论文部分内容阅读
最近几十年来,计算机集成过程系统(CIPS)在石化行业中得到了广泛的应用,其功能已经覆盖石化企业产品生命周期的全过程。数字化工厂和智能工厂已经成为CIPS未来的发展方向。在这个发展过程中,知识管理和知识自动化已经是下一代CIPS的核心部分。在石化企业CIPS的知识体系中,工艺机理、设备原理、经营管理的决策机制等,主要是使用数学模型的方式表达、传承和应用。这些数学模型是数学知识的一部分。在现阶段的CIPS中,这些数学知识没有得到有效管理,造成了企业在软件更新方面大量人力资源和时间的浪费。在石化行业,数学知识管理的相关研究还处于初级阶段。本研究在分析了石化企业已有的几种数学知识管理方法后,结合石化企业数学知识的存在形式和特点,引入本体驱动建模理论,提出了一种新的基于本体的数学知识管理方法。本文首先介绍了数学知识及其管理,并从CIPS的三个层次分析了石化企业数学知识管理方法的现状,对石化企业中数学知识管理方法出现的问题进行剖析,进而引入基于本体的数学知识管理方法。接下来分析了OntoMODEL的数学知识管理方法。OntoMODEL将数学知识管理分成模型申明和模型求解两个部分,较好解决了数学知识的表达、组织、传播和利用。但是OntoMODEL只适用于一些简单数学公式为主的数学模型,具有一定的局限性。针对OntoMODEL的缺陷,本文提出了新的数学知识管理方法。该方法引入本体驱动建模的思想,把数学知识看成是建模本体的实例,将数学知识的管理和应用分离开。这种基于本体的数学知识管理方法分为模型定义、模型映射和模型求解三个阶段。该方法利用本体映射来衔接模型定义和模型求解两个阶段,可以支持复杂的非数学公式为主的数学模型,弥补了OntoMODEL的缺陷。接下来,本文针对离散事件仿真模型和一般优化模型分别建立了DEVSMO和SMO建模本体。参照这两个建模本体可以建立DEVS模型和优化模型,并映射为可以执行的模型文件。为了将DEVSMO和SMO的模型实例映射到可执行的模型代码,作者开发了本体映射工具,将所建立的模型实例翻译为CD++和Lingo环境下可直接执行的模型代码。最后,本文利用所提出的基于本体的数学知识管理方法实现了典型的石化企业仿真和优化。从最后得到的模型代码和仿真运行结果两个角度验证模型的正确性,从而论证所提出的数学知识管理方法的有效性。