基于實(shí)例的智能工藝設(shè)計(jì)系統(tǒng)介紹

　　在基于實(shí)例的智能工藝設(shè)計(jì)系統(tǒng)中，工藝實(shí)例的知識(shí)表達(dá)模型必須完整、有效地表達(dá)工藝設(shè)計(jì)過(guò)程中所需要的各類知識(shí)，從而為工藝設(shè)計(jì)問(wèn)題求解提供支持。從工藝設(shè)計(jì)的角度出發(fā)，所建立的知識(shí)表達(dá)模型既要包含零件本身的設(shè)計(jì)信息，也要包含相應(yīng)的工藝信急。基于如上考慮，從面向?qū)ο蟮乃枷氤霭l(fā)，本文定義了一個(gè)面向變型工藝設(shè)計(jì)的工藝實(shí)例表達(dá)模型，其基本定義如下：

　　定義1 工藝實(shí)例是滿足一定工藝設(shè)計(jì)要求的特定設(shè)計(jì)結(jié)果，一個(gè)完整的工藝實(shí)例(Case)可表示為一個(gè)五元組(Case-Name，Case-Type，Case-Content，F(xiàn)ea-lure-List，Value-List)。其中：

　　工藝實(shí)例數(shù)據(jù)集中的數(shù)據(jù)與工藝實(shí)例特征集中的特征存在一一對(duì)應(yīng)的關(guān)系。同一類工藝實(shí)例中，各實(shí)例依據(jù)實(shí)例特征的不同而相互區(qū)別。

　　定義2工藝實(shí)例類(Case-Type)描述了工藝實(shí)例的分類信息，可表示為一個(gè)八元組(Rough-Type，De-tail-Type，Material，Rough，Heat-Treat，Batch，Shape-Cuttin，CAPP-Agent)。其中：

　　Rough-Type——描述了工藝實(shí)例類的大類信急，以BNF范式表示為：

　　::={0|1}，0代表回轉(zhuǎn)體，1代表非回轉(zhuǎn)體;

　　Detail-Type——描述了工藝實(shí)例類的小類信息;

　　Turning代表回轉(zhuǎn)類工藝實(shí)例的形狀及加工屬性，Not-Turning代表非回轉(zhuǎn)類工藝實(shí)例的形狀及加工屬性。在回轉(zhuǎn)類工藝實(shí)例的形狀及加工屬性中：Out-Type代表外部基本形狀，Out-Function代表外部功能要素，In-Type代表內(nèi)部基本形狀，In-Function代表內(nèi)部功能要素，Out-Shape代表外平面或端面，In-Shape代表內(nèi)平面，Assist-Function代表輔助孔或成形刻線;在非回轉(zhuǎn)類工藝實(shí)例的形狀及加工屬性中，Out-Typen代表外部基本形狀，Shape-Cutting代表平面加工，Cur-Cutting代表曲面加工，Out-Attribute代表外形要素，Main-Hole代表主加工孔，In-Cutting代表內(nèi)部加工，Assist-Type代表輔助孔或成形。

　　CAPP Agent——是一個(gè)從工藝實(shí)例特征至工藝實(shí)例內(nèi)容的映射集，詳見(jiàn)定義3

　　定義3 工藝設(shè)計(jì)策略(CAPP-Agent)描述了特定工藝實(shí)例類的具體工藝設(shè)計(jì)求解策略，可表示為一個(gè)二元組(Task，Plan)。其中:

　　其中，描述了問(wèn)題求解過(guò)程中需要進(jìn)行的操作，包括以消息傳遞的方式下達(dá)對(duì)子對(duì)象的設(shè)計(jì)任務(wù)和對(duì)內(nèi)外部各類函數(shù)的調(diào)用;則是以產(chǎn)生式規(guī)則的方式描述求解過(guò)程中的經(jīng)驗(yàn)性推理規(guī)則。

　　從上述定義可以看出，工藝實(shí)例的知識(shí)表達(dá)模型以分層的框架式結(jié)構(gòu)和面向?qū)ο蟮乃枷霝楹诵模哂休^強(qiáng)的結(jié)構(gòu)化能力;同時(shí)，完整、有效地表達(dá)變型工藝設(shè)計(jì)過(guò)程中所運(yùn)用的各類工藝設(shè)計(jì)知識(shí)(以規(guī)則的形式描述)，支持系統(tǒng)在此基礎(chǔ)之上進(jìn)行基于規(guī)則的推理，從而完成工藝實(shí)例的修改。

　　4 工藝實(shí)例的檢索和匹配

　　4.1 工藝實(shí)例索引

　　工藝實(shí)例索引描述了工藝實(shí)例的惟一標(biāo)志。通過(guò)工藝實(shí)例索引的建立，使得系統(tǒng)的工藝實(shí)例庫(kù)中所存儲(chǔ)的所有工藝實(shí)例都能被惟一地確定。當(dāng)系統(tǒng)采用基于實(shí)例的推理時(shí)，依據(jù)外部的輸入條件可快速查找出相似的工藝實(shí)例。

　　目前在人工智能中，實(shí)例索引技術(shù)主要有三種：

　　(1)最近相鄰法(Vearest Veighbor Approach)。它的核心思想是利用與實(shí)例庫(kù)中實(shí)例相匹配的輸入實(shí)例特征權(quán)數(shù)累加和來(lái)檢索實(shí)例。這種方法簡(jiǎn)單實(shí)用，但由于在大多數(shù)情況下，各特征的權(quán)值對(duì)各個(gè)實(shí)例都有所不同，因此，很難確定一組適用于所有實(shí)例的權(quán)值。

　　(2)歸納法(Inductive Approach)。它是利用類似決策樹(shù)的學(xué)習(xí)算法，在被分類的實(shí)例中，確定出實(shí)例的哪一特征判別能力最優(yōu)。歸納法在檢索目標(biāo)有明確定義，且每種目標(biāo)類型均有足夠多的例子進(jìn)行歸納的情況下，優(yōu)于權(quán)值鄰近法，其缺點(diǎn)是需要大量的實(shí)例進(jìn)行歸納。

　　(3)基于知識(shí)的方法(Knowledge-Paced Retrieval Approach)。它是利用實(shí)例庫(kù)中的實(shí)例知識(shí)來(lái)確定實(shí)例的哪些特征是重要的。在知識(shí)來(lái)源合適的情況下，這種方法是很適宜的。它的缺點(diǎn)是對(duì)較廣范圍的輸入事實(shí)進(jìn)行完全基于知識(shí)的索引往往是困難的。

　　CBIPP系統(tǒng)采用了基于上述三種方法綜合的面向?qū)ο蟮膶?shí)例索引機(jī)制，建立了兩級(jí)索引：第一級(jí)索引反映了工藝實(shí)例的類別(Case-Type);第二級(jí)索引反映了同類工藝實(shí)例中各特征的差異。另外，系統(tǒng)還可根據(jù)對(duì)工藝實(shí)例問(wèn)題求解產(chǎn)生影響的特征建立索引。