风洞试验数据异常决策方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提出风洞试验数据异常决策方法、装置、电子设备及存储介质，属于数据异常决策技术领域。包括以下步骤：S1、对目标文档进行预处理得到包括异常模式、异常原因和解决方案语句的目标语料集；S3、根据实体类型和关系类型构建知识图谱；S4、接收用户的第一输入，第一输入用于表征当前异常模式；响应于第一输入，在知识图谱中搜索匹配，若匹配成功，则输出与当前异常模式相关的目标信息；其中，匹配成功是指从第一输入中提取的关键词语句与知识图谱中的语句相似度大于或等于目标阈值，目标信息包括：异常模式、异常原因和解决方案。解决风洞试验数据异常检测过程中决策速度较慢、决策准确性不稳定问题。性不稳定问题。性不稳定问题。

【技术实现步骤摘要】
风洞试验数据异常决策方法、装置、电子设备及存储介质


[0001]本申请涉及数据异常决策方法，尤其涉及一种风洞试验数据异常决策方法、电子设备及存储介质，属于数据异常决策


技术介绍

[0002]飞行器整体及其部件气动性能的分析方法主要包括理论研究、数值仿真及风洞试验。风洞试验，是指通过风洞对试验模型在不同的状态条件下进行吹风，从而获得飞行器设计所需的精确试验数据，为飞行器设计提供参考，试验数据为气动力系数、表面压力分布等。风洞试验数据通常可以通过试验人员进行逐次分析，在确保数据准确性的基础上进行下一车次试验。当风洞试验数据出现异常时，需要及时判断异常原因并给出解决方案。现有的判断方法是试验人员分别从风洞设备、模型、天平等角度逐个排查异常原因，并与气动专家进行分析讨论，最后给出解决方案。但这种现有方法受限于试验人员的个人经验和工作能力，从而使得决策速度较慢、决策的准确性不稳定。

技术实现思路

[0003]在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
[0004]鉴于此，为解决现有技术中存在的风洞试验数据异常检测过程中决策速度较慢、决策的准确性不稳定的技术问题，本专利技术提供一种风洞试验数据异常决策方法、装置、电子设备及存储介质。
[0005]方案一、风洞试验数据异常决策方法，包括以下步骤：S1、对目标文档进行预处理得到包括异常模式、异常原因和解决方案语句的目标语料集；目标文档包括历史风洞试验报告、历史风洞试验交接版本和历史风洞试验异常问题文档；目标语料集包括至少一条表征异常模式、异常原因和解决方案的语句；S2、根据目标语料集构建实体类型和关系类型；S3、根据实体类型和关系类型构建知识图谱；S4、接收用户的第一输入，第一输入用于表征当前异常模式；响应于第一输入，在知识图谱中搜索匹配，若匹配成功，则输出与当前异常模式相关的目标信息；其中，匹配成功是指从第一输入中提取的关键词语句与知识图谱中的语句相似度大于或等于目标阈值，目标信息包括：异常模式、异常原因和解决方案。
[0006]优选的，实体类型包括：异常模式、异常原因和解决方案；关系类型包括：异常模式与异常原因；异常模式与解决方案。
[0007]优选的，S3具体包括以下步骤：
S3.1、将目标语料集划分为训练集、测试集和剩余语料集；S3.2、抽取目标语料集中的实体；S3.3、抽取目标语料集中的关系；S3.4、根据抽取的实体和关系，构建知识图谱。
[0008]优选的，S32具体包括以下步骤：S3.2.1、对训练集和测试集进行实体标注；S3.2.2、通过训练集构建双向长短时记忆实体抽取模型；S3.2.3、通过测试集验证双向长短时记忆实体抽取模型；S3.2.4、设置第一目标条件，若双向长短时记忆实体抽取模型满足第一目标条件，双向长短时记忆实体抽取模型对剩余语料集进行实体抽取；其中，第一目标条件：双向长短时记忆实体抽取模型的精确率小于或等于第一阈值，且双向长短时记忆实体抽取模型的召回率小于或等于第二阈值。
[0009]优选的，S33具体包括以下步骤：S3.3.1、对训练集和测试集进行关系标注；S3.3.2、通过训练集建立基于注意力层的双向长短时记忆关系抽取模型；S3.3.3、通过测试集验证基于注意力层的双向长短时记忆关系抽取模型；S3.3.4、设置第二目标条件，若基于注意力层的双向长短时记忆关系抽取模型满足第二目标条件，则通过基于注意力层的双向长短时记忆关系抽取模型对剩余语料集进行关系抽取；其中，第二目标条件：基于注意力层的双向长短时记忆关系抽取模型的精确率小于或等于第三阈值，且注意力层的双向长短时记忆关系抽取模型的召回率小于或等于第四阈值。
[0010]优选的，精确率和召回率的计算公式为：；；其中，Precision为精确率，Recall为召回率；为正确的正例，即一个实例是正类且被判定为正类；为错误的正例，即本为假类但判定为正类；为正确的反例，即一个实例是假类且被判定为假类。
[0011]优选的，相似度是指两个向量夹角的余弦，将文本转化为向量，假定转化后的A和B是两个n维向量，，，则向量A与B的夹角的余弦即相似度为：
；搜索匹配是指计算相似度，值越大就表示越相似；目标阈值为用户实际使用结果预设的常数值。
[0012]优选的，响应于第一输入，在知识图谱中搜索匹配，在匹配不成功的情况下，从第一输入中提取的关键词语句，存储至目标语料集。
[0013]方案二、一种电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现方案一所述的风洞试验数据异常决策方法的步骤。
[0014]方案三、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现方案一所述的风洞试验数据异常决策方法。
[0015]本专利技术的有益效果如下：一方面，本专利技术通过搭建风洞试验数据异常知识图谱，将目标语料集分为训练集、测试集、剩余语料集，并抽取该目标语料集中的实体和关系构建知识图谱，即充分抽取历史风洞试验资料中积累的经验，实现风洞试验数据异常的追根溯因，从而解决传统风洞试验数据异常检测过程中决策速度较慢、决策的准确性不稳定的问题，进而提高判断风洞试验数据异常原因及给出解决方案的准确性及效率。另一方面，本专利技术还可以帮助风洞试验人员进行数据异常现象的智能决策，有助于提升风洞试验领域决策的智能化水平，提高决策的效率与准确性。
附图说明
[0016]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为风洞试验数据异常决策方法流程示意图；图2为知识图谱构建流程图；图3为实体抽取的示意图；图4为关系抽取的示意图；图5为风洞试验数据异常决策装置结构示意图。
具体实施方式
[0017]为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0018]实施例1、参照图1
‑
图4说明本实施方式，一种风洞试验数据异常决策方法，可以适用于下述场景中：场景一：风洞试验过程中，当风洞试验数据出现异常时，需要及时判断异常原因并给出解决方案的场景中；场景二：风洞试验过程中，试验人员排查异常原因，并与
气动专家进行分析讨论，最后给出解决方案的场景中。具体包括以下步骤：S1、对目标文档进行预处理得到目标语料集；目标文档包括历史风洞试验报告、历史风洞试验交接版本和历史风洞试验异常问题文档；目标语料集包括至少一条表征异常模式、异常原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.风洞试验数据异常决策方法，其特征在于，包括以下步骤：S1、对目标文档进行预处理得到包括异常模式、异常原因和解决方案语句的目标语料集；目标文档包括历史风洞试验报告、历史风洞试验交接版本和历史风洞试验异常问题文档；目标语料集包括至少一条表征异常模式、异常原因和解决方案的语句；S2、根据目标语料集构建实体类型和关系类型；S3、根据实体类型和关系类型构建知识图谱；S4、接收用户的第一输入，第一输入用于表征当前异常模式；响应于第一输入，在知识图谱中搜索匹配，若匹配成功，则输出与当前异常模式相关的目标信息；其中，匹配成功是指从第一输入中提取的关键词语句与知识图谱中的语句相似度大于或等于目标阈值，目标信息包括：异常模式、异常原因和解决方案。2.根据权利要求1所述风洞试验数据异常决策方法，其特征在于，实体类型包括：异常模式、异常原因和解决方案；关系类型包括：异常模式与异常原因；异常模式与解决方案。3.根据权利要求2所述风洞试验数据异常决策方法，其特征在于，S3具体包括以下步骤：S3.1、将目标语料集划分为训练集、测试集和剩余语料集；S3.2、抽取目标语料集中的实体；S3.3、抽取目标语料集中的关系；S3.4、根据抽取的实体和关系，构建知识图谱。4.根据权利要求3所述风洞试验数据异常决策方法，其特征在于，S32具体包括以下步骤：S3.2.1、对训练集和测试集进行实体标注；S3.2.2、通过训练集构建双向长短时记忆实体抽取模型；S3.2.3、通过测试集验证双向长短时记忆实体抽取模型；S3.2.4、设置第一目标条件，若双向长短时记忆实体抽取模型满足第一目标条件，双向长短时记忆实体抽取模型对剩余语料集进行实体抽取；其中，第一目标条件：双向长短时记忆实体抽取模型的精确率小于或等于第一阈值，且双向长短时记忆实体抽取模型的召回率小于或等于第二阈值。5.根据权利要求4所述风洞试验数据异常决策方法，其特征在于，S33具体包括以...

【专利技术属性】
技术研发人员：刘哲，马海，崔榕峰，李鸿岩，姜延鑫，曹晓峰，王强，
申请(专利权)人：中国航空工业集团公司沈阳空气动力研究所，
类型：发明
国别省市：