本發(fā)明涉及產品仿生造型領域，具體地說是涉及一種基于知識圖譜與語義融合擴散模型的產品仿生設計方法。

背景技術：

1、仿生設計已經成為創(chuàng)新設計的一種方法論。在自然界的物競天擇中，許多成功的生物種類都展現(xiàn)出獨特的生存能力，為人類產品發(fā)展的多樣性提供了不竭的靈感源泉[1]。然而，要將這些靈感轉化為實際產品，人們仍需經過更多的深入工作和研究。在當前的產品仿生設計領域，普通設計師如何尋找到匹配設計需求的仿生生物并在短時間內融合生成大量的設計方案是當前產品仿生設計領域需要解決的兩個重要問題[2,3]。

2、知識圖譜作為描述世界中各實體之間關系的語義網(wǎng)絡，可以用于存儲、管理和查詢知識實體之間的關系,現(xiàn)有研究證明產品仿生設計流程與專家領域知識圖譜構建的邏輯存在相似性[4,5]，為了實現(xiàn)匹配設計需求的仿生生物，有必要根據(jù)實際需求構建專家領域知識圖譜。為了應對仿生設計方案生成方面的挑戰(zhàn)，liew等[6]在擴散模型基礎上提出了一種新的語義融合技術——magicmix，可將文本所代表的多維語義內容同步引入到圖像中來合成符合目標語義的新概念圖像。這種方法，為當前產品仿生設計融合生成提供了一個高效的工具，具有廣泛的應用前景。

3、參考文獻：

4、[1]sáaa?m,viana?d?m.design?and?biomimicry:a?review?ofinterconnectionsand?creative?potentials[j].biomimetics,2023,8(1):61.

5、[2]羅仕鑒；邊澤；張宇飛,等.基于形態(tài)匹配的產品仿生設計融合[j].計算機集成制造系統(tǒng),2020,26,2633-2641.

6、[3]羅仕鑒,張宇飛,邊澤,等.產品外形仿生設計研究現(xiàn)狀與進展[j].機械工程學報,2018,54,138-155.

7、[4]王昊奮,漆桂林,陳華鈞.知識圖譜：方法、實踐與應用[j].自動化博覽,2020,37(01):7.

8、[5]林茂,李佳駿,郭偉,等.基于知識圖譜的產品適應性設計輔助決策方法.包裝工程2023,44,48-60.

9、[6]liew,j.h.；yan,h.；zhou,d.；feng,j.magicmix:semantic?mixing?withdiffusion?models.arxivpreprint?arxiv:2210.160562022,doi:10.48550/arxiv.2210.16056.

技術實現(xiàn)思路

1、為了解決產品仿生設計中如何準確匹配適合的仿生生物和高效地生成高質量的產品仿生設計方案的問題，本發(fā)明提出一種基于知識圖譜與語義融合擴散模型的產品仿生設計方法，該方法通過模擬設計師的產品仿生融合設計過程，構建了一個全面的產品仿生設計集成方法架構，能夠快速生成高質量的產品仿生設計方案。

2、為了實現(xiàn)上述目的，本發(fā)明采用如下技術方案。

3、一種基于知識圖譜與語義融合擴散模型的產品仿生設計方法，包括以下步驟：

4、步驟s1：仿生知識圖譜構建與目標仿生生物推薦；

5、步驟s2：基于語義融合擴散模型的仿生設計融合生成；

6、步驟s3：產品仿生設計評價體系構建與仿生設計方案優(yōu)選。

7、具體的，步驟s1所述仿生知識圖譜構建與目標仿生生物推薦的內容為：

8、步驟s11、仿生生物數(shù)據(jù)來源與特點分析

9、根據(jù)生物知識的數(shù)據(jù)來源和特點，結合產品仿生設計的知識需求，用表格的形式記錄產品仿生設計知識圖譜的數(shù)據(jù)來源及相關特征，根據(jù)生物的科學分類，對于同一門或同一綱的生物具有相似的數(shù)據(jù)特征，僅在學名和外形等方面存在細微差異的情況，只選擇具有代表性的生物進行記錄，而不重復添加與已有生物屬性數(shù)據(jù)相似的生物；

10、步驟s12、產品仿生設計知識圖譜本體層構建

11、根據(jù)知識圖譜的構建邏輯與數(shù)據(jù)處理順序，結合生物屬性數(shù)據(jù)的特點，利用protégé軟件作為本體建模工具，構建產品仿生設計知識領域的核心概念本體層，所述核心概念本體層中，將生物分為十二個主要類別，包括鳥類、魚類、哺乳動物類、爬行動物類、兩棲動物類、節(jié)肢動物類、軟體動物類、環(huán)節(jié)動物類、棘皮動物類、腔腸動物類、昆蟲類和植物類；

12、步驟s13、產品仿生設計知識圖譜數(shù)據(jù)層構建

13、經過對數(shù)據(jù)源的詳細分析和本體層的明確定義，對數(shù)據(jù)進行采集和預處理：包括生物文本數(shù)據(jù)的搜集、知識抽取以及知識融合；所述知識抽取是從非結構化的生物文本數(shù)據(jù)中提取與產品仿生設計相關的生物知識實體，一旦這些生物知識實體被提取出來，就必須進行實體關系抽取，以建立起完整的仿生生物實體屬性關系；所述知識融合指在處理知識圖譜中存在的重復和多余的知識數(shù)據(jù)時，通過采用語義相似度的計算方法評估實體之間的相似程度，然后對它們進行實體關系對齊；

14、步驟s14、仿生生物知識的存儲更新

15、選擇neo4j用于存儲和管理仿生生物數(shù)據(jù)，在對預處理后的文本數(shù)據(jù)進行知識抽取與知識融合后，將得到的結構化數(shù)據(jù)通過py2neo輸入到neo4j圖數(shù)據(jù)庫中，以進行存儲與可視化展示，經過人工處理后，這些數(shù)據(jù)將被存儲在本地數(shù)據(jù)庫中；

16、步驟s15、設計需求與仿生生物映射關系的構建

17、基于產品仿生設計知識圖譜本體層的描述詞定義，構建設計需求-仿生生物映射模型，建立基于知識圖譜數(shù)據(jù)層的“設計需求-描述詞-仿生生物”的映射關系，將案例產品的仿生設計需求與仿生生物有機聯(lián)系起來；

18、步驟s16、目標仿生生物推薦

19、首先，確定目標仿生生物，邀請專業(yè)設計師與對應的用戶群體進行訪談語錄分析，提取產品設計任務的設計需求詞匯并構建描述詞查詢子圖，通過子圖匹配，檢索知識圖譜中相關的生物知識實體數(shù)據(jù)，并通過知識推理得到對應的生物名稱實體；然后，將構建好的查詢子圖與獲得的生物名稱實體進行語義相似度計算，得到集合中每個生物實體與查詢子圖的語義相似度系數(shù)，并生成相應的得分表格，選取語義相似度系數(shù)得分排名第一的生物實體作為推薦的生物，最終完成產品仿生設計知識圖譜的目標仿生生物推薦任務。

20、進一步地，步驟s16中所述相似度計算過程為：

21、先通過構建與產品仿生設計相關的生物屬性查詢子圖，將其與知識圖譜中眾多的生物實體聯(lián)系起來，通過節(jié)點匹配的方法使知識圖譜能夠推薦與查詢子圖相關的生物實體，再引入子圖實體與生物實體節(jié)點之間的jaccard?similarity進行相似度計算；

22、假設存在的兩個集合a,b，jaccard?similarity記為j(a,b)，則定義：

23、

24、如果a,b都為空集，則定義：j(a,b)＝1，已知0≤j(a,b)≤1，j的值越大，兩個樣本的相似度也越大；而jaccard?distance，通常用于測量兩個樣本集合的差異性，并且和jaccard?similarity互補，記為dj(a,b)，其定義為：

25、

26、上式中：j(a,b)代表著兩個實體的語義相似度，dj(a,b)則代表著兩個實體之間的語義距離，jaccard?similarity值越大，其相似度越高，語義距離也就越小，反之亦然；

27、根據(jù)實際的jaccard?similarity選擇得分排名第一的生物實體，并參考該生物的實際屬性，確定其為目標仿生生物。

28、具體的，步驟s2所述基于語義融合擴散模型的仿生設計融合生成的內容為：

29、所述語義融合擴散模型是使用穩(wěn)定擴散技術的一種圖像與文本融合生成的擴散模型，該模型的表示形式為p_θ(x|y)，用以提取和混合語義信息；布局語義從給定的圖像中提取，而具體內容語義通過提供的文本提示進行確定；語義融合擴散模型能夠使用文本內容提示來對含有噪聲的圖片進行去噪，并生成帶有混合語義的圖像；

30、給定一個圖像x，語義融合擴散模型首先生成它在步驟kmin到kmax的中間步驟對應的噪聲版本，而每個噪聲圖像都是由給定圖像x的布局和輪廓信息構成，且都是從粗糙到細膩的布局，然后再調節(jié)含有內容語義y的文本信息來完成去噪過程；

31、逆向過程則從布局語義的噪聲開始，對于從kmax到kmin的每一步k，去噪過程都會利用來自生成模型與布局噪聲xk-1的信息，即首先從中采樣得到然后使用常數(shù)v∈[0,1]對xk-1和進行線性組合，以創(chuàng)建得到混合噪聲：

32、

33、所述去噪過程只依賴于條件生成模型，不會用到線性插值。

34、所述語義融合擴散模型中，引入了兩個參數(shù)：nu與guidance?scale，兩個參數(shù)共同控制了生成過程中兩個潛在表示的融合生成程度；所述nu起到類似于公式(3)中的常數(shù)v的主要作用，用于調整生成圖像的混合噪聲的程度，而另一參數(shù)guidance?scale則用來調整混合過程中文本提示對噪聲生成的引導強度；所述語義融合擴散模型即是通過調整nu和guidance?scale這兩個參數(shù)，靈活地平衡生成圖像的細節(jié)和整體結構。

35、具體的，步驟s3所述產品仿生設計評價體系構建與仿生設計方案優(yōu)選的步驟為：

36、步驟s31、產品仿生設計評價指標確定

37、首先，邀請5位專家匿名提出關于此次仿生設計生成方案評價指標的意見，包括三位專業(yè)的產品設計師和兩位工業(yè)產品生產制造專家，在第一輪收集和處理后，將結果再次發(fā)送給專家以征求其建議，最終，給出6個產品仿生設計方案評價指標，分別為設計需求貼合度、產品仿生融合度、功能部件完整度、整體結構合理度、造型設計復雜度、以及材質選擇合理度；

38、步驟s32、基于熵權-topsis法的設計方案優(yōu)選

39、步驟s321、構造具有α個評估對象和β個評估指標的初始決策矩陣；

40、

41、上式中：xij為第i個評估對象的第j個評估指標值；

42、步驟s322、對決策矩陣作歸一化處理

43、

44、步驟s323、計算信息熵

45、

46、上式中：且步驟s324、對各指標作權重計算

47、

48、上式中：步驟s325、加權評價矩陣計算為

49、r＝(rij)α×β,rij＝ωj×xij(i＝1,2,3,…,α；j＝1,2,3,…,β)?(8)

50、步驟s326、正、負理想解計算為

51、sj+＝max(r1j,r2j,r3j,…,rβj),sj-＝min(r1j,r2j,r3j,…,rβj)?(9)

52、步驟s327、評估對象分別與正、負理想解之間的歐式距離計算為

53、

54、步驟s328、評估對象與理想解的貼近度ωi計算為

55、

56、步驟s329、根據(jù)ωi值將評估對象按降序排列，排在首位的評估對象即為最優(yōu)設計方案。

57、與現(xiàn)有技術相比，本發(fā)明具有以下有益效果：

58、1、本發(fā)明提出了一種基于知識圖譜與語義融合擴散模型的仿生設計融合生成的新方法。該方法首先將產品設計需求輸入知識圖譜以獲取推薦生物的生物信息，然后整合該信息與目標產品信息輸入到語義融合擴散模型中，快速生成高質量的產品仿生設計方案。

59、2、本發(fā)明構建了面向產品仿生設計的專家領域知識圖譜。該知識圖譜根據(jù)生物系統(tǒng)結構及其文本數(shù)據(jù)的特點，提出了適用于產品與生物類比聯(lián)系的知識本體層，并構建出功能完善的圖數(shù)據(jù)庫，可以高效地實現(xiàn)目標域為產品設計需求的仿生生物信息的準確檢索與推薦。

60、3、本發(fā)明建立了一套完整的仿生設計綜合評價體系。通過確立用于評估產品仿生概念方案生成效果的六個關鍵評價指標，促進形成了一個涵蓋了仿生生物查詢推薦、仿生融合生成再到效果評價的產品仿生設計方法閉環(huán)流程。通過多個案例驗證，展示了該評價體系在評估與提高產品仿生設計中目標域與源域匹配的精準性和仿生設計方案融合生成的高效性等方面的價值與潛力。