基于元学习的设备故障知识图谱构建及推理方法

知识图谱技术可以有效实现故障信息的结构化存储，弥补传统故障诊断方法缺乏结构化管理故障信息能力的不足。但是实际工况下故障样本数量稀少，传统知识图谱技术难以在小样本情况下完成图谱构建。针对上述问题，提出一种基于元学习的设备故障知识图谱构建及推理方法。该方法首先提取故障规则链和信号特征构建设备故障信息知识图谱；其次提出基于元学习的故障链接预测算法，通过同一故障簇邻域负样本生成策略，使知识图谱具有在小样本情况下进行故障诊断的能力；最后，分别采用通识领域NELL-One数据集和实际设备故障数据集进行实验，验证了算法的故障诊断能力和查询相似故障的能力。     

基于微服务的多机器人资源智能云服务平台架构

针对工业机器人云服务平台难以兼容异构通信协议及机器人资源属性描述不统一的问题,提出一种基于微服务的多机器人资源智能云服务平台架构。首先,提出了基于异构协议转换的多机器人智能适配接入方法,以OPC UA统一数据交换协议,实现异构工业机器人的快速接入。然后,提出一种基于扩展信息模型映射的多机器人资源自动虚拟化方法,通过对工业机器人信息模型的扩展定义和一致性映射,构建统一本体模型,实现机器人资源与服务设计解耦。实验表明,该架构能够满足异构工业机器人的高效适配和多机器人资源的统一虚拟化要求,并对微服务节点数量与吞吐量能力关系、业务调度响应时间、业务调度成功率及高并发性能4个指标进行测试验证。     

基于Web的制造信息主动推荐服务研究

针对目前企业信息系统较少考虑不同人员对信息的不同需求的问题,提出通过制造信息主动推荐服务,达到将适当信息及时准确地传递给适当人员的目标.分析了网络环境下制造信息获取方式及其对主动推荐服务的需求,构建了信息推荐服务结构体系.提出运用主动学习和被动学习方式获取用户兴趣,定义了制造信息内容需求的结构形式,提出了基于词距离方法的制造信息资源相似度计算模型和以关键词表示的相关度计算模型,并通过文档对象模型树形结构,获取以可扩展标记语言关键词表示的制造信息语料并形成语料库,实现符合用户兴趣的相似Web页面判断和收集,通过丰富站点摘要技术,实现制造信息的主动推荐服务,从而提高企业网络信息服务质量,增强企业对动态信息的响应能力.     

基于场景识别的云制造服务推荐

为了更好地挖掘和组织云制造服务系统中的服务组合场景信息,并据此建立高效的服务推荐算法以辅助用户创建服务组合,提出基于场景识别的云制造服务推荐模型。模型首先对原始服务组合描述进行功能信息重构;然后基于得到的场景综合描述对服务组合进行应用场景聚类,并为各场景建立加权服务库;最后通过识别用户需求的场景类别,借助各场景加权服务库进行服务推荐。通过实际数据集上的实验结果证明,该方法在推荐效果上有很大提升。     

面向航空复杂结构件数控加工过程的云制造服务生成方法

为促进航空复杂结构件数控加工向云制造模式转变,提出一种面向零件加工过程的云制造服务生成方法。首先引入动态加工特征,基于动态加工特征构建制造任务描述标准,用以进行制造服务封装和用户请求表示,实现服务供应商核心工艺知识的保护和重用,大大提高了服务匹配的效率和精度。进而提出一种基于动态加工特征的制造服务组合生成方法,建立基于服务质量的综合优化模型,将时间、成本、可靠性作为目标准则,运用遗传算法求解优化的云制造服务组合。通过实例验证了基于以上方法开发的云制造原型系统的有效性。     

基于DXF文件工业机器人作业程序的生成

针对工业机器人作业路径AutoCAD模型,提出了一种由DXF文件自动生成工业机器人作业程序的方法。首先从作业路径AutoCAD模型的DXF文件中提取点、直线、圆弧和B样条曲线等几何实体的信息,再将这些信息处理成点的坐标数值信息,并按照标记点确定的作业顺序要求对这些坐标数值信息进行排序处理,最后将这些数据信息生成机器人作业程序。通过工业机器人切割作业模拟试验验证了该方法的可行性和有效性。     

复杂零件云制造知识服务研究

针对复杂零件产品研发迫切需要对产品研制过程中的知识进行有效管理以实现共享和重用。以叶轮云制造为例建立了复杂零件云制造知识服务流程,在此基础上对复杂零件云制造流程中工艺设计静态知识服务、切削参数优化动态知识服务、刀轨计算静态知识服务、刀轨计算动态知识服务的实现策略进行了研究。以多孔型腔零件云制造为例,实现了部分功能,初步验证表明所提出的知识服务策略可有效提升产品研发效率。     

基于数据融合和改进MoCo的工业机器人抖动原因识别

实际工程中工业机器人受关节控制参数不佳易引起末端抖动，抖动原因识别有助于定位关节异常及优化控制。而工业机器人抖动原因识别存在周期信号冗余度高、抖动方向多及抖动状态样本标签缺失的问题，故提出基于数据融合和改进动量对比学习(MoCo)的工业机器人抖动原因识别方法。首先，对工业机器人末端各传感器数据依次进行数据降维、数据扩充、水平拼接融合及降维，构建充足且全面反映抖动方向及状态信息的融合样本。其中，数据融合前降维可降低周期样本冗余度及提升样本融合效率，数据融合后降维可避免融合样本过长导致模型训练复杂度增加。其次，在MoCo前标记少量融合样本由正编码器分类通道输出监督信息，引导特征聚类。然后，改进对比学习策略，将正编码器提取的无标签融合数据特征与动量编码器保存的负样本特征的聚类中心进行对比，去除特征相似度最高的聚类中心以降低对比类别错误的假负样本干扰。并通过对称调换两个编码器的输入进行两次对比损失计算，完成编码器训练。最后，在编码器分类通道后添加Softmax分类器完成工业机器人抖动原因识别。实验结果表明，所提方法在不同工况的工业机器人抖动原因识别准确率均在90%以上，证明了该方法的有效性。     

云制造环境下基于用户行为感知的个性化知识服务技术

为提高云制造平台中的个性化知识服务能力、增强用户黏度,提出一种云制造环境下基于用户行为的个性化知识服务方法。针对云制造服务特点,构建云制造环境下的个性化知识服务架构;分析了云制造平台中的用户行为,综合显性行为和隐性行为计算用户的个性化知识需求度,建立基于本体的用户行为模型;在此基础上,通过语义分析及知识评价实现了个性化知识过滤,通过应用示例分析验证了该方法的可行性。     

一种模型驱动的云制造联邦接入技术

基于联邦式的云制造服务架构及云制造联邦执行支撑环境,研究了基于模型驱动的云制造联邦接入技术,包括以扩展UML Profile进行云制造平台的问题域元模型的规范化表示、对象约束语言定义的形式化约束表达以及关系定义语言实现的平台对象模型生成算法。这些技术有利于云制造平台快速、一致地构建联邦式协同环境,避免人工准备协同过程难以保持语义一致性的问题,提高协同准备的效率。     

元活动模型驱动的多领域制造资源粒层化服务封装与检索

多领域制造资源的聚合与服务封装直接关系到云制造服务的可检索性与易用性,是实现制造能力共享的关键。针对因缺乏关键资源信息或制造活动过程特征,以及服务特征属性不确定性大等导致云服务信息粒度过粗、查准率低的问题,构建了以人、机、料、法、环为核心要素的制造元活动模型以实现多领域资源颗粒的有效聚合,并基于商空间粒计算理论对资源簇的制造能力进行逐层封装,提出基于灰相似粗糙集的云制造服务粒层递归搜索算法以解决服务特征属性的不确定性问题,建立了一套元活动模型驱动的多领域制造资源粒层化服务封装与检索方法。通过某金属构件快速成形云服务的检索算例验证了所提方法的可行性。     

基于二部网络表示学习的矩阵分解推荐算法

矩阵分解算法广泛应用于推荐系统。然而,其性能往往受到数据稀疏性和数据高维度的影响,且较少考虑项目的内容信息。针对上述问题,提出一种联合二部网络表示学习的矩阵分解推荐算法(BiNRMF)。首先,利用评分信息和项目的标签信息构建两个二部网络;然后,通过二部网络的表示学习算法得到用户和项目的低维向量表示,用以计算用户之间和项目之间的相似性;最后,改进传统矩阵分解模型,融入低维向量空间中用户的相似关系和项目的相似关系。在GoodBooks和MovieLens数据集上的实验结果表明,与经典的推荐算法相比,联合二部网络表示学习的矩阵分解推荐算法的预测精度有显著提升。     

基于Process Simulate的工业机器人信息物理融合系统

工业机器人在进行新工艺开发时一般存在周期长、调试复杂等常见问题.以ABB的IRB120型工业机器人作为研究对象,基于Process Simulate工业仿真平台,采用了工业机器人信息物理融合的方法,实现了工业机器人实体与虚拟模型深度融合的功能,通过数据的通信、采集与传输实现了二者的同步运动功能,进一步分析了虚拟模型相对...     

基于领域驱动设计的可演化数字孪生体构建方法研究

数字孪生体是实现数字孪生范式的关键所在，针对忽略系统可演化性导致的数字孪生体孤岛问题，提出了一种基于领域驱动设计的数字孪生体构建方法，用于构建具有演化性的数字孪生体。数字孪生体的领域模型由镜像、功能和关联3个子域组成。其中，镜像子域描述物理实体的静态属性，如尺寸、材质等，是通用域；功能子域描述物理实体的能力属性，如制造能力、运动能力等，是核心域；关联子域描述物理实体所处空间尺度的上下文交互关系，是支撑域。围绕所提出的领域模型，设计了数字孪生体的演化性实现机制，以构建工业机器人数字孪生体为例，对所提出的数字孪生体构建方法和可演化机制进行了可行性分析。     

基于不确定规则推理的云制造知识服务方法

针对知识服务的模糊性和随机性,提出知识服务的多维多条件云映射不确定规则推理方法。基于知识服务过程分析,建立了知识服务云模型,通过对不同任务需求前件和知识规则后件的云模型进行多元组合,完成了云制造知识服务从定量输入到定性推理再到定量输出的映射变换,构造了知识服务云模型的多维多规则推理结构,并给出了推理算法。通过应用算例,分析总结了云制造中业务需求与知识资源之间不确定映射关系在值域空间和确定度空间的分布,为实现云制造知识服务精确配送提供了新思路。     

云制造特征及云服务组合关键问题研究

为实现基于知识的制造资源和制造能力的共享与协同,实现云制造系统中资源服务的增值和增效,在分析云制造典型特征后,对云制造中的资源、制造云服务、制造云的关系进行了阐述.在此基础上,设计了制造云服务管理原型系统功能结构,对基于云制造全生命周期运行的云服务组合需求进行r阐述.对云服务组合建模/描述和一致件检查、云服务关联关系、云服务组合柔性、组合网络及其动力学特性、云服务组合建模与评估、组合优选等实现云服务组合的关键问题进行了研究,为未来实现高效智能化的云制造服务管理提供理论支持.     

基于加权协同网络的制造服务组合方法

为解决复杂制造业务过程中的广泛存在的资源运输、信息传递和知识共享问题,保障任务的高效执行,将协同能力作为服务竞争力评估和选择的重要指标,提出基于加权协同网络的制造服务组合方法。根据云平台上服务交互合作大数据分析,运用社会关系强度计算衡量协同效应以构建加权协同网络。以最大化整体Qo S值和协同效应为目标,建立制造服务选择多目标优化模型。通过双向学习、最优种群更新和群体交互速度更新机制,构造改进的引力搜索算法(Gravitational search algorithm,GSA)对模型求解。通过智能汽车云制造仿真试验,验证了模型和算法的有效性,得到符合实际制造场景的最优服务方案。     

数字孪生车间机器人虚实驱动系统构建方法

针对目前数字孪生车间构建中工业机器人等虚拟实体建模复杂、开发周期长等问题,提出了一种数字孪生车间工业机器人虚实驱动系统的模块化构建方法,即将虚实驱动系统分为设置模型参数的交互层和按功能需求设计配置的控制层,然后将实体工业机器人等抽象为单功能原子模型耦合而成的仿真模型。模块化分层构建虚实驱动系统的方法能快速有效地实现工业机器人等数字孪生虚拟实体的建模,以及工业机器人在虚拟空间中的仿真运行模拟和虚实同步运行。     

基于区块链的新型云制造服务选择方法

云制造模式下，随着海量制造资源的云化和用户需求的爆炸式增长，传统云制造平台在服务选择环节出现了计算能力不足、实时数据缺乏及数据安全难以保证等问题。为解决上述问题，提出一种基于区块链的新型云制造服务选择方法。该方法结合主客观权重分析技术设计分布式云制造服务选择模型，实现算力源的转移和去中心化，解决计算能力不足的问题；提出基于结果证明机制的双链区块链数据存储模型，保证云制造过程中不同时间段产生的合约数据和交付数据的实时性和安全性。实验结果表明，该方法能够同时提高云制造服务选择的速度和质量，并实现云制造数据实时且安全的存储，从而大幅提升生产制造效率。     

基于O-O方法的CAPP系统制造资源结构建模

采用O-O技术建模方法，分析了制造资源各组成因素之间的关系、层次分类表示形式，以及制造资源与工艺能力生成之间的密切关系，建立了面向对象的制造资源结构模型。并对制造资源与生产规划调度PPS的关系模型进行了研究。