件组合中搜索至少一个候选部件,基于候选部件从机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,候选部件组合中包括候选部件以及机床中与候选部件的位置最近的N个部件;接收确认指令,基于确认指令在至少一个候选部件组合中确定目标机床部件组合;将目标机床部件组合中的候选部件作为目标机床部件,从机床数字孪生系统中读取目标机床部件的状态信息。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种机床数字孪生系统信息获取方法,其特征在于,包括:
基于选择指令确定目标部件节点,所述目标部件节点关联机床的一个部件组合;
获取意图文本,提取所述意图文本中的部件描述信息,所述部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型;
基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,基于所述候选部件从所述机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,所述候选部件组合中包括所述候选部件以及所述机床中与所述候选部件的位置最近的N个部件;
接收确认指令,基于所述确认指令在所述至少一个候选部件组合中确定目标机床部件组合;
将所述目标机床部件组合中的所述候选部件作为所述目标机床部件,从所述机床数字孪生系统中读取所述目标机床部件的状态信息;
所述提取所述意图文本中的部件描述信息,包括:
将所述意图文本输入至已训练的语言处理模型中,获取所述语言处理模型输出的相关集合,将所述相关集合作为所述部件描述信息,所述相关集合中包括第一命名实体提取结果和第二命名实体提取结果中的至少一种以及第三命名实体提取结果,每个所述相关集合中的命名实体提取结果之间存在语义关联,所述第一命名实体提取结果为所述意图文本中的形状描述词、位置描述词或装配关系描述词,所述第二命名实体提取结果为所述意图文本中的部件名称,第三命名实体提取结果为所述意图文本中的部件类型;
所述语言处理模型包括命名实体提取模块和语义关联模块;所述将所述意图文本输入至已训练的语言处理模型中,获取所述语言处理模型输出的相关集合,包括:
将所述意图文本输入至所述命名实体提取模块中,获取所述命名实体提取模块输出的所述第一命名实体提取结果、所述第二命名实体提取结果和所述第三命名实体提取结果;
基于所述第一命名实体提取结果、所述第二命名实体提取结果和所述第三命名实体提取结果为所述意图文本中的各个词的词向量添加权重,生成权重句子特征;
将所述权重句子特征输入至所述语义关联模块,获取所述语义关联模块输出的所述相关集合。
2.根据权利要求1所述的机床数字孪生系统信息获取方法,其特征在于,所述语言处理模型的训练过程包括:
将样本意图文本输入至所述命名实体提取模块中,获取样本第一命名实体提取结果、样本第二命名实体提取结果和样本第三命名实体提取结果;
基于所述样本第一命名实体提取结果、样本第二命名实体提取结果和样本第三命名实体提取结果为所述样本意图文本中的各个词的词向量添加权重,生成样本权重句子特征;
将所述样本权重句子特征输入至所述语义关联模块,获取所述语义关联模块输出的样本相关集合;
基于所述样本第一命名实体提取结果、所述样本第二命名实体提取结果、所述样本第三命名实体提取结果以及所述样本意图文本中的部件类型词标签、形状描述词标签、位置描述词标签、装配关系描述词标签和部件名称标签确定第一损失;
基于所述样本相关集合与所述样本意图文本对应的相关集合标签确定第二损失;
基于所述第一损失和所述第二损失确定训练损失,基于所述训练损失更新所述语言处理模型。
3.根据权利要求1所述的机床数字孪生系统信息获取方法,其特征在于,所述基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,包括:
当所述相关集合中包括部件类型以及形状描述词时,在所述目标部件节点关联的部件组合中确定至少一个第一部件,所述第一部件的部件类型为所述相关集合中包括的部件类型;
基于所述相关集合中包括的形状描述词生成描述图像,将所述描述图像与各个所述第一部件的二维图纸进行匹配,基于匹配结果在所述至少一个第一部件中确定所述候选部件。
4.根据权利要求1所述的机床数字孪生系统信息获取方法,其特征在于,所述基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,包括:
当所述相关集合中包括部件类型、部件名称以及位置描述词时,基于所述相关集合中的部件名称在所述目标部件节点关联的部件组合中确定第二部件;
以所述第二部件为参考基准,基于所述相关集合中的部件类型以及位置描述词确定所述候选部件;
当所述相关集合中包括部件类型、部件名称以及装配关系描述词时,基于所述相关集合中的部件名称在所述目标部件节点关联的部件组合中确定第三部件;
以所述第三部件为参考基准,基于所述相关集合中的部件类型以及装配关系描述词确定所述候选部件。
5.根据权利要求1所述的机床数字孪生系统信息获取方法,其特征在于,所述基于选择指令确定目标部件节点之后,包括:
显示目标部件节点对应的可视模型,部件节点对应的可视模型反映部件节点关联的部件组合表面的可视尺寸以及可视部件的分布区域。
6.一种机床数字孪生系统信息获取装置,其特征在于,包括:
选择模块,用于基于选择指令确定目标部件节点,所述目标部件节点关联机床的一个部件组合;
文本处理模块,用于获取意图文本,提取所述意图文本中的部件描述信息,所述部件描述信息描述目标机床部件的形状、位置和装配关系中的至少一种以及部件类型;
搜索模块,用于基于所述部件描述信息在所述目标部件节点关联的部件组合中搜索至少一个候选部件,基于所述候选部件从所述机床数字孪生系统中读取至少一个候选部件组合的三维模型并显示,所述候选部件组合中包括所述候选部件以及所述机床中与所述候选部件的位置最近的N个部件;
确认模块,用于接收确认指令,基于所述确认指令在所述至少一个候选部件组合中确定目标机床部件组合;
信息获取模块,用于将所述目标机床部件组合中的所述候选部件作为所述目标机床部件,从所述机床数字孪生系统中读取所述目标机床部件的状态信息;
所述提取所述意图文本中的部件描述信息,包括:
将所述意图文本输入至已训练的语言处理模型中,获取所述语言处理模型输出的相关集合,将所述相关集合作为所述部件描述信息,所述相关集合中包括第一命名实体提取结果和第二命名实体提取结果中的至少一种以及第三命名实体提取结果,每个所述相关集合中的命名实体提取结果之间存在语义关联,所述第一命名实体提取结果为所述意图文本中的形状描述词、位置描述词或装配关系描述词,所述第二命名实体提取结果为所述意图文本中的部件名称,第三命名实体提取结果为所述意图文本中的部件类型;
所述语言处理模型包括命名实体提取模块和语义关联模块;所述将所述意图文本输入至已训练的语言处理模型中,获取所述语言处理模型输出的相关集合,包括:
将所述意图文本输入至所述命名实体提取模块中,获取所述命名实体提取模块输出的所述第一命名实体提取结果、所述第二命名实体提取结果和所述第三命名实体提取结果;
基于所述第一命名实体提取结果、所述第二命名实体提取结果和所述第三命名实体提取结果为所述意图文本中的各个词的词向量添加权重,生成权重句子特征;
将所述权重句子特征输入至所述语义关联模块,获取所述语义关联模块输出的所述相关集合。
7.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述机床数字孪生系统信息获取方法。
8.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述机床数字孪生系统信息获取方法。
CN202311289552.4A 2023-10-08 2023-10-08 机床数字孪生系统信息获取方法、装置、设备及介质 Active CN117033719B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311289552.4A CN117033719B (zh) 2023-10-08 2023-10-08 机床数字孪生系统信息获取方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311289552.4A CN117033719B (zh) 2023-10-08 2023-10-08 机床数字孪生系统信息获取方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN117033719A CN117033719A (zh) 2023-11-10
CN117033719B true CN117033719B (zh) 2024-02-20

Family

ID=88645184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311289552.4A Active CN117033719B (zh) 2023-10-08 2023-10-08 机床数字孪生系统信息获取方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN117033719B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115039045A (zh) * 2019-11-25 2022-09-09 强力物联网投资组合2016有限公司 用于工业环境的智能振动数字孪生系统和方法
CN115510290A (zh) * 2022-09-23 2022-12-23 厦门汇利伟业科技有限公司 一种数字孪生环境下的快速检索方法及终端
CN116310148A (zh) * 2023-05-17 2023-06-23 山东捷瑞数字科技股份有限公司 一种数字孪生三维场景构建方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11681762B2 (en) * 2021-01-27 2023-06-20 International Business Machines Corporation Digital twin asset search

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115039045A (zh) * 2019-11-25 2022-09-09 强力物联网投资组合2016有限公司 用于工业环境的智能振动数字孪生系统和方法
CN115510290A (zh) * 2022-09-23 2022-12-23 厦门汇利伟业科技有限公司 一种数字孪生环境下的快速检索方法及终端
CN116310148A (zh) * 2023-05-17 2023-06-23 山东捷瑞数字科技股份有限公司 一种数字孪生三维场景构建方法、装置、设备及介质

Also Published As

Publication number Publication date
CN117033719A (zh) 2023-11-10

Similar Documents

Publication Publication Date Title
CN108804641B (zh) 一种文本相似度的计算方法、装置、设备和存储介质
CN112667794A (zh) 一种基于孪生网络bert模型的智能问答匹配方法及系统
KR20070102034A (ko) 문서검색 결과를 이용한 군집화 시스템 및 그 방법
CN109815390B (zh) 多语言信息的检索方法、装置、计算机设备及计算机存储介质
CN116719520B (zh) 代码生成方法及装置
CN113947084A (zh) 基于图嵌入的问答知识检索方法、装置及设备
CN113722512A (zh) 基于语言模型的文本检索方法、装置、设备及存储介质
CN110968664A (zh) 一种文书检索方法、装置、设备及介质
CN114490926A (zh) 一种相似问题的确定方法、装置、存储介质及终端
CN113934834A (zh) 一种问句匹配的方法、装置、设备和存储介质
CN117033719B (zh) 机床数字孪生系统信息获取方法、装置、设备及介质
CN110209780A (zh) 一种问题模板生成方法、装置、服务器及存储介质
CN117420998A (zh) 一种客户端ui交互组件生成方法、装置、终端及介质
JP2018045548A (ja) Fmea作成支援システムおよび方法
CN115563515B (zh) 文本相似性检测方法、装置、设备及存储介质
CN114528851B (zh) 回复语句确定方法、装置、电子设备和存储介质
CN116304155A (zh) 基于二维图片的三维构件检索方法、装置、设备及介质
CN113033178B (zh) 用于商业计划书的文本评估方法、装置及计算机
CN113408302A (zh) 一种机器翻译结果的评估方法、装置、设备及存储介质
Li et al. Automated extraction of domain knowledge in practice: The case of feature extraction from requirements at danfoss
KR101769940B1 (ko) 문서를 검색하는 방법
JP2008210229A (ja) 知的財産情報検索装置、知的財産情報検索方法及び知的財産情報検索プログラム
CN117093706B (zh) 一种试卷生成方法、系统、介质及电子设备
JP2020166443A (ja) データ加工方法レコメンドシステム、データ加工方法レコメンド方法、及びデータ加工方法レコメンドプログラム
CN110716994A (zh) 一种支持异构地理数据资源检索的检索方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant