CN116882978A - 一种基于产品信息框架的深海潜水器运维保障平台 - Google Patents

Abstract

本发明涉及运维保障技术领域，公开了一种基于产品信息框架的深海潜水器运维保障平台，包括产品信息框架模块、通用基础模块、配置管理模块、业务应用管理模块、移动终端应用模块、数据分析模块、数据库及知识管理模块。本发明可以整合深海潜水器的技术信息、过程数据、历史数据及运维知识等全生命周期信息，并实现深海潜水器全生命周期数据和知识的管理，实现运维、测试和支撑工作的规范化和流程化，同时还可以灵活配置作业流程与动态数据表格，适配不同类型潜水器的作业、检修、维护等工作流程和数据收集，从而可以成为各潜水器专用的运维保障平台，更好的满足于深海的探索需求。

Description

一种基于产品信息框架的深海潜水器运维保障平台

技术领域

本发明涉及运维保障技术领域，具体来说，涉及一种基于产品信息框架的深海潜水器运维保障平台。

背景技术

深海潜水器是用于海洋勘探和科考的重要装备，可以快速、精确地到达深海复杂环境，为人类开拓深海奥秘提供重要手段。深海潜水器的研制和运行会产生大量数据和知识，这些信息来自广大的研究机构和专家，凝聚了大量智慧。但是，我国自主研发的深海潜水器的数据和知识由于人力和资源限制而分散在不同的系统和个人电脑中，无法实现有效的管理和共享。这一现状严重制约了深海潜水器知识的积累、传承和再利用，无法发挥集体智慧的最大效用。如此一来，深海潜水器的持续改进与发展难免会受到影响。为了突破这一局限，目前，包括申请人在内的国内研究机构和相关产业公司，推出了相应的深海潜水器运维保障平台，如CN 114372785 A，实现了基础的资源共享和简单的数据管理。然而，上述运维保障平台并不成熟，存在模块化结构不够完善、配置推荐不够规范化和智能化、数据分析过程不够智能精确等缺点，严重制约了该平台系统的普及化发展。

为了适应深海潜水器的规范化、标准化发展，特别是运维的规范化要求，本发明提出一种基于产品信息框架的深海潜水器运维保障平台，从而可以管理深海潜水器全生命周期的数据和知识，实现运维、测试和支撑工作的规范化和流程化，实现现场数据采集的自动化和云端化。

发明内容

针对相关技术中的问题，本发明提出一种基于产品信息框架的深海潜水器运维保障平台，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

一种基于产品信息框架的深海潜水器运维保障平台，该平台包括产品信息框架模块、通用基础模块、配置管理模块、业务应用管理模块、移动终端应用模块、数据分析模块、数据库及知识管理模块；

其中，产品信息框架模块，用于构建深海潜水器的产品信息框架，整合技术信息、过程数据、历史数据及运维知识的全生命周期信息，实现信息的统一组织和管理；

通用基础模块，用于提供公共功能支撑，为业务应用管理模块和移动终端应用模块提供服务；

配置管理模块，用于提供配置管理界面，通过可视化操作配置产品信息框架、流程参数及表格模板参数，实现快速定制和部署；

业务应用管理模块，用于管理各类运维业务应用，实现对运维业务流程和资料的管理，为用户提供信息服务；

移动终端应用模块，用于开发移动APP，基于产品信息框架和知识库实现现场信息采集、知识查询和运维支持；

数据分析模块，用于实现智能化的数据处理，为深海潜水器的状态监测、故障检测、使用寿命分析提供关键技术支持；

数据库，用于存储产品信息框架、知识库及历史数据，为平台提供数据支撑，实现信息的持久化存储；

知识管理模块，用于采集深海潜水器的技术知识和运维知识，实现知识的组织与管理，为运维决策和系统定制提供知识支撑。

作为优选地，该平台还包括接口模块，接口模块，用于提供开放接口，实现与其他系统的信息交换和资源共享。

作为优选地，通用基础模块包括检查单设计模块、运维流程建模模块、运维资料制作模块、岗位人员管理模块及任务分配引擎模块；

其中，检查单设计模块，用于提供检查单模板，根据需求定制检查单，为运维提供支撑；

运维流程建模模块，用于提供标准运维流程模板，通过配置快速定制流程，实现对运维业务流程的建模和管理；

运维资料制作模块，用于提供文档编辑和制作功能，并生成运维手册及检修标准的参考资料，实现运维资料的创建和维护；

岗位人员管理模块，用于管理参与运维的人员信息，实现人员信息的维护和工作记录管理；

任务分配引擎模块，用于根据产品结构、运维流程及人员信息进行智能任务分配，实现高效的任务分配管理。

作为优选地，配置管理模块包括界面配置模块、推荐模块、流程配置模块、表格配置模块、检查项配置模块及参数管理模块；

其中，界面配置模块，用于提供简单易用的配置界面；

推荐模块，用于根据产品信息及流程模板信息推荐匹配的流程、表格、检查项及资料配置内容；

流程配置模块，用于根据推荐的流程配置内容在配置界面上实现标准流程模板的定制配置，生成定制的运维流程；

表格配置模块，用于根据推荐的表格配置内容在配置界面上实现标准表格模板的定制配置，生成定制的电子表格；

检查项配置模块，用于根据推荐的检查项配置内容在配置界面上实现标准检查项的定制配置，生成定制的检查项清单；

参数管理模块，用于管理流程参数、表格参数及检查项参数，实现参数的存储、查询及修改功能。

作为优选地，推荐模块在根据产品信息及流程模板信息推荐匹配的流程、表格、检查项及资料配置内容时包括：

获取流程与表格的匹配规则、检查项与产品的对应关系、资料与产品的关联知识，并构建推荐知识库；

对采集的知识进行组织和结构化，建立产品与流程配置、流程配置与表格配置、产品与检查项配置、产品与资料配置的关联关系模型，并存储至推荐知识库中；

获取待推荐配置内容的深海潜水器的产品信息及已选择的模板信息，产品信息包括深海潜水器的产品结构、技术参数及关键部件信息；

将产品信息和模板信息输入到推荐算法中，并根据推荐知识库中的关联关系模型结合选择的关联规则和相似模板输出对应的推荐结果；

其中，所述将产品信息和模板信息输入到推荐算法中，并根据推荐知识库中的关联关系模型结合选择的关联规则和相似模板输出对应的推荐结果包括以下步骤：

获取已选择的流程模板、表格模板、检查项模板和资料模板信息；

采用Apriori算法在推荐知识库中深度挖掘产品信息与模板信息之间的关联规则；

采用词向量的内容推荐算法计算产品信息与模板信息的相似度；

设置Apriori算法的最小支撑度和置信度，并计算每个关联规则的置信度；

判断每个关联规则的支撑度是否达到预先设置的最小支撑度，若是，则保留该规则，若否则剔除该规则；

根据置信度和相似度从高到低排序所有关联规则，并选择排序靠前的N个关联规则；

根据选择的关联规则和相似模板从推荐知识库的关联关系模型中查询对应的配置内容并推荐给用户；

将推荐结果以列表的形式展示给用户，并给出每个推荐内容与产品信息之间的关联规则、相似度和置信度供用户选择和判断；

对推荐结果进行评估，评估标准包括准确率、召回率及F1值，并根据评估结果不断优化算法和参数设置；

获取用户对推荐结果的选择和反馈，不断优化知识库和推荐算法，并根据专家反馈及用户反馈不断更新知识库，优化关联关系模型和推荐规则，保证知识的时效性。

作为优选地，所述采用Apriori算法在知识库中深度挖掘产品信息与模板信息之间的关联规则包括：

整合产品信息和模板信息，进行格式转换，并为每个数据项生成一个唯一的ID，根据业务需要对数据进行清洗、去重预处理；

设置最小支持度和最大频繁项集大小k，并扫描整合后的数据，统计每个数据项或数据项组合的出现次数，计算各数据项的支持度；

比较每个数据项的支持度与最小支持度，并剔除支持度不满足支持度阈值的数据项，得到频繁项集；

从大小为1的频繁项开始递归生成指定大小k的频繁项集，并从k大小的频繁项集生成k+1大小的候选项集，对候选项集再次计算支持度并过滤；

当达到最大频繁项集大小k时，算法结束，返回生成的全部频繁项集；

根据业务需求确定关联规则的结构；计算每个规则的置信度，并过滤置信度低于预设置信度阈值的规则；

连接两个频繁项集，判断连接后的项集是否为频繁，若是，则生成一条关联规则，若否，则不生成关联规则；

计算生成的关联规则的置信度，并保留置信度高于预设置信度阈值的关联规则；

重复连接频繁项集生成若干的关联规则，并将生成的所有的关联规则存储至推荐知识库中。

作为优选地，所述根据选择的关联规则和相似模板，从推荐知识库的关联关系模型中查询对应的配置内容并推荐给用户包括：

获取选择的关联规则和相似模板，并连接到推荐知识库；

在关联关系模型中根据关联规则查询对应的流程配置内容，并从推荐知识库中提取查询到的流程配置内容，若有多个配置内容则进行过滤和排序以选择最佳内容；

在关联关系模型中寻找与相似模板最为匹配的表格配置或检查项配置内容，并从推荐知识库中提取匹配到的表格配置或检查项配置内容，若有多个配置内容则进行过滤和排序选择最佳内容；

将获取到的流程配置内容、表格配置内容或检查项配置内容作为推荐结果提供给用户。

作为优选地，业务应用管理模块包括作业运行应用模块、拆解维修应用模块及维保资料应用模块；

其中，作业运行应用模块，用于管理深海潜水器的作业运行应用，为作业运行提供信息化支撑；

拆解维修应用模块，用于管理深海潜水器的拆解维修应用，为拆解维修工作提供信息化支撑；

维保资料应用模块，用于管理深海潜水器的维护保养应用，为维护保养工作提供信息化支撑。

作为优选地，移动终端应用模块包括作业检查模块、水下记录模块、拆解维修模块及资料阅读模块；

其中，作业检查模块，用于在移动终端上实现作业运行过程中的质量检查，包括检查设备状态及运行参数，为作业运行提供现场支持；

水下记录模块，用于通过移动终端采集和记录深海潜水器下水过程中的数据，包括下水位置、时间及环境参数数据；

拆解维修模块，用于在移动终端上实现深海潜水器拆解维修过程的信息采集，包括检修记录及更换备件记录；

资料阅读模块，用于在移动终端上查询和阅读深海潜水器的技术资料、操作手册及维修标准的参考资料。

作为优选地，数据分析模块包括数据获取模块、异常数据识别模块及部件失效分析模块；

其中，数据获取模块，用于获取移动终端应用模块采集、记录及检查的数据信息；

异常数据识别模块，用于对获取的数据进行分析，识别出与深海潜水器正常工作状态不符的数据；

部件失效分析模块，用于利用基于禁忌搜索算法的贝叶斯网络模型结合深海潜水器中设备状态、运行参数及检修记录预测产品的使用寿命，并分析关键部件的失效规律。

作为优选地，部件失效分析模块在利用基于禁忌搜索算法的贝叶斯网络模型结合深海潜水器中设备状态、运行参数及检修记录预测产品的使用寿命，并分析关键部件的失效规律时包括：

选择深海潜水器产品的关键部件作为研究对象，并获取选定部件的设备状态数据、运行参数数据和检修记录数据；

对获取的数据进行清洗，并从清洗后的数据中选择影响部件失效和寿命的特征参数，包括工作时间、工作温度及输入功率；

构建基于禁忌搜索算法的贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型；

利用训练后的基于禁忌搜索算法的贝叶斯网络模型输出与实时获取的特征参数相对应的选定部件的寿命预测时间；

基于寿命预测结果通过寿命分布分析、寿命变化趋势、寿命敏感性分析、影响因素关联分析、失效模式对应分析和知识总结分析关键部件的失效规律。

其中，构建基于禁忌搜索算法的贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型包括以下步骤：

S1、确定贝叶斯网络的网络结构，并设置网络参数；

S2、设置禁忌长度、多样性搜索候选集长度D、最大迭代次数，初始化禁忌表为空集；

S3、生成初始解作为迭代搜索的起点，并设初始解为当前最优解best_so_far；

S4、初始解利用加边、减边和逆向边的操作产生邻域，并根据集中性与多样性搜索策略将邻域划分为集中性元素和多样性元素；

S5、利用贝叶斯信息准则对各邻域网络进行评分，按照评分值由高至低的方式进行排序，并选择前N个构成候选集；

S6、从候选集中选出未在禁忌表中的当前局部最优解best_Int，记录其在候选集中的位置Int_end，并判断是否出现循环，若否，则本次迭代最优解best_step＝当前局部最优解best_Int，多样性搜索候选集长度D＝max(2，D-2)，若是，则执行多样性搜索；

S7、从候选集中选取第Int_end+1到Int_end+D个解，随机选择一个解作为多样性搜索的最优解best_div，并更新本次迭代最优解best_step＝多样性搜索的最优解best_div；

S8、记录本次迭代最优解best_step的贝叶斯信息准则评分，更新当前最优解best_so_far；

S9、将本次迭代最优解best_step添加到禁忌表，并判断是否达到最大迭代次数，若是，则输出当前最优解best_so_far，算法结束，若否，则返回S4；

S10、得到的最优网络结构及参数，构建贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型。

与现有技术相比，本发明提供了基于产品信息框架的深海潜水器运维保障平台，具备以下有益效果：

(1)构建了合理完善的模块化结构，以产品信息框架模块构建深海潜水器的产品信息框架，实现信息的统一组织和管理；以通用基础模块提供公共功能支撑，为业务应用管理模块和移动终端应用模块提供服务；以配置管理模块提供配置管理界面，通过可视化操作配置相应表格和参数，实现快速定制和部署；以业务应用管理模块管理各类运维业务应用，为用户提供信息服务；以移动终端应用模块开发移动APP，实现现场信息采集、知识查询和运维支持；以数据分析模块实现智能化的数据处理，为状态监测、故障检测、使用寿命分析提供关键技术支持；并以知识库和知识管理模块分别实现数据持久化存储和技术运维知识的采集管理，提供数据支撑；各模块在独立运作的基础上，实现了相互的支持配合，基于完善的模块化分布，使得相应平台的程序结构更加清晰，开发工作更易于规划和测试，也增强了平台的运作能力和用户体验度。

(2)通过构建深海潜水器的产品信息框架，可以整合深海潜水器的技术信息、过程数据、历史数据及运维知识等全生命周期信息，并可以结合通用基础模块、业务应用管理模块、移动终端应用模块及知识管理模块来实现深海潜水器全生命周期数据和知识的管理，实现运维、测试和支撑工作的规范化和流程化，同时还可以结合配置管理模块来实现运维流程或表格的快速修改及配置，从而使得在远洋海试环境下，运维人员可以在没有软件开发人员的支持下自行扩展运维流程和表格，可灵活配置作业流程与动态数据表格，适配不同类型潜水器的作业、检修、维护等工作流程和数据收集，从而可以成为各潜水器专用的运维保障平台，更好的满足于深海的探索需求。

(3)通过将繁琐的运维保障流程及数据表格，根据岗位自动拆解任务包下载至移动终端APP，使得现场运维人员可以根据自动下发的任务进行数据采集、校验及回传运维数据，不仅有效地降低了现场运维工作的使用门槛，而且还有效地提高了数据收集的实时性和准确性，可以更好的满足于深海潜水器的探索需求。

(4)通过设置有推荐模块和数据分析模块，从而不仅可以在推荐模块的作用下根据产品信息及流程模板信息为运维人员推荐匹配的流程、表格、检查项及资料配置内容，从而可以有效地节省运维人员大量选择和判断的时间，提高配置效率和精度，而且还可以在数据分析模块的作用下实现深海潜水器的状态监测及故障检测，并可以利用基于禁忌搜索算法的贝叶斯网络模型结合深海潜水器中设备状态、运行参数及检修记录快速精确的预测产品的使用寿命，分析关键部件的失效规律，进而可以更好的满足于深海潜水器的运维保障需求。

(5)通过采用Apriori算法在推荐知识库中深度挖掘产品信息与模板信息之间的关联规则，并基于相似度及置信度计算结果对关联规则进行过滤处理，从而得到更符合推荐需求的关联规则，从而可以根据选择的关联规则和相似模板为用户推荐最佳的配置内容，相比于传统的人工填写或选择方式，本发明不仅可以根据具体的产品信息计算出最为匹配和相关的模板或配置内容，实现高度个性化和准确的推荐，从而可以提供更符合用户需求的推荐结果，提高用户体验，而且还可以自动计算和匹配最为相关的配置内容，实现决策的自动化和智能化，减轻人工负担，大幅提高工作人员的运维效率和质量。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本发明实施例的一种基于产品信息框架的深海潜水器运维保障平台的结构框图。

图中：

1、产品信息框架模块；2、通用基础模块；21、检查单设计模块；22、运维流程建模模块；23、运维资料制作模块；24、岗位人员管理模块；25、任务分配引擎模块；3、配置管理模块；31、界面配置模块；32、推荐模块；33、流程配置模块；34、表格配置模块；35、检查项配置模块；36、参数管理模块；4、业务应用管理模块；41、作业运行应用模块；42、拆解维修应用模块；43、维保资料应用模块；5、移动终端应用模块；51、作业检查模块；52、水下记录模块；53、拆解维修模块；54、资料阅读模块；6、数据分析模块；61、数据获取模块；62、异常数据识别模块；63、部件失效分析模块；7、数据库；8、知识管理模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明的实施例，提供了一种基于产品信息框架的深海潜水器运维保障平台。

现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明的一个实施例，提供了一种基于产品信息框架的深海潜水器运维保障平台，该平台包括产品信息框架模块1、通用基础模块2、配置管理模块3、业务应用管理模块4、移动终端应用模块5、数据分析模块6、数据库7及知识管理模块8，还包括接口模块，接口模块，用于提供开放接口，实现与其他系统的信息交换和资源共享。

其中，产品信息框架模块1，用于构建深海潜水器的产品信息框架，整合技术信息、过程数据、历史数据及运维知识的全生命周期信息，实现信息的统一组织和管理；

具体的，深潜器的产品信息框架(即产品结构)描述了潜水器各系统和部件的总分关系及隶属关系，定义了深潜器的逻辑构成，系统中产品结构模型要素包括：产品节点名称、产品节点编码(唯一性，全局身份信息)、所属潜水器型号(蛟龙号、深海勇士、奋斗者、无人型号等)、所属分系统、父节点信息(复杂产品部件的关系描述)、技术文件类(相关电子手册等)、功能技术指标(定义产品部件的各项技术指标，不同产品节点可自行定义不同数量的指标)。

通用基础模块2，用于提供公共功能支撑，为业务应用管理模块和移动终端应用模块提供服务；

具体的，通用基础模块2包括检查单设计模块21、运维流程建模模块22、运维资料制作模块23、岗位人员管理模块24及任务分配引擎模块25；

其中，检查单设计模块21，用于提供检查单模板，根据需求定制检查单，检查单用于记录设备运行参数、现场情况等信息，为运维提供支撑；

运维流程建模模块22，用于提供标准运维流程模板，通过配置快速定制流程，实现对运维业务流程的建模和管理；

运维资料制作模块23，用于提供文档编辑和制作功能，并生成运维手册及检修标准的参考资料，实现运维资料的创建和维护；

岗位人员管理模块24，用于管理参与运维的人员信息，如设备驾驶员、维修技师等人员，实现人员信息的维护和工作记录管理；

任务分配引擎模块25，用于根据产品结构、运维流程及人员信息进行智能任务分配，如分配设备检查任务、故障维修任务等，实现高效的任务分配管理。

配置管理模块3，用于提供配置管理界面，通过可视化操作配置产品信息框架、流程参数及表格模板参数，实现快速定制和部署；

具体的，配置管理模块3包括界面配置模块31、推荐模块32、流程配置模块33、表格配置模块34、检查项配置模块35及参数管理模块36；

其中，界面配置模块31，用于提供简单易用的配置界面，提供可视化操作，无需软件开发背景也可以轻松使用；

推荐模块32，用于根据产品信息及流程模板信息推荐匹配的流程、表格、检查项及资料配置内容，具体包括：

流程推荐：根据产品信息框架中的产品结构和属性信息，可以推荐适用的标准运维流程模板。这可以accelerating用户选择和配置流程模板的过程。

表格推荐：根据选择的流程模板和产品信息，可以推荐匹配的标准表格模板。这可以提高表格配置的精确性和速度。

检查项推荐：根据产品信息、流程模板和表格模板，可以推荐需要配置的检查项或检修项。这可以减少用户遗漏重要检查项的可能性。

资料推荐：根据产品信息，可以推荐相关的技术资料、操作手册、维修标准等参考资料。这可以为用户提供更加准确和全面的技术参考。

推荐步骤包括如下：

获取流程与表格的匹配规则、检查项与产品的对应关系、资料与产品的关联等知识，并构建推荐知识库；

对采集的知识进行组织和结构化，建立产品与流程配置、流程配置与表格配置、产品与检查项配置、产品与资料配置的关联关系模型，并存储至推荐知识库中；

获取待推荐配置内容的深海潜水器的产品信息及已选择的模板信息，产品信息包括深海潜水器的产品结构(深海潜水器的整体结构包括各个子系统、关键部件的连接关系，产品结构信息可以帮助推荐匹配的流程模板、检查项模板等)、技术参数(深海潜水器的关键技术参数，如尺寸参数、能源参数、装载参数、环境适应性参数等，这些技术参数可以用于推荐资料模板、检查频率等)、关键部件(深海潜水器的关键部件信息，如主要设备、关键材料和关键零部件等信息，关键部件信息可以用于推荐备件清单、检修频率等)、工作原理(深海潜水器的工作过程和原理说明，工作原理可以用于推荐标准流程模板、检查项内容等)、产品用途(深海潜水器的主要用途和使用环境，产品用途信息可以用于推荐适用的流程模板、资料模板和检查内容等)、历史故障(深海潜水器过去发生的故障信息，包括故障时间、原因、维修方案等信息，历史故障信息可以用于推荐必要的检查项和维修准备等)和维修记录(深海潜水器的历史维修记录，包括检修时间、项目、过程、更换部件等详细信息，维修记录可以用于推荐相应的流程模板、检查频率、备件清单等)等信息；

将产品信息和模板信息输入到推荐算法中，并根据推荐知识库中的关联关系模型结合选择的关联规则和相似模板输出对应的推荐结果，如推荐一个或多个表格模板；

其中，所述将产品信息和模板信息输入到推荐算法中，并根据推荐知识库中的关联关系模型结合选择的关联规则和相似模板输出对应的推荐结果包括以下步骤：

载入模板信息：获取已选择的流程模板、表格模板、检查项模板和资料模板信息；

关联规则生成：采用Apriori算法在推荐知识库中深度挖掘产品信息与模板信息之间的关联规则，如{产品结构＝球形压力壳，技术参数＝工作深度6000米，流程模板＝特殊作业流程}的规则；

相似度计算：采用词向量的内容推荐算法计算产品信息与模板信息的相似度；

参数设置：设置Apriori算法的最小支撑度和置信度，需要综合考虑推荐效果进行设置；

置信度计算：计算每个关联规则的置信度，用于评估规则的可信程度，置信度越高，规则越可信，置信度由规则的支持度决定；

支撑度判断：判断每个关联规则的支撑度是否达到预先设置的最小支撑度，如果达到，则保留该规则，否则剔除该规则；

规则过滤：根据置信度和相似度从高到低排序所有关联规则，选择置信度和相似度较高的规则，剔除其他规则；

本实施例中的规则过滤需要综合考虑关联规则的置信度和模板的相似度。如果一个关联规则的置信度较高，但对应的模板与产品信息的相似度较低，则该关联规则的可信度也较低。所以，规则过滤不能完全依赖于相似度计算的结果，也需要根据规则置信度进行判断。这两个因素都需要综合考虑以产生更加准确的过滤结果；

配置内容推荐：根据选择的关联规则和相似模板，从推荐知识库的关联关系模型中查询对应的配置内容并推荐给用户；

结果展示：将推荐结果以列表的形式展示给用户，并给出每个推荐内容与产品信息之间的关联规则、相似度和置信度，供用户选择和判断；

结果评估：对推荐结果进行评估，评估标准包括准确率、召回率及F1值，并根据评估结果不断优化算法和参数设置；

反馈与更新：获取用户对推荐结果的选择和反馈，不断优化知识库和推荐算法，并根据专家反馈及用户反馈不断更新知识库，优化关联关系模型和推荐规则，保证知识的时效性。

具体的，所述采用Apriori算法在知识库中深度挖掘产品信息与模板信息之间的关联规则包括：

整合产品信息和模板信息，并转换为算法可以识别的格式，为每个数据项生成一个唯一的ID，根据业务需要对数据进行清洗、去重预处理；

设置最小支持度和最大频繁项集大小k，并扫描整合后的数据，统计每个数据项或数据项组合的出现次数，计算各数据项的支持度；

比较每个数据项的支持度与最小支持度，并剔除支持度不满足支持度阈值的数据项，得到频繁项集；

从大小为1的频繁项开始递归生成指定大小k的频繁项集，并从k大小的频繁项集生成k+1大小的候选项集，对候选项集再次计算支持度并过滤；

当达到最大频繁项集大小k时，算法结束，返回生成的全部频繁项集；

根据业务需求确定关联规则的结构，如X→Y结构，{产品属性}→{模板}的结构，这里X和Y代表不同的数据项或数据集；计算每个规则的置信度，用于评估规则的可信程度，置信度越高，规则越可信，置信度可以采用提升度或利润率来计算，过滤置信度低于预设置信度阈值的规则；

连接两个频繁项集，判断连接后的项集是否为频繁，若是，则生成一条关联规则，如{产品结构＝单壳非筒型，技术参数＝工作深度6000米}和{流程模板＝特殊作业流程}可以连接为{产品结构＝单壳非筒型，技术参数＝工作深度6000米}→{流程模板＝特殊作业流程}的规则，若否，则不生成关联规则；

计算生成的关联规则的置信度，用于判断新规则是否需要过滤，并保留置信度高于预设置信度阈值的关联规则；

重复连接频繁项集生成若干的关联规则，并将生成的所有的关联规则存储至推荐知识库中。

具体的，采用词向量的内容推荐算法计算产品信息与各个模板信息的相似度的具体步骤如下：

文本预处理：对产品信息和模板信息进行预处理，包括分词、去停用词、词性标注等。这使文本更加结构化，方便后续的词向量计算。

构建词表：将预处理后的词汇构建成词表，给每个词汇一个唯一的ID。词表用于词向量的索引。

窗口设置：设置一个滑动窗口，如5词一个窗口。窗口用于提取词汇之间的上下文关系，为词向量的计算提供信息。

上下文词获取：在每个窗口内，获取中心词的上下文词。上下文词用于计算中心词的词向量。

词频统计：统计每个窗口内，中心词与上下文词共现的次数。根据词频可以计算词向量。

词向量计算：利用词频统计的结果，采用词袋模型或TF-IDF等计算每个词汇的词向量。如每个词汇的词向量可以由其与各上下文词的词频组成。

相似度计算：计算两个文本的词向量，利用余弦相似度或欧式距离等算法，计算两个文本的相似度。相似度越高，文本越相似。

结果返回：返回产品信息与每个模板信息的相似度结果。相似度最高的模板最匹配。

所以，采用词向量算法计算文本相似度的主要步骤是文本预处理、构建词表、窗口设置、上下文词获取、词频统计、词向量计算和相似度计算等。这些步骤可以计算两个文本的相似度，为推荐结果提供判断依据。

具体的，计算每个关联规则的置信度的具体步骤如下：

载入关联规则：载入需要计算置信度的关联规则，如{产品结构＝单壳非筒型，技术参数＝工作深度6000米}→{流程模板＝特殊作业流程}。

支持度计算：计算规则左侧的项集和右侧的项集在数据集中出现的次数，这两个次数的最小值即为规则的支持度。如左侧项集出现8次，右侧项集出现5次，则规则的支持度为5。

置信度计算方法选择：选择置信度的计算方法，如提升度、利润率或Jaccard系数等。不同的计算方法会产生不同的置信度结果。

置信度计算：根据选择的计算方法，利用规则的支持度计算其置信度。

提升度：置信度＝支持度/左侧项集出现次数。如上例，置信度＝5/8＝62.5％。

利润率：置信度＝(支持度-右侧项集单独出现次数)/(数据集总交易数-右侧项集单独出现次数)。

Jaccard系数：置信度＝支持度/(左侧项集出现次数+右侧项集出现次数-支持度)。

置信度判断：判断规则的置信度是否达到预先设定的置信度阈值。如果达到，则保留该规则，否则过滤该规则。

规则存储：将置信度达到要求的规则存储到知识库中，为后续的推荐提供依据。

所以，计算关联规则置信度的主要步骤是载入规则、计算支持度、选择置信度计算方法、计算置信度和置信度判断等。这些步骤可以评估规则的可信程度为规则的选择提供依据。

具体的，所述根据选择的关联规则和相似模板，从推荐知识库的关联关系模型中查询对应的配置内容并推荐给用户包括：

获取选择的关联规则和相似模板，如：关联规则：{产品结构＝单壳非筒型，技术参数＝工作深度6000米}→{流程模板＝特殊作业流程}，相似模板：详细检查表模板；

连接到推荐知识库，推荐知识库中存储有产品与流程、流程与表格、产品与检查项等关联关系模型；

在关联关系模型中根据关联规则查询对应的流程配置内容，并从推荐知识库中提取查询到的流程配置内容，若有多个配置内容则进行过滤和排序以选择最佳内容；

在关联关系模型中寻找与相似模板最为匹配的表格配置或检查项配置内容，并从推荐知识库中提取匹配到的表格配置或检查项配置内容，若有多个配置内容则进行过滤和排序选择最佳内容；

将获取到的流程配置内容、表格配置内容或检查项配置内容作为推荐结果提供给用户。

所以，根据选择的关联规则和相似模板推荐配置内容的主要步骤是连接知识库、在关联关系模型中查询和匹配配置内容、提取选择配置内容和生成推荐结果等。这些步骤可以根据规则和模板推荐出对应的配置内容。

流程配置模块33，用于根据推荐的流程配置内容在配置界面上实现标准流程模板的定制配置，生成定制的运维流程；

表格配置模块34，用于根据推荐的表格配置内容在配置界面上实现标准表格模板的定制配置，生成定制的电子表格；

检查项配置模块35，用于根据推荐的检查项配置内容在配置界面上实现标准检查项的定制配置，生成定制的检查项清单；

参数管理模块36，用于管理流程参数、表格参数及检查项参数，实现参数的存储、查询及修改功能。

配置管理模块是实现平台快速定制和部署的关键，通过简单易用的界面和参数化机制，使得平台可以根据不同需求快速调整，大大增强了平台的适应能力和扩展性。使得平台可以面向非IT人员，提供更加友好的用户体验。配置管理模块通过参数化设计和配置界面，实现了简单快速的定制与变更，是提高信息平台灵活性和可扩展性的有效手段，也使得平台面向普通用户，是实现软件产品化的重要举措。该模块的作用在于释放系统的配置潜力，提供更加个性化的用户体验。

业务应用管理模块4，用于管理各类运维业务应用，实现对运维业务流程和资料的管理，为用户提供信息服务；

具体的，业务应用管理模块4包括作业运行应用模块41、拆解维修应用模块42及维保资料应用模块43；

其中，作业运行应用模块41，用于管理与深海潜水器作业运行相关的应用，如运行质量检查应用、设备状态监测应用等。为作业运行提供信息化支撑；

作业运行是深潜器应用最多的业务场景。作业运行包括水池车间常规检查、航次前技术状态确认、下潜作业、潜器回收检查等多个阶段；每个阶段又细分多个流程环节，每个流程环节又有相应的参与岗位和待检查确认记录的工作事项。

拆解维修应用模块42，用于管理与深海潜水器拆解维修相关的应用，如故障诊断应用、部件检修应用、更换跟踪应用等。为拆解维修工作提供信息化支撑；

维保资料应用模块43，用于管理与深海潜水器维护保养相关的应用，如保养计划制定应用、配件管理应用、技术资料管理应用等。为维护保养工作提供信息化支撑。

应用管理模块的作用在于，利用信息化手段管理和优化深海潜水器的运维过程，如作业运行、拆解维修和维护保养等过程。通过信息化应用，可以实现过程的标准化、规范化和智能化，提高管理和控制能力，是实现高效运维的基础。

移动终端应用模块5，用于开发移动APP，基于产品信息框架和知识库实现现场信息采集、知识查询和运维支持；

具体的，移动终端应用模块5包括作业检查模块51、水下记录模块52、拆解维修模块53及资料阅读模块54；

其中，作业检查模块51，用于在移动终端上实现作业运行过程中的质量检查，包括检查设备状态及运行参数等，为作业运行提供现场支持；

水下记录模块52，用于通过移动终端采集和记录深海潜水器下水过程中的数据，包括下水位置、时间及环境等参数数据；

拆解维修模块53，用于在移动终端上实现深海潜水器拆解维修过程的信息采集，包括检修记录及更换备件记录等；

资料阅读模块54，用于在移动终端上查询和阅读深海潜水器的技术资料、操作手册及维修标准等参考资料。

移动终端应用模块的作用在于，通过移动终端将运维管理系统的功能延伸至现场，实现第一手数据的采集和实时应用，为现场工作提供技术支持。它与业务应用管理模块和配置管理模块配合，共同构建了从管理端到现场的信息服务链。

数据分析模块6，用于实现智能化的数据处理，为深海潜水器的状态监测、故障检测、使用寿命分析提供关键技术支持；

具体的，数据分析模块6包括数据获取模块61、异常数据识别模块62及部件失效分析模块63；

其中，数据获取模块61，用于获取移动终端应用模块采集、记录及检查的数据信息，以及从数据库和其他数据源获取的历史数据，如运行数据、检测数据、维修数据等；

异常数据识别模块62，用于对获取的数据进行分析，识别出与深海潜水器正常工作状态不符的数据，如超出范围的参数、过高的噪声或振动等数据；

部件失效分析模块63，用于利用基于禁忌搜索算法的贝叶斯网络模型结合深海潜水器中设备状态、运行参数及检修记录预测产品的使用寿命，并分析关键部件的失效规律，包括以下步骤：

选择深海潜水器产品的关键部件作为研究对象，如主要设备、关键材料和关键零部件等。这些部件的可靠性和寿命与产品的使用寿命密切相关，并获取选定部件的设备状态数据、运行参数数据和检修记录等数据；

对获取的数据进行清洗，剔除异常数据和脏数据，保证数据质量，清洗过程需要参考数据标准和专家知识，并从清洗后的数据中选择影响部件失效和寿命的特征参数，包括工作时间、工作温度及输入功率等；

构建基于禁忌搜索算法的贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型；

利用训练后的基于禁忌搜索算法的贝叶斯网络模型输出与实时获取的特征参数相对应的选定部件的寿命预测时间；

基于寿命预测结果通过寿命分布分析、寿命变化趋势、寿命敏感性分析、影响因素关联分析、失效模式对应分析和知识总结分析关键部件的失效规律，具体如下：

寿命分布分析：分析预测结果中的寿命的平均值和标准差，评估部件的使用寿命水平及离散程度。平均寿命可以为维修周期提供参考，标准差可以为备品备件管理提供参考。

寿命变化趋势：分析部件在不同工作条件或不同工作时间下的寿命预测结果，找出寿命变化的趋势。如随工作时间增加，寿命呈减小趋势。这可以发现影响部件寿命的主要因素，为优化工作条件或部件设计提供依据。

寿命敏感性分析：分析不同特征参数变化对部件寿命的影响程度，找出对寿命影响最大的特征参数，这些参数对部件寿命比较敏感。这可以找到主要的影响因素，指导部件使用与管理。

影响因素关联分析：分析不同特征参数之间的相互依赖关系，以及这些参数对寿命的共同影响。如工作温度升高，会加速部件老化从而缩短其寿命；工作时间延长会加剧温度升高的影响。这可以深入理解影响部件寿命的机理。

失效模式对应分析：比对不同工作条件下的寿命预测结果，找出导致寿命变化的主要失效模式，如过热会加速部件老化从而减少寿命。这可以为部件优化和工作条件改进提供方向。

知识总结：总结影响部件寿命的规律和经验，如最主要的影响因素，最容易引起失效的工作条件，延长寿命的措施等。这为同类部件的管理提供参考。

所以，基于关键部件寿命预测结果，可以通过寿命分布分析、寿命变化趋势、寿命敏感性分析、影响因素关联分析、失效模式对应分析和知识总结等方式分析其失效规律。这些分析手段可以从不同角度解析影响部件寿命的机理，找到最主要的影响因素和对应措施。此外，关键部件的失效规律分析需要基于预测结果，但也依赖于专家知识的解释。预测结果可以定量分析寿命变化的趋势，而专家知识可以理解失效机理。两者结合可以全面发现失效规律，这需要部件失效分析模块和知识管理模块的配合。

其中，构建基于禁忌搜索算法的贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型包括以下步骤：

S1、根据问题定义确定贝叶斯网络的网络结构(节点和边)，并设置网络参数；

问题定义包括：

确定预测维护目标：这里的预测目标是对深海潜水器的故障和异常进行预测和预警。

确定相关影响变量：深海潜水器的相关变量应包括使用环境(水深、压强等)、运行参数(电压、电流、温度等)、部件状态(电机、传感器等)等。

分析变量关系：分析环境条件、使用参数以及部件状态之间的关系，建立起潜水器故障与这些变量之间的关联模型。

收集历史数据：收集深海潜水器在不同环境下的历史运行数据、故障数据、维修数据等。这些数据应当完整、准确。

确定评估指标：评估指标可以选用故障预测的准确率、召回率、误报率等。

评估计算资源：评估构建网络所需的计算时间和存储、运算能力等资源。

识别难点：深海环境复杂，变量关系难以确定等情况。

合理假设：可以根据工程经验，做出一些变量之间依赖关系的假设。

这样，就可以基于问题定义，构建出一个预测深海潜水器故障的贝叶斯网络模型。

S2、设置禁忌长度、多样性搜索候选集长度D、最大迭代次数，初始化禁忌表为空集；

S3、生成初始解作为迭代搜索的起点，并设初始解为当前最优解best_so_far；

S4、初始解利用加边、减边和逆向边的操作产生邻域，并根据集中性与多样性搜索策略将邻域划分为集中性元素和多样性元素；

S5、利用贝叶斯信息准则对各邻域网络进行评分，按照评分值由高至低的方式进行排序，并选择前N个构成候选集；

S6、从候选集中选出未在禁忌表中的当前局部最优解best_Int，记录其在候选集中的位置Int_end，并判断是否出现循环，若否，则本次迭代最优解best_step＝当前局部最优解best_Int，多样性搜索候选集长度D＝max2，D-2，若是，则执行多样性搜索；

S7、从候选集中选取第Int_end+1到Int_end+D个解，随机选择一个解作为多样性搜索的最优解best_div，并更新本次迭代最优解best_step＝多样性搜索的最优解best_div；

S8、记录本次迭代最优解best_step的贝叶斯信息准则评分，更新当前最优解best_so_far；

S9、将本次迭代最优解best_step添加到禁忌表，并判断是否达到最大迭代次数，若是，则输出当前最优解best_so_far，算法结束，若否，则返回S4；

S10、得到的最优网络结构及参数，构建贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型。

数据库7，用于存储产品信息框架、知识库及历史数据，为平台提供数据支撑，实现信息的持久化存储；

具体的，本实施例中通过将各种异构数据汇聚到数据库中，融合重构数据，打通潜水器信息采集与利用渠道，历史运维数据及知识支持潜水器日常运维使用。其中，将异构数据汇聚并应用到潜水器运维系统中，可以采取以下措施：

数据采集，从多源采集潜水器相关的数据，包括历史运维数据、技术参数、过程数据、检查数据等。这些数据的格式和来源可能不同，需要解决异构性问题。

数据清洗，对采集的数据进行清洗，剔除异常值和脏数据，确保数据质量。清洗过程需要参考数据标准和业务规则。

数据融合，将清洗后的数据进行融合，通过关联分析找出数据间的内在联系，形成一个统一的信息资源。数据融合需要解决数据关联和冲突问题。

知识抽取，从海量的数据中抽取潜水器的运维知识和技术知识，构建知识库，实现知识的组织和管理。这需要采用知识发现与抽取技术。

数据库设计，根据数据模型设计数据库，实现异构数据的持久化存储。数据库需要具有扩展性,可以容纳更多数据。

数据的采集与汇聚为平台提供了历史经验，有利于发现规律和提高决策质量。数据与知识的应用则可以增强平台的智能化与自动化，是实现高效运维的基础。所以，数据汇聚与应用是运维平台建设的重要方向。

知识管理模块8，用于采集深海潜水器的技术知识和运维知识，实现知识的组织与管理，为运维决策和系统定制提供知识支撑。

综上所述，借助于本发明的上述技术方案，通过构建深海潜水器的产品信息框架，可以整合深海潜水器的技术信息、过程数据、历史数据及运维知识等全生命周期信息，并可以结合通用基础模块2、业务应用管理模块4、移动终端应用模块5及知识管理模块8来实现深海潜水器全生命周期数据和知识的管理，实现运维、测试和支撑工作的规范化和流程化，同时还可以结合配置管理模块3来实现运维流程或表格的快速修改及配置，从而使得在远洋海试环境下，运维人员可以在没有软件开发人员的支持下自行扩展运维流程和表格，可灵活配置作业流程与动态数据表格，适配不同类型潜水器的作业、检修、维护等工作流程和数据收集，从而可以成为各潜水器专用的运维保障平台，更好的满足于深海的探索需求。

此外，通过将繁琐的运维保障流程及数据表格，根据岗位自动拆解任务包下载至移动终端APP，使得现场运维人员可以根据自动下发的任务进行数据采集、校验及回传运维数据，不仅有效地降低了现场运维工作的使用门槛，而且还有效地提高了数据收集的实时性和准确性，可以更好的满足于深海潜水器的探索需求。

此外，通过设置有推荐模块32和数据分析模块6，从而不仅可以在推荐模块32的作用下根据产品信息及流程模板信息为运维人员推荐匹配的流程、表格、检查项及资料配置内容，从而可以有效地节省运维人员大量选择和判断的时间，提高配置效率和精度，而且还可以在数据分析模块6的作用下实现深海潜水器的状态监测及故障检测，并可以利用基于禁忌搜索算法的贝叶斯网络模型结合深海潜水器中设备状态、运行参数及检修记录快速精确的预测产品的使用寿命，分析关键部件的失效规律，进而可以更好的满足于深海潜水器的运维保障需求。

此外，通过采用Apriori算法在推荐知识库中深度挖掘产品信息与模板信息之间的关联规则，并基于相似度及置信度计算结果对关联规则进行过滤处理，从而得到更符合推荐需求的关联规则，从而可以根据选择的关联规则和相似模板为用户推荐最佳的配置内容，相比于传统的人工填写或选择方式，本发明不仅可以根据具体的产品信息计算出最为匹配和相关的模板或配置内容，实现高度个性化和准确的推荐，从而可以提供更符合用户需求的推荐结果，提高用户体验，而且还可以自动计算和匹配最为相关的配置内容，实现决策的自动化和智能化，减轻人工负担，大幅提高工作人员的运维效率和质量。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括以上方法所述的步骤，所述的存储介质，如：ROM/RAM、磁碟、光盘等。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，该平台包括产品信息框架模块(1)、通用基础模块(2)、配置管理模块(3)、业务应用管理模块(4)、移动终端应用模块(5)、数据分析模块(6)、数据库(7)及知识管理模块(8)；

其中，所述产品信息框架模块(1)，用于构建深海潜水器的产品信息框架，整合技术信息、过程数据、历史数据及运维知识的全生命周期信息，实现信息的统一组织和管理；

所述通用基础模块(2)，用于提供公共功能支撑，为业务应用管理模块和移动终端应用模块提供服务；

所述配置管理模块(3)，用于提供配置管理界面，通过可视化操作配置产品信息框架、流程参数及表格模板参数，实现快速定制和部署；

所述业务应用管理模块(4)，用于管理各类运维业务应用，实现对运维业务流程和资料的管理，为用户提供信息服务；

所述移动终端应用模块(5)，用于开发移动APP，基于产品信息框架和知识库实现现场信息采集、知识查询和运维支持；

所述数据分析模块(6)，用于实现智能化的数据处理，为深海潜水器的状态监测、故障检测、使用寿命分析提供关键技术支持；

所述数据库(7)，用于存储产品信息框架、知识库及历史数据，为平台提供数据支撑，实现信息的持久化存储；

所述知识管理模块(8)，用于采集深海潜水器的技术知识和运维知识，实现知识的组织与管理，为运维决策和系统定制提供知识支撑。

2.根据权利要求1所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述通用基础模块(2)包括检查单设计模块(21)、运维流程建模模块(22)、运维资料制作模块(23)、岗位人员管理模块(24)及任务分配引擎模块(25)；

其中，所述检查单设计模块(21)，用于提供检查单模板，根据需求定制检查单，为运维提供支撑；

所述运维流程建模模块(22)，用于提供标准运维流程模板，通过配置快速定制流程，实现对运维业务流程的建模和管理；

所述运维资料制作模块(23)，用于提供文档编辑和制作功能，并生成运维手册及检修标准的参考资料，实现运维资料的创建和维护；

所述岗位人员管理模块(24)，用于管理参与运维的人员信息，实现人员信息的维护和工作记录管理；

所述任务分配引擎模块(25)，用于根据产品结构、运维流程及人员信息进行智能任务分配，实现高效的任务分配管理。

3.根据权利要求1所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述配置管理模块(3)包括界面配置模块(31)、推荐模块(32)、流程配置模块(33)、表格配置模块(34)、检查项配置模块(35)及参数管理模块(36)；

其中，所述界面配置模块(31)，用于提供简单易用的配置界面；

所述推荐模块(32)，用于根据产品信息及流程模板信息推荐匹配的流程、表格、检查项及资料配置内容；

所述流程配置模块(33)，用于根据推荐的流程配置内容在配置界面上实现标准流程模板的定制配置，生成定制的运维流程；

所述表格配置模块(34)，用于根据推荐的表格配置内容在配置界面上实现标准表格模板的定制配置，生成定制的电子表格；

所述检查项配置模块(35)，用于根据推荐的检查项配置内容在配置界面上实现标准检查项的定制配置，生成定制的检查项清单；

所述参数管理模块(36)，用于管理流程参数、表格参数及检查项参数，实现参数的存储、查询及修改功能。

4.根据权利要求3所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述推荐模块(32)在根据产品信息及流程模板信息推荐匹配的流程、表格、检查项及资料配置内容时包括：

获取流程与表格的匹配规则、检查项与产品的对应关系、资料与产品的关联知识，并构建推荐知识库；

对采集的知识进行组织和结构化，建立产品与流程配置、流程配置与表格配置、产品与检查项配置、产品与资料配置的关联关系模型，并存储至推荐知识库中；

获取待推荐配置内容的深海潜水器的产品信息及已选择的模板信息，产品信息包括深海潜水器的产品结构、技术参数及关键部件信息；

将产品信息和模板信息输入到推荐算法中，并根据推荐知识库中的关联关系模型结合选择的关联规则和相似模板输出对应的推荐结果；

其中，所述将产品信息和模板信息输入到推荐算法中，并根据推荐知识库中的关联关系模型结合选择的关联规则和相似模板输出对应的推荐结果包括以下步骤：

获取已选择的流程模板、表格模板、检查项模板和资料模板信息；

采用Apriori算法在推荐知识库中深度挖掘产品信息与模板信息之间的关联规则；

采用词向量的内容推荐算法计算产品信息与模板信息的相似度；

设置Apriori算法的最小支撑度和置信度，并计算每个关联规则的置信度；

判断每个关联规则的支撑度是否达到预先设置的最小支撑度，若是，则保留该规则，若否则剔除该规则；

根据置信度和相似度从高到低排序所有关联规则，并选择排序靠前的N个关联规则；

根据选择的关联规则和相似模板从推荐知识库的关联关系模型中查询对应的配置内容并推荐给用户；

将推荐结果以列表的形式展示给用户，并给出每个推荐内容与产品信息之间的关联规则、相似度和置信度供用户选择和判断；

对推荐结果进行评估，评估标准包括准确率、召回率及F1值，并根据评估结果不断优化算法和参数设置；

获取用户对推荐结果的选择和反馈，不断优化知识库和推荐算法，并根据专家反馈及用户反馈不断更新知识库，优化关联关系模型和推荐规则，保证知识的时效性。

5.根据权利要求4所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述采用Apriori算法在知识库中深度挖掘产品信息与模板信息之间的关联规则包括：

整合产品信息和模板信息，进行格式转换，并为每个数据项生成一个唯一的ID，根据业务需要对数据进行清洗、去重预处理；

设置最小支持度和最大频繁项集大小k，并扫描整合后的数据，统计每个数据项或数据项组合的出现次数，计算各数据项的支持度；

比较每个数据项的支持度与最小支持度，并剔除支持度不满足支持度阈值的数据项，得到频繁项集；

从大小为1的频繁项开始递归生成指定大小k的频繁项集，并从k大小的频繁项集生成k+1大小的候选项集，对候选项集再次计算支持度并过滤；

当达到最大频繁项集大小k时，算法结束，返回生成的全部频繁项集；

根据业务需求确定关联规则的结构；计算每个规则的置信度，并过滤置信度低于预设置信度阈值的规则；

连接两个频繁项集，判断连接后的项集是否为频繁，若是，则生成一条关联规则，若否，则不生成关联规则；

计算生成的关联规则的置信度，并保留置信度高于预设置信度阈值的关联规则；

重复连接频繁项集生成若干的关联规则，并将生成的所有的关联规则存储至推荐知识库中。

6.根据权利要求4所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述根据选择的关联规则和相似模板，从推荐知识库的关联关系模型中查询对应的配置内容并推荐给用户包括：

获取选择的关联规则和相似模板，并连接到推荐知识库；

在关联关系模型中根据关联规则查询对应的流程配置内容，并从推荐知识库中提取查询到的流程配置内容，若有多个配置内容则进行过滤和排序以选择最佳内容；

在关联关系模型中寻找与相似模板最为匹配的表格配置或检查项配置内容，并从推荐知识库中提取匹配到的表格配置或检查项配置内容，若有多个配置内容则进行过滤和排序选择最佳内容；

将获取到的流程配置内容、表格配置内容或检查项配置内容作为推荐结果提供给用户。

7.根据权利要求1所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述业务应用管理模块(4)包括作业运行应用模块(41)、拆解维修应用模块(42)及维保资料应用模块(43)；

其中，所述作业运行应用模块(41)，用于管理深海潜水器的作业运行应用，为作业运行提供信息化支撑；

所述拆解维修应用模块(42)，用于管理深海潜水器的拆解维修应用，为拆解维修工作提供信息化支撑；

所述维保资料应用模块(43)，用于管理深海潜水器的维护保养应用，为维护保养工作提供信息化支撑。

8.根据权利要求1所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述移动终端应用模块(5)包括作业检查模块(51)、水下记录模块(52)、拆解维修模块(53)及资料阅读模块(54)；

其中，所述作业检查模块(51)，用于在移动终端上实现作业运行过程中的质量检查，包括检查设备状态及运行参数，为作业运行提供现场支持；

所述水下记录模块(52)，用于通过移动终端采集和记录深海潜水器下水过程中的数据，包括下水位置、时间及环境参数数据；

所述拆解维修模块(53)，用于在移动终端上实现深海潜水器拆解维修过程的信息采集，包括检修记录及更换备件记录；

所述资料阅读模块(54)，用于在移动终端上查询和阅读深海潜水器的技术资料、操作手册及维修标准的参考资料。

9.根据权利要求1所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述数据分析模块(6)包括数据获取模块(61)、异常数据识别模块(62)及部件失效分析模块(63)；

其中，所述数据获取模块(61)，用于获取移动终端应用模块采集、记录及检查的数据信息；

所述异常数据识别模块(62)，用于对获取的数据进行分析，识别出与深海潜水器正常工作状态不符的数据；

所述部件失效分析模块(63)，用于利用基于禁忌搜索算法的贝叶斯网络模型结合深海潜水器中设备状态、运行参数及检修记录预测产品的使用寿命，并分析关键部件的失效规律。

10.根据权利要求9所述的一种基于产品信息框架的深海潜水器运维保障平台，其特征在于，所述部件失效分析模块(63)在利用基于禁忌搜索算法的贝叶斯网络模型结合深海潜水器中设备状态、运行参数及检修记录预测产品的使用寿命，并分析关键部件的失效规律时包括：

选择深海潜水器产品的关键部件作为研究对象，并获取选定部件的设备状态数据、运行参数数据和检修记录数据；

对获取的数据进行清洗，并从清洗后的数据中选择影响部件失效和寿命的特征参数，包括工作时间、工作温度及输入功率；

构建基于禁忌搜索算法的贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型；

利用训练后的基于禁忌搜索算法的贝叶斯网络模型输出与实时获取的特征参数相对应的选定部件的寿命预测时间；

基于寿命预测结果通过寿命分布分析、寿命变化趋势、寿命敏感性分析、影响因素关联分析、失效模式对应分析和知识总结分析关键部件的失效规律；

其中，所述构建基于禁忌搜索算法的贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型包括以下步骤：

S1、确定贝叶斯网络的网络结构，并设置网络参数；

S2、设置禁忌长度、多样性搜索候选集长度D、最大迭代次数，初始化禁忌表为空集；

S3、生成初始解作为迭代搜索的起点，并设初始解为当前最优解best_so_far；

S4、初始解利用加边、减边和逆向边的操作产生邻域，并根据集中性与多样性搜索策略将邻域划分为集中性元素和多样性元素；

S5、利用贝叶斯信息准则对各邻域网络进行评分，按照评分值由高至低的方式进行排序，并选择前N个构成候选集；

S6、从候选集中选出未在禁忌表中的当前局部最优解best_Int，记录其在候选集中的位置Int_end，并判断是否出现循环，若否，则本次迭代最优解best_step＝当前局部最优解best_Int，多样性搜索候选集长度D＝max(2，D-2)，若是，则执行多样性搜索；

S7、从候选集中选取第Int_end+1到Int_end+D个解，随机选择一个解作为多样性搜索的最优解best_div，并更新本次迭代最优解best_step＝多样性搜索的最优解best_div；

S8、记录本次迭代最优解best_step的贝叶斯信息准则评分，更新当前最优解best_so_far；

S9、将本次迭代最优解best_step添加到禁忌表，并判断是否达到最大迭代次数，若是，则输出当前最优解best_so_far，算法结束，若否，则返回S4；

S10、得到的最优网络结构及参数，构建贝叶斯网络模型，并利用选定的特征参数对模型进行训练，得到训练后的基于禁忌搜索算法的贝叶斯网络模型。