大规模知识图谱驱动的复杂产品方案创新设计方法及其应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    51805473
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    郏维强
  • 依托单位：
    浙江大学
  • 学科分类：
    E0506.机械设计学
  • 结题年份：
    2021
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2021-12-31

项目摘要

For the purpose of improving the scheme innovative design ability, the systematic theory and methods of scheme innovative design of complex products driven by large-scale knowledge graph is proposed while after deeply researching on the property of scheme design knowledge of complex products and its self-assembly and self-evolutionary law. Then the self-learning and self-expansion of scheme design knowledge graph is realized by knowledge entity recognition, relation extraction and entity link, the implicit scheme design knowledge is intelligently found and precisely pushed by the reasoning and mining of the relation and syntax matching in multiple ways, and the scheme innovative design result is derived and evolved by reducing the conflict dimensions and regenerate the mutated structure. Further, establish a complete model with algorithms for the self-assembly, self-evolution, self-reasoning and self-solution scheme innovative design knowledge of complex products, and develop a software prototype named complex product knowledge graph management and scheme innovative design. The proposed theory and method will provide theoretical basis for self-building and merging evolution of large-scale scheme design knowledge graph, and will provide theoretical basis of implicit knowledge mining and navigation of large-scale scheme design knowledge graph, and it will also provide theoretical basis for scheme adaption and evolution of large-scale scheme design knowledge graph. Finally, it is helpful to enrich and improve the theory and application for scheme innovative design of complex products.
在深入研究复杂产品方案设计知识语料库自组装与自演化规律的基础上，以提高复杂产品方案创新设计能力为核心，较为系统地提出了大规模知识图谱驱动的复杂产品方案创新设计理论与方法。通过设计知识实体辨识、关系抽取和语义链接实现产品方案设计领域知识图谱的自学习与自扩张，通过隐含设计知识关系推理挖掘与句法多维匹配实现隐含设计知识的自我发现与精准推送，通过矛盾降维与反馈变异实现创新设计方案的映射求解与进化再生。建立复杂产品方案创新设计知识自组装、自演化、自推理和自求解的一整套模型与算法，开发复杂产品设计知识图谱管理与方案创新设计软件原型系统。为方案设计领域大规模知识图谱的自主构建和融合演化提供理论基础，为方案设计领域大规模知识图谱的隐含知识挖掘与推理导航提供技术支撑，为大规模知识图谱驱动方案创新设计的方案适配与进化再生提供方法支持，有助于丰富和完善知识驱动的复杂产品方案创新设计的理论与应用体系。

结项摘要

创新设计是增强产品核心竞争力的根本途径，而知识则是产品创新设计的重要驱动力。知识图谱在传统知识抽象信息表达的基础功能之外增加了有向图结构，这也为复杂产品创新设计过程中知识的关联分析和挖掘推理提供了可行路径。本项目提出了大规模知识图谱驱动的复杂产品方案创新设计方法及应用，为创新设计的知识表达、大规模知识图谱自主构建与演化、设计知识的精准匹配与高效导航、知识驱动的创新设计方案映射建模与优化求解提供了有力保障。采用基于语义网络和RDFS混合的方法和框架对设计知识进行表达；提出了基于深度学习的设计领域知识图谱自主构建与演化方法，实现了设计领域知识图谱的自组织与自生长；提出了基于知识嵌入与语义理解的设计知识匹配与导航技术，实现了设计知识的适配推送与精确触达；提出了知识驱动的创新设计方案映射建模与优化求解技术，实现了复杂产品创新设计方案的有效生成；研发了复杂产品知识图谱管理与创新设计系统，为工程领域复杂产品创新设计提供了有力支撑。项目组在国内外学术期刊及会议发表学术论文10篇，其中高水平SCI论文7篇；参加国际电气与电子工程师学会（IEEE）主办、中国计算机学会推荐的高水平人工智能领域国际会议1人次，并作分会场Oral学术报告；申请国家发明专利11项，其中授权4项；获得软件著作权3项；项目负责人郏维强在项目执行期内赴加拿大滑铁卢大学、维多利亚大学和安大略理工大学进行学术访问，并应机械工程学报编辑部JME学院邀请做关于“知识图谱在智能制造领域的应用”线上学术报告，听众规模3000多人；项目负责人郏维强获得2019年第四届中国科协优秀科技论文奖（全国98篇）。项目投入直接经费25万元，支出15.4187万元，剩余经费9.5813万元将用于本项目研究的后续支出。

项目成果

期刊论文数量（8）
专著数量（0）
科研奖励数量（1）
会议论文数量（1）
专利数量（1）
Remaining Useful Life Prediction Using a Novel Feature-Attention-Based End-to-End Approach
使用基于特征注意力的新颖端到端方法进行剩余使用寿命预测
  • DOI：
    10.1109/tii.2020.2983760
  • 发表时间：
    2021-02-01
  • 期刊：
    IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS
  • 影响因子：
    12.3
  • 作者：
    Liu, Hui;Liu, Zhenyu;Lin, Xianke
  • 通讯作者：
    Lin, Xianke
A multi-head neural network with unsymmetrical constraints for remaining useful life prediction
具有不对称约束的多头神经网络剩余使用寿命预测
  • DOI：
    10.1016/j.aei.2021.101396
  • 发表时间：
    2021-10
  • 期刊：
    Advanced Engineering Informatics
  • 影响因子：
    8.8
  • 作者：
    Zhenyu Liu;Hui Liu;Weiqiang Jia;Donghao Zhang;Jianrong Tan
  • 通讯作者：
    Jianrong Tan
Tool wear estimation using a CNN-transformer model with semi-supervised learning
使用带有半监督学习的 CNN-transformer 模型进行刀具磨损估计
  • DOI：
    10.1088/1361-6501/ac22ee
  • 发表时间：
    2021-12-01
  • 期刊：
    MEASUREMENT SCIENCE AND TECHNOLOGY
  • 影响因子：
    2.4
  • 作者：
    Liu, Hui;Liu, Zhenyu;Tan, Jianrong
  • 通讯作者：
    Tan, Jianrong
A novel transformer-based neural network model for tool wear estimation
一种基于变压器的新型刀具磨损估计神经网络模型
  • DOI：
    10.1088/1361-6501/ab7282
  • 发表时间：
    2020-06-01
  • 期刊：
    MEASUREMENT SCIENCE AND TECHNOLOGY
  • 影响因子：
    2.4
  • 作者：
    Liu, Hui;Liu, Zhenyu;Zhang, Shuo
  • 通讯作者：
    Zhang, Shuo
An adversarial bidirectional serial-parallel LSTM-based QTD framework for product quality prediction
用于产品质量预测的基于 LSTM 的对抗性双向串并行 QTD 框架
  • DOI：
    10.1007/s10845-019-01530-8
  • 发表时间：
    2020-08-01
  • 期刊：
    JOURNAL OF INTELLIGENT MANUFACTURING
  • 影响因子：
    8.3
  • 作者：
    Liu, Zhenyu;Zhang, Donghao;Liu, Hui
  • 通讯作者：
    Liu, Hui

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于空间结构隐Markov模型的故障诊断
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机集成制造系统
  • 影响因子：
    --
  • 作者：
    龚勋;冯毅雄;谭建荣;郏维强
  • 通讯作者：
    郏维强
制造资源混合粒度优化组合方案求解技术
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    计算机辅助设计与图形学学报
  • 影响因子：
    --
  • 作者：
    郏维强;冯毅雄;谭建荣;魏喆;安相华
  • 通讯作者：
    安相华
环境胁迫响应的潜在故障适应性修复方法
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    机械工程学报
  • 影响因子：
    --
  • 作者：
    龚勋;冯毅雄;谭建荣;郏维强
  • 通讯作者：
    郏维强
基于领地行为的多目标粒子群算法及在板翅换热器设计中的应用
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    计算机集成制造系统
  • 影响因子：
    --
  • 作者：
    藏明君;张树有;郏维强;徐敬华
  • 通讯作者：
    徐敬华

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码