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

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。

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。