面向航天器装配现场技术问题的知识推荐方法及系统技术方案

本发明专利技术提供了一种面向航天器装配现场技术问题的知识推荐方法及系统，包括：构建技术问题知识实例和技术问题场景的组织模型；获取数据库中的历史技术问题信息，按照技术问题知识实例和技术问题场景的组织模型整编历史数据，形成技术问题知识实例库和问题场景集合；对问题场景中的文本数据进行主题建模，得到各知识实例的场景主题向量；基于场景主题向量对知识实例中的关键属性进行筛选，与场景主题向量组合形成技术问题特征向量；识别当前技术问题的场景，并基于已有的主题模型和编码规则对当前问题场景进行向量化，进行知识推荐。本发明专利技术解决了当前航天器装配现场技术问题难预测、现有知识推荐方法难适用的问题。现有知识推荐方法难适用的问题。现有知识推荐方法难适用的问题。

【技术实现步骤摘要】
面向航天器装配现场技术问题的知识推荐方法及系统


[0001]本专利技术涉及知识推荐领域，具体地，涉及一种面向航天器装配现场技术问题的知识推荐方法及系统。

技术介绍

[0002]航天器(如卫星、飞船、空间站等)的生产属于单件、小批量的研制型生产，航天器装配是典型的离散型作业，对于新研制的型号，无法保证产品设计和工艺设计完全正确，很多问题在现场装配过程中才暴露出来。这些现场技术问题一旦出现，就需要及时地解决，保证型号研制进度。因此，研究面向航天器装配现场技术问题的知识挖掘和推荐方法，并针对当前问题及时、准确地推荐合适的解决方案，是极为必要的。
[0003]目前，针对生产制造过程现场技术问题的研究主要分为2大类：
①
风险预警和管控；
②
知识推荐。风险预警和管控技术的特点是事前控制，在生产活动开始前准确评估制造系统的可靠性，保障生产平稳有序；知识推荐的特点是事中处理，是指在问题发生时快速、准确地将解决问题所需的知识推荐给用户，主要方法是对事件和用户需求进行建模，实现需求和知识的规范化表征，并基于此进行知识匹配和推荐。随着数据挖掘技术的发展，使用主题模型和协同过滤等算法的知识推荐方法得到广泛研究。
[0004]由于航天产品生产过程是研制型生产，很多问题在装配现场才会暴露出来，难以构建适用的预警系统；而知识推荐算法的精度依赖于对领域特征的准确建模，不同领域之间知识推荐模型的扩展性、通用性较差，因此现有研究成果不适用于航天器装配现场技术问题的处理过程。同时，当前知识推荐模型通常针对技术问题的某个因素(如设备、工艺、专家因素等)开展研究，缺乏从整体对技术问题的场景、关键因素等的分析研究。

技术实现思路

[0005]针对现有技术中的缺陷，本专利技术的目的是提供一种面向航天器装配现场技术问题的知识推荐方法及系统。
[0006]根据本专利技术提供的一种面向航天器装配现场技术问题的知识推荐方法，包括：
[0007]步骤S1：构建技术问题知识实例和技术问题场景的组织模型；
[0008]步骤S2：获取数据库中的历史技术问题信息，按照技术问题知识实例和技术问题场景的组织模型整编历史数据，形成技术问题知识实例库和问题场景集合；
[0009]步骤S3：对问题场景中的文本数据进行主题建模，得到各知识实例的场景主题向量；
[0010]步骤S4：基于场景主题向量对知识实例中的关键属性进行筛选，与场景主题向量组合形成技术问题特征向量；
[0011]步骤S5：识别当前技术问题的场景，并基于已有的主题模型和编码规则对当前问题场景进行向量化，进行知识推荐。
[0012]优选地，在所述步骤S1中：
[0013]技术问题知识实例的定义为：
[0014]KC＝{Object,Attributes,Description,Reason,Scheme,Process,Result}
[0015]其中：Object为发生技术问题的对象，由一个五元组表示：
[0016]Object＝(Model,Stage,Assembly
‑
Stage,Product
‑
Code,Product
‑
Name)
[0017]其中：Model是航天器的型号；Stage是研制阶段，由枚举类进行表示，包括模样、初样和正样阶段；Assembly
‑
Stage表示航天器当前的装配阶段，由枚举类进行表示；Product
‑
Code表示产品的代号；Product
‑
Name表示产品的名称；
[0018]Attributes为技术问题处理单的结构化属性信息：
[0019]Attributes＝(Reason
‑
Type,Department,Date,Staff)
[0020]其中：Reason
‑
Type为问题原因分类，通过枚举类进行表示，Reason
‑
Type∈{设计,工艺,操作,设备,器材,管理,其他}；Department为问题提出单位或部门；Date为问题提出日期；Staff为参与问题解决的人员，相关人员在问题处理的各个环节进行会签，姓名和签署日期显示在单据中；
[0021]Description为问题现象描述，描述发生问题的具体环境和现象；
[0022]Reason为原因分析，基于问题现象描述对可能的原因进行分析；
[0023]Scheme为处理方案，基于原因分析结果给出解决问题的措施和操作步骤；
[0024]Process为实施工艺，由工艺师在处理方案的基础上编制出正式的实施工艺，操作人员参照工艺内容进行操作；
[0025]Result为实施结果，表明问题是否得到解决；
[0026]技术问题场景的定义为：
[0027]TPS＝{Description,Reason,Key
‑
Attribute}
[0028]其中：Key
‑
Attribute选取技术问题知识实例KC中能表达案例分类特征的属性。
[0029]优选地，在所述步骤S2中：
[0030]历史技术问题处理信息中存在与现场技术问题相关的文本描述信息，技术问题处理单中包括问题现象描述、原因分析、处理方案、实施工艺和实施结果，这些信息以自然语言的形式分布在技术问题处理单中，技术问题处理单包含结构化属性信息和会签人员信息；
[0031]组织技术问题场景集合时，将技术问题知识实例中的Object和Attributes中的所有属性列出来，作为技术问题场景的临时关键属性。
[0032]优选地，在所述步骤S3中：
[0033]问题场景中的文本数据由Description和Reason数据组合而成，作为问题场景综合描述信息，通过文本预处理操作后，形成问题场景文本语料库；
[0034]使用LDA主题模型将各知识实例的场景综合描述信息向量化，得到各知识实例的场景主题向量；
[0035]对问题场景中的文本数据进行主题建模的步骤包括：
[0036]对于技术问题场景集合{TPS1,TPS2,
…
,TPS
CN
}，将TPS
i
中的Description
i
和Reason
i
组合形成场景综合描述文本d
i
；
[0037]对场景综合描述文本集合D＝{d1,d2,
…
,d
CN
}进行LDA主题建模，得到每个d
i
的主题概率分布向量θ
i
，θ
i
的维度和LDA模型的主题数K相同，记为：
[0038]优选地，在所述步骤S4中：
[0039]基于场景主题向量特征分类的关键属性筛选方法步骤如下：...

【技术保护点】

【技术特征摘要】
1.一种面向航天器装配现场技术问题的知识推荐方法，其特征在于，包括：步骤S1：构建技术问题知识实例和技术问题场景的组织模型；步骤S2：获取数据库中的历史技术问题信息，按照技术问题知识实例和技术问题场景的组织模型整编历史数据，形成技术问题知识实例库和问题场景集合；步骤S3：对问题场景中的文本数据进行主题建模，得到各知识实例的场景主题向量；步骤S4：基于场景主题向量对知识实例中的关键属性进行筛选，与场景主题向量组合形成技术问题特征向量；步骤S5：识别当前技术问题的场景，并基于已有的主题模型和编码规则对当前问题场景进行向量化，进行知识推荐。2.根据权利要求1所述的面向航天器装配现场技术问题的知识推荐方法，其特征在于，在所述步骤S1中：技术问题知识实例的定义为：KC＝{Object,Attributes,Description,Reason,Scheme,Process,Result}其中：Object为发生技术问题的对象，由一个五元组表示：Object＝(Model,Stage,Assembly
‑
Stage,Product
‑
Code,Product
‑
Name)其中：Model是航天器的型号；Stage是研制阶段，由枚举类进行表示，包括模样、初样和正样阶段；Assembly
‑
Stage表示航天器当前的装配阶段，由枚举类进行表示；Product
‑
Code表示产品的代号；Product
‑
Name表示产品的名称；Attributes为技术问题处理单的结构化属性信息：Attributes＝(Reason
‑
Type,Department,Date,Staff)其中：Reason
‑
Type为问题原因分类，通过枚举类进行表示，Reason
‑
Type∈{设计,工艺,操作,设备,器材,管理,其他}；Department为问题提出单位或部门；Date为问题提出日期；Staff为参与问题解决的人员，相关人员在问题处理的各个环节进行会签，姓名和签署日期显示在单据中；Description为问题现象描述，描述发生问题的具体环境和现象；Reason为原因分析，基于问题现象描述对可能的原因进行分析；Scheme为处理方案，基于原因分析结果给出解决问题的措施和操作步骤；Process为实施工艺，由工艺师在处理方案的基础上编制出正式的实施工艺，操作人员参照工艺内容进行操作；Result为实施结果，表明问题是否得到解决；技术问题场景的定义为：TPS＝{Description,Reason,Key
‑
Attribute}其中：Key
‑
Attribute选取技术问题知识实例KC中能表达案例分类特征的属性。3.根据权利要求1所述的面向航天器装配现场技术问题的知识推荐方法，其特征在于，在所述步骤S2中：历史技术问题处理信息中存在与现场技术问题相关的文本描述信息，技术问题处理单中包括问题现象描述、原因分析、处理方案、实施工艺和实施结果，这些信息以自然语言的形式分布在技术问题处理单中，技术问题处理单包含结构化属性信息和会签人员信息；组织技术问题场景集合时，将技术问题知识实例中的Object和Attributes中的所有属
性列出来，作为技术问题场景的临时关键属性。4.根据权利要求1所述的面向航天器装配现场技术问题的知识推荐方法，其特征在于，在所述步骤S3中：问题场景中的文本数据由Description和Reason数据组合而成，作为问题场景综合描述信息，通过文本预处理操作后，形成问题场景文本语料库；使用LDA主题模型将各知识实例的场景综合描述信息向量化，得到各知识实例的场景主题向量；对问题场景中的文本数据进行主题建模的步骤包括：对于技术问题场景集合{TPS1,TPS2,
…
,TPS
CN
}，将TPS
i
中的Description
i
和Reason
i
组合形成场景综合描述文本d
i
；对场景综合描述文本集合D＝{d1,d2,
…
,d
CN
}进行LDA主题建模，得到每个d
i
的主题概率分布向量θ
i
，θ
i
的维度和LDA模型的主题数K相同，记为：5.根据权利要求1所述的面向航天器装配现场技术问题的知识推荐方法，其特征在于，在所述步骤S4中：基于场景主题向量特征分类的关键属性筛选方法步骤如下：将知识实例中的Object和Attributes中的所有属性都列出来，作为临时关键属性，用Key
‑
Attribute
t
表示；选取待测属性Attribute
i
∈Key
‑
Attribute
t
，针对Attribute
i
的不同取值，从知识实例库中选取相同数量的实例组成样本集合，并划分训练集和测试集；以样本的场景主题向量为特征...

【专利技术属性】
技术研发人员：赵文浩，王治，万峰，邢香园，陈小弟，吴剑锋，陈伟男，陈瑞启，
申请(专利权)人：上海卫星装备研究所，
类型：发明
国别省市：