基于概率推理的知识图谱链接预测方法

为了有效发现实体间隐含的关联关系并对其进行量化，以全面准确地进行知识图谱(KG)链接预测，提出基于概率推理KG链接预测方法。该方法以描述实体间隐含关联关系并度量链接存在的可能性为目标，基于AMIE算法挖掘KG中的规则并将其转换为Horn子句，进一步构建描述不同实体依赖关系的规则链接贝叶斯网(RLBN),将KG的链接预测任务转换为RLBN的概率推理任务来计算实体间的关联度，从而预测实体间的链接关系。实验结果表明，基于RLBN的KG链接预测精确率和召回率优于其他方法，验证了所提模型的有效性与高效性。     

基于本体的贝叶斯网络知识推理研究

针对产品设计过程中因设计知识不断增多、知识存储位置分散且知识表示没有统一规范而导致的知识利用效率低下、知识推理精度不高的问题,提出了一种基于本体的贝叶斯网络知识推理的方法。以包装产品设计过程为例,根据整个设计过程中的知识活动,建立了包装设计的设计任务、设计知识、设计人员的知识本体模型;依据本体模型中描述的概念—概念间的相互关系,建立网络拓扑结构,定性的描述节点间的关系,并根据历史的设计方案以及专家经验确定网络节点间条件概率分布。最后,根据贝叶斯理论实现知识的推理。     

模糊Petri网在电梯故障诊断中的应用

介绍了基于模糊Petri网的知识描述方法及推理算法，并采用模糊Petri网作为电梯故障诊断专家系统中的知识表示方法和推理搜索策略，对故障信息的模糊性和不确定性进行表示和处理，实现了知识表示和推理模型的集成和统一，有效的解决了诊断推理过程中知识表示与推理等关键问题。     

基于流向图和非朴素贝叶斯推理的滚柱轴承故障程度识别

针对流向图分类推理能力较弱、计算成本较高的问题,提出一种基于流向图和非朴素贝叶斯推理的滚柱轴承故障程度识别方法。提取训练样本中滚柱轴承的故障特征构建标准化流向图,用于直观地表示属性间的因果关系;采用基于征兆属性节点重要度的节点约简算法删除冗余的征兆属性节点,以降低分类推理的计算复杂度;利用基于流向图的非朴素贝叶斯推理算法识别待诊样本中滚柱轴承的状态。通过实验验证了所提方法在直观和准确识别滚柱轴承故障程度方面的有效性。     

数据意识下的条件不频繁行为挖掘与优化

业务流程不频繁行为是指低频次事件轨迹记录的行为,从事件日志中挖掘条件不频繁行为是业务流程优化的关键点之一。已有的研究方法忽略低频次行为,也较少考虑数据流角度下的不频繁行为,本文考虑了事件间隐藏的数据依赖关系,提出基于数据意识的条件不频繁行为挖掘与优化。以模块间的通讯行为轮廓理论为基础,通过查询参考模型的可行迹对频次较低的轨迹添加属性值,计算交互特征间的数据依赖值并对不频繁行为进行分类处理,并根据处理后的优化日志构建模块网和特征网。模块网与特征网进行交互,挖掘出特征网与模块网的业务流程优化通讯模型。最后通过具体的实例分析验证了所提方法的有效性。     

一种分层模糊Petri网风险评估方法

针对传统模糊Petri网在对不确定环境下的专家系统的知识表示与推理时无法兼顾不确定知识的模糊性与随机性、在复杂的故障情况下故障的因果关系表达不清晰、定量推理计算时缺乏层次性、不能局部求解的问题,构建一种基于云模型的分层模糊Petri网以加强模糊Petri网的知识表示能力和提高推理过程的计算效率。利用专家知识和Petri网层次分解原则将系统故障模式和故障原因之间的因果关系进行建模,使故障建模更具结构性,计算更加灵活;应用云模型处理知识的模糊性和不确定性;通过合理考虑局部权重和全局权重,结合Petri网层次分解原则和云聚合算子给出相应的推理算法。实例验证表明,所提方法能够有效对系统进行风险评估,且在知识表示和推理方面优于其他方法。     

巡检机器人人机交互中的操作行为分析

为了实现巡检机器人人机间的良好交互,保证操作行为的合理性,提出了一种基于贝叶斯网络的巡检机器人人机交互中的操作行为分析方法。首先,基于贝叶斯网络构建巡检机器人操作意图推理模型,对操作人员的操作意图和操作趋势进行推理,以帮助操作人员决策;其次,根据巡检机器人的操作规则库和操作趋势评估当前操作行为的合理性,避免操作人员的误操作行为。实验表明所提方法实现了巡检机器人操作行为意图的快速推理功能,对操作行为的合理性能够进行有效评估。     

基于模糊关联的复杂产品模块化设计方法及其应用

复杂产品的模块化设计在很大程度上依赖于其零件间关联关系的确定。但是依赖知识与经验的零件间关联评价信息往往存在诸多不确定性,在以往的模块化设计方法中很少被涉及。为了解决这一问题,提出了基于模糊关联分析与求解的复杂产品模块化设计方法。发展了一种模糊证据推理算法用于对零件间的异构多准则关联关系进行融合,从而有效处理了零件间关联关系确定过程中准则多、信息存在模糊与缺失的问题,实现了零件间综合关联关系的量化。以此为基础,构建了以模块内平均模糊聚合度高、模块间平均模糊耦合度低为驱动目标的数学规划模型。将模糊非支配机制引入粒子群算法,发展了一种基于模糊非支配解的多目标离散粒子群算法,对构建的复杂产品模块化数学规划模型进行求解。采用模糊逼近理想解排序法对所求得的模糊非支配解进行优选,从而获得最优的模块化设计方案。结果表明,所提出的方法能够有效处理复杂产品模块化设计过程中不确定信息的转化与传递。以柱塞泵的模块化设计为例进行数值仿真,验证了该方法的可行性与有效性。     

基于知识图谱多集池化的健康状态智能评估方法

为了从装备传感器监测数据和其他关联数据中提取更全面的时间域和空间域特征信息,提出一种基于知识图谱多集池化的健康状态评估方法。构建了带时间标签的健康知识图谱,以建模装备一段时间内监测数据、部件组成数据和先验知识间的时空依赖关系。在此基础上,设计了图多集池化网络模型,该模型通过节点特征学习、第一级图池化、自注意力特征学习和第二级图池化能够生成图谱的整体向量表示,将健康状态评估转换为基于表示学习的图谱分类任务。在公开的发动机数据集上对所提方法进行了实验评价,结果表明,该方法能够获得较高的评估准确度,在小样本情况下也表现出良好的优势。     

面向设计重用的电主轴知识图谱构建及储存方法研究

针对电主轴设计中普遍存在的资源查询困难，大量资源难以有效重用的问题，这里提出电主轴结构设计知识图谱方法，将电主轴结构设计知识分析归纳为事实性知识和过程性知识，运用斯坦福大学七步法，完成电主轴知识图谱模式层的交互式构建，并进一步通过D2RQ映射将设计数据与模式层结合，完成电主轴设计知识图谱的构建，实现了基于Neo4j的数据存储。该研究成果解决了制造业电主轴数据资源利用价值低的问题，为基于知识图谱的电主轴设计推理提供了有力支持。     

基于贝叶斯网络推理的导弹目标类型识别

天基预警系统中的导弹目标类型识别特征被逐步采集到,其获取的顺序呈现一定随机性且往往又不完全独立.由此,建立了基于贝叶斯网络的推理模型,它可有效处理特征随机到达、特征间不完全独立条件下的不确定性推理问题,且易于融入专家知识.针对所采集的数据由于受传感器能力、环境干扰等多种因素影响而具有不完全可信性的问题,提出基于熵增益建立证据不确定的贝叶斯网络推理模型.通过预警仿真系统实验表明,可信度贝叶斯网推理模型可改善推理精度7.35%.     

基于贝叶斯网络的品牌风格语言知识建模方法

从风格演化现象和规律出发,描述了品牌意象认知与造型语言的映射关联,借助KISS系统与改进设计模式分析法提取了典型识别造型语义,进而构建了基于贝叶斯网络的品牌造型语言网络模型。该网络在品牌意象认知评价实验基础上,结合贝叶斯评分函数和搜索算法开展学习推理,以模块化思想划分为造型语法子网络、意象词汇子网络和映射关系子网络,并根据节点及条件概率分布趋势来解析意象词汇结构及完形组织特性,挖掘和表征隐含造型语言知识规则。最后,以实例分析证明该建模方法对于风格语言知识获取的有效性和适用性。     

基于多源信息融合故障树与模糊Petri网的复杂系统故障诊断方法

针对复杂系统故障树模型构建困难且模型冗余节点多、计算复杂的问题,提出一种基于多源信息融合故障树与模糊Petri网的故障诊断方法。该方法先将多源信息进行标准化处理,从处理后的信息中提取维修元数据,同时利用数据挖掘方法得到故障关联项集。通过维修元数据、故障关联项集和系统结构关系的映射、融合,更加全面、准确地构建复杂系统故障树模型。采用模糊Petri网对多源信息融合故障树模型进行简化和改进,并利用基于模糊Petri网的动态故障推理方法和基于关联矩阵的最小割集求解方法建立复杂系统故障诊断方法,提高了故障的诊断速度与推理效率。以汽车发动机故障诊断过程为例,证明了所提方法的合理性和有效性。     

基于本体可信模型的知识可信评价理论

为了从知识作为语义网络中的重要资源及不确定性推理中对证据知识可信性衡量的需要等角度反映知识可信性研究的重要意义,针对知识可信问题,研究网络环境下面向以本体为基本粒度单位的知识资源的可信评价理论体系,建立了本体可信模型。模型围绕本体自身可信,构建了基于贝叶斯网络的本体自身概念可信子模型和基于本体映射的本体自身语义信息可信子模型;围绕本体全局可信,构建了基于推荐的本体全局推荐可信子模型和本体所处环境可信子模型。给出了基于本体可信模型进行不确定性推理的案例及分析,验证了所提模型及理论的可用性和先进性。     

基于知识图谱技术的电网项目数据关联分析

为解决电网项目数据关联难度大的问题,提出了基于知识图谱技术的电网项目数据关联分析。分析了历史项目特征提取和新增储备项目特征提取方法,论述了基于规则的信息抽取和基于序列标注的信息提取方法,以及电力项目知识图谱的基本构成和构建方法,提出了项目多维关联分析平台,论述了分析方法和分析流程,并提出了系统网络结构,结合实际应用说明了所提系统的应用效果。     

基于组件失效知识的结构组件优选方法

针对机械产品概念设计过程中功能与结构组件映射后进行设计方案配置时存在的组合爆炸问题,从降低潜在失效风险的角度出发,提出了一种基于组件失效知识的结构组件优选方法。在分析整理以往产品失效记录的基础上,构建了集产品组件—失效模式知识、失效模式关联关系知识和失效模式—失效风险知识于一体的组件—失效模式—模式关联—失效风险知识模型,给出了组件—失效模式—模式关联—失效风险知识的获取与表达方式。在此基础上,提出了基于组件—失效模式—模式关联—失效风险知识模型的结构组件失效风险值计算方法和结构组件优选方法,并以汽车差速器设计为例验证了所提方法的有效性。     

基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。     

基于本体的机械故障诊断贝叶斯网络

针对机械设备维护与故障诊断过程中的不确定性,提出了一种将本体语义表示与贝叶斯网络相结合的故障概率推理模型。从异构多源的维护诊断信息和非结构化的专家经验知识出发,建立语义知识模型并进行概率扩展。利用贝叶斯分类器实现异常工况识别,给出了基于最大可能解释(MPE)的故障概率推理算法,从而根据运行工况、故障征兆和证据信息推理获得故障诊断解释。将本体语义描述的精确性和贝叶斯网络的概率推理能力相结合,既实现了诊断领域知识的形式化描述与共享,又能在一定程度上消除诊断过程的不确定性。某凉水塔风机转子典型故障诊断实例表明,该模型具有较好的故障识别效果。     

基于贝叶斯网络和灰关联法的多态液压系统故障诊断

提出基于贝叶斯网络和灰关联法并综合考虑根节点后验概率和故障诊断处理成本的故障诊断方法。考虑根节点故障状态的多态属性,利用贝叶斯网络推理求得根节点后验概率,利用模糊子集描述故障诊断处理成本,通过灰关联法建立故障诊断决策矩阵,计算故障诊断决策方案的灰关联度,进而确定故障决策方案的搜索序列以得出系统故障原因。通过液压系统实例,分别求解出半故障状态和故障状态下的故障诊断序列,同时也验证该方法的可信度和可行性。     

基于复杂网络的三维CAD装配模型模块单元发掘

三维CAD模型蕴含丰富的可重用结构知识,为了从已有三维CAD装配模型中提前获得模块知识,促进对复杂三维装配模型的理解与重用,提出了一种基于复杂网络的三维CAD装配模块单元发掘方法。首先融合装配零件的结构、功能、材料关联信息进行零件关联强度综合评价;然后以关联强度矩阵为基础构建三维装配模型所对应的关联关系网络,在此基础上给出基于CNM的社区发现算法实现三维CAD装配模型模块单元发掘;最后以蜗轮蜗杆减速箱三维装配模型为例验证了所提方法的有效性与可行性。