基于情境匹配的汽轮机工艺知识推荐技术

丁毓峰,江 鹏

(武汉理工大学 机电工程学院，湖北 武汉 430070)

随着工业4.0和“互联网+”时代的到来，知识资源不断扩充，导致用户更加难以快速有效地获取到所需的知识资源，出现“知识迷航”问题，不利于知识资源的共享与重用。

知识推荐技术能有效解决知识资源使用过程中出现的上述问题，因此得到众多学者的关注。李春磊等[1]对机械加工特征进行研究，并分析其几何演变过程，在此基础上提出了工艺知识推荐模型，并实现了工艺知识的推送，但并未考虑用户的加工意图与技能。吉祥等[2]利用粗糙集和信息技术从知识使用日志中抽取了知识推送规则，进而实现了产品设计知识的推送，但是该方法在建立设计人员的知识需求本体模型等方面还不够完善。王占松等[3]对机械设计过程中用户的意图进行研究并建模，在此基础上提出了机械产品概念设计的知识推荐方法。刘海涛等[4]通过有效集成知识学习日志与流程管理日志，采用相关算法实现了流程知识推荐系统。余本功等[5]对用户偏好进行研究，并结合设计任务设计产品设计知识的混合推送算法。董思洋等[6]针对CAD平台下产品可制造性设计分析时所面临的知识推荐问题，研究了人体免疫机理，并构建了工艺知识推荐模型，对产品设计时的可制造性分析提供了参考知识。刘庭煜等[7]提出了情境感知的工作流任务知识推荐方法，但在自然语言处理方面存在语义消歧问题。Liu等[8]针对传统知识流模型不能满足用户知识需求的问题，提出了基于角色的知识流视图模型，提供面向角色的知识需求建模和知识支持。Lee等[9]定义了知识需求模型，并基于知识需求模型和信息过滤技术，提出了一系列挖掘用户知识需求的算法。

然而针对汽轮机产品的工艺设计知识推荐的研究较少，笔者在以上研究基础上，对汽轮机工艺设计过程的工艺知识活动进行分析，对汽轮机工艺知识情境进行建模。在此基础上，构建工艺知识推荐模型，提出基于情境匹配的工艺设计知识推荐方法。最后以汽轮机叶片的工艺设计过程为例，验证该方法的可行性和有效性。

1 汽轮机工艺设计过程中的工艺知识活动分析

随着汽轮机企业业务发展，工艺设计活动不再局限于汽轮机企业内部，与汽轮机产品相关的协作企业和科研院所等组织都可以作为工艺资源的提供者和使用者。由于汽轮机工艺设计资源分布在不同的地理位置，为了能够将处于不同地理位置且与汽轮机产品工艺设计相关的工艺资源组织在统一框架下，快速完成工艺设计，需要对汽轮机工艺知识的推荐方法进行研究。

为了合理利用工艺资源，实现汽轮机企业间工艺资源共享与重用，结合云制造的“分散资源集中使用”和“集中资源分散使用”等应用理念，将汽轮机工艺资源进行组织，并将知识推荐技术应用于汽轮机工艺设计过程，实现以用户需求为导向和驱动的工艺设计知识服务。

基于知识推荐技术的汽轮机工艺设计过程如图1所示，产品工艺设计任务被分解成不同的工艺设计子任务分配给工艺设计人员，工艺设计人员开始设计任务后，根据工艺设计人员设计任务信息和工艺设计人员信息，结合推荐算法匹配相关的工艺设计知识，以最合适的工艺资源推荐给工艺设计人员，在这些推荐知识的引导下，工艺设计人员结合自身的设计经验和技能知识快速完成工艺设计任务。

图1 基于知识推荐技术的汽轮机工艺设计过程

2 工艺知识情境模型

2.1 工艺知识情境模型建立

知识情境指知识创造、应用和共享等知识过程发生的背景、环境以及场景等，其描述了知识过程发生时的场景及状况，同时也是知识共享与重用的重要基础[10]。石美红等[11]指出知识的运用及产生是在特定的背景中发生的，因此知识所蕴含的价值与意义只有在该背景下才可以展现出来，该背景被称为知识情境。

通过将汽轮机工艺知识的历史使用日志进行组织集成，从而形成特定工艺知识情境模型下的解决方案，即工艺知识情境案例，当工艺设计人员根据工艺设计任务开始一个工艺设计过程，系统感知到相似的汽轮机工艺知识需求情境时，便可以从工艺知识情境案例库中匹配对应的工艺知识情境案例，从而及时为用户提供汽轮机工艺知识推荐服务。

为了提供用户个性化知识需求服务，提出多维层次汽轮机工艺知识情境模型，从多个情境维度对汽轮机工艺知识情境进行描述，每个情境维度划分为若干情境要素及其属性，则工艺知识情境模型划分为工艺知识情境维度层、工艺知识情境要素层以及工艺知识情境属性层。工艺知识情境模型KC定义为：KC={KCD,CR}，其中KCD={KCD1,KCD2,…,KCDn}表示工艺知识情境维度的集合，CR表示各工艺知识情境要素的关系集合CR={CR1,CR2,…,CRn}，工艺知识情境维度KCi可以继续划分为若干工艺知识情境要素或其属性，即KCDi={kcd1,kcd2,…,kcdn}，kcdi表示工艺知识情境要素或工艺知识情境要素的属性。工艺知识情境要素间通过权值连接，并根据用户反馈进行动态更新。

结合汽轮机工艺知识的实际应用情况，将工艺知识情境模型划分为特征模型、任务模型和用户模型，组成工艺知识情境维度层，每个维度之下又划分为多个维度或工艺知识情境要素的属性。该模型针对任务提供解决方案的同时也考虑了用户的认知水平和知识偏好等个性化的用户信息，此外通过特征模型可以快速匹配工艺知识情境，加快系统对用户需求的响应。对工艺知识情境维度层中各模型定义如下：

KC={cid,EM,T,U}

(1)cid为工艺知识情境id，用于唯一标识工艺知识情境。

(2)EM为特征模型，对工艺知识情境关键特征属性的描述，用集合EM表示。

(3)T为任务模型，对用户任务信息的描述，可以采用4元组表示，即T=(Tinfo,Ktask,Trel,Utask)。Tinfo为描述任务的基本信息；Ktask为任务过程相关的知识术语集合；Trel为任务在业务流程中的联系信息，Utask为执行任务的用户集合。

(4)U为用户模型，对用户信息以及用户的知识偏好和技能水平的综合描述，可以采用3元组进行表示，即U={Uinfo,Kpre,Pskill}，Uinfo为用户的基本信息；Kpre为用户在不同领域的知识偏好；Pskill为用户的技能水平信息。

2.2 工艺知识情境与工艺知识映射

工艺知识情境是工艺知识产生和应用的具体环境和背景，将工艺知识情境和工艺知识进行映射是工艺知识推荐的基础。

通过对汽轮机工艺知识进行分析，将工艺知识表示模型采用6元组表示：K=(KID,KS,KD,KC,KDE,KV)。其中，KID为汽轮机工艺知识id，KS为汽轮机工艺知识来源，KD为汽轮机工艺知识所属领域，KC为汽轮机工艺知识类型，KDE为汽轮机工艺知识描述，KV为汽轮机工艺知识载体。

工艺知识情境与工艺知识的映射关系是多对多的关系，即一个工艺知识情境需要由多项工艺知识组合才能满足其需求，而同一项工艺知识可以为不同的工艺知识情境提供服务，工艺知识情境KC={KCi|i=1,2，…，m}，工艺知识K={Kj|j=1,2，…，n}，其中m为工艺知识情境数量，n为工艺知识数量，其映射关系如图2所示，例如满足工艺知识情境KC1的需求需要工艺知识K1、K2，而工艺知识K1可以为工艺知识情境KC1和KC2提供服务。

汽轮机工艺知识情境与汽轮机工艺知识间的映射关系由汽轮机工艺知识的使用日志记录进行确定，此外，通过知识推理，结合领域专家和工程师的经验知识对工艺知识情境与工艺知识间的映射关系进行扩充，从而形成汽轮机工艺知识情境案例库。

图2 工艺知识情境与工艺知识映射关系示意图

3 基于情境匹配的工艺知识推荐

3.1 工艺知识推荐模型

为了实现汽轮机工艺知识推荐服务，构建如图3所示的汽轮机工艺知识推荐模型，主要包括工艺知识需求情境模型构建、工艺知识基础数据模型构建以及工艺知识推荐过程。

工艺知识需求情境模型主要包括特征模型、任务模型和用户模型，其结构与工艺知识情境模型相同。根据用户信息和用户待完成的工艺设计任务分别构建用户模型和任务模型。为了挖掘用户的隐性需求、知识偏好等信息，需要通过用户对工艺知识的操作行为进行分析，更新用户模型。为了提高工艺知识推荐效率，根据用户信息和任务信息提取特征属性构建特征模型。

基于工艺知识基础数据模型构建工艺知识库，从而为工艺知识推荐过程提供基础数据。通过对工艺知识进行分类组织后，构建工艺知识库，在此基础上结合产品工艺设计规则建立工艺规则库；将工艺知识情境模型与工艺知识进行映射构建工艺知识情境案例库，从工艺知识情境模型抽取特征，构建工艺知识情境特征索引库，方便工艺知识情境模型的快速筛选。

工艺知识推荐过程分为如下3个阶段：

(1)需求感知阶段。在汽轮机工艺知识推荐过程中，通过对工艺设计任务进行感知，结合用户信息和用户知识行为构建工艺知识需求情境模型，以表达用户在进行工艺设计时的工艺知识需求。

(2)知识获取阶段。将工艺知识需求情境模型的情境特征属性与工艺知识情境特征索引库中的特征进行匹配，判断有无相同或相似的工艺知识情境。如果各个特征属性匹配完毕后，匹配值均高于阈值，则该工艺知识情境与工艺知识需求情境相似，将其加入工艺知识情境案例候选集中，后续进行情境匹配，计算出情境匹配值，获取满足阈值的工艺知识情境并根据情境匹配值进行排序，并获得满足阈值的工艺知识情境所映射的工艺知识；如果不存在相似的工艺知识情境，则通过工艺规则库中的工艺规则进行知识推理，得到满足用户需求的工艺知识。

图3 汽轮机工艺知识推荐模型

(3)知识推荐阶段。将获取到的工艺知识推荐给用户，工艺设计人员根据推荐的工艺知识进行选择、查阅、更改和完善以完成工艺设计任务。将本次解决工艺设计任务的解决方案储存到工艺知识情境案例库中，以便工艺知识重用。

3.2 情境模型匹配算法

在工艺知识推荐系统中，通过计算工艺知识需求情境模型与工艺知识情境案例库中的工艺知识情境模型相似度，匹配出用户所需的工艺知识情境案例。为了便于计算工艺知识需求情境模型与工艺知识情境模型间的相似度，可将情境模型转化成树状层次结构，称为情境模型树。

在情境模型树中，各个节点则是情境模型中的情境要素，其中，根节点没有父节点，叶子节点没有子节点，除根节点和叶子节点外的节点称为中间节点。依次计算对应节点相似度，最终加权得到两根节点间的相似度，即情境模型相似度。在情境模型树中，叶子节点和非叶子节点间的相似度采用不同的计算方法。

3.2.1 叶子节点相似度计算

假设e和e′分别为两情境模型树中对应的叶子节点，计算其相似度则是计算各属性间的相似度，进行加权求和得到，根据情境模型树中叶子节点的属性类型不同分别计算属性相似度。

(1)数值类属性。n1和n2分别为实体e和e′的数值类属性值，n1,n2∈n，max(n)、min(n)分别为该属性的最大值和最小值，则数值类属性的相似度计算公式为：

(1)

(2)确定区间类属性。(a,a′)和(b,b′)分别为e和e′的确定区间类属性的属性值，其相似度计算公式为：

(2)

(3)模糊区间类属性。模糊区间类属性指属性参数由区间值形式提供，且在参数区间内即可满足要求。为确定该类属性相似度，采用梯形函数对区间进行划分，如图4所示，在最优取值区间，其相似度为1，其余区间可由隶属函数关系表示为：

Simfr(e,e′)=

(3)

图4 模糊区间类属性的隶属度函数

(4)向量类属性。向量类属性的相似度通过调整余弦相似度的方式进行计算，如式(4)所示。

(4)

(5)集合类属性。当属性类型为集合类时，需计入其集合元素个数对匹配计算的影响，e和e′的该类属性中元素个数差异使用式(5)计算。

(5)

式中：count(e)用于计算e的集合类属性中元素数量。Diff(e,e′)值越大，表示其属性差异越小，设定阈值θ，当Diff(e,e′)<θ时，计入集合元素数目差异对匹配的影响。集合类属性相似度采用式(6)计算。

Sims(e,e′)=

(6)

(6)模糊类属性。采用[0,1]间的数值将模糊概念进行量化，则可以用式(7)对其进行相似度计算。

(7)

式中：f1和f2分别为e和e′的模糊类属性量化后的属性取值。

(7)对象类属性。对象类属性是指属性值为另一个情境要素的属性。定义两个对象类属性的情境要素相同时其相似度为1，否则为0，则其相似度计算方法为：

(8)

式中：o1和o2分别为叶子节点e和e′的对象类属性。

根据属性相似度采用式(9)计算叶子节点相似度。

(9)

式中：e和e′为两个情境模型树中对应的叶子节点；n为与之对应的属性数量；ωk为叶子节点中第k个属性的权重值；sp(pk,pk′)为属性相似度大小。

3.2.2 非叶子节点相似度计算

对于情境模型树的非叶子节点，即中间节点和根节点，其相似度计算公式为：

(10)

式中：E和E′为两个情境模型树中对应的非叶子节点；m为E的子节点数量；ωi为E中第i个子节点的权重；Ei和Ei′分别为E和E′中第i个子节点；Sim(Ei,Ei′)为Ei和Ei′的相似度大小。

计算出各中间节点的相似度，最终计算出根节点间的相似度，即情境模型树的相似度，也是工艺知识需求情境模型与工艺知识情境模型间的相似度。

4 实例验证及应用

汽轮机叶片工作在高温、高应力、蒸汽激振力、腐蚀与磨蚀共同作用的苛刻环境中，对材料和加工工艺均提出了很高的要求，合理的工艺规划直接影响到产品的安全运行。为了验证所提的工艺知识推荐方法，将其应用到某型号汽轮机等截面直叶片的加工工艺设计中。具体过程如下：

(1)汽轮机工艺知识需求情境模型构建。为了便于计算，对汽轮机叶片工艺知识需求情境模型进行了一定的简化，形成如表1所示的汽轮机叶片工艺知识需求情境模型，其中各个节点的括号中的数值表示该节点与其父节点间的权重。

表1 汽轮机叶片工艺知识需求情境模型

(2)筛选工艺知识情境案例候选集。通过汽轮机叶片工艺知识需求情境模型的关键特征属性与工艺知识情境特征索引库中的工艺知识情境特征模型进行匹配，过滤掉与当前工艺设计任务中不同材料和毛坯以及非等截面直叶片加工工艺设计的工艺知识情境案例，得到如表2所示的工艺知识情境案例候选集。

表2 工艺知识情境案例候选集

(3)工艺知识需求情境模型与工艺知识情境模型匹配。通过情境模型匹配算法计算出工艺知识需求情境模型与工艺知识情境案例候选集中工艺知识情境模型的相似度。首先，根据叶子节点属性类型计算工艺知识需求情境模型与工艺知识情境模型的各叶子节点相似度，结果如表3所示；然后根据各叶子节点的相似度，依次计算情境模型树中各中间节点的相似度，最终计算出情境模型树的根节点相似度，即工艺知识需求情境模型与工艺知识情境模型的相似度。

表3 工艺知识需求情境模型与工艺知识情境模型各叶子节点相似度

同样地，计算出其他工艺知识情境模型与工艺知识需求情境模型的相似度，如表4所示。

表4 工艺知识需求情境模型与工艺知识情境模型相似度

(4)汽轮机叶片加工工艺知识推荐。获取情境模型相似度满足阈值0.9的工艺知识情境案例，并根据情境模型相似度、任务模型相似度和用户模型相似度进行综合排序，结果分别对应表4中的案例3、案例2，获取与其相映射的工艺知识推荐给用户。案例3对应的工艺知识为{J2631.042015.010_动叶片机械加工工艺过程卡，J2631.042015.010_动叶片机械加工工序卡片，J2631.042015.010_动叶片检验卡片，……}。

(5)工艺知识应用和更新。工艺设计人员根据推荐的工艺知识进行查阅、更改和完善以完成工艺设计任务。将完成本次工艺设计任务的解决方案储存到工艺知识情境案例库中，以便工艺知识重用。

5 结论

面对企业在工艺设计活动中因知识资源繁多和用户检索能力差异造成的“知识迷航”问题，提出了基于情境模型匹配的工艺知识推荐方法。通过对汽轮机工艺设计过程中的工艺知识活动进行分析，构建了汽轮机工艺知识情境模型和工艺知识表示模型，并通过工艺知识使用日志、知识推理以及领域专家经验知识等途径，将汽轮机工艺知识情境和工艺知识进行映射形成工艺知识情境案例库。构建了汽轮机工艺知识推荐模型，通过工艺知识需求情境模型与工艺知识情境模型的匹配算法，实现了基于情境匹配的工艺知识推荐方法。最后以某型号汽轮机叶片的工艺设计过程的工艺知识推送为例，验证了该方法的可行性和有效性。由于汽轮机工艺知识复杂，工艺知识推荐技术还有很多问题需要深入研究，针对不同应用情境的工艺知识，研究由不同粒度的工艺知识情境要素所构建的工艺知识情境模型进行描述，从而适应复杂的工艺知识应用情境；结合知识图谱等信息技术，逐步完善工艺知识组织和推理机制，为用户提供更为个性化的工艺知识推荐服务。