本發(fā)明涉及一種云制造系統(tǒng)不確定性量化分析方法及裝置，特別是關(guān)于一種在控制制造領(lǐng)域中應(yīng)用的基于數(shù)據(jù)的云制造系統(tǒng)不確定性量化分析方法及裝置。

背景技術(shù)：

云制造系統(tǒng)的一個重要特點是由很多子系統(tǒng)構(gòu)成，并且子系統(tǒng)之間會相互影響。這些影響可能來自于外形結(jié)構(gòu)，功能輸出，或者是子系統(tǒng)間能量、物質(zhì)的轉(zhuǎn)移等。云制造系統(tǒng)出現(xiàn)不確定性，并不僅僅是因為子系統(tǒng)數(shù)目增加而導致的規(guī)模擴大，更主要是因為子系統(tǒng)之間存在著關(guān)聯(lián)關(guān)系，不能簡單地用單獨子系統(tǒng)的功能期望去預(yù)測系統(tǒng)整體的行為。因此，如何分析、評價云制造系統(tǒng)中的不確定性，將對系統(tǒng)的設(shè)計、完善起到重要的作用。

云制造系統(tǒng)不確定性，是指系統(tǒng)輸出信息中存在的不能完整和準確反映系統(tǒng)本質(zhì)的性質(zhì)，以及因云制造系統(tǒng)內(nèi)部各要素之間高度耦合、系統(tǒng)要素與環(huán)境之間頻繁交互，使得系統(tǒng)中的因果關(guān)系與相關(guān)關(guān)系難以識別、系統(tǒng)狀態(tài)難以預(yù)測的性質(zhì)?？捎糜谠浦圃煜到y(tǒng)不確定性分析的方法包括：一階二階可靠性分析、蒙特卡洛仿真分析法、隨機響應(yīng)面法、區(qū)間分析法、基于信息熵的分析方法、隨機多項式展開法等方法。然而，現(xiàn)有的云制造系統(tǒng)不確定性分析方法都存在著以下一些不足之處：

(1)對云制造系統(tǒng)不確定性的分析多需要專家的參與。專家可以根據(jù)自身的經(jīng)驗對系統(tǒng)不確定性作出較為直觀的分析，但當工程系統(tǒng)復(fù)雜程度越來越高之后，專家對于系統(tǒng)的知識已受到局限，過多地依賴專家對高度復(fù)雜的工程系統(tǒng)進行不確定性分析，容易引入人為誤差。

(2)很多制造系統(tǒng)分析方法對數(shù)據(jù)在系統(tǒng)分析中的重視程度不夠。復(fù)雜工程系統(tǒng)在設(shè)計、工作時可以產(chǎn)生大量數(shù)據(jù)，并且隨著系統(tǒng)中信息化水平的提高，可利用的數(shù)據(jù)量也在迅速增加。有效利用數(shù)據(jù)對復(fù)雜工程系統(tǒng)不確定性進行分析，可以減少依賴專家時可能產(chǎn)生的人為誤差。

(3)對制造系統(tǒng)不確定性的分析多依賴于特定領(lǐng)域的專用模型。傳統(tǒng)的不確定性分析方法從不同系統(tǒng)本身的模型特征和不確定性產(chǎn)生機理出發(fā)，雖然可以很好地實現(xiàn)系統(tǒng)不確定性的分析，但通用性較差，當面對新系統(tǒng)、新問題時很難實現(xiàn)復(fù)用。

(4)現(xiàn)有的制造系統(tǒng)不確定性分析方法多集中于不確定性產(chǎn)生機理的剖析和理論模型的構(gòu)造，往往理論性較強，實用性略顯不足，缺乏一個易于理解、能直觀量化比較的分析指標。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明的目的是提供一種基于數(shù)據(jù)的云制造系統(tǒng)不確定性量化分析方法及裝置，其立足于云制造系統(tǒng)設(shè)計、驗證、運行的全周期，實現(xiàn)了云制造系統(tǒng)不確定性的量化分析。

為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種基于數(shù)據(jù)的云制造系統(tǒng)不確定性量化分析方法，其特征在于包括以下步驟：1)對云制造系統(tǒng)輸出的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到用于系統(tǒng)不確定性分析的理想數(shù)據(jù)；2)對預(yù)處理后導入或新建的相應(yīng)數(shù)據(jù)類型文件進行讀?。?)對讀取的已預(yù)處理數(shù)據(jù)進行挖掘，獲得云制造系統(tǒng)信息關(guān)聯(lián)認知圖；4)根據(jù)信息關(guān)聯(lián)認知圖，對云制造系統(tǒng)不確定性進行分析，并將獲得的分析結(jié)果顯示后輸出。

優(yōu)選地，所述步驟1)中，將云制造系統(tǒng)輸出的數(shù)據(jù)通過缺失補全和/或異常去除的處理，消除原始數(shù)據(jù)中的不一致性和不完備性，得到用于系統(tǒng)不確定性分析的理想數(shù)據(jù)。

優(yōu)選地，具體數(shù)據(jù)預(yù)處理為：1.1)針對不確定性數(shù)據(jù)中存在的數(shù)據(jù)不完整情形，通過選取關(guān)聯(lián)性較強的數(shù)據(jù)變量，建立多變量依賴的灰色數(shù)據(jù)預(yù)測模型，完成缺失數(shù)據(jù)的補全；其中，通過灰色斜率關(guān)聯(lián)度作為數(shù)據(jù)變量間相關(guān)性強弱的判斷依據(jù)，若灰色斜率關(guān)聯(lián)度大于預(yù)先設(shè)定值，則該關(guān)聯(lián)度對應(yīng)的數(shù)據(jù)變量則為關(guān)聯(lián)性較強；1.2)針對云制造系統(tǒng)不確定性數(shù)據(jù)中存在的數(shù)據(jù)不準確情形，離群點快速檢測，完成異常數(shù)據(jù)的檢測。

優(yōu)選地，所述數(shù)據(jù)類型文件是officeaccess數(shù)據(jù)庫類型文件、excel類型文件或文本類型文件。

優(yōu)選地，所述步驟3)中，對讀取的已預(yù)處理數(shù)據(jù)進行挖掘具體過程如下：3.1)將待處理的數(shù)據(jù)集以二維表的形式來表示，根據(jù)概念間的聯(lián)合熵和互信息選擇其中具有顯著相關(guān)性的概念對；其中，根據(jù)概念間的聯(lián)合熵和互信息判斷概念間的關(guān)系是熵主導還是信息主導，若為熵主導時，則認為概念對間的關(guān)系是混亂的，缺少進一步分析處理的價值；若為信息主導時，則認為概念對具有顯著相關(guān)性；3.2)根據(jù)預(yù)設(shè)的置信度以及支持度，挖掘信息主導概念對間的有效關(guān)聯(lián)規(guī)則并確定相應(yīng)的子模式；3.3)合成每個信息主導概念對中子模式的信息熵；3.4)根據(jù)云制造系統(tǒng)內(nèi)所有模式圖中關(guān)聯(lián)規(guī)則的挖掘，利用得到的結(jié)果構(gòu)建描述云制造系統(tǒng)相關(guān)關(guān)系的信息關(guān)聯(lián)認知圖。

優(yōu)選地，所述步驟3.4)中，關(guān)聯(lián)規(guī)則的挖掘是基于信息主導概念對進行的，當兩個變量為信息主導概念對并可以挖掘出相關(guān)關(guān)系時，這兩個變量會通過虛線連接。

優(yōu)選地，所述步驟4)中不確定性分析為：對于某一模式，其不確定性為各個子模式的信息熵與置信度乘積的和，所有模式不確定性的累加和即為云制造系統(tǒng)的總體不確定性。

本發(fā)明采取另一技術(shù)方案：一種基于數(shù)據(jù)的云制造系統(tǒng)不確定性量化分析裝置，其特征在于：該裝置包括數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)讀取模塊、基于信息關(guān)聯(lián)認知圖挖掘模塊和不確定性分析模塊；所述數(shù)據(jù)預(yù)處理模塊，對云制造系統(tǒng)輸出的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到用于系統(tǒng)不確定性分析的理想數(shù)據(jù)；所述數(shù)據(jù)讀取模塊，用于對預(yù)處理后導入或新建的相應(yīng)數(shù)據(jù)類型文件進行讀??；所述基于信息關(guān)聯(lián)認知圖挖掘模塊，用于對讀取的已預(yù)處理數(shù)據(jù)進行挖掘，獲得云制造系統(tǒng)信息關(guān)聯(lián)認知圖；所述不確定性分析模塊，根據(jù)信息關(guān)聯(lián)認知圖，對云制造系統(tǒng)不確定性進行分析，并將獲得的分析結(jié)果顯示后輸出。

優(yōu)選地，所述基于信息關(guān)聯(lián)認知圖挖掘模塊包括信息主導概念對選擇子模塊、關(guān)聯(lián)規(guī)則挖掘子模塊、關(guān)聯(lián)規(guī)則合成子模塊和信息知識關(guān)聯(lián)圖構(gòu)建子模塊；所述信息主導概念對選擇子模塊，用于將待處理的數(shù)據(jù)集以二維表的形式來表示，根據(jù)概念間的聯(lián)合熵和互信息選擇其中具有顯著相關(guān)性的概念對；所述關(guān)聯(lián)規(guī)則挖掘子模塊，用于根據(jù)預(yù)設(shè)的置信度以及支持度，挖掘信息主導概念對間的有效關(guān)聯(lián)規(guī)則并確定相應(yīng)的子模式；所述關(guān)聯(lián)規(guī)則合成子模塊，用于合成每個信息主導概念對中子模式的信息熵；所述信息知識關(guān)聯(lián)圖構(gòu)建子模塊，用于根據(jù)云制造系統(tǒng)內(nèi)所有模式圖中關(guān)聯(lián)規(guī)則的挖掘，利用得到的結(jié)果構(gòu)建描述云制造系統(tǒng)相關(guān)關(guān)系的信息關(guān)聯(lián)認知圖。

優(yōu)選地，所述分析裝置還包括用于將結(jié)果進行人機交互顯示的顯示模塊。

本發(fā)明由于采取以上技術(shù)方案，其具有以下優(yōu)點：1、本發(fā)明將數(shù)據(jù)的相關(guān)性分析同數(shù)據(jù)挖掘相結(jié)合，建立了基于關(guān)聯(lián)規(guī)則的云制造系統(tǒng)信息關(guān)聯(lián)認知圖。利用信息熵對規(guī)則的隨機性進行分析，并通過蒙特卡羅方法對系統(tǒng)的最大和最小不確定性進行仿真，完成了云制造系統(tǒng)不確定性的量化分析。2、本發(fā)明量化使云制造系統(tǒng)的不確定性可以直觀量化地進行比較、分析，提高了人們對復(fù)雜工程系統(tǒng)不確定性的認知能力。

附圖說明

圖1是本發(fā)明基于數(shù)據(jù)的云制造系統(tǒng)不確定性量化分析裝置結(jié)構(gòu)示意圖；

圖2是本發(fā)明的信息關(guān)聯(lián)認知圖圖形化示意圖；

圖3是本發(fā)明的顯示模塊示意圖；

圖4是本發(fā)明實施例中油底殼設(shè)計方案1信息關(guān)聯(lián)認知圖；

圖5是本發(fā)明實施例中油底殼設(shè)計方案2信息關(guān)聯(lián)認知圖；

圖6是本發(fā)明實施例中油底殼設(shè)計方案1不確定性結(jié)果顯示圖；

圖7是本發(fā)明實施例中油底殼設(shè)計方案2不確定性結(jié)果顯示圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖和實施例對本發(fā)明的技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。

本發(fā)明提供一種基于數(shù)據(jù)的云制造系統(tǒng)不確定性量化分析方法，其包括以下步驟：

1)啟動云制造系統(tǒng)，對云制造系統(tǒng)輸出的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到可以用于系統(tǒng)不確定性分析的理想數(shù)據(jù)；

將原始數(shù)據(jù)通過缺失補全和/或異常去除的處理，消除原始數(shù)據(jù)中的不一致性和不完備性，得到可以用于系統(tǒng)不確定性分析的理想數(shù)據(jù)；其中，原始數(shù)據(jù)為云制造系統(tǒng)輸出的數(shù)據(jù)

2)對預(yù)處理后導入或新建的相應(yīng)數(shù)據(jù)類型文件進行讀??；

3)對讀取的已預(yù)處理數(shù)據(jù)進行挖掘，獲得云制造系統(tǒng)信息關(guān)聯(lián)認知圖；

4)根據(jù)信息關(guān)聯(lián)認知圖，對云制造系統(tǒng)不確定性進行分析，并將獲得的分析結(jié)果顯示后輸出。

在一個優(yōu)選地實施例中，數(shù)據(jù)類型文件可以是officeaccess數(shù)據(jù)庫類型文件、excel類型文件或文本類型文件。

在一個優(yōu)選地實施例中，步驟1)中具體數(shù)據(jù)預(yù)處理為：

1.1)針對不確定性數(shù)據(jù)中存在的數(shù)據(jù)不完整情形，通過選取關(guān)聯(lián)性較強的數(shù)據(jù)變量，建立多變量依賴的灰色數(shù)據(jù)預(yù)測模型，完成缺失數(shù)據(jù)的補全；

其中，通過灰色斜率關(guān)聯(lián)度作為數(shù)據(jù)變量間相關(guān)性強弱的判斷依據(jù)，若灰色斜率關(guān)聯(lián)度大于預(yù)先設(shè)定值，則該關(guān)聯(lián)度對應(yīng)的數(shù)據(jù)變量則為關(guān)聯(lián)性較強；

1.2)針對云制造系統(tǒng)不確定性數(shù)據(jù)中存在的數(shù)據(jù)不準確情形，離群點快速檢測，完成異常數(shù)據(jù)的檢測。

在一個優(yōu)選地實施例中，步驟3)中對讀取的已預(yù)處理數(shù)據(jù)進行挖掘具體過程如下：

3.1)將待處理的數(shù)據(jù)集以二維表的形式來表示，根據(jù)概念間的聯(lián)合熵和互信息選擇其中具有顯著相關(guān)性的概念對；

其中，根據(jù)概念間的聯(lián)合熵和互信息判斷概念間的關(guān)系是熵主導還是信息主導，若為熵主導時，則認為概念對間的關(guān)系是混亂的，缺少進一步分析處理的價值；若為信息主導時，則認為概念對具有顯著相關(guān)性。

3.2)根據(jù)預(yù)設(shè)的置信度以及支持度，挖掘信息主導概念對間的有效關(guān)聯(lián)規(guī)則并確定相應(yīng)的子模式；

3.3)合成每個信息主導概念對中子模式的信息熵；

3.4)根據(jù)云制造系統(tǒng)內(nèi)所有模式圖中關(guān)聯(lián)規(guī)則的挖掘，利用得到的結(jié)果構(gòu)建描述云制造系統(tǒng)相關(guān)關(guān)系的信息關(guān)聯(lián)認知圖。

上述實施例中，在步驟3.4)中，關(guān)聯(lián)規(guī)則的挖掘是基于信息主導概念對進行的，當兩個變量為信息主導概念對并可以挖掘出相關(guān)關(guān)系時，這兩個變量會通過虛線連接。

在一個優(yōu)選地實施例中，步驟4)中不確定性分析為：對于某一模式，其不確定性為各個子模式的信息熵與置信度乘積的和，所有模式不確定性的累加和即為云制造系統(tǒng)的總體不確定性。

如圖1所示，本發(fā)明還提供一種基于數(shù)據(jù)的云制造系統(tǒng)不確定性量化分析裝置，其包括數(shù)據(jù)預(yù)處理模塊、數(shù)據(jù)讀取模塊、基于信息關(guān)聯(lián)認知圖挖掘模塊和不確定性分析模塊。其中：

數(shù)據(jù)預(yù)處理模塊，對云制造系統(tǒng)輸出的數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到可以用于系統(tǒng)不確定性分析的理想數(shù)據(jù)；

數(shù)據(jù)讀取模塊，用于對預(yù)處理后導入或新建的相應(yīng)數(shù)據(jù)類型文件進行讀?。?/p>

基于信息關(guān)聯(lián)認知圖挖掘模塊，用于對讀取的已預(yù)處理數(shù)據(jù)進行挖掘，獲得云制造系統(tǒng)信息關(guān)聯(lián)認知圖；

不確定性分析模塊，根據(jù)信息關(guān)聯(lián)認知圖，對云制造系統(tǒng)不確定性進行分析，并將獲得的分析結(jié)果顯示后輸出。

在一個優(yōu)選地實施例中，基于信息關(guān)聯(lián)認知圖挖掘模塊包括信息主導概念對選擇子模塊、關(guān)聯(lián)規(guī)則挖掘子模塊、關(guān)聯(lián)規(guī)則合成子模塊和信息知識關(guān)聯(lián)圖構(gòu)建子模塊。其中，

信息主導概念對選擇子模塊，用于將待處理的數(shù)據(jù)集以二維表的形式來表示，根據(jù)概念間的聯(lián)合熵和互信息選擇其中具有顯著相關(guān)性的概念對；

關(guān)聯(lián)規(guī)則挖掘子模塊，用于根據(jù)預(yù)設(shè)的置信度以及支持度，挖掘信息主導概念對間的有效關(guān)聯(lián)規(guī)則并確定相應(yīng)的子模式；

關(guān)聯(lián)規(guī)則合成子模塊，用于合成每個信息主導概念對中子模式的信息熵；

信息知識關(guān)聯(lián)圖構(gòu)建子模塊，用于根據(jù)云制造系統(tǒng)內(nèi)所有模式圖中關(guān)聯(lián)規(guī)則的挖掘，利用得到的結(jié)果構(gòu)建描述云制造系統(tǒng)相關(guān)關(guān)系的信息關(guān)聯(lián)認知圖。

上述實施例中，信息知識關(guān)聯(lián)圖構(gòu)建子模塊中，關(guān)聯(lián)規(guī)則的挖掘是基于信息主導概念對進行的，當兩個變量為信息主導概念對并可以挖掘出相關(guān)關(guān)系時，這兩個變量會通過虛線連接，如圖2所示。

在一個優(yōu)選地實施例中，本發(fā)明的分析裝置還包括顯示模塊，用于結(jié)果的人機交互顯示，如圖3所示。

實施例：

本實施例中采用云制造系統(tǒng)中油底殼設(shè)計方案選擇為案例，通過對油底殼設(shè)計方案產(chǎn)生的仿真數(shù)據(jù)進行分析，驗證云制造系統(tǒng)不確定性量化分析方法，以及云制造系統(tǒng)不確定性量化分析裝置的實用性。根據(jù)不同的油底殼設(shè)計方案，利用云制造系統(tǒng)不確定性量化分析方法，以及云制造系統(tǒng)不確定性分析系統(tǒng)對采集油底殼針對振動擾動時在若干個觀測點的加速度數(shù)據(jù)進行不確定性分析，給出不同油底殼設(shè)計方案下的不確定性量化結(jié)果，從而對方案設(shè)計提供輔助決策支持。

現(xiàn)已有兩個油底殼設(shè)計方案，其參數(shù)如表1所示。

表1油底殼設(shè)計方案

對設(shè)計方案的分析是通過有限元分析軟件nastran進行，最終得到油底殼針對振動擾動時在若干個觀測點的加速度并記錄在數(shù)據(jù)庫中；

1)啟動云制造系統(tǒng)不確定性量化分析裝置，連接數(shù)據(jù)預(yù)處理模塊對數(shù)據(jù)庫中的數(shù)據(jù)進行缺失補全以及異常去除處理后將理想數(shù)據(jù)存入表1；

2)數(shù)據(jù)讀取模塊讀取表1中的油底殼設(shè)計方案相關(guān)數(shù)據(jù)并傳遞給云制造系統(tǒng)信息關(guān)聯(lián)認知圖模塊；

3)云制造系統(tǒng)信息關(guān)聯(lián)認知圖模塊接收數(shù)據(jù)讀取模塊處理后的數(shù)據(jù)文件，進行挖掘分析，其中：

3.1)云制造系統(tǒng)信息主導概念對選擇子模塊根據(jù)表1中的參數(shù)項計算參數(shù)間的聯(lián)合熵和互信息，以圖形化的形式描述信息主導概念對并輸出；

3.2)云制造系統(tǒng)關(guān)聯(lián)規(guī)則挖掘子模塊接收上述信息主導概念對選擇子模塊中確定的信息主導概念對繪制二維散點圖，實現(xiàn)油底殼系統(tǒng)概念對的相關(guān)性分析，挖掘模式圖中變量間可能存在的行為模式，將挖掘出的有效關(guān)聯(lián)規(guī)則合并輸出；

3.3)云制造系統(tǒng)關(guān)聯(lián)規(guī)則合成子模塊接收上述關(guān)聯(lián)規(guī)則挖掘子模塊中的有效關(guān)聯(lián)規(guī)則并進行相關(guān)性強弱的量化和合成，得到油底殼設(shè)計方案中各個參數(shù)間相關(guān)性強弱的量化指標，完成概念對間的不確定性量化并輸出；

3.4)云制造系統(tǒng)信息關(guān)聯(lián)認知圖構(gòu)建子模塊接收上述關(guān)聯(lián)規(guī)則合成子模塊中輸出的有效的關(guān)聯(lián)規(guī)則，構(gòu)建描述系統(tǒng)相關(guān)關(guān)系的信息關(guān)聯(lián)認知圖，直觀顯示變量間的耦合程度，方案1的信息關(guān)聯(lián)認知圖如圖4所示，方案2的信息關(guān)聯(lián)認知圖如圖5所示；

4)云制造系統(tǒng)不確定性分析模塊接收基于信息關(guān)聯(lián)認知圖模塊中所有子模式中的不確定性并進行累加計算，實現(xiàn)系統(tǒng)的總體不確定性量化分析并顯示輸出，方案1的不確定性結(jié)果顯示如圖6所示，方案2的不確定性結(jié)果顯示如圖7所示。

綜上所述，經(jīng)過對上述兩種油底殼方案進行評估，得出設(shè)計方案1的不確定性要小于設(shè)計方案2，說明設(shè)計方案1的信息關(guān)聯(lián)認知圖中的模式關(guān)聯(lián)性更強。按照該方案設(shè)計出的油底殼，不同的振動響應(yīng)之間規(guī)律性更強，隨機性更弱，意味著油底殼的振動情形更容易被設(shè)計者所掌握。在長期運行后，會表現(xiàn)出更好地穩(wěn)定性，油底殼也更不容易出現(xiàn)性能衰退或疲勞等現(xiàn)象。當兩個設(shè)計方案同時滿足其他性能指標時，將設(shè)計方案的不確定性作為輔助指標，可以幫助用戶進行設(shè)計決策。

上述各實施例僅用于說明本發(fā)明，各步驟都是可以有所變化的，在本發(fā)明技術(shù)方案的基礎(chǔ)上，凡根據(jù)本發(fā)明原理對個別步驟進行的改進和等同變換，均不應(yīng)排除在本發(fā)明的保護范圍之外。