磁性材料性能建模与知识库智能设计方法研究

摘要

磁性材料是一种在智能微型导航仪、磁记录软盘仪、纳米材料等高新领域得到重要应用的新一代绿色能源材料。航空航天工业集团长期以来积累了丰富的磁性材料设计实例知识、设计经验知识，但这些知识零散地分布于文本或者材料设计专家的项目经验中，企业的设计知识未得到有效地归纳、整理、提炼;由于磁性材料的性能与成分之间存在着复杂的、高度的非线性关系，材料的配方优化是此类集团迫在眉睫的问题。本次论文主要是针对航空航天磁性材料知识图谱的构建，其主要内容如下:
　　首先进行知识的关键词、专业术语预处理。利用Bicomb软件对代表磁性合金材料发展脉络的关键词进行统计，把频率大于7的关键词统计出来，为了保证统计数据的高效性和正确性，把部分相近的关键词进行整合，最终构建出高频关键词矩阵。在高频关键词矩阵的基础之上利用SPSS软件进行聚类分析，把30个磁性合金的高频关键词分为4类，并以树状图的结构展现了分类结果。
　　其次进行了磁性材料知识维度模型的设计，利用实体识别技术、融合技术、链接技术来确定实体的数目（191个材料牌号）、进行实体属性匹配以及构建磁性材料知识图谱。根据磁性材料的属性将磁性材料分为知识类型维、设计过程维以及产品维等7个维度。采用三元组节点-边-节点的SNetL语法描述形式进行磁性材料知识的语义网络构建。
　　最后在已构建的知识图谱之上利用Java和Python语言，结合协同过滤算法实现了磁性材料产品的个性化推荐;利用BP神经网络实现了磁性材料-信息-性能一体化建模，并对网络预测的结果进行分析，建立了材料性能评价体系结构，为磁性材料产品配方优化提出了建议;利用磁性材料知识图谱进行了Dw-025烧结钕铁硼的产品知识管理，并且完成了材料工艺流程的设计。
　　研究结果表明本文提出的基于知识图谱的磁性材料知识库智能构建方法可以充分利用现有数据资源，实现磁性合金材料产品的个性化推荐;利用知识图谱上的磁性材料成分与性能，结合BP神经网络算法建立材料-信息-磁性性能之间的模型，最终实现对磁性材料性能、成分工艺的优选的预测，克服目前磁性合金选材基础理论薄弱而给材料专家带来的研究困难，推动我国航空航天磁性材料设计与使用的高速发展。

目录

摘要

1 绪论

1．1 研究背景

1．2 材料知识库系统的国内外研究现状

1．2．1 材料知识库系统的国外研究现状

1．2．2 材料知识库系统的国内研究现状

1．2．3 针对国内外研究现状的总结

1．3 研究目标

1．4 研究意义

1．5 本文研究的主要内容

1．5．1 航空材料中磁性材料的知识应用

1．5．2 材料知识库的结构设计

1．5．3 磁性材料知识库、应用平台和交互式接口设计

1．5．4 知识与供应链业务流程的融合

1．6 本章小结

2 磁性材料的知识体系结构

2．1 引言

2．2 知识的分类

2．2．1 事实知识

2．2．2 标准规范知识

2．2．3 设计实例知识

2．3 磁性材料设计知识的分类

2．3．1 金属概述

2．3．2 物理及化学性能

2．3．3 力学性能

2．3．4 组织结构

2．3．5 工艺性能及要求

2．3．6 功能考核实验

2．3．7 金属使用建议

2．4 磁lt生材料知识的表达形式

2．4．1 文本

2．4．2 图

2．4．3 表

2．4．4 公式

2．4．5 数据库

2．4．6 HTML语言

2．5 磁性材料设计知识的特点

2．5．1 知识表达的不确定性

2．5．2 设计知识的复杂性

2．5．3 设计任务的离散式

2．6．1 Dw-025烧结钕铁硼材料的磷化

2．7 本章小结

3 知识的获取和知识维度的设计

3．1 引言

3．2 知识的获取

3．2．1 自然语言的获取

3．2．2 关键词的获取

3．2．3 潜在语义获取

3．3 知识的预处理

3．3．1 高频关键词矩阵的构建

3．3．2 聚类分析

3．3．3 基于匹配模式的实体关系抽取

3．4 知识的存储

3．4．1 Key-Value分布式系统存储

3．4．2 列存储(Hbase)

3．4．3 文档存储(MongDB)

3．4．4 图存储(Ne04J)

3．5 知识的推理

3．6 知识维度的设计

3．6．1 知识点权重计算

3．6．2 知识的多维度模型构建

3．7 材料库语义网络的构建

3．7．1 语义网络概述

3．7．2 SNetL语法描述

3．7．3 语义关系构件结果

3．7．4 语义网络下的知识导航与知识应用场景

3．8 本章小结

4．1 引言

4．2 知识图谱的概念

4．2．1 知识图谱的定义

4．2．2 知识图谱的架构

4．3 知识图谱的构建技术

4．3．1 实体识别技术

4．3．2 知识融合技术

4．3．3 实体链接技术

4．4 磁性材料知识图谱的建立

4．4．1 磁性材料知识的获取

4．4．2 磁性材料知识的表示

4．4．3 磁性材料知识的存储

4．4．4 面向磁性材料知识图谱弹性语义的推理

4．5 本章小结

5 知识学习与使用方法

5．1 引言

5．2 知识图谱的使用

5．2．1 基于知识图谱的推送系统

5．3 磁性材料-信息-磁性性能一体化建模

5．3．1 神经网络模型构建

5．3．2 神经网络训练

5．3．3 神经网络预测

5．3．4 神经网络预测结果分析

5．3．5 磁性材料性能评价体系结构的建立

5．4 基于知识图谱的设计流程(Dw-025烧结钕铁硼)

5．4．1 产品知识管理

5．4．2 磁性材料设计

5．5 本章小结

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间发表的论文及获得的知识产权

致谢

声明