面向三維工藝設計的知識推送方法研究

孫　璞，侯俊杰，石　倩，劉驕劍

（中國航天系統(tǒng)科學與工程研究院，北京 100048）

面向三維工藝設計的知識推送方法研究

孫璞，侯俊杰，石倩，劉驕劍

（中國航天系統(tǒng)科學與工程研究院，北京 100048）

為應對三維工藝設計中知識應用所出現的知識檢索效率低、知識獲取準確度低及工藝知識缺乏個性化等問題，提出了面向三維工藝設計的知識推送方法。以“工藝設計意圖的獲取與表達—工藝知識的組織與表示—工藝知識的匹配與篩選”為主線，構建了面向三維工藝設計的知識推送框架，并詳細闡述了框架中各個模塊的功能及關鍵技術。最后，以某宇航產品工藝設計過程中工藝知識的應用為例，驗證了知識推送方法的有效性。

工藝設計；工藝設計意圖；工藝知識；知識推送

0　引言

隨著三維產品建模技術及MBD技術的發(fā)展，如何高效繼承上游的設計模型信息，推動工藝設計過程的自動化已成為制造企業(yè)進行工藝設計的重點方向。目前，在三維工藝設計的研究與應用中，學術界及產業(yè)界普遍的看法是工藝的知識化是工藝設計過程自動化、智能化的必要前提。

近年來，隨著企業(yè)信息化的不斷發(fā)展，各企業(yè)根據自身業(yè)務的需要，構建了相應的知識庫，致使目前存在于企業(yè)知識庫中的知識種類多、數量大。然而，在這種的情況下，知識檢索技術在支撐知識重復使用過程中顯得捉襟見肘，如：經常會出現“知識迷航”，“查準率不足、查全率有余”等情況，使得知識在實踐過程中的支撐作用大大削減?；诖?，知識推送技術作為一種“知識找人”的知識重用方式，其在知識應用過程中具有諸多優(yōu)點（如：知識推送服務的主動性、推送知識的精確性等），大大彌補了知識檢索所出現的上述不足。

近年來，在產品研制領域，知識推送技術得到了國內外學者的廣泛研究。Seung Ki Moon、Timothy W［1］等為支持動態(tài)電子市場環(huán)境下的產品族設計，運用了一種基于多Agent的設計知識推送方法。該方法首先通過對用戶的偏好進行學習，然后基于學習的結果將合適的產品設計知識推送給用戶。ZHI Zhang-li、YUAN Yi等［2］在分析知識推送對飛機結構設計的重要性的基礎上，通過構建動態(tài)的、實時更新的用戶興趣模型，實現了飛機設計知識的主動推送。王克勤、杜軍［3］針對知識庫中知識推送精度低的問題，在確定設計任務和設計知識、構建設計人員知識需求模型的基礎上，將設計知識、設計任務和設計人員知識需求模型進行匹配，從而實現了產品設計知識的精確推送。樂承毅、代風等［4］在對企業(yè)知識按照知識屬性、流程及領域三個維度進行描述的基礎上，給出了面向流程的知識主動推送架構，并提出了流程驅動的知識主動推送方法。謝強、張磊［5］在建立用戶知識需求模型的基礎上，從而實現知識的自動供給，并為企業(yè)員工提供個性化的知識服務。

綜上所述，在產品研制領域，知識推送的研究主要集中在產品設計知識、制造知識等方面，而面向三維工藝設計的知識推送方法的研究還并不多見?；诖耍疚拿嫦蛉S工藝設計過程，研究工藝知識推送方法，以期實現工藝知識的精準推送，提升工藝設計的質量和效率。

1　面向三維工藝設計的知識推送框架

為滿足三維工藝設計過程對知識推送的迫切需求，本節(jié)給出面向三維工藝設計的知識推送框架如圖1所示。

1）工藝設計意圖的獲取與表達

工藝設計意圖的獲取主要包括：零件幾何特征的自動識別、MBD模型中非幾何信息的提取以及對工藝設計問題的輸入；工藝設計意圖的表達主要包括對所獲取的工藝設計意圖信息加以有效組織、表示，以便于工藝設計意圖信息為計算機所讀取、處理。

2）工藝知識的組織與表示

工藝知識的組織與表示主要包括工藝知識具體類型的介紹，工藝知識組成結構模型的構建以及工藝知識的封裝。

圖1　面向三維工藝設計的知識推送框架

3）工藝知識的匹配與篩選

工藝知識的匹配與篩選主要包括基于人工免疫算法的候選工藝知識集生成以及基于用戶知識興趣模型的候選工藝知識集篩選及推送兩部分內容?；谌斯っ庖咚惴ǖ暮蜻x工藝知識集生成主要包含：工藝設計意圖與工藝知識的匹配以及基于免疫調節(jié)機制的候選工藝知識集生成（生成的工藝知識具有解的多樣性的特點）；基于用戶知識興趣模型的候選工藝知識集篩選及推送主要包含：用戶知識興趣模型構建以及基于用戶知識興趣模型對候選工藝知識集加以篩選，以確定推送工藝知識集，并將其推送給工藝人員。

4）工藝知識應用

工藝知識應用是工藝知識推送活動的出發(fā)點和落腳點，它通過提供工藝設計意圖及工藝人員信息，從而精確地從知識庫中尋找出適當的工藝知識，并最終通過得到的工藝知識，輔助工藝人員進行工藝設計。

2　工藝設計意圖的獲取與表達

2.1工藝設計意圖的內涵

1）工藝設計意圖的定義

在借鑒設計意圖概念及內涵、分析工藝設計特點的基礎上，對工藝設計意圖定義如下：

定義1工藝設計意圖

所謂工藝設計意圖，是指在進行工藝設計過程中所需的一些背景、設計目標及工藝人員為實現工藝設計目標的一些預期步驟等信息。

具體地，工藝設計意圖主要表現為：繼承于設計的幾何形狀、拓撲結構等幾何信息，附著在幾何信息上的材料、尺寸、公差、表面粗糙度、精度等非幾何信息，以及工藝設計過程中所要求解的具體問題。

2）工藝設計意圖與工藝知識間的相互關系

基于以上工藝設計意圖的定義，可將工藝設計過程理解為：工藝設計人員基于工藝設計意圖，并運用知識，以計劃、規(guī)劃、設想、決策等方式得出工藝設計結果的過程。具體地，可將基于工藝設計意圖的工藝設計過程描述如圖2所示。

圖2　基于工藝設計意圖的工藝設計

通過圖2可以看出：在工藝設計過程中，工藝設計意圖與工藝知識的關系類似于問題與答案間的關系，工藝設計意圖負責提出問題，而工藝知識則是針對相應的問題給予相應的解決方案，以輔助工藝設計過程。

將上述概念及內涵落在面向工藝設計的知識主動推送過程中，工藝設計意圖可理解為引發(fā)工藝知識推送的誘因，推送何種工藝知識，其具體內容是什么，均與工藝設計意圖的具體內容息息相關。

綜上所述，要實現精確的工藝知識推送，就必須對工藝設計意圖予以精確地獲取與表示。

2.2工藝設計意圖的獲取

工藝設計意圖信息的獲取是工藝設計意圖進行表達、應用的前提。因此本節(jié)將對零件及特征的幾何信息，附著在幾何信息上的公差、表面粗糙度等非幾何信息以及工藝設計過程中所要求解的三種類型的工藝設計意圖信息的獲取介紹如下。

2.2.1零件幾何特征的識別

近年來，隨著基于MBD的三維工藝設計模式逐漸得到廣泛研究與應用，基于屬性鄰接圖，運用子圖同構算法進行加工特征的識別得到了廣泛應用。由于這種方法具有較高的識別精度，且該方法簡便高效。因此，本文將采用基于屬性鄰接圖的子圖同構算法進行零件幾何特征的識別。

屬性鄰接圖（Attributed Adjacency Graph，AAG）首先是由Joshi和Chang在文獻［6］中作為基本結構用于對拓撲關系進行描述的。屬性鄰接圖是基于圖結構表達零件邊界的思想來開展的，在屬性鄰接圖中，圖中的節(jié)點表示面，而節(jié)點間的連線表示兩個面之間的公共邊，且屬性鄰接圖中還反映了鄰接面之間具體的幾何關系（如：面與面間的角度），此外，還要用虛實線或數字表示節(jié)點間連線的凹凸性。具體的幾何特征對應的屬性鄰接圖表示方法如圖3所示。

圖3　基于屬性鄰接圖的幾何特征表示

基于此，本文給出基于屬性鄰接圖的特征識別方法，其具體步驟如下：

步驟1：根據零件幾何特征模型的STEP文件，構造幾何特征的屬性鄰接圖；

步驟2：確定幾何特征中各個邊的凹凸性，以“0”代表凹邊，“1”代表凸邊；

步驟3：去掉屬性鄰接圖中的所有凸邊，形成全凹面連接子圖；

步驟4：通過去掉凹面子圖中代表毛坯面的節(jié)點，形成特征子圖；

步驟5：調用特征識別器識別各特征子圖；

步驟6：輸出特征信息，保存結果。

2.2.2MBD模型非幾何信息的提取

產品零件MBD模型除了上述的幾何特征信息外，還通過標注或屬性參數數據描述的方式定義了該零件所需要的所有非幾何信息，如：通用公差要求、精度要求、表面技術要求等。通過悉心總結，本文將MBD數據集中的非幾何信息加以匯總，其中所含具體的非幾何信息如表1所示。

表1　MBD數據集中的非幾何信息

為了對MBD數據集中的非幾何信息加以提取，首先需要對模型中的區(qū)域進行選取，這可以通過2.2.1節(jié)中的特征識別方法實現，其次需要對該特征上所對應的MBD數據集進行掃描，得到相應的非幾何信息列表及其具體的參數。MBD模型上的非幾何信息的具體提取流程如圖4所示。

圖4　非幾何信息提取流程

2.2.3工藝設計問題輸入

工藝設計問題是工藝設計意圖的重要組成部分。它主要由工藝人員根據工藝設計需求，通過手動輸入的方式來實現工藝設計問題的獲取。

工藝設計問題主要包含兩部分內容，即：工藝設計問題（Process Question，PQ）的問題類型（Question Type，QT）及問題描述（Question Description，QD）。其中，工藝設計問題的問題類型主要明確工藝人員在解決工藝問題時對知識的應用類型，如：用于工藝參考、工藝引用還是進行工藝推理；問題描述則是對所求問題的具體描述。

特別地，在工藝設計過程中，工藝設計問題的問題類型主要包含以下三種主要方式，即：

工藝參考--用于參考標準、手冊、公式等成熟的通用知識，來輔助工藝設計；

工藝引用--工藝設計過程中，通過匹配以往相似的成功實例，并對其稍加修改，以實現直接引用的目的；

工藝推理--在工藝設計過程中，通過運用規(guī)則等知識實現工藝的自動推理。

問題描述則是對工藝設計過程中所涉及的具體問題進行描述，具體地，如：加工參數選擇、刀具選擇等。

2.3工藝設計意圖的表達

2.3.1工藝設計意圖的組成結構

綜上所述，工藝設計意圖（Design Intention，DI）主要包括零件幾何特征、非幾何信息以及工藝設計問題等信息。為便于實現與工藝知識間的相互匹配，將這些獲取的意圖信息進行重新組織。

通過重新組織，可將設計意圖表示為一個3元組：DI=｛IB，QT，QD｝。IB（Intention Background，IB）表示意圖背景，它是工藝設計的背景信息，是進行工藝設計的原始素材，主要包括零件的幾何特征和非幾何信息；QT（Question Type，QT）表示工藝問題類型，它用于明確工藝人員在解決工藝問題時，對知識的需求類型，如：需要用工藝知識來供工藝人員參考、引用，或是輔助工藝人員進行工藝決策；QD（Question Description，QD）表示問題描述，它是對所求問題的具體描述?；诖?，工藝設計意圖的組成結構圖可表示如圖5所示。

2.3.2工藝設計意圖的表示

為了使工藝設計意圖可以被計算機所識別，以便于后續(xù)處理，需要對工藝設計意圖運用形式化語言進行表示。由于可擴展標記語言（Extensible Markup Language，XML）是一種元語言，可以設置自己的標簽，使用方便，靈活性好［7］，且其可表達模型、文本、圖片等各類數據，因此，本文用XML語言對工藝設計意圖予以表示。

圖5　工藝設計意圖的組成結構

一份完整的描述用戶知識的XML文檔由文件頭與文件主體兩部分構成，文件頭包括XML聲明以及數據結構定義，文件主體用樹形結構存儲知識信息［8］。在應用XML語言對工藝設計意圖予以表示時，應首先采用2.3.1節(jié)所述的工藝設計意圖的組成結構對工藝設計意圖進行層次化組織，再根據組織模型對相應的設計意圖予以表示。

下面，以半框零件中的孔特征為例，運用XML對工藝設計意圖加以表示，具體的XML代碼如下所示：

3　工藝知識的組織與表示

3.1工藝知識的組織

3.1.1工藝知識的類型

為利于知識在工藝設計過程中的使用，本文將工藝知識分為以下三類：

通用工藝知識：是針對知識參考這類知識應用而言的，它是指在工藝設計過程中通過查閱來輔助工藝設計的知識，主要包括工藝設計遵循的標準、規(guī)范、手冊、原則等指導性和理論性的知識。通常，這類知識一般為文檔類知識。

工藝實例知識：是指針對知識引用這類知識應用而言的，它是指在工藝設計中可直接引用或修改后引用的知識，主要包括典型工藝實例、典型工藝片段、常用工藝操作等。一般而言，這類知識具有一定程度的結構化，且不同的知識內容會具有不同的層次結構粒度。

工藝決策知識：是針對工藝推理這類應用而言的，它是指在工藝設計過程中，以知識規(guī)則的表現形式支持工藝決策的知識。一般地，這類知識至少包括兩個基本部分，即：條件和結論，條件一般描述已知的屬性和信息，結論則描述在這些屬性和信息發(fā)生的基礎上所引發(fā)的結果。

3.1.2工藝知識的組成結構

對應于2.3.1節(jié)的工藝設計意圖的組成結構，可將工藝知識（Process Knowledge，PK）表示為一個三元組：PK=｛KB，KT，KC｝，其中，KB（Knowledge Background）表示知識背景，它是工藝知識的背景條件，主要包括：零件或特征的幾何特征及非幾何信息；KT（Knowledge Type）表示知識類型，主要包括：通用工藝知識、工藝實例知識及工藝決策知識；KC（Knowledge Content）表示知識內容，它主要指各類知識的具體內容。具體地，工藝知識的組成結構如圖6所示。

3.2工藝知識的表示

為便于工藝知識被計算機識別、被知識庫存儲以及與工藝設計意圖進行匹配，本文按照工藝知識的組成結構，分類、分層地采用XML語言對工藝知識進行表示。

圖6　工藝知識的組成結構

下面，以半框零件為例，可運用XML語言對工藝知識表示如下：

4　工藝知識的匹配與篩選

4.1基于人工免疫算法的工藝知識匹配

由于在工藝知識的搜尋過程中，通常會出現許多條相似的工藝知識，這將使工藝人員將大量的時間花費在知識的篩選過程中，大大降低了工藝設計的效率。因此，本文引入人工免疫算法，實現對相似工藝知識數量的動態(tài)調整，從而在限制工藝知識數量的條件下，還可保證工藝知識的多樣性。

在人工免疫算法中，工藝設計意圖相當于免疫算法中的抗原，而工藝知識相當于免疫算法中的抗體。工藝設計意圖與工藝知識的匹配問題則相當于抗原與抗體相互識別的問題。當捕獲到特定的設計意圖I后，系統(tǒng)對設計意圖I中所含的信息進行分析，并提取出設計意圖中的關鍵特征，基于這些關鍵特征，在知識庫中尋找與之匹配的工藝知識，在找到滿足匹配條件的工藝知識后，將其加入到候選工藝知識集中，以供后續(xù)處理。若沒有與之匹配的工藝知識，則輸出相應的提示信息。

令K=｛K1，K2，…，Kn｝表示具有n條知識的知識集合。某條知識可表示為：Kp=｛KpGF，KpNG，KpKT，KpKC｝，其中，KpGF表示該條知識知識背景中的幾何特征（Geometrical Feature，GF）信息，KpNG=｛KpNG1，KpNG2，…，KpNGn｝表示該條知識知識背景中的非幾何（Non Geometry，NG）信息集合，KpKT表示該條知識的知識類型，KpKC=｛KpKC1，KpKC2，…，KpKCn｝表示組成該條知識具體知識內容相關信息的集合。

Iq表示某個特定的工藝設計意圖。該設計意圖可表示為：Iq=｛IqGF，IqNG，IqQT，IqQD｝，其中，IqGF表示該工藝設計意圖意圖背景中的幾何特征信息，IqNG=｛IqNG1，IqNG2，…，IqNGn｝表示該工藝設計意圖意圖背景中的非幾何信息集合，IqQT表示該條工藝設計意圖中的問題類型，IqQD=｛IqQD1，IqQD2，…，IqQDn｝表示該工藝設計意圖中的問題描述信息集合。

于是，若針對某個特定的工藝設計意圖Iq，要選擇可與該工藝設計意圖匹配的M條工藝知識，其工藝設計意圖與工藝知識相匹配的問題的數學模型可表示為：

上述公式中，j=1，2，…，n，表示與特定工藝設計意圖Iq進行匹配運算的工藝知識集合中含有n條知識，minR，minS表示集合中取值最小的R和S個值，且有：R＞M， S＞M。此外，表示各匹配項間的一種相似程度的度量方式。

基于此，通過借鑒以上人工免疫算法機理及其詳細的算法流程，可得基于人工免疫算法的工藝設計意圖與工藝知識的匹配流程如表2所示。

表2　基于人工免疫算法的工藝設計意圖與工藝知識匹配流程

4.2基于知識興趣模型的工藝知識篩選

4.2.1理論基礎

鑒于4.1節(jié)中生成的候選工藝知識集中的工藝知識在幾何特征和知識類型方面是精確匹配的，因此在工藝知識興趣模型的構建過程中不予考慮。而在非幾何信息和知識內容方面是不完全匹配的，因此可將這些信息作為知識屬性，基于這些構建工藝知識興趣模型。

可將工藝知識中的非幾何信息及知識內容看作知識屬性，應用知識屬性構建工藝知識興趣模型，須明確以下指標：

定義3工藝知識屬性

令一條工藝知識中的知識屬性為：KA=（KA1，KA2，…，KAn），其中，KA1，KA2，…，KAn為該條工藝知識中的非幾何信息及知識內容信息；基于此，對于一個含有m條工藝知識的工藝知識集合，其知識屬性可表示為：

上式中，aij表示第i條工藝知識的第j個屬性。

定義4工藝知識關于某屬性的相似度

在上述工藝知識集合中，設Kp，Kq為其中的任意兩個知識項，則它們關于屬性t的屬性相似度為：

上式中，apt為工藝知識Kp關于屬性t的屬性值，aqt為工藝知識Kq關于屬性t的屬性值，at為工藝集合中所有工藝知識關于屬性t的均值。

定義5工藝知識屬性相似度

對于任意工藝知識Kp，Kq，其屬性（包含知識的所有屬性）相似度為：

上式中，tk表示工藝知識中的某一屬性。

定義6工藝知識屬性相似度矩陣

對含有m條工藝知識的工藝知識集合，其知識屬性相似度矩陣為：

定義7工藝知識屬性綜合相似度

給定一個含有m條工藝知識的工藝知識集合及其屬性相似度矩陣。對于其中一條知識Kp，其屬性綜合相似度ASSp為：

定義8工藝知識屬性最大相似度

給定一個含有m條工藝知識的工藝知識集合，以及每條工藝知識的屬性綜合相似度，其屬性最大相似度AMS為：

定義9工藝知識偏離相似度

給定一個含有m條工藝知識的工藝知識集合及其屬性最大相似度AMS，對于知識集中的某條知識Kp，則其偏離相似度DSp為：

上式中，偏離相似度DSp反映了某條知識Kp與工藝知識集合的綜合興趣相背離的程度，偏離相似度的值越小，其偏離程度越高。因此，可對偏離相似度DS設定閥值β，若某工藝知識的偏離相似度DS大于β，則可認為該條工藝知識符合工藝人員的興趣；否則，不符合工藝人員的興趣。

4.2.2工藝知識篩選

工藝知識篩選是對匹配計算所得的候選工藝知識集的進一步過濾，它通過融入工藝人員的個性化信息，從而使待推送的知識更符合用戶的要求。在工藝知識的篩選過程中，首先需要在系統(tǒng)中獲取用戶的日志信息，查到工藝人員曾經瀏覽過的工藝知識，并基于這些瀏覽過的工藝知識構建該工藝人員的知識興趣模型，并基于該知識興趣模型對候選工藝知識集進行過濾，對于不符合工藝人員興趣的工藝知識予以剔除，并將剔除后的工藝知識集推送給工藝人員，用于輔助工藝設計。具體地，工藝知識篩選的過程如圖7所示。

圖7　工藝知識篩選

綜上，基于知識興趣模型的工藝知識篩選的具體流程如表3所示。

表3　工藝知識篩選的具體流程

最終，待推送工藝知識集Sp將推送至用戶界面，用于輔助工藝人員進行工藝規(guī)劃。

5　實例驗證

為驗證上文所述的工藝知識匹配與篩選算法的有效性，本節(jié)以航天某型號廠框類零件的通孔工藝設計過程中的工藝知識應用為例，介紹工藝知識匹配與篩選過程?？蝾惲慵切l(wèi)星等宇航產品中常用的一種承力構件，因此在框類零件的通孔工藝設計過程中，通常參考以往成熟的典型實例工藝，從而通過派生的方式進行新工藝的工藝規(guī)劃。

為實現工藝知識的匹配與篩選，首先須獲取工藝設計意圖，如表4所示。

表4　通孔工藝設計意圖

假設待匹配與篩選的工藝知識集中含有10條工藝知識，其具體信息如表5所示。

表5　待匹配、篩選工藝知識集

步驟1：設定候選工藝知識集所含工藝知識條數為M=5；兩條相似工藝知識間的相似度至少為：μ=93%；候選工藝知識集中相似工藝知識的條數最多為β=1條，工藝設計意圖與工藝知識的相似度至少為：α=60%。

步驟2：針對工藝設計意圖，剔除掉工藝知識集中與其幾何特征不同構，問題類型與知識類型不匹配的工藝知識，即：剔除掉知識KN_0004、KN_0017、KN_0024三條工藝知識。

步驟3：計算工藝設計意圖與工藝知識集中各條工藝知識的相似度，計算得出只有KN_0055這條工藝知識與工藝設計意圖的相似度為：53.2%，小于工藝設計意圖與工藝知識的相似度閥值：α=60%，故將該條知識剔除。

步驟4：計算工藝知識集中剩余工藝知識間的相似度，得出只有KN_0028與KN_0038這兩條工藝知識的相似度為：95.6%＞93%，由于知識集中相似工藝知識的條數最多為1條，故刪掉與設計意圖相似度較低的知識KN_0038。

由于已滿足候選工藝知識集所含工藝知識條數為5的條件，故此時工藝設計意圖與工藝知識匹配過程完畢，得到候選工藝知識集為：Sh=｛KN_0006，KN_0028，KN_0103，KN_0134，KN_0235 ｝。

步驟5：設定偏離相似度閥值γ=30%，并基于工藝人員所瀏覽過的工藝知識集以及式（5）～式（11），分別計算候選工藝知識集中各條工藝知識與用戶瀏覽過的工藝知識集的偏離相似度DS。

步驟6：計算得到知識KN_0006，KN_0028，KN_0103，KN_0134，KN_0235的偏離相似度DS分別為：22.7%、64.1%、16.3%、27.2%、43.9%，將相似度小于偏離相似度閥值γ的知識均予以剔除，將大于γ的知識添加至待推送工藝知識集Sp=｛ KN_0028，KN_0235 ｝，Sp的具體內容如表6所示。

表6　待推送工藝知識集

步驟7：將待推送工藝知識集Sp推送給工藝人員，輔助工藝人員進行工藝設計。

6　結束語

本文針對三維工藝設計中知識應用所出現的知識檢索效率低、知識獲取準確度低及工藝知識缺乏個性化等問題，研究面向工藝設計的知識推送方法。首先，基于人工免疫算法實現工藝設計意圖與工藝知識間的相互識別與匹配，從而生成候選工藝知識集。其次，基于用戶知識興趣模型的構建，實現了對候選工藝知識集的個性化篩選，并將篩選結果推送給工藝人員。最后，通過實例驗證了上述方法的有效性。實例驗證表明，上述方法可有效提高工藝設計的效率和質量，可為基于知識的快速工藝設計提供有效支撐。

［1］ Seung Ki Moon，Timothy W.Simpson，Soundar R. T. Kumara. Anagent-based recommender system for developing customized families of products［J］.Journal of Intelligent Manufacturing，2009，20（6）:649-659.

［2］ ZHI Zhang- li，YUAN Yi et al. Knowledge active push based on personalized interest model in aircraft structure design［A］.2nd International Conference on E-Business and E-Government［C］.2011.

［3］ 王克勤，杜軍.基于粗糙集的設計人員知識需求模型及知識推送研究［J］.制造業(yè)自動化，2014，36（8）:19-23，37.

［4］ 樂承毅，代風，吉祥，等.基于流程驅動的領域知識主動推送研究［J］.計算機集成制造系統(tǒng)，2010，16（12）:2720-2727.

［5］ 謝強，張磊.基于任務類知識需求模板和用戶模型的知識需求研究［J］.武漢大學學報（工學版），2006，39（2）:36-41.

［6］ Joshi S，Chang TC.Graph-based heuristics for recognition of machined features from a 3D solid model［J］.Computer Aided Design，1988，20（2）:58-661.

［7］ 范文慧，熊光楞.產品設計歷史的捕獲與管理［J］.計算機工程與應用，2002，38（3）:1-4.

［8］ 劉驕劍.面向復雜產品網絡化制造的知識集成與應用關鍵技術研究［D］.南京:南京航空航天大學，2012.

Research on knowledge push method for 3D process design

SUN Pu，HOU Jun-jie，SHI Qian，LIU Jiao-jian

TP182

A

1009-0134（2016）09-0096-10

2016-05-03

孫璞（1989 -），男，陜西富平人，碩士研究生，研究方向為制造業(yè)信息化。