概念设计过程解析图
[0031]图6基于设计意图的机械产品设计知识推送系统构建与应用框架
[0032]图7机床主轴设计DI_KPP (Design intention based knowledge push platform, 基于设计意图的知识推送平台）系统人机交互界面图
[0033]图8设计目标-意图兀分解与映射图
[0034] 图9机床主轴前轴颈直径设计知识推送过程
[0035] 图10主轴平均直径设计知识推送过程
[0036] 图11主轴内孔直径设计知识推送过程
[0037] 图12主轴轴承类型选择知识推送过程
[0038] 图13主轴轴承布置设计知识推送过程
[0039] 图14主动知识推送服务下的传动方式设计，主轴端部的结构设计和润滑方式选 择
[0040] 图15主动知识推送服务下的主轴刚度验算
[0041] 图16主动知识推送服务下的主轴系统概念设计结果图 五、【具体实施方式】
[0042] 为了便于本领域的技术人员更清楚地理解本发明，以下结合附图和发明人依据本 发明的技术方案完成的实例对本发明的内容作进一步的详细论述。
[0043] 1、设计意图与知识推送的含义
[0044] 设计意图定义如下：设计意图表达了设计者在解决设计任务或问题时所有的心智 活动和活动的结果，来源于设计目标，是人脑对某种设计目标的抽象思维反映，是一种模糊 的、不确定的设计符号。设计意图的优劣很大程度上决定了产品的特征、性能与功用。设计 意图可进一步分解成意图元（设计意图的最小组成成分），意图元由属性组成，属性包含条 件部分属性和结论部分属性两类，意图元条件部分属性由问题描述、选项、规则（依据）、注 解、约束等选项组成；结论部分属性由决策（或方案、求解等组成）。其中设计规则是设计 者为实现设计意图而提出设计选项时所根据的准则，是产生设计方案的前提条件。决策是 设计过程中设计者依据规则和标准等，对可供选择的选项进行分析、比较和综合考虑之后， 最终确定的能够实现意图元的解决方案。
[0045] 知识推送是依据用户的需求，将知识及时、主动地传递给用户，以便达到将最恰 当的知识在最恰当的时间传递给最恰当的人，使他们能够做出最恰当的决策。知识推送具 有智能性和主动性特点。基于设计意图的知识推送是指在产品设计时，根据采集到设计者 的设计意图并对意图进行分析和处理后，进行智能的和个性化的知识推送服务以辅助产品 设计，提高产品设计效率，通过知识推送服务能促进知识传播和知识的应用与创新。
[0046] 2、设计知识的含义
[0047] 设计知识是一种知识资源，包括设计数据、设计原理、设计规则、设计禁忌、设计公 式、设计经验、设计图纸、设计方案和设计评价等，通常存放在知识库中供用户使用。
[0048] 3、设计意图表示方法
[0049] 本发明利用面向对象技术实现条件结果式意图元表示，面向对象技术具有封装 性、继承性及重载性等特点，适合于规则的表示并应用于专家系统，利用面向对象技术组织 意图元知识可较好地将意图元中条件结果式规则用现有的关系型数据库系统来组织实施 应用。面向对象形式化的知识表示结构如下：
[0050] 对象（object)
[0051] <类名称> ::=〈属性〉〈方法〉
[0052] 〈类名称〉：：=〈唯一对象名称标记〉
[0053]〈属性〉：：=〈继承关系〉|〈问题描述〉|〈选项〉|〈规则〉|〈注解〉|〈约束〉 〈决策〉
[0054]〈方法〉：〈操作方式〉|〈意图元〉
[0055] 4、设计意图元约简
[0056]针对产品设计意图元，运用粗糙集理论对意图元中的条件结果属性进行属性约简 来获取隐含的最简条件结果式意图元，以减少知识匹配的量，进一步提高知识匹配的精确 程度。本发明提出的基于粗糙集理论计算的意图元约简计算过程如下：
[0057] (1)设论域U有子集X、Y，如果通过论域U上的关系R，无法分辨X和Y，则称X和 Y具有基于R的不可分辨关系，或等价关系；
[0058] (2)运用Pawlak提出的粗糙集理论（RoughSet，RS)构建意图元属性表，同时根 据粗糙集理论对属性进行约简后得到意图元最简等价关系；
[0059] (3)如果根据给定属性不可再划分，则称为关系R下的新意图元最简化，否则，称 为关系R下的意图元可分（或者进一步简化）。
[0060] 进行设计意图元约简算法研宄的目的是为了规范设计意图，消除冗余的设计意图 及意图元要素，减少知识匹配过程中的时间消耗和存储空间，最终提高知识推送服务的准 确程度。
[0061] 5、基于本体的设计知识表示方法
[0062]本发明利用本体技术组织设计知识，并建立了本体概念、概念间的关系及实例，设 计知识以实例的形式存在于本体库中。对机械产品设计中利用本体来进行设计知识表示的 优点主要体现在以下方面：
[0063] (1)利用本体技术描述设计知识，为各类产品设计知识提供了统一的描述方法；
[0064] (2)机械产品设计知识本体数据格式可以方便的转化成OWL、XML格式、本体三元 组或关系数据库格式等数据格式，因此，本体数据格式具有兼容性好，平台移植性好的特 占.
[0065] (3)通过利用本体推理技术可以挖掘本体概念、属性及概念间的关系，可以进行相 应的数据挖掘和知识发现工作，使用户更加充分利用知识资源数据库系统中有价值的甚至 是潜在的知识彳目息。
[0066]本实发明以轴承为例建立了本体概念及概念实例结构关系图，如图1所示。
[0067]表1部分本体概念属性
[0068]
[0069]
[0070] 6、知识匹配方法
[0071] 在机械产品设计过程中，为了提供个性化知识服务，需要进行设计意图-设计知 识间的匹配，将匹配的内容推荐给用户。因设计意图和设计知识中的信息大多都是采用文 本来描述的，因此，本发明通过文本相似度的比较计算来完成知识的匹配。设计知识以本体 概念、属性及关系的形式存储，设计知识对应本体概念中的设计知识实例，知识匹配过程也 就是找到相似本体概念设计知识实例的一个过程。本发明提出了一种基于本体概念相似度 计算的文本语义相似度计算方法，能进行概念或文本间的相似性计算及语义知识匹配。
[0072] 6. 1基于本体概念相似度计算的知识匹配方法
[0073] 性质1 :概念Ci、Cj之间的语义距离表示为Distance(CpC」），即最短路径按权值求 和。语义距离具有对称性，即Distance(CpCj) =Distance (C^Cjo
[0074] 性质2:如果两个概念完全不相同，则相似度取值为0;如果两个概念完全相同，则 相似度取值为1 ;否则是介于（〇, 1)之间的一个实数，概念间的语义距离越大，则相似度越 小，反之越大。
[0075] 性质3:本体概念C的深度表示为D印th (C)，S卩本体树的根节点到某个概念C之间 最短路径所包含边的数量，本体树的深度是指树中概念的深度的最大值，树根节点深度为 0〇
[0076]性质4:从概念C引出的边的权值记为Weight (C)，使用Sup (C)表示概念C的父节 点，用Density (C)表示概念C的子节点数，即反映所处区域密度信息。
[0077] 定义1 :本体树中两个概念节点(^和Ci之间所连接的边的权值定义为：
[0079]公式⑴中，Weight(Sup(Cj)表示父节点权值对子节点权值的影响程度，
表示概念所处区域密度对概念相似度的影响程度。在两个概念深度相同的情 况下，如果概念的密度越大，说明该概念节点的子孙结点越多，该概念越抽象，那么此概念 对应的边的权值就越大，它与其它概念的语义相似度就应该越低，即概念密度和语义相似 度成反比关系。
[0080] 定义2 :本体层次树中概念Cpq的语义距离计算如公式（2)所示，其中n表示Cp Cj之间有n条边，计算出的语义距离应除以2进行归一化处理，使结果取值范围在（0, 1)间。
[0082] 定义3 :概念间的受信息密度和权重影响的语义相似度Sim(Ci，Ci，其计算 如公式（3)。公式（3)中Y为调节因子，使计算结果具有可调节性，它的取值范围为1 > Y> 〇,概念相似度与概念之间的距离成反比关系。
[0083] Sim(Q，Cj) != 1_y(Distance(C"Cj) (3)
[0084] 定义4 :概念Q、&间受概念深度和以及深度差影响的语义相似度Sim(C,，&)2计 算如公式（4)，其中D印th(T)表示本体层次树T的深度，即本体树中深度最大的结点的深 度。本体概念深度与边的权值大小呈反比，因为随