[发明专利]用于构建和/或处理知识图的工业设备和方法

权利要求书

1.用于构建和/或处理知识图（KG）的工业设备（ED），

-具有至少一个传感器（S）和/或至少一个数据源（DS），被配置用于提供原始数据（RD），

-具有ETL组件（ETLC），被配置用于使用映射规则（MR）将原始数据（RD）转换为三元组语句（T），

-具有三元组存储（ETS），将三元组语句（T）存储为动态改变的知识图（KG），

-具有学习组件（LC），被配置用于在学习模式下处理所述三元组语句（T），并且在推理模式下执行推理（IF），以及

-具有控制组件（CC），被配置用于在所述学习组件（LC）的不同操作模式之间切换。

2.根据权利要求1所述的工业设备（ED），

-其中学习组件（LC）和/或控制组件（CC）实现RESCAL算法、TransE算法、DistMult算法或图卷积神经网络。

3.根据权利要求1或2所述的工业设备（ED），

-其中所述工业设备（ED）是现场设备、边缘设备、传感器设备、工业控制器，特别是PLC控制器、实现SCADA系统的工业PC、网络中枢、网络交换机，特别是工业以太网交换机、或者将自动化系统连接到云计算资源的工业网关。

4.根据前述权利要求中任一项所述的工业设备（ED），

-其中控制组件（CC）是自主的或处理外部信号。

5.根据前述权利要求中任一项所述的工业设备（ED），

-其中学习组件（LC）被配置用于在推理模式期间计算三元组语句的似然性。

6.根据前述权利要求中任一项所述的工业设备（ED），

-其中所述三元组存储（ETS）还存储预加载的静态子图（SSG）。

7.根据前述权利要求中任一项所述的工业设备（ED），

-具有语句处置器（SH），被配置用于基于学习组件（LC）的推理（IF）触发自动化动作。

8.根据前述权利要求中任一项所述的工业设备（ED），

-其中所述知识图（KG）是描述工业系统的部分的工业知识图，

-具有表示物理对象的知识图（KG）的节点，所述物理对象特别是传感器、工业控制器、机器人、驱动器、制造对象、工具和/或材料清单的元素，以及

-具有表示抽象实体的知识图（KG）的节点，所述抽象实体特别是物理对象的属性、配置或技能、生产调度和计划、和/或传感器测量。

9.根据前述权利要求中任一项所述的工业设备（ED），

-其中学习组件（LC）和/或控制组件（CC）被实现为神经形态硬件，特别是实现为专用集成电路、现场可编程门阵列、晶片级集成、具有混合模式VLSI神经元的硬件或神经形态处理器，特别是神经处理单元或混合信号神经形态处理器。

10.根据前述权利要求中任一项所述的工业设备（ED），

-其中所述学习组件（LC）

由如下组成：

-包含神经元（N）的节点嵌入群（NEP）的输入层，其中每个节点嵌入群（NEP）表示包含在三元组语句（T）中的实体，以及

-包含输出神经元（SDON）的输出层，被配置用于表示每个可能的三元组语句的似然性，

并且对从能量函数导出的概率的、基于采样的模型进行建模，其中所述三元组语句（T）具有最小能量，并且

-其中控制组件（CC）被配置用于切换学习组件（LC）

-进入数据驱动学习模式，被配置用于利用最大似然学习算法仅使用被分配有低能量值的三元组语句（T）来训练所述组件（LC），所述最大似然学习算法最小化所述概率的、基于采样的模型中的能量，

-进入采样模式，其中学习组件（LC）支持三元组语句的生成，以及

-进入模型驱动学习模式，被配置用于利用最大似然学习算法仅使用所生成的三元组语句来训练所述组件（LC），其中所述学习组件（LC）学习为所生成的三元组语句分配高能量值。