买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉武汉理工大学申请的专利基于知识图谱与大语言模型的柔性生产计划预测系统和方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119623911B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411490178.9，技术领域涉及：G06Q10/0631；该发明授权基于知识图谱与大语言模型的柔性生产计划预测系统和方法是由刘勤;杨皓月;章嵩;徐迅;陈入铭设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本基于知识图谱与大语言模型的柔性生产计划预测系统和方法在说明书摘要公布了：本发明提供了一种基于知识图谱与大语言模型的柔性生产计划预测系统，包括特征网络图建立模块，用于将柔性工厂历史生产数据聚合得到特征网络图数据；柔性生产大语言模型建立模块，用于利用特征网络图数据对自然语言模型进行训练得到柔性生产大语言模型；柔性生产计划模型建立模块，用于采用堆叠算法并训练得到柔性生产计划模型；知识图谱建立模块，用于根据特征网络图得到知识图谱；柔性生产计划预测模块，用于利用语言模型开发构架调用柔性生产大语言模型、柔性生产计划模型和知识图谱，将当前客户需求输入得到综合柔性生产计划。通过两个模型和知识图谱的协同作用，预测柔性生产计划。

本发明授权基于知识图谱与大语言模型的柔性生产计划预测系统和方法在权利要求书中公布了：1.一种基于知识图谱与大语言模型的柔性生产计划预测系统，其特征在于，包括： 特征网络图建立模块，用于将柔性工厂历史生产数据聚合得到特征网络图数据； 柔性生产大语言模型建立模块，用于利用特征网络图数据对自然语言算法进行训练得到柔性生产大语言模型； 柔性生产计划模型建立模块，用于将若干个现代启发式算法层作为层叠模块共同组成堆叠框架，利用特征网络图数据对堆叠框架进行训练得到柔性生产计划模型； 知识图谱建立模块，用于将特征网络图数据中的图像数据输入柔性生产大语言模型转换为文本数据，再将图像数据转换得到的文本数据与特征网络图数据中的文本数据合并后按数据含义分类得到客户需求文本数据和综合柔性生产计划文本数据，将特征网络图数据输入柔性生产大语言模型得到需求生产关系文本数据，对柔性工厂历史生产数据中的客户需求文本数据和综合柔性生产计划文本数据进行事件抽取得到客户需求事件和综合柔性生产计划事件，根据需求生产关系文本数据对客户需求事件和综合柔性生产计划事件进行链接得到知识图谱； 柔性生产计划预测模块，用于将柔性生产大语言模型、柔性生产计划模型、知识图谱和当前客户需求输入语言模型开发构架并根据当前客户需求进行预测，得到综合柔性生产计划预测结果； 其中，所述柔性生产大语言模型建立模块中，利用特征网络图数据对自然语言算法进行训练得到柔性生产大语言模型的具体方法如下： 柔性生产大语言模型采用Transformer算法，其中，利用TTT层代替Transformer算法中的自注意力机制，TTT层包括多层感知机； 编写柔性生产大语言模型的前向传播函数如下：首先通过改进Transformer算法中的编码器将当前时间步的输入序列与之前时间步的隐藏状态结合得到上下文向量，将所述上下文向量输入到TTT层的多层感知机中，对于一个具有层的多层感知机，第层的输出和激活输出可以表示为： 其中，是多层感知机中第层的权重矩阵，是多层感知机中第层的偏置向量，隐藏状态包括权重矩阵和偏置向量，是第层的激活输出，当输入层时为第1层的激活输出，是第层的激活函数ReLU； 然后在TTT层中，使用梯度下降法更新隐藏状态，所述隐藏状态为权重矩阵和偏置向量，使用反向传播算法计算损失函数，多层感知机参数的梯度为： 其中，为表示损失函数关于第层权重矩阵的梯度，为表示损失函数关于第层偏置向量的梯度，为损失函数； 然后使用梯度下降法更新多层感知机的权重矩阵和偏置向量： 其中，表示使用梯度下降法更新第层的权重矩阵，为表示使用梯度下降法更新第层的偏置向量，是学习率； 将编码器输出的上下文向量和TTT层的多层感知机中更新后的隐藏状态输入改进Transformer算法中的解码器的函数，函数根据上下文向量和更新后的隐藏状态得到Transformer算法的输出结果； 将特征网络图数据划分为训练集和验证集，对改进Transformer算法进行训练，训练时改进Transformer算法的输入序列为特征网络图数据中的客户需求数据，对应得到的输出为综合柔性生产计划，训练时将特征网络图数据中的客户需求数据转化为改进Transformer算法的输入序列：将所有节点的最终表示进行序列化，在序列中加入节点索引用于识别特定的节点，并在在序列中加入代表边的最终表示的权重矩阵，得到训练时的输入序列，改进Transformer算法训练好后得到柔性生产大语言模型； 所述柔性生产计划模型建立模块中，将若干个现代启发式算法层作为层叠模块共同组成堆叠框架，利用特征网络图数据对堆叠框架进行训练得到柔性生产计划模型的具体方法为： 首先，选定堆叠框架作为柔性生产计划模型的结构，并将遗传算法层、粒子群优化层、模拟退火层作为堆叠框架的层叠模块，各层叠模块采取线性堆叠方式：其中一个层叠模块的输出作为下一个层叠模块的输入，并确定柔性生产计划模型的目标性能参数； 然后，将特征网络图数据中的客户需求数据序列化后输入到柔性生产大语言模型中进行生成式语言扩充，得到特征增强的客户需求数据作为柔性生产计划模型的输入，所述特征增强的客户需求数据为文本模态，将遗传算法层、粒子群优化层、模拟退火层的顺序排列组合，对排列组合得到的叠层模块不同顺序的各堆叠框架输入特征增强的输入序列进行训练，最后根据目标性能参数使用交叉验证来评估模型对于目标性能的泛化能力，选择泛化能力最大的堆叠框架作为训练好的柔性生产计划模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。