一种面向生产领域人工智能系统的智能体协作方法及系统与流程

本技术属于人工智能领域，具体涉及一种面向生产领域人工智能系统的智能体协作方法及系统。

背景技术：

1、在生产领域人工智能系统中，智能体需要根据任务描述和系统状态生成协作策略，然而任务描述的文本形式与系统可执行的协作策略之间存在语义鸿沟，如何跨越这一鸿沟实现任务语义到协作策略的精准映射是亟待解决的核心问题。

2、常见的智能体协作策略生成方法一般采用静态任务分配或基于预定义规则的固定映射方式，通过手工编写的规则库或模板实现任务描述到协作策略的简单转换。但这种依赖规则和模板的映射方式缺乏对生产领域复杂业务语义的深层理解能力，无法准确识别任务描述中的工艺约束关系和资源依赖条件，导致生成的协作策略与实际生产场景脱节，策略选择僵化且难以适应动态变化的生产环境，难以提供可靠的协作决策，成为制约生产系统智能化水平提升的关键瓶颈。

技术实现思路

1、针对现有技术中存在的不足，本发明提供一种面向生产领域人工智能系统的智能体协作方法，可以有效解决上述背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：

3、第一方面，本发明提供一种面向生产领域人工智能系统的智能体协作方法，该方法包括如下步骤：

4、构建生产领域本体库与工艺规则库，其中所述生产领域本体库采用层次化有向无环图作为底层存储结构，覆盖生产流程、工艺参数、设备能力和质量标准四个维度；所述工艺规则库涵盖工艺约束规则、资源依赖关系和执行条件三类规则体系；

5、将任务文本描述、产品工艺要求和资源条件这三类异构输入，通过设计的语义嵌入层，转换为融合领域本体知识的统一语义向量表示；

6、将所述统一语义向量表示输入至语义增强解析引擎，所述语义增强解析引擎基于所述生产领域本体库与所述工艺规则库，执行语义消歧与语义补全，并将工艺约束规则作为约束向量融入语义向量后进行语义一致性校验，以输出包含任务目标、约束条件、资源需求和执行序列的结构化解析结果；

7、基于所述结构化解析结果，自动生成包含战略层任务分配、战术层资源调度、执行层执行顺序的多层级协作策略，其中各策略层次之间通过松耦合架构解耦，并通过约束传递与冲突仲裁机制进行协调；

8、将所述统一语义向量表示与当前系统状态输入策略选择网络，决策出最优协作方案；

9、部署运行时监控模块，实时采集执行指标，并基于反馈信号触发协作模式调整，以支持策略的动态重构。

10、进一步地，所述生产领域本体库采用层次化有向无环图作为底层存储结构，覆盖生产流程维度，具体包括：

11、将生产工序定义为所述层次化有向无环图的节点，将工序间逻辑关系定义为所述层次化有向无环图的边；

12、工序时间约束以节点属性存储，所述节点属性包含基准执行时长、最长执行时长、最短执行时长和弹性时间窗口四个参数。

13、进一步地，所述生产领域本体库覆盖设备能力和质量标准维度，具体包括：

14、对设备状态描述采用有限状态机模型，状态集合包括空闲、运行、调试、故障、维护和待机六种状态，状态转换规则通过状态转移矩阵定义，矩阵元素取值为0或1，取1表示允许从行状态转换到列状态，取0表示禁止从行状态转换到列状态；

15、集成所述生产领域本体库与所述工艺规则库时，建立交叉引用索引，并采用图数据库作为所述生产领域本体库与所述工艺规则库集成后的知识库的底层存储引擎，将本体节点和边映射为图数据库中的顶点和边，规则和条件以顶点属性方式附加至对应本体节点，形成可进行图遍历查询的统一知识图谱结构。

16、进一步地，所述语义嵌入层将所述任务文本描述、所述产品工艺要求和所述资源条件三类异构输入转换为统一语义向量表示，具体包括：

17、将初始特征向量、工艺特征向量和资源特征向量分别通过各自的线性投影层映射到统一的语义空间维度；

18、通过跨模态注意力模块，以所述初始特征向量经线性投影得到的查询向量，以所述工艺特征向量经线性投影得到的键向量，计算点积相似度并经缩放和softmax归一化，得到标量注意力权重；

19、将计算得到的所述标量注意力权重分别作用于对应的值向量，再将所有加权值向量逐元素相加，得到加权融合向量。

20、进一步地，所述语义增强解析引擎执行语义消歧与语义补全，具体包括：

21、所述语义消歧通过所述生产领域本体库中的概念层次结构，查询与多义词所在的当前工序关联的设备类型和质量标准，确定所述多义词在当前任务语境下的准确含义；

22、所述语义补全通过计算所述统一语义向量表示与所述生产领域本体库中第个概念实体对应的嵌入向量的点积相似度，对任务描述中缺失的隐含实体、隐含关系和隐含约束进行推断和补全。

23、进一步地，所述将工艺约束规则作为约束向量融入语义向量，具体包括：

24、通过规则编码器将步骤s1构建的结构化的工艺约束规则映射为约束向量；

25、根据所述工艺约束规则的强制程度属性，确定所述工艺约束规则的强制程度系数；其中，硬性约束的强制程度系数取值为1.0，软性约束的强制程度系数取值为一个根据任务类型、资源可用性和历史执行数据动态调整的值；

26、根据所述工艺约束规则所涉工序数量与总工序数量的比例，确定所述工艺约束规则的覆盖范围系数；

27、第条约束的语义融合权重的计算公式为，其中为第条约束的强制程度系数，为第条约束的覆盖范围系数；

28、基于所述语义融合权重，通过约束感知的注意力模块将所述约束向量融入所述语义向量。

29、进一步地，所述语义一致性校验包括句法一致性校验、领域一致性校验和工艺一致性校验三个阶段；

30、其中，所述工艺一致性校验检查工艺参数配置是否满足工艺约束规则的边界条件，以及工艺顺序是否满足工艺顺序约束规则；对检查发现的软性冲突采用约束松弛算法进行容错处理，在保持硬性约束的前提下对软性约束适当放宽，且放宽幅度不超过约束边界值的10%。

31、进一步地，将所述统一语义向量表示与当前系统状态输入策略选择网络，决策出最优协作方案，具体包括：

32、所述策略选择网络包含状态编码器、语义编码器、融合层、解码器和评分输出层；

33、所述状态编码器采用图神经网络架构，将当前系统状态建模为资源节点图，通过消息传递机制聚合资源节点以及所述资源节点的邻居节点的特征，生成状态特征向量；

34、所述语义编码器采用多层感知机架构，对所述统一语义向量表示进行编码，生成语义特征向量；

35、所述融合层以所述语义特征向量作为查询，以所述状态特征向量作为键和值，计算注意力权重分布，生成联合特征向量；

36、所述解码器基于所述联合特征向量生成候选协作方案；

37、所述评分输出层通过综合评分函数计算各候选协作方案的综合评分，决策出综合评分最高的候选协作方案作为所述最优协作方案。

38、进一步地，所述各策略层次之间通过约束传递与冲突仲裁机制进行协调，以及所述运行时监控模块基于反馈信号触发协作模式调整，具体包括：

39、当层间策略发生冲突时，通过仲裁优先级公式确定各冲突的处理顺序，其中为冲突的仲裁优先级，为策略层次的权重系数，战略层取值为3，战术层取值为2，执行层取值为1，为约束的强制程度系数；仲裁决策以仲裁优先级值高的冲突优先处理；

40、所述运行时监控模块采用阈值监控和趋势预测双重触发机制触发协作模式调整；在进行策略的动态重构时，采用热切换技术，在保留未变化策略部分的状态和执行进度的前提下，完成策略结构的动态调整。

41、另一方面，本发明提供一种面向生产领域人工智能系统的智能体协作系统，包括：

42、本体库构建模块，用于执行如权利要求1中的构建生产领域本体库与工艺规则库的步骤，本体库构建模块采用图数据库作为底层存储引擎；

43、语义嵌入模块，用于执行如权利要求1中的将任务文本描述、产品工艺要求和资源条件这三类异构输入转换为融合领域本体知识的统一语义向量表示的步骤；

44、语义解析模块，用于执行如权利要求1中的通过语义增强解析引擎输出结构化解析结果的步骤；

45、策略生成模块，用于执行如权利要求1中的自动生成包含战略层任务分配、战术层资源调度、执行层执行顺序的多层级协作策略的步骤；

46、策略决策模块，用于执行如权利要求1中的将统一语义向量表示与当前系统状态输入策略选择网络，决策出最优协作方案的步骤；

47、运行监控模块，用于执行如权利要求1中的部署运行时监控模块，实时采集执行指标并基于反馈信号触发协作模式调整的步骤。

48、综上所述，本技术包括以下至少一种有益技术效果：

49、1、本发明通过构建覆盖生产流程、工艺参数、设备能力和质量标准四个维度的领域本体库，并设计多模态语义嵌入层将任务文本描述、产品工艺要求和资源条件三类异构输入统一映射为语义向量，配合语义增强解析引擎执行消歧、补全与一致性校验，有效跨越从自然语言任务描述到系统可执行协作策略之间的语义鸿沟，解决传统方法依赖固定规则模板而缺乏深层语义理解的问题。

50、2、本发明基于结构化解析结果自动生成战略层、战术层、执行层三层协作策略，层次间采用松耦合架构解耦并通过约束传递与冲突仲裁机制协调，既允许各层次独立演化应对局部变化，又保证全局一致性，同时利用策略选择网络根据实时系统状态动态决策最优方案，克服静态分配方式策略选择僵化、难以适应动态生产环境的缺陷。

51、3、本发明部署运行时监控模块，通过阈值监控与趋势预测双重触发机制实时感知系统性能偏离，支持基于反馈信号的协作模式调整，采用热切换技术在不中断执行的前提下完成策略结构的增量或全量更新，使系统能够快速响应资源异常、任务变更等突发状况，显著提高生产系统在动态复杂环境下的鲁棒性和持续优化能力。