一种针对制造业加工设备信息图谱的超图构建方法与流程

本发明涉及智能制造技术领域，尤其是涉及一种针对制造业加工设备信息图谱的超图构建方法。

背景技术：

制造模式总是随着生产发展水平及市场发展而进步的。早期的手工作坊模式效率低，难以完成大批量的生产。从19世纪至20世纪，在机械化技术和电气化技术的支持下，大量生产模式开始在制造业中占据主导地位，大大提高了生产率，降低了产品成本。进入21世纪，随着计算机技术、人工智能技术的进步，越来越多的国家提出了智能制造的概念和战略。

新一代制造模式下，设备信息化和智能化程度提升。在工业界，出于知识研究、学习和传承的需要，制造业信息图谱的技术也在探索和发展。传统技术上，制造业信息图谱属于一种简单图，由此对制造业信息图谱的应用，例如知识智能推荐仅能推荐一些单点信息，具有信息孤岛的缺陷。目前，对于制造业信息图谱的超图研究尚属于空白阶段，如何使得信息图谱的知识更加动态化和个性化的关联，涵盖更广泛的知识领域是目前迫切的需求。

技术实现要素：

有鉴于此，有必要针对上述的问题，提供一种针对制造业加工设备信息图谱的超图构建方法，能够将制造业信息图谱的知识更加动态化和个性化的关联，涵盖的领域广泛，符合知识研究和学习的需要。

一种针对制造业加工设备信息图谱的超图构建方法，包括：

创建制造业加工设备模型的节点，标识节点具备的属性，并编辑节点之间的固有联系；

获取用户针对制造业加工设备信息图谱的知识需求数据；

基于所述知识需求数据，提取出用于超图构建的特征数据，所述特征数据包括实体名称，以及所述属性或所述固有联系中至少其中之一；

根据所述特征数据，从创建的节点中形成多个联系圈，每一所述联系圈中的节点，具备相同的实体名称，或者具备相同的属性，或者与其他节点含有相同的固有联系；

将所述多个联系圈进行关联。

所述标识节点具备的属性的步骤，包括：

根据节点的地域或功能特点，将节点标识为系统、子系统、构件、零件或元素。

所述编辑节点之间的固有联系的步骤，包括：

对节点之间的联系进行what/how/why分析，分别代表产品分类类型、产品生产方式以及产品质量参数。

所述获取用户针对制造业加工设备信息图谱的知识需求数据的步骤，包括：

获取用户针对制造业加工设备信息图谱的检索数据，或者获取用户针对制造业加工设备信息图谱的用户习惯数据。

将所述多个联系圈进行关联的步骤，包括：

采用广度优先搜索的dijkstra算法将所述多个联系圈进行关联。

所述采用广度优先搜索的dijkstra算法将所述多个联系圈进行关联的步骤，包括：

步骤1，定义关联联系圈，从所述多个联系圈中确定起始联系圈，并将起始联系圈添加到关联联系圈；

步骤2，从起始联系圈开始，广度优先遍历关联联系圈，获取并记录关联联系圈的路径长度；

步骤3，选出关联联系圈的最短路径，并标记添加至关联联系圈的联系圈已完成关联；

步骤4，将与关联联系圈最近的联系圈添加进关联联系圈，确定路径长度并标识关联程度；

重复步骤3和4，直到所有的联系圈都完成关联。

本发明提供的一种针对制造业加工设备信息图谱的超图构建方法，创建节点，标识节点属性，并编辑节点之间的固有联系，可以根据用户的知识需求数据，形成多个节点的联系圈，并将联系圈进行关联，也就能够将制造业信息图谱的知识更加动态化和个性化的关联，涵盖更广泛的知识领域，符合知识研究和学习的需要。

附图说明

图1是本发明提供的一种针对制造业加工设备信息图谱的超图构建方法的流程示意图；

图2是本发明创建节点的一个场景示意图；

图3是本发明的针对制造业加工设备信息图谱的超图构建方法的示意图。

具体实施方式

参见图1，公开了一种针对制造业加工设备信息图谱的超图构建方法，包括：

101，创建制造业加工设备模型的节点，标识节点具备的属性，并编辑节点之间的固有联系。

102，获取用户针对制造业加工设备信息图谱的知识需求数据。

103，基于所述知识需求数据，提取出用于超图构建的特征数据，所述特征数据包括实体名称，以及所述属性或所述固有联系中至少其中之一。

104，根据所述特征数据，从创建的节点中形成多个联系圈，每一所述联系圈中的节点，具备相同的实体名称，或者具备相同的属性，或者与其他节点含有相同的固有联系。

105，将所述多个联系圈进行关联。

具体的，在本发明一个实施例中，标识节点具备的属性的步骤，包括：根据节点的地域或功能特点，将节点标识为系统、子系统、构件、零件或元素。在新一代制造模式下，设备信息化和智能化程度不断提升，网络化协作加工设备具有地域分散、功能异构和管理自治的特点，根据节点的地域和功能特点，将节点划分为系统、子系统、构件、零件和元素。在一个具体的应用场景中，如图2，将“智能板材分拣系统”标识为系统，其下属的“动力系统”、“传动系统”标识为子系统；进一步的，“谐波减速器”为构件，“柔轮”为零件，“需求”、“功能”、“材料”为下属的元素。

本发明中，编辑节点之间的固有联系，包括：对节点之间的联系进行what/how/why分析，分别代表产品分类类型、产品生产方式以及产品质量参数。以图2的应用场景为例，在元素“维护”中，会有3个子元素，“柔轮失效”“润滑”“轮齿磨损”，这三个子元素与元素“维护”之间就存在what联系属性，代表了分类类型，即“是什么”的问题。举例而言，在子元素“柔轮失效”之下，会有“维修方法”及“失效原因”与其相适配，分别代表了how联系属性和why联系属性。

本发明获取用户针对制造业加工设备信息图谱的知识需求数据，可以是获取用户针对制造业加工设备信息图谱的检索数据，或者获取用户针对制造业加工设备信息图谱的用户习惯数据。检索数据，可以但不限于是用户检索某种知识的问题，例如提问“谐波发生器有哪些零件组成？”，用户习惯数据，可以但不限于用户经常读取或访问的节点对应的知识条目等。本发明基于知识需求数据，提取出用于超图构建的特征数据，特征数据包括实体名称，以及属性或固有联系中至少其中之一，例如用户检索“液压系统有哪些构件”，基于语义分析或其它分类器训练，可以提取出“液压”实体名称，以及“(子)系统”和“构件”两种属性，这些提取的特征数据可以作为构建超图。

本发明根据特征数据，从创建的节点中形成多个联系圈，每一联系圈中的节点，具备相同的实体名称，或者具备相同的属性，或者与其他节点含有相同的固有联系。在图3的应用场景中，仅作为举例，可以将所有标识为系统的节点形成一个联系圈，将所有标识为元素的节点形成一个联系圈，等等。

进一步的，本发明实施例将多个联系圈进行关联，具体采用广度优先搜索的dijkstra算法将所述多个联系圈进行关联。其具体的过程，包括：

步骤1，定义关联联系圈，从所述多个联系圈中确定起始联系圈，并将起始联系圈添加到关联联系圈；

步骤2，从起始联系圈开始，广度优先遍历关联联系圈，获取并记录关联联系圈的路径长度；

步骤3，选出关联联系圈的最短路径，并标记添加至关联联系圈的联系圈已完成关联；

步骤4，将与关联联系圈最近的联系圈添加进关联联系圈，确定路径长度并标识关联程度；

重复步骤3和4，直到所有的联系圈都完成关联。

本发明提供的一种针对制造业加工设备信息图谱的超图构建方法，创建节点，标识节点属性，并编辑节点之间的固有联系，可以根据用户的知识需求数据，形成多个节点的联系圈，并将联系圈进行关联，也就能够将制造业信息图谱的知识更加动态化和个性化的关联，涵盖更广泛的知识领域，符合知识研究和学习的需要

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。