(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210488705.7 (22)申请日 2022.05.06 (71)申请人 武汉理工大 学 地址 430070 湖北省武汉市洪山区珞狮路 122号 (72)发明人 徐文君　邓霄　刘佳宜　姚碧涛　 (74)专利代理 机构 湖北武汉 永嘉专利代理有限 公司 42102 专利代理师 朱宏伟 (51)Int.Cl. G06F 16/36(2019.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) (54)发明名称 一种工业云机 器人制造能力服 务推荐方法 (57)摘要 本发明涉及提供工业云机器人制造能力服 务推荐方法， 用于从海量制造服务中推荐满足功 能需求和非功能需求的工业云机器人制造能力 服务， 该方法主要包括： 构建融合工业云机器人 模型、 制造任务模型、 制造能力服务模型和制造 过程模型的工业云机器人制造过程信息模型； 构 建工业云机器人制造能力服务知识图谱； 围绕时 间、 成本、 能耗、 失误率等优化目标， 提出满足个 性化需求和偏好的评分优选方法； 利用知识表示 学习， 提出满足功能需求和非功能需求的工业云 机器人制造能力服务推荐 方案生成方法。 与现有 技术相比， 本发明考虑用户个性化需求， 基于知 识表示学习， 可对工业云机器人制造能力服务知 识进行有效管理， 有效从海量制造能力服务中推 荐优质可靠的服 务。 权利要求书2页 说明书9页 附图6页 CN 114896414 A 2022.08.12 CN 114896414 A 1.一种工业云机器人制造能力服 务推荐方法， 其特 征在于， 包括以下步骤： 1)构建融合工业云机器人模型、 制造任务模型、 制造能力服务模型和制造过程模型的 工业云机器人制造过程信息模型； 2)结合工业云机器人制造过程信息模型， 构建工业云机器人制造能力服 务知识图谱； 3)围绕时间、 成本、 能耗和失误率优化目标， 提出满足用户个性化需求和 偏好的服务评 分优选方法； 4)结合知识表示学习模型进行链接预测， 提出满足功能需求和非功能需求的工业云机 器人制造能力服 务推荐方案生成方法。 2.根据权利要求1所述的工业云机器人制造能力服务推荐方法， 其特征在于， 在所述的 步骤1)中， 所述工业云机器人模型描述工业云机器人基本信 息和能力信 息， 基本信 息包括工业云 机器人的ID、 名称、 类型、 地理位置； 能力信息包括工业云机器人的技术参数和提供的制造 能力服务； 所述制造任务模型包括任务名称、 任务类型、 任务内容、 任务目标； 所述制造能力服务模型包括基本属性、 功能属性和非功能属性， 基本属性包括服务id、 服务名称和服务类型， 功 能属性包括服务可以完成的任务或子任务， 非功能属 性包括服务 耗费的时间和能耗； 所述制造过程模型包括当前正在执 行的任务状态、 任务约束和制造过程数据。 3.根据权利要求1所述的工业云机器人制造能力服务推荐方法， 其特征在于， 在所述的 步骤2)中， 构建工业云机器人制造能力服 务知识图谱的方法如下： (1)基于工业云机器人模型、 制造任务模型、 制造能力服务模型和制造过程模型， 结合 经验数据和专家知识， 经过实体抽取、 关系抽取和属性抽取， 采用实体消歧， 构建工业云机 器人制造能力服 务知识图谱； (2)知识图谱G表示如下： G＝<E,R,S> 其中， E＝{e1,e2,…,e|E|}是知识库中的实体集合， 共包含|E|种不同的实体； R＝{r1, r2,…,r|R|}是知识库中的关系集合， 共包含|R|种不同的关系； 代表知识库 中的三元组集 合； (3)在统一的实体和关系空间中， 工业云机器人制造能力服务知识图谱中任意一个三 元组描述 为： S＝{(h,r,t)|h,t∈E,r∈R} 其中， 向量h表示头实体， t 表示尾实体， r 表示头实体和尾实体之间的关系。 4.根据权利要求1所述的工业云机器人制造能力服务推荐方法， 其特征在于， 在所述的 步骤3)中， 提出满足用户个性 化需求和偏好的服 务评分优选方法如下： (1)根据时间、 成本、 能耗和 失误率四个非功能属性， 结合用户自定义权重对候选服务 集中满足用户需求和偏好的服 务进行评分优选， 描述 为： NFI＝{Time,Cost,Energy_cost,Fai lure_rate} 其中， Time指服务执行子任务所需要的时间， 包括执行任务时间和物流时间； Cost指完 成任务的成本， 包含加工成本和物流成本； Energy_cost指完成任务的能耗； Failure_rate权　利　要　求　书 1/2 页 2 CN 114896414 A 2指服务执行任务的失败率； (2)对每个指标进行归一 化， 归一化公式如下： 其中， pi表示候选服务集中的第i个服务； 表示的是候选服务集中第i个服务的第j个 属性值； max(pj)表示第j种非功能属性的最大值； min(pj)表示的是第j种非功能属性的最小 值； 表示第i个服 务的第j个非功能属性标准 化以后的值； (3)计算候选服务集中每个服务的评分， 将评分结果靠前服务作为推荐结果向用户返 回， 评分计算公式如下： 其中， ω1、 ω2、 ω3和ω4是由用户给定的时间、 成本、 能耗和失误 率的权值。 5.根据权利要求1所述的工业云机器人制造能力服务推荐方法， 其特征在于， 在所述的 步骤4)中， 工业云机器人制造能力服 务推荐方案生成方法如下： (1)对制造任务进行任务分解， 将一个制造任务分解 为其子任务 集； (2)采用知识表示学习算法对知识图谱进行知识表示学习， 习得工业云机器人制造能 力服务知识图谱知识 表示学习模型； (3)基于习得的知识 表示学习模型， 进行链接预测， 构建候选服 务集； (4)对候选服务集中每个服务进行评分优选， 得到满足功能需求和非功能需求的工业 云机器人制造能力服 务推荐方案 。权　利　要　求　书 2/2 页 3 CN 114896414 A 3