-
公开(公告)号：CN119106602A
公开(公告)日：2024-12-10
申请号：CN202411073366.1
申请日：2024-08-06
Applicant: 北京理工大学
IPC: G06F30/27 , G06F8/20 , G06N5/025 , G06F111/20
Abstract: 本公开提供了一种支持REQIF需求模型转换的方法和装置。该方法设计REQIF需求模型的元模型，其对象元模型用于描述需求条目的层级和属性，关系元模型用于描述需求条目的上下级关系；构建转换目标模型的元模型库；然后配置转换过程，其中转换来源配置了源元模型；转换目标配置了目标元模型以及转换规则，转换规则规定了源元模型和目标元模型之间的信息传递。解析待转换REQIF需求模型，通过实例化REQIF需求模型元模型获得对象实例和关系实例。根据转换配置，将REQIF需求模型中的对象实例和关系实例转换为目标元模型实例，同时进行元模型实例信息的传递。本发明支持REQIF需求模型到不同建模语言描述系统架构模型的转换，提高了需求分析与架构设计的数据一致性。
-
公开(公告)号：CN115510563B
公开(公告)日：2024-10-29
申请号：CN202211237974.2
申请日：2022-10-10
Applicant: 北京理工大学 , 北京中科蜂巢科技有限公司
Abstract: 本发明公开了一种基于模型的产品研制流程设计方法及装置，所述方法包括：构建基于BPMN规范的元模型实例，并将所述元模型实例集成于建模工具中；确定所述元模型实例之间的关联关系；基于运载火箭一二级分离子系统研制方案，确定与其对应的研制流程模型；由转换脚本从所述研制流程模型中获取所述关键信息，将所述关键信息作为所述转换脚本的输入参数，由所述转换脚本生成在其他格式的流程建模工具中能够重用和执行的流程模型文件。所述方法支持建模，还支持自定义的模型转换规则语法定义，支持语法的扩充。
-
公开(公告)号：CN113626026B
公开(公告)日：2024-06-28
申请号：CN202110822605.9
申请日：2021-07-21
Applicant: 北京理工大学 , 北京中科蜂巢科技有限公司
IPC: G06F8/35 , G06F16/242
Abstract: 本发明提供一种支持复杂模型结构转换的代码生成方法，使用KARMA语言描述代码生成，支持通过定义模型模式，将多个模型元素(包括对象、关系、点、角色)构成的复杂模型结构作为一个整体进行查询和转换，一方面，便于某些特定格式目标代码的生成，另一方面，通过模型模式的形式，用户只需对所需转换的模型结构进行描述，而无需关注具体查询的细节和过程，提高了用户友好性，增强了转换的能力和效率；此外，本发明提出的KARMA代码生成语言以GOPPRR六种元素为底层查询和转换的元素，屏蔽了领域模型的具体细节，针对多种领域模型(例如SysML模型和AADL模型)，都可使用以GOPPRR为底层元素，通过描述模型模式进行查询，实现模型至目标代码的转换。
-
公开(公告)号：CN115510245B
公开(公告)日：2024-05-14
申请号：CN202211259591.5
申请日：2022-10-14
Applicant: 北京理工大学
IPC: G06F16/36 , G06F16/335 , G06F16/35 , G06F40/216 , G06F40/295 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向非结构化数据的领域知识抽取方法，该方法为：基于双向长短时记忆神经网络及条件随机场建立实体抽取模型，基于注意力机制建立关系抽取模型，并分别训练两个模型；用训练好的实体抽取模型对待抽取的非结构化数据进行抽取，获得领域实体，并将领域实体以表格形式存储为领域实体表；用训练好的关系抽取模型对关系进行抽取，在领域实体表的基础上获得实体‑关系表；根据抽取得到的所有实体与关系，基于语义相似度进行知识融合，得到知识融合后的实体‑关系表，并在neo4j图数据库中建立知识图谱；本发明能够解决目前领域知识获取以手动为主，管理的效率低下，领域知识体系不够完善的问题，实现对非结构化数据的知识抽取。
-
公开(公告)号：CN117875182A
公开(公告)日：2024-04-12
申请号：CN202410054586.3
申请日：2024-01-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于案例推理和强化学习的复杂产品智能设计方法，属于复杂产品设计技术方案，步骤包括：案例表征，通过框架理论对案例进行结构化表征，准确描述案例的特征和模块组成；案例匹配，根据需求检索案例库中的相似案例，获取相关经验和解决方案；案例重构，采用基于强化学习和权重顺序交叉重构的方法扩充案例库，并生成更多可能的设计方案；案例优选，采用多属性决策方法对扩充方案集进行评价和优选。本发明采用上述一种基于案例推理和强化学习的复杂产品智能设计方法，满足工程设计领域对高效、高质量设计方案的需求，快速、多样化地为设计人员提供设计方案，实现缩短设计周期和降低制造成本的效果。
-
Patent Agency Ranking
公开(公告)号：CN107042414B
公开(公告)日：2023-11-10
申请号：CN201710239706.7
申请日：2017-04-13
Applicant: 北京理工大学
Abstract: 本发明公开了一种可重构的加工系统，系统由机床组成，机床之间通过机床连接面匹配连接；其中机床的底座为矩形结构，包括两种形式的机床：第一类机床以矩形的左右两侧面为机床连接面；第二类机床以矩形的相邻两侧面为机床连接面；多个第一类机床通过其机床连接面匹配连接获得直线加工系统；不同数量的第一类机床和第二类机床通过其机床连接面匹配连接获得L形或者环形加工系统。该系统底座、功能臂和工作台之间仅有物理接口，可以实现RMT的快速重构。
-
公开(公告)号：CN112948997B
公开(公告)日：2022-11-08
申请号：CN202110207836.9
申请日：2021-02-24
Applicant: 北京理工大学
Abstract: 本发明提供了一种多目标自适应聚类优化方法及系统，方法包括：将N个目标按不同集群进行优先级分级；根据已划分优先级的N个目标生成目标相关特性矩阵；采用层次聚类法，根据所述目标相关特性矩阵进行目标聚类分析，获得最终的目标聚类结果。本发明在不了解相关学科、相关领域知识的情况下基于最终的目标聚类结果能够分清各目标的关系，对于强相关性的目标聚类簇，各目标对变量的敏感性几乎一致，则可以在优化设计时删除对结果影响不大的冗余目标，以减小设计复杂度；对于弱相关性的目标聚类簇，在优化设计时将其设置为同一优先级，看作同一类型目标；对于无相关性的目标，在设计时找到需要优先保障的目标，设置更高的优先级，以得到更好的方案。
-
公开(公告)号：CN115185245A
公开(公告)日：2022-10-14
申请号：CN202210895278.4
申请日：2022-07-26
Applicant: 北京理工大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于深度强化学习的制造系统重构规划方法，该方法的实施过程如下：对现有的可重构机床和待加工产品进行分析，获取机床构形集合与产品待加工特征集合；采用马尔可夫决策过程对制造系统重构规划问题进行建模，形成重构规划的马尔可夫模型，根据机床构形集合与产品待加工特征集合明确状态空间和动作空间，根据确定的优化目标，确定奖励函数和转换概率矩阵；基于重构规划的马尔可夫模型，利用重构规划智能体与环境不断交互获得的样本数据对DQN算法的神经网络进行训练；利用训练好的DQN网络，输入的工件特征，快速求解获得制造系统重构规划的优化方案。本发明能够解决制造系统重构规划问题。
-
公开(公告)号：CN108804757B
公开(公告)日：2022-06-14
申请号：CN201810398040.4
申请日：2018-04-28
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于知识的可重构机床模块选择方法，通过建立零件特征库，根据专家知识确定零件特征所需的加工操作；再根据操作确定运动模块，并生成一组RMT配置，支持设计者找出最小且足够的模块来形成用于加工零件族的不同RMT配置，降低了对设计人员的设计经验要求，能够极大提高设计效率，具有很强的实用性；还将可重构机床(RMT)设计过程中包含的离散知识进行综合到protégé软件中，形成针对RMT配置设计的零件特征库、加工操作库、RMT模块库，用于在可重构机床(RMT)的初步设计中选择必要的模块，以便在设计过程中根据给定的零件族快速设计RMT配置，缩短机床设计周期，提高企业竞争力。
-
公开(公告)号：CN113626026A
公开(公告)日：2021-11-09
申请号：CN202110822605.9
申请日：2021-07-21
Applicant: 北京理工大学 , 北京中科蜂巢科技有限公司
IPC: G06F8/35 , G06F16/242
Abstract: 本发明提供一种支持复杂模型结构转换的代码生成方法，使用KARMA语言描述代码生成，支持通过定义模型模式，将多个模型元素(包括对象、关系、点、角色)构成的复杂模型结构作为一个整体进行查询和转换，一方面，便于某些特定格式目标代码的生成，另一方面，通过模型模式的形式，用户只需对所需转换的模型结构进行描述，而无需关注具体查询的细节和过程，提高了用户友好性，增强了转换的能力和效率；此外，本发明提出的KARMA代码生成语言以GOPPRR六种元素为底层查询和转换的元素，屏蔽了领域模型的具体细节，针对多种领域模型(例如SysML模型和AADL模型)，都可使用以GOPPRR为底层元素，通过描述模型模式进行查询，实现模型至目标代码的转换。
-
-
-
-
-
-
-
-
-
Search Results
195
records
(took 0.047 seconds)
