本技術(shù)屬于智能制造，具體涉及一種融合知識(shí)圖譜與數(shù)字孿生的機(jī)電產(chǎn)品反向設(shè)計(jì)方法及系統(tǒng)。

背景技術(shù)：

1、工業(yè)產(chǎn)品自動(dòng)化水平的提升，用戶對個(gè)性化設(shè)計(jì)和快速迭代的需求不斷增長，復(fù)雜機(jī)電產(chǎn)品的設(shè)計(jì)開發(fā)過程中，通常采用單向數(shù)據(jù)流的方式，即產(chǎn)品經(jīng)歷設(shè)計(jì)、制造、運(yùn)維直至報(bào)廢的完整生命周期。此過程中，產(chǎn)品的生命周期數(shù)據(jù)與經(jīng)驗(yàn)未能得到充分利用，這導(dǎo)致設(shè)計(jì)效率低下、產(chǎn)品適應(yīng)性降低。此背景下，反向設(shè)計(jì)的方法應(yīng)運(yùn)而生，反向設(shè)計(jì)的概念是將不同階段的信息數(shù)據(jù)設(shè)計(jì)端進(jìn)行融合，使得設(shè)計(jì)之初予考慮產(chǎn)品的適應(yīng)能力，以實(shí)現(xiàn)產(chǎn)品的反饋優(yōu)化與迭代升級(jí)。

2、由于機(jī)電產(chǎn)品在設(shè)計(jì)、生產(chǎn)、測試及運(yùn)營過程中產(chǎn)生了多維度、結(jié)構(gòu)各異、格式不統(tǒng)一的數(shù)據(jù)，阻礙了知識(shí)模型間的共享、流動(dòng)和高效利用。而且現(xiàn)有模型缺乏有效的數(shù)據(jù)管理和語義關(guān)聯(lián)方法，影響了設(shè)計(jì)結(jié)果的適應(yīng)性和全面性。為了解決該問題，知識(shí)圖譜（knowledge?graph,?kg）提供了一種知識(shí)管理方式，可以對產(chǎn)品不同生命周期階段的語義知識(shí)進(jìn)行轉(zhuǎn)化、分類、存儲(chǔ)與查詢，有效解決了信息孤島問題。另一方面，數(shù)字孿生（digitaltwin,?dt）構(gòu)建與物理產(chǎn)品同步更新的虛擬模型，使設(shè)計(jì)過程中數(shù)據(jù)的流動(dòng)和模型的演化成為可能。dt能夠利用傳感器采集的實(shí)時(shí)運(yùn)行數(shù)據(jù)，對虛擬模型進(jìn)行動(dòng)態(tài)修正，從而精準(zhǔn)反映物理系統(tǒng)的狀態(tài)。因此，本發(fā)明融合了kg的結(jié)構(gòu)化知識(shí)管理與dt的動(dòng)態(tài)更新能力，提出了一種用于機(jī)電產(chǎn)品的反向設(shè)計(jì)方法及系統(tǒng)

技術(shù)實(shí)現(xiàn)思路

1、針對傳統(tǒng)設(shè)計(jì)過程中面臨的多源數(shù)據(jù)的格式和語義不統(tǒng)一、模型參數(shù)難以動(dòng)態(tài)修調(diào)、模型與數(shù)據(jù)之間的關(guān)聯(lián)難以映射問題，提出了一種融合知識(shí)圖譜與數(shù)字孿生的機(jī)電產(chǎn)品反向設(shè)計(jì)方法及系統(tǒng)。其技術(shù)方案為，

2、一種融合知識(shí)圖譜與數(shù)字孿生的機(jī)電產(chǎn)品反向設(shè)計(jì)方法，包括以下步驟：

3、s1.構(gòu)建多維信息關(guān)聯(lián)的數(shù)字孿生模型；

4、將數(shù)字孿生模型劃分為信息模型、機(jī)理模型和領(lǐng)域模型三個(gè)維度，三者對應(yīng)的元模型共同構(gòu)成完整的數(shù)字孿生模型dtm；

5、s2.建立基于知識(shí)圖譜的數(shù)字孿生模型信息管理機(jī)制；

6、在數(shù)字孿生模型中，信息模型im、機(jī)理模型pm和領(lǐng)域模型fm之間的交互方式?jīng)Q定了信息流的映射方式；知識(shí)圖譜通過對多維信息的訪問、集成和轉(zhuǎn)換，有助于實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)、制造與運(yùn)行過程中的信息互通；

7、s3.建立基于知識(shí)圖譜的信息-模型映射機(jī)制；

8、分析產(chǎn)品生命周期不同階段的多維信息數(shù)據(jù)，借助知識(shí)圖譜對多源異構(gòu)信息進(jìn)行統(tǒng)一管理，建立信息與模型之間的多重語義映射關(guān)系；

9、s4.融合知識(shí)圖譜與數(shù)字孿生的反向設(shè)計(jì)優(yōu)化流程；

10、知識(shí)圖譜用于對知識(shí)的查詢與推理，通過數(shù)據(jù)的關(guān)聯(lián)挖掘隱形設(shè)計(jì)知識(shí)和需求信息來更新數(shù)字孿生模型，形成持續(xù)反饋的知識(shí)更新回路與增強(qiáng)的反向優(yōu)化設(shè)計(jì)。

11、優(yōu)選的，步驟s1中，數(shù)字孿生模型表達(dá)式如下：

12、?；

13、信息模型im?指的是按照一定的信息建模框架和語義規(guī)則，將原始數(shù)據(jù)組織、結(jié)構(gòu)化之后形成的邏輯數(shù)據(jù)集合；其中：

14、imi是數(shù)字孿生模型仿真與映射的輸入，imo表示數(shù)字空間中獲得的虛擬仿真預(yù)測結(jié)果與系統(tǒng)響應(yīng)信息，imdt是數(shù)字孿生在映射與反饋過程中生成的信息數(shù)據(jù)；

15、機(jī)理模型pm是對產(chǎn)品或系統(tǒng)物理行為與內(nèi)部機(jī)制的定量描述；

16、領(lǐng)域模型fm是針對設(shè)備在其全生命周期中不同行為特征與工程應(yīng)用需求而構(gòu)建的模型集合。

17、優(yōu)選的，步驟s2中建立基于知識(shí)圖譜的數(shù)字模型信息管理機(jī)制包括以下三個(gè)模塊：

18、數(shù)據(jù)處理模塊：負(fù)責(zé)不同格式的物理空間數(shù)據(jù)處理；

19、關(guān)鍵技術(shù)模塊將實(shí)例信息填充至相應(yīng)的本體結(jié)構(gòu)中;

20、知識(shí)本體模塊：包括im、pm、fm多維信息本體，用于統(tǒng)一存儲(chǔ)來自物理空間的監(jiān)測數(shù)據(jù)、設(shè)計(jì)參數(shù)、制造狀態(tài)以及模型的仿真結(jié)果。

21、優(yōu)選的，步驟s3中映射機(jī)制包括繼承映射：

22、；

23、 im 1 o表示第 1個(gè)信息模型 im 1中所包含的實(shí)際輸入信息， im 2 i表示第 2個(gè)信息模型 im 2中所包含的模型虛擬仿真信息；在知識(shí)圖譜中表現(xiàn)為同一實(shí)體的屬性繼承，即im1o中輸出的信息與im2i?中輸入的信息直接對應(yīng)；該映射表現(xiàn)為“需求分析”→“概念設(shè)計(jì)”之間的直接關(guān)系，無需額外的知識(shí)推理。

24、優(yōu)選的，步驟s3中映射機(jī)制包括聚合映射：

25、；

26、 im i o表示第 i個(gè)信息模型 im i中所包含的模型虛擬仿真信息，在知識(shí)圖譜中的多實(shí)體信息整合，即多個(gè)信息源的數(shù)據(jù)通過聚合關(guān)系組合，形成新的信息模型輸入。

27、優(yōu)選的，步驟s3中映射機(jī)制包括添加映射：

28、；

29、添加映射在知識(shí)圖譜表現(xiàn)為實(shí)體的屬性擴(kuò)展，即輸出信息無法完全滿足目標(biāo)孿生模型的需求，需要補(bǔ)充額外信息a；添加映射表現(xiàn)為“優(yōu)化設(shè)計(jì)結(jié)果”?關(guān)聯(lián)?“用戶需求”，通過知識(shí)補(bǔ)充生成完整的輸入信息模型。

30、優(yōu)選的，步驟s3中映射機(jī)制包括提取映射：

31、；

32、im1i中輸出的信息模型只有部分?jǐn)?shù)據(jù)項(xiàng)是im2i中輸入的信息模型所需要的；表示提取 im 1 o中特定的數(shù)據(jù)項(xiàng) a i共 k項(xiàng)，在知識(shí)圖譜中，提取映射通過“屬性篩選”?進(jìn)行，即提取特定的數(shù)據(jù)項(xiàng)，作為數(shù)字孿生模型的信息輸入。

33、優(yōu)選的，步驟s4融合知識(shí)圖譜與數(shù)字孿生的反向設(shè)計(jì)優(yōu)化流程，具體步驟如下：

34、s41:將初始的單向設(shè)計(jì)流程定義為，是根據(jù)設(shè)計(jì)要求或經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行分析得到的近似參數(shù)，將系統(tǒng)參數(shù)作為輸入信息模型imi中與系統(tǒng)條件和狀態(tài)等相關(guān)的變量，通過知識(shí)圖譜的映射過程傳輸至pm中；在pm中，調(diào)用仿真模型對結(jié)構(gòu)進(jìn)行虛擬分析，獲取性能預(yù)測信息，將輸入至fm中，實(shí)現(xiàn)設(shè)計(jì)參數(shù)的單向優(yōu)化；

35、s42：在假定是先驗(yàn)已知的情況下，采用優(yōu)化算法，可以求解使最優(yōu)時(shí)得到下一代的產(chǎn)品設(shè)計(jì)方案x*，由于并不能完全準(zhǔn)確的反映產(chǎn)品的實(shí)際情況和設(shè)計(jì)需求的問題，導(dǎo)致與設(shè)計(jì)方案最終表現(xiàn)出的設(shè)計(jì)性能存在偏差；

36、s43:定義反向設(shè)計(jì)模型為：

37、；

38、表示通過知識(shí)圖譜查詢推理得到的實(shí)際響應(yīng)yimi與模型預(yù)測之間的偏差，表示針對偏差對參數(shù)修正后的優(yōu)化函數(shù)；具體反向過程為：將信息模型imi的實(shí)際響應(yīng)yimi反饋至知識(shí)圖譜中，通過本體推理和規(guī)則引擎挖掘相關(guān)的潛在關(guān)系與異常信息，不斷更新，得到基于實(shí)際的系統(tǒng)參數(shù)；將作為新的設(shè)計(jì)知識(shí)代替原本單向映射流程中的參數(shù)，即，從而形成一個(gè)設(shè)計(jì)決策反向反饋的閉環(huán)流程，

39、一種融合知識(shí)圖譜與數(shù)字孿生的機(jī)電產(chǎn)品反向設(shè)計(jì)系統(tǒng)，包括數(shù)據(jù)采集單元、數(shù)據(jù)處理單元和數(shù)據(jù)輸出單元；

40、所述數(shù)據(jù)采集單元采集的機(jī)電產(chǎn)品物理數(shù)據(jù)和實(shí)時(shí)運(yùn)行數(shù)據(jù)；

41、數(shù)據(jù)處理單元結(jié)合知識(shí)圖譜kg的結(jié)構(gòu)化知識(shí)管理能力與數(shù)字孿生dt的動(dòng)態(tài)更新的特點(diǎn)，使機(jī)電產(chǎn)品在實(shí)際使用過程中所積累的運(yùn)行知識(shí)能夠?qū)崟r(shí)反饋至設(shè)計(jì)端，形成知識(shí)持續(xù)演化的反向反饋路徑；

42、數(shù)據(jù)輸出單元：用戶根據(jù)需求可以選擇不同階段的可視化輸出。

43、優(yōu)選的，數(shù)據(jù)處理單元中數(shù)字孿生dt通過構(gòu)建與物理產(chǎn)品同步更新的虛擬模型，使設(shè)計(jì)過程中數(shù)據(jù)的流動(dòng)和模型的演化成為可能；知識(shí)圖譜dt能夠利用傳感器采集的實(shí)時(shí)運(yùn)行數(shù)據(jù)，對虛擬模型進(jìn)行動(dòng)態(tài)修正，從而精準(zhǔn)反映物理系統(tǒng)的狀態(tài)。

44、與現(xiàn)有技術(shù)相比，本技術(shù)有益效果如下：

45、1.本發(fā)明提供了一種融合知識(shí)圖譜與數(shù)字孿生的機(jī)電產(chǎn)品反向設(shè)計(jì)方法及系統(tǒng)，通過構(gòu)建語義驅(qū)動(dòng)的數(shù)字孿生模型，實(shí)現(xiàn)全生命周期多源異構(gòu)數(shù)據(jù)的語義統(tǒng)一與動(dòng)態(tài)映射，增強(qiáng)模型在產(chǎn)品設(shè)計(jì)、制造與運(yùn)維過程中的可靠性與適應(yīng)性。

46、2.本發(fā)明的有效實(shí)施能夠?qū)崿F(xiàn)多維數(shù)據(jù)信息與知識(shí)推理的深度融合，使機(jī)電產(chǎn)品在實(shí)際使用過程中所積累的運(yùn)行知識(shí)能夠?qū)崟r(shí)反饋至設(shè)計(jì)端，形成知識(shí)持續(xù)演化的反向反饋路徑，提升產(chǎn)品設(shè)計(jì)的準(zhǔn)確性與前瞻性。

47、3.本發(fā)明方法中提出的統(tǒng)一語義建?？蚣芎椭R(shí)本體結(jié)構(gòu)具有良好的可復(fù)用性與可擴(kuò)展性，能夠避免重復(fù)的設(shè)計(jì)領(lǐng)域建模與知識(shí)解析任務(wù)，確保數(shù)據(jù)在多階段、多模型之間的一致表達(dá)與高效交互，提高模型建模的通用性和重用性。