用于碳排放的立式数控珩磨机模块配置方法

技术领域

本申请涉及珩磨机模块配置技术领域，具体地涉及一种用于碳排放的立式数控珩磨机模块配置方法。

背景技术

在数控珩磨机模块化配置技术领域中，目前针对数控珩磨机模块化配置设计的研究在进行模块化配置时通常仅考虑成本、性能等因素进行模块组合，却忽略了碳排放因素，因而现有配置无法得到模块的碳排放信息，也无法有效支持低碳模块配置方案的获得。在缺乏碳排放信息支持的情况下其设计出的产品可能具有较高碳排放，不能适应环保低碳的要求。且配置求解过程将变得复杂，配置求解空间迅速增大，现有技术要解决这样的配置过程需要花费很长时间。

发明内容

本申请实施例的目的是提供一种能够将减少珩磨机使用过程中的碳排放量的用于碳排放的立式数控珩磨机模块配置方法。

为了实现上述目的，本申请第一方面提供一种用于碳排放的立式数控珩磨机模块配置方法，包括：获取立式数控珩磨机的产品配置信息；

确定产品配置信息中的概念、概念之间的关系以及配置约束信息；

获取客户的需求信息；

根据需求信息、概念、概念之间的关系以及配置约束信息建立对应的优化配置模型；

根据预设规则推理机确定优化配置模型中的基本事实和规则；

根据基本事实和规则筛选出符合客户要求的候选实例集；

在候选实例集中，选出处于不同类别的模块且在满足配置约束信息中包含的约束条件的实例集进行组合，以得到最终的配置实例。

上述技术方案，首先获取产品配置信息，然后根据产品配置信息以及客户需求信息来建立对应的优化配置模型。并根据推理机以及推理法确定候选实例集，在候选实例集中选出包含约束条件的实例集，并确定最终的配置实例。建立了配置知识建模-候选模块推理-配置优化的多层配置求解流程，克服了主观性强的弊端，从而可以实现对成本和碳排放的同时优化。

本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本申请实施例，但并不构成对本申请实施例的限制。在附图中：

图1A示意性示出了根据本申请实施例的用于碳排放的立式数控珩磨机模块配置方法的流程示意图；

图1B示意性示出了根据本申请实施例的配置求解总体框架示意图；

图2示意性示出了根据本申请实施例的产品配置领域中的概念及其关联关系示意图；

图3示意性示出了根据本申请实施例的根据规则推理机所建立的求解系统示意图；

图4示意性示出了根据本申请实施例对染色体进行具体编码的方法示意图；

图5示意性示出了根据本申请实施例的基因交换位置的交叉过程示意图；

图6示意性示出了根据本申请实施例的两个变异点的变异过程示意图；

图7示意性示出了根据本申请实施例的NSGA-II算法的运行流程示意图；

图8示意性示出了根据本申请实施例的优化过程中种群的平均适应度变化曲线；

图9示意性示出了根据本申请实施例的优化后得到的Pareto前沿及最优方案示意图；

图10示意性示出了根据申请实施例求解过程的种群平均适应度(成本) 变化曲线；

图11示意性示出了根据本申请实施例的配置结果的模块清单图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1示意性示出了根据本申请实施例的用于碳排放的立式数控珩磨机模块配置方法的流程示意图。图1为一个实施例中文件更新方法的流程示意图。应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。如图1A所示，在本申请一实施例中，提供了一种用于碳排放的立式数控珩磨机模块配置方法，包括以下步骤：

步骤101，获取立式数控珩磨机的产品配置信息。

步骤102，确定产品配置信息中的概念、概念之间的关系以及配置约束信息。

步骤103，获取客户的需求信息。

步骤104，根据需求信息、概念、概念之间的关系以及配置约束信息建立对应的优化配置模型。

步骤105，根据预设规则推理机确定优化配置模型中的基本事实和规则。

步骤106，根据基本事实和规则筛选出符合客户要求的候选实例集。

步骤107，在候选实例集中，选出处于不同类别的模块且在满足配置约束信息中包含的约束条件的实例集进行组合，以得到最终的配置实例。

图1B示意性示出了根据本申请实施例的配置求解总体框架示意图，在进行立式数控珩磨机配置的过程中，首先需要对配置过程涉及的产品结构组成信息、碳排放信息、设计约束信息、客户需求信息等配置知识进行建模与表达；然后在立式数控珩磨机配置模型的基础上，采用一定的推理方法对模块进行推理求解，从而获得满足用户需求和设计约束的候选模块实例；最后，以候选模块及其匹配关系为输入，采用多目标智能优化算法进行配置方案优化。具体来说，在进行立式数控珩磨机配置优化之前，首先要对配置中涉及的产品结构、设计约束、客户需求进行明确且完整的建模，并采用规范化建模语言进行描述，从而为配置提供完备的知识库。

在一个实施例中，图2示意性示出了根据本申请实施例的产品配置领域中的概念及其关联关系示意图，如图所示，通过网络本体语言(Web Ontology Language，OWL)来进行配置本体的描述，并采用Protégé软件作为本体编辑的可视化工具来辅助产品配置本体的快速建立和推理工作。其中，产品配置信息包括：配置方案、模块、接口、属性、资源、约束和客户需求中的至少一者；概念之间的关系包括：组成关系(hasPart)、子类化关系(subClassOf)、接口关系(hasPort)、属性关系(hasProperty)、连接关系(mayConnect)、资源的消耗(consume)与提供关系(produce)和约束关系(hasConstraint) 中的至少一者。具体来说，配置方案：是模块组合得到的产品，其与模块之间的关系用hasPart表示。不同的客户需求输入会得到不同的配置方案实例；模块：是产品配置的基本单元，根据模块属性值的不同可以形成多个模块实例；接口：是模块之间连接的媒介，接口之间能够连接时两个模块才能组合在一起。模块与接口的关系用hasPort关系来表达，接口与接口之间的连接关系用mayConnect关系来描述；属性：属性概念用于描述模块、接口具有的某些特性参数。如模块的质量、碳排放，接口的类型、位置等。属性的取值类型可以有多种，如数值、字符串、日期等。模块或接口与属性的关系使用hasProperty关系来描述；资源：资源概念用于表示模块所能够产生或提供的能够用数量属性进行量化的服务或功能。从某种程度上来说，产品配置是一种资源平衡的问题，模块所消耗的资源不能超过其他模块提供的资源。模块消耗资源和提供资源分别用consume关系和produce关系来描述；约束：这一概念用于描述产品配置过程中对于概念自身或概念之间依赖关系的限制性条件。约束可以是逻辑性的，也可以是数学形式的。配置过程中的主要约束有存在性约束、不兼容约束、必要性约束、资源约束、接口约束等；客户需求：用来描述客户所提出了要求，如对可选项的选配要求，要求某些模块必须或不能出现在配置解中。客户需求是配置过程中的重要组成部分，将作为客户需求约束参与到配置过程中，isa表示实例所属的类对象。

通过网络本体语言(Web Ontology Language，以下简写为OWL)来进行配置本体的描述方式有如下几类：

1)产品配置中的配置方案、模块、接口、资源以及用户需求等概念将使用OWL中的“类”(Class)来表达；

2)概念的实例将采用OWL“个体”(Individual)来表达；

3)概念与概念之间的关系采用OWL中的“对象类型属性” (ObjectProperty)的形式描述；

4)概念的属性采用OWL中的“数据类型属性”(DataProperty)进行表达；

5)对于概念的限制性条件和约束(包括用户需求约束)等将采用OWL 中的“属性约束”以及自定义语义网规则语言(Semantic Web Rule Language，以下简写为SWRL)规则的进行表达。

在一个实施例中，为减小配置优化的求解空间，首先根据客户需求信息，基于立式数控珩磨机配置本体和配置规则采用规则推理的方法对候选模块进行推理求解，得到满足用户需求的候选模块集合，然后采用NSGA-II算法对立式数控珩磨机配置方案进行求解。

本申请通过规则推理机对候选模块进行推理，图3示意性示出了根据本申请实施例的根据规则推理机所建立的求解系统示意图。在推理之前，首先将产品配置本体中的概念的实例信息如模块实例、客户需求实例等转换为规则推理中的基本事实，将本体中的关系、公理、SWRL约束等转换为规则库中的规则，至此配置本体和规则的转换完成。然后便可以基于这些事实和规则运行规则推理机进行候选模块的求解，从而得到所有符合客户特定要求的模块实例集。但由于本体表达约束的能力较弱，本发明采用SWRL规则对产品配置中的约束知识进行表达。通过本体和SWRL规则的结合实现对立式数控珩磨机配置知识的完整表达。产品配置过程中的约束主要有相容性约束、接口约束、资源约束和客户需求约束，而这些配置约束的SWRL规则表达方法包括如下约束类型，包括：

1)相容性约束

包括不兼容约束和必要性约束。不兼容约束是指模块之间不能共存的关系；必要性约束是指模块的存在需要另一相关模块的存在为前提。例如，在立式数控珩磨机中，若珩磨头模块进给类型为双进给，则与之连接的连杆模块的进给类型也需要是双进给，该约束的SWRL规则表达形式如下：

珩磨头(？珩磨头1)∧进给类型(？珩磨头1，双进给)∧连杆(？连杆1)∧进给类型(？连杆1，双进给)→可配合(？珩磨头1，？连杆 1)

2)接口约束

在配置过程中，两模块的接口类型匹配时，两模块才能连接。例如，若床身模块的接口形式为轴承，则与之对应的工作台模块的接口应为轴，该接口约束的SWRL规则表达形式如下：

床身(？床身1)∧轴承接口(？轴承接口1)∧含有接口(？床身1，？轴承接口1)∧工作台(？工作台1)∧轴接口(？轴接口1)∧含有接口(？工作台1，？轴接口1)→可配合(？床身1，？工作台1)

3)资源约束

资源约束表示配置方案中某些模块消耗的资源数量不能超过其他模块所能提供的资源总数，即必须满足资源平衡。例如，在数控珩磨机中，动力油缸的行程必须小于立柱导轨的总长度，该约束的SWRL规则表达方法如下：

动力油缸(？动力油缸1)∧油缸行程(？动力油缸1，？S)∧支撑模块(？支撑1)∧导轨接口(？导轨接口1)∧含有接口(？支撑1，？导轨接口1)∧接口长度(？导轨接口1，？L)∧lessThan(？S，？L)→可配合(？动力油缸1，？支撑1)

(4)客户需求约束

客户需求作为一种重要且特殊的约束，将与以上几种约束关系共同作用于模块配置过程。例如，若客户要求加工表面质量很高，则相应珩磨头的砂条材料应选择超硬类材料。在Protege中该需求约束可编写为如下SWRL规则：

客户需求(？客户需求1)∧表面质量(？客户需求1，很高)∧珩磨头(？珩磨头1)∧砂条材料(？珩磨头1，超硬类材料)→候选珩磨头(？珩磨头1)

需要说明的是，上述文本中的“？”属于规则的表达形式，并非格式错误。根据产品配置约束的SWRL规则表达方法，在Protégé中建立立式数控珩磨机产品的配置规则，从而为后续模块的推理提供支持。

Pellet是MindSwap实验室开发的一种基于描述逻辑的规则推理程序，它能够与Protégé结合来实现对本体和SWRL规则内隐含知识的推理。本发明采用Pellet推理机对候选模块进行推理求解，其求解过程为：首先获取用户需求信息，将其作为客户需求实例录入配置本体，并采用SWRL规则对客户需求信息进行表达；然后基于产品配置本体和配置规则，调用Pellet推理机对满足以上要求的模块实例进行推理，得到所有满足约束的候选模块集合。在一个实施例中，考虑碳排放的立式数控珩磨机模块配置优化是以立式数控珩磨机的模块化架构和包含碳排放信息的模块库为基础和支撑的。在模块化配置过程中，立式数控珩磨机被划分为若干具有不同功能和结构的功能模块，各功能模块之间通过接口进行连接。每个功能模块一般具有多个成本、碳排放不同的模块实例可供用户选择，在对模块进行选择与组合时，需要考虑模块之间的约束关系以及客户需求来获得有效的配置方案。根据以上分析，考虑碳排放的立式数控珩磨机配置优化问题可以描述为：根据客户的个性化需求，在满足各种约束的前提下从立式数控珩磨机的不同类别的模块中选择模块实例组成配置方案，并达到成本和碳排放的最优化。根据以上对多目标产品配置优化问题的描述，建立以成本和碳排放为目标的考虑碳排放的多目标配置优化模型，需要确定优化模型和优化变量。

优化变量包括公式(1)：

其中，N代表产品含有的模块类别数，N

优化目标为配置方案的碳排放最小以及成本最低，其目标如公式(3) 所示：

其中，CE

/>

式中：CE

配置方案的成本主要由其组成模块的成本和装配成本两部分构成，其计算方法包括公式(5)：

其中，C

在一个实施例中，约束条件包括：来自产品自身的设计约束，主要包括选择约束、必要性约束、不兼容性约束；还有来自客户的需求约束，主要包括价格约束、交货期约束等。

具体地，包括：a)选择约束

在最终配置方案中，每个类别的模块实例只能选择一个，即

b)必要性约束

假设模块实例

c)不兼容约束

假设模块实例

d)价格约束

(1+α)C

式中：α——企业的利润率；C

e)交货期约束

T(X)≤T

式中：T(X)——产品的交货期；T

在一个实施例中，通过加权将问题转化为单目标优化问题或者先求出帕累托(Pareto)最优解，再将问题转化为单目标问题或设置新的目标来求解。以上两种处理方式均存在主观性强的弊端。为解决传统方法的以上弊端，本发明首先采用多目标优化算法求得问题的Pareto最优集，然后以Pareto最优集中某个解在单个目标上的值与该目标在Pareto最优集中的最优值的比值来衡量该非劣解在这个目标上接近最优的程度，将该非劣解在各个目标下的比值的乘积作为评价该非劣解的标准，如公式11所示。由于本专利的目标均为最小化，所以该评价标准的值越小越好，该标准的值最小的解即认为是 Pareto解集中的最优解。

式中：F(X)

在一个实施例中，本申请采用非支配排序遗传算法进行多目标配置优化问题的求解，采用了NSGA-II算法设计，进而实现对成本和碳排放的同时优化。该算法通过对种群中染色体之间支配关系的快速排序实现种群染色体的分层，运用拥挤度算子实现同一非支配等级中染色体的排序，并加入了精英保留策略以保存种群中的优良个体，从而加速算法向帕累托最优方向的收敛速度。以下对算法的关键技术进行详细介绍：

(1)染色体编码方案

本申请采用整数方式来进行染色体的编码，图4示意性示出了根据本申请实施例对染色体进行具体编码的方法示意图。在染色体中，每个基因代表一个模块实例，基因的个数代表产品的模块类别数，即需要进行配置实例的功能模块个数。基因上的数值代表该位置对应的功能模块中哪个实例被选中用于产品配置。每个位置上的基因编码数值不超过该位置所代表的功能模块的实例总数。如对于图4中的染色体，其基因个数为七，代表该产品有七个功能模块需要配置实例。第三个位置上基因值为c，代表第三个功能模块中序号为c的模块实例被选择。由于第三个模块可选实例的个数为C，所以第三个基因值的变化范围为[1-C]之间的整数。

(2)约束处理

对于不满足约束条件的染色体，采用惩罚函数法对其目标函数值进行处理。对于第i个目标，惩罚函数

式中：

(3)非支配排序算子

非支配排序算子根据种群中染色体的支配关系确定染色体的非支配级别Rank值，从而实现对染色体的分层。非支配排序算子的执行流程如下：

a)初始当前非支配层级序号R＝1；

b)从当前种群中随机挑选一个染色体；

c)比较该染色体与种群中其他染色体的支配关系，若该染色体不被当前种群中任何一个染色体所支配，则将其非支配等级Rank值置为R；

d)对种群中其余染色体重复步骤b)、c)，直至找到所有Rank＝R的染色体；

e)从种群中剔除Rank＝R的染色体，从而形成新种群；

f)将Rank值加1，若新种群染色体个数不为0，对新种群重复步骤b) ～e)；否则结束。

(4)拥挤度计算

拥挤度用于描述同一非支配等级中染色体目标值的聚集程度。染色体在某一目标值上的拥挤度使用该染色体相邻的两个染色体在该目标值上的差值表示，其计算方法如下：

a)根据某目标将某一非支配等级中的染色体按升序排序；

b)将左右边界的两个染色体的拥挤度设置为无穷大；

c)染色体在该目标值上的拥挤度即为该染色体相邻两个染色体的目标值之差。

而染色体的拥挤度即为该染色体在所有目标值上的拥挤度之和。

(5)交叉和变异算子

交叉算子使用两点交叉的方法，即随机选择两个点并将这两个点上的基因交换位置，图5示意性示出了根据本申请实施例的基因交换位置的交叉过程示意图。变异算子选择两点变异，即随机选择两个变异点然后改变该点对应的基因值，图6示意性示出了根据本申请实施例的两个变异点的变异过程示意图。图7示意性示出了根据本申请实施例的NSGA-II算法的运行流程示意图。

通过以上配置优化算法，可求解得到同时考虑多个目标的最优配置结果。

下面以2MK2263×200型立式数控珩磨机的模块化配置设计为例，说明本发明配置流程和配置方法。产品的配置优化分两步进行，首先以客户对珩磨机的需求为输入，进行候选模块及其匹配关系的推理；然后以推理出的候选模块及其匹配关系作为输入，进行模块配置优化。

对立式数控珩磨机的要求有珩孔直径范围Ф200～Ф630mm，最大珩孔深度2000mm，并且对加工出孔的表面质量要求很高，具体需求信息如表1所示。下面以主轴模块的推理为例，对候选模块推理求解的过程加以说明。

表1立式数控珩磨机的要求

/>

在客户需求中，与主轴模块的推理有关的主要需求项有主轴旋转速度、珩孔直径、表面质量、网纹夹角，根据这些需求参数计算得到电机功率最小为8.8kW、最小主轴转速为10r/min、最大主轴转速为50r/min，并且主轴箱的进给机构的进给类型为双进给。将以上参数输入到本体的客户需求实例中，作为推理的输入。

根据以上输入，运行Pellet规则推理机对候选模块进行推理，推理过程中主要用到的规则如下：

UserRequirement(userReq1)∧zzFeedType(userReq1,？feedtype1)∧

ZZModule(？zhuzhou)∧zzFeedType(？userReq1,？feedtype1)∧

minSpindleSpeed(UserReq1,？wmin0)∧ maxSpindleSpeed(UserReq1,？wmax0)∧

zzMinSpindleSpeed(？zhuzhou,？wmin)∧ lessThanOrEqual(？wmin,？wmin0)∧

zzMaxSpindleSpeed(？zhuzhou,？wmax)∧ greaterThanOrEqual(？wax,？wmax0)∧

zzMotorPower(UserReq1,？P0)∧

zzMotorPower(？zhuzhou,？P)∧greaterThanOrEqual(？P,？P0)

→CandidateModule(？zhuzhou)

上述规则表示候选主轴模块实例应该同时满足三个条件：

(1)候选主轴模块的进给类型与用户要求的进给类型相同；

(2)候选主轴模块的最小旋转速度小于等于客户要求的最小旋转速度且主轴模块的最大旋转速度大于等于客户要求的最大旋转速度；

(3)候选主轴模块驱动电机的功率应大于等于客户要求的主轴电机功率。

Pellet推理机根据以上规则推理出满足客户需求的候选主轴模块实例的部分信息如表2所示：

表2候选主轴模块信息

Pellet推理机在推理出候选模块之后，还会根据模块之间的约束规则推理出模块之间的匹配关系，确定模块之间是否满足接口约束、资源约束等约束。以接口的匹配关系为例对约束的推理进行说明。两接口(假设分别为接口1和接口2)之间需要满足以下条件才能匹配：

(1)接口1的目标模块码与接口2所属模块的模块类别码要相同，同样接口2的目标模块码要与接口1所属模块的模块类别码相同；

(2)接口1和接口2的接口类型要匹配；

(3)接口1与接口2的接口尺寸要相同。

如销轴接口与销轴孔接口之间的匹配规则如下：

PinShaftPort(？ps)∧isPortOf(？ps,？mod3)∧ moduleClassCode(？mod3,？mcc3)∧

portObjectModuleType(？ps,？omt3)∧portDiameter(？ps,？d1)∧

PinShaftHolePort(？psh)∧isPortOf(？psh,？mod4)∧moduleClassCode(？mod4,？mcc4)∧

portObjectModuleType(？psh,？omt4)∧portDiameter(？psh,？d2)∧

equal(？mcc3,？omt4)∧equal(？mcc4,？omt3)∧equal(？d1,？d2)∧ equal(？ft3,？ft4)

→mayConnect(？ps,？psh)

根据上条规则，可以推理出候选珩磨头模块与候选连杆模块之间的匹配关系，如表3所示。其他模块之间的匹配关系推理与之类似，在此不再赘述。推理出的模块之间的匹配关系将作为配置优化过程中的约束条件进行优化求解。

表3候选珩磨头模块与候选连杆模块之间的接口匹配关系

其他模块的推理过程与以上类似，最终推理出的满足客户需求的所有候选模块实例如表4所示。这些候选模块将作为配置优化的输入，通过对这些模块的组合来配置出满足客户需求的最优配置方案。

表4候选模块实例表

/>

以上述获得的候选模块集作为输入，以成本和碳排放最小为目标，采用 NSGA-II算法对立式数控珩磨机配置方案进行优化求解。进行多组算法参数试验，发现当采用下述参数时可取的较好效果，算法的参数设置如下：初始种群数量设置为100，最大迭代次数为120，交叉概率为0.8，变异百分比为 0.2，变异概率为0.1。候选模块的编码、成本、碳排放等信息如表4所示。

根据以上信息，利用MATLAB R2014b编写多目标遗传算法NSGA-II 对配置方案进行优化求解，图8示意性示出了根据本申请实施例的优化过程中种群的平均适应度变化曲线，图9示意性示出了根据本申请实施例的优化后得到的Pareto前沿及最优方案示意图，图中“圆点”为迭代过程中的Pareto 前沿的目标函数值，“星状点”为最终Pareto最优解集的目标函数值，“孔心圆圈”标记的解为最优配置方案，最优配置方案模块组成如表5所示，其碳排放量为303979.52kgCO2，成本为443000元。

表5最优配置方案信息

同样以候选模块集为输入，使用单目标遗传算法GA以成本最低为目标进行单目标优化，图10示意性示出了根据申请实施例求解过程的种群平均适应度(成本)变化曲线，求得的成本最低的配置方案的成本为43600元，其对应的碳排放为332049.17kgCO2，其含有的模块如表6所示。

表6单目标(成本)最优配置方案的模块组成

为方便对比同时兼顾成本和碳排放的最优配置方案与只考虑成本的最优配置方案，将两方案信息列于表7中，通过对比可以发现，多目标最优配置方案的成本比仅考虑成本的单目标最优配置方案增加了1.58％，增加很少，其碳排放比单目标最优方案减少了9.23％，这说明多目标配置优化方案能够同时兼顾成本和碳排放两个目标，实现成本和碳排放之间的平衡。

经过以上的多目标配置优化过程，得到了同时兼顾成本与碳排放的最优配置结果，图11示意性示出了根据本申请实施例的配置结果的模块清单图。

表7单目标(成本)最优配置方案的模块组成

本申请在对立式数控珩磨机模块配置过程分析的基础上，建立了配置知识建模-候选模块推理-配置优化的多层配置求解流程，构建了一种考虑碳排放的立式数控珩磨机多目标配置优化方法，可以同时兼顾成本和碳排放。

首先，采用基于本体和规则的产品配置知识的建模与表达方法。基于本体的方法采用术语及其关系对产品配置知识进行统一的表示，提高配置知识的共享程度和重用率，在此基础上，结合规则对配置约束知识进行补充，从而建立了完整的产品配置知识模型。

其次，为减小配置优化的求解空间，根据客户需求信息，基于立式数控珩磨机配置本体和配置规则采用Pellet推理机对候选模块进行推理求解，实现对隐含知识的推理，得到满足用户需求的候选模块集合。

最后，采用多目标非支配排序遗传算法进行本专利多目标配置优化问题的求解，得到Pareto最优集并以最优集中某个解在单个目标上的值与该目标在Pareto最优集中的最优值的比值来衡量该非劣解在这个目标上接近最优的程度，将该非劣解在各个目标下的比值的乘积作为评价该非劣解的标准，克服了主观性强的弊端，从而可以实现对成本和碳排放的同时优化。

本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述用于碳排放的立式数控珩磨机模块配置方法。

本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述用于碳排放的立式数控珩磨机模块配置方法的步骤。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/ 输出接口、网络接口和内存。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。