（机械制造及其自动化专业论文）定性推理在概念设计中的应用.pdf

摘要 概念设计作为产品创新的一个重要环节，受到了越来越多的关注。概念设计 作为产品设计整个生命周期的初始阶段，在这个阶段我们所获得关于系统结构的 信息是不精确的、不完全的、定性的一些信息，此时我们无法甚至有时候也不需 要建立定量的系统模型，因此就不能要用传统的定量方法去分析，而定性推理却 能根据这些模糊的信息推出对设计有用的信息，因此将定性推理用在概念设计上 有着重要的意义。 本文从抽象的角度对产品的概念设计过程进行了进一步的认识，强调了定性 推理在概念设计中应用的重要性。在研究了定性推理常甩方法的基础上，着重介 绍了基于s d g 的定性推理方法，它是定性推理的一个重要分支，是一种重要的定 性推理方法。本文在总结有关s d g 故障诊断研究的基础上，将基于s d g 的定性 推理方法引入概念设计领域，对基于s d g 的定性推理方法进行了系统的研究，详 细研究了s d g 定性模型的建立过程以及基于此模型的推理过程，采用基于经验知 识为主，以基于数学模型的方法为辅来建立了相应的s d g 模型，利用s d g 的相 容通路，推导出推理规则，从而进行约束传播。通过设计相应的知识表示方法， 构造了约束传播和反向推理正向演算算法，结合相应的规则从而实现推理。最后 结合平面四杆机构这个问题，采用基于数学模型和基于经验知识相结合的方法建 立了相应的s d g 模型的以及对反向推理正向演算的过程进行了深入的研究。 关键词：定性推理符号有向图概念设计约束传播 a b s t r a c t c o n c e p t u a ld e s i g ni sc o n s i d e r e da sa l li m p o r t a n tp a r to fp r o d u c ti n n o v a t i o na n dh a s b e e nm o r ea n dm o r ea t t e n t i o n c o n c e p t u a ld e s i g ni sa ti n i t i a ls t a g et h r o u g h o u tt h el i f e o fp r o d u c td e s i g n a tt h i ss t a g e ，s o m ei n f o r m a t i o nw h i c hw eh a v eo b t a i n e da b o u tt h e s 仃u c t u r eo ft h es y s t e mi si n a c c u r a t e ，i n c o m p l e t ea n dq u a l i t a t i v e a n dt h ei n f o r m a t i o n c a n n o tb et r a n s l a t e di n t oq u a n t i t a t i v ei n f o r m a t i o na tt h i st i m e t h e nw ec a n n o to re v e n d on o tn e e de s t a b l i s hq u a n t i t a t i v es y s t e mm o d e l t h e n c e ，i ti sn o ta n a l y z e da n ds o l v e d b yn u m e r i c a lm e t h o d s s o m eb e h a v i o r sw h i c hm e e th u m a nt h i n k i n gh a b i tc a nb e e f f i c i e n t l yi n t r o d u c e db yq u a l i t a t i v er e a s o n i n ga c c o r d i n gt ot h i sv a g u ei n f o r m a t i o n , s o i ti sa ni m p o r t a n ts i g n i f i c a n c et oa p p l yq u a l i t a t i v et ot h ec o n c e p t u a ld e s i g n t h ep r o c e s so ft h ec o n c e p t u a ld e s i g no ft h ep r o d u c ti sf u r t h e ru n d e r s t o o df r o mt h e a b s t r a c tp o i i l to fv i e wi nt h i sa r t i c l e t h ei m p o r t a n c eo fw h i c hq u a l i t a t i v er e a s o n i n gi s a p p l i e di nt h ec o n c e p t u a ld e s i g ni se m p h a s i z e d h a v i n gr e s e a r c h e dt h ec o m m o n l yu s e d m e t h o do fq u a l i t a t i v er e a s o n i n g ，q u a l i t a t i v er e a s o n i n gb a s e do ns d gi se m p h a t i c a l l y i n t r o d u c e d i ti sa ni m p o r t a n tb r a n c ho fq u a l i t a t i v er e a s o n i n ga n da l li m p o r t a n tm e t h o d o fq u a l i t a t i v er e a s o n i n g o nt h eb a s i so fs u m m a r i z i n gt h el i t e r a t u r e so ff a u l td i a g n o s i s b a s e do ns d g m e t h o d ，q u a l i t a t i v er e a s o n i n gb a s e do ns d gi sp r e s e n t e dt oa p p l yi nt h e a r e ao fc o n c e p t u a ld e s i g n q u a l i t a t i v er e a s o n i n gb a s e do ns d gi s s y s t e m a t i c a l l y s t u d i e d t h ec h a r a c t e ro fs d gm o d e l ，t h ep r o c e s so ft h ee s t a b l i s h m e n to ft h e q u a l i t a t i v em o d e la n dr e a s o n i n gb a s e do nt h i sm o d e la r ed e t a i l e d t h ep r o c e s so ft h e e s t a b l i s h m e n to ft h eq u a l i t a t i v em o d e li st a l k e da b o u tt a k i n gc e r t a i nt y p eo ft u t o r i n g s y s t e mf o re x a m p l eu s i n gt h et h o u g h to fq u a l i t a t i v er e a s o n i n gi nv i e wo fs d g t h e c o r r e s p o n d i n gs d gm o d e li s s e tu pa d o p t i n gt h em e t h o dd u et ot h ee x p e r i e n c e d k n o w l e d g e d e r i v ei n f e r e n c er u l e su s i n gs d gc o m p a t i b l ep a t h w a ya n dc a r r yo nt h e c o n s t r a i n tp r o p a g a t i o n d e s i g nt h ea p p r o p r i a t ek n o w l e d g er e p r e s e n t a t i o na n dc o n s t r u c t t h e a l g o r i t h mo fc o n s t r a i n tp r o p a g a t i o n a n db a c k w a r d r e a s o n i n g a n df o r w a r d v e r i f i c a t i o ni no r d e rt oa c h i e v er e a s o n i n g a tl a s t ，t a k i n gt h ef o u r - b a rl i n k a g ea sa n o b j e c to ft h es t u d y , e s t a b l i s ht h ec o r r e s p o n d i n gs d gm o d e la p p l y i n gt h ei n t e g r a t e d m e a n sb a s e do nt h ee m p i r i c a lk n o w l e d g ea n dm a t h e m a t i c a lm o d e l sa n dt h ep r o c e s so f b a c k w a r dr e a s o n i n ga n df o r w a r dv e r i f i c a t i o ni sd i s c u s s e di n - d e p t h k e y w o r d s ：q u a f i t a t i v er e a s o n i n g s d g c o n c e p t u a ld e s i g n c o n s t r a i n tp r o p a g a t i o n 第一章绪论 第一章绪论 1 1 定性推理在概念设计中应用的研究意义 产品设计的关键是概念设计。概念设计是产品开发过程中最重要的环节之一， 这是因为概念设计决定了产品的基本特征和主要框架，在概念设计完成后，设计 的大多数方面己被决定，而后续的过程只是为了保证概念设计的结果更具体化地 实现用户的需求。但是目前概念设计还没有一个较为统一的设计方法，理论还不 是很成熟。因此，深入研究产品开发的过程和特点，寻求一种具有一定创新能力 的智能化概念设计方法成为产品开发的主要研究课题。 概念设计是产品设计中的比较重要的阶段。对于概念设计的本质、特点及它 的实现是当前智能c a d 中研究的关键技术。计算机辅助概念设计就是利用计算 机辅助或部分代替设计师从事整个设计过程，利用计算机模拟或者重现设计师的 创造性的设计过程。对于这种智能系统来说，它处理的对象范围比较广，可以处 理各种各样的数据或者是信息，更重要的是能处理各种知识，从而使系统具有一 定的思维和推理能力【l j 。 然而，概念设计时期所给出的信息通常是不完全、不精确的、模糊的。采用 传统的数值分析工具对系统构造精确的定量模型是十分困难有时候甚至是不可能 的。而且很多时候，我们并不需要对所要解决的问题建立精确的数学模型，只需 依靠对所研究问题中所蕴含的原理的理解，进行定性地分析即可得到我们想要的 结果。这种对问题的原理性理解的基础就是应用定性知识，这种定性知识在实际 解决问题中往往是十分有用的。同时，一般情况下在概念设计阶段不需要得到且 也不可能得到详细的设计细节，只需给出系统的大概描述。在这个过程中人们常 常只对有关系统本质的定性知识感兴趣，庞杂繁冗的精确的定量知识一般是没有 必要的。而且概念设计是一个设计分析再设计的螺旋式的过程，大量的重复设计 是不可避免的，而利用设计初始阶段的知识对系统定性建模，定性地给出系统的 行为预测及大概的设计方向，可以有效地减少重复设计过程，提高效率，减小设 计代价，降低设计的成本。 在概念设计早期，在没有精确信息或信心不足的情况下，使用定性推理 ( q u a l i t a t i v er e a s o n i n g ) 可以提高效率、减少设计复杂性。 首先，定性推理【2 】是使用定性信息，对系统结构、行为和功能进行描述，并 研究它们之间的关系和因果性并推出定性解释，以模仿人类定性常识推理的一种 推理方法。其主要思路是：忽略所描述问题的次要的或繁冗的因素，忽略问题中 有可能出现的非精确性和不完全性，而利用各种规范，准则和掌握其主要因素来 2 定性推理在概念设计中的应用 简化对问题的描述，在此基础上，将描述问题的传统定量方法转化为相应的定性 模型，进行推理并给出定性解释。定性推理可以描述系统结构和行为中的不完备 的和模糊的知识，并对它们进行处理，采用定性推理的方法可以将人们的常识和 专家的知识与系统有效地紧密的结合起来，从而使复杂的系统仿真结果更加精确 和完善【3 】【4 】。 其次，概念设计大多使用的是经验知识( 包括定性知识) 以逻辑模型为基础 的。基于启发式规则的第一代专家系统( e x p e r ts y s t e m ) ，经过3 0 年的研究和发展， 虽然取得了比较大的成功，却存在着一些根本无法弥补的缺陷，如知识获取困难， 系统性能脆弱；系统解释不能描述系统内部的因果关系；不能较好地利用深层知 识和常识【5 】等，另外在专家系统中，根据专家们的经验和判断所建立的知识是一 种“浅层的知识，所谓“浅”是因为它们可以直接从现实世界的观察中总结出 来的；是一种经验性的“如果就 这种类型的知识，因此当外界条件发生变 化遇到新情况或系统知识不完备时，系统往往不能及时做出正确的判断。在基于 规则的方法中，经验知识只是对现象和结论之间的相互关系的一种不完全、比较 模糊的描述，它不能充分体现出两者之间必然的因果联系1 6 。为了克服这些问题， 一种比较有效的方法是开发领域知识的深层模型，这种模型揭示了问题领域的内 部结构和各属性的内在联系。对于基于这种模型进行定性推理，可获得问题领域 的比较较完备的搜索空间。 最后，定性推理是实现深层推理的一种方法，它根据领域内在的深层知识和 常识，定性地描述系统各属性以及它们之间的关系和发生于它们的过程，从而建 立相应的定性模型；根据系统的外部条件和系统的现状，基于定性模型，推测出 系统将出现的状态，同时反应出系统变化的内在因果关系。建立定型模型时，描 述系统结构和参数的取值都是定性的，与定量方法相比，定性方法比较容易给出 领域模型，特别是当知识不完全、不精确时；推理不依赖于人的假设；对同等问 题计算代价比较低，最重要的是定性推理在大多数情形下己能满足深层推理的需 要【刀。 综上所述，由于设计的早期阶段知识的不完备和不确定，概念设计及详细设 计分别需要不同的工具，使得定性推理在产品概念设计中的应用成为必然的趋势。 定性推理是一种对复杂系统采用抽象的方法建立定性模型，然后以推理为核 心对系统进行仿真的方法，它是系统仿真的一个分支，是仿真技术与人工智能理 论交叉产生的新领域。 1 2 1 概念设计的研究现状 1 2 国内外研究现状 第一章绪论3 概念设计作为产品设计过程的一个主要阶段，对它的研究早在2 0 世纪就伴随 着设计理论和方法的研究开始。1 9 9 8 年w y n n e 和k e n e 对当时的机械产品概念设 计研究状况进行综述，指出概念设计的建模与推理问题是两大难题，介绍了相关 的方法和工具，提出未来的发展方向之一是有助于自动化的集成建模方法【s 】。 a l e i x o s 和c o m p a n y 等提出了一个通过从上至下的设计法将概念设计引入c a d 并 使之与产品最终的几何结构设计相结合的方法，并为改善建模质量而提供了面向 产品的建模规范 9 1 。f a r k a s 和m o r n s 等介绍了如何在机械产品概念设计阶段应用 模糊方法进行产品性能的非确定性数值分析【l o 】。q i n 和h a r r i s o n 等提出了一个基 于网络的概念设计原型系统，并对该系统的工作原理做了进一步说明【l 。自2 0 0 0 年以来，被e i 收录的概念设计及相关文章在5 0 0 0 篇以上，研究内容集中在概念 设计功能表达、产品信息建模、设计过程建模等方面。国内开始概念设计研究的 时间晚于国外，目前也产生了大量的学术成果。如邹慧君教授长期从事机械设计 及理论研究，涉及机电一体化系统计算机辅助概念设计过程建模、概念设计中的 智能学习机制等多方面内容，它主要研究了计算机辅助机械产品概念设计的关键 框架，提出了机械产品概念设计应按机械基本特点建立功能求解模型和组成机械 方案i l 引。谢友柏院士在概念设计方面主要侧重于知识的研究应用，如产品性能特 征表达与描述、知识资源的建设和运用等【1 3 1 。檀润华教授、曹东兴教授等工作主 要集中在t r i z 创新理论、公理性设计理论的研究与应用【1 4 j 。孙守迁教授、潘云 鹤院士等主要集中在计算机辅助概念设计系统的研究，提出了基于原型的知识表 示和推理方法、产品概念设计多模型的协同机制等【i5 1 。 根据上述论述可知实现计算机辅助概念设计，其关键技术是产品信息建模和 推理技术 1 6 1 。下面对产品信息建模和推理技术进行简单介绍。 ( 1 ) 产品信息建模 产品信息建模技术【1 7 】是c a d 系统的核心，是有关设计对象的计算机抽象描 述和表达。在概念设计阶段，根据描述产品的信息种类划分，产品信息建模主要 分为功能信息建模和几何信息建模等。在概念设计阶段，实现功能信息建模的重 点是：功能的表达和功能的分解与组合。功能表达是把市场需求和用户要求通过 计算机分析，进行功能抽象和描述，突显出任务核心，这有利于找出较新颖的方 案。由于概念设计阶段所获得的产品信息是残缺的，因此，对机械产品残缺几何 信息如何描述、表达及操作，将是概念设计阶段几何信息建模的关键。 ( 2 ) 推理技术 在概念设计阶段，所谓推理技术是获得产品信息模型，根据相关知识，依据 一个或一些前提、判断，按一定的推理策略得出另外一个或一些判断，最终求得 方案的思维过程，也就是对设计对象进行计算机操作。目前常用于概念设计阶段 的推理技术主要有：基于知识的推理、人工神经网络、基于事例推理、定性推理 4 定性推理在概念设计中的应用 等。 知识推理( k b r ，k n o w l e d g eb a s e dr e a s o n i n g ) 知识库中存放了有关设计的过程知识和产品领域知识，知识推理主要包括归 纳、演绎、约束推理和作单调推理等推理方法，这些推理技术在概念设计中应用 的较早，也较普遍。t o n g 和g r o m o r y 将演绎推理用在小电机装置的设计中，r a o 则将规则归纳推理用到在给定一些参数( 如负载类型、转速和应用场合等) 的情 况下如何选择合适的球轴承。o h 等人用约束图例进行录像带设计的改进，而s m i t h 和b o u l a n g e r 将非单调推理技术用到桥梁的设计中。 事例推理( c b r ，c a s eb a s e dr e a s o n i n g ) 事例推理技术嗍【1 9 1 起源于7 0 年代，是人工智能发展过程中出现的区别于基 于规则推理( r b r ，r u l eb a s e dr e a s o n i n g ) 和基于模型推理( m b r ，m o d e lb a s e d r e a s o n i n g ) 的一种推理模式，它是指利用旧的事例或经验来解决问题。评价解方 案、解释异常情况或理解新情况。c b r 具有如下几个优点：当设计规则难于总结 时，采用事例推理显得更为有效；更符合领域专家的思维习惯：具有自学能力。 正是由于c b r 技术克服了传统推理技术的缺陷，在机械产品概念设计中也得到了 广泛的应用。 人工神经网络( a n n ，a r t i f i c i a ln e u r a ln e t ) 人工神经网络从模拟人脑功能出发，以大量的、简单的处理单元广泛而形成 复杂网络系统，在处理方法上，由于其广泛互连的非线性动力学特性，神经网络 更擅长于联想记忆、形象思维等问题，也更适合于作表象的、浅层的经验推理和 模糊推理等。其次由于具有分布式记忆和并行计算等特点，有益于知识存储的简 化和运行效率的提高，同时神经网络具有自组织、自学习的能力以及良好的容错 性1 2 0 1 。 定性推理 以专家系统为代表的传统知识工程方法，在解决下面问题时显得束手无策： 物理世界中的常识推理；遵循“第一原理 的基于相应模型的推理；反映动态特 性的推理；反应直觉的因果性推理等。定性推理可以通过模仿人类定性常识推理 方法，忽略问题的次要因素以及非精确性和不确定性，利用各种准则和规范，掌 握其主要因素来简化对问题的描述_ t s j ，从而转化为对应的定性模型，利用定性仿 真方法进行推理并给出定性解释。通常情况下试图通过对物理系统的结构、行为 的描述，在定性抽象的层次上研究物理系统的表示和推理方法，从而有效地解决 上述传统知识工程方法解决不了的问题。在概念设计早期，精确数字信息不充足 的情况下，定性推理方法的使用有其必要性。 1 2 2 定性推理的研究现状 第一章绪论 5 定性推理的研究中，美国的学者起步较早。1 9 8 3 年x e r o x 实验室的j o h nd e k l e e r 和s e e l yb r o w n 发表了有关定性仿真的第一篇论文“aq u a l i t a t i v ep h y s i c s b a s e do nc o n f l u e n c e t 2 l 】，产生了巨大反响，揭开了定性仿真研究热潮的序幕。美 国麻省理工学院的k d f o r b u s 则对定性推理理论作了个面的总结【5 1 ：1 9 8 6 年 美国德州大学的b j k u i p e r s 在“q u a l i t a t i v es i m u l a t i o n 一文中提出了动态仿 真算法q s r m1 2 引，使定性仿真近于实用。1 9 8 4 年人工智能杂志第一次出版了有关 于定性问题的专集。此后定性问题的研究成为人工智能和系统建模与仿真领域的 一个热点问题，许多学者加入到这一领域的研究中，产生了大量的成果。1 9 9 1 年， 人工智能杂志出版的有关定性推理的第二本专集是这个领域的第二条分水岭，标 志着该领域研究的逐渐成熟并且开始向应用领域扩展。9 0 年代以来，在i e e e 的 相关杂志上和“人工智能 等国际刊物上常常可以看到定性仿真方面的研究成果。 在“人工智能 的年会上，定性仿真和定性推理多次成为会议的热点问题。自1 9 8 6 年开始的定性推理国际研讨会至今已开了十几次，在国际上引起很大反响。在 i n t e r a c t 上，通过y a h o o 、i n f o s e e k 等工具查询到的“定性仿真”的有关词条达到 近万个。欧洲在定性推理、定性物理和定性建模等方面的专家和学者还在e c 网 络上建立了“基于模型和定性推理系统网络( m o d e lb a s e da n dq u a l i t a t i v e r e a s o n i n gs y s t e m sn e t w o r k ，m o n e t 或者q r n e t ) ，希望依托该网络使欧洲工业 和科研机构的主要研究组能长期共享相关的研究成果、协作开发和研究，方便技 术演示和转换。该网络主页目前己成为被频繁访问的热门站点之一。该领域的研 究可谓方兴未艾【2 3 】【2 4 】。 定性推理的发展是一个漫长的过程，经过二十多年的发展，定性推理理论已 渐趋成熟，并形成了各种流派。首先是b r o w n 和d ek l e e r l 2 5 】提出了一种基于流 ( c o n f l u e n c e ) 的观点，这两位人物可以说是定心推理发展的先驱人物。接下来分别 是k d f o c b u s 的定性过程理论( q p t ) t 2 6 1 、b j k u i p e r s 的定性仿真理论( q s ) 1 2 7 】 以及b c w i l l i a m s 的定性代数理论【2 8 】等。还有一种特别重要的定性推理方法 就是符号有向i 虱( s d g ) t 2 9 1 ，这种方法是s a l a p p 和g j p o w e r 在1 9 7 7 年最 先使用的这种推理方法，虽然这时候并没有提出s d g 这个名词，但是他们却是建 立了s d g 模型，并首次运用s d g 推导出故障树。后来这种方法也逐渐得到广泛 的应用。j e a nu t h o m a s 提出关联i 羽( b o n d g r a p h ) 的概念，进行定性与定量相集成 的建模，并进一步用类比方法进行系统分类与建模【3 0 】。 定性推理自从产生后，在理论上出现了百家争鸣的局面，研究者们根据自己 的见解提出了各自的建模和推理方法。f e c e l l i e r 在1 9 9 1 年提出，定性推理 可以分为三个理论派别，即模糊仿真方法、基于归纳的学习方法、朴素物理学方 法。昭晨曦在2 0 0 4 年将定性推理划分为七个理论派别【2 8 】，定性推理当前理论派 别如表1 1 所示。 6 定性推理在概念设计中的应用 表1 1 定性推理当前理论派别 理论派别 理论、方法及代表人物 模糊仿真方法 q i a n gs h e n 和r o yl e i t c h 提出模糊仿真方法 g e o r g ej k l i r 提出的g s p s 技术，f e c e l l i e r 与 归纳推理法d w y a n d e l l 合作研制出s a p s ，将g s p s 技术应用到 定性仿真 b r o w n 和d ek l e e r 提出了一种基于流( c o n f l u e n c e ) 的观点， 并建立e n v i s i o n 系统 k d f o r b u s 提出的定性过程理论( q p t ) 非因果关系的推理算法b j k u i p e r s 提出基于定性微分方程的定性仿真理论 ( q s ) ，并给出q s 蹦算法 b c w l l i a m s 的定性代数理 基于因果关系的推理算法 b e a u mo n t - f e r a y 和l e y v a ll 提出有向图的定性传递函数 理论q t f 基于图表的推理方法 基于数据的结构化建模方法 基于定性空间的推理方法 定性推理在国外的研究处于领先地位，成果较多。1 9 8 6 年开始的定性推理的 国际研讨会到2 0 0 5 年5 月已经召开了1 9 次会议，在国际上引起很大反响，对于 定性仿真、推理理论的推广起了很大的推动作用。定性推理1 3 l 】在国内开展研究较 晚，它是近几十年新发展起来的一门人工智能技术，起初由于国内计算机的发展 状况一时还不能给予该项目研究有力的支持，因而发展较为缓慢。进入九十年代， 定性推理方法的研究才有了一点可喜的成绩。随着它不断发展，它在很多领域也 发挥着越来越大的作用。目前许多学者都将目光投向这一领域，取得了很多成果 2 1 ，形成了许多相对成熟的理论体系，围绕这些理论体系也出现了许多应用。目 前取得成绩比较明显的领域主要有：工程和工业过程，电子电路分析和故障诊断， 医药和医疗诊断，社会经济领域。经过很多专家和学者的不懈努力，定性推理在 产品设计领域也有有效运用的实例，在产品设计领域，定性推理可以定性预测系 统某些局部发生变化而引起的系统行为的变化，能给出系统的行为预测及大致的 设计方向，对于那些不满足设计要求的部分，它能给出方向性的改进意见。它的 一个显著的特点是能够处理不完备、不精确的系统知识。将定性推理引入概念设 计领域可以达到有效地减少重复设计过程，提高设计效率，减少设计的代价的目 的。浙江大学工业控制研究所研制的通用系统仿真工具g s s t ，运用了定性和定 量相结合的方法来对系统进行研究。另外，清华大学计算机科学与技术系得到中 国船舶总公司基金资助，自1 9 9 2 年起对定性推理行了研究。北京般天航空大学控 制工程系也在做这方面的研究【3 2 】【3 3 】。邵晨曦 3 4 1 探讨了机械装置的定性空间推理， 通过有机地推理机械部件信息，得到复杂机械部件综合定性描述。定性空间推理 为设计概念型机械装置时的机械空间配置提供了先进的信息，使得计算机能够通 第一章绪论 7 过定性空间进行推理，初步判断人类对某个机械装置设计的概念思路是否合理。 单鸿波等【3 5 】利用空间定性推理方法，以包含运动、能量、控制、关联和综合五种 类型基本功能集的用户需求用功能矩阵来表达，实现从用户需求功能到设计需求 功能的变换，并通过一个实例贯串在各个部分来验证方法的可行性。e d i s o n 3 6 】 工程从功能知识和定性推理入手，构筑用于机构设计的发明系统，同样l i 等【3 刀 人将定性推理和启发规则结合用于机构的概念设计。但总的来说，国内定性推理 在概念设计中的应用还是比较少。因此研究定性推理在概念设计中的应用有着重 要的意义。 1 3 本文的主要工作和组织结构 本文针对定性推理在概念设计中的运用进行了详细的理论研究，总结了现有 的理论和技术，探讨了定型推理的方法及过程，并在此基础上，结合平面四连杆 机构的设计问题进行了定性推理技术在概念设计中的应用，并说明了其实用性。 本文所作的主要工作如下： 1 查阅了大量资料，研究定性推理的基本理沦，总结了定性推理研究目的和 采用的方法。在许多实际工作中，人们更多的是依靠对系统的原理性的理解去解 决问题，而这种理解的基础就是定性知识，本文所研究的也是基于这些知识的推 理。 2 介绍了定性推理的基本方法，详细介绍基于s d g 的定性推理方法。探讨了 概念设计的涵义和特点，说明了设计过程是综合运用经验知识、定性知识和定量 知识的过程。从抽象概念的角度对产品设计过程进行了进一步的认识，指出了定 性推理在概念设计中应用的必要性。 3 详细阐述了基于s d g 建模方法，研究了定性模型的建立过程以及基于此模 型的推理过程，并根据概念设计中比较关心的两类问题( 一类是系统中某些局部 的变化对其余部分的影响，另一类是当某些设计不符合要求时查找到影响它的因 素并给出相应的意见) ，给出了相应的处理思路。利用s d g 定性推理的思想以智 能辅导系统为例对s d g 定性模型建立过程进行了较为深入的分析，将s d g 模型 转化为相应的规则从而进行约束传播。建立了相应的知识表示方法，设计了约束 传播和反向推理正向演算算法，并结合相应的规则实现推理。 4 以平面四杆机构设计问题为例分析了基于定性推理的辅助概念设计的过 程。结合s d g 定性推理思想构建系统的定性模型( 即符号有向图) ，并用反向推 理算法对四杆机构的位移定性分析过程进行了研究，针对四杆机构问题，给出了 相应的验证算法。 定性推理在概念设计中的应用 论文的主要结构如下： 第一章绪论。介绍课题研究的意义、国内外相关技术的研究动态以及本论文 所做的工作。 第二章定性推理与概念设计。介绍了定性推理的基本方法，详细介绍了基于 s d g 的定性推理方法。对概念设计涵义、特点进行了介绍，并说明了定性推理在 概念设计中的应用的必要性。 第三章基于符号有向图的定性推理。详细阐述了基于s d g 定性推理的建模 方法，研究了定性模型的建立以及基于此模型的推理过程。根据概念设计中比较 关心的两类问题( 一类是系统中某些局部的变化对其余部分的影响，另一类是当 某些设计不符合要求时查找到影响它的因素并给出相应的意见) ，给出了相应的处 理思路。利用s d g 定性推理的思想以智能辅导系统为例对s d g 定性模型建立过 程进行了详细的分析，将s d g 模型转化为相应的规则从而进行约束传播。 第四章基于s d g 定性推理的实现。给出了基于s d g 定性推理辅助概念设计 的整体框架，建立了相应的知识表示及存储这些知识所需的模板，设计了约束传 播和反向推理正向演算算法，并结合相应的推理规则从而实现推理。 第五章基于s d g 定性推理在平面四杆机构概念设计中的应用。本章以四杆 机构设计问题为例，研究了定性模型建立过程，结合前文所构造的约束传播算法 和反向搜索算法对四杆机构中的两类问题进行了定性分析，详细阐述了推理的思 路及过程，为定性推理在机构概念设计中的进一步应用奠定了基础。 第六章总结与展望。总结了本文所做的工作，指出了其中的不足之处以及要 继续研究的问。 第二章定性推理与概念设计 9 第二章定性推理与概念设计 定性推理是人工智能中一种新型的知识表示和推理方法，在第二代知识系统 中占有重要地位。本章首先介绍了定性推理的基本方法，重点介绍了基于s d g 的定性推理方法，此外，深入分析了概念设计的涵义和特点，从抽象概念的角度 对产品设计过程进行了进一步的认识，并说明了定性推理在概念设计中的应用。 2 1 定性推理的基本方法 定性推理方法是以定性约束的形式表示系统知识，利用已知的系统不完全信 息，按照某种定性推理策略，对系统行为进行定性描述和解释。依照物理系统结 构描述的不同，便建立了不同的定性推理方法。常用的定性推理方法主要有：d e k l e e r 的定性模型方法( q u a l i t a t i v em o d e la p p r o a c h ，q m h ) ，f o r b u s 的定性过程理 论( q u a l i t a t i v ep r o c e s st h e o r y ，q t p ) ，k u i p e r s 定性仿真( q u a l i t a t i v es i m u l a t i o i l ， q s t m ) ，符号有向图( s i g n e dd i r e c t e dg r a p h ，s d g ) ，可能因果图等( p o s s i b l ec a u s e e 腩c tg r a p h ，p c e g ) 。下面对这几种方法进行简单的介绍。 d ek l e e r 定性模型方法。该方法从元件及其连接机制的角度描述设备结构， 并认为每一个元件对整体设备的行为都起作用，系统的整体行为由各元件行为推 导得出。并且每一个设备元件都在模型库中定义了一个类型，并用定性微分方程 ( 也叫c o n f l u e n c e ) 来描述元件和它们的连接机制，推导演算这些定性微分方程， 再经过一致性检验，便可得到设备整体行为的定性描述。这种方法简单地说就是 把所涉及的物理系统认为是由管子、阀门、容器等装置组成，约束条件或说定性 方程反映在这些装置的连接处。依定性方程来给出定性解释。这种方法的优点是 提供给了比较有效地建模基元，设备元件可以为我们对客观事物和它们的行为建 模提供做小的部件。并且这种方法有利于因果性解释，这是在模型内部的结构描 述中内含的，具有结构的可成性，这样会使整体的行为描述较为方便的由个体得 到【2 5 1 。 f o r b u s 定性进程方法。这种方法中 2 0 q ，f o r b u s 创造性的提出了个体视景 ( i n d i v i d u a lv i e w s ) 和进程( p r o c e s s ) 两个概念，把它们作为我们定性的为常识知识建 模的标准建模基元，这种方法把引起物体变化的事件直觉的特征化为进程( 每个 进程由有关个体、前提条件、数量条件、参数关系组成) ，把物理过程视作由一些 依次相联的进程来描述推理过程是从已知的进程集合中依次选出一些相关进程 用以描述整个物理过程。他的主要观点和作用如下： l o 定性推理在概念设计中的应用 进程推理是常识推理的主要组成部分，进程激活或者终止是变化发生的根 本原因。 数值可以由定量空间来表示，因为进程的开始与结束是由于序关系的定量 变化引起的。 q p t 可以用来为物理现象建模并进行常识推理。 q p t 在物理推理中使用经验和默认知识提供了一个结构化的方法。 q p t 为描述定性状态理论提供了一种特定的语言。 这种方法的优点是提供给了比较有效地建模基元，设备元件可以为我们对客 观事物和它们的行为建模提供最小的部件。并且这种方法有利于因果性解释，它 是由进程进行行为推到而动态产生的，具有结构的可成性，这样会使整体的行为 描述较方便的由个体得到1 2 6 1 。 k u i p e r s 定性仿真方法。直接用部件的参量作为状态变量来描述物理结构， 定性约束直接由物理规律得到。把一个参量随时间的变化过程以定性的状态序列 来表示，求解定性状态序列是从初始状态出发，生成各种可能的后继状态，进而 通过一致性检查，求得正确的后继状态，重复这些步骤便得定性状态序列。这种 方法最大的优点就是具有很好的因果解释能力，具有结构的可成性，这样会使整 体的行为描述较方便的由个体得n t 2 n 。 s d g 定性推理方法，也称符号有向图( s i g n e dd i r e c t e dg r a p h ，s d g ) 方法。该 方法属于基于定性模型的方法中的一种，它是一种由节点和节点之间的有方向的 连线( 也称为支路) 构成的网络图。其中节点表示系统中的一些变量或事件。不 同节点之间的因果关系用连接点之间的有向边来表征，如果一个变量( 上游节点) 的状态会引起另外一个变量( 下游节点) 的状态发生变化，则他们之间就会存在 一条有向边。因此通过该有向图可以把系统中参数间的关系简单的表示出来，这 种方法所建立的模型其实是对过程及系统的一种图式抽象，而且有向边和节点都 有明确的物理意义。这种的优点是它具有包容大量信息的能力，它通过有向符号 有效地表达了系统的机理和关系，是一种深层知识模型，并且这种模型能够揭示 复杂系统的变量间内在的因果关系以及影响，特别适合于具有根部原因以及多重 因果关系问题的分析；并且结论具有较好的完备性，对干扰不敏感，适应性强， 便于修改，易于理解，易于使用和推广，该方法的缺点是如果模型不准确，将会 导致结论不完备，在计算大系统时，成本高，实时性不好1 3 0 1 1 3 8 1 。 根据对定性推理方法的介绍结合它们的优缺点，再考虑本文所研究问题的特 点，所以采用s d g 定性推理方法。 第二章定性推理与概念设计 2 2 符号有向图概述 2 2 1 符号有向图的基本概念 符号有向图简称s d g 3 9 1 ，图2 1 所示是一个简单的s d g 模型的示意图，据 此给出有关s d g 模型的一些基本概念。 图2 1s d g 模型示意图 定义2 1 - s d g 模型【3 9 】是由节点、节点间有向支路以及支路符号构成的，是 节点、有向支路和支路符号的集合。 s d g 模型数学描述如下： ( 1 ) 一个s d g 模型可用y = ( g ，l f ，) 表示，其中g 表示有向图，l f ，表示符号的集 合。有向图g 由四部分组成g = ( y ，e ，矿，a 一) ， ( a ) 节点集合v = v i ； ( b ) 支路集合e = e l 【) ； ( c ) 邻接关联符：a + ：e 一矿( 支路的起始节点) 矿：e 一矿( 支路的终止节点) ( 2 ) 符号的集合l f ，：e + ，一) ，l f ，( ) = y ( v j ，) 称为支路气的符号。 系统的状态是根据各个状态变量所对应的节点值来确定的，当每一个节点的 值确定后，该系统的状态就被确定下来，有向边符号由s d g 模型给出，节点符号 由s d g 模型样本给出。 s d g 看似简单，它却表达复杂的因果关系，并且具有包容大规模潜在信息的 能力。s d g 所表达的所有节点可能取得不同的状态组合，又称为样本数，组合的 样本总数为风嗽= 3 ，其中n 为节点的个数。正是由于s d g 具有包含大量信息 的能力，在人工智能领域称s d g 模型为深层知识模型，运用s d g 模型揭示复杂 系统的变量间的因果关系及影响，是定性仿真的一个重要分支【3 9 】。 定义2 2 ：有向支路表示节点间的正负影响关系，代表约束的传播路径，有 向支路的属性值通常有两种表述为“+ ，和“一 。如果支路的初始节点增大或 减少导致终止节点同步增大或减少，称支路影响为增量影响，或正影响，通常用 带箭头的实线表示；如果初始节点与终止节点变化方向相反，则支路影响称为减 量影响，或负影响，用带箭头的虚线表示【3 9 】。 1 2 定性推理在概念设计中的应用 定义2 3 。相容通路在s d g ，= ( g ，v ) 中，对瞬时样本妒，如果 驴( 矿e 七) 咖( 矿) 驴( a 一矿) = + ，则该支路矿称为相容之路。相容支路首尾相接构成相 容通路。也可进一步扩展为满足咖( a 。) 妒( q ) 驴( 巳) 驴( a 一巳) = + 的支路组合。 在进行s d g 定性推理进行概念设计问题的定性分析时，相容通路是一个很重 要的概念，系统各个变量间的因果关系也只有通过相容通路才可以传播【加】。 2 2 2s d g 方法介绍 所谓符号有向图【4 1 1 ，是一种由节点( n o d e s ) 和节点之间有方向的连线，又称支 路( b r a n c h e s ) 构成的网络图，称之为s d g ( s i g n e dd i r e c t e dg r a p h ) 。s d g 模型考虑 了过程中各变量之间的相互影响的定性性质，在s d g 模型中，被研究对象中的状 态变量都可表示为节