[發明專利]一種基于圖神經網絡的復雜產品解構重組模塊化方法

在審

• 申請號: 202111329909.8
• 申請日: 2021-11-10
• 公開（公告）號: CN114254552A
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 孫曉燕;陳巡;李梓民;張勇
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/18;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 陳月菊

本發明公開了一種基于圖神經網絡的復雜產品解構重組模塊化方法，包括：收集原始數據；將原始數據優化為有效數據；從度矩陣d中，按照度由高到低的順序選取R個度較高的節點定義為重要節點，通過計算各重要節點之間功能特征的余弦相似度，確定產品功能模塊數量k；解構重組復雜產品連接關系；對每個功能模塊進行分析，對誤劃分進其他功能模塊進行重新分配，尋找功能模塊間變更傳播連接零部件。本發明能夠從復雜產品零部件自身顯性特征與結構信息隱含相鄰零部件的隱形特征雙重特性考慮復雜產品模塊化處理，實現更加高效精確的復雜產品描述。

技術領域

本發明涉及復雜產品開發技術領域，具體而言涉及一種基于圖神經網絡的復雜產品解構重組模塊化方法。

背景技術

在復雜產品開發過程中，由于受到用戶需求和其他不確定性因素影響，不可避免的會遇到設計變更的問題，但復雜產品具有系數維度高，單元數量大，零部件之間結構強耦合的特點，在設計人員變更其中一個或多個零部件時，必然會導致與其相關的零部件發生變更，但由于復雜產品具有的特點，設計人員很難描繪出清晰的變更路徑，并可能會造成重復變更，或變更不完全造成服務性能達不到客戶要求，極大的增加了時間的消耗與操作復雜性，但復雜產品變更對市場的快速適應能力，在企業核心競爭力中具有舉足輕重的作用。因此，如何能夠幫助設計人員快速響應變更，并清晰描繪出變更路徑對企業各發展具有重要意義。

目前，對復雜產品重新描述大多是進行模塊化處理。例如，專利號為CN108427852A的發明中提出了一種起重機抓斗模塊解耦方法，該方法首先確定起重機抓斗各零件，建立抓斗設計結構矩陣，進行聚類重組，得到模塊劃分方案；根據所得的模塊劃分方案，考慮零部件間的依賴關系，確定它們間的相互影響程度，建立抓斗模塊關聯矩陣，并計算兩兩模塊之間的關聯依賴度；通過減少模塊間的關聯依賴度對抓斗各模塊進行解耦。但類似技術在模塊化時僅僅只考慮到顯性功能或結構信息，很少有從復雜產品零部件自身顯性特征與結構信息隱含相鄰零部件的隱形特征雙重特性考慮復雜產品模塊化處理。

發明內容

本發明針對現有技術中的不足，提供一種基于圖神經網絡的復雜產品解構重組模塊化方法，能夠從復雜產品零部件自身顯性特征與結構信息隱含相鄰零部件的隱形特征雙重特性考慮復雜產品模塊化處理，實現更加高效精確的復雜產品描述。

為實現上述目的，本發明采用以下技術方案：

本發明實施例提出了一種基于圖神經網絡的復雜產品解構重組模塊化方法，所述模塊化方法包括以下步驟：

S1：收集原始數據，原始數據包括復雜產品的服務性能、零部件名稱、零部件間耦合關系和零部件功能特征；

S2：對原始數據進行預處理，將預處理后的原始數據優化為有效數據：

對復雜產品n個節點進行編號，構建復雜網絡設計結構矩陣模型A來描述各零部件連接關系，設計各零部件功能特征矩陣X描述各零部件的功能特征，設計每個零部件的度矩陣d來表達每個零部件含有多少連接關系；

S3：從度矩陣d中，按照度由高到低的順序選取R個度較高的節點定義為重要節點，通過計算各重要節點之間功能特征的余弦相似度，確定產品功能模塊數量k；

S4：解構重組復雜產品連接關系：

采用圖自編碼器聚合零部件與周圍零件之間的特征作為零部件自身的隱含特征Z；對于最終獲取的隱含特征Z，根據步驟S3獲得的模塊個數k，采用FCM算法對其進行模糊聚類，輸出每個零部件對各模塊的隸屬度矩陣：

選取每一個零部件M_i，j最大值，并認為此零部件屬于M_i，j對應的模塊；

S5，對每個功能模塊進行分析，對誤劃分進其他功能模塊進行重新分配，尋找功能模塊間變更傳播連接零部件。