一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法
【專利摘要】本發(fā)明公開了一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法，首先定義動(dòng)態(tài)知識(shí)網(wǎng)，建立動(dòng)態(tài)知識(shí)網(wǎng)模型，然后基于制造系統(tǒng)中的動(dòng)態(tài)因素設(shè)計(jì)動(dòng)態(tài)組織的觸發(fā)規(guī)則，并根據(jù)知識(shí)點(diǎn)的狀態(tài)構(gòu)造相應(yīng)的靜態(tài)知識(shí)子網(wǎng)。綜合信息匹配度、功能匹配度及功能完善度定義了靜態(tài)知識(shí)子網(wǎng)的匹配度，為知識(shí)網(wǎng)的動(dòng)態(tài)組織提供決策依據(jù)。在知識(shí)網(wǎng)的動(dòng)態(tài)組織過程中，首先檢測(cè)知識(shí)點(diǎn)的狀態(tài)，對(duì)于狀態(tài)異常的知識(shí)點(diǎn)建立靜態(tài)知識(shí)子網(wǎng)并以此為目標(biāo)子網(wǎng)，計(jì)算目標(biāo)子網(wǎng)與知識(shí)庫(kù)中資源靜態(tài)子網(wǎng)的匹配度，根據(jù)觸發(fā)規(guī)則選擇匹配度最高且大于閾值的資源子網(wǎng)利用多重集的運(yùn)算更新知識(shí)網(wǎng)的結(jié)構(gòu)。本發(fā)明使制造企業(yè)具備快速響應(yīng)的能力，提高了其市場(chǎng)競(jìng)爭(zhēng)力。
【專利說明】一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法，屬于智能制造系統(tǒng) 及知識(shí)表示【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 知識(shí)化制造系統(tǒng)是2000年提出的一種高智能制造系統(tǒng)，將先進(jìn)制造模式以知識(shí) 網(wǎng)表示并轉(zhuǎn)化為先進(jìn)制造知識(shí)，通過知識(shí)網(wǎng)與Agent網(wǎng)之間的映射關(guān)系來實(shí)現(xiàn)。若將各種 制造模式轉(zhuǎn)化為先進(jìn)制造知識(shí)納入制造系統(tǒng)，則這種系統(tǒng)可隨時(shí)根據(jù)需要選擇最合適的先 進(jìn)制造模式或若干先進(jìn)制造模式的恰當(dāng)組合，以適應(yīng)各種各樣和不斷變化的環(huán)境和制造企 業(yè)。智能制造為系統(tǒng)自主、智能、動(dòng)態(tài)地適應(yīng)環(huán)境變化和企業(yè)需求提供了良好的平臺(tái)。近年 來，針對(duì)智能制造系統(tǒng)的控制理論和方法取得一些成果，建立了多重集理論及自重構(gòu)算法， 提出了基于用戶功能需求的知識(shí)網(wǎng)的自動(dòng)生成方法，建立了表達(dá)式優(yōu)化模型。但已有的研 究中用來表示制造模式的知識(shí)網(wǎng)是靜態(tài)的，難以描述制造系統(tǒng)的動(dòng)態(tài)過程。近幾年，研究者 結(jié)合智能制造單元的高智能特性構(gòu)建了動(dòng)態(tài)調(diào)度的自適應(yīng)控制策略；考慮到生產(chǎn)環(huán)境的不 確定性，構(gòu)建了具有自適應(yīng)和自學(xué)習(xí)特性的基于多Agent可互操作的動(dòng)態(tài)調(diào)度系統(tǒng)。這些 工作促進(jìn)了智能制造系統(tǒng)的自適應(yīng)控制研究，但并未觸及智能制造系統(tǒng)本身結(jié)構(gòu)在系統(tǒng)自 適應(yīng)過程中的動(dòng)態(tài)組織和變化。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明所要解決的技術(shù)問題是針對(duì)【背景技術(shù)】中的不足，提出一種基于動(dòng)態(tài)知識(shí)網(wǎng) 的制造系統(tǒng)自適應(yīng)組織方法，使得智能制造系統(tǒng)結(jié)構(gòu)根據(jù)生產(chǎn)環(huán)境參數(shù)的變化動(dòng)態(tài)調(diào)整， 提高生產(chǎn)企業(yè)的競(jìng)爭(zhēng)力。
[0004] 本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：
[0005] -種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法，包括以下幾個(gè)步驟：
[0006] 步驟1)，定義動(dòng)態(tài)知識(shí)網(wǎng)，建立動(dòng)態(tài)知識(shí)網(wǎng)模型；
[0007] 步驟2)，設(shè)計(jì)動(dòng)態(tài)事件觸發(fā)規(guī)則，建立動(dòng)態(tài)規(guī)則集；
[0008] 步驟3)，構(gòu)建靜態(tài)知識(shí)子網(wǎng)及知識(shí)庫(kù)中資源集的虛擬靜態(tài)知識(shí)子網(wǎng)；
[0009] 步驟4)，定義靜態(tài)知識(shí)子網(wǎng)的匹配度，為動(dòng)態(tài)組織提供決策依據(jù)；
[0010] 步驟5)，檢測(cè)動(dòng)態(tài)知識(shí)網(wǎng)中知識(shí)點(diǎn)狀態(tài)，根據(jù)靜態(tài)知識(shí)子網(wǎng)定義構(gòu)建異常知識(shí)點(diǎn) 的靜態(tài)子網(wǎng)并以此為目標(biāo)知識(shí)子網(wǎng)；根據(jù)靜態(tài)知識(shí)子網(wǎng)的匹配度計(jì)算資源子網(wǎng)與目標(biāo)知識(shí) 子網(wǎng)的匹配度；
[0011] 步驟6)，根據(jù)步驟5)的計(jì)算結(jié)果將匹配度最高且大于閾值的目標(biāo)知識(shí)子網(wǎng)根據(jù) 多重集的運(yùn)算規(guī)則更新動(dòng)態(tài)知識(shí)網(wǎng)中的異常知識(shí)點(diǎn)，實(shí)現(xiàn)動(dòng)態(tài)組織過程。
[0012] 作為本發(fā)明一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法進(jìn)一步的優(yōu)化方案， 步驟 1)中動(dòng)態(tài)知識(shí)網(wǎng) DKM 定義為 DKM = {P，M，R，F(xiàn)P，F(xiàn)M，F(xiàn)K，SP，T，Q，F(xiàn)，D};
[0013] 其中,P = (P1, P2，…，pm}是一個(gè)由m個(gè)知識(shí)點(diǎn)組成的有限知識(shí)點(diǎn)集,R = Ir1, r2，… ，rn}是一個(gè)由η個(gè)復(fù)合聯(lián)系組成的有限復(fù)合聯(lián)系集，i? (= Px P，m、n均為大于1的自然數(shù)， Fp為功能集，F(xiàn) !；為復(fù)合聯(lián)系流，M為信息聯(lián)系集，F(xiàn) M為信息聯(lián)系流，S p為狀態(tài)集，F(xiàn)為動(dòng)態(tài)流， T為事件集，Q為資源集，D為決策點(diǎn)集；
[0014] P、FP、R、FK、M、Fm是動(dòng)態(tài)知識(shí)網(wǎng)的靜態(tài)組成部分，S P、F、T、Q、D是動(dòng)態(tài)知識(shí)網(wǎng)的動(dòng) 態(tài)組成部分。
[0015] 作為本發(fā)明一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法進(jìn)一步的優(yōu)化方案， 步驟3)的具體步驟為：
[0016] 首先將基于知識(shí)點(diǎn)靜態(tài)知識(shí)子網(wǎng)SSKMpi定義為6元組：

【權(quán)利要求】
1. 一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法，其特征在于，包括以下幾個(gè)步 驟： 步驟1)，定義動(dòng)態(tài)知識(shí)網(wǎng)，建立動(dòng)態(tài)知識(shí)網(wǎng)模型； 步驟2)，設(shè)計(jì)動(dòng)態(tài)事件觸發(fā)規(guī)則，建立動(dòng)態(tài)規(guī)則集； 步驟3)，構(gòu)建靜態(tài)知識(shí)子網(wǎng)及知識(shí)庫(kù)中資源集的虛擬靜態(tài)知識(shí)子網(wǎng)； 步驟4)，定義靜態(tài)知識(shí)子網(wǎng)的匹配度，為動(dòng)態(tài)組織提供決策依據(jù)； 步驟5)，檢測(cè)動(dòng)態(tài)知識(shí)網(wǎng)中知識(shí)點(diǎn)狀態(tài)，根據(jù)靜態(tài)知識(shí)子網(wǎng)定義構(gòu)建異常知識(shí)點(diǎn)的靜 態(tài)子網(wǎng)并以此為目標(biāo)知識(shí)子網(wǎng)；根據(jù)靜態(tài)知識(shí)子網(wǎng)的匹配度計(jì)算資源子網(wǎng)與目標(biāo)知識(shí)子網(wǎng) 的匹配度； 步驟6)，根據(jù)步驟5)的計(jì)算結(jié)果將匹配度最高且大于閾值的目標(biāo)知識(shí)子網(wǎng)根據(jù)多重 集的運(yùn)算規(guī)則更新動(dòng)態(tài)知識(shí)網(wǎng)中的異常知識(shí)點(diǎn)，實(shí)現(xiàn)動(dòng)態(tài)組織過程。
2. 根據(jù)權(quán)利要求1所述的一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法，其特征在 于，步驟 1)中動(dòng)態(tài)知識(shí)網(wǎng)DKM定義為DKM= {P，M，R，F(xiàn)P，F(xiàn)M，F(xiàn)K，SP，T，Q，F(xiàn)，D}; 其中,P= (P1,p2, ···，pm}是一個(gè)由m個(gè)知識(shí)點(diǎn)組成的有限知識(shí)點(diǎn)集,R=Ir1,r2, ···，rn} 是一個(gè)由η個(gè)復(fù)合聯(lián)系組成的有限復(fù)合聯(lián)系集，i? (= />，m、n均為大于1的自然數(shù)，F(xiàn)p為 功能集，F(xiàn)rS復(fù)合聯(lián)系流，M為信息聯(lián)系集，F(xiàn)M為信息聯(lián)系流，Sp為狀態(tài)集，F(xiàn)為動(dòng)態(tài)流，T為 事件集，Q為資源集，D為決策點(diǎn)集； P、FP、R、FK、M、Fm是動(dòng)態(tài)知識(shí)網(wǎng)的靜態(tài)組成部分，SP、F、T、Q、D是動(dòng)態(tài)知識(shí)網(wǎng)的動(dòng)態(tài)組 成部分。
3. 根據(jù)權(quán)利要求2所述的一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法，其特征在 于，步驟3)的具體步驟為： 首先將基于知識(shí)點(diǎn)
靜態(tài)知識(shí)子網(wǎng)SSKMpi定義為6元組： 其中，i= 1，一,m,Ppi表示與知識(shí)點(diǎn)pi具有聯(lián)系的有限知識(shí)點(diǎn)集，Mpi是定義在Ppi上 的復(fù)合聯(lián)系集，Rpi是定義在Ppi上的信息聯(lián)系集，'表示Ppi上的所有功能的有限集， 是定義在集合Mpi上的所有信息流的有限集，Gil,是定義在集合Rpi上的所有繼承流和信息 流的有限集； 然后對(duì)備用資源點(diǎn)的存儲(chǔ)形式進(jìn)行處理，將資源視為一種特殊的知識(shí)點(diǎn)，構(gòu)造資源集 的虛擬靜態(tài)知識(shí)子網(wǎng)。
4. 根據(jù)權(quán)利要求3所述的一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng) 組織方法，其特征在于，步驟4)中靜態(tài)知識(shí)子網(wǎng)SSW與SSV的匹配度為
，其中，fM(SSW，SSV)為功能匹配度， ε(SSW，SSV)為功能完善度，Y(SSW，SSV)為信息匹配度。
5. 根據(jù)權(quán)利要求4所述的一種基于動(dòng)態(tài)知識(shí)網(wǎng)的制造系統(tǒng)自適應(yīng)組織方法，其特征在 于，步驟6)中實(shí)現(xiàn)動(dòng)態(tài)組織過程的具體步驟為 ： 步驟6. 1)，查詢知識(shí)點(diǎn)Pi的狀態(tài)，若Spi=O轉(zhuǎn)步驟6. 2)，否則轉(zhuǎn)步驟6. 1)查詢下一 個(gè)知識(shí)點(diǎn)的狀態(tài)； 步驟6. 2)，根據(jù)定義構(gòu)造基于知識(shí)點(diǎn)？1的靜態(tài)知識(shí)子網(wǎng)SSW，并將其視為目標(biāo)知識(shí)子 網(wǎng)，觸發(fā)相應(yīng)事件； 步驟6. 3)，構(gòu)造資源集中備用資源的虛擬知識(shí)子網(wǎng)，并以虛擬子網(wǎng)的形式存儲(chǔ)于知識(shí) 庫(kù)中； 步驟6. 4)，計(jì)算步驟6. 3)中的虛擬知識(shí)子網(wǎng)與步驟6. 2)中目標(biāo)知識(shí)子網(wǎng)的匹配度，獲 得匹配度最高mat( ·)的虛擬知識(shí)子網(wǎng)SSV; 步驟6. 5)，根據(jù)觸發(fā)規(guī)則判斷mat( ·)，若mat( ·) >Θ，轉(zhuǎn)步驟6. 6)否則轉(zhuǎn)步驟6. 7), 其中，Θ為閾值，由專家經(jīng)驗(yàn)或先驗(yàn)知識(shí)獲??； 步驟6. 6)，利用多重集的運(yùn)算理論從DKM中刪除SSW，添加SSV，更新動(dòng)態(tài)知識(shí)網(wǎng)結(jié)構(gòu)， 轉(zhuǎn)步驟6. 1); 步驟6. 7)，觸發(fā)DKM中相應(yīng)的其他分支事件，事件處理結(jié)束轉(zhuǎn)步驟6. 1)。
【文檔編號(hào)】G06F17/30GK104462205SQ201410609938
【公開日】2015年3月25日 申請(qǐng)日期:2014年11月3日 優(yōu)先權(quán)日:2014年11月3日
【發(fā)明者】王玉芳, 王志華, 宋 瑩, 葉小嶺, 楊麗 申請(qǐng)人:南京信息工程大學(xué)