11 基于ERNIE的数控机床故障分类研究

张嘉琛,褚燕华,王丽颖

• 1:内蒙古科技大学数智产业学院

• 
  

摘要(Abstract)：

数控机床故障诊断中存在效率低、准确率不高的问题，为提高数控机床的维护效率，准确快速地识别和分类故障文本信息，研究提出基于深度学习的ERNIE-CoCBi-Att模型，该模型利用ERNIE进行词向量嵌入，采用Concat操作并引入注意力机制，提高分类的准确性。实验结果表明，ERNIE预训练模型能够捕捉到更为丰富的语义信息，BiGRU能够有效捕捉上下文信息，CNN则在有效提取局部重要特征表现出色，这些特性的共同作用，使得ERNIE-CoCBi-Att模型在处理故障文本分类任务时优势显著。与对应改进前模型相比，正确率(Accuracy)、精确率(Precision)、召回率(Recall)和F1值(F1-Score)4项指标均提升0.5%以上。

关键词(KeyWords)： 数控机床;深度学习;文本分类;注意力机制

基金项目(Foundation): 内蒙古自治区直属高校基本科研业务费项目(2024XKJX018)

作者(Author): 张嘉琛,褚燕华,王丽颖

DOI: 10.16559/j.cnki.2095-2295.2024.04.011