基于知识图谱的固体推进剂质量缺陷根因变量识别方法研究

针对固体推进剂生产过程中机理复杂、工艺参数众多,导致质量缺陷频发的问题,提出了一种基于知识图谱的固体推进剂质量缺陷根因变量识别的方法。首先通过历史数据挖掘对质量缺陷进行预测,并通过SHAP模型对预测结果进行具体解释。再将数据挖掘结果、专家经验与工艺机理进行结构化表示与融合,建立固体推进剂质量缺陷领域的知识图谱。最后将图谱中包含参数信息和结构关系的子图映射到贝叶斯网络中进行参数学习,从而推断出不同特征参数导致推进剂存在质量缺陷的后验概率。最终通过实际生产数据样本进行验证,结果表明:该方法能有效识别生产过程中造成固体推剂质量缺陷的根因变量,准确识别率可达85%。