基于工艺数据规范表达的工艺知识泛化

doi:10.3969/j.issn.1004-132X.2025.11.031

摘要/Abstract

摘要：

航空领域中的长周期、长流程零件的工艺设计知识复用率低，缺乏有效的知识推荐与继承。当前的工艺知识泛化方法主要集中在利用模糊知识、推理算法，克服工艺方法对环境的依赖性方面，这些方法对解决形式化表达的不完备性和不一致性帮助不大。以工艺数据规范表达为基础，再进行知识图谱构建与启发式搜索工艺推荐，得到了知识复用率较高的结果，为长周期、长流程零件的高复用率、高效率、知识驱动零件工艺规划提供了一种思路。

关键词: 工艺知识泛化, 工艺规划, 工艺数据规范表达, 知识图谱, 启发式搜索

Abstract:

In the aviation field， the reuse rate of process design knowledge for parts with long cycles and complex processes was low， and there was a lack of effective knowledge recommendation and inheritance. The current methods for process knowledge generalization mainly focused on using fuzzy knowledge and reasoning algorithms to overcome the dependence of process methods on the environment. These methods did not significantly help in addressing the incompleteness and inconsistency of formalized expressions. This paper was based on the standardized expression of process data， the knowledge graph construction and heuristic search for process recommendations were carried out， resulting in a higher knowledge reuse rate， which provided a way of thinking for the high-reusability， high-efficiency， and knowledge-driven process planning of parts with long cycles and complex processes.

Key words: process knowledge generalization, process planning, standardized expression of process data, knowledge graph, heuristic search

中图分类号:

TH162

郑乔, 吕瑞强, 崔本城, 左芮. 基于工艺数据规范表达的工艺知识泛化[J]. 中国机械工程, 2025, 36(11): 2728-2737.

Qiao ZHENG, Ruiqiang LYU, Bencheng CUI, Rui ZUO. A Process Knowledge Generalization Based on Standardized Expression of Process Data[J]. China Mechanical Engineering, 2025, 36(11): 2728-2737.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2025.11.031

https://www.cmemo.org.cn/CN/Y2025/V36/I11/2728

图/表 15

参考文献 13

[1]	王涌泉. 基于三维CAPP系统的工艺数据应用的研究［D］. 济南：山东大学，2019.
	WANG Yongquan. Application Research of Process Data in 3D CAPP System［D］. Jinan： Shandong University， 2019.
[2]	刘跃岩. 面向特征的航天器舱段类零件机加工艺决策方法研究［D］. 哈尔滨：哈尔滨工业大学，2023.
	LIU Yueyan. Research on Feature-oriented Decision-making Method for Machining Spacecraft Section Parts ［D］. Harbin： Harbin Institute of Technology， 2023.
[3]	李征. 基于知识图谱的工艺路线推荐方法研究［D］. 北京：北京交通大学，2021.
	LI Zheng. Research on Process Route Recommendation Method Based on Knowledge Graph［D］. Beijing： Beijing Jiaotong University， 2021.
[4]	彭仕鑫，肖彪，赵正彩，等. 航天复杂薄壁零件加工工艺知识图谱构建及其应用［J］. 机电工程，2024，41（4）：709-719.
	PENG Shixin， XIAO Biao， ZHAO Zhengcai， et al. Construction and Application of Knowledge Graph for Processing Technology of Complex Thin-walled Aerospace Parts［J］. Journal of Mechanical & Electrical Engineering， 2024， 41（4）： 709-719.
[5]	杨圣斌. 炼油工艺设计集成系统标准化研究［J］. 山东化工，2024，53（9）：252-255.
	YANG Shengbin. Research on Standardization of Refining Process Design Integration System［J］. Shandong Chemical Industry， 2024， 53（9）： 252- 255.
[6]	张朝朝，叶蕾，曹志勇，等. 基于WEB的航空航天环形锻件CAPP系统开发［J］. 精密成形工程，2023，15（5）：164-175.
	ZHANG Chaochao， YE Lei， CAO Zhiyong， et al. Development of WEB-based CAPP System for Aerospace Ring Forgings［J］. Journal of Netshape Forming Engineering， 2023， 15（5）： 164-175.
[7]	魏海坤，徐嗣鑫，宋文忠. 神经网络的泛化理论和泛化方法［J］. 自动化学报，2001，27（6）：806-815.
	WEI Haikun， XU Sixin， SONG Wenzhong. Generalization Theory and Generalization Methods For Neural Networks［J］. Acta Automatica Sinica，2001，27（6）：806-815.
[8]	ZHAO Long， PENG Xi， CHEN Yuxiao， et al. Knowledge as Priors： Cross-modal Knowledge Generalization for Datasets Without Superior Knowledge［C］∥IEEE/CVF Conference on Computer Vision and Pattern Recognition（CVPR 2020）.Seattle， 2020：6527-6536.
[9]	MA Chenyu， JIA Jinfang， HUANG Jianqiang， et al. DisRot： Boosting the Generalization Capability of Few-shot Learning via Knowledge Distillation and Self-supervised Learning［J］. Machine Vision and Applications，2024，35（3）：1-13.
[10]	商亚琴，滕薇，曹杨，等. 基于LLM的工艺推荐系统设计研究［J］. 造纸装备及材料，2024，53（5）：28-30.
	SHANG Yaqin， TENG Wei， CAO Yang， et al. Research on Design of Process Recommendation System Based on LLM［J］. Papermaking Equipment and Materials， 2024， 53（5）： 28-30.
[11]	伍缘杰. 激光选区熔化工艺数据库与工艺推荐研究［D］. 武汉：华中科技大学，2022.
	WU Yuanjie. Research on Laser Selective Melting Process Database and Process Recommendation［D］. Wuhan： Huazhong University of Science and Technology， 2022.
[12]	曹勇. 基于数据挖掘的工艺知识发现与重用研究［D］. 济南：山东大学，2019.
	CAO Yong. Research on Process Knowledge Discovery and Reuse Based on Data Mining［D］. Jinan： Shandong University， 2019.
[13]	纪贵阳，王裴岩，余卓. 面向工艺规范文本的大语言模型知识注入方法研究［J］. 计算机科学与探索，2024，18（9）：2361-2369.
	JI Guiyang， WANG Peiyan， YU Zhuo. Research on Knowledge Injection Method of Large Language Model for Process Specification Texts［J］. Journal of Frontiers of Computer Science and Technology， 2024， 18（9）： 2361-2369.

优化方式	XB值
无优化	1.91
聚类前自然语言分词	0.89
聚类后贝叶斯分类微调	1.12
双优化	0.79

优化方式	XB值
无优化	1.91
聚类前自然语言分词	0.89
聚类后贝叶斯分类微调	1.12
双优化	0.79

工序描述	出现次数
铬酸阳极化合格证操作操作规程_	25
铬酸阳极化精孔_ 合格证操作操作规程_	7
铬酸阳极化该零件有精孔_ 合格证操作	6
铬酸阳极化精孔_ 合格证操作	4
铬酸阳极化合格证操作	3
铬酸阳极化精孔尺寸_ 合格证操作操作规程_	2
铬酸阳极化该零件为精孔_ 零件合格证操作操作规程_	1

工序描述	出现次数
铬酸阳极化合格证操作操作规程_	25
铬酸阳极化精孔_ 合格证操作操作规程_	7
铬酸阳极化该零件有精孔_ 合格证操作	6
铬酸阳极化精孔_ 合格证操作	4
铬酸阳极化合格证操作	3
铬酸阳极化精孔尺寸_ 合格证操作操作规程_	2
铬酸阳极化该零件为精孔_ 零件合格证操作操作规程_	1

模块名称	简述	关重类型	部门	操作代码	内容
供料模块	供料	一般	4*1	100100	供料：　　　×　　　mm。标记。记录炉批号（LOT NO.）：
	去毛刺	一般	4*1	100200	去毛刺
	检验	一般	2*0	100300	检验（核实物料信息，检查毛料尺寸，确保毛料最小包容尺寸）。
	检验	一般	2*0	100300	工具：游标卡尺
	提供零件	一般	3*5	100400	按零件清单提供零件。记录系列号
	核实零件	一般	2*0	100400	检验核实零件
CMM模块	CMM测量	一般	4*3	100300	CMM测量，合格证操作
	检验报告	一般	4*3	100300	数据分析并检验报告，合格证操作
	检验	一般	2*0	100300	检验（验证数据分析报告）
核实模块	检验工序	一般	2*0	100300	检验数控工序
	核实标记	一般	6*8	100500	在标识的FO上盖章，核实数控程序进行完成。
	去除标记	一般	6*6	100600	工艺员同意使用工装，去除核实标记
喷丸模块	表面准备	一般	4*9	100700	锐边倒圆R0.5mm。喷丸成形前按　　　进行表面准备
	喷丸成形	一般	4*9	100700	喷丸成形，后去除铁污染。合格证操作，操作规程
	检验	一般	4*8	100700	进行压力检测，操作规程
	检验	一般	4*8	100700	贴合面间隙不超过　　　mm。合格证操作
	防护	一般	4*9	100800	零件防护