《产品设计KBE实例》PPT课件.ppt

产品设计2,主讲人：曾富洪,攀枝花学院,2,11.4.5 知识繁衍,知识繁衍(Knowledge Evolving, KE)就是指从大量数据中发现新知识、总结新规律、建立数学模型的过程。KE与数据库中知识发现(Knowledge Discovery in Database, KDD)和数据挖掘(Data Mining, DM)的研究紧密结合，是现代人工智能理论研究的热点，是解决CAD, CAE双向集成的重要途径之一。,KDD是从数据集中识别出有效的、新颖的、潜在有用的以及最终可以理解的模式的高级处理过程。,其中数据集是指一个有关事实(F)的集合，它用来描述事物有关方面的信息，是进一步发现知识的原材料,模式是一个用语言(L)来表示的表达式(E)，它可用来描述事物有关方面的特性。,3,11.4.5 知识繁衍,2) 数据挖掘过程,4,11.4.5 知识繁衍,2) 数据挖掘过程,(1) 数据选择 根据相关领域的问题描述，从数据中提取相关的数据用于知识发现。,(2) 数据预处理 数据预处理主要是对前一阶段产生的数据进行处理，检查数据的完整性和一致性，处理其中的无用数据，并补充丢失的数据。,(3) 数据转换 数据转换主要是根据数据挖掘算法的要求，进行离散型数据与连续型数据间的相互转换，对数据集进行分类，对数据项进行计算机组合等。,5,11.4.5 知识繁衍,2) 数据挖掘过程,(4) 数据挖掘 数据挖掘是KE最关键的步骤，是技术的难点所在。它运用选定的数据挖掘算法，从数据中提取需要的知识创建可能形成知识的模式，并用一种特定的方式表达出来。,(5) 知识解释和评估 对于数据挖掘后得到的模型，有可能是没有实用价值的，也有可能不能准确反映数据的真实意义，甚至在某些情况下与事实相反，因此需要对其进行评估，确定哪些是有效的模式 ，然后将发现的知识用易于理解的方式表示出来，同时对知识发现过程中的某些处理阶段进行优化。,6,11.4.5 知识繁衍,2) 数据挖掘过程,(6) 知识运用 发现知识是为了运用知识。知识运用有两种方法：一种是运用知识本身所描述的关系和结果，实现决策支持；另一种是对根据数据产生新的问题，利用知识解决它。 数据挖掘从人工智能发展而来，因此人工智能中的技术成果都可以移植到数据挖掘中来。统计、聚类、因子分析等在数据挖掘中都有应用。然而这些技术使用时必须根据数据本身的特点，采用多种技术相互集成的方法。,7,11.4.6 知识集成与管理,1) 知识集成与管理的内涵,(1) 知识集成及其内涵,知识集成的方式是多方面的，主要针对两大类知识：显性知识(编码型知识)和隐性知识(会意型知识)，知识创新实质上是显性知识与隐性知识之间交互作用的一个螺旋式上升过程。知识集成有四种方式： 会意型知识之间的集成： 编码型知识之间的集成： 从会意型知识到编码型知识的集成： 从编码型知识到会意型知识的集成。这4类方式分别对应了社会化、联合、外化和内化过程,8,11.4.6 知识集成与管理,1) 知识集成与管理的内涵,(1) 知识集成及其内涵,9,11.4.6 知识集成与管理,1) 知识集成与管理的内涵,(2) 知识管理及其内涵 与知识集成相关的另一重要概念是知识管理。知识管理有着广泛的内涵，知识管理在本质上包涵了知识的组织发展过程，并寻求将信息技术所提供的对数据和信息的处理能力以及人的发明创造能力这两方面进行有机的结合。知识管理要求致力基于任务的知识创新、传播并具体地体现在产品、服务和系统中。,10,11.4.6 知识集成与管理,2）知识集成和管理框架 有效的知识管理需要集成化的技术与工具来实现知识的获取、表示、编码、管理和传递，即建立一个高效的知识管理系统。知识管理系统研究的目标是将基于计算机的知识管理系统和基于人际网络的沟通系统进行集成，形成具有认知能力和创新能力的知识网络。,11,表格、语义词组、逻辑短语、数据表、图形、工程参数、试验/实验曲线、配方和工艺诀窍的可视化表达工具，表达经整理后的原始设计知识,建模工具,KBE系统软件开发平台,将设计知识和逻辑推理等功能嵌入CAD系统中，UGOpen+、objextARX，toolKit等,11.5 KBE系统开发工具,12,11.6 KBE系统开发实例,例: 板料折弯机液压系统的配置设计，具体要求为：折弯力106N，滑块重量15000 N；快速空载下降180mm，速度23mm/s，工作折弯行程20mm，速度12mm/s，快速回程200mm，速度53mm/s。,13,11.6 KBE系统开发实例,1液压系统表述和建模,HPUs液压原型单元是功能和行为特性相似的可选液压配置单元组成的集合，第i个液压原型单元可表示为,HPID液压原型单元的标识,HPA为液压原型单元的属性集合,HPR为液压原型单元的选配规则集合,HPS为液压原型单元的关联资源集合,HPT为液压原型单元的类型,HPUi(HCU)为第i个液压原型单元可选液压配置单元组成,CN为液压原型单元所需要配置的液压配置单元数目,14,11.6 KBE系统开发实例,1液压系统表述和建模,液压配置单元(Hydraulic Configuration Unit，HCU)是液压系统配置对象的明确的形式化的规范表示，可将其视为一个五元组,HCID为液压配置单元的唯一标识,HCA为液压配置单元的属性集合,HCC为液压系统配置单元的结构约束集合,HCP为液压系统液压配置单元选配参数集合,HCS为液压配置单元的关联资源集合,15,11.6 KBE系统开发实例,1液压系统表述和建模,16,11.6 KBE系统开发实例,2 液压系统配置设计的推理求解,17,11.6 KBE系统开发实例,2 液压系统配置设计的推理求解,1) 基础数据录入 将液压原型单元和配置单元相关联的各种信息，如属性信息、参数信息、液压系统组成信息、供应厂家信息、关联资源信息等，由知识工程师录入知识库，供相关人员使用。,一、基础数据准备,2）专家评价 由于三角模糊数综合评价法更符合人们的思维习惯，本研究中专家对各配置单元的质量水平和可靠度用三角模糊数来进行评价，三角模糊数表示为（L，M，P） ，其中 L为最小值， M为最可能值， P为最大值。,3）模糊数据处理 用公式来进行计算。,相关普通数,18,11.6 KBE系统开发实例,2 液压系统配置设计的推理求解,二、液压元件参数匹配选择,1）需求分析 明确主机对液压系统提出的要求，如主机的动作要求、性能要求、液压系统的工作环境以及经济性、能耗方面的要求等。分析结果记入图1中的“选配规则（HPR）”实体所对应的表中。,2）主要参数计算 分析主机在工作过程中速度和负载的变化规律，计算出液压系统的主要参数，如：系统的最大工作压力，系统地最大流量等。计算结果记入图1中的“选配规则（HPR）”实体所对应的表中。,3）系统原理图设计 根据液压系统动能和性能的要求分别选择和拟定基本回路，然后将各个回路组合成一个完整的系统，绘制成图。图上的液压元件符号和HPU相对应，图完成时，将各HPU记录入图1中的“原型系统” 实体所对应的表中。相应文档存入FTP文档库。,19,11.6 KBE系统开发实例,2 液压系统配置设计的推理求解,20,11.6 KBE系统开发实例,2 液压系统配置设计的推理求解,二、液压元件参数匹配选择,4）参数匹配选择 按照原型系统对原理图的记录，遍历液压单元，根据HPR中的选配规则，为每个液压原型单元(HPU)选配出满足要求的液压配置单元(HCU)，例如单向阀流量要求不低于69(l/min)，能承受的工作压力不小于24.3MPa，通径为25mm，质量水平和可靠度的最小值不低于0.9，知识管理系统自动为其选配出5个供货厂家生产的S25A型单向阀。选配时HPU如果没有对应的HCU，该HPU被定义为新设计元件，为新设计元件设计多个方案作为配置单元，并将领域专家对其评判的结果存入知识库中，供后续配置求解使用。,21,11.6 KBE系统开发实例,三、基于遗传算法的配置求解,遗传算法(Genetic Algorithms，GA)是一种借鉴生物界自然选择和自然进化机制的、高度并行的，随机的、自适应算法,1）编码 液压配置单元和液压系统间的映射通过编码来实现，编码时，一个液压系统对应一个染色体个体，一个配置原型单元(HPUi)对应一个基因位，一个配置单元(HCUij)的选定对应一个基因表现型。染色体由基因位上的基因组成。染色体结构编码如图所示。,22,11.6 KBE系统开发实例,三基于遗传算法的配置求解,2）种群初始化，在种群初始化前，先将染色体基因位上的可选配置单元进行处理，使得每个基因位的可选配置单元数目Ni等于基于位上的最大可选配置单元数目Nmax，对于的NiNmax基因位，通过对基因位中的配置单元进行复制操作使得NiNmax。在此基础上，设定的初始种群数目(popsize)，根据染色体长度(chromlength)随机生成满足约束条件的初始染色体(initalpop(N,:),23,11.6 KBE系统开发实例,三、基于遗传算法的配置求解,3）个体适应度计算 种群依据个体适应度值fk进行优胜劣汰，fk通过适应度函数进行计算，适应度函数和优化目标存在着一定的映射关系。采用加权和方法对多个目标进行处理，建立适应度函数如式所示：,Vk第k个染色体的价值系数,Qk第k个染色体的质量水平,Rk第k个染色体的可靠度,24,11.6 KBE系统开发实例,三、基于遗传算法的配置求解,4）选择 将轮盘选种法和优秀个体保存策略联合使用，具体操作如下：将上代适度最大的5%的个体直接选出保存为下一代，并进入交配池。用轮盘选种法从上代中选出45%的个体进入交配池，轮盘选种是一种概率选种法，其原则是适应度大的个体被选择的概率越大。,25,11.6 KBE系统开发实例,三、基于遗传算法的配置求解,5）交叉 以随机性质的交叉率从交配池中选择两个个体，并对个体的基因进行部分交换，得到新个体，当新个体满足约束要求时，被作为下一代保存，否则新个体被淘汰，当交叉产生的满足要求的新个体数达上代种群的95%时，交叉完成。为了避免出现死循环，可以根据交叉次数设定强制终止条件。,26,11.6 KBE系统开发实例,三、基于遗传算法的配置求解,6）变异 以突然变异率从上代种群中选出个体，并对个体随机地变更某基因位的值，得到新个体，当新个体不满足约束要求时，重新变更，直