基于类比机器学习的工艺过程重用方法技术

本发明专利技术公开一种基于类比机器学习的工艺过程重用方法，步骤为：工艺属性相似性比对，设计三类工艺属性相似性的比对函数；工艺属性相似性加权，通过线性组合方式组合上述工艺属性相似性比对结果，对于工艺过程的每一个典型情景，线性加权当前设计任务与该典型工艺过程各工艺属性的相似性计算结果，将最终加权结果作为该典型情景与当前设计任务的类比相似度；典型情景相似性加权计算，工艺过程可重用性评分，推送工艺过程列表；工艺属性相似性加权参数与典型情景相似性加权参数的学习

【技术实现步骤摘要】
基于类比机器学习的工艺过程重用方法


[0001]本专利技术涉及智能工艺设计
，特别涉及一种基于类比机器学习的工艺过程重用方法
。

技术介绍

[0002]零部件设计过程中结构等属性的重用决定了制造和装配该零部件的工艺过程的可重用
。
有效重用历史工艺过程使得工艺设计工作不是从零开始，从而提高了工艺设计效率
。
再者，历史工艺过程是经过制造生产等环节实际验证的，重用历史工艺过程保证了最佳制造经验的重用，提高了工艺设计质量
。
[0003]目前工艺过程重用的方法是知识工程方法，可分为两类：由人工定义相似函数及相似性权值的属性类比方法，以及由人工定义本体及标注工艺数据的基于本体的方法
。
作为知识工程方法，工艺属性
、
工艺属性重要程度
、
工艺属性与工艺过程间关系都需要人为定义，成为了工艺过程重用问题的瓶颈
。
上述问题是传统知识工程方法的“知识瓶颈”问题在工艺过程重用中的具体体现
。
[0004]工艺过程重用包括属性类比方法与基于本体语义类比方法两类
。
属性类比方法，不对工艺属性作深层语义分析与标注，通过工艺属性间的相似度函数比对设计任务工艺属性与待重用工艺过程的工艺属性，认为与设计任务具有更多相同工艺属性的工艺过程的可重用性更高
。
基于本体的方法，由人工建立本体，定义概念与概念关系，并标注工艺数据，通过将设计任务工艺属性映射到本体概念上，重用与设计任务标注了相同或相关概念的工艺过程
。
无论是基于属性还是基于本体，作为知识工程方法，工艺属性
、
工艺属性重要程度
、
工艺属性与工艺过程间关系都需要人为定义
。
现有方法皆认可工艺情境相似性的比对要包括多方面的工艺属性，但对于工艺过程多情境的问题关注不足
。
[0005]属性类比方法的研究有：
[0006]文献
《
面向高效工艺设计的航空零件成组制造知识系统研究
》(
李耐锐
、
陈兴虎
、
关煜杰
、
张康华
、
杨武成
、
梁勇，航空制造技术，
2017,523(4):68
‑
72)
，由设计人员对三维模型意图进行了标注，包括：预期功能
、
性能及所要满足的约束，并采用
Tf
‑
Idf
的方法表达了意图与知识条目，利用向量空间夹角计算了意图与知识条目间的相似性，实现工艺过程
、
设备与参数等的重用
。
[0007]文献
《
基于案例和规则的机加工艺路线规划
》(
谢巧
、
周来水
、
卫炜
、
赵辞；航空制造技术，
2015,58(20):86
‑
89.)
采用层次结构组织了工艺案例，并且从零件类别
、
材料
、
工序三个方面定制相似度函数，采用线性加权的方法综合三个方面的相似度，计算出工艺路线案例库中所有候选案例与目标案例的相似度，但加权参数由人工确定
。
[0008]本体语义类比方法的研究有：
[0009]文献
《
面向创新设计的工艺设计知识模型及检索方法研究
》(
郭鑫
、
赵武
、
王杰
、
王晨
、
张凯
、
陈领；机械工程学报，
2017,53(15):66
‑
72.)
以自然语言为检索请求，利用分词
、
本体关系扩展和内容匹配等手段进行工艺知识检索
。
利用本体，可实现查询词为“金属表面抛
光”时，获得电化学抛光
、
化学抛光及机械抛光等方案
。
[0010]文献
《
基于本体的工艺设计语义检索与决策技术研究
》(
乔立红
、
董薇；航空精密制造技术，
2010,46(2):45
‑
49.)
在对概念进行查询时，输入查询信息“外圆柱”。
除了能检索到“外圆柱”的定义
、
属性和样本信息之外
。
还会提供与“外圆柱”相关的概念，如“倒圆”与“键槽”等信息
。
[0011]对于不同类型零部件，
3D
模型几何结构特征体系及拓扑关系体系的构建是较难的问题
。
并且，该方法仅面向特定零件或结构特征等
。
[0012]现今，提出了基于机器学习的方法，如基于核的方法，利用了工艺规程名称，规程编号，设计人与装配零件表等相对易获得与描述的特征，定义工艺规程名称核，规程编号核，设计人核与装配零件表核，并定义多核组合方式，规避了几何特征，拓扑结构，材料族系，装配可达性等较难描述的特征，不局限于特定类型零部件与装配工艺
。
但该方法，忽略了工艺过程多应用情景的特性，对工艺过程的可重用性的描述不够全面
。

技术实现思路

[0013]针对现有技术中基于机器学习的方法忽略了工艺过程多应用情景的特性，对工艺过程的可重用性的描述不够全面等不足，本专利技术提出一种基于类比机器学习的工艺过程重用方法，将工艺过程的单一情境扩展为多情境，用情境集及典型情境表达工艺过程的可适用情况，描述更为全面准确
。
[0014]为实现上述目的，本专利技术采用的技术方案是：
[0015]本专利技术提供一种基于类比机器学习的工艺过程重用方法，包括以下步骤：
[0016]1)
工艺属性相似性比对，设计三类工艺属性相似性的比对函数，分别适用于集合类
、
文本类与数值类的工艺属性相似性的比对；
[0017]2)
工艺属性相似性加权，通过线性组合的方式，组合上述各类工艺属性相似性比对结果，对于每一个工艺过程的每一个典型情景，线性加权当前设计任务与该典型工艺过程各工艺属性的相似性计算结果，将最终的加权结果作为该典型情景与当前设计任务的类比相似度；
[0018]3)
典型情景相似性加权的计算，工艺过程可重用性评分，推送工艺过程列表；
[0019]4)
工艺属性相似性加权参数与典型情景相似性加权参数的学习
。
[0020]步骤
1)
中，对于集合类的工艺属性相似性的比对按照
Jaccard
相似度定义此类工艺属性的相似性比对函数
s1(X1,X2)
如下，其中，
X1与
X2分别代表两组工艺属性集合，...

【技术保护点】

【技术特征摘要】
1.
一种基于类比机器学习的工艺过程重用方法，其特征在于包括以下步骤：
1)
工艺属性相似性比对，设计三类工艺属性相似性的比对函数，分别适用于集合类
、
文本类与数值类的工艺属性相似性的比对；
2)
工艺属性相似性加权，通过线性组合的方式，组合上述各类工艺属性相似性比对结果，对于每一个工艺过程的每一个典型情景，线性加权当前设计任务与该典型工艺过程各工艺属性的相似性计算结果，将最终的加权结果作为该典型情景与当前设计任务的类比相似度；
3)
典型情景相似性加权的计算，工艺过程可重用性评分，推送工艺过程列表；
4)
工艺属性相似性加权参数与典型情景相似性加权参数的学习
。2.
根据权利要求1所述的基于类比机器学习的工艺过程重用方法，其特征在于：步骤
1)
中，对于集合类的工艺属性相似性的比对，按照
Jaccard
相似度定义此类工艺属性的相似性比对函数
s1(X1,X2)
如下，其中，
X1与
X2分别代表两组工艺属性集合，
s1(X1,X2)
值越高说明两工艺属性越相似；
3.
根据权利要求1所述的基于类比机器学习的工艺过程重用方法，其特征在于：步骤
1)
中，对于文本类的工艺属性相似性的比对，首先将文本转化为
One
‑
hot
向量，通过向量夹角余弦比对工艺属性相似性比对函数
s2(a1,a2)
如下，其中
a1与
a2分别为两组工艺属性的
One
‑
hot
表征向量，
s2(a1,a2)
值越高说明两工艺属性越相似；
4.
根据权利要求1所述的基于类比机器学习的工艺过程重用方法，其特征在于：步骤
1)
中，数值类的工艺属性相似性的比对函数如下，其中
b1与
b2分别为两组数值类工艺属性的数值向量，
b
1,i
与
b
2,i
则分别代表向量
b1与
b2的第
i
维数值，
l
则表示该类工艺属性的数量，
s3(b1,b2)
数值越接近的两个工艺属性的相似性越高；
5.
根据权利要求1所述的基于类比机器学习的工艺过程重用方法，其特征在于：步骤
3)
中，每一个工艺过程涉及多个典型情景，典型情景相似性加权为计算工艺过程的全部应用情境的加权和，加权方法采用线性加权的方式；加权后的值作为工艺过程可重用性的度量值，并按照可重用性的度量值，筛选推荐工艺过程，供用户选择
。6.
根据权利要求1所述的基于类比机器学习的工艺过程重用方法，其特征在于步骤
4)
中工艺属性相似性加权参数与典型情景相似性加权参数的学习采用以下算法：
401)
求解公式
(1)
获得工艺属性相似性加权参数
α
：其中，
n
为工艺过程集合中工艺过程的数量，
x
i
与
x
j
为...

【专利技术属性】
技术研发人员：王裴岩，
申请(专利权)人：沈阳航空航天大学，
类型：发明
国别省市：