面向CAM数控编程领域的知识图谱构建方法

方喜峰　柳大坤　龚婵媛　王楠　张胜文　汪通悦

摘要：为提高CAM数控编程领域的知识表达、管理和挖掘能力，提出了CAM数控编程知识图谱构建方法。分析了CAM数控编程阶段的信息表达形式，构建了CAM信息模型；采用概念到关系、局部到整体的本体构建模式并引入语义规则，实现了知识图谱模式层的构建。以某船用柴油机企业历史CAM编程案例库为数据源，构建了特征-操作信息单元模型库，采用本体映射的方式完成了知识图谱数据层的构建，并通过知识融合、知识推理等手段扩大了知识规模，提高了知识质量。最后，开发了CAM知识图谱Web平台，验证了所提方法的有效性。

关键词：数控编程；知识图谱；本体构建；本体映射

中图分类号：TH164；TP391

DOI：10.3969/j.issn.1004-132X.2023.12.011

Knowledge Graph Construction Method for CAM Numerical Control Programming Field

FANG Xifeng LIU Dakun GONG Chanyuan WANG Nan

ZHANG Shengwen WANG Tongyue2

Abstract： In order to improve the ability of knowledge expression， management and mining in CAM numerial control programming field， a method to construct CAM numerial control programming knowledge graph was proposed. The information expression form of CAM numerial control programming stage was analyzed and the CAM information model was constructed. The ontology construction mode from concept to relation and from part to whole was adopted and semantic rules were introduced to realize the construction of knowledge graph pattern layer. Taking the historical CAM programming case base of a marine diesel engine enterprise as the data source， the feature-operation information unit model library was constructed， and the knowledge graph data layer was constructed by ontology mapping. By means of knowledge fusion and knowledge reasoning， the scale and quality of knowledge were enlarged and improved. Finally， a CAM knowledge graph Web platform was developed to verify the effectiveness of this method.

Key words： NC programming; knowledge graph; ontology construction; ontology mapping

0 引言

大數据、人工智能、5G通信等新一代信息技术的蓬勃发展，推动了制造业新一轮的创新和突破，带领智能制造走向新的模式［1］，而数据和知识则是推动传统制造模式和智能信息技术实现深度融合的基础。在传统制造领域，随着CAD/CAM等软件的广泛普及，制造企业已经积累了丰富的数控编程成果，这些经过验证的历史编程案例为新产品的研制提供了宝贵的设计知识资源［2］。方便、准确地获取和重用已有的设计成果是提高产品编程效率和质量、缩短产品制造周期的有效途径之一［3］。

遗憾的是，这些先验知识并未得到深度的挖掘与利用，造成了企业资源的浪费，一定程度上制约了产品的开发周期。阻碍数控编程案例知识重用的因素主要来自两个方面：一方面，数控编程属于知识密集型任务，涉及一系列复杂的决策过程，其中的大多数决策都高度依赖编程人员长期的生产经验和知识积累，造成了数控编程知识构成复杂，知识挖掘困难［4］；另一方面，影响CAM数控编程的信息散落在CAD模型、工艺文档以及数控编程等多个环节中，缺乏规范化存储与合理表达方式。随着制造周期日趋缩短，制造企业已经意识到历史编程案例中的知识价值，为有效利用这些知识资源，亟需建立能够有效管理数控编程历史数据和表达其中蕴含知识的信息模型以提高数控编程的效率和质量。

迄今为止，已有多种信息统一表达和管理技术在数控编程领域中得到了应用，如基于STEP-NC（一个面向对象的新型NC编程数据接口国际标准）的数控编程［5］、基于特征模板数控编程［6］、基于广义知识库的数控编程［7］以及基于MBD（model based designed）的数控编程［8］等。这些技术方法在提高数控编程效率和质量方面均取得了一定的效果。但上述方法或是对数控编程信息的简单表达和存储，未能很好地描述领域知识的关联性和复杂的语义关系，或是知识构建过程重度依赖人工编辑、知识库更新困难，因此在实际应用时存在一定的局限性。

近些年，知识图谱因具有数据结构有向、检索能力强和支持智能知识推理等优点已被广泛应用于各领域［9］。在智能制造领域，国内外学者也开始了初步的探索。李秀玲等［10］提出面向工艺复用的工艺知识图谱构建方法，依据STEP-NC标准建立工艺知识图谱的模式层，将工艺知识转化为结构化的工艺知识图谱的形式，实现了工艺知识的复用。HEDBERG等［11］利用知识图谱作为信息管理载体来链接设计、制造和质量等阶段的制造数据信息，便于构建覆盖产品全生命周期的智能制造数字化主线，以服务于产品制造上下文信息快速追溯和知识复用任务。GUO等 ［12］在建立的工艺知识图谱的基础上构建了混合知识推理系统，突破了决策过程中流程知识异构的障碍。段阳等［13］为深度利用切削加工过程中数据的语义关联性，构建了金属切削加工知识图谱，为金属切削加工智能化提供了新的方法。

综上，知识图谱相关技术能很好地描述领域知识的内在关联，有效弥补现有方法在数控编程领域信息描述与管理上存在的不足，为CAM数控编程知识的表达、储存、检索、推理和重用等研究带来新的研究方法。因此，本文结合知识图谱在知识工程领域展现出的優势，分析CAM数控编程领域知识的特点，建立CAM信息模型，并在此基础上提出了CAM数控编程领域知识图谱（简称为CAM知识图谱）的构建方法。

1 基本概念与方法概述

1.1 CAM信息模型定义与表示

为有效描述CAM数控编程各阶段的过程信息，引入了CAM信息模型进行表征。

定义1 CAM信息模型。CAM信息模型（Mcam）蕴含了CAM数控编程过程中的所有工序信息，可表示为由多个有序的工序信息模型（Mprocess）组成，即

（1）

定义2 工序信息模型。工序信息模型是指单个工序下的所有信息，可表示由多个有序的工步信息模型（Mstep）组成，即

（2）

定义3 工步信息模型。工步信息模型是信息集成的最小单元，包含产品设计、工艺准备、CAM编程等信息，表示形式如下：

（3）

式中，F为加工特征相关信息，主要包括特征材料fm、几何信息fg和特征类型ft等；P为工艺相关信息，主要包括加工阶段ps（粗加工、半精加工、精加工）、加工方法pm（数控铣、数控车等）和加工精度pa等；C为CAM编程参数设置信息，包括加工策略cs、加工模板ct以及后处理相关信息cp。

图1所示为某加工工步的CAM信息模型。

定义4 特征-操作信息模型。特征-操作信息模型（attribute-operation info model）是典型加工特征和与之对应的CAM操作共同构建的信息模型，蕴含了编程人员丰富的编程经验以及独特的编程见解。

1.2 数控编程知识分类

数控编程领域知识类型广泛，为快速并准确地构建高质量的CAM知识图谱，应首先将领域知识进行分类处理［14］，分类如下：

（1）事实型知识。事实型知识主要为CAM编程领域的基本概念事实，是一种对客观事实描述的显性知识，如加工方法、加工阶段、加工精度和设备资源（刀具、机床）等。图2所示为CAM 知识图谱的构建总体流程，主要包括CAM 模式层构建和知识图谱数据层构建。

（2）推理型知识。推理型知识为隐性知识，是具有经验性和推理性的知识（如进刀、退刀、转移等方法）。推理型知识包括大量的数控编程经验知识，蕴含了更高层次的编程意图。

1.3 CAM知识图谱构建流程

（1）知识图谱模式层构建。该部分主要利用CAM信息模型建立数控加工领域上层概念模型，分别建立单一概念内、多概念间的本体模型；通过解析编程经验知识建立SWRL（semantic web rule language）规则，提高本体的语义表达能力。

（2）知识图谱数据层构建。该部分包括特征-操作模型构建和知识抽取与融合两个部分。特征-操作信息模型主要实现从历史加工案例库中提取得到典型加工特征与数控操作信息元，建立知识抽取的数据源；知识抽取与融合是根据构建的模式层所提供的语义关系，利用信息抽取、知识抽取、知识推理和存储映射等手段完成知识图谱数据层的构建。

2 知识图谱模式层构建

作为领域类型的知识图谱，CAM知识图谱应采用自顶向下的构建模式，即先构建CAM知识图谱模式层，再构建CAM知识图谱数据层［15-16］。

2.1 本体模型构建

本体作为共享的形式化规范说明，是对客观世界概念进行描述的抽象模型。复杂领域的本体模型可视作由多个单一概念内和多个概念间的关系组成，CAM领域也不例外，因此，根据CAM领域信息模型的特点，CAM数控编程领域本体模型采用了由概念到关系、由局部到整体的构建模式。

2.1.1 数控编程领域概念归纳

首先，解析CAM信息模型中的知识结构，可将CAM知识图谱本体模型分解成多个子概念模型，CAM领域本体模型（Ecam）可定义为

Ecam=Estep∪Emt∪Epart∪Eps∪Efea∪Epp∪Ecs∪Emc（4）

式中，Estep为加工工步概念本体；Emt为加工机床概念本体；Epm为加工方法概念本体；Epart为零件信息概念本体；Eps为加工阶段概念本体；Efea为加工特征概念本体；Epp为后处理概念本体；Ecs为CAM编程参数本体；Emc为加工刀具本体。

然后，将数控编程过程中的多源信息逐步融入到这些概念中，为数控编程知识图谱的本体模型构建提供属性和关系基础，图3所示为归纳得到的数控编程相关概念。

2.1.2 单一概念本体模型构建

在CAM领域，单一概念的本体建模即是对事实型知识的描述和表达。为保证概念描述的合理性，在完成概念集分类后，应逐步对每个概念进行细化。通过分析概念属性类型和层次关系建立可清晰表达概念关联属性信息之间关系的网状知识结构模型，并以此方法逐步完成每个概念的本体构建。具体构建内容如下：

首先，以数控编程概念的子概念为基础，建立概念的基本类，表1定义了本体概念的基本类。然后，对基本类的内部属性进行详细描述从而完成对单一概念本体的构建。

以加工特征为例，使用本体语言OWL中类（Class）与子类（Subclass）建立概念上下级关系，利用数据类型（Data Types）、数据属性（Data Properties）完成对概念属性的描述，通过对象属性（Object Properties）完成概念内作用关系的描述，最终构建得到具有丰富语义关系、层次结构分明的本体模型。图4为以加工特征概念为例构建的本体模型的部分展示。

2.1.3 CAM领域本体模型构建

在CAM数控编程过程中，加工工步是数控加工中最小的加工单元，关联了所有的加工信息，因此，以工步本体为桥梁可有效连接数控编程领域的各个单一概念本体，从而完成CAM知识图谱本体的完整构建。图5所示为构建的CAM知识图谱本体的模型结构。

2.2 知识图谱模式层规则扩展

CAM知识图谱本体模型实现了对CAM领域中事实型知识的抽象化描述和结构化表达，但却未能很好地表示领域中语义性更强的推理型知识。

SWRL是在OWL本体语言的基础上形成的一种规则标记语言，用于改善OWL语言的表述和约束能力不足的问题［17］。因此，为扩展和丰富CAM知识图谱模式层，提高知识图谱的表达能力，构建了SWRL语义规则，并将其融入本体模型中，方法具体步骤如下：①分析和提取专家、编程人员在内的经验知识；②将提取的经验知识运用if-then条件语句表示，然后转换为SWRL规则；③利用protégé的推理模块验证构建的SWRL规则，经验证无误后导入本体模型。

构建的部分SWRL规则实例如下：

规则1 后处理选择规则。企业根据机床型号定制了相应的后处理类型，如龙门铣床“14M龙铣”选择的后处理型号为siemens-880M；数控加工中心“BritishProcessingCenter”选择的后处理型号为siemens-840，如下所示：

Step（？x）^useMachineTool（？x，14MPlanomiller）^choosePostProcess（？x，siemens880M）;Step（？x）^UseMachineTool（？x，BritishProcessingCenter）->choosePostProcess（？x，siemens-840）

规则2 G代码拼接。若零件z上的两个加工特征x与y处于同一工位，且使用相同刀具p，则两个特征的G代码需要拼接，如下所示：

Feature（？x）^Feature（？y）Part（？z）^isPartOf（？x，？z）^isPartOf（？y，？z）^Cutter（？p）^useCutter（？x，？p）^useCutter（？y，？p）^sameStation（？x，？y）->GSplice（？x，？y）

3 知識图谱数据层构建

3.1 构建特征-操作信息单元模型

为有效地从历史编程案例中挖掘出典型编程知识，提出了一种用于特征-操作信息单元模型构建的算法，其核心思想是通过聚类分析PAM（partitioning around medoids）算法对历史加工特征数据集进行分类并在此基础上实现特征-操作信息单元模型构建。

特征-操作信息单元模型构建算法的主要步骤如下：

（1）数控加工特征信息单元编码处理。数控加工特征信息单元U可定义为

U=ut∪us∪uto∪uts∪utm∪up∪ual∪um（5）

式中，ut为加工特征类型信息；us为加工特征尺寸信息；uto为加工刀具类型信息；uts为加工刀具尺寸信息；utm为加工刀具材料信息；up为加工精度信息；ual为加工余量信息；um为加工材料信息。

（2）构建加工特征信息数据集S。从历史加工案例库中抽取所有加工特征信息用于构建加工特征信息数据集S，其中，每一行数据作为一个聚类样本。

（3）样本数据集S归一化处理，利用PAM算法进行聚类分析。

（4）构建特征-操作信息单元模型。选取簇类中心样本作为典型特征信息单元，将该单元与其对应的CAM操作合并，建立特征-操作信息单元模型。

3.2 信息抽取与知识抽取

建立典型特征-操作信息单元后，进行数控编程信息抽取处理。首先，通过CAM软件的API接口依次遍历抽取信息单元中数控编程知识，包括数控切削策略、切削参数（进给量、主轴转速）和非切削参数（安全高度、步距、进刀方式、退刀方式和转移方式等），然后，将特征信息与数控编程信息存储在关系数据库中。

传统关系数据库实现对三元组数据的存储只能采取关联表的方法，但随着数据量的增加，关联表变得越来越复杂，导致查询效率低、数据维护困难。RDF（resource description framework）是W3C提出的资源描述框架，用于对语义知识进行规范化的描述和存储［18］。为实现将结构化数据转变为知识图谱，应用知识图谱模式层驱动的R2RML映射方法［19］实现了从关系数据库到RDF的知识抽取过程。

3.3 知识融合与知识推理

由于在产品设计、工艺、制造等环节中术语表达的不规范、不统一，致使数控编程领域普遍存在“一词多义”的现象。例如“数铣”、“数控铣”虽然都指的是数控铣削，但在知识图谱中却指向不同的实体。实体的歧义影响了知识的质量，降低了CAM知识图谱的性能，因此，本文提出基于实体属性相似度计算的方法来判别歧义实体，对判定结果指向相同对象的实体进行合并，实现知识的融合。该方法的核心是实体属性相似度计算因子Ssim，由下式计算：

（6）

式中，ei、ej分别为待评估实体属性；m、n分别为待评估实体的属性数量；lev为编辑距离计算公式，用于计算实体属性的文本相似度［20］。

当两个实体属性的相似度之和大于设定阈值时，认定两实体相同，否则认为是不同实体。

经过实体融合后，CAM知识图谱的知识质量得到了有效提高，不过，仍然存在一些隐含的语义关系有待进一步挖掘。基于本体和SWRL规则的知识推理方法可以有效获取知识图谱中隐含知识，从而进一步扩大知识图谱规模。因此，结合构建的本体与规则，利用语义框架Jena和推理机Pellte可实现知识推理［14］。

3.4 存储映射

由于Neo4j图数据库具备检索高效、接口丰富且强大、可视化效果优秀等优点，因此本文选择Neo4j图数据库作为知识图谱的储存工具。尽管由R2RML映射协议生成的RDF三元组的描述形式与Neo4j中图结构（Node， Relation， Node， Property）十分相似，但实际上存在一定的差异，无法直接映射存储，因此，需要设计RDF-Neo4j的映射规则，如图6所示。

规则1 Subject节点数据映射到Node节点；

规则2 Predicate关系节点映射到Node的属性节点Property，Object节点映射到属性节点Property的值；

规则3 Predicate关系节点映射为Relation，Object数据节点映射到Node节点；

规则4 当Object代表值时，Object节点映射到Property节点。

4 实例验证

以上述理论为基础，应用专业本体建模软件protégé中的Entities、Data properties、Object properties和SWRLTAB等模块完成CAM知识图谱的模式层构建，图7所示为构建的本体模型和SWRL规则。选用某船用柴油机企业的CAM数控编程案例库为构建知识图谱的数据源，建立特征-操作信息单元集合，应用NX二次开发技术抽取模型中的数控编程信息并存储在MySQL数据库中，通过本体驱动的R2RML的映射模式将关系数据库表中的数控编程信息转化为RDF三元组数据。

经过知识融合、知识推理和存储映射等步骤后，Neo4j数据库中共存在包括刀具、特征和参数设置等在内的500多个节点数据、3300多条数值属性和2300多条对象属性。最后，基于B/S的开发模式，通过Java和JavaScript语言开发出了CAM数控编程知识图谱Web平台，如图8所示。该平台实现包括数据查询、数据存储、数据可视化等在内多个功能模块，验证了方法的可行性和有效性。

5 结论

本文针对CAM数控编程领域知识挖掘和表达困难等问题，提出CAM数控编程知识图谱的构建方法，主要优势如下：

（1）分析了数控编程领域的信息表达形式，构建了CAM信息模型；将CAM信息模型概念化，为数控编程知识图谱模式层构建提供了理论基础。

（2）采用了局部到整体、概念到关系的模式，通过类与子类、数值屬性、对象关系等本体语义构建数控编程概念内联关系，建立了数控编程知识图谱模式层，实现了知识的层次化、结构化和关联化表达，保证了知识的统一性和完整性。利用SWRL语义技术扩展了本体模型，提高了数控编程知识表达能力。

（3）构建了特征-操作信息模型并提取出典型特征与操作信息，利用本体驱动的R2RML映射方式将结构化的数控编程信息映射成RDF文件，并通过知识融合和知识推理的方法提升了知识图谱的质量和规模；应用RDF-Neo4j映射规则将知识存储在性能更高的图数据库中，为后续CAM知识图谱的应用垫定了基础。

参考文献：

［1］张栋豪，刘振宇，郏维强，等. 知识图谱在智能制造领域的研究现状及其应用前景综述［J］.机械工程学报，2021，57（5）：90-113.

ZHANG Donghao， LIU Zhengyu， JIA Weiqiang， et al. A Review on Knowledge Graph and Its Application Prospects to Intelligent Manufacturing［J］. Journal of Mechanical Engineering， 2021， 57（5）：90-113.

［2］黄瑞，张树生，白晓亮，等. 三维CAD模型检索驱动的快速数控编程方法［J］. 机械工程学报，2014，50（3）：191-198.

HUANG Rui， ZHANG Shusheng， BAI Xiaoliang，et al. 3D CAD Model Retrieval Driven Rapid NC Programming Method for NC Process Reuse［J］. Journal of Mechanical Engineering，2014， 50（3）：191-198.

［3］黄瑞，张树生，白晓亮，等. 融合制造语义的三维CAD模型检索方法［J］. 计算机集成制造系统，2013， 19（6）：1177-1185.

HUANG Rui， ZHANG Shusheng， BAI Xiaoliang， et al. Manufacturing Semantics Based 3D CAD Model Retrieval Method［J］. Computer Intergrated Manufacturing Systems，2013，19（6）：1177-1185.

［4］LIN Q， ZHANG Y， YANG S， et al. A Self-learning and Self-optimizing Framework for the Fault Diagnosis Knowledge Base in a Workshop［J］. Robotics and Computer-Integrated Manufacturing， 2020， 65：101975.

［5］周刚，邬义杰，潘晓弘. 基于字典实体驱动的STEP-NC制造特征重构机制模型［J］. 中国机械工程，2007，18（21）：2561-2565.

ZHOU Gang， WU Yijie， PAN Xiaohong. STEP-NC Manufacture Feature Reconstructive Mechanism Based on Dictionary Entity［J］. China Mechanical Engineering，2007，18（21）：2561-2565.

［6］张英杰. 面向自动数控编程的零件加工特征建模技术［J］. 西安交通大学学报，2008，42（3）：281-285.

ZHANG Yingjie. Modeling Technique of Machining Feature for Automatic Numeric Control Part Programming［J］. Journal of Xian Jiaotong University， 2008， 42（3）：281-285.

［7］贾维，张亮，张胜文. 复杂零件数控编程KBE系统广义知识库应用研究［J］. 成组技术与生产现代化，2008，25（1）：26-31.

JIA Wei， ZHANG Liang， ZHANG Shengwen. Research on Application of General Knowledge Based in KBE System of NC Programming for Complex Components［J］. Group Technology & Production Modernization. 2008， 25（1）：26-31.

［8］胡权威，乔立红，樊景松，等. 基于MBD的数控工艺设计及快速编程方法研究［J］. 航空制造技术，2016（3）：102-105.

HU Quanwei， QIAO Lihong， FAN Jingsong， et al. Research on CNC Process Design and Rapid Programming Method Based on MBD［J］. Aeronautical Manufacturing Technology， 2016（3）：102-105.

［9］徐增林，盛泳潘，贺丽荣，等.知识图谱技术综述［J］.电子科技大学学报，2016，45（4）：589-606.

XU Zenglin， SHENG Yongpan， HE Lirong， et al. Review on Knowledge Graph Techniques［J］. Journal of University of Electronic Science and Technology of China， 2016， 45（4）：589-606.

［10］李秀玲，张树生，黄瑞，等.面向工艺重用的工艺知识图谱构建方法［J］.西北工业大学学报，2019，37（6）：1174-1183.

LI Xiuling， ZHANG Shusheng， HUANG Rui， et al. Process Knowledge Graph Construction Method for Process Reuse［J］. Journal of Northwestern Polytechnical University， 2019， 37 （6）：1174-1183.

［11］JR HEDBERG T D， BAJAJ M， CAMELIO J A. Using Graphs to Link Data Across the Product Lifecycle for Enabling Smart Manufacturing Digital Threads［J］. Journal of Computing and Information Science in Engineering， 2020， 20（1）：011011.

［12］GUO L， YAN F， LU Y， et al. An Automatic Machining Process Decision-making System Based on Knowledge Graph［J］. International Journal of Computer Integrated Manufacturing， 2021， 34（12）：1348-1369.

［13］段阳，侯力，冷松.金属切削加工知识图谱构建及应用［J］.吉林大学学报（工学版），2021，51（1）：122-133.

DUAN Yang， HOU Li， LENG Song. Building and Application of Metal Cutting Knowledge Graph［J］. Journal of Jilin University （Engineering and Technology Edition）， 2021， 51（1）：122-133.

［14］GUO L， YAN F， LI T， et al. An Automatic Method for Constructing Machining Process Knowledge Base from Knowledge Graph［J］. Robotics and Computer-Integrated Manufacturing， 2022， 73：102222.

［15］李濤，王次臣，李华康. 知识图谱的发展与构建［J］. 南京理工大学学报（自然科学版），2017，41（1）：22-34.

LI Tao， WANG Cichen， LI Huakang. Development and Construction of Knowledge Graph［J］. Journal of Nanjing University of Science and Technology， 2017， 41（1）：22-34.

［16］杨玉基，许斌，胡家威，等. 一种准确而高效的领域知识图谱构建方法［J］. 软件学报，2018，29（10）：2931-2947.

YANG Yuji， XU Bin， HU Jiawei， et al. Accurate and Efficient Method for Constructing Domain Knowledge Graph［J］. Journal of Software， 2018， 29（10）：2931-2947.

［17］KIM K Y， MANLEY D G， YANG H. Ontology-based Assembly Design and Information Sharing for Collaborative Product Development［J］. Computer-Aided Design， 2006， 38（12）：1233-1250.

［18］RDF Primer .W3C Recommendation［M/OL］.［2004-02-10］.（2022-05-20）. http：∥www.w3c.org/tr/2004/rec-rdf-primer-20040210.

［19］MEDEIROS L F， PRIYATNA F， CORCHO O. MIRROR：Automatic R2RML Mapping Generation from Relational Databases［C］∥International Conference on Web Engineering. Cham：Springer， 2015：326-343.

［20］车万翔，刘挺，秦兵，等. 基于改进编辑距离的中文相似句子检索［J］. 高技术通讯，2004，14（7）：15-19.

CHE Wanxiang， LIU Ting， QIN Bing， et al. Similar Chinese Sentence Retrieval Based on Improved Edit-distance［J］. Chinese High Technology Letters， 2004， 14（7）：15-19.

（編辑 王艳丽）

作者简介：

方喜峰，男，1971年生，教授。研究方向为数控加工、并联数控制造装备。发表论文80余篇，授权专利40余项。E-mail：xffang2006@163.com。

柳大坤（通信作者），男，1997年生，硕士研究生。研究方向为智能CAM。E-mail：dkliu2022@163.com。

收稿日期：2022-06-20

基金项目：国防基础科研计划（B0720060844）；江苏省船用推进器智能化工程技术研究中心建设项目（BM2020603）；江苏省先进制造技术重点实验室开放基金（HGAMTL-1905）