（机械制造及其自动化专业论文）基于数据库的加工工艺知识库关键技术的研究.pdf

沈阳航空工业学院硕士学位论文 摘要 本文针对加工工艺数据复杂、庞大、多变的特点，主要研究了加工工艺知识匹配与 推理的部分关键性技术问题。文中提出了基于蚁群优化算法的工艺知识发现的概率查询 方法，并建立加工工艺知识库的查询数学模型。通过蚁群优化算法，描绘出索引地图， 提取分析所需要的加工工艺元素。针对加工工艺知识发现中查询方法方面具体有以下的 内容。 1 加工工艺知识相似匹配推理技术 基于知识推理和群体智能的思想，将神经网络与蚁群优化算法相结合，实现了加工 工艺知识的匹配策略及算法过程。分析了加工工艺结构特征的特点，针对树型结构描述 的加工工艺结构特征，提出了一种针对加工工艺的推理技术。 2 基于x m l ( e x t e n s i b l em a r k u pl a n g u a g e ) 的加工工艺知识的搜索方法 将知识发现的相关理论和蚁群算法融合在一起，制定相应的工艺规则，提出了概率 查询知识库的搜索方法。研究了加工工艺知识的形式化描述方法，通过对加工工艺知识 模型的x m l 文件进行描述，结合加工工艺知识表示、知识库的特点、知识的推理过程， 确定了搜索方法，使得加工工艺知识相似匹配推理在算法效率与匹配精度上达到较好的 平衡。 本文以铣加工工艺为例进行实例验证，结果表明基于蚁群优化算法的工艺知识发现 高效全面地优化了加工工艺序列。本文解决数控加工工艺排序的搜索问题，对刀具的选 择有指导作用。 关键词：加工工艺知识发现；蚁群优化算法；加工工艺知识库；加工工艺知识表示； 索引地图 沈阳航空工业学院硕士学位论文 a b s t r a c t af e a t u r eo f p r o c e s s i n gt e c h n o l o g yd a t ai sm u c hc o m p l e x ，e x t r e m e l yl a r g ei ns i z e ，a n d v a r i o u s a i m i n gt os o l v et oas e r i e so fk e yt e c h n o l o g i e sd u r i n gt h em a t c h i n ga n dr e a s o n i n go f d i s c o v e r y , am a t h e m a t i c a lm o d e lo fp r o c e s s i n gk n o w l e d g ei s b a s e do nt h e k n o w l e d g e d i s c o v e r yt h a t a na n tc o l o n yo p t i m i z a t i o na l g o r i t h m ( a c o ) a n dp r o b a b i l i s t i cq u e r yi s e x p l o i t e di nt h ef i e l do ft h ep r o c e s s i n gt e c h n o l o g y r u n n i n gt h ea n t - c o l o n ya l g o r i t h m ，d r a w s t h ei n d e xm a p ，a s s i g n sc l u s t e r st ot h ep r o c e d u r ea n dd i s p l a y st h eo u t p u t t h et h e s i si n c l u d e s t h ec o n t e n t sa sf o l l o w i n g ： 1 k e yt e c h n o l o g i e sd u r i n gt h em a t c h i n ga n dr e a s o n i n go fd i s c o v e r y b a s e do nk n o w l e d g e - b a s e dr e a s o n i n ga n ds w a r mi n t e l l i g e n c ei d e a s ，am e t h o do fa n a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) a n dt h ea c oi sa p p l i e dt ot h em a c h i n i n gp r o c e s sk n o w l e d g e d e s c r i b i n gf e a t u r e so ft r e es t r u c t u r ei nt h ep r o c e s s i n gt e c h n o l o g y , p r e s e n t sar e a s o n i n go ft h e p r o c e s s i n gt e c h n o l o g y 2 k n o w l e d g er e p r e s e n t a t i o no nt h eb a s eo fx m l ( e x t e n s i b l em a r k u pl a n g u a g e ) a n d p r o c e s s i n gt e c h n o l o g ys e a r c hm e t h o d t h et h e o r yo fk n o w l e d g ed i s c o v e r yi sr e l a t e dt ot h ea c ot o g e t h e r b a s e do nx m la n d t h ea c o ，t h em a t c h i n gp r o b l e mi ss o l v e dt h r o u g ht h ep r o b a b i l i t yo fq u e r ys t r a t e g y t h e f o r m a ld e s c r i p t i o no fk n o w l e d g ep r o c e s s i n gt e c h n o l o g yi ss t u d i e dt h r o u g ht h ep r o c e s s i n g t e c h n o l o g yk n o w l e d g em o d e ld e s c r i b e di nx m lf i l e s t h em a t c h i n ga l g o r i t h m sm a k e s m a t c h i n gp r o c e s s i n gt e c h n o l o g yk n o w l e d g ea n dr e a s o n i n g a c h i e v eab e t t e rb a l a n c eo n a c c u r a c y i nc o n c l u s i o n ，a ni n s t a n c ei sv e r i f i e db a s e do nt h ep r o c e s si n f o r m a t i o nt a b l eo ft h e m i l l i n g t h er e s u l t sa r ep r o v e dt h a tt h ek n o w l e d g ed i s c o v e r yo p t i m i z e dt h ep r o c e s ss e q u e n c e c o m p r e h e n s i v e l ya n de f f i c i e n t l y , b a s e do nt h ea c o m a t h e m a t i c a lm o d e li nt h ep r o c e s s i n g t e c h n o l o g y t h er e s u l t sp l a ya ni m p o r t a n tr o l ei nm a c h i n et o o lc o m p e n s a t i o na n da u t o m a t i c m a n u f a c t u r e k e yw o r d s ：p r o c e s s i n gk n o w l e d g ed i s c o v e r y ；a c o ；p r o c e s s i n gk n o w l e d g ed i s c o v e r y i nd a t a b a s e ( i d ) ；r e p r e s e n t a t i o no fp r o c e s s i n gk n o w l e d g ed i s c o v e r y ；i n d e xm a p i i 沈阳航空工业学院硕士学位论文 主要符号表 阀值 输入样本 输入向量 权向量 非线性决策边界函数 推理网络的中间节点 蚁群中蚂蚁数量 t 时刻位于结点f 的蚂蚁个数 两结点i t f l l j 之间的距离 边( f ，j ) 的能见度 边( f ，j ) 上的信息素轨迹强度 蚂蚁在边( f ，j ) 上留下的单位长度轨迹信息素量 蚂蚁k 留在路径( f ，j ) 上转移概率 能见度因数 蚂蚁在运动过程中所积累的信息参数 启发信息在蚂蚁选择路径中的相对重要性的参数 表示第k 只蚂蚁在时刻化f + 矽留在路径( f ，) 上的信息素量 表示本次循环中路径( f ，j ) 的信息素量的增量 规则 输入语言变量 输出语言变量 序列数据库d 中包含a 的序列所占的百分比 d 中支持a 的序列数 d 中的总序列数 特征函数 ) d d ， 只x x矿哪q m略 勺嵋学 口 胁 胁尽五y以品厂 文 芍 勺 “ 沈阳航空工业学院硕士学位论文 第1 章绪论 1 1 引言 随着计算机应用的普及及信息化工程在各行业中的实施，数据正以惊人的速度增 长，面对复杂、庞大、多变的数据，造成数据结构不清晰，使用效率低的现象，知识发 现( k n o w l e d g ed i s c o v e r y ，i ) 正是应这种需求而产生的。知识发现将信息变为知识， 将为知识创新和知识经济的发展做出贡献。在机械加工工艺中，影响工艺的因素有很多， 涉及产品工艺中加工方法的选择、工艺路线的排序、定位基准的决策、加工设备的选择、 切削参数的选择、切削刀具的选择、加工余量的选择等知识。工艺人员花费了大量的时 间来查找数据、检查工艺的一致性和相关信息，造成产品开发速度慢，还会形成附加成 本。而且，新的工艺人员无法快速学到成熟的工艺知识。知识搜索不完善，难以持续提 高产品开发水平和生产效率。因此，有必要形成完善的知识搜索机制和算法，以便于知 识的利用。 1 2 国内外研究现状 通过前期调研，我们了解到三十多年来，国内外学者展开了深入而细致的研究，知 识工程的应用研究取得了重大进展。许多著名的专家系统被相续开发，为工业数据分析 处理、医疗诊断、计算机设计等提供了强有力的工具。1 9 7 7 年f e i g e n b a u m 进一步提出 了知识工程( k n o w l e d g ee n g i n e e r i n g ) 的概念 。2 0 世纪6 0 年代后期计算机辅助工艺设计 ( c o m p u t e ra i d e dp r o c e s sp l a n n i n g ，c a p p ) 最早出现在挪威，它是通过向计算机输入被加 工零件的几何信息( 形状、尺寸等) 和工艺信息( 材料、热处理、批量等) ，由计算机 自动输出零件的工艺路线和工序内容等工艺文件的过程。但是，由于工艺设计本身的复 杂性，c a p p 在推理机和知识的表达等方面还存在诸多问题2 训。8 0 年代中期，知识库 系统成为了数据库界的研究热点，出现了基于谓词逻辑的知识库系统，它具有存储与管 理大量知识的功能，比演绎数据库又前进了一大步。进入9 0 年代，知识库系统在理论 研究和实践应用上都取得了一定的突破，人工智能技术 5 与数据库技术实现有效结合。 近年来，数据库工作者在研制基于谓词逻辑知识库系统的基础上充分利用人工智能技术 和方法，重视对不完全知识、非精确推理知识库系统的研究，并在数据挖掘、知识发现 沈阳航空工业学院硕士学位论文 一一 和数据仓库技术等方面不断取得进展，使知识库系统的应用范围不断扩大，智能化程度 不断提高 6 】。 目前，世界上很多国家，特别是发达国家，都在投入人力、物力和财力进行知识 库系统的研究和建设，并取得了较好的效益。在一些著名的企业和科研机构，知识库系 统的建设己经日趋成熟口1 。应用在知识发现方面的数据挖掘技术主要有人工神经网络、 决策树、遗传算法、粗糙集、关联规则、实例推理、聚类分析等。在工艺数据挖掘中， 由于挖掘目标的不同，不能一概地以某种方法作为挖掘的算法，需要根据目标中数据的 特性，综合使用上述的技术及其算法，如典型工艺路线挖掘可以采用聚类的方法，典型 工序的获取可以采用关联规则中的算法等。第三章和第四章将详细论述应用数据挖掘算 法获取工艺知识的方法、过程和结果。 经过多年的研究和发展，工艺数据库已成为交互式工艺设计与工艺决策方法的基 础。工艺数据库不仅可以管理大量的工艺专家经验、工艺数据以及加工实例等，而且可 以为用户提供方便快捷的检索和查询手段，为工艺设计提供工艺数据支持。目前使用工 艺数据库的方法解决工艺问题已在诸多行业被广泛应用。 j b a l i c 等【8 】将人工神经网络用于获得自由曲面加工的最佳顺序和路径方案，提高了 曲面的加工质量和效率。宋红英等 9 1 针对神经网络中b p ( b a c kp r o p a g a t i o n ) 算法收敛 速度慢、易于陷入局部极小的缺陷，提出了用蚁群算法训练神经网络的方法，建立了蚁 群神经网络故障诊断模型，运用到传统的专家系统中，使收敛速度和故障诊断的精度都 有所提高。 文献 1 0 以大直径薄壁导管数控弯曲为研究对象，使用解析法建立了回弹解析模 型，分析了各工艺参数对导管弯曲成形中回弹的影响规律。通过分析导管数控弯曲成形 过程，设计了数控弯管工艺数据库。基于该数据库，用户可以查询以往加工记录、模具、 弯管机等信息，方便了数控弯管的工艺参数选取。在此数据库的基础上，通过运用实例 推理方法，得到了一种弯管回弹解决方法，该方法对解析与试验有很好的补充作用。 文献 1 1 】提出工艺数据库中工艺知识发现和重用技术，建立工艺数据库中工艺知识 发现技术体系，提出了基于p m m l ( ( p r o c e s sd a t ae x t r a c t i n gm a r k u pl a n g u a g e ) 的工艺 数据抽取方法、基于聚类的典型工艺实例挖掘技术、基于多准则群决策法的典型工艺实 例评估方法以及工艺知识重用技术，开发了工艺知识发现与重用原型系统，并以某企业 沈阳航空工业学院硕士学位论文 的工艺数据库为数据源进行了应用验证。 1 3 加工工艺知识发现的研究意义 在传统加工工艺系统开发中，工艺知识管理需要耗费大量的人力、物力和财力，己 成为系统开发和应用的瓶颈。在企业中，加工数据分散在各个加工和工艺文件中，有些 加工和工艺数据以经验的形式被工艺人员所有，缺乏有效的归纳整理，工艺数据的重用 性与共享性差，同时员工的流动也会造成数据的流失。针对加工数据的隐含性、不确定 性、多样性及复杂性的特点，本文将搜索算法的思想和研究方法用于加工工艺的知识领 域，通过此方法，实现对加工工艺知识的智能搜索，弥补传统数据库检索系统中的不足， 提高加工工艺的使用效率。同时，加工工艺知识的智能搜索也是知识工程中的前沿课题。 本课题的探讨和研究，不仅对知识工程提供了一种有效的方法，也为加工工艺知识提供 了比较广阔的思路12 1 。 因此，研究和开发简单实用的工艺知识库系统对于未来发展具有较重要的意义。 1 4 本文的主要研究内容 本文的主要研究内容如下： 第一章绪论 综述了知识发现和知识获取技术的研究现状，论述了工艺知识获取的必要性和重要 性；论述了应用数据库中知识发现技术在工艺数据库中发现工艺知识的意义。 第二章知识发现的过程 分析知识发现的一般流程，介绍知识表达的基本方法，知识发现中包含的主要关键 技术。知识的表示方法有多种多样，不可能只采用一种表示方法，文中提出了多种表示 方法相结合的方法对知识进行表示，使加工工艺知识的表示更加合理。简要介绍知识发 现的方法中工艺数据挖掘和工艺数据的推理两部分内容。 第三章基于神经网络和蚁群算法的加工工艺知识获取 对基于群体智能的聚类算法进行了研究，将神经网络和蚁群算法相结合，建立一种 基于蚁群神经网络的知识库的知识获取方法，为加工工艺知识库的开发提供新的途径。 第四章加工工艺中的知识发现的方法 介绍了加工工艺知识发现中包含的主要关键技术：工艺数据预处理技术和工艺数据 沈阳航空工业学院硕士学位论文 搜索技术，并详尽的论述了工艺数据处理中的工艺数据标准化方法和工艺数据挖掘中的 工艺数据发现方法，将人工神经网络结构和蚁群算法相结合的理论具体运用到加工工艺 的知识发现中。 第五章加工工艺知识发现的实现和结果分析 基于w e b 服务技术进行应用与加工工艺知识发现的总体方案设计，针对其中加工 工艺知识的推理过程的实现进行描述，以典型的铣加工为例介绍了加工工艺知识发现的 实现过程。 主要内容与章节之间的关系如图1 1 所示。 图1 - 1 内容与章节之间的关系 1 5 本文的主要创新 1 基于蚁群算法的概率查询策略，提出了概率查询对加工工艺知识的搜索方法。 2 本文独创性地提出了用描绘索引地图的方法。通过运用蚁群算法提取特征值，模 拟社会性昆虫搜索机制，应用概率算法从结构中分析并提取出所需要的序列。 4 一 沈阳航空工业学院硕士学位论文 一 第2 章知识发现的过程 数据库中的知识发现( k n o w l e d g ed i s c o v e r yi nd a t a b a s e ，k d d ) 是从大量数据中辨识 出有效可用的知识 13 1 ，具体的知识发现的过程如图2 1 所示。 ( 1 ) 数据选择：根据用户的需求从数据库中提取k d d 相关的数据。k d d 主要从这 些数据中提取知识。在此过程中，- j - 以利用一些数据库操作对数据进行处理，形成真实 的数据库。 ( 2 ) 数据预处理：主要是对( 1 ) 产生的数据进行再加工，检查数据的完整性及数据的 一致性，对其中的噪音数据进行处理。 ( 3 ) 数据变换：即从发掘数据库里选择数据。变换的方法主要是利用聚类分析和判 ( 4 ) 数据挖掘：主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构， 从而有效地组织和检索信息，因此对k d d 的工艺要求会在具体的知识发现过程中采用 不同的知识发现算法。其中算法选择包括选择选取合适的数学模型和参数，并使得知识 发现算法与整个k d d 的评价标准相致。然后，运用选定的知识发现算法，从数据中 提取出用户所需要的知识。这些知识可以用一种特定的方式表示或使用一些常用的表达 方式，产生规则、加工序列等。 ( 5 ) 知识评价：这一过程主要用于对所获得的规则进行价值评价，以决定所得的规 则是否存入基础数据库。主要是通过评价函数来评价。 可以看出，数据挖掘是k d d 中的一个重要步骤，主要是利用某些特定的知识发现 算法，在一定的运算效率内，从数据中发现出相关加工工艺的知识。上述k d d 全过程 的几步步骤可以进一步归纳三个步骤，即数据挖掘预处理( 数据挖掘前的准备工作) 、 数据挖掘、数据挖掘后处理( 数据挖掘后的处理工作) 。 沈阳航空工业学院硕士学位论文 2 1 知识的表示 发现问题描述主要是知识的如何表示，在设计中大量运用的物理定律多采用数学公 式描述，这些公式刻画的是决定事物的参数之间的关系，从数量上反映了事物的规律性。 而对于非结构问题，难以确定影响事物的参量以及它们之间的数量关系，无法用数学模 型描述，则可利用人工神经网络技术来解决。人工神经网络可以在一定范围和程度上揭 示由大量实验数据所反映事物的规律性，因此也是知识的一种描述形式，描述的对象是 样本性知识。就工程设计而言，数学模型、符号模型、人工神经网络是最主要的知识描 述形式。在加工工艺领域中进行求解的问题所需要的知识多种多样，但多可以用符号 模型的形式加以描述，属于符号智能的范畴。比如，“使用复合材料的规则比使用钛合 金的规则优先考虑为好”这原则就是一条与推理方法有关的知识。 我们使用的知识表达方法有四种：一、谓语逻辑；二、产生式规则；三语义网络； 四、面向对象的表示方法。都有一定的适用范围，本文结合这几种方法进行对加工工艺 知识进行表述。 知识表达应该具有以下几个性质： ( 1 ) 具备确切表达有关领域中各种知识的能力； ( 2 ) 能够与高效率的推理功能密切地结合起来，支持系统的控制策略； ( 3 ) 便于实现模块化；方便检测矛盾的知识和冗余的知识；便于知识更新；便于 知识库的维护。 ( 4 ) 易于理解：使知识的表示结构具有透明性，便于对知识的输入、检测错误以 及解释功能的实现。 2 1 1 谓语逻辑 逻辑表示方法是一种以陈述性为主的知识表达方法。谓语是表示思维对象的性质或 多个对象间的关系词，通常以大写字母p 、q 、r 等或大写字母串表示。同样，谓词表 示的是个体域( 论域) 到真、假值的映射，有n 个个体词的谓词叫n 元谓词。谓词逻辑 中表示关系的基本单位是原子公式。通常把p ( 五，x 2 ，吒) 叫做原子谓词公式( 原子公 式) ，这里p 为n 元谓词。可见原子公式是由谓词和项组成的，其中项可以是常量、变 量或者函数，例如，“车床上的车刀”可以用公式表示为 o n ( 车刀，车床) 一6 沈阳航空工业学院硕士学位论文 2 1 知识的表示 发现问题描述主要是知识的如何表示，在设计中大量运用的物理定律多采用数学公 式描述，这些公式刻画的是决定事物的参数之间的关系，从数量上反映了事物的规律性。 而对于非结构问题，难以确定影响事物的参量以及它们之间的数量关系，无法用数学模 型描述，则可利用人工神经网络技术来解决。人工神经网络可以在一定范围和程度上揭 示由大量实验数据所反映事物的规律性，因此也是知识的一种描述形式，描述的对象是 样本性知识。就工程设计而言，数学模型、符号模型、人工神经网络是最主要的知识描 述形式。在加工工艺领域中进行求解的问题所需要的知识多种多样，但多可以用符号 模型的形式加以描述，属于符号智能的范畴。比如，“使用复合材料的规则比使用钛合 金的规则优先考虑为好”这原则就是一条与推理方法有关的知识。 我们使用的知识表达方法有四种：一、谓语逻辑；二、产生式规则；三语义网络； 四、面向对象的表示方法。都有一定的适用范围，本文结合这几种方法进行对加工工艺 知识进行表述。 知识表达应该具有以下几个性质： ( 1 ) 具备确切表达有关领域中各种知识的能力； ( 2 ) 能够与高效率的推理功能密切地结合起来，支持系统的控制策略； ( 3 ) 便于实现模块化；方便检测矛盾的知识和冗余的知识；便于知识更新；便于 知识库的维护。 ( 4 ) 易于理解：使知识的表示结构具有透明性，便于对知识的输入、检测错误以 及解释功能的实现。 2 1 1 谓语逻辑 逻辑表示方法是一种以陈述性为主的知识表达方法。谓语是表示思维对象的性质或 多个对象间的关系词，通常以大写字母p 、q 、r 等或大写字母串表示。同样，谓词表 示的是个体域( 论域) 到真、假值的映射，有n 个个体词的谓词叫n 元谓词。谓词逻辑 中表示关系的基本单位是原子公式。通常把p ( 五，x 2 ，吒) 叫做原子谓词公式( 原子公 式) ，这里p 为n 元谓词。可见原子公式是由谓词和项组成的，其中项可以是常量、变 量或者函数，例如，“车床上的车刀”可以用公式表示为 o n ( 车刀，车床) 一6 沈阳航空工业学院硕士学位论文 2 1 知识的表示 发现问题描述主要是知识的如何表示，在设计中大量运用的物理定律多采用数学公 式描述，这些公式刻画的是决定事物的参数之间的关系，从数量上反映了事物的规律性。 而对于非结构问题，难以确定影响事物的参量以及它们之间的数量关系，无法用数学模 型描述，则可利用人工神经网络技术来解决。人工神经网络可以在一定范围和程度上揭 示由大量实验数据所反映事物的规律性，因此也是知识的一种描述形式，描述的对象是 样本性知识。就工程设计而言，数学模型、符号模型、人工神经网络是最主要的知识描 述形式。在加工工艺领域中进行求解的问题所需要的知识多种多样，但多可以用符号 模型的形式加以描述，属于符号智能的范畴。比如，“使用复合材料的规则比使用钛合 金的规则优先考虑为好”这原则就是一条与推理方法有关的知识。 我们使用的知识表达方法有四种：一、谓语逻辑；二、产生式规则；三语义网络； 四、面向对象的表示方法。都有一定的适用范围，本文结合这几种方法进行对加工工艺 知识进行表述。 知识表达应该具有以下几个性质： ( 1 ) 具备确切表达有关领域中各种知识的能力； ( 2 ) 能够与高效率的推理功能密切地结合起来，支持系统的控制策略； ( 3 ) 便于实现模块化；方便检测矛盾的知识和冗余的知识；便于知识更新；便于 知识库的维护。 ( 4 ) 易于理解：使知识的表示结构具有透明性，便于对知识的输入、检测错误以 及解释功能的实现。 2 1 1 谓语逻辑 逻辑表示方法是一种以陈述性为主的知识表达方法。谓语是表示思维对象的性质或 多个对象间的关系词，通常以大写字母p 、q 、r 等或大写字母串表示。同样，谓词表 示的是个体域( 论域) 到真、假值的映射，有n 个个体词的谓词叫n 元谓词。谓词逻辑 中表示关系的基本单位是原子公式。通常把p ( 五，x 2 ，吒) 叫做原子谓词公式( 原子公 式) ，这里p 为n 元谓词。可见原子公式是由谓词和项组成的，其中项可以是常量、变 量或者函数，例如，“车床上的车刀”可以用公式表示为 o n ( 车刀，车床) 一6 沈阳航空工业学院硕士学位论文 其中，“车刀”和“车床”均为常量，表示个体；o n 是谓词，表示。车刀，和“车 床 之间的关系。 为了表达更为复杂的知识，需要用连接词将多个公式组合成为复合谓语公式： ( 1 ) 连接词“a ”表示合取。paq 表示p 与q 的合取，当合取项p 与q 均为真 时，paq 取值为t ，否则取值为f 。 ( 2 ) 连接词“v ”表示析取，p vq 表示p 与q 的析取，当合取项p 与q 至少有 一项为真时，p a q 取值为t ，否则取值为f 。 ( 3 ) 连接词“- 1 ”表示否定。则、p 为p 的否定。当p 为真时，、p 取值为f ；当 p 为假时，、p 取值为t 。 ( 4 ) 连接词“j ”表示蕴涵。则p q 表示“如果p ，那么q 取值如表2 1 所 示。 表2 - 1 蕴涵的真值表 如果公式p ( x ) 对于变量x 所有可能的取值都具有值t ，这个特性可由在p ( x ) 前面加 上全称量词觇来表示；如果变量x 至少有一个取值可使p ( x ) 具有值t ，这个特性可由在 p ( x ) 前面加上存在量词孔来表示。例如命题“有的高速合金钢是硬质合金”可以表示 为 ( 3 x ) ( s t e e l ( x ) - - - a l l o y ( x ) 而“所有合金钢都需要淬火”可以表示为 ( v x ) a l l o y ( x ) - - - n e e d e d ( x ，q u e n c h ) 】 这里x 是经过量化的变量，称为约束变量，否则称为自由变量。若只允许限定量词 对变量起量化作用。 2 1 2 产生式规则 产生式适合于表达因果关系，每一条产生式对应一条规则，最基本的形式： 沈阳航空工业学院硕士学位论文 i fpt h e nq 其中p 称为前提条件或者前件，q 称为结论或者称后件。产生式的含义是：如果前 提条件p 满足，则可推出q 成立或执行q 操作。 通常前提是若干项的逻辑积： i fp l a n d p 2a n d p 3o r t h e nq 1 ，q 2 ，q 3 ，q m 产生式系统的形式描述语义： ：= ( ，) ：= ( ，) 】 ：= 空i ， ：= i ：= 空l ， ：= 卜 ：= ， 产生式系统主要包括三个基本部分1 5 】：数据库、规则库以及推理控制系统。其结构 如图2 2 图2 1 2 产生式系统的结构 由规则表示知识结构的知识库称为规则库，规则库是产生式系统中的核心部分，用 于存放有关l 口- j 题领域的一般性知识。每条产生式都有一个编号，系统通过编号使用相应 的规则。例如： i f 端面加工a n d 端面要求粗加工 a n d 端面要求精加工a n d 沈阳航空工业学院硕士学位论文 一- _ _ - - - 一 端面的直径 1 0a n d t h e n 加工方法为车 迸给量1 0 0 切削速度2 0 循环次数3 从上面的例子可看出，该规则库中存放的规则针对具体领域，但不针对特定任务环 境。规则库没用包含某台机床具体的设备参数以及如何使用这些规则进行推理的知识。 规则库的表示方式比较灵活，可以采取易于人们理解的x m l ( e x t e n s i b l em a r k u p l a n g u a g e ) 脚本方式。在构造规则库中我们注意了以下两个方面的问题： ( 1 ) 条件部分和结论部分的表示方式与动态数据库中的事实形式尽可能一致，便 于条件与事实的检索匹配和修改动态数据库中的事实。 ( 2 ) 在能够很好地表达清楚意思的前提下，尽可能使规则表达简洁，便于规则的 处理。 大量产生式规则可以构成一个知识库的规则库，求解问题是将输入与各规则的前提 对比，逐步进行推论。这种方法的优点是与人的思维方式接近，人们易于理解其内容， 便于知识获取；规则具有独立性，易于修改、扩充。但是缺点是对复杂问题的求解效率 低【16 1 。 2 1 3 语义网络表示 语义网络最初是由j r q u i l i a n 在1 9 6 8 年在他的博士论文中作为联想记忆的一种显 示心理模型提出来的。通常可以使用逻辑或产生式的方法来表示具有因果关系形式的知 识，但这些表示手段在描述某个事物与其他事物或属类之间的关联、类属关系时显得不 是很方便，语义网络可以用来表达复杂的概念、事物以及其语义关系。 一个简单的语义网络是以下有向图表示的三元组( 结点1 ，弧，结点2 ) 连接而成： ( 钻床，加工，t l ) 其中钻床和孔用于表示事物、事件、概念和势态。加工用于表示这两者之间的联系。 在加工中可以有标注和说明，用于表明钻床和孔之间联系的具体信息。其中钻床和孔都 是类，这个语义指明了两者之间的类属关系。 对于产生式r ：i fpt h e no ，则可以表示为如图2 3 所示的形式。其中，产生 沈阳航空工业学院硕士学位论文 式r 的条件和结论分别转换为语义网络中的两个结点，而“加工r ”则代表两者之间的 推理关系。需要指出的是，语义网络与谓词逻辑及产生式具有同样的表达能力，使用语 义网络可以表示“与”、“或”、“非”以及“蕴含”关系。 p 卜一q 图2 _ 3 语义网络表示产生式 在使用语义网络表示知识时，结点可以划分为实例结点和类结点两种类型，结点问 可以表示结点之间的联系。在表达事实性知识和事实之间联系的知识时，我们采用统一 的形式。语义网络可以作为一种知识的单位，存储大量的语义来体现加工工艺语句之间 的关系。语义网络是对知识的有向图表示方法，有以下几种方法表示。 ( 1 ) i s a 用于表示实例类属关系。其特点是具体层结点可以继承抽象层结点 厂 r 属于厂 的属性。例如，1 竺堡卜竺堡l 广i s 厂 ( 2 ) i s 类型用于表示某一结点是另一个结点的属性。例如，l 竺卜_ 一皇里i ( 3 ) a k o 类型表示a k i d o f ，用于表示具体类抽象类关系。i s a 将某个具 体实例与一个一般类联系起来，而a k o 则将类与类联系起来。具有继承性，如果一个 类别属于某个广泛的概念，那么它也应当属于某个更广泛的概念。 例如，“铣床是一种机床，机床是一种加工工具”可以表示 广a k o 广a k 0 广 l 竺堡卜叫! ! 童卜叫竺三三兰i 的形式。这里，铣床是一种具体类属，而机床是 更高层次的抽象，加工工具则是机床的抽象。根据继承的原则，铣床也应当属于加工工 具。 ( 4 ) p a r t - o f 类型。表示部分与整体之间的关系。通常将高层次的概念分解为若 干低层次概念的集合。不但有i s a 和a k o 类型不同，p a r t - o f 类型不具有继承的性质， 低层次的概念和高层次的概念可以具有完全不同的属性和行为。例如， 霞蛩竺至f 攀匣。 2 1 4 面向对象的表示方法 面向对象的表示方法是2 0 世纪8 0 年代发展起来的一种方法，它不仅用于程序设计、 沈阳航空工业学院硕士学位论文 知识表达，而且逐渐形成了一种认识事物、分析事物的方法。面向对象的知识表达方法 是将多种单一的知识表达( 规则、框架和过程) 按照面向对象的程序设计原则组成一种 混合知识表达形式。 面向对象的表示方法中有六个最基本的概念：对象、类、继承、封装、消息和多态 性。世界上的各种事物都可以看作对象，复杂的对象可以由简单的对象以某种方式组成， 主要介绍以下几个基本面向对象的表示方法。 ( 1 ) 对象 对象具有各种属性。它将一组操作或过程封装在一起得到的一个实体。它统一了知 识以及处理过程，总是作为一个整体使用。对象既包括数据( 属性) ，也包括作用与数 据的操作( 行为) 。所以一个对象把属性和行为封装成一个整体。 ( 2 ) 类 类是具有相同结构、属性和功能的实体所构成的集合。各种对象中包含某些具有相 同特征的部分( 比如相同的数据和操作) ，为了避免数据和操作的重复描述和存储，就 将共同部分提取出来构成一个类，而对象是类的实例化。机械加工中，往往涉及零部件 的几何结构、装配关系、材料性能、参数计算及决策评价等诸多方面不仅要包括经验， 还包括对零件的结构特征、功能特征、行为特征等内在性质的认识程度，以及许多确定 各参数的计算原理和公式。 ( 3 ) 封装 封装就是将抽象得到的数据和行为( 或功能) 相结合，形成一个有机的整体，也就 是将数据与操作数据的源代码进行有机的结合，形成“类”，其中数据和函数都是类的 成员。封装时一种信息隐蔽技术，它使对象的设计者与对象的使用者分开。 ( 4 ) 多态性 相同的函数调用为不同的对象所接受时，可导致完全不同的行为，这种现象称为多 态性。利用多态性，程序中只需进行一般形式的函数调用，函数的实现细节留给接受函 数调用的对象。 面向对象方法的构造能够比较自然的反映人们思考问题的方式。使求解空间在结构 上尽可能的与问题空间保持一致。 表达对象行为特征的处理知识的方法有两种：一是规则，二是过程。 沈阳航空工业学院硕士学位论文 产生式规则集主要用于表达启发性知识，包括确定性知识与模糊性知识。方法和知 识都以槽值的形式存在于对象之中，它们都可以被对象的子类所继承。对象的行为和处 理知识分为两类：一类是具有良好的数学模型和过程性，需要复杂的计算与过程控制。 易于用描述性语言来表达的，可选用方法来表达；一类是基于经验、启发性的，没有很 好的数学模型表达的动态程序设计知识，其中包括确定性知识和模糊性知识，有产生式 规则进行编码。所有关于对象数据的处理知识都必须在对象以内的方法和规则中表达。 方法和规则作为行为表达及处理方法的知识表达方式，将对象的静态特性和动态特性作 为一个有机整体表达。每个对象都可以作为基本的知识模块，可以独立用于知识库的不 同部分。 1 规则知识表达 类似于产生式规则，面向对象的知识库中单条规则主体由i f t h e n 两个部分组 成。规则的表示形式为： 规则：= ：= 例如，i f工艺流程表通过 a n d主管部门签字t h e n 送入加工车间 a n d 归档 可以用面向对象的方法表示为： 对象r u l e 0 1f 规则标号：0 1 ； 规则名：工艺流程表报签； 规则说明 i f ：工艺流程表通过a n d主管部门签字； t h e n ：送入加工车间a n d 归档 ) 2 过程知识表达 过程性知识可分为顺序、循环和判断三种执行形式，所以在说明过程中的步骤时不 但需要说明顺序执行的步骤，还需要能够表达循环和判断。 过程：= 沈阳航空工业学院硕士学位论文 ：= ， 例如，对于铣加工这个过程，可以将其用面向对象的方法表示为： 对象p r o c e d u r e 01f 过程标号：0 1 ； 过程名：铣加工工艺流程； 过程说明 s t e p 1 = s t e p 01 ；粗铣 s t e p 2 】= s t e p 0 2 ；半精铣 s t e p 3 】= s t e p 0 3 ；精铣 ， 序列发现是一种常见的数据形式，是按照某种逻辑排列起来的项集组成的序列【1 7 。 2 2 知识发现的方法 知识的组织决定了知识库的结构。在数据库基础上实现知识发现系统，通过运用统 计学、粗糙集和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识， 从而实现知识的自动获取。从数据库获取知识，即从数据中挖掘并发现知识。 知识获取方法可以分为3 类：手工、半自动和自动。自动知识获取属于机器学习的 范畴。手工和半自动知识获取一般包括直接方法、知识工程语言和知识获取工具等。其 中，直接方法主要用于知识获取概念化阶段。采用知识工程语言和知识获取工具可以部 分解决此问题，它们一般用于知识获取的形式化阶段，通过知识获取工具可以进一步优 化知识。本文主要针对工艺数据挖掘和工艺数据的推理问题进行研究。 2 2 1 工艺数据挖掘分类 数据挖掘可以这样理解：数据挖掘是从数据中提取模式的过程。它反复运用多种数 据挖掘算法从数据中提取有用的知识。根据工艺设计领域的要求，确定发现的知识类型。 对于不同要求会在具体的知识发现过程中采用不同的知识发现算法。在工艺设计领域的 知识获取中应用数据挖掘技术主要集中在以下几个方面： 分类( c l a s s i f i c a t i o n ) ；聚类( c l u s t e r i n g ) ；相关规则( a s s o c i a t i o nr u l e ) ；特征化 ( c h a r a c t e r i z a t i o n ) 等。 沈阳航空工业学院硕士学位论文 ：= ， 例如，对于铣加工这个过程，可以将其用面向对象的方法表示为： 对象p r o c e d u r e 01f 过程标号：0 1 ； 过程名：铣加工工艺流程； 过程说明 s t e p 1 = s t e p 01 ；粗铣 s t e p 2 】= s t e p 0 2 ；半精铣 s t e p 3 】= s t e p 0 3 ；精铣 ， 序列发现是一种常见的数据形式，是按照某种逻辑排列起来的项集组成的序列【1 7 。 2 2 知识发现的方法 知识的组织决定了知识库的结构。在数据库基础上实现知识发现系统，通过运用统 计学、粗糙集和专家系统等多种学习手段和方法，从大量的数据中提炼出抽象的知识， 从而实现知识的自动获取。从数据库获取知识，即从数据中挖掘并发现知识。 知识获取方法可以分为3 类：手工、半自动和自动。自动知识获取属于机器学习的 范畴。手工和半自动知识获取一般包括直接方法、知识工程语言和知识获取工具等。其 中，直接方法主要用于知识获取概念化阶段。采用知识工程语言和知识获取工具可以部 分解决此问题，它们一般用于知识获取的形式化阶段，通过知识获取工具可以进一步优 化知识。本文主要针对工艺数据挖掘和工艺数据的推理问题进行研究。 2 2 1 工艺数据挖掘分类 数据挖掘可以这样理解：数据挖掘是从数据中提取模式的过程。它反复运用多种数 据挖掘算法从数据中提取有用的知识。根据工艺设计领域的要求，确定发现的知识类型。 对于不同要求会在具体的知识发现过程中采用不同的知识发现算法。在工艺设计领域的 知识获取中应用数据挖掘技术主要集中在以下几个方面： 分类( c l a s s i f i c a t i o n ) ；聚类( c l u s t e r i n g ) ；相关规则( a s s o c i a t i o nr u l e ) ；特征化 ( c h a r a c t e r i z a t i o n ) 等。 沈阳航空工业学院硕士学位论文 ( 1 ) 分类：分类就是找出数据库中一组对象的共同特点并按照分类模式将其划分为不 同的类。例如，在加工工艺中，对毛坯零件按照加工精度划分成不同的类，这样可以将 要求的标准细化，从而大大提高搜索精度要求。 ( 2 ) 聚类：根据所处理的数据的一些属性，对这些数据聚类成几类，这种分类是基于 当前所处理的数据，聚类常被用来对保证算法得到更有效的分类结果。 ( 3 ) 相关规则：所谓的相关规则就是描述数据库中数据项( 属性、变量) 之间所存在 的( 潜在的) 关系规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中 也出现。按照知识分类可分为关联规则、分类规则、聚类规则、特征规则、时序规则等。 例如，从加工数据库中可能推出一条规则：“如果粗铣平面，那么也得精铣此平面。” ( 4 ) 特征化：从与学习任务相关的一组数据中提取出关于这些数据的特征式，