汽車機械系統(tǒng)的智能設(shè)計

    當(dāng)前，機械方案設(shè)計主要采取形態(tài)學(xué)矩陣法、鍵合法、專家系統(tǒng)3種方法。形態(tài)學(xué)矩陣法及鍵合法主要從功能角度對方案進行組合分析，然后將組合好的方案一一列出，由于組合出的方案數(shù)目很多，因此要對其進行逐一評價比較困難，難以獲得最佳的方案。專家系統(tǒng)的問題主要在于知識獲取和推理比較困難。因此，需要改進機械方案設(shè)計方法，提高設(shè)計系統(tǒng)的智能性。汽車機械系統(tǒng)的智能設(shè)計實際上就是一個實例推理和匹配的過程。關(guān)于汽車機械智能設(shè)計的研究已經(jīng)取得了如下成果：唐愛坤等基于改進遺傳算法對汽車散熱器進行優(yōu)化設(shè)計，優(yōu)化了汽車散熱器的結(jié)構(gòu)；崔凱等基于實例推理對柴油機進行匹配設(shè)計；邱健基于Hybrid cbr對汽車散熱器進行智能設(shè)計。 關(guān)于案例推理（case based reasoning,CBR）和規(guī)則推理（rule based reasoning,RBR）的混合推理在汽車機械系統(tǒng)智能設(shè)計中的應(yīng)用研究較少，因此本文提出基于CBR和RBR的汽車機械智能設(shè)計系統(tǒng)，試圖提高產(chǎn)品設(shè)計效率。

    1 汽車機械智能設(shè)計系統(tǒng)的總體結(jié)構(gòu)

    汽車機械智能設(shè)計系統(tǒng)通過構(gòu)建知識案例庫，可以最大限度地應(yīng)用設(shè)計師長期積累的經(jīng)驗，減少概念設(shè)計中的重復(fù)工作量，提高汽車機械系統(tǒng)的設(shè)計研發(fā)效率，縮短研發(fā)時間。根據(jù)汽車機械系統(tǒng)研發(fā)中遇到的問題（如知識匹配工作量大），構(gòu)建汽車機械知識案例庫和輔助信息庫，對汽車發(fā)動機、散熱器、齒輪等關(guān)鍵部件及整機性能進行分析。使用合理的知識表達方式構(gòu)建的汽車機械智能設(shè)計系統(tǒng)的總體結(jié)構(gòu)如圖1所示。用戶通過友好的用戶界面，輸入汽車的設(shè)計要求，完成汽車機械系統(tǒng)的總體選型和功能設(shè)計，通過推理過程完成汽車機械各關(guān)鍵部件的結(jié)構(gòu)設(shè)計和參數(shù)設(shè)計，若設(shè)計結(jié)果不滿足設(shè)計要求則重新設(shè)計。

圖 1 汽車機械智能設(shè)計系統(tǒng)結(jié)構(gòu)框圖

    2 汽車機械智能設(shè)計系統(tǒng)基礎(chǔ)類庫的構(gòu)建

    汽車機械系統(tǒng)涉及到的零部件數(shù)量較多，因此需要構(gòu)建信息量龐大的知識庫。系統(tǒng)設(shè)計人員通過查閱汽車機械系統(tǒng)智能設(shè)計的相關(guān)文獻資料，并和行業(yè)設(shè)計專家進行交流，確定知識庫的知識涵蓋范圍和知識表達方式，實現(xiàn)知識的簡單、準確調(diào)用。本系統(tǒng)采用基于本體的方式和自上而下的方式對汽車機械系統(tǒng)進行本體知識建模，首先明確汽車機械系統(tǒng)的產(chǎn)品類、組件類、部件類、零件類及其分類，然后分別描述汽車機械系統(tǒng)的相關(guān)實體、屬性、關(guān)系等元本體。設(shè)計的汽車機械智能設(shè)計系統(tǒng)的實例知識模型如圖2所示，實例知識模型包括基本信息、產(chǎn)品信息及工程知識３部分，其中基本信息

圖 2 實例知識模型

    定義實例數(shù)據(jù)內(nèi)容，產(chǎn)品信息記錄設(shè)計實例的詳細信息，工程知識包括設(shè)計知識和工程設(shè)計者的經(jīng)驗。

    2．1 案例庫的構(gòu)建

    案例庫涵蓋了很多汽車機械零件的產(chǎn)品信息，包括產(chǎn)品的具體結(jié)構(gòu)功能參數(shù)、型號、功率和用途等。對于不同的案例，根據(jù)不同的屬性參數(shù)可以采用成組技術(shù)進行分類管理。案例庫構(gòu)建完成后，以*.ｄａｔ文件格式進行存儲，存儲類型為“案例名稱＋空格＋各元件編號”，方便系統(tǒng)運行時的檢索匹配以及對各參數(shù)的提取調(diào)用。由于汽車機械零件種類很多，案例庫不一一論述，現(xiàn)以汽車夾具單元案例庫為例描述案例庫的結(jié)構(gòu)，構(gòu)建的汽車夾具單元案例庫如圖3所示。

    2．2 數(shù)據(jù)庫的構(gòu)建

    數(shù)據(jù)庫不僅能為機械零件過程決策提供基礎(chǔ)數(shù)據(jù)支持，還能為知識庫、規(guī)則庫及實例庫等提供底層數(shù)據(jù)源。本文結(jié)合知識存在的形式及實例表達，設(shè)計機械知識數(shù)據(jù)庫，其屬性關(guān)系及主要數(shù)據(jù)庫表如圖4所示，包括對象表、部件表、設(shè)備信息表、工藝方案表、零件失效信息表等數(shù)據(jù)表。

    應(yīng)用CBR和RBR兩者結(jié)合的推理模式，需要解決案例定位和案例相似度兩方面的問題。解決案例相似度問題之前，先假定案例參數(shù)：已存在案例C＝（c1，c2，…，c n），需要解決問題案例p＝（p1，p2，…，p n），已存在案例對象ci＝（c1，c2，…，cm），問題案例對象pi＝（f1，f2，…，fm），以上述假定為基礎(chǔ)定義相似度，見式（1）和式（2）。

圖 4 工藝知識數(shù)據(jù)庫邏輯關(guān)系

    式中：sim（P，C）為需要解決問題案例和已經(jīng)存在案例的相似度；pi為問題的第i個對象；ci為案例中第i個對象；wi為權(quán)重，指第i個描述符對案例的重要性；sim（pi，ci）為問題和案例中第i個對象的相似度；fi，bi分別為案例C中第i個對象的第i個屬性值和問題案例P中第i個對象的第i個屬性值；di為屬性權(quán)重。

    案例定位問題主要是指零件單元案例在汽車機械系統(tǒng)中的位置分布。設(shè)計師通過檢索將案例或組件調(diào)入工位進行總成裝配時，能否正確確定裝配位置至關(guān)重要，在這個過程中需要對單元案例坐標和汽車車身機械坐標進行轉(zhuǎn)換。因此，如何正確變換汽車車身機械坐標和單元案例坐標是目前需要解決的問題。本文中坐標的變換分為2步：1）對坐標系進行平移，讓它和新的坐標原點重合；2）進行旋轉(zhuǎn)變換，和坐標軸實現(xiàn)重合。

    坐標轉(zhuǎn)換用矩陣表示如下：

    （x1，y1，z1，1）＝（x2，y2，z2，2）·A·B （3）

    式中：A為平移矩陣；B為旋轉(zhuǎn)矩陣。

    其中（x0，y0，z0）為新坐標系原點。

    矩陣B中（i＝x，y，z；j＝1，2，3）是新坐標系原點。

    4 結(jié)論

    本文設(shè)計的汽車機械智能設(shè)計系統(tǒng)，采用CBR和RBR的混合推理流程對汽車機械系統(tǒng)進行設(shè)計，應(yīng)用前景十分廣闊。在今后的研究中，將進一步完善汽車機械智能設(shè)計系統(tǒng)的知識庫和案例數(shù)據(jù)庫，為使用者提供更多符合需求的汽車機械系統(tǒng)知識，從而更好地完成汽車機械系統(tǒng)的設(shè)計，獲取更加精準的檢索實例。