（机械设计及理论专业论文）基于人工神经网络的面向对象capp智能系统研究.pdf

基于人工神经网络的面向对象c a p p 智能系统研究 摘要 随着人工智能、并行工程和敏捷制造技术在制造业自动化方面的发展， 企业对计算机辅助工艺设计( c a p p , c o m p u t e r a i d e dp r o c e s sp l a n n i n g ) 系统 的要求也越来越高，而传统工艺设计系统已经不能满足高速的市场导向和多 变的产品需求。因此实现智能化、自动化、柔性化的c a p p 系统是未来发展 的必然趋势，如何将传统的工艺设计经验与智能化的计算机决策相结合来实 现c a p p 系统，成为当前研究的热点问题。 本文简要分析了c a p p 的发展和特点，提出当前c a p p 系统中存在的主 要问题和发展方向。实现了面向对象的工艺信息特征建模体系，对零件信息、 工艺规程以及工艺参数等信息进行了必要的数据抽象和建模，然后重点论述 应用人工神经网络技术实现工艺决策的算法和实现方法，从信息编码和工艺 推理等方面构建智能化的工艺推理机制，并设计了系统体系结构和工作流 程，最后开发了c a p p 原型系统来验证相关理论的可行性。该系统的主要特 点主要为： 1 在网络算法上，提出了以a r t l 网络为基础的工艺推理算法模型， 将人工神经网络( a n n ，a r t i f i c i a ln e u r a ln e t w o r k ) 技术在模式识别、动态分 类领域的并行处理能力、分布式存储、良好的自适应和高度容错特性引入到 c a p p 工艺推理机制中，有效的解决c a p p 工艺决策的不确定性推理和复杂 的数据检索问题，为实现智能化的工艺设计提供了新的思路。 2 在数据模型的建立方面，设计了以面向对象( 0 0 ，o b j e c t o r i e n t e d ) 方法为基础的工艺信息特征建模体系，有效的解决了复杂数据模型的数据抽 象和特征数据建模。建立了层次清晰、结构良好、易于管理的工艺信息模型 体系，将工艺系统中的零件信息、工艺信息和工艺规程等数据有效整合为统 的数据模型。为工艺决策和信息编码提供了良好的数据描述接口，同时便 于对数据体系进行管理和扩展。 3 在系统体系结构方面，建立以模块化方法为基础的系统体系和工作 流程，基本实现了以结构件为主要对象的工艺设计系统。开放的关系型数据 库设计，可编辑的文件报表输出，良好的用户交互体验，完善的安全策略都 使系统在多方面实现了更高的先进性。 综上所述，为了实现更高层次的智能化c a p p 系统，本文通过对基于人 工神经网络的面向对象c a p p 技术的研究，实现了c a p p 系统在工艺决策方 面的智能化、自动化，提高了计算机辅助工艺设计在推理决策、设计过程和 文件生成方面的智能性和适应性。 关键词：人工神经网络，面向对象，工艺决策，实例推理，特征建模 j 镯 l r e s e a r c ho no b j e c t - o r i e n t e dc a p p i n t e l l i g e n ts y s t e mb a s e do na n n a b s t r a c t a l o n gw i t h t h e d e v e l o p m e n to ft h e a r t i f i c i a l i n t e l l i g e n c e c o n c u r r e n t e n g i n e e r i n ga n da g i l em a n u f a c t u r i n gi nt h ea u t o m a t i cm a n u f a c t u r e ，t h ee n t e r p r i s e h a sb e c o m em o r ea n dm o r en e e d so fc a p ps y s t e m h o w e v e r , t h et r a d i t i o n a l p r o c e s sp l a n n i n gs y s t e m s c a n tf i ti n t ot h eh i g h s p e e dm a r k e tc h a n g e sa n d v a r i o u sd e m a n do fp r o d u c t s r e c e n t l y , i n t e l l i g e n c e ，a u t o m a t i o na n df l e x i b i l i t y w i l lh a v eb e i n gt h ed e v e l o p m e n tt e n d e n c yo fc a pp s oi th a sb e c o m eac u r r e n t h o ts t u d yh o wt od e v e l o pc a p pw i t hi t st r a d i t i o n a le x p e r i e n c ea n di n t e l l i g e n t c o m p u t e rd e c i s i o nt or e a l i z ei t sp r a c t i c a b i l i t ya n di n t e l l i g e n c e i nt h i sp a p e r , t h eb a s i cc o n c e p t i o n ，c h a r a c t e r s ，ab r i e fh i s t o r ya n di t sc u r r e n t p r o b l e m sa n dd e v e l o p m e n td i r e c t i o no fc a p p a r es u m m a r i z e df i r s t l y i tb u i l d sa f e a t u r em o d e ls y s t e mo fp r o c e s si n f o r m a t i o nw i t ho b j e c t - o r i e n t e dm e t h o da n d m a k e san e c e s s a r yd a t am o d e l i n ga n da b s t r a c t i o ni nt h er e s p e c to fn e t w o r kp a r t s i n f o r m a t i o n ，p r o c e s s c r i t e r i o na n dc r a f t p a r a m e t e r s t h e nt h e c r a f td e c i s i o n a r i t h m e t i ca n di m p l e m e n tb a s e do na n n ( a r t i f i c i a ln e u r a ln e t w o r k ) a r ef u r t h e r p u t f o r w a r d e m p h a t i c a l l y t ob u i l d p r o c e s s d e c i s i o nf r a m e w o r kb e t w e e n i n f o r m a t i o nc o d ea n dp r o c e s sr e a s o n i n g f i n a l l y , o nt h eb a s i so fs y s t e ms t r u c t u r e a n dw o r kf l o wr e l a t e do nt h et h e o r ya b o v e ，a no r i g i n a ls y s t e mi sd e v e l o p e dt o s u p p o r tt h e s ei d e a s t h i ss y s t e mm a i n l yi n v o l v e st h r e ef o l l o w i n gc h a r a c t e r s ： 1 a b o u ta r i t h m e t i c ，p r o c e s sr e a s o n i n ga r i t h m e t i cb a s e do na r t ln e t w o r k o fa n ni si n t r o d u c e ds y s t e m a t i c a l l yt op r o c e s sd e c i s i o no fc a p ps y s t e m i ts e t s t h ei m p o r t a n c eo fa r t i f i c i a ln e u r a ln e t w o r ki nt h ef i e l d so fp a t t e r nr e c o g n i t i o n ， d y n a m i cc l a s s i f i c a t i o n ，c o n c u r r e n tp r o c e s s i n g ，d i s t r i b u t e dm e m o r ya n ds t r o n g s e l f - a d a p t i v ea n df a u l tt o l e r a n tt e c h n i q u e i ts o l v e st h eu n c e r t a i nr e a s o n i n ga n d c o m p l e xd a t a b a s er e s e a r c h i n go fc a p pe f f e c t i v e l ya n db r i n g sac o m p l e t en e w i d e at ot h ei n t e l l i g e n tp r o c e s sp l a n n i n g 2 a b o u td a t am o d e l af e a t u r em o d e ls y s t e mo fp r o c e s si n f o r m a t i o nb a s e d o nt h eo b j e c t o r i e n t e dm e t h o di sd e s i g n e dt os o l v et h ec o m p l e xd a t a b a s e s i t u a t i o n t h i sd a t am o d e ls y s t e mw i t hd i s t i n c tl e v e l ，g o o ds t r u c t u r ea n de a s y i i i 一_一 m a n a g e m e n tm a k e sd a r t si n f o r m a t i o n ，p r o c e s sc r i t e r i o na n dc r a f tp a r a m e t e r si n t o au n i f i e dd a t ai n t e g r a t i o n i ts u p p l i e sas t a n d a r dd e s c r i p t i o nt op r o c e s sr e a s o n i n g a n di n f o r m a t i o nc o d i n g ，o p e n sac h a n g e f u li n t e r f a c et om a n a g ea n de x p a n dt h e s c a l e si nf u t u r e 3 a b o u ts t r u c t u r eo fc a p ps y s t e m ，t h i sp a p e rp r e s e n t s a w a yo f m o d u l a r i z e dp r o g r a mt oc r e a t et h es y s t e ma r c h i t e c t u r ea n dw o r k f l o w i tm a k e s u s eo ft h es t r u c t u r ep a a sa st h em a i no b j e c tt os u p p l yt h ec a s e so fc a p ps y s t e m i t sa d v a n t a g e sc o m ef r o mo p e nd e s i g no fr e l a t i o n a ld a t a b a s e ，m o d i f i a b l ef i l e r e p o r to u t p u ts y s t e m ，g o o du s e ri n t e r a c t i v eo p e r a t i o n ，c o m p l e t es e c u r i t yr u l e s a n ds oo n i ns u m m a r y , i no r d e rt oa c h i e v eah i g h e rl e v e li n t e l l i g e n tc a p ps y s t e m ，t h i s p a p e rp r e s e n t san e wm e t h o dt od e v e l o pc a p ps y s t e mb a s e d o na n n t h e o r y i t b a s i c a l l yr e a l i z e si n t e l l i g e n tr e a s o n i n go fp r o c e s sp l a n n i n g ，a u t o m a t i cp r o c e s s p l a n n i n g i tt o t a l l yp r o m o t e st h ec a p a b i l i t i e so f c a p pi nt h er e a s o n i n gd e c i s i o n ， d e s i g np r o c e d u r ea n d f i l e sg e n e r a t i o n k e yw o r d s ：a r t i f i c i a ln e u r a ln e t w o r k ，o b j e c t o r i e n t e d ，c r a f td e c i s i o n ， c a s e b a s e dr e a s o n i n g ，f e a t u r em o d e l i v 基于人工神经网络的面向对象c a p p 智能系统研究 1 绪论 1 1 课题的来源、研究背景及意义 1 1 1 课题的来源和研究背景 本课题来源于陕西省科技攻关项目面向制造业信息化的信息与建设。本文在传统的 计算机辅助工艺设计( c a p p ，c o m p u t e r a i d e dp r o c e s sp l a n n i n g ) 系统基础上，进行进一 步的研究和深化，将人工神经网络原理引入到工艺决策模型当中，并根据面向对象方法 对工艺信息进行建模，在数据信息的组织上应用关系型数据库进行工艺信息的集成，从 根本上解决了传统c a p p 系统在智能化、柔性化方面的不足，提高和完善了其推理机制 和工艺数据的检索效率。 本课题针对原有的综合式c a p p 系统进行了技术升级和补充，研究了关于人工神经 网络技术、实例推理技术、面向对象方法以及特征数据描述方法，从总统结构、工艺信 息描述、工艺决策建模和数据库设计等主要核心方面进行优化和改良，使得系统在获取 工艺知识方面更加智能化和集成化，提高了设计效率和设计质量。 1 1 2 课题研究的目的和意义 c a p p 系统的研究从上个世纪六十年代中期开始，经历了很长时间的探索和研究， 在现代先进制造技术的研究体系中，c a p p 的研究是开始较晚也相对落后的，严重制约 了集成制造系统的发展脚步，因为c a p p 在c a d ( c o m p u t e ra i d e dd e s i g n ，计算机辅助 设计) c a p p c a m ( c o m p u t e r a i d e dm a n u f a c t o r y , 计算机辅助制造) 制造链中有着重要 的地位，从而阻碍了c i m s ( c o m p u t e ri n t e g r a t e dm a n u f a c t o r ys y s t e m ，计算机集成制造) 系统在智能化，专业化方向的方展，也使得难以在生产实际中得以应用。因此，对c a p p 系统的研究是现代制造业发展的需要，是先进的生产模式与技术理论的研究热点。当前， 现有的c a p p 系统还不完善，人机交互过程繁冗，响应时间较长，通用性很差，应用范 围小。因此，本课题以结构件为主要研究对象，将人工神经网络理论引入c a p p 系统， 在c a p p 系统的关键环节工艺决策等方面进行深入探索，将成熟的a r t l 网络理论同工 艺决策原理相结合，形成基于a r t i 网络的工艺决策模型，为c a p p 专家系统的进一步 智能化、自动化和通用化，提出了新的研究思路和探索方向。同时，提出开放性的c a p p 推理机制，应用实例推理技术优势，提高其内部推理路径和层次结构的清晰度和搜索效 率。 本论文以当前的技术优势为基点，深入研究c a p p 的总体构成策略和关键技术，将 神经网络、面向对象、实例推理等技术原理引入到c a p p 的核心支持环境中，进行必要 陕西科技大学硕士学位论文 的分析与优化，在宏观上实现更通用、更智能、更高效的c a p p 专家系统，在微观上实 现逻辑更科学、层次更清晰、结构更合理的决策模型和推理机制。 1 2 国内外研究现状 1 2 1c a p p 发展及现状 c a p p 技术起源于上个世纪6 0 年代的挪威，1 9 6 9 年推出世界第一个c a p p 系统 a u t o p r o s 系统。经历了半个世纪的发展与探索，无论在广度和深度方面都有了较大的 发展，主要表现在：在设计对象上，由回转体零件发展为箱体类零件、支架类零件再到 复杂的飞机结构件等；在涉及的工艺范围上，从普通加工工艺到数控加工工艺：从机加 工艺到装配工艺、钣金工艺、热处理工艺、数控测量机检测过程设计等；在系统功能上， 从独立的计算机辅助技术“孤岛”，到满足集成系统环境需求的集成化系统；在系统设计 上，从单一的修订式或创成式模式，到应用专家系统( e s ，e x p e r ts y s t e m ) 等人工智能技 术，并具有检索、修订、创成等多种决策功能的综合智能化系统模式等m 2 1 。 我国对c a p p 的研究始于2 0 世纪8 0 年代，最早进行这项研究的是同济大学，并在 1 9 8 2 年研制成功了t o j i c a p 系统【3 】。它是一种典型的变异式工艺设计系统，具有原理简 单、开发周期短、投资少等特点，能够满足中小企业的设计情况，但是由于系统中只是 存储了一些标准工艺，当新零件无法找到匹配的零件族时就无法完成工艺设计要求，因 此有很大的局限性，不便于移植。 随着网络技术、数据库技术、面向对象方法、系统集成等的发展与成熟，国内外对 c a p p 系统在智能化、集成化、柔性化和并行化方面进行了深入的研究，新技术和新理 论为c a p p 的发展提供了广阔的空间。当前，c a p p 的方展方向主要为以下几个方面m 】： 1 向智能化方向发展。c a p p 系统涉及的问题范围广，跨学科，而且c a p p 系统的 许多决策都严重依赖与工艺人员的经验、技术等。因此，c a p p 系统必须在获取、表达 和处理各种知识和工艺信息的灵活性和有效性上进一步发展。单纯依靠传统的过程性软 件设计方法，已经远远不能满足生产实际对c a p p 的需求。目前，随着人工智能、神经 网络技术的发展及其在c a p p 系统的探索性应用，为c a p p 系统的智能化发展带来了生 机。 2 向工具化方向发展。通用性是c a p p 系统面临的一个主要难点，也是制约其实用 化和商品化的重要因素。工具型c a p p 系统就是为解决这一问题而提出的。c a p p 系统 开发工具是帮助用户开发c a p p 系统的集成开发环境，它为用户研制面向特定企业或特 定类型零件的c a p p 系统提供了一个标准化的二次开发环境，包括控制机制、问题求解 逻辑、信息描述方法等。用户可以利用工具结合企业自身实际情况，输入一些基本的数 基于人工神经网络的面向对象c a p p 智能系统研究 据、参数和控制机制，就能快速建立不同生产环境、不同类型零件的实用c a p p 系统。 工具化思想主要体现在以下几个方面：工艺设计的共性与个性的分开；提供多种工艺决 策方式，把工艺决策规则与系统工艺决策规则分开：建立通用化、标准化和开放性的工 艺数据库和知识管理平台；采用面向对象、组件化思想进行信息建模；实现自定义文件 输出，除了输出标准工艺文件外，还可以进行输出文件的定制和修改。 3 向集成化方向发展。c a p p 集成化是随着企业信息管理系统的应用而发展的，以 适应新的生产模式和大规模生产要求。实现c a d c a p p c a m 的集成，主要是在产品设 计与制造的全过程中，采用统一的标准化数据结构规范来定义产品模型，所以建立统一 的数据规范模型是研究的重点和难点1 7 】。 4 向并行化方向发展。并行工程( c e ，c o n c u r r e n te n g i n e e r i n g ) 是集成的、并行的 设计产品及其相关过程的系统方法。并行化是c a p p 系统在集成化和智能化基础上的进 一步发展，充分体现了并行工程思想，要求在产品的设计阶段就考虑下游的各个过程， 从而尽早暴露设计问题，以缩短设计周期，提高产品质量。 1 2 2 人工神经网络技术的发展及现状 人工神经网络( a n n ，a r t i f i c i a l n e u r a l n e t w o r k ) 的研究可以追溯到1 8 0 0 年f r u e d 的 前精神分析学，随后经历了长期的理论发展。到2 0 世纪5 0 年代，fr o s e n b l a t t 首次提出 并设计了著名的感知器( p e r c e p t i o n ) 模型，才第一次从理论研究进入工程实践阶段，掀 起了人工神经网络的研究热潮。但是，人工神经网络经历由早期理论到中期过渡的历史， 一直处于萧条的境地，直到2 0 世纪8 0 年代，才逐步产生了可行性的算法支持，开始了 近期的研究复兴。近十年来，人工神经网络的研究达到了空前的广度和深度，开始与新 技术、新理论的研究相结合，尤其是人工智能( a i ，a r t i f i c i a li n t e l l i g e n c e ) 、模式识别( p r ， p a t t e r nr e c o g n i t i o n ) 、信息技术( i t , i n f o r m a t i o nt e c h n o l o g y ) 以及专家系统( e s ，e x p e r t s y s t e m ) 等。 人工神经网络是按照生物神经系统原理处理真实世界的客观事物，它由大量的简单 的非线性处理单元高度并联而成，具有信息的分布式存储、并行处理、自组织和自学习 及联想记忆等特性。它具有高度的自学习，概括和抽取能力，被广泛应用于智能计算、 模式识别、语言理解、问题优化等方面，利用其自学习和并行推理能力可以解决在其他 领域的知识获取、知识表示和高效推理问题【8 】。 当前，人工神经网络仍是人工智能研究的热点，其研究方向主要集中在理论研究和 应用研究两个方面。在本文中，将人1 5 申经网络的基本原理应用于计算机辅助工艺设计 领域，并与实例推理技术相结合，旨在推动c a p p 在智能化、柔性化方面的发展，就是 其在机械制造领域的应用表现。 陕西科技大学硕士学位论文 1 3 课题研究的主要内容 本文研究的主要工作是建立耦合人工神经网络和实例推理技术的工艺决策模型，并 应用面向对象技术构建工艺信息系统，设计完善的复杂关系型数据库，开发可定制的工 艺文档输出系统和用户交互界面，最后开发出相应的c a p p 原型系统。 在为期一年半的课题研究中，本文完成的主要工作是： 1 前期的准备工作 在广泛的调研和查阅大量相关文件的基础上，系统分析和研究最新的c a p p 发展方 向和技术原理，深入分析了国内外典型c a p p 系统的主要特点，从而全面的掌握了相关 的关键技术，准备了课题必须的数据资料、工艺文件和软硬件条件。 2 耦合人工神经网络和实例推理技术的工艺决策系统研究 从生产实际出发，将神经网络原理和实例推理技术应用于c a p p 系统，研究工艺过 程实现与算法，进行智能化工艺决策模型的研究与开发。并针对零件特点，结合成组技 术原理，开发基于a r t l 网络的零件成组编码系统，形成科学的零件信息描述体系，为 工艺检索与推理打下基础。 3 应用面向对象方法构建工艺信息模型 以面向对象方法分析工艺信息，抽象c a p p 系统的零件信息、工艺信息、工艺规则 等。系统性的梳理工艺信息，建立面向对象的工艺信息模型，有效实现了工艺设计的数 据交换和通信，同时也为c a p p 系统与c a d c a m 系统的信息集成框架打好了基础。 4 设计复杂的工艺数据库和知识库 制定复杂的工艺数据库和知识库，建立系统关系数据库，将工艺信息，零件信息， 用户信息，材料信息等以数据库的形式存储和组织。课题对机械典型零件的特点进行整 理，进行数据表的设计和整合，建立科学的逻辑关系，以适应复杂的数据信息。 5 实现可定制式工艺文档管理与输出 利用组件报表技术，开发可定制的工艺报表输出系统，实现“所见即所得”的工艺数 据卡编制功能。动态的工艺卡设计技术，满足用户多变的文件输出格式要求，真正实现 开放性文档管理与输出能力。 6 开发结构件c a p p 原型系统 开发智能化的人机交互界面，初步完成基于技术理论的c a p p 原型系统，验证系统 的设计思想和方法的科学性，对其可行性进行分析评估。 基于人工神经网络的面向对象c a p p 智能系统研究 2 系统理论与总体设计 2 1c a p p 的基本内容 2 1 1c a p p 系统概述 计算机辅助工艺设计是借助计算机进行工艺的设计过程，从而提高工艺设计的质量 和效率，是联系c a d 和c a m 的桥梁和纽带【，i 。其克服了传统的手工设计方法主要依靠 工艺人员的个人经验，劳动强度大，效率低，设计周期长，不能适应市场快速多变的要 求的缺点。c a p p 是计算机集成制造领域的重要方向，在c a d c a p p c a m 信息流中处 于承上启下的重要位置，对保证c i m s 的信息流畅，实现真正意义的信息集成有至关重 要的作用。它接受来自c a d 的产品几何拓扑、材料信息、工艺信息等，同时向c a d 反 馈产品的结构工艺性评价信息；它向c a m 系统提供加工所需的设备、工装、切削参数 等工艺信息，同时接受c a m 反馈的工艺修改意见。 2 1 2c a p p 系统的结构组成 c a p p 系统的构成，与产品开发环境、产品对象、规模大小有关【9 】，其基本结构如图 2 1 所示，主要由以下几个基本模块组成： 图2 - 1c a p p 系统的结构组成 f i 9 2 1s t r u c t u r eo f c a p ps y s t e m 1 控制模块。控制各个模块的信息交互，协调各个模块的正常运行，实现人机之间 的信息交流，控制零件信息的获取方式，保证数据的正确流向和交互。 2 零件信息输入模块。零件信息是系统进行工艺设计的对象和依据。当系统不能从 c a d 系统直接获取零件信息时，c a p p 提供了由零件信息输入模块专门处理数据输入问 题，通常以专用的数据结构对零件信息进行描述m 】，以满足计算机识别和处理的要求。 陕西科技大学硕士学位论文 3 工艺推理决策模块。工艺决策是整个c a p p 系统的控制核心，其作用是以输入的 零件信息为依据，按照预先规定的顺序和逻辑，调用相关的工艺数据和规则，进行比较、 计算和决策，从而生成需要的工艺规程。主要的工艺决策模式有，派生式( v a r i a n t ) 、创 成式( g e n e r a t i v e ) 和专家系统( e s ，e x p e r ts y s t e m ) 等。 4 工艺数据失口识库模块。工艺数据库，是c a p p 系统的重要支撑环境。其集合了 工艺设计所需的所有信息资源，主要包括工艺数据库( 包括工艺术语、加工余量、工作 中心、刀具、材料、加工方法、成本核算等) 和推理规则库( 包括实例检索、匹配规则、 加工方法选择规则、工序计算、排序查找规则等) 。 5 人机交互界面。人机界面是用户的工作平台，包括系统菜单、工艺设计界面、工 艺数据库界面、零件信息输入界面、工艺内容的显示和输出界面等等，这些界面元素必 须符合现代标准的用户接口( u i ，u s e ri n t e r f a c e ) 规范。 6 工艺文件的管理与输出模块。工艺文件是c a p p 系统提交给用户的最终产品，它 们通常以工艺卡片的形式派送到生产前线。所以，如何管理和组织这些工艺文件如工艺 过程卡、工序卡、工步卡和各种明细卡等，是c a p p 系统的主要内容之一。提供可定制 的工艺文件编辑系统，也是c a p p 系统的重点研究方向。 2 1 3c a p p 系统的基本类型及其工作原理 c a p p 系统按照工作原理的不同，可以分为以下五大类州： 1 变异型。又称为派生式或检索式c a p p 系统，它是利用成组技术( g t , g r o u p t e c h n o l o g y ) 将零件按几何形状及工艺相似性分类、归族，每一族有一个典型样件，并 为此样件设计出相应的典型工艺文件，存入在工艺文件库中。当需要设计一个零件工艺 规程时，输入零件信息，对零件进行分类编码，按此编码由计算机检索出相应的零件族 的典型工艺，并根据零件结构及工艺要求，对典型工艺进行修改，从而得到所需的工艺 规程。 2 创成型。由系统中的工艺决策逻辑与算法对3 h q - 工艺进行一系列的决策，从无到 有自动地生成零件的工艺规程。创成型系统基本上排除了人的干预，从而使工艺规程的 编制不会因人而异，容易保证工艺规程的一致性。由于零件结构多样性，工艺决策随环 境变化的多变性及复杂性等诸多因素，真正的纯创型c a p p 系统开发复杂、成本高、用 时长，用于生产实际尚有一段道路。 3 综合型。又称半创成型c a p p 系统，它将变异型与创成型结合起来，利用变异型 及创成型各自的优点，克服其缺点。这种系统在很大程度上降低了对操作人员的知识和 经验依赖，提高了工艺制定效率。 4 交互型。它以人机对话的方式完成工艺规程的设计，工艺规程设计的质量对人的 基于人工神经网络的面向对象c a p p 智能系统研究 依赖性很大。系统主要由零件工艺设计模块和一系列工艺设计数据库组成，用户按照系 统向导，遵循工艺设计流程，以人机对话的交互方式一步一步完成工艺设计。 5 智能型。它是将人工智能技术应用在c a p p 系统中所形成的c a p p 专家系统。它 将整个系统分为零件信息输入、推理机和知识库三大模块，解决问题的主要过程是逻辑 判断和推理决策。系统通过输入的零件信息访问知识库，根据推理机的控制策略，从知 识库中找到合适的规则记录，并将此记录作为所需的工艺规程。然而，它与创成型c a p p 系统有一定的区别，创成型c a p p 是以逻辑算法加决策表为其特征，智能型c a p p 系统 则以推理加知识为其特征。 2 1 4c a p p 系统的工作过程 c a p p 系统的工作过程如图2 2 所示，首先获取零件信息，进行零件信息描述和编 码；然后按照一定的工艺规则来检索实例库，生成工艺路线，接着进行下一步工序设计 和工步设计；最后将工艺文件输出，完成工艺设计过程。 2 2 系统的理论基础 2 2 1 人工神经网络 图2 - 2 c a p p 的工作过程 f i 9 2 2w o r k i n gp r o c e s so f c a p p 2 2 1 1 神经网络基本概念 人工神经网络技术，以其出众的自学习、自适应数据抽象能力在人工智能领域，获 得了前所未有的研究热潮，成为高技术研究领域令人瞩目的新兴科学。在信息技术、机 械制造、材料科学等领域获得较多的研究成果，其技术研究也从理论向实践转化，已经 逐渐进入商品化市场。 1 神经元 人工神经元是人工网络技术的基本处理单元，是在生物学神经元的研究基础上而抽 象出的一种模拟生物神经元结构与功能的数学模型，最简单的模型可以表示为两层连接 模型，如图2 3 所示，主要包括输入单元、输出单元和隐含单元。图中的小圆圈表示神 陕西科技大学硕士学位论文 经元，并且相互连接形成一定的网络拓扑，这种拓扑形式被称为神经网络的互连模式。 每个神经元的输出，又是其下一层所有神经元的输入，用于计算下一层神经元的输出。 神经元之间的连接上附有加权系数称为连接权值，用于加强或减弱上一神经元的输 出对下一神经元的刺激，通常以正负来表示其增强或减弱。 山山山输入 输 入 出 图2 - 3 神经元的典型结构及两层连接模型 f i 9 2 - 3t w o - l a y e rl i n k i n gm o d e la n dt y p i c a ls t r u c t u r eo fn e u r o n 区别于生物神经元的复杂结构，为了简化不必要的信息，在图2 3 中的神经元的典 型结构模型做出了以下几点假定： ( 1 ) 每个神经元都是一个多输入单输出的信息处理单元； ( 2 ) 突触分兴奋型和抑制型两种类型： ( 3 ) 神经元具有阈值特性； ( 4 ) 神经元是非时变的，即突触强度均为常数。 基于该模型的输入输出数学表达式为： y = f ( u ) = ，( ：w ，x ，一目) ( 2 - 1 ) 其中，墨( i = 1 1 2 ，n ) 为输入信号；y 为神经元输出；w 为神经元的连接权值，它可 为f ，也可负，分别表示兴奋性突触和抑制性突触；日为神经元的阈值；形j 为神经元的 激励函数，是一种非线性函数。由此可见，神经元的输出由输入样本、连接权值和阈值 三个因素决定。 神经网络的数学模型有很多种，神经网络的算法也根据不同的连接结构和其他因素 的不同而不同，典型的学习规则包括反向传播网络( b p 网络) 、统计网络、h o p f i e l d 网 络以及自适应共振理论网络( a r t ) 网络等。不同的算法规则，有不同的特点和应用领 域，对人工神经网络的应用关键就是选择合适的算法规则，来建立相应的系统功能。 2 人工神经网络的基本特点 由于人工神经网络是基于生理神经网络的自适应非线性动态系统，它能够对信息进 基于人工神经网络的面向对象c a p p 智能系统研究 行快速的处理和超强的学习记忆，因此它具有独特的功能和特点f 8 】： ( 1 ) 可以充分逼近任意复杂的非线性关系； ( 2 ) 所有定量和定性信息的保存为等势分布，储存在网络内的各神经元上，具有很 强的“健壮性”和“容错性”，系统不会因为个别神经元受损而失去对原有模式的记忆： ( 3 ) 并行分布处理使得运用计算机和特定的硬件，快速进行大量的运算成为可能， 同时协同化的工作模式，能够进行集团化的问题处理能力： ( 4 ) 可学习和自适应未知的或不确定的系统。神经元系统中的大量的处理单元存储 着大量的信息内容，使得它具有很强的不确定性信息处理能力。因此，只要给出的输入 模式接近训练样本，系统就能给出正确的推理结论，这种问题处理方式十分适合处理 c a p p 系统的不确定复杂信息； ( 5 ) 能够同时处理定量和定性的知识。 当前，人工神经网络的研究已经进入了理论和实践研究的高峰，人工神经网络之所 以引起广泛的研究兴趣和关注，源于其在智能处理领域的强大功能和潜力，源于其类似 人脑功能的基本特征。 3 常见的几种人工神经网络1 8 1 ( 1 ) b p 网络 即误差反传训练人工神经网络，它将学习过程分为正向传播和反向传播两个阶段进 行，利用网络对学习信号的输出响应与期望输出之间的误差作为导师信号，对网络连接 强度进行调节，通过多次反复调节，达到误差最小，从而完成学习过程。 ( 2 ) h o p f i e l d 网络 是一种典型的反馈式神经网络，由美国物理学家h o p f i e l d 于1 9 8 2 年提出，分为离散 型和连续型。其中，离散网络应用于联想记忆，而连续型则应用于优化计算，为神经元 计算机的研究奠定了基础。 ( 3 ) c m a c 网络 即小型模型关节控制器( c m a c ，c e r e b e l l a rm o d e la r t i c u l a t i o nc o n t r o l l e r ) ，是模仿人 类小脑控制肢体运动的原理而建立的神经网络模型，经过不断发展，现在主要用于机器 人控制、模式识别、信号处理及自适应控制等。 2 2 1 2a r t l 网络的工作原理 自适应谐振理论( a r t , a d a p t i v er e s o n a n c et h e o r y ) 是由美国b o s t o n 大学s g r o s s b e r g 在1 9 7 6 年提出的，至今已经有a r t l ，a r t 2 ，a r t 3 三种结构l b 】。其中，a r t l 模型比较接 近实际神经系统，是一种双极型结构，它只接受二进制值0 或1 作为输入矢量，具有良 陕西科技大学硕士学位论文 好的稳定性和灵活性，并且记忆容量随学习样本的增加而增加。其基本结构如图2 - 4 所 示，由五个功能模块组成，其中比较层和识别层各代表一神经元层，两个逻辑信号和一 个重置信号分别用于训练和分类的控制。 警戒值 图2 - 4a r t i 网络连接模型 f i 9 2 - 4l i n k i n gm o d e lo f a r t i 从网络输入模式到最后将该模式存储到相应的模式类别中，a r t l 网络运行大致经 历了识别、比较和搜索三个阶段。作为模式分类器，其工作原理大体是：给定新的输入， 并按一定规则来确定该输入是否属于网络中已存储的模式类别。按照预先设计的参考门 限来考察新的输入模式与所有存储模式类典型向量之间的匹配程度，然后选择最为相似 的模式类作为该模式的代表类，并把这个模式按一定规则并入该模式类中：如果不相似， 就需要设立一个新的模式类，用以代表及存储该模式m ，。 2 2 1 3 人工神经网络在c a p p 系统中的应用 神经元网络系统具有强大的运算能力和处理实际问题的能力，它能够很好的处理信 息复杂，推理规则不明确的复杂问题。在不确定条件下，这种非编程的自适应信息处理 方式，能够根据描述的计算功能和大量的功能性实例，通过网络训练进行自我调整，以 适应所要求的解算能力，从而达到处理问题的目的。这种特点的使得神经网络广泛的应 用于智能计算、模式识别、语言理解、问题优化等方面。 人工神经网络对问题的求解方式不同于传统的算法规则，它来自于对人脑神经工作 原理的模拟，因此更强调其形象思维的属性。神经网络具有学习、分类、联想记忆以及 并行处理能力，这与实例推理的求解逻辑不谋而合。因此，应用啐申经网络技术解决实例 推理求解过程中的关键环节，实现对实例的动态分类、模式识别和匹配等m i ，并将这些 技术和c a p p 的工艺推理过程相结合，实现在工艺设计过程中的分类、检索、识别和匹 配操作，达到有效解决计算机辅助工艺设计的目的，并将这种工艺的设计过程提高到新 的高度。 因此，应用神经网络技术进行工艺决策的关键，就是将神经网络算法规则引入到工 艺决策规则中，将大量的工艺信息进行反复学习，利用网络的学习和训练规则不断修改 基于人工神经网络的面向对象c a p p 智能系统研究 各个神经元之间的权值，最终达到一个稳定的范围。这种训练的互连结构和权值分布就 表示了网络学习获得的知识，类似与人脑细胞对客观世界的记忆方式，完全不同于以符 号来描述事物的方式。在c a p p 系统中应用神经网络技术，主要是利用神经网络的学习 功能和并行推理能力解决系统中的知识表示、知识获取以及知识推理等问题，主要包括 以下内容】： 1 知识的表示：知识的表示一般要与知识的获取和运用结合考虑，神经网络的知识 表示与传统的知识表示不同，它把某一问题领域的若干知识彼此关联的表示在一个神经 网络中，是一种隐式的表示方式：而传统的知识表示一般着眼于如何将知识信息存储于 计算机系统通过搜索来实现知识的获取，当知识规则量变大时传统方法不能有效的进行 搜索，并且由于规则冲突而带来容错问题。而神经网络的知识表示则具有以下优点：易 于表示事物的复杂关系；具有统一的知识表示形式，便于知识的组织：便于实现知识的 自动获取；便于网络化的知识推理。 2 知识的获取：知识的获取在神经网络中是通过网络学习来自动获得的，其过程一 般为：首先由领域专家提供网络训练的样本实例和期望解，然后根据一定的网络算法进 行网络的自适应性学习训练，不断的调整互连结构和权值分布并逐渐达到相对稳定的状 态，从而就将这些样本实例和期望解同过学习方式分布到了网络结构中。当有新的实例 输入后，神经网络就会根据记