專利名稱：：用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于機(jī)械產(chǎn)品開發(fā)
技術(shù)領(lǐng)域：
，涉及到機(jī)械產(chǎn)品設(shè)計制造過程中非規(guī)范性知識表示、非規(guī)范性知識粒度、非規(guī)范性知識基元結(jié)構(gòu)與獲取方法及知識庫系統(tǒng)實現(xiàn)方法。二
背景技術(shù)：
：為了適應(yīng)當(dāng)前機(jī)械產(chǎn)品裝備市場快速多變的要求，機(jī)械產(chǎn)品開發(fā)技術(shù)正在向智能化、數(shù)字化和支持創(chuàng)新設(shè)計的技術(shù)方向發(fā)展，而智能化、數(shù)字化與創(chuàng)新設(shè)計是建立在對相關(guān)數(shù)據(jù)信息和知識快速有效的獲取、處理、傳遞和應(yīng)用基礎(chǔ)之上的。機(jī)械產(chǎn)品設(shè)計制造
技術(shù)領(lǐng)域：
的知識內(nèi)涵豐富，具有多樣性、復(fù)雜性、經(jīng)驗性和非規(guī)范性等特點(diǎn)，在相當(dāng)程度上增加了對設(shè)計制造知識進(jìn)行有效的歸納、整理、挖掘、獲取和應(yīng)用的難度，為企業(yè)知識管理信息系統(tǒng)中知識的交互與共享帶來了困難。如何減小和消除信息資源的非規(guī)范性的不利影響，最終實現(xiàn)面向機(jī)械產(chǎn)品設(shè)計制造知識快速有效的獲取、應(yīng)用并構(gòu)建機(jī)械產(chǎn)品設(shè)計制造知識庫系統(tǒng)，是實現(xiàn)產(chǎn)品創(chuàng)新設(shè)計、智能化和數(shù)字化設(shè)計和制造的關(guān)鍵技術(shù)之一。機(jī)械產(chǎn)品設(shè)計過程中非規(guī)范性知識是指產(chǎn)品開發(fā)過程中存在的不確定、不精確、不完備、不協(xié)調(diào)和不穩(wěn)定的知識資源。非規(guī)范性知識具有數(shù)據(jù)類型復(fù)雜，數(shù)據(jù)格式不統(tǒng)一，既有結(jié)構(gòu)化數(shù)據(jù)，也有半結(jié)構(gòu)化和非結(jié)構(gòu)化的非規(guī)范性數(shù)據(jù)。非規(guī)范性設(shè)計知識不具備嚴(yán)格而統(tǒng)一的數(shù)據(jù)結(jié)構(gòu)，難以按照統(tǒng)一的格式進(jìn)行標(biāo)準(zhǔn)化處理，極大地增加了數(shù)據(jù)管理的難度。在企業(yè)的知識管理信息系統(tǒng)中，較難進(jìn)行非規(guī)范性設(shè)計制造知識準(zhǔn)確和快速的獲取，也難以直接對其進(jìn)行數(shù)據(jù)挖掘和知識發(fā)現(xiàn)等增值性開發(fā)和利用。具有不確定性特征的非規(guī)范性知識處理技術(shù)也一直是人工智能研究的重要課題之一。國內(nèi)外學(xué)者先后提出了主觀Bayes方法、可能性理論和證據(jù)理論等傳統(tǒng)方法，近年來產(chǎn)生了灰色系統(tǒng)理論、粗集理論、概念圖、人工神經(jīng)網(wǎng)絡(luò)等知識處理方法，有許多研究人員在致力于研究各種理論和方法的融合，力圖找到更好的處理非規(guī)范性知識的方法。目前，國外的一些著名大學(xué)相繼建立了針對非規(guī)范性知識處理原理和不確定性問題研究方面的交叉研究機(jī)構(gòu)，例如美國卡耐基梅隆大學(xué)(CarnegieMellonUniversity)成立了"不確定性研究中心"，該中心聯(lián)合了西北大學(xué)(NorthwesternUniversity)等高校，得到美國工業(yè)界和國家實驗室的廣泛支持。針對非規(guī)范知識處理的研究問題，中國科學(xué)院數(shù)學(xué)與系統(tǒng)研究院陸汝鈐院士提出從理論和技術(shù)應(yīng)用方面展開對非規(guī)范知識的研究，并以生命科學(xué)中的非規(guī)范知識處理、軟件工程中的非規(guī)范知識和語言學(xué)中的非規(guī)范知識處理問題為對象，開展海量非規(guī)范知識庫、示范性語義網(wǎng)和通用網(wǎng)上知識獲取實驗平臺的研究工作。西安交通大學(xué)謝友柏院士提出產(chǎn)品創(chuàng)新設(shè)計的核心是知識的獲取，進(jìn)行了設(shè)計知識獲取、分布式設(shè)計資源的構(gòu)造及利用等工作。上海交通大學(xué)APEX數(shù)據(jù)與知識管理實驗室進(jìn)行了下一代搜索技術(shù)、語義萬維網(wǎng)(SemanticWeb)等數(shù)據(jù)與知識管理方面的研究工作，目的是幫助人們從各種各樣的結(jié)構(gòu)化或非結(jié)構(gòu)化、非規(guī)范性的信息中更好地獲得管理所需要的知識。目前國內(nèi)在非規(guī)范性知識獲取技術(shù)研究方面還處于起步階段，還沒有專門針對機(jī)械產(chǎn)品設(shè)計制造領(lǐng)域的非規(guī)范知識獲取技術(shù)研究成果報導(dǎo)，非規(guī)范知識獲取技術(shù)已成為機(jī)械設(shè)計制造知識庫構(gòu)建與應(yīng)用的新課題。綜觀當(dāng)前國內(nèi)外研究進(jìn)展與成果，在機(jī)械工程領(lǐng)域非規(guī)范性知識處理與獲取技術(shù)研究中還存在著以下明顯的問題及亟待解決的技術(shù)難點(diǎn)(1)缺乏對機(jī)械設(shè)計過程中非規(guī)范性知識的特征與描述方法的研究，需要對機(jī)械產(chǎn)品設(shè)計制造的不同知識資源應(yīng)用和發(fā)現(xiàn)的案例進(jìn)行歸納統(tǒng)計，分析非規(guī)范知識在人類專家認(rèn)知思維過程中所起的作用、應(yīng)用模式和特征，進(jìn)行基于非規(guī)范知識的認(rèn)知模式、獲取與發(fā)現(xiàn)方法的研究工作；(2)在非規(guī)范知識粒度概念模型與非規(guī)范知識基元結(jié)構(gòu)形式研究方面，關(guān)鍵之處在于提出適用于機(jī)械產(chǎn)品設(shè)計制造知識在含義和結(jié)構(gòu)上存在的非規(guī)范知識的表示和獲取方法。國內(nèi)外現(xiàn)有技術(shù)方法主要集中在對機(jī)械設(shè)計過程中的規(guī)范性知識的描述與處理方法方面，設(shè)計知識表示仍多用傳統(tǒng)的產(chǎn)生式規(guī)則、框架、語義網(wǎng)絡(luò)、一階謂詞邏輯、面向?qū)ο蟮刃问交Ｐ?，不能適應(yīng)非規(guī)范知識表示和獲取的需要；(3)非規(guī)范知識獲取方法與工具開發(fā)技術(shù)。關(guān)鍵問題是如何有效提供一種機(jī)械產(chǎn)品設(shè)計制造知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架以及原型軟件系統(tǒng)。
發(fā)明內(nèi)容針對機(jī)械產(chǎn)品設(shè)計制造領(lǐng)域的非規(guī)范知識獲取技術(shù)研究現(xiàn)狀，本發(fā)明的目的旨在提供一種用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，以實現(xiàn)機(jī)械產(chǎn)品設(shè)計制造過程中非規(guī)范知識的快速獲取、應(yīng)用，為機(jī)械產(chǎn)品的創(chuàng)新設(shè)計、智能化和數(shù)字化設(shè)計和制造提供有力保障。本發(fā)明的基本內(nèi)容，在分析了機(jī)械產(chǎn)品設(shè)計過程中知識表現(xiàn)形態(tài)的基礎(chǔ)上，定義了非規(guī)范知識的含義，利用信息粒度分析方法設(shè)計了非規(guī)范性知識粒度劃分的計算模型，研究了機(jī)械產(chǎn)品設(shè)計非規(guī)范知識基元結(jié)構(gòu)體系與基本格式，提出了基于元數(shù)據(jù)的非規(guī)范知識基元表示方法，發(fā)明了語義匹配獲取、序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取、基于聚類分析的非規(guī)范實例知識獲取等多模式非規(guī)范知識獲取方法。在此基礎(chǔ)上，設(shè)計了機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架以及原型軟件系統(tǒng)。本發(fā)明的研究工作概括起來包括四個方面，一是確定非規(guī)范性知識粒度劃分方法；二是構(gòu)建非規(guī)范知識基元結(jié)構(gòu)體系與基本格式；三是多模式非規(guī)范知識獲取方法；四是建立機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架。其主要技術(shù)內(nèi)容如下通過分析機(jī)械設(shè)計制造單位信息系統(tǒng)中的不確定性問題，將機(jī)械產(chǎn)品設(shè)計知識在語義和結(jié)構(gòu)上的不確定性(包括模糊)、不協(xié)調(diào)性(包括噪音)、不完全性(非封閉世界)、不穩(wěn)定性(如時變性)以及依賴于人機(jī)協(xié)同的啟發(fā)式知識等多種知識形態(tài)的表示與獲取問題定義為非規(guī)范知識(IrregularKnowledge)處理技術(shù)，利用信息粒度分析方法，確定非規(guī)范性信息粒度劃分的計算方法。非規(guī)范知識的基元結(jié)構(gòu)體系是一種機(jī)械產(chǎn)品設(shè)計過程中非規(guī)范知識聚合程度的量化形式。本發(fā)明根據(jù)機(jī)械產(chǎn)品設(shè)計特征，提出一種按照一定的知識聚合程度的知識基元體系進(jìn)行知識信息處理的技術(shù)方案，建立了相應(yīng)的機(jī)械產(chǎn)品設(shè)計知識基元體系和知識基元的基本格式，提出了基于元數(shù)據(jù)的非規(guī)范知識基元描述方法，建立起一種非規(guī)范知識基元的由計算機(jī)實現(xiàn)向知識庫系統(tǒng)映射的方法。通過對非規(guī)范知識粒度的分析，采用多模式知識獲取方法對機(jī)械產(chǎn)品設(shè)計的非規(guī)范知識進(jìn)行聚類和關(guān)聯(lián)等操作，設(shè)計了語義匹配獲取、序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取、基于聚類分析的非規(guī)范實例知識獲取等多模式非規(guī)范知識獲取方法。最后設(shè)計了機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架，開發(fā)原型軟件系統(tǒng)，實現(xiàn)機(jī)械設(shè)計非規(guī)范知識的獲取、發(fā)現(xiàn)、發(fā)布與應(yīng)用等功能。本發(fā)明具體提出的用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，主要包括以下步驟(1)機(jī)械制產(chǎn)品設(shè)計制造單位建立由計算機(jī)運(yùn)行的機(jī)械產(chǎn)品設(shè)計所需的至少包含機(jī)械產(chǎn)品設(shè)計模型、圖形文件、工藝數(shù)據(jù)、標(biāo)準(zhǔn)數(shù)據(jù)的信息資源數(shù)據(jù)庫系統(tǒng)，并制定出進(jìn)行資源查詢檢索的接口格式；(2)在由計算機(jī)運(yùn)行的機(jī)械設(shè)計基礎(chǔ)數(shù)據(jù)資源與知識庫軟件系統(tǒng)中，進(jìn)入機(jī)械產(chǎn)品設(shè)計非規(guī)范性知識獲取交互界面，根據(jù)需要處理的非規(guī)范知識的特征和功能需要，進(jìn)行非規(guī)范性知識特征分析和表示模式的選擇；(3)針對機(jī)械產(chǎn)品設(shè)計、工藝設(shè)計管理信息系統(tǒng)中數(shù)據(jù)知識特征，由計算機(jī)進(jìn)行非規(guī)范性知識粒度劃分計算，將機(jī)械設(shè)計知識資源信息系統(tǒng)的知識顆粒劃分與知識粒度的數(shù)值計算，進(jìn)行集合操作的判斷與集合運(yùn)算，形成需要處理的知識對象的非規(guī)范知識基元結(jié)構(gòu)體系與基本格式；(4)對機(jī)械產(chǎn)品設(shè)計知識基元信息屬性確認(rèn)，通過審核后的知識基元元數(shù)據(jù)，以統(tǒng)一的XML格式進(jìn)行集中存儲和管理，組成知識基元元數(shù)據(jù)庫；(5)通過判斷非規(guī)范知識基元的屬性和粒度，分別采用語義匹配獲取、序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取、基于聚類分析的非規(guī)范實例知識獲取的方法進(jìn)行多模式非規(guī)范知識的獲取，形成滿足機(jī)械設(shè)計制造單位進(jìn)行產(chǎn)品設(shè)計開發(fā)的知識庫系統(tǒng)；(6)通過機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)用戶應(yīng)用界面，對所建立的機(jī)械設(shè)計知識庫進(jìn)行應(yīng)用驗證，反復(fù)進(jìn)行(1)至(5)的步驟，不斷充實和完善機(jī)械設(shè)計知識庫系統(tǒng)，直達(dá)到支持機(jī)械產(chǎn)品設(shè)計制造單位進(jìn)行產(chǎn)品創(chuàng)新設(shè)計和智能設(shè)計的目的。機(jī)械產(chǎn)品設(shè)計領(lǐng)域的通用信息資源與知識庫系統(tǒng)的建設(shè)是實現(xiàn)機(jī)械產(chǎn)品創(chuàng)新設(shè)計、智能化設(shè)計的關(guān)鍵技術(shù)之一。由于機(jī)械產(chǎn)品設(shè)計信息和知識特有的經(jīng)驗性、不確定性和非規(guī)范性，如設(shè)計、生產(chǎn)、維護(hù)、服務(wù)和管理中產(chǎn)生的大量設(shè)計制造數(shù)據(jù)、各類電子文檔、經(jīng)驗規(guī)則和知識等，這類信息很難用數(shù)字化手段直接進(jìn)行規(guī)范化和結(jié)構(gòu)化的描述，使得人們難以有效利用大量信息資源中隱含的設(shè)計與制造知識。非規(guī)范知識處理技術(shù)為機(jī)械工程信息資源及知識庫中信息資源的表示、采集、獲取及應(yīng)用提出了新的課題。本發(fā)明的提出，對于這一新課題的解決奠定了堅實的基礎(chǔ)。本發(fā)明所具有的積極效果主要體現(xiàn)在以下方面(1)隨著制造業(yè)信息化工程技術(shù)的應(yīng)用發(fā)展，企業(yè)需要處理大量的非規(guī)范性知識信息，確定性知識處理理論和方法已越來越不能滿足這種快速發(fā)展的要求。本發(fā)明提出的非規(guī)范化知識處理基礎(chǔ)理論與方法研究成果，不僅有利于推動知識表示、獲取和發(fā)現(xiàn)技術(shù)方法朝著縱深發(fā)展，而且也將為如何從網(wǎng)絡(luò)環(huán)境下所面臨海量非結(jié)構(gòu)化信息中獲取和發(fā)現(xiàn)專業(yè)領(lǐng)域知識探索出一種新的解決技術(shù)方法，具有重要的理論意義和應(yīng)用前景。(2)本發(fā)明針對機(jī)械設(shè)計系統(tǒng)非規(guī)范信息的特點(diǎn)，為消除非規(guī)范性對數(shù)據(jù)、信息和知識在制造系統(tǒng)內(nèi)部傳播、擴(kuò)散和處理的障礙，實現(xiàn)制造系統(tǒng)內(nèi)部數(shù)據(jù)、信息和知識的可控共享環(huán)境，在此基礎(chǔ)上，通過基于現(xiàn)有數(shù)據(jù)、信息和知識的數(shù)據(jù)挖掘工作，促進(jìn)新的設(shè)計知識的生成。(4)以基于元數(shù)據(jù)的機(jī)械產(chǎn)品設(shè)計知識基元為基礎(chǔ)，實現(xiàn)非規(guī)范性制造知識描述的規(guī)范化和標(biāo)準(zhǔn)化，提高其表達(dá)質(zhì)量和使用效率。(5)對元數(shù)據(jù)進(jìn)行統(tǒng)一格式的描述，消除了非規(guī)范性對知識傳播和應(yīng)用的阻礙作用，同時可以保證較高的使用效率和較好的使用效果。(6)用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)，形成多種智能方法相結(jié)合的設(shè)計知識獲取和發(fā)現(xiàn)模式，在此基礎(chǔ)上，綜合運(yùn)用信息技術(shù)、人工智能技術(shù)和網(wǎng)絡(luò)技術(shù)，實現(xiàn)機(jī)械產(chǎn)品設(shè)計知識獲取、處理和智能化決策支持。四附圖1是機(jī)械產(chǎn)品設(shè)計知識基元結(jié)構(gòu)體系圖。附圖2是齒輪機(jī)構(gòu)知識基元表達(dá)體系示意圖。圖附3是機(jī)械產(chǎn)品工藝設(shè)計知識基元結(jié)構(gòu)體系圖。附圖4是機(jī)械產(chǎn)品工藝設(shè)計知識基元基本格式示意圖。附圖5是機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架圖。附圖6是MD-DRKBS主界面圖。附圖7是非規(guī)范性知識粒度信息界面圖。附圖8是知識基元結(jié)構(gòu)體系圖。附圖9是語義匹配獲取模式實例示意圖。附圖10是序列數(shù)據(jù)資源獲取模式實例示意圖。附圖11是非規(guī)范實例知識獲取實例示意圖。附圖12是機(jī)械設(shè)計非規(guī)范知識基元示意圖。附圖13是機(jī)械設(shè)計非規(guī)范知識基元編輯示意圖。附圖14是工藝設(shè)計非規(guī)范知識基元編輯示意圖。五具體實施例方式為了更清楚的理解本發(fā)明，以下對發(fā)明的詳細(xì)內(nèi)容、并結(jié)合附圖和發(fā)明人依本發(fā)明的技術(shù)方案完成的實例對本發(fā)明作進(jìn)一步的詳細(xì)論述。1、定義非規(guī)范知識粒度本發(fā)明采用三元組(k,f，r)來形式化定義機(jī)械產(chǎn)品設(shè)計的知識粒度，其中K表示產(chǎn)品規(guī)程中涉及到的所有設(shè)計知識論域，所考慮的設(shè)計知識集合。F是屬性函數(shù)，定義為F:K—y，y表示設(shè)計知識的屬性集合。r表示設(shè)計知識論域的結(jié)構(gòu)，定義為設(shè)計知識論域中各個設(shè)計知識元素之間的關(guān)系。2、構(gòu)建非規(guī)范性知識粒度劃分的計算模型針對機(jī)械產(chǎn)品設(shè)計、工藝設(shè)計管理信息系統(tǒng)，粗糙集理論能夠通過一定粒度下的信息資源屬性約束來獲取隱含的各類知識資源，同時粗糙集本身就是對不確定和非規(guī)范知識信息進(jìn)行處理的有力工具，因此，本發(fā)明提出基于信息粒度計算的非規(guī)范性知識粒度劃分計算模型和過程如下-(1)設(shè)論域U有子集X、Y，如果通過論域U上的關(guān)系R，無法分辨X和Y，則稱X和Y具有基于R的不可分辨關(guān)系，或等價關(guān)系。(2)知識顆粒是指具有相同屬性且關(guān)于某一屬性不可分辨的對象集。每一個這樣的知識顆粒相當(dāng)于粗糙集的一個等價類或等價顆粒。從這種知識顆粒的概念出發(fā)，知識粒度實際上反映了根據(jù)某一屬性對知識進(jìn)行不可分辨劃分的程度。(3)如果根據(jù)給定屬性不可再劃分，則稱為關(guān)系R下的知識顆粒最小化，否則，稱為關(guān)系R下的知識顆?？煞?。(4)在上述定義的基礎(chǔ)上，將機(jī)械設(shè)計知識資源信息系統(tǒng)的知識顆粒劃分與知識粒度的數(shù)值計算分離，轉(zhuǎn)化為一種是否需要和是否可以進(jìn)行集合操作的判斷，并在此判斷基礎(chǔ)上進(jìn)行所需的集合運(yùn)算。進(jìn)行知識粒度概念和算法模型研究的目的是為了建立非規(guī)范性知識基元體系奠定理論基礎(chǔ)，形成以粗糙集為理論基礎(chǔ)的機(jī)械產(chǎn)品設(shè)計非規(guī)范性知識信息的描述和獲取方法，構(gòu)建基于元數(shù)據(jù)的機(jī)械產(chǎn)品設(shè)計知識基元體系，到達(dá)盡可能消除非規(guī)范性對數(shù)據(jù)、信息和知識在設(shè)計制造單位知識資源制造系統(tǒng)內(nèi)部傳播、擴(kuò)散和處理的障礙，實現(xiàn)機(jī)械產(chǎn)品設(shè)計制造單位信息系統(tǒng)內(nèi)部數(shù)據(jù)、信息和知識的可控共享環(huán)境。3、建立非規(guī)范知識基元結(jié)構(gòu)體系與基本格式機(jī)械產(chǎn)品設(shè)計過程中，知識資源涉及面寬、形式多樣，為了便于使用和管理，應(yīng)當(dāng)建立相應(yīng)的設(shè)計制造單位知識基元體系。機(jī)械設(shè)計知識基元是一個多層次的體系，因此存在著基于不同粒度的規(guī)范性和非規(guī)范性知識基元。一般來說，設(shè)計制造單位信息系統(tǒng)中既有相當(dāng)多的特有信息、也有相當(dāng)多通用信息，因此我們將設(shè)計知識基元分為以下三類(1)用戶自定義設(shè)計知識基元。這里的"用戶"所指的是從事機(jī)械制造行為的團(tuán)體和組織。用戶將其在實際生產(chǎn)活動中獲取和積累的知識進(jìn)行分解，形成不同層次不同粒度的知識基元，并將其按照用戶的實際情況和使用習(xí)慣進(jìn)行一定程度的規(guī)范化，并存入用戶知識基元數(shù)據(jù)庫，成為用戶內(nèi)部各部門共享的共性知識基元。(2)共識性設(shè)計知識基元。在長期的生產(chǎn)實踐中，各用戶都積累了大量的設(shè)計、生產(chǎn)、管理信息和知識，其中有相當(dāng)部分是用戶獨(dú)有的，也有相當(dāng)部分是在同類行業(yè)中具有共性的知識。由于各用戶的人員素質(zhì)、技術(shù)水平、生產(chǎn)組織方式等各個方面的差異，這些共性知識在表現(xiàn)形式上往往有較大的差異，如某些加工工藝，雖然各用戶類似的工藝過程大同小異，但操作習(xí)慣甚至工序名稱等都有微小差異。共識知識基元就是將類似的設(shè)計知識進(jìn)行提煉加工，形成行業(yè)內(nèi)部均可理解的、互換性和可操作性較強(qiáng)的知識。(3)標(biāo)準(zhǔn)性設(shè)計知識基元。標(biāo)準(zhǔn)知識基元就是已被同行業(yè)廣泛使用、已形成標(biāo)準(zhǔn)的知識。如各類國家標(biāo)準(zhǔn)、國家標(biāo)準(zhǔn)以及行業(yè)標(biāo)準(zhǔn)中的知識。下面以機(jī)械產(chǎn)品設(shè)計和制造工藝設(shè)計部門為例，對知識基元的格式作出進(jìn)一步的說明。(1)機(jī)械設(shè)計知識基元結(jié)構(gòu)體系。按照不同的粒度，我們將設(shè)計知識基元分為常用機(jī)械設(shè)計計算知識基元、常用機(jī)械設(shè)計査詢知識基元、機(jī)械工程常用公式計算基元、機(jī)械標(biāo)準(zhǔn)件圖形基元、機(jī)械工程常用英漢詞匯對譯基元等，在上述各知識基元的較低粒度層，又分為若干子知識基元，如機(jī)械設(shè)計計算和查詢基元，進(jìn)而又分為尺寸公差與配合査詢知識基元、形狀與位置公差査詢知識基元、螺栓鏈接設(shè)計知識基元、鍵連接設(shè)計知識基元、帶傳動設(shè)計知識基元等。如圖1所示。(2)機(jī)械設(shè)計知識基元基本格式。設(shè)計知識本身也有其相對穩(wěn)定的一面。例如一個復(fù)雜的機(jī)構(gòu)是由多個簡單機(jī)構(gòu)組合而成的，機(jī)械常用機(jī)構(gòu)包括螺旋傳動機(jī)構(gòu)、平面連桿機(jī)構(gòu)、凸輪機(jī)構(gòu)和齒輪傳動機(jī)構(gòu)等，一種簡單機(jī)構(gòu)就是一個機(jī)構(gòu)知識基元，而無論上述哪一種機(jī)構(gòu)知識基元，都包含各自的運(yùn)動學(xué)、動力學(xué)和制造屬性，而這三個屬性又分別具備自身的子屬性，因而就形成了三個粒度層次上的知識基元體系，以齒輪傳動為例，其基于不同粒度的知識基元表達(dá)體系如圖2所示。(3)機(jī)械工藝設(shè)計知識基元結(jié)構(gòu)體系。工藝設(shè)計知識主要可以分為工藝設(shè)計知識和工藝管理知識等，其中工藝設(shè)計知識又可分為冷加工工藝知識、熱加工工藝知識、裝配工藝知識等，工藝管理知識可以分為工藝文件管理知識、工藝流程管理知識、工藝服務(wù)管理知識等。從上述各類工藝知識中都可提取相應(yīng)的工藝知識基元。工藝設(shè)計知識基元的結(jié)構(gòu)體系如圖3所示。(4)機(jī)械工藝設(shè)計知識基元基本格式。我們將制造工藝知識分為靜態(tài)工藝知識和動態(tài)工藝知識。所有已成為規(guī)范或者具備較強(qiáng)通用性、一般不予變動的工藝知識，如國家、部委和企業(yè)與工藝相關(guān)的標(biāo)準(zhǔn)等，都屬于靜態(tài)工藝知識，否則屬于動態(tài)工藝知識。以車削工藝為例，工藝設(shè)計知識基元的基本格式如圖4所示。4、基于元數(shù)據(jù)的非規(guī)范知識基元表示機(jī)械產(chǎn)品設(shè)計知識基元信息屬性包括設(shè)計知識基元名稱、類別、所屬部門、責(zé)任人、數(shù)據(jù)格式、使用權(quán)限等。知識基元的元數(shù)據(jù)表示，就是對制造知識基元的結(jié)構(gòu)化描述。通過部門審核后的知識基元元數(shù)據(jù)，以統(tǒng)一的XML格式進(jìn)行集中存儲和管理，組成知識基元元數(shù)據(jù)庫。對機(jī)械產(chǎn)品設(shè)計知識基元進(jìn)行元數(shù)據(jù)表示的優(yōu)點(diǎn)主要體現(xiàn)在以下方面-(1)知識基元元數(shù)據(jù)是對機(jī)械產(chǎn)品設(shè)計知識基元本身的描述，為各類設(shè)計制造知識提供了統(tǒng)一的描述方法；(2)機(jī)械產(chǎn)品設(shè)計知識基元既包括規(guī)范性的也包括非規(guī)范性的知識基元，而機(jī)械產(chǎn)品設(shè)計知識基元的元數(shù)據(jù)則可以采用統(tǒng)一、簡單且同構(gòu)的數(shù)據(jù)格式；(3)元數(shù)據(jù)的使用能夠使用戶更加充分利用知識資源數(shù)據(jù)庫系統(tǒng)中有價值的甚至是潛在的知識信息。通過機(jī)械產(chǎn)品設(shè)計知識基元元數(shù)據(jù)的屬性值，可以進(jìn)行相應(yīng)的數(shù)據(jù)挖掘和知識發(fā)現(xiàn)工作。5、多模式非規(guī)范知識獲取機(jī)械產(chǎn)品設(shè)計非規(guī)范知識獲取是一種通過在對非規(guī)范知識粒度計算、非規(guī)范知識基元結(jié)構(gòu)和知識基元元數(shù)據(jù)表示的基礎(chǔ)上，應(yīng)用從數(shù)據(jù)信息資源中挖掘知識資源技術(shù)，本發(fā)明提出集成數(shù)據(jù)資源收集、粒度計算、基元結(jié)構(gòu)定義、基元元數(shù)據(jù)歸納、結(jié)果分析與可視化輸出等過程為一體的多模式非規(guī)范知識獲取方法。通過對非規(guī)范知識粒度的分析，將機(jī)械產(chǎn)品設(shè)計知識看成是具有一定粒度特征的知識基元結(jié)構(gòu)，按照一定分類規(guī)則對識別出的知識基元結(jié)構(gòu)進(jìn)行分類，建立基于知識粒度的多模式知識獲取模型。釆用多模式知識獲取方法對機(jī)械產(chǎn)品設(shè)計的非規(guī)范知識進(jìn)行聚類和關(guān)聯(lián)等操作，從而滿足機(jī)械制造企業(yè)建立產(chǎn)品設(shè)計知識庫系統(tǒng)的需求。本發(fā)明的多模式知識獲取體現(xiàn)在如下三項技術(shù)(1)機(jī)械產(chǎn)品設(shè)計非規(guī)范知識基元的語義匹配獲取模式。語義匹配涉及到知識語言分詞、文本知識分類、知識語義識別等方面，目前在這方面還沒有很有效的算法。本發(fā)明針對機(jī)械產(chǎn)品設(shè)計常用術(shù)語和非規(guī)范知識語句的獲取問題，采用基于語義分析的方法，通過判斷編輯距離對非規(guī)范知識語句進(jìn)行匹配。首先對非規(guī)范知識語句x和y利用編輯距離a(x,y)進(jìn)行串識別，計算非規(guī)范知識語句之間距離相似值---——以給定相似值S作為參考值，選取si〉S的所有非規(guī)范知識語句；將所得到的非規(guī)范知識語句進(jìn)行字符匹配，通過對矩陣進(jìn)行匹配分析，將非規(guī)范知識語句中重復(fù)性字符提取，獲得新的非規(guī)范知識語句。再通過對非規(guī)范知識語句進(jìn)行規(guī)范化整理，最終確定為標(biāo)準(zhǔn)術(shù)語或非規(guī)范知識語句；按粒度分類規(guī)則，將獲取的標(biāo)準(zhǔn)術(shù)語和非規(guī)范知識語句區(qū)分，存入用戶產(chǎn)品設(shè)計知識庫中。(2)機(jī)械產(chǎn)品設(shè)計序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取。序列(Sequence)是一種常見的數(shù)據(jù)形式，可以是時序序列，也可以是其他以某種邏輯排列起來的項集組成的序列。機(jī)械產(chǎn)品設(shè)計序列數(shù)據(jù)文件可以看作是以產(chǎn)品零(部)件設(shè)計執(zhí)拗順序邏輯組織起來的一系列知識語句序列，以粒度形式的非規(guī)范知識基元為表現(xiàn)形式的知識語句序列，作為知識基元獲取的一種基本單元。本發(fā)明設(shè)計的機(jī)械產(chǎn)品設(shè)計序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取方法主要過程是首先，采用文本聚類的思想掃描機(jī)械產(chǎn)品設(shè)計序列資源數(shù)據(jù)庫；其次，將數(shù)據(jù)庫中的數(shù)據(jù)和非規(guī)范知識基元結(jié)構(gòu)進(jìn)行比較，用相似知識語句的編碼進(jìn)行替換。替換方法為以自然語言理解為基礎(chǔ)，依據(jù)一定的原則設(shè)計相容函數(shù)G，以用戶給出的相似度r為標(biāo)準(zhǔn)，將非規(guī)范知識基元結(jié)構(gòu)文本ai與數(shù)據(jù)項的每一項bj進(jìn)行比較，若G(ai，bj)>r，則認(rèn)為單項集ai和bj相容，可用非規(guī)范知識基元結(jié)構(gòu)語句bj替換數(shù)據(jù)文本ai，則用bj的編碼替換ai，這樣，一個非規(guī)范知識基元結(jié)構(gòu)可由知識語句編碼所替換。不能與非規(guī)范知識基元結(jié)構(gòu)文本匹配的描述文本，說明其在非規(guī)范知識基元結(jié)構(gòu)文件中的支持度太低，也就不可能成為常用的非規(guī)范知識基元中的描述，將其去掉。這樣，最終每一份數(shù)據(jù)資源文件被處理成由常用知識基元語句編碼組成的序列。最后得到常用非規(guī)范知識基元。(3)基于聚類分析的機(jī)械產(chǎn)品設(shè)計非規(guī)范實例知識獲取方法?；谀鄣膶哟尉垲愃惴ǐ@取機(jī)械產(chǎn)品設(shè)計非規(guī)范實例知識可以看成是發(fā)現(xiàn)知識粒度較大、基元結(jié)構(gòu)較為復(fù)雜的知識集合。本發(fā)明采用歐氏距離法或距離函數(shù)分類算法，作為聚類中的相似性測量。然而，在非規(guī)范實例知識發(fā)掘中，常遇到聚類結(jié)果和先驗知識之間往往存在著不協(xié)調(diào)性，同一類知識在特征空間中距離相差遠(yuǎn)，其相似性測度大，不能將數(shù)據(jù)準(zhǔn)確處理。因此，根據(jù)知識粒度聚類的思想，使用從自底向上的策略，開始時把每個對象作為一個單獨(dú)的簇，然后逐次對各個簇進(jìn)行適當(dāng)合并，直到滿足某個終止條件為止，獲得機(jī)械產(chǎn)品設(shè)計非規(guī)范實例知識。隨著聚類過程的進(jìn)行，簇的數(shù)目不斷減小，簇內(nèi)非規(guī)范知識的數(shù)目逐漸增多，而簇間的最小距離增大，簇內(nèi)非規(guī)范知識之間的相似度降低。從非規(guī)范知識粒度的角度考慮，可以在不同粒度水平上對數(shù)據(jù)進(jìn)行探測，有助于消除分類先驗知識和特征選取之間的不協(xié)調(diào)性，實現(xiàn)距離度量，得到所需的典型機(jī)械產(chǎn)品設(shè)計非規(guī)范實例知識集合。6、機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架在上述原理、方法研究的基礎(chǔ)上，本發(fā)明以機(jī)械產(chǎn)品設(shè)計過程中非規(guī)范知識處理為重點(diǎn)，構(gòu)建了一種機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架(見圖5所示)，由企業(yè)信息數(shù)據(jù)資源模塊、非規(guī)范性知識處理技術(shù)模塊、知識管理工具集、機(jī)械產(chǎn)品設(shè)計應(yīng)用軟件系統(tǒng)、非規(guī)范性知識獲取交互界面、機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)用戶應(yīng)用界面等模塊所組成。該系統(tǒng)框架為機(jī)械產(chǎn)品開發(fā)設(shè)計人員提供一種用以支持信息資源信息化、集成化的知識集成共享體系和知識庫系統(tǒng)，來存儲和管理機(jī)械產(chǎn)品協(xié)同設(shè)計制造過程中所需的各類知識，用以支持機(jī)械產(chǎn)品開發(fā)問題的智能求解，實現(xiàn)產(chǎn)品快速開發(fā)。在圖5所示的系統(tǒng)框架中，企業(yè)信息數(shù)據(jù)資源模塊包括設(shè)計、工藝、生產(chǎn)及管理等各個部門的信息知識資源和數(shù)據(jù)庫，也包括國家、部委和行業(yè)頒布的各項標(biāo)準(zhǔn)，以及通過外部網(wǎng)絡(luò)獲取的各類制造信息和知識等。這是本發(fā)明進(jìn)行非規(guī)范性知識處理、建立機(jī)械產(chǎn)品設(shè)計知識庫的基礎(chǔ)。非規(guī)范性知識處理技術(shù)模塊是本發(fā)明的主要技術(shù)核心內(nèi)容，包括非規(guī)范性知識粒度劃分計算模型、非規(guī)范知識基元結(jié)構(gòu)體系與基本格式、非規(guī)范知識基元表示模式、多模式知識獲取方法等內(nèi)容，通過這些功能模塊的協(xié)同作業(yè)，實現(xiàn)非規(guī)范性知識的獲取處理，形成一種用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法。知識管理工具集模塊提供一系列常規(guī)知識處理與管理工具軟件，支持規(guī)范性和非規(guī)范性知識的處理和應(yīng)用需求，并用于實現(xiàn)與企業(yè)的機(jī)械產(chǎn)品設(shè)計應(yīng)用軟件系統(tǒng)(CAD/CAPP/CAM/CAE)的集成與協(xié)同工作。機(jī)械產(chǎn)品設(shè)計非規(guī)范性知識獲取交互界面是專門用于本方面處理非規(guī)范性知識問題的人機(jī)交互作業(yè)環(huán)境。7、實施實例發(fā)明人基于本發(fā)明上述所論述的理論、方法、算法與編程技術(shù)，開發(fā)了一個機(jī)械設(shè)計基礎(chǔ)數(shù)據(jù)資源與知識庫系統(tǒng)原型軟件(簡稱MD-DRKBS)，該軟件系統(tǒng)的非規(guī)范知識處理功能的實現(xiàn)是以本發(fā)明所論述的理論、方法和算法來實現(xiàn)的。發(fā)明人己提交了MD-DRKBS的計算機(jī)軟件著作權(quán)登記申請，并希望能使MD-DRKBS工具成為商品化軟件。(1)機(jī)械產(chǎn)品設(shè)計非規(guī)范性知識獲取交互界面機(jī)械產(chǎn)品設(shè)計非規(guī)范性知識獲取交互界面如圖6所示。主要包含菜單區(qū)、工具欄區(qū)、窗體操作按鈕、導(dǎo)航器、知識顯示區(qū)等功能區(qū)。其中菜單區(qū)和工具欄區(qū)的部分功能是重合的，工具欄區(qū)為用戶提供了快捷操作方式。導(dǎo)航器為用戶提供了各類確定性和非規(guī)范知識目錄、索引、模糊等方式進(jìn)行非規(guī)范知識數(shù)據(jù)資料的查詢定位。知識顯示區(qū)用戶獲取處理的各種數(shù)據(jù)資料和非規(guī)范知識信息等。(2)非規(guī)范性知識粒度劃分計算模型按照非規(guī)范知識的定義和知識粒度劃分方法，在機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)中，"彈簧設(shè)計"、"摩擦輪傳動設(shè)計"、"螺旋傳動設(shè)計"、"齒輪機(jī)構(gòu)設(shè)計"和"帶傳動設(shè)計"等都屬于同一知識粒度層次，而上述粒度層下的"設(shè)計方法"和"設(shè)計實例"屬于另一層次的同一知識粒度。用本發(fā)明提出的非規(guī)范性知識粒度劃分計算模型可得到相應(yīng)的非規(guī)范性知識粒度信息，如圖7所示。本發(fā)明提出基于信息粒度計算的非規(guī)范性知識粒度劃分計算模型的算例以下表l為實例來具體說明。表1中孔是一種機(jī)械產(chǎn)品非回轉(zhuǎn)體零件面上的工藝設(shè)計孔，其加工屬性列表表示，共8個對象，均具有材料、孔徑、尺寸精度、表面粗糙度和加工方法屬性，各屬性值等，如表所示。按照上述知識粒劃分方法可得對于材料屬性，所有待加工孔不可分辨，即處于同一粒度條件下；對于孔徑屬性，第l、2、3、4孔不可分辨，第5、6、7、8孔不可分辨；對于尺寸精度屬性，第1、3、5、7孔不可分辨，第2、4、6、8孔不可分辨；對于表面粗糙度屬性，第l、2、5、6孔不可分辨，第3、4、7、8孔不可分辨。不可分辨集合分別構(gòu)成不同的知識顆粒，若Rl、R2、R3及R4分別表示條件屬性"材料"、"孔徑"、"尺寸精度"和"表面粗糙度"，S表示決策屬性"加工方法"，則上述信息系統(tǒng)用集合表示的顆粒劃分為U|Rl={{xl，x2,x3,x4，x5,x6，x7，x8}}，U|R2={{xl，x2,x3,x4}，{x5,x6，x7,x8}}，U|R3={{xl,x3,x5,x7}，{x2,x4,x6，x8}}，U|R4={{xl，x2,x5,x6}，{x3,x4，x7,x8}}，U|S={{x1，x5,x6}，(x2,x3,x4,x7,x8}}。表1一種非回轉(zhuǎn)體零件面上的孔加工屬性值列表<table>tableseeoriginaldocumentpage15</column></row><table>根據(jù)計算得出的顆粒劃分信息，為了建立非規(guī)范性知識基元體系奠定理論基礎(chǔ)，用于構(gòu)建基于元數(shù)據(jù)的機(jī)械產(chǎn)品設(shè)計知識基元體系。(3)非規(guī)范知識基元結(jié)構(gòu)體系與基本格式在上述非規(guī)范性知識粒度劃分計算模型的基礎(chǔ)上，可構(gòu)建非規(guī)范知識基元結(jié)構(gòu)體系與基本格式。針對表1所需要的工藝設(shè)計知識粒度信息和非規(guī)范知識基元特征，在機(jī)械產(chǎn)品工藝設(shè)計中常用的切削計算方法里，加工設(shè)計方法如"車削"、"拉削"、"銑削"和"磨削"等的非規(guī)范知識屬于同一層次知識基元并具有相同格式，而"車削外圓"、"車削圓錐面"、"車削偏心"及"車削特形面"等常用車削加工則屬于車削加工知識的子層次，這樣就構(gòu)成了工藝設(shè)計的非規(guī)范知識基元結(jié)構(gòu)體系，如圖8所示。(4)基于元數(shù)據(jù)的非規(guī)范知識基元表示方法機(jī)械產(chǎn)品設(shè)計知識基元信息屬性包括設(shè)計知識基元名稱、類別、所屬部門、責(zé)任人、數(shù)據(jù)格式、使用權(quán)限等。知識基元的元數(shù)據(jù)表示，就是對制造知識基元的結(jié)構(gòu)化描述。通過部門審核后的知識基元元數(shù)據(jù)，以統(tǒng)一的XML格式進(jìn)行集中存儲和管理，組成知識基元元數(shù)據(jù)庫。表2是齒輪機(jī)構(gòu)非規(guī)范知識基元元數(shù)據(jù)的基本組成與表示方法。表2齒輪機(jī)構(gòu)非規(guī)范知識基元元數(shù)據(jù)組成<table>tableseeoriginaldocumentpage15</column></row><table><table>tableseeoriginaldocumentpage16</column></row><table>非規(guī)范知識需要一個通用的數(shù)據(jù)交換格式，而XML技術(shù)為各類制造信息的描述提供了實現(xiàn)手段。表2中齒輪機(jī)構(gòu)設(shè)計非規(guī)范知識基元XML描述如下<xmlversion-'1.0，encoding-"GB2312，，？>〃xml版本<!DCOTYPE齒輪機(jī)構(gòu)非規(guī)范知識SYSTEM"ProcessCard.dtd">〃文檔類型<Card>GongYiZhiShi</Card><CardHeader>//表頭部分，主要存儲單元數(shù)據(jù)〈EdtKnowledgeName5"各種齒輪材料及設(shè)計規(guī)范知識〈/EdtKnowledgeNam?！碋dtMainAttributeOne〉名稱〈/EdtMainAttributeOne〉〈EdtMainAttributeTwo〉類別〈/Ed她inAttributeTwo〉〈EdtMainAttributeThree:所屬部門</EdtMainAttributeThree>〈EdtSubAttributeOn。責(zé)任人^dtSubAttributeOne〉〈EdtSubAttributeTwo〉數(shù)據(jù)格式^dtSubAttributeTw^〈EdtMainAttributeFour〉存儲系統(tǒng)^dtMainAttributeFoiu^〈EdtSubAttributeOn^更新時間〈/EdtSubAttributeOne〉〈EdtSubAttributeTwo〉設(shè)計知識基元編輯信息^EdtSubAttributeTwcO〈EdtSubAttributeTwo〉使用者記錄〈/EdtSubAttributeTwo〉</CardHeader><CardGrid>〃設(shè)計非規(guī)范知識內(nèi)容部分，主要存儲表格數(shù)據(jù)類型<Row>〈ColO知識基元所進(jìn)行的添加操作々Co10<Coll>知識基元所進(jìn)行的刪除操作々ColP〈Col20記錄對知識基元所進(jìn)行的編輯操作々Co120</Row></Row></CardGrid>(5)多模式的非規(guī)范知識獲取方法機(jī)械產(chǎn)品設(shè)計知識庫模塊是企業(yè)產(chǎn)品創(chuàng)新設(shè)計系統(tǒng)中的最重要內(nèi)容，包括常用設(shè)計制造相關(guān)數(shù)據(jù)信息、確定性知識和非規(guī)范性知識，如常用基礎(chǔ)資料、機(jī)械設(shè)計計算及査詢、工藝設(shè)計計算及査詢等各內(nèi)容，上述各子模塊中又包含多項內(nèi)容，如機(jī)械設(shè)計計算及査詢包括軸承設(shè)計計算、鏈傳動設(shè)計、齒輪傳動設(shè)計、帶傳動設(shè)計、形狀與位置公差查詢與選用及尺寸公差與配合査詢與選用等。在采用多模式知識獲取方法對機(jī)械產(chǎn)品設(shè)計的非規(guī)范知識方面，需按系統(tǒng)提供的三中方式進(jìn)行非規(guī)范知識的獲取。其中，通過語義匹配獲取模式獲取機(jī)械產(chǎn)品設(shè)計非規(guī)范知識基元的實例見圖9所示，機(jī)械產(chǎn)品設(shè)計序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取的實例見IO所示，機(jī)械產(chǎn)品設(shè)計非規(guī)范實例知識獲取實例見圖11所示。機(jī)械設(shè)計非規(guī)范知識基元顯示界面見圖12所示，機(jī)械設(shè)計非規(guī)范知識基元編輯界面見圖13所示，工藝設(shè)計非規(guī)范知識基元編輯界面見圖13所示。權(quán)利要求1、一種用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，其特征在于包括以下步驟(1)機(jī)械制產(chǎn)品設(shè)計制造單位建立由計算機(jī)運(yùn)行的機(jī)械產(chǎn)品設(shè)計所需的至少包含機(jī)械產(chǎn)品設(shè)計模型、圖形文件、工藝數(shù)據(jù)、標(biāo)準(zhǔn)數(shù)據(jù)的信息資源數(shù)據(jù)庫系統(tǒng)，并制定出進(jìn)行資源查詢檢索的接口格式；(2)在由計算機(jī)運(yùn)行的機(jī)械設(shè)計基礎(chǔ)數(shù)據(jù)資源與知識庫軟件系統(tǒng)中，進(jìn)入機(jī)械產(chǎn)品設(shè)計非規(guī)范性知識獲取交互界面，根據(jù)需要處理的非規(guī)范知識的特征和功能需要，進(jìn)行非規(guī)范性知識特征分析和表示模式的選擇；(3)針對機(jī)械產(chǎn)品設(shè)計、工藝設(shè)計管理信息系統(tǒng)中數(shù)據(jù)知識特征，由計算機(jī)進(jìn)行非規(guī)范性知識粒度劃分計算，將機(jī)械設(shè)計知識資源信息系統(tǒng)的知識顆粒劃分與知識粒度的數(shù)值計算，進(jìn)行集合操作的判斷與集合運(yùn)算，形成需要處理的知識對象的非規(guī)范知識基元結(jié)構(gòu)體系與基本格式；(4)對機(jī)械產(chǎn)品設(shè)計知識基元信息屬性確認(rèn)，通過審核后的知識基元元數(shù)據(jù)，以統(tǒng)一的XML格式進(jìn)行集中存儲和管理，組成知識基元元數(shù)據(jù)庫；(5)通過判斷非規(guī)范知識基元的屬性和粒度，分別采用語義匹配獲取、序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取和基于聚類分析的非規(guī)范實例知識獲取的方法進(jìn)行多模式非規(guī)范知識的獲取，形成滿足機(jī)械設(shè)計制造單位進(jìn)行產(chǎn)品設(shè)計開發(fā)的知識庫系統(tǒng)；(6)通過機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)用戶應(yīng)用界面，對所建立的機(jī)械設(shè)計知識庫進(jìn)行應(yīng)用驗證，反復(fù)進(jìn)行(1)至(5)步驟，不斷充實和完善機(jī)械設(shè)計知識庫系統(tǒng)，直達(dá)到支持機(jī)械產(chǎn)品設(shè)計制造單位進(jìn)行產(chǎn)品創(chuàng)新設(shè)計和智能設(shè)計的目的。2、根據(jù)權(quán)利要求1所述的用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，其特征在于所說的進(jìn)行非規(guī)范性知識粒度劃分計算，是將機(jī)械設(shè)計知識資源信息系統(tǒng)的知識顆粒劃分與知識粒度的數(shù)值計算分離，轉(zhuǎn)化為一種是否需要和是否可以進(jìn)行集合操作的判斷，并在此判斷基礎(chǔ)上進(jìn)行所需的集合運(yùn)算。3、根據(jù)權(quán)利要求1所述的用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，其特征在于步驟(4)中所述機(jī)械產(chǎn)品設(shè)計知識基元信息屬性確認(rèn)至少包括設(shè)計知識基元名稱、類別、所屬部門、責(zé)任人、數(shù)據(jù)格式、使用權(quán)限。4、根據(jù)權(quán)利要求1所述的用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，其特征在于步驟(5)中的所述語義匹配獲取模式為-(1)對非規(guī)范知識語句x和y利用編輯距離a(x,y)進(jìn)行串識別，計算非規(guī)范知識語句之間距離相似值j5(x，力(2)以給定相似值S作為參考值，選取sbs的所有非規(guī)范知識語句；(3)將所得到的非規(guī)范知識語句進(jìn)行字符匹配，通過對矩陣進(jìn)行匹配分析，提取非規(guī)范知識語句中重復(fù)性字符，獲得新的非規(guī)范知識語句；(4)再通過對非規(guī)范知識語句進(jìn)行規(guī)范化整理，最終確定為標(biāo)準(zhǔn)術(shù)語或非規(guī)范知識語句；(5)按粒度分類規(guī)則，將獲取的標(biāo)準(zhǔn)術(shù)語和非規(guī)范知識語句區(qū)分，存入設(shè)計制造單位機(jī)械產(chǎn)品設(shè)計知識庫中。5、根據(jù)權(quán)利要求1所述的用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，其特征在于步驟(5)中的所述序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取模式為(1)采用文本聚類的方法掃描機(jī)械產(chǎn)品設(shè)計序列資源數(shù)據(jù)庫；(2)將數(shù)據(jù)庫中的數(shù)據(jù)和非規(guī)范知識基元結(jié)構(gòu)進(jìn)行比較，用相似知識語句的編碼進(jìn)行替換，替換方法為以自然語言理解為基礎(chǔ)，依據(jù)確定的原則設(shè)計相容函數(shù)G，以用戶給出的相似度r為標(biāo)準(zhǔn)，將非規(guī)范知識基元結(jié)構(gòu)文本ai與數(shù)據(jù)項的每一項bj進(jìn)行比較，若G(ai，bj)>r，則認(rèn)為單項集ai和bj相容，可用非規(guī)范知識基元結(jié)構(gòu)語句bj替換數(shù)據(jù)文本ai，則用bj的編碼替換ai，將不能與非規(guī)范知識基元結(jié)構(gòu)文本匹配的描述文本去掉；(3)對每一份數(shù)據(jù)資源文件按照本項權(quán)利要求步驟(2)進(jìn)行處理，將其處理成由常用知識基元語句編碼組成的序列，最后得到常用非規(guī)范知識基元。6、根據(jù)權(quán)利要求1所述的用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法，其特征在于步驟(5)中的所述基于聚類分析的非規(guī)范實例知識獲取模式采用歐氏距離法或距離函數(shù)分類算法，作為聚類中的相似性測量。全文摘要本發(fā)明公開了一種用于構(gòu)建機(jī)械產(chǎn)品設(shè)計知識庫的非規(guī)范知識獲取方法。針對機(jī)械產(chǎn)品設(shè)計領(lǐng)域知識處理和開發(fā)知識庫系統(tǒng)的需要，本發(fā)明定義了非規(guī)范知識的含義，采用粒度計算原理提出了非規(guī)范性知識粒度劃分的計算模型，研究了機(jī)械產(chǎn)品設(shè)計非規(guī)范知識基元結(jié)構(gòu)體系與基本格式，提出了基于元數(shù)據(jù)的非規(guī)范知識基元表示方法，發(fā)明了語義匹配獲取、序列數(shù)據(jù)資源中的非規(guī)范知識基元獲取、基于聚類分析的非規(guī)范實例知識獲取多模式非規(guī)范知識獲取方法。在此基礎(chǔ)上，設(shè)計了機(jī)械產(chǎn)品設(shè)計知識庫系統(tǒng)構(gòu)建與應(yīng)用的系統(tǒng)框架以及原型軟件系統(tǒng)。本發(fā)明可用于解決在制造業(yè)中信息處理系統(tǒng)(CAD/CAM/CAE/PDM)中的非規(guī)范知識處理技術(shù)問題，適應(yīng)制造業(yè)信息化工程技術(shù)深化發(fā)展的需要。文檔編號G06F17/30GK101477521SQ20081014790公開日2009年7月8日申請日期2008年12月18日優(yōu)先權(quán)日2008年12月18日發(fā)明者雷徐,鷹殷,殷國富申請人:四川大學(xué)