一种工业云机器人制造能力服务推荐方法技术

本发明专利技术涉及提供工业云机器人制造能力服务推荐方法，用于从海量制造服务中推荐满足功能需求和非功能需求的工业云机器人制造能力服务，该方法主要包括：构建融合工业云机器人模型、制造任务模型、制造能力服务模型和制造过程模型的工业云机器人制造过程信息模型；构建工业云机器人制造能力服务知识图谱；围绕时间、成本、能耗、失误率等优化目标，提出满足个性化需求和偏好的评分优选方法；利用知识表示学习，提出满足功能需求和非功能需求的工业云机器人制造能力服务推荐方案生成方法。与现有技术相比，本发明专利技术考虑用户个性化需求，基于知识表示学习，可对工业云机器人制造能力服务知识进行有效管理，有效从海量制造能力服务中推荐优质可靠的服务。荐优质可靠的服务。荐优质可靠的服务。

【技术实现步骤摘要】
一种工业云机器人制造能力服务推荐方法


[0001]本专利技术涉及工业云机器人与制造服务领域，更具体地说，涉及一种工业云机器人制造能力服务推荐方法。

技术介绍

[0002]工业云机器人将物理工业机器人的制造能力封装成可供用户使用的服务，有助于提升工业机器人制造能力。随着工业机器人在制造领域的广泛应用，服务信息爆炸式增长造成服务信息过载，快速有效地从海量制造服务中为用户推荐优质可靠的服务具有重要意义。
[0003]知识图谱提供一种有效组织、管理和理解海量信息的方法。知识表示学习将实体和关系表示为稠密的低维向量，对于知识推理具有重要意义。将知识图谱与工业云机器人相结合，对工业云机器人制造能力服务知识进行有效地组织管理，有效利用高质量的制造能力服务知识。现有的工业云机器人制造能力服务推荐方法难以对工业云机器人制造服务知识进行有效管理和利用，并且难以满足用于个性化的需求。

技术实现思路

[0004]本专利技术要解决的技术问题在于，提供一种工业云机器人制造能力服务推荐方法，在对工业云机器人制造服务知识进行有效管理的前提下，针对不同的制造任务，对工业云机器人制造能力服务知识进行有效管理，有效从海量制造能力服务中推荐优质可靠的服务。
[0005]本专利技术解决其技术问题所采用的技术方案是：构造一种工业云机器人制造能力服务推荐方法，用于推荐满足功能需求和非功能需求的工业云机器人制造能力服务，包括以下步骤：
[0006]1)构建融合工业云机器人模型、制造任务模型、制造能力服务模型和制造过程模型的工业云机器人制造过程信息模型；
[0007]2)构建给予工业云机器人制造过程信息模型的工业云机器人制造能力服务知识图谱；
[0008]3)围绕时间、成本、能耗和失误率等目标，提出满足用户个性化需求和偏好的服务评分优选方法；
[0009]4)结合知识表示学习模型进行链接预测，提出满足功能需求和非功能需求的工业云机器人制造能力服务推荐方案生成方法。
[0010]优选的，步骤1)中，通过以下内容构建工业云机器人制造过程信息模型：
[0011]建立工业云机器人模型；主要描述工业云机器人基本信息和能力信息，基本信息包括工业云机器人的ID、名称、类型、地理位置等静态属性；能力信息包括工业云机器人的技术参数(如最大角速度、工作环境温度、最大角速度)和提供的制造能力服务。
[0012]工业云机器人模型信息如下表1所示。
[0013]表1工业云机器人模型信息
[0014][0015]建立制造任务模型；主要包括任务名称、任务类型、任务内容、任务目标等信息。
[0016]制造任务信息如下表2所示。
[0017]表2制造任务信息
[0018][0019]建立制造能力服务模型；主要包括三个方面：基本属性(如服务id、服务名称、服务类型等)、功能属性(即服务可以完成的任务或子任务)和服务耗费的时间、能耗等非功能属性。
[0020]制造能力服务模型信息如下表3所示。
[0021]表3制造能力服务模型信息
[0022][0023]建立制造过程模型；描述当前正在执行的任务状态、任务约束和制造过程数据。制造过程模型表示如下：
[0024]Task_Process＝{Task_status,Task_Conditions,Process_data}
[0025]所述步骤2)中，通过以下内容构建给予工业云机器人制造过程信息模型的工业云机器人制造能力服务知识图谱：
[0026]知识图谱可以对现实世界的事物及其相互关系进行形式化地描述。知识图谱中结点代表实体或者概念，边代表实体/概念的关系和属性。
[0027]基于工业云机器人模型、制造任务模型、制造能力服务模型和制造过程模型，结合历史经验数据和专家知识，经过实体抽取、关系抽取和属性抽取，采用实体消歧，构建工业云机器人制造能力服务知识图谱。知识图谱G表示如下：
[0028]G＝<E,R,S>
[0029]其中，E＝{e1,e2,
…
,e
|E|
}是知识库中的实体集合，共包含|E|种不同的实体；R＝{r1,r2,
…
,r
|R|
}是知识库中的关系集合，共包含|R|种不同的关系；代表知识库中的三元组集合。
[0030]在统一的实体和关系空间中，工业云机器人制造能力服务知识图谱中任意一个三元组可以描述为：
[0031]S＝{(h,r,t)|h,t∈E,r∈R}
[0032]其中，向量h表示头实体，t表示尾实体，r表示头实体和尾实体之间的关系。
[0033]所述步骤3)中，满足用户个性化需求和偏好的服务评分优选方法如下：
[0034]根据时间、成本、能耗和失误率四个非功能属性，结合用户自定义权重对候选服务集中满足用户需求和偏好的服务进行评分优选，描述为：
[0035]NFI＝{Time,Cost,Energy_cost,Failure_rate}
[0036]其中，Time指服务执行子任务所需要的时间，包括执行任务时间和物流时间；Cost指完成任务的成本，包含加工成本和物流成本；Energy_cost指完成任务的能耗；Failure_rate指服务执行任务的失败率。
[0037]时间、成本、能耗和失误率的量纲是不同的，需对每个指标进行归一化，归一化公
式如下：
[0038][0039]其中，p
i
表示候选服务集中的第i个服务；表示的是候选服务集中第i个服务的第j个属性值；max(p
j
)表示第j种非功能属性的最大值；min(p
j
)表示的是第j种非功能属性的最小值。表示第i个服务的第j个非功能属性标准化以后的值。
[0040]计算候选服务集中每个服务的评分，将评分结果靠前服务作为推荐结果向用户返回，评分计算公式如下：
[0041][0042]其中，ω1、ω2、ω3和ω4是由用户给定的时间、成本、能耗和失误率的权值。
[0043]所述步骤4)中，满足功能需求和非功能需求的工业云机器人制造能力服务推荐方案生成方法如下：
[0044]对制造任务进行任务分解，将一个制造任务分解为其子任务集；
[0045]采用TransE算法对知识图谱进行知识表示学习，习得工业云机器人制造能力服务知识图谱知识表示学习模型；
[0046]为了进一步提高工业云机器人制造能力服务推荐结果的有效性，对TransE的负样本生成策略进行优化，主要包括以下过程：
[0047](1)根据伯努利分布，确定被替换的实体；
[0048](2)构建候选实体集；
[0049](3)构建候选负三元组；
[0050](4)筛选候选负三元组；
[0051](5)判断候选负三元组是否在训练集中，生成负三元组。
[0052]确定被替本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业云机器人制造能力服务推荐方法，其特征在于，包括以下步骤：1)构建融合工业云机器人模型、制造任务模型、制造能力服务模型和制造过程模型的工业云机器人制造过程信息模型；2)结合工业云机器人制造过程信息模型，构建工业云机器人制造能力服务知识图谱；3)围绕时间、成本、能耗和失误率优化目标，提出满足用户个性化需求和偏好的服务评分优选方法；4)结合知识表示学习模型进行链接预测，提出满足功能需求和非功能需求的工业云机器人制造能力服务推荐方案生成方法。2.根据权利要求1所述的工业云机器人制造能力服务推荐方法，其特征在于，在所述的步骤1)中，所述工业云机器人模型描述工业云机器人基本信息和能力信息，基本信息包括工业云机器人的ID、名称、类型、地理位置；能力信息包括工业云机器人的技术参数和提供的制造能力服务；所述制造任务模型包括任务名称、任务类型、任务内容、任务目标；所述制造能力服务模型包括基本属性、功能属性和非功能属性，基本属性包括服务id、服务名称和服务类型，功能属性包括服务可以完成的任务或子任务，非功能属性包括服务耗费的时间和能耗；所述制造过程模型包括当前正在执行的任务状态、任务约束和制造过程数据。3.根据权利要求1所述的工业云机器人制造能力服务推荐方法，其特征在于，在所述的步骤2)中，构建工业云机器人制造能力服务知识图谱的方法如下：(1)基于工业云机器人模型、制造任务模型、制造能力服务模型和制造过程模型，结合经验数据和专家知识，经过实体抽取、关系抽取和属性抽取，采用实体消歧，构建工业云机器人制造能力服务知识图谱；(2)知识图谱G表示如下：G＝<E,R,S>其中，E＝{e1,e2,
…
,e
|E|
}是知识库中的实体集合，共包含|E|种不同的实体；R＝{r1,r2,
…
,r
|R|
}是知识库中的关系集合，共包含|R|种不同的关系；代表知识库中的三元组集合；(3)在统一的实体和关系空间中，工业云机器...

【专利技术属性】
技术研发人员：徐文君，邓霄，刘佳宜，姚碧涛，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：