基于非关系型数据库的本体语言知识库建模在工业系统中的应用

1、上海交通大学硕士学位论文基于非关系型数据库的本体语言知识库建模在工业系统中的应用硕士研究生：黄婉琪学导学 所在单 答辩日号：115032910009师：戴文斌副教授科：控制科学与工程位：电子信息与电气工程学院期：2018年1月授予学位单位：上海交通大学Dissertation Submitted to Shanghai Jiao Tong Universityfor the Degree of MasterAPPLICATION OF ONTOLOGYKNOWLEDGEBASE MODELING ININDUSTRIAL SYSTEM BASED ON NON-RELATIONAL DATAB

2、ASEWANQI HUANGAdvisorProf. WENBIN DAIDEPARTMENT OF AUTOMATION, SCHOOL OF ELECTRONICINFORMATION AND ELECTRICAL ENGINEERINGSHANGHAI JIAO TONG UNIVERSITYSHANGHAI, P.R.CHINAJan. 04th, 2018基于非关系型数据库的本体语言知识库建模在工业系统中的应用摘要工业信息物理系统为工业生产环境中物理设备和不同系统之间 提供了相互连接形成闭环反馈机制，以及横向和纵向的一体化集成方 法。而万物互联、反馈信息的闭环伴随的即是工业信息物理系

3、统中信 息量的急剧增长，其数据存储和处理机制必须满足良好的规模性、可 拓展性、高效性，以满足控制器、传感器、执行器等不同设备对于数 据的要求。此外，工业系统中采集到的数据还需要被进一步处理，形 成知识库来支持边缘智能控制。随着计算复杂度的提升，分布式系统的作用越发重要，如何将大 规模数据进行有效处理形成有逻辑关系的知识体系并完成在分布式 系统中的推理应用成为了新的热点问题。传统的建模方法和数据处理 方法不能满足工业领域控制层、设备层对于实时性和自主性的需求， 还有很大提升空间，因此需要引入其他方法。本文设计了一种在工业系统边缘层中对节点进行智能控制的工 具。利用本体语言完成在嵌入式设备中的模型

4、建模，并结合非关系型 数据库完成数据的存储、推理和查询，通过规则建立将数据库转化为 知识库；利用边缘端的计算资源完成智能分布式控制决策。此外，通 过可视化界面生成本体语言文本，图形化编辑具有极高的实时可变性, 能够动态修改本体中的模型定义，提高了整个系统的灵活性。本文的研究结果在工业生产领域中为系统边缘端提供了智能决 策工具，优化了嵌入式语义的算法，实现了模型定义的实时可变结构， 为工业分布式控制和柔性制造提供了更大的发展空间。关键词：分布式系统、工业信息物理系统、本体语言、模型驱动工程、非关系型数据库、推理引擎APPLICATION OF ONTOLOGY KNOWLEDGEBASEMODE

5、LING IN INDUSTRIAL SYSTEM BASED ONNON-RELATIONAL DATABASEABSTRACTThe industrial Cyber-Physical Systems provide interconnected, closed-loop, feedback mechanisms, and horizontal and vertical integrated integration methods for physical equipment and different systems in the industrial production enviro

6、nment. With all things connected in Internet and the closed-loop in information feedback, there has been a rapid growth of information in industry Cyber-Physical System. The data storage and processing mechanism must satisfy the large scale, good expansibility, high efficiency, etc. to meet the requ

7、irements for the data in different devices, sensors, actuators and controllers. In addition, the data collected in the industrial system need to be further processed to form a knowledge base to support the edge intelligent control.With the improvement of computing complexity, the role of distributed

8、 system is more and more important. How to effectively process a large scale of data, form logical knowledge systems and complete reasoning application in distributed system has become a new hot issue. Traditional modeling methods and data processing methods cant meet the needs of real-time processi

9、ng and autonomic processing in industrial field, and there is still much room for improvement. Therefore, other methods need to be introduced.This paper designs a tool for intelligent control of nodes in the edge layer of industrial system. We use Ontology to complete modeling in embedded devices an

10、d combine ontology with non-relational database to complete data storage, reasoning and query. The database is transformed into a knowledgebase by setting logical rules, and the intelligent distributed control is completed by using the computing resources at the edge end. Besides, ontology is genera

11、ted through a visual interface, bringing high realtime variability and flexibility while modifying the definition of models dynamically.The research results in this paper provide an intelligent decision-making tool for the edge layer in industrial system, optimize the algorithm of embedded semantics

12、 and realize the real-time variable structure of model definition.KEY WORDS: distributed system, industrial cyber-physical system, web ontology language, model driven engineering, non-relational database, inference engine目录 TOC o 1-5 h z HYPERLINK l bookmark48 o Current Document 插图索引vii表格索弓Iix HYPER

13、LINK l bookmark54 o Current Document 第一章绪论1 HYPERLINK l bookmark57 o Current Document 1课题研究背景1 HYPERLINK l bookmark64 o Current Document 2课题研究现状及相关工作42. 1信息物理系统与多智能体在工业中的应用42. 2基于本体论的知识推理在工业中的应用5 HYPERLINK l bookmark67 o Current Document 1.3本文主要研究内容及创新点7 HYPERLINK l bookmark70 o Current Document 1.4

14、章节安排7 HYPERLINK l bookmark73 o Current Document 第二章本体语言的建模与可视化实现9 HYPERLINK l bookmark76 o Current Document 1模型驱动工程和本体语言91. 1模型驱动工程和本体论91.2本体语言概要10 HYPERLINK l bookmark79 o Current Document 2本体语言的建模121类、属性、个体建模132.2.2复杂关系建模15 HYPERLINK l bookmark129 o Current Document 2.3本体语言的可视化182.3.1常用图形化软件介绍193.

15、 2 protege中本体语言实例233. 3 OWL的图形化实现26 HYPERLINK l bookmark150 o Current Document 2.4本章小结30 HYPERLINK l bookmark153 o Current Document 第三章基于非关系型数据库的知识存储及推理模型31 HYPERLINK l bookmark156 o Current Document 1非关系型数据库介绍313.1.1非关系型数据分类313.1.2非关系型数据库的优点： 32 HYPERLINK l bookmark163 o Current Document OWL在非关系型数据

16、库中的存储结构321类(Classes)的存储35属性(Properties)的存储36个体(individuals)的存储38 HYPERLINK l bookmark169 o Current Document 3基于本体的数据分析及查询规则393. 1T-box 推理结构413. 2A-box 推理结构42 HYPERLINK l bookmark172 o Current Document 3.4在数据库中完成查询搜索433.4.1利用索引提高查询效率443.4. 2非关系型数据库的查询模型验证45 HYPERLINK l bookmark178 o Current Document

17、5本章小结46 HYPERLINK l bookmark181 o Current Document 第四章基于本体语言控制模型的仿真测试49 HYPERLINK l bookmark184 o Current Document 1仿真模型搭建49 HYPERLINK l bookmark194 o Current Document 2仿真软件介绍52 HYPERLINK l bookmark201 o Current Document 3仿真过程及结果53 HYPERLINK l bookmark204 o Current Document 4本章小结56 HYPERLINK l bookm

18、ark207 o Current Document 第五章总仑吉与展望57 HYPERLINK l bookmark210 o Current Document 1本文主要工作57 HYPERLINK l bookmark216 o Current Document 2后续研究工作57 HYPERLINK l bookmark222 o Current Document 参考文献1 HYPERLINK l bookmark275 o Current Document 致谢5 HYPERLINK l bookmark278 o Current Document 攻读学位期间发表的学术论文7 HY

19、PERLINK l bookmark285 o Current Document 攻读学位期间参与的项目9插图索引 TOC o 1-5 h z 图1-1工业1.0到4.0进程2图1-2ISA-95层级结构3图1-3工业系统边缘层控制工具8图2-1语义网的结构10图2-2 OntoEdit基本界面19图2-3 OntoEdit公理编辑器20图 2-4 Altova SemanticWorks 可视化界面21图 2-5 Altova SemanticWorks 标签编辑页21图 2-6 Altova SemanticWorks 代码生成页22图2-7 Protege界面显示23图2-8 OWL文件

20、中的类23图2-9 OWL文件中类的描述24图2-10 OWL文件对象属性24图2-11 OWL文件对象属性的描述25图2-12 OWL文件图形化表达26图2-13基于GoJS的OWL图形化建模界面27图2-14图形化建模界面代码27图2-15类的从属关系28图2-16类中个体成员28图2-17个体与类的属性关系28图3-1 LevelDB的静态结构33图3-2 LevelDB中OWL的存储结构34图3-3类存储的函数结构35图3-4对象属性存储的函数结构37图3-5数据类型属性存储的函数结构38图3-6个体存储的函数结构39图3-7 LevelDB中的主要推理结构40图3-8 LevelDB

21、中推理结构配合结构41图3-9 LevelDB中数据存储和查询流程45图3-10查询速度比较结果46图4-1物体抓取放置流水线基本结构48图4-2物体抓取放置流程OWL结构49图4-3物品抓取放置流程图50图 4-4 Factory I/O 界面 图51图4-5传感器和执行器接口51图4-6传送带示意图52图4-7 机械臂示意图52图4-8传感器和通用按钮52图4-9传感器和执行器接口53图4-10传感器和执行器接口53图4-11传感器和执行器接口54表格索引 TOC o 1-5 h z 表2-1类表达式11表2-2数据属性表达式11表2-3对象属性表达式12表2-4声明表达式12表3-1 O

22、WL文件中的语句分析结果35表3-2类表达式40表3-3 T-box推理关系结构42表3-4 A-box推理关系结构42表3-5查询速度比较表46第一章绪论1.1课题研究背景工业是我国国民经济的基础和支柱，也是国家经济实力和竞争力的重要标志 ；随着各种新兴技术的发展，全球掀起了以制造业转型为首要任务的新一轮工 业变革，世界上主要的工业发达体纷纷制定了工业再发展战略。我国提出了在本 世纪前20年经济建设和改革的主要任务是基本实现工业化，大力推进信息化， 并进一步提出信息化是我国加快实现工业化和现代化的必然选择0。信息化和工 业化之间的桥梁正是自动化，它发挥了纽带的作用，面对我国传统工业的落后现

23、状，国家将加大技术改造的步伐，使我国工业技术向多样化、自动化、智能化方 向发展。工业自动化控制系统行业不仅有国家法规政策层面的大力支持，还在市 场上拥有庞大而多元化的需求；此外，我国工业自动化控制水平与欧关发达国家 差距仍十分显著，未来工业自动化率提升空间非常广阔。数据资料显示，我国工 厂自动化以及企业信息化发展近年来提速很多，工业自动化系统需求也不断增长, 2012-2017年我国工业自动化行业总产值就有较大幅度地增长，从1696.25亿元 增长至3861亿元。根据预测，2017-2022年，我国工业自动化总产值将保持7% 左右的增速，到2022年，我国工业自动化总产值将超过5700亿元。互

24、联网的加入融合让工业更具有创新能力，让我们离智能制造时代更近了一 步;工业中的新兴技术及应用将成为未来提升制造业生产力、竞争力的关键要素， 能够驱动产品和生产过程的智能化，能够支撑制造业转型并建立起开放、共享、 协作的智能制造产业生态，对实施智能制造战略具有十分重要的推动作用。随着工业4.0概念在德国的提出和推广、关国的先进制造业战略及法国的新 工业战略等的发展0,智能化生产系统和生产过程的研究以及通过网络通信技术 整合资源、控制生产的研究成为时下热点。中国作为经济持续快速发展的发展中 国家之一，也对应提出了 “中国制造2025”及“互联网+”等概念，希望在工业 领域做到从“制造大国”到“制造

25、强国”的转变，提高生产的智能化水平和资 源利用的效率。如下图1-1所示，从工业1.0到3.0,工业生产历经了机械制造时代，通过蒸 汽机实现工厂的机械化生产；电气化与自动化时代，使用电力驱动，使得产品得 到大规模生产；电子信息化时代，广泛应用电子与信息技术，使制造过程自动化 控制程度进一步提高囹；而工业4.0则是将现实的物理世界与虚拟的网络世界融 合的时代，基于信息通信技术的模块集成将形成一种高度灵活化、数字化的新生产模式。基于工业4.0理论的深入研究推进了实际工业环节的技术进步，新兴技 术在各领域的应用日趋成熟。工业复杂度第一次工业革命第二次 工业革命第三次 工业革命第四次工业革命机械制造时代

26、，通 过蒸汽机实现工厂 的机械化生产电气化与自动化时 代，使用电力驱动， 使得产品得到大规模 生产信息物理系统的推 广一-20W现在电子信息化时代，广 泛应用电子与信息技 术，使制造过程自动 化控制程度进一步提 居至：二3宵流l第一生飞I_I ij r r18001900从工业1. 0到工业4. 0图1-1工业1.0至! 4.0进程Fig.1-1 Step from Industry 1.0 to Industry 4.0中国制造2025规划是在2015年5月被国务院正式印发的，规划中提出 将重点推动信息化与工业深度融合，把智能制造作为两化深度融合的主攻方向, 着力发展智能装备和智能产品，推进

27、生产过程的智能化，培育新型的生产方式, 通过智能工厂的建设从而实现智能生产和智能制造，实现由集中化生产向网络化 异地协同生产转变、由传统制造企业向跨界融合企业转变以及由大规模批量生产 向大规模定制生产转变0。随着当下中国制造2025的概念被广泛推广，工业模 式由传统的集中式控制向分布式控制转变，信息物理系统（CPS）、物联网（IoT）、 工业大数据、云计算等技术也受到自动化领域的广泛关注，这些技术的应用致力 于实现信息系统与自动化控制系统集成，数字化制造与实际制造执行融合；通过 以上技术进行智能信息共享、采集及分析，可以进一步提高工业生产的效率水平。工业信息物理系统（Industrial Cy

28、ber-Physical Systems, iCPS）是分布式工业 生产的重要环节之一，其应用能够实现各控制元件之间进行交互，形成一个信息 化-自动化-智能化集成系统，该系统具有显著的可适应性、自主性、可靠性和易 用性等性能。知识表述和推理则可以将各种信息转化为计算机可读的形式，用以 达成复杂目标，在工业领域中知识表述和推理的应用可以大大提高工业大数据的 利用效率。CPS在工业界的延伸拓展，旨在为工业领域大型复杂系统在架构、抽象化、 技术、方法论和支持工具等方面做出突破，为系统设计、建模和控制提供全面协 助。随着信息物理系统边缘端计算、储存能力的提高，边缘智能控制、决策 成为可能；根据ISA-

29、95的层级构架（见下图1-2）,未来工业自动化领域的上层 结构会趋向于云端计算，其实时性要求较低，而控制层、设备层则会趋向于边缘 节点，对实时性要求较高。在边缘端，工业4.0提出通过语义技术实现嵌入式设 备的信息获取和各节点之间的交流，知识表述和推理将在边缘端发挥重要作用。图1-2 ISA-95层级结构 Fig. 1-2 Layer Structure of ISA-95知识表述和推理是信息学领域的很重要的一个研究方向，旨在将各种各样的 信息转化为人与计算机都可以理解、利用的形式，用以解决复杂的任务，比如利 用知识库的推理来完成柔性制造等。有的研究者曾尝试将知识表述和推理以及本 体论知识表述用

30、到智能建筑、智能家居等领域；也有学者将其与生产制造行业 相结合，致力于工业现场的智能化生产，通过工业现场不同区域的传感器数据分 析优化其电力调度，在生产环境发生变化后迅速改变供电模式，降低了资源浪费 20;知识表述推理还可以与模型驱动工程设计思路相结合，在复杂推理过程的基 础上，通过适合计算机处理的推理模型完成生产辅助操作。尽管相关研究领域已经取得长足进步，但在实际应用中仍然存在着一些问题 和挑战：1、工业现场实时性需求无论是数据的采集、预处理和存储，还是数据的分析及挖掘，工业上对数据 的传递的实时性要求都十分严格。传统的工业系统中，各生产部分相对较为独立 而分散，从生产制造、生产线、设备到工

31、业产品、仪器等，各个环节的监控需要 消耗大量人力、财力，同时会产生大量需要处理的数据。当系统发生故障或者外 界需求发生变化的时候，如果只是通过分析查看信息、制定相应的对策之后再到 现场实施，就会因为时效性较差从而出现故障处理不及时的问题。尽管iCPS和 知识表述和推理的应用在数据处理速度上已经有了一定的进步，但还是有很大提 升空间。2、工业现场准确性需求与其他行业不同的是，很多数据在各自领域中不要求有非常精准的结果推送, 而工业中对数据的预测和分析结果的容错率远远比其他行业低的多。由于工业系 统中数据具有低质性、碎片化等特性，会导致低质量的数据影响分析过程，无法 利用，降低了数据的可用率；同时

32、分析数据时为了保证预测结果和准确性，需要 考虑到数据本身的意义以及其背后的逻辑关系，不能仅仅考虑数据之间的关联是 否具有统计显著性，否则单次失误也可能造成严重的后果。3、工业现场灵活性需求工业制造的前提是规范和标准，但是随着外部个性化需求的增多，柔性制造 将成为未来发展的一大趋势。如何在满足制造标准的同时尽可能增加系统的灵活 性，以最小的代价完成最多样化的制造，是需要解决的问题。工业生产制造过程 中可以通过标准化的设计、生产、施工、信息化协同等操作来满足个性需求环节， 通过基础的模块化和标准化建设，辅以多样化的组合设计，可以在一定程度上满 足柔性制造的要求。但是目前大规模流水线生产还无法灵活应

33、对不同的需求，需 求变更带来的复杂度还未能有效降低。4、自主性性能需求目前工业系统中有越来越多的大规模和复杂系统的需求，这些需求可以通过 将其分解成为规模较小的、彼此可以通信的小型系统来降低单体的复杂度和功能 数目，同时也符合工业中分布式系统的趋势。把原有的大型的、集中的生产流程 转化为小型的、分散的不同模块，形成开放的系统，通过不同模块功能的组合提 高系统的自由度和自主性。基于这种思路“多智能体”的概念开始逐渐在工业领 域中斩头露角。作为分布式人工智能(Distributed Artificial Intelligence , DAI) 的一个重要分支，多智能体系统通过Agent的共同协作，

34、利用推理、学习等技术 分析其被输入的信息，并形成自己的知识，在获得外部需求后能够根据自己的知 识自动的做出响应，可以协调完成单体无法解决的复杂问题罔。尽管工业领域自动化生产已经取得了很大进步，各种新兴科技的应用为工业 系统带来了高效、智能的生产模式，但是我们离真正实现高度自动化、智能化的 工业生产还有很长的距离，实际应用中还存在着实时性、准确性、灵活性、自主 性等性能需求没有得到很好的满足，因此利用工业信息物理系统与知识推理表述 来提高工业系统的实时性、自主性等性能是非常有价值的，能够为将来实现真正 意义上的智能生产打下良好的基础。1.2课题研究现状及相关工作1.2.1信息物理系统与多智能体在

35、工业中的应用在过去的十几年里，学术界和工业界见证了信息物理系统系统(CPS)的蓬 勃发展，信息物理系统系被定义为集成了计算机、网络和物理环境的一个系统, 在该系统中嵌入式计算机和网络控制并监控物理环境的变化，通常而言这个控制 是一个闭环控制，因此物理情况的变化会对嵌入式计算机和网络环境产生很大影 响四。值得一提的是，这种集成并不是简单的将网络与物理环境结合在一起，它 们之间的相互作用是非常复杂而多变的；因此信息物理系统的设计和分析需要动 态地考虑计算机、软件、网络和物理设备间的相互影响，特别是在工业领域中物 理设备与网络高度耦合的情况下。在工业领域中，目前有许多正在进行中的研究都与信息物理系统

36、息息相关， Lee在他的文章中将工业信息物理系统与大数据分析技术相结合，以提高工业应 用场景中对数据的处理效率u；有了大数据的支持，生产制造过程就能够更加具 有可预测性。而将云技术应用于工业信息物理系统与SCADA层级的面向服务架 构提高了未来工业领域中大规模定制化生产的灵活性和协同性山。近年来多智能体系统也在工业应用领域中斩头露角，旨在为工业自动化系统 提供智能实时控制的方法U2。多智能体能够解决网络和基础物理设备之间相互 依赖关系所带来的挑战，因为它可以充当灵活的、高度自治的智能决策组件。相 关文献介绍了利用多智能体技术实现信息物理系统中语义模型的相互依存关系 表述U3,文献中提出了两种组

37、合模型，一种用于自治式智能体，另一种用于交互 式智能体；交互式智能体负责通过接口交互界面与外界环境进行交互，并根据一 定的策略手段与其他智能体协同运行。Alsafi的文章提出了一种基于智能体来实 现生产制造系统自重构的方法；文章中智能体利用存储在数据库中的知识完成系 统自重构等功能，可以满足生产环境的灵活性和高效性需求；根据文章分析，该 系统可以帮助生产制造系统适应不断变化的环境和外部要求，与未来定制化生产 模式非常契合U4。为了能够更好地对信息物理系统建模，实现物理设备和网络层 面的交互，有学者提出了一种多智能体模型，该模型能够描述网络和物理组件在 信息物理系统中的相互作用，同时也能够在不同

38、的信息物理系统之间进行传递 3。Martin的文章中介绍了一种描述信息物理系统中实体之间关系和行为的多 智能体模型；由于在信息物理系统中多个不同的实体可以共享一个资源，可能导 致资源冲突而使系统宕机，因此文章利用BDI代理通过非通信智能体的局部状 态信息来检测资源冲突，避免系统宕机SI。而LinJ等人旨在利用多智能体系统 概念对信息物理系统进行建模，并将传感器网络中的信息动态集成到语义服务中, 以支持信息物理系统的实时决策支持顷。信息物理系统和多智能体的运用推动了工业规模化、自动化的生产，为工业 控制领域带来了灵活性和高效性，一定程度上提高了工业系统的智能化水平。1.2.2基于本体论的知识推理

39、在工业中的应用除了将信息物理系统与工业相结合，各种知识表述系统也开始进入工业领域 并逐渐显示出其优越性。在早期的基于知识的系统中，知识库是很小的，仅用于 解决小规模的精确的问题；之后随着计算机技术的发展，知识表述开始逐渐应用 于计算机领域，最开始被称之为“通用问题解答系统”；在上世纪七八十年代， 基于知识库的“专家系统”开始出现，利用符号化的公式完成推理I%信息开始 可以通过形式化的表述在计算机中完成算法层面的问题解决。近年来研究者 在知识的表述和推理领域取得了长足进展，包括发现其一般性方法，解决不同领 域的根本问题2。；开发了专门的方法处理不同领域的关系和行为;通过语义网 实现了查询和解答等

40、实际功能四。知识表述在工业系统中的应用也应运而生，本体论(Ontology)就是一个很 好的例子。Puttonen在他的文章中展示了一种通过本体语言服务在生产制造系统 中实现自动管理生产过程的方法；这种方法表明当系统中有大量信息和相应的对 信息的描述时，就可以通过对这些信息进行处理来实现复杂的目标,在此基础上， 还能够在一定程度上保障完成目标的高效性23。除了传统的工业系统之外还有 文献提出了基于面向服务的体系结构(SOA)的楼宇自动化系统的解决方案；该 方案利用系统中的服务体系，根据不同的场景和外部要求对设备进行动态调整， 文章的实验结果表明该系统不仅在小规模数据的处理上有理想的表现，在面对

41、大 规模数据的情况下依然有一定的功能性24】。Ontologies fbr software engineering and software technology 一书中介绍了 本体语言在工程中的基本应用，并通过一些实例介绍了如何在一个具体的领域中 对该领域的概念进行结构化建模并完成实现四。Model driven engineering and ontology development) 一书将模型驱动工程与本体论相结合，试图利用模型驱动 工程思想将本体论的语言结构转化为更易被计算机所理解和推理的结构，提高本 体论的使用效果26。Dubinin等人的文章介绍了一种基于手动创建的本体模型，

42、通过将实例数据手动输入到本体知识库中来建立相应领域的结构模型并在 IEC61499中使用SI。Lastra等人在他们的文章中提出了一种语义服务的使用方 法，通过使用本体语言和显式的语义进行逻辑推理，从计算机提供的信息中推断 出足够的知识，并将其组合并执行，自主的完成生产控制NovakP等人的文 章介绍了一种利用本体论设计、建立知识结构并在工业系统中建立仿真模型并对 系统进行分析与控制的方法，该方法说明了本体论在工业领域中的适用性SI。为了更好地将知识本体应用于工业领域，学者们尝试将其与数据库相结合， 目前将知识本体语言存储于关系型数据库中已经有了比较成熟的方法和策略，通 过将本体语言数据持久化

43、在数据库中，能够提高数据的查询效率，提高知识本体 的通用性。Alamri等人在他们的文章中提出了一种支持本体知识(Ontology)在关系型 数据库中存储的模型。该文章充分考虑了本体语言(OWL)的层次关系，重点研 究了将本体语言的层次关系存储在关系型数据库中的策略，该策略能够通过采用 改变数据库模型和关系模式更清楚有效地保存数据之间的层次关系3。在面对 大规模数据时，也有学者提出了相应的策略来保证本体知识（Ontology）的存储 在关系型数据库中依然能够被有效利用。Kolovski的文章则提供了一种在关系 型数据库中使用0WL2推理引擎有来有效处理信息的方法；文章表明，这种方 法能够在数据

44、库中对数据进行有分类的整理，从而提高查询的效率和准确率。 本体语言不仅可以被存储在数据库中来提高使用效率，也可以通过其知识推理来 完成各种查询及调整工作。李曼等人的文章介绍了一种较为实用的建模方法，通 过在关系型数据库中建立一套学习规则，实现从关系型数据库中自动检索本体知 识的目标。该文章的结果显示通过这种学习规则，用户可以在数据库中高效查询 到不同的标签数据四。Astrova的文章也引入了一组能够将本体知识灵活地映射 到关系型数据库中的规则，实现了数据库中信息和本体的相互映；同时，这种方 法还能够将分布式数据从不同的数据库中集成在一起，适用于分布式系统33。本 体知识在数据库中的检索也是学者

45、们的重点研究领域，通过在数据库中进行关键 字搜索，可以高效而准确地获取有价值的信息。相关文献描述了一种通过语义匹 配特征扩展的关键词搜索系统，在关系型数据库中，用户可以利用本系统搜索数 据库中的关键字来获取与该关键字有关的各种信息34 o信息物理系统在工业系统中的应用和对相关领域的深入研究，为工业生产带 来了效率的提升和自动化程度的提高。研究表明，与工业信息物理系统相关的新 兴技术在诸多生产制造、智能控制场景中都有出色的表现，并给相关领域带来了 深远的影响。而本体知识结构和模型驱动工程的结合正在工业物联网领域中广泛 使用，给整个产业带来了更高的灵活性和互操作性。目前，在小规模、低复杂度的工业生

46、产中，学者们的研究结果能够较好的满 足系统的实时性及可靠性需求；然而当数据规模和系统复杂度增大时，上述研究 结果不能够很好的满足大数据分析处理的实时性；同时由于模型与系统之间的差 异，分析结果的准确性也会有一定程度的降低。为了解决这些问题，本文利用基 于知识的语言系统与非关系型数据库相结合，在工业大数据的实时获取及分析方 面进行深入研究，通过本体语言的建模，提高模型的准确度，帮助提高系统运行 的效率和自主性。1.3本文主要研究内容及创新点本文着眼于解决工业信息物理系统在边缘端的智能控制和决策问题，将基于 本体语言的模型结构与数据库相结合，在嵌入式设备中对数据的实时处理和知识 推理进行研究。通过

47、生成本体语言文本并将数据存储在数据库中，在数据库中完 成知识建模和推理，来实现对边缘端节点的智能控制；同时可以通过动态改变本 体语言中的结构来改变控制模型，提高了系统的灵活性。在建立本体语言结构模型的基础上，将其与模型驱动工程理念相结合，为复 杂的本体模型数据存储在数据库中并易于被计算机所理解提供了可行的思路。在 保持本体知识结构完整性的基础上通过显式的表达提高了其在系统应用中的高 效性和高互操作性。同时，本文提出了一种简易的本体语言可视化编辑工具，与 传统的编辑工具相比，它不仅有简单便捷的可视化界面，还避免了通用编辑工具 不能很好适用于工业领域这一具体行业的缺陷。数据处理方面，考虑到嵌入式设

48、 备的计算资源和存储空间有限的条件，采用了非关系型数据库作为数据存储载体。图1-3工业系统边缘层控制工具Fig.1-3 Edge Layer Control Tool fbr Industrial System本文的创新之处在于为工业系统边缘端节点设计了智能控制和决策的工具 （如图1-3所示），利用本体语言进行建模，优化了嵌入式系统的语义，通过规 则建立和逻辑推理实现设备层的智能控制。充分考虑工业系统边缘端计算资源和 存储空间限制，将本体语言与非关系型数据库相结合，完整的将整个知识库存储 在其中，满足了知识结构被人与机器同时理解的诉求；在查询数据时利用了 MapReduce的思路，实现了快速缩

49、小查询范围，提高检索效率的目标。此外，通 过可视化编辑工具建立OWL文档，可以动态实时对模型定义进行更改，提高了 系统的灵活性和可变性。1.4章节安排第二章介绍了基于本体语言和模型驱动工程的结构化建模方法，并提供了本 体语言的可视化生成方法，能够快捷地通过图形化编辑器生成本体语言文档。第 三章介绍了基于非关系型数据库的本体语言的存储、推理和查询，通过仿真实验 证明了该方法的高效性。第四章通过一个工业领域的仿真实例介绍了如何通过快 速生成本体语言文档并存储于数据库中，完成分析推理并通过修改文件内容实现 对系统的控制。第五章介绍了本文的总结与展望。第二章本体语言的建模与可视化实现如绪论介绍，工业4

50、.0的推广为当下工业领域的发展带来了巨大变化，加速 了工业领域的发展；为了提高工业领域设备层中对各系统的兼容性以及提高解决 问题的效率、简化设计过程，研究者做了不同的尝试，其中在工业信息物理系统 中引入模型驱动工程(Model-Driven-Engineering, MDE)和语义网络技术 (Semantic Web Technologies)两个概念大大改变了工业控制系统的运转模式。 一方面，语义网络技术能够根据不同应用领域结构化其系统知识；它通过识别、 抽象化、合理化个体的共性、验证系统规范之间的一致性来定位并解决计算需求。 另一方面，模型驱动工程通过使用定制语法语义的特定领域语言缩小了实

51、际业务 需求和算法设计及执行之间的差距。二者的协同使用为工业系统带来了高效性、更好的视觉体验以及高互操作性; 它不仅使得原来的模型驱动工程能够使用不同的方法来描述类和对象、完成检索 查询和提供解决方案等功能，提高了系统的可变性和可扩展性；还弥补了本体网 络语言和编程语言在结构上差别而导致的机器不友好的缺点。然而，由于生产流程与工艺的日趋复杂，目前的建模方法在工业信息物理系 统中无法提供高效可用的模型结构。因此本文提出了一种应用于工业系统设备层 的概念架构，该框架使用语义网络技术作为建模基础，引入模型驱动工程的思路， 兼备信息查询与提供解决方案的功能，同时用一种可视化的手段让使用者快速完 成建模

52、并生成本体语言文档，方便其作为知识模型在实际中的应用。2.1模型驱动工程和本体语言2.1.1模型驱动工程和本体论模型驱动工程(MDE)是近年来逐渐活跃的一个概念，它倡导“一切皆为模 型的准则；是软件开发领域中围绕模型和建模的技术的一种技术mi。与其他开 发方式相比，模型驱动工程(MDE)更注重用抽象层次的体系完整描绘某一领域 的模型结构，能够通过某一领域的概念模型来刻画软件结构，消除其固有的复杂 性，完成从设计到实现的过度，最终完成开发。模型驱动工程(MDE)的优点表 现在它能够使用方便人们理解和认知的模型，有利于在设计时便捷地使用与该领 域相关的建模语言来构造系统的模型，进行技术积累，从而蒂

53、助开发者专注于系 统本身的功能而不是其技术平台，更好地把握系统整体结构DR。工业界对于模型 驱动工程(MDE)的普遍关注在于它不仅具有较高抽象层次的设计思路，以模型 为中心进行设计开发;还能够在不同的外部需求下实现简单复用，简化迭代过程。本体论(Ontology) 一词来源于哲学范畴，是对存在的本质进行的哲学研究。 从该角度讲，本体涉及到确认事物的基础分类如抽象或具体、存在或消亡。而在 计算机科学领域，本体则是一个明确的、概念化的描述形式化规范；它扮演了让 算机理解和人类认知之间的桥梁角色，其构造类似于基于UML类的建模，具有 类(classes)属性(properties)等基本概念。在语义

54、网络领域，本体提供了共 享的概念化逻辑定义，通过这些定义对问题进行建模并求解，开发者则利用本体 对信息系统建模并实现一定的功能。下图2-1为这个语义网络的结构，而本体语 言就是其中的一部分。Ontology Matching, ExplanationData interchange:RDF图2-1语义网的结构Fig.2-1 Semantic Web Stack Covered in this Chapter本体建模和UML建模有部分相同之处，其相似的部分在于获取需求之后均 开始定义类和关系，在定义方式上本体(Ontology)会遵循其建模范式和对应语 言。本体建模的优势在于其模型可以通过丰富的

55、类(classes)和关系(relationships) 的建立来理清概念之间的层次关系，能够将表达式和规则定义形式化地集成在一 起。这种结构可以在其建立的逻辑框架中进行推理，并通过定义的推理规则进行 模型的验证。2.1.2本体语言概要本体语言(Web Ontology Language, OWL),是一种语义网的语言，目前已经 被广泛的研究和使用，它能够表达复杂而多变的知识体系，包括事物(things),成 组的事物(groups of things)和它们之间的关系。OWL同时还是一种基于计算机 逻辑的语言，因此知识表述在OWL中可以被计算机程序所利用；这种描述逻辑 可通过T-box (t

56、erminological box)推理完成概念和公理范式的描述四，通过人- box (assertionalbox)推理完成个体隐含知识的描述的。现行的OWL,根据其支 持的建模结构不同可以分为不同的子语言，NLogSpace-Complete (OWL 2 QL), PTime-Complete (OWL 2 EL、OWL2RL), NExpTime-Complete (OWL DL)以 及2NExpTimeComplete (OWL 2 DL)等。每种语言都有其对应的描述逻辑构造， 例如OWL 2EL对应的描述逻辑为EL+而OWL DL对应的则是SH0IN37o本文采用的建模语言为“0W

57、L2 (2NExpTimeComplete)七0WL2既不是编 程语言，也不是数据库框架，它是一种知识表述语言，用以对某个特定领域的知 识完成形式化、结构化后进行推理分析；即用逻辑描述事物状态并通过推理器进 一步推理判断和该事物相关的信息。OWL 2通常通过文档的形式来表示某种计 算工件(computational artifact)或一个 XML schemao 在 0WL2 中，为了准确描 述某一领域，会提出一组中心术语以及说明术语建立关系和状态的术语集合，这 就是典型的OWL文档要素。0WL2作为知识表述语言，有具体的语法来保存其本体，现有的语法根据其 使用目的可以分为:RDF/XML语

58、法、0WL/XML语法、Manchester语法、Functional 语法等。本文为了方便进行形式结构的存储和分析，采用了 0WL2的功能 (Functional)语法，如下几个表格为0WL2语言在描述逻辑中的对应表达，这 些表达可以蒂助计算机理解本体的内在关联：表2-1、2-2和2-3列出了类表达 式、数据属性和对象属性的公理列表。表2-4列出了声明列表。表2-1类表达式Table 2-1 Syntax of Class Expression AxiomsOWL 2句法描述逻辑句法SubClassOf(C CE2)Equivalentclasses (CE1 . CEn)DisjointC

59、lasses (CE1 . CEn)DisjointUnion (C CEr . CEn)CE匚 CE2CE=.三 CEnCE】A . A CEn = _LCE U . U CEn = Cand CEr n . nCEn = _L表2-2数据属性表达式Table 2-2 Syntax of Data Property AxiomsOWL 2句法描述逻辑句法SubDataPropertyOf (SPE】 . DPE2)DPE1 匚 DPE2EquivalentDataProperties (DPE1 . DPE)DPE1 =三 DPEnDisjointObjectProperties (DPE】

60、 . DPEfDPE】n . n DPEn 三 1ObjectPropertyDomain (DPE DR)3 DPE. Literal 匚 DRObjectPropertyRange (DPE DR)Literal 匚 V DPE. DRFunctionalObjectProperty (DPE)Literal 1 DPEDatatypeDefinition (DT DR)DT = DR表2-3对象属性表达式Table 2-3 Syntax of Object Property AxiomsOWL 2句法描述逻辑句法SubObj ectPropertyOf ( Obj ectProperty