[发明专利]一种基于知识图谱驱动的设备资源配置优化方法

权利要求书

1.一种基于知识图谱驱动的设备资源配置优化方法，其特征在于，包括以下步骤：

步骤1、从机加工车间获取加工领域相关的历史数据、工艺文档数据与车间实时加工过程数据；

步骤2、对上一步获得的制造相关信息进行知识融合处理，并建立规范机加工知识的本体模型，利用关系型数据库和图数据库相结合方式存储车间资源的实体与关系，结合本体规则与分布式表示学习的推理方法发现机加工车间与设备相关的隐含的关系信息；将隐含关系信息反馈到数据存储端，实现车间资源间关系的动态更新，构建制造资源知识图谱；

步骤3、根据下达订单加工任务，利用模糊层次法从指标集与对象集两个方面出发实现根据工艺信息配置相应设备，将设备放入候选设备集中，从而完成候选设备集的构建，其中，利用生成的制造资源知识图谱为候选设备集构建的模糊层次法提供信息支撑；

步骤4、对构建完成的候选设备集进行进一步评估筛选，以过滤不满足当前加工要求的设备，保证设备选用的灵活性，其中，评估筛选方法是对设备加工社群进行动态调整的一种策略，基于机床设备的个体负载率、设备整体利用率、社群负载均衡状态三个指标，完成重新分配加工任务，实现设备资源的柔性选用；

步骤5、通过结合资源配置数学模型实现加工设备社群组织优化，从而保证在加工稳定的前提下，实现设备利用率的最大化。

2.如权利要求1所述的一种基于知识图谱驱动的设备资源配置优化方法，其特征在于，步骤2中，机加工车间的设备概念本体定义为五元组o＝T,S,P,R,A，式中，T为加工设备术语的概念抽象；S为同义词融合，将多个同义的术语消歧后构建唯一术语；P为属性抽象，P＝{BasI(i),FunI(i),StaI(i)}，式中，BasI(i)表示设备基本信息、FunI(i)表示设备功能信息、StaI(i)表示设备状态信息，设备类元素M描述为R是关系抽象，是基于P中的三种属性，在机加工过程中，设备节点间关系存在动静态的变化；A为规则，用来约束和规范设备的构建。

3.如权利要求2所述的一种基于知识图谱驱动的设备资源配置优化方法，其特征在于，步骤2中，所述制造资源知识图谱表示为式中，MI为设备信息集，为装备类资源；RI为设备之间的关系；PI为工艺要求信息；G为车间设备制造资源，描述为三元组G＝{(h,l,t)}∈(MI×RI×PI)∩o形式，其中，h表示车间资源的头实体，l表示车间资源的尾实体，t表示头、尾实体之间存在的关系。

4.如权利要求1所述的一种基于知识图谱驱动的设备资源配置优化方法，其特征在于，步骤2中，分布式表示学习的模型为：

式中，θ_i为语义权重向量，为哈达玛积运算符，h_i、t_i为在关系l_i语义下的头、尾实体向量表示，表示车间资源头实体语义权重向量，表示车间资源尾实体语义权重向量，h表示车间资源头实体向量，t表示车间资源尾实体向量；

基于马氏距离计算设备资源相似度发现机加工车间与设备相关的隐含的关系，生成新的加工知识关系，其评分模型f_l(h,t)如下式所示：

5.如权利要求1所述的一种基于知识图谱驱动的设备资源配置优化方法，其特征在于，步骤3包括以下步骤：

在指标集方面，利用知识图谱提供的设备间丰富关联信息，从工件特征、加工特征、加工类型、加工精度、运行状态5类评价指标，构建模糊矩阵R_ij；在对象集方面，对有明显的层次结构信息的各评价指标分配权重，通过计算各指标间的标准差σ_j，求解设备权重向量W_j；通过关联度系数ξ_i(k)将设备信息与工艺知识相结合；利用资源匹配度算法γ，完成加工任务中设备与工艺间信息关联相似度的推算，选出符合当前加工工艺要求的设备，将设备放入候选设备集中，从而完成候选设备集的构建。