（材料学专业论文）基于bp神经网络的mnzn铁氧体研发专家系统.pdf

原创性说明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得研究成果。尽我所知，除了文中特别加以标注和致谢的地方外， 论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得长沙 矿冶研究院或其他教育机构的学位或证书所使用过的材料。与我一同工 作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了 谢意。 签名啤 日期：2 弗7 ，矽 关于学位论文使用授权的说明 本人完全了解长沙矿冶研究院有关保留、使用学位论文的规定，即： 同意长沙矿冶研究院保留并向国家或湖南省有关机构送交学位论文复 印件和电子版本，允许论文被查阅和借阅，可以公布论文的全部或部分 内容，可以采用影印、缩印或其他复制手段保存和汇编论文。 签名： ( 保密的论文在苎年解密后适用本授权规定) 导师签名：互盈至! l 日期：尘堕z ! g 硕士学位论文 目录 第1 章绪论 目录 1 1 m n z n 铁氧体概述一一 1 1 1 m n z n 铁氧体的分类及应用一 1 1 2m n - z n 铁氧体的制备 1 1 3 影响m n - z n 铁氧体性能的主要因素 1 2 专家系统及其在材料领域中的应用 1 2 1 专家系统的概念 1 2 2 专家系统的分类一一 1 2 3 专家系统在材料领域中的应用现状 1 3 人工神经网络及其在材料科学中的应用 1 3 1 人工神经网络的基本概念与分类 1 3 2b p 神经网络及其学习算法 3 1 3 3 人工神经网络在材料科学中的应用现状 1 4 本论文研究的内容与结构安排 第2 章基于b p 神经网络的m n z n 铁氧体研发专家系统 2 1问题的确定与可行性分析 2 2 知识的表达与获取 2 3 系统的推理机制 2 4 系统模型与结构 2 5 系统的功能模块 2 6 数据库设计 2 7 编码与调试 2 8 小结 第3 章实验 3 1 原料一一一一3 7 3 2 实验方案 3 3实验中氧分压的测量与调节 3 8 4 1 7 7 8 9 0 4 6 7 9 9 o 4 6 7 8 2 5 7 一 一 一 一 1 l 1 1 1 1 2 2 2 2 2 3 3 3 硕士学位论文 目录 3 4 数据处理一一一一一一一一4 3 第4 章m n z n 铁氧体的电磁性能预测一5 4 1 人工神经网络在材料牲能预测中的应用一一一一- 4 5 4 2 神经网络模型的建立一一一4 5 4 3 知识获取 4 4 实验结果 4 5 小结 4 8 第5 章基于m n z n 铁氧体研发专家系统新产品开发研究 5 1 神经网络模型的建立一一 5 2 知识获取 5 3 实验结果 5 l 5 4 5 6 5 6 5 7 5 8 5 4 小结与分析一一一一一一6 0 第6 章结论和展望一6 2 6 1 结t 台一一一一6 2 6 2 展望一一一一6 2 参考文献一一一一一一一6 4 在学研究成果 致谢 i i 7 2 7 3 硕士学位论文摘要 摘要 本论文首次将专家系统和人工神经网络技术应用于m n z n 铁氧体的研发中。在可行性 分析的基础上，完成了基于b p 人工神经网络的m n z n 铁氧体研发专家系统( e x p e r ts y s t e m b a s e do nb pn e u r a ln e t w o r kf o rt h er & do f m n z nf e r r i t e s ) 的设计和编程实现。文中讨论了 该系统的模型结构，功能模块，数据库的设计，知识的表达形式和获取方式，b p 神经网络的 学习算法等。所实现的系统能方便地建立三层的b p 神经网络模型；添加、修改和删除b p 神经网络的学习实例：训练、使用和删除b p 神经网络。在这些功能的基础上，实现了知识 的半自动获取以及以b p 神经网络的方式来表达和存储知识；确定了相应的推理机制，能对 用户输入的任务进行推理，给出解决问题的建议。 利用所建立的系统对不同烧结条件下烧结所得的m n z n 铁氧体的电磁性能进行了预 测，预测结果较准确。在此基础上，研究了烧结参数( 烧结温度、烧结的保温时间、致密 化时间( 9 0 0 - 1 1 0 0 的升温时间) ) 对m n z n 铁氧体的电磁性能的影响。 试图在只改变烧结参数的情况下，采用同一批粉料，将m n z n 铁氧体的比体积功耗p c v 从4 0 0 k w m 3 的水平降到3 0 0k w m 3 的水平。利用该系统所给出的烧结参数进行实验，实验 结果与实际情况存在较大的偏差。 讨论和分析了应用系统进行性能预测时较准确而在求烧结参数时误差较大的原因，得 出：b p 神经网络在逼近某个函数或映射时，逼近效果不仅取决于b p 神经网络本身( 如网 络的结构，学习算法等) ，还取决于所逼近函数或映射的取值范围等。 最后分析了系统存在的不足以及需要进一步改进的地方，展望了系统的应用前景。 关键字：专家系统、m n z n 铁氧体研发、b p 神经网络 m n z n 铁氧体烧结、知识表达、知识获取 i i i 硕士学位论文 a b s t r a c t t h ep a p e rh a sa p p l i e dt h ee x p e r ts y s t e ma n da r t i f i c i a ln e u r a ln e t w o r kt e c h n o l o g yt ot h e r e s e a r c ha n dd e v e l o p m e n to f m n z nf e r r i t e sf o rt h ef i r s tt i m e b a s e do nt h ea n a l y s i so f t h e f e a s i b i l i t y , t h ed e s i g na n dp r o g r a m m eo ft h es y s t e m ( e x p e r ts y s t e mb a s e do nb p n e u r a ln e t w o r k f o r t h er & do fm n z nf e r r i t e s ) h a v eb e e nd o n e i nt h ea r t i c l e ，t h ed i s c u s s i o nh a sb e e nm a d e ，o n t h em o d e ls t r u c t u r ea n df u n c t i o n so ft h es y s t e m , t h ed e s i g no ft h ed a t a b a s ei nt h es y s t e m ，t h e k n o w l e d g er e p r e s e n t a t i o n ，t h ew a y o fk n o w l e d g ea c q u i s i t i o na n dt h eb pa l g o r i t h ma n ds oo n i n t h es y s t e m ，i ti se a s yt oe s t a b l i s hab pn e u r a ln e t w o r kw i t ht h r e el a y e r s ，t oi n c r e a s e ，r e v i s ea n d d e l e t et h ee x a m p l e sf o rt h es t u d yo ft h eb pn e u r a ln e t w o r ka n dt ot r a i n , u s ea n dd e l e t eab pn e u r a l n e t w o r k b a s e do nt h e s ef u n c t i o n s ，t h es y s t e mc a na c q u i r ek n o w l e d g e b yas e m i a u t o m a t i cw a y , r e p r e s e n ta n ds t o r et h ek n o w l e d g ew i t hab p n e u r a ln e t w o r k ；a l s ot h es y s t e mh a se s t a b l i s h e d c o r r e s p o n d i n gr a t i o n a lm e c h a n i s m ，c a ne a r l yo ni n f e r e n c ef r o mt h eu s e r si n p u t sa n dg i v e s u g g e s t i o nt os o l v et h ep r o b l e m t h ee l e c t r o m a g n e t i cp e r f o r m a n c eo ft h em n - z nf e r r i t e s ，w h i c hh a sb e e no b t a i n e dw i t h d i f f e r e n ts i n t e rc o n d i t i o n s ，h a v eb e e nf o r e c a s t e db yu s i n gt h es y s t e ma n dt h er e s u l t sw e r e a c c u r a t e t h e nt h es t u d yh a sb e e nd o n e ，a b o u tt h ei n f l u e n c eo ft h es i n t e rp a r a m e t e r s ( t h es i n t e r t e m p e r a t u r e ，t h es i n t e rt e m p e r a t u r eh o l d i n gt i m e ，t h ec o m p a c t n e s st i m e ( t h et i m ei tt a k e st om a k e t h et e m p e r a t u r eu pt ol ，10 0 f r o m9 0 0 。c ) ) o nt h ee l e c t r o m a g n e t i cp e r f o r m a n c eo fm n z n f e r r i t e s a t t e m p t sh a v eb e e nm a d e ，i nc a s eo fo n l yc h a n g i n gt h es i n t e rp a r a m e t e r s ，t ol o w e r t h ep e r s t e r ep o w e rl o s so fm n - z nf e r r i t e s ( t e s t e du n d e r10 0 ，10 0 k h z ) t o3 0 0k w m jf r o m4 0 0 k w m 3w i t ht h es a m ep o w d e r e x p e r i m e n t sh a v eb e e nm a d ew i t ht h es u g g e s t i o no ft h es y s t e m a n dt h er e s u l td i dn o ta g r e e 、杭t l lt h es y s t e m i th a sb e e nd i s c u s s e dw h yt h eo u t p u t so ft h es y s t e ma g r e ew e l lw i t ht h er e s u l t so ft h e e x p e r i m e n t si nf o r e c a s t i n gt h ee l e c t r o m a g n e t i cp e r f o r m a n c eo fm n - z nf e r r i t e s ；b u td o n tm a t c h w e l li ng e t t i n gt h es i n t e rp a r a m e t e r s a n di th a sb e e nf o u n do u tt h a tt h ea p p r o a c h i n ge f f e c ti s d e c i d e dn o to n l yb yt h eb pn e u r a ln e t w o r ki t s e l f ( f o re x a m p l et h en e t w o r ks t r u c t u r e ，t h eb p a l g o r i t h ma n ds oo n ) ，b u ta l s ob yt h ev a l u es c o p eo ft h ef u n c t i o no rt h em a p p i n gw h i c ht h eb p n e u r a ln e t w o r ka p p r o a c ht oa n ds oo n , w h e nt h eb pn e u r a ln e t w o r ki sa p p r o a c h i n gt os o m e f u n c t i o n so rm a p p i n g s i v 硕士学位论文 a b st r a c t f i n a l l y , t h ei n s u f f i c i e n c ya n ds o m ea s p e c t st ob ei m p r o v e do ft h es y s t e mh a v e b e e np o i n t e do u t ， a l s ot h ea p p l i c a t i o np e r s p e c t i v eo ft h es y s t e mh a sb e e nf o r e s e e n k e y w o r d ：e x p e r ts y s t e m ，r & do fm n z nf e r r i t e s ，b pn e u r a ln e t w o r k s i n t e ro fm n z nf e r r i t e s ，k n o w l e d g er e p r e s e n t a t i o n k n o w l e d g ea c q u i s i t i o n v 硕士学位论文第1 章绪论 第1 章绪论 1 1 m n z b 铁氧体概述 m n z n 铁氧体是一种具有尖晶石晶体结构的亚铁磁性的软磁材料。其一般分子式 可写为：x y 。0 4 ，x ，y 分别为二价和三价的阳离子( x 可能为：f e 2 + 、z n 2 + 、m n 2 + ；y 可能 为：f e 3 + 等) 。自1 9 3 5 年1 开始，很多物理学家对尖晶石结构m f e ：0 。( m o f e 。0 3 ) 软磁铁氧 体进行了系统的研究，其中荷兰p h i l i p s 实验室物理学家s n o k e 的工作最有成果，他研 究出各种具有优良性能的m n z n 铁氧体，明确了制各工艺过程，直接促成1 9 4 6 年m n z n 铁氧体软磁材料的工业化。研究表明：m n z n 铁氧体在高频下具有高磁导率、高电阻 率、低损耗等特点，与金属磁相比软磁铁氧化具有更高的电阻率、良好的加工性能、 易于模压成型、化学稳定性好和成本低等优点。用m n z n 铁氧体磁芯制成的各种电感 器【2 1 、变压器 3 , 4 1 、轭流圈、电磁干扰抑制器、滤波器【5 , 6 1 、电子镇流器【7 1 、电波吸收材 料引、倍频器、调制器等，已广泛应用于工业自动化设备及电子仪器仪表、通讯设备、 计算机及其外设中。 1 1 1m b z b 铁氧体的分类及应用 m n - z n 铁氧体按材料的尺寸分可分为三类： 1 ) 纳米m n - z n 铁氧体粉体，主要用于制备磁性流体【9 1 6 】等； 2 ) m n - z n 铁氧体薄膜，用于制造薄膜电感器、薄膜变压器【1 7 2 0 1 等： 3 ) 块状的m n z n 铁氧体，包括单晶【2 1 2 2 】和多晶两种形式。 按功能分可分为两类：高导类和功率类。在各类软磁铁氧体磁性材料中，通常称 起始磁导率( i a 。) 大于5 0 0 0 的材料为高磁导率材料。高磁导率软磁m n - z n 铁氧体是应用 非常广泛的一种功能材料。这类材料具有高起始磁导率( 1 a 。) 、高品质因素( q ) 和高电 阻率( p ) 等特点，具有窄而长的磁滞回线，矫顽力( h 。) 低，既容易获得又容易失去磁性。 用这类材料制成磁芯广泛用于通讯、广播、电视、自动控制、航天技术、计算机技术、 电子设备及其它电子信息产业技术中，做各种电感器、电子变压器、扼流器、抑制器 和滤波器。 前西德早在1 9 6 6 年就已经试制出了i l 。值高达4 0 0 0 0 的m n - z n 铁氧体材料，但它仅在 5 的温度范围才可实现，因而没有实用价值。1 9 7 1 年日本住友公司试制并生产出u 。 】 硕士学位论文第1 章绪论 值为2 0 0 0 0 的铁氧体材料，它己能在较宽的温度范围内实现口引。此后十多年，高u 。材 料的居里点从4 0 提高到了1 3 0 以上，但温度稳定性仍较差。我国在1 9 9 1 年已经成 功地研制出初始磁导率u i 为1 0 0 0 0 的m n - z n 铁氧体担引。目前初始磁导率已超过2 0 0 0 0 ， 其水平已达到国际先进水平。高导类m n - z n 铁氧体常见的有如下几类： 1 ) 低温高磁导率l - z n 铁氧体； 2 ) 高磁导率高b 。m n - z n 铁氧体； 3 ) 低谐波失真高磁导率m n z n 铁氧体； 4 ) 宽温高直流叠加高磁导率m n z n 铁氧体。 功率类i n - z n 铁氧体一般不要求高的磁导率，但要求在某个频率范围和温度范围 的功耗小于某个值。这类m n - z n 铁氧体广泛应用于移动通讯、综合业务数字网( i s d n ) 、 a d s l 网络、局域网( l a n ) 中的调制解调器、宽带变压器等的制造，同时在电视机、笔 记本电脑、汽车启动系统、绿色照明乜引、开关电源位6 2 力等领域也有广泛的应用。功率 类一z n 铁氧体常见的有如下几类： 1 ) 低功耗功率一z n 铁氧体材料； 2 ) 高频低功率m n - z n 铁氧体材料； 3 ) 高温高b 。m n - z n 铁氧体材料； 4 ) 高频宽带低功耗m n z n 铁氧体材料。 通常生产厂家会根据m n - z n 铁氧体磁芯的形状、尺寸和性能要求等对m n z n 铁氧 体进行详细的分类。 表1 1某公司m n z n 铁氧体产品目录的一部分 1 1 2m n z n 铁氧体的制备 传统的m n - z n 铁氧体制备方法是氧化物法也称干式法，后来发展的方法有化学共 沉淀法也称湿式法。两者的工艺如图1 1 陋1 所示。 2 图1 1 铁氧体的制备工艺 1 1 3 影响m n z n 铁氧体性能的主要因素 由磁性理论可知【3 0 】：从健i m k s 。2 i ：j z 南m 孑s 2 其中ut 为起始磁导率，m 。为饱和磁化强度，k l 为磁晶各向异性常数，以为磁致伸缩 系数，仃为应力。分析可知要提高ut ，可能的途径有：提高m 。；降低k l ，太的值； 降低仃的值。 若某种成分的m n - z n 铁氧体的分子式可写为：z n | l n 。一j f e 。0 4 ，金属离子分布为( z n 2 + f e 孙。j ) m n 2 + 。j e 3 + 。+ j 仉，其中( ) 表示四面体位置( a 位) ， 表示八面体位置( 即b 位) ，则 分子磁矩：z f 5 ( 1 + 曲u 。z n 2 + 的加入，一般占a 位。它将a 位的部分f e 3 + 赶到b 位，分子磁 3 硕士学位论文第1 章绪论 矩增加，b 。上升，这在x 0 ，总存在一个三层前向神经网 络，其隐层神经元的作用函数为o ( x ) ，输入层，输出层为线性神经元。网络的总输 入一输出关系：y = f ( x l ，x 2 ，x n ) 能以规定的精度逼近给定的函数f ( x l ，x 2 ， x n ) 。 在实际应用中b p 网络通常采用三层结构。如果隐层神经元数目足够多，三层b p 网 络就能逼近任何有理函数。设助网络输入，a j ，为隐层神经元输出，彪为输出层神经 元输出，网络输入个数为r ，隐层神经元个数为s l ，输出层神经元个数为s 2 ，以为隐 层连接权值，磁为输出层连接权值。隐含层中第i 个神经元的输出为： a l l = z ( w l p j + b l f ) ，i = l ，2 ，s l( 卜5 ) i i 输出层第k 个神经元的输出为： s l a 2 l = 厶( w 2 蔚a l f + b 2 ) ，k = l ，2 ，s 2 式( 1 5 ) 和( 1 1 ) 中，石，五分别是隐层和输出层神经元激活函数；b l ，彪分别是 隐层和输出层的阈值。b p 网络的训练是根据实际输出与期望值之间的误差更新网络连 接权值来实现的。定义误差函数为： e = 去( f i - a 2 ) 2 ( 1 - - 7 ) k i i 式( 1 - - 7 ) 中：“，a 2 , 分别为第k 单元的实际输出和期望值。训练中权值沿尉权 硕士学位论文第1 章绪论 值的负梯度方向修正。设学习速率为y ，则从隐层第i 个神经元到输出层第k 单元的权值 变化为： 崛叫而o e = 一尝甏叩”哦m 训， ( ，_ s ) 从输入层第j 个神经元到隐含层第i 个神经元的权值变化为： 毗叫盖= 巷t k - a 2 k m 毗“乃 b p 网络通过周期性训练样本集合，不断修正权值，最终达到误差极小。 1 3 3 人工神经网络在材料科学中的应用现状 材料科学所研究的许多问题无法建立确切的数学模型。为了对其中的一些规律进 行归纳，常采用对现有实验数据进行整理；选用某种回归方法进行处理。回归方法存 在着局限性。人工神经网络具有自学习功能，能从实验数据中自动获取数学模型。它 无需预先给定公式的形式，而是以实验数据为基础。经过训练后获得一个反映实验数 据内在规律的数学模型，训练后的神经网络能直接进行推理。神经网络在处理规律不 明显、组分变量多的问题方面具有特殊的优越性。人工神经网络在材料设计与成分优 化、材料的智能加工与控制、材料加工工艺的优化、材料相变规律的研究与相变点的 预测、材料性能预测等方面得到了广泛的应用。 在进行材料设计时，必然涉及到材料的成分、组织、工艺、性能之间的关系。这 些内在关系是非常复杂的。随着材料科学的发展，许多新材料相继问世，其内在规律 尚不十分清楚，对于这样一些问题，采用人工神经网络方法进行处理已取得了较好效 果。如：沈阳工业大学的刘贵立和东北大学的张国英【| 7 0 】在实验数据的基础上，利用b p 网络建立高c 0 2 n i 二次硬化钢的力学性能与其化学成分及热处理温度对应关系的模 型。提出将材料力学性能指标作为网络的输入，化学成分和热处理温度作为网络的输 出，根据力学性能设计材料的化学成分含量及热处理条件，克服了各种优化方法计算 量大，容易陷入局部最优解的缺点，为高性能材料设计提供了一定的理论辅助手段。 山东大学的何林、黄传真、刘含莲m 1 等人将人工神经网络、优化方法和等值线图相结 合，对( s i c + b 。c ) 1 ：0 。复合陶瓷的组分进行优化设计，取得较满意的结果。 材料在加工处理过程中，对最终性能的影响变量较多，关系较复杂，难以建立明 确的数学模型。采用人工神经网络优化加工工艺能取得良好的效果。用神经网络方法 16 硕士学位论文第1 章绪论 优化7 1 7 5 铝合金工艺时，将变形量、固溶时间和时效时间作为网络输入，合金抗拉 强度和屈服强度作为输出，建立了三层b p 网络，用遗传算法对训练好的网络进行优 化，得到了7 1 7 5 铝合金在1 7 0 时效处理的最优工艺为：冷变形8 5 1 + 4 8 0 1 3 3 m i n | u 1 溶+ 1 7 0 1 0 h 时效m 1 。 同时，在材料的智能加工与控制、材料性能预测7 3 7 7 1 等方面人工神经网络也得到 了广泛的应用。 目前，在材料科学与工程的各个方面，利用神经网络获得很多成果，显示出十分 诱人的应用前景。但总的来说，神经网络在材料科学与工程领域中的开发和应用仍处 于初步阶段，主要表现是： 1 ) 网络模型研究和应用单一化。目前用得最广泛、最有效的是b p 网络，而其他 网络应用较少。 2 ) 研究深度不够。很多应用还停留在某些经验关系的拟合上，未发挥网络的根 本特性，而且局部性强，难以从整体上推广。 3 ) 离工业实际应用还有一定的距离。大部分工作还处于实验阶段，神经网络的 工程应用效益没有得到充分体现。 但是，可以看到，随着人工神经网络的研究和应用进步，其在材料科学与工 程中的应用将越来越广泛和深入。 1 4本论文研究的内容与结构安排 本论文研究的内容： 专家系统、人工神经网络在材料科学中的应用已经有较长的时间了，它们在材料 成分的优化设计、材料性能预测、以及材料制造过程中的智能控制已经取得了一定的 成功。而将专家系统、人工神经网络应用于m n z n 铁氧体领域，国内尚未见文献报道。 据说国外开展m n - z n 铁氧体有关的专家系统的研究已有多年，有些专家系统已经与生 产管理信息系统集成，在企业的生产研发中发挥了巨大的作用，但由于涉及技术机密， 相关情况也未见文献报道过。另一方面：我国已成为磁性材料世界第一生产大国【7 8 1 ， m n z n 铁氧体的产量也位居世界前列。但由于m n - z n 铁氧体的制造工艺路线长，影响因 素多，新品的研发只能依靠专家的经验，不断的进行实验探索，而专家和专家的经验 是有限的；使得国内大多数企业没有研发能力或研发能力很弱，难以跟上市场发展的 步伐。本文将专家系统和人工神经网络技术应用于m n - z n 铁氧体的研发过程中，探讨 】7 硕士学位论文第1 章绪论 开发基于人工神经网络的m n z n 铁氧体研发专家系统的可行性，研究了该系统中知识 的表达和获取，数据库的设计，推理机制等；并将所开发的系统初步应用于m n z n 铁 氧体的研发过程中。 结构安排： 第l 章绪论； 第2 章基于b p 神经网络的m n z n 铁氧体研发专家系统； 第3 章实验； 第4 章m n - z n 铁氧体的电磁性能预测； 第5 章基于m n - z n 铁氧体研发专家系统新产品开发研究； 第6 章结论和展望。 1 8 硕士学位论文第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 第2 章基于b p 神经网络的m n z n 铁氧体研发专家系统 2 1 问题的提出与可行性分析 m n z n 铁氧体研发的任务是在尽可能短的时间内以最少的投入开发出满足特定性 能要求的m n z n 铁氧体。但是这是很困难的，有时花费了大量的人力物力仍然无法使 产品的性能达到要求；或者虽然经过努力研制出来了，但错过了上市时间，失去了市 场。究其原因主要有： 1 ) m n z n 铁氧体的制造工艺复杂繁长，影响最终产品的性能的因素多。从粉料 的制备到最后的产品的性能检测，有二三十个工艺步骤，出差错的几率大； 影响产品性能的因素也很多，不严格控制很难使实际的工艺路线与预定的路 线较好的重合。 2 ) 某些因素对最终产品性能的影响还不十分清楚。例如，杂质s i 对产品性能的 影响，究竟是原料本身所含硅在起作用，还是外加硅在起作用，或是两者都 在起作用，现在还不十分清楚。 3 ) 大多数有用的规律只能起定性的指导作用。例如：在降温的过程中要严格控 制氧分压，如果氧分压过高会使m n z n 铁氧体氧化生成异相而使性能降低， 同时适当的氧分压也决定了适当的二价铁离子与三价铁离子的比例，这对产 品的某些性能影响也是很大的，虽然知道这些，但具体的实验中应该怎样控 制氧分压，具体到每个温度点上应该把氧分压调到多少才合适也是无法计算 的。 4 ) 以前积累下来的经验数据未被充分利用。大部分经验数据只是在开发的初期 用来参考，而蕴藏在这些数据背后的规律很少被挖掘也很难挖掘。 5 ) 该领域专家缺乏，由以上原因，一般的技术人员要想成为该领域里的专家必 须经过长期的实践积累，学习总结才行，而成为专家以后一般不会将自己的 经验传授给其他人。 从材料学的角度考虑可知：m n z n 铁氧体生产工艺( 制粉、成型、烧结、机械加 工) 决定了m n z n 铁氧体的化学组成、物相组成、微观结构、杂质分布等，而这些在 很大程度上决定了m n z n 铁氧体的电磁机械特性。而m n z n 铁氧体的成分、组织、 1 9 硕士学位论文第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 工艺、性能之间的关系是非常复杂的，其内在规律尚不十分清楚。这些都使得m n - z n 铁氧体研发不是一件容易的事情。 而专家系统是一种模拟人类专家解决领域问题的计算机程序系统7 9 】。它是一种智 能的计算机程序，这种程序使用知识与推理过程，求解那些需要杰出人物的专门知识 才能求解的高难度问题【鲫，能在一定范围内取代专家或起专家助手作用。近年来取得 了很大的发展，其理论的发展成熟使得开发某个领域的专家系统不再是很困难的事 情。 传统的专家系统由数据库、知识获取和推理机构几个部分组成。一个专家系统的 质量取决于其知识库的大小，及其中知识的可靠性。其中知识获取是限制专家系统发 展的“瓶颈”，而基于神经网络的专家系统在知识获取、并行推理、适应性学习、联 想推理、容错能力等方面具有明显的优越性。而目前在m n z n 铁氧体领域，虽然理论 和制造工艺上都已相当成熟，生产上也积累了许多经验，但是其成分、组织、工艺、 性能之间的内在规律尚不十分清楚，很多规律无法定量描述，对于这样一些问题，采 用人工神经网络方法进行处理比较合适。 由上可知，开发出具有一定质量的基于人工神经网络的m n z n 铁氧体研发专家系 统是完全可能的。从计算机程序设计的角度看，其结构类似于现今大规模应用的c s 结构的系统，计算机程序设计语言和数据库技术的发展，使得开发这样结构的系统不 是一件困难的事情。 2 2 知识的表达与获取 目前使用较多的知识表示方法主要有：一阶谓词逻辑表示法、产生式表示法、框 架表示法、语义网络表示法、面向对象表示法以及基于人工神经网络的知识表示法等。 同基于人工神经网络的知识表示法相比，其他的表示法有以下不足： 1 ) 当知识规则很多时，采用何种策略组织知识库，使得对知识库的搜索有较高 的效率，是一个很困难的问题：另外对知识库搜索可匹配规则是对知识库的规则进行 串行搜索匹配的过程，对于有多个可匹配规则的情况，还必须解决可用规则的冲突问 题。若知识库的规则存在不一致性，或者采用了不适当的规则搜索策略，那么，搜索 过程可能导致无穷递归问题。 2 ) 人工神经网络具有卓越的非线性映射能力，其神经元的连接权值和阈值一般 不能预先准确地确定，而是通过对学习实例的反复学习来逐渐调整和修改权值分布， 2o 硕士学位论文 第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 使神经网络收敛于稳定状态，从而完成学习过程的。一个稳定的神经网络就是一个特 定的知识表示，可用于相应领域问题的求解。 神经网络的知识表示采用与传统的人工智能完全不同的思想。传统的知识表示都 可以看成是知识的一种显式表示，而神经网络的知识表示可看成是知识的一种隐式表 示。神经网络的知识表示也不像基于规则的专家系统那样把局部的知识表示成一条规 则，若干知识表示成相互独立的规则组成的规则集；神经网络的知识表示是把某一问 题领域的若干知识彼此关联地表示在一个神经网络中。对于单向传播的神经网络( 例 如b p 神经网络) ，它学习后所具有的稳定的层间连接权值及阈值就是它的知识表示。 例如：用规则来表示异或逻辑，则需要4 条规则： 1 ) i f x = la n dy = lt h e nz - - 0 ； 2 ) i f x = la n dy - - - 0t h e nz = l ； 3 ) i f x = 0 a n d y = lt h e n z = l ： 4 ) i f x = 0a n dy - - ot h e nz - - 0 。 而用一个2x6xl 的b p 神经网络表示，其结构如图2 1 所示： 瓦 中问屡输出层 z 图2 1异或逻辑的b p 神经网络表示 其中，该b p 神经网络输入层各节点与中间层各节点间的连接权值，输出层各节点与中间层各 节点间的连接权值以及中间层各节点的阈值分别如表2 1 ，2 2 ，2 3 所示 21 硕士学位论文第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 输入变量的取值在( - 0 0 1 ，1 0 1 ) 的范围内的整数，再输入b p 神经网络前先进行归 一化处理，将输入变量和输出变量的值对应n ( o ，1 ) 范围内的一个值。 表2 1 异或逻辑b p 神经网络的输入层与中间层间的权值 表2 2异或逻辑b p 神经网络的输出层与中间层间的权值 表2 3异或逻辑b p 神经网络的中间层节点的阈值 中间层节点编号阈值 一2 7 2 0 3 2 6 7 4 4 3 3 7 8 4 1 4 3 4 8 9 8 11 8 3 91 0 6 0 8l5 3 4 5 9 7 5 0 7 9 8 4 5 1 6 2 7 6 7 7 3 3 1 4 1 5 5 3 1 6 8 6 5 6 9 5 1 5 2 5 0 4 6 1 2 2 1 2 9 4 4 9 1 4 3 2 7 2 2 2 硕士学位论文第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 输出层节点的阈值为：4 9 4 7 1 3 6 0 1 3 8 3 3 4 9 。 基于神经网络的知识表示方法有以下优点： 1 ) 能够表示事物的复杂关系，如模糊的因果关系； 2 ) 具有统一的知识表示形式，便于知识的组织，知识表示形式的通用性很强； 3 ) 便于实现知识的自动获取； 4 ) 便于网络的知识推理。 知识获取的基本的任务是为专家系统获取知识，建立健全、完善、有效的知识库， 以满足求解领域问题的需要。知识获取有两种形式：自动获取和非自动获取。 在非自动知识获取方式中，知识获取分两步进行，首先由知识工程师从有关技术 文献获取知识，然后由知识工程师用某种知识编辑软件输入到知识库中。非自动知识 获取方式是使用较普遍的一种知识获取方式，其知识获取通过以下几步完成： 1 ) 知识工程师通过交互的方式向系统输入规则的前提条件、结论以及规则强度； 2 ) 系统把它翻译成l i s p 语言的表示形式，然后再用英语的描述形式显示出来， 供知识工程师或领域专家检查它是否正确； 3 ) 如有错误，则由知识工程师与领域专家协商修改，然后重复上两步，直到被 确认为正确为止： 4 ) 对于新规则的输入，则把新规则与知识库中已有的规则进行一致性检查。如 发现不一致，就及时报告，由知识工程师和领域专家对有关规则进行修正； 5 ) 将正确的规则送入知识库中。 至此，一条规则的输入已完成。 自动知识获取是指系统自身具有获取知识的能力，它不仅可以直接与领域专家对 话，从专家提供的原始信息中“学习”到专家系统所需的知识，而且还能从系统自身 的运行实践中总结、归纳出新的知识，发现知识中可能存在的错误，不断自我完善， 建立起性能优良、知识完善的知识库。近年来，自然语言理解、机器学习等领域的研 究已取得较大的进展，特别是关于人工神经网络的研究提出了多种学习算法，这都为 知识获取提供了有利条件。事实上，在近年来建造的专家系统中，都不同程度地进行 了尝试与探讨，在非自动知识获取的基础上增加了部分学习功能，使系统能从实例中 集中归纳出某些知识。这些系统的知识获取方式被称为半自动知识获取方式。 由以上分析可知，该专家系统采用半自动知识获取方式获取知识较为合适。其知 23 硕士学位论文 第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 识获取过程可用图2 2 所示过程表示。 首先，一般用户、领域专家以及a i 专家分析具体问题，分析这些问题中主要矛盾 关系，得出要解决这些问题需要哪些知识：接着根据因果关系建立相应的b p 人工神 经网络模型；建立神经网络模型后分析训练这个神经网络所须的实例，从以前的实验 数据或资料中整理出所须的实例，如没有适当的数据，要设计实验，通过实验和测试 得到；得到实例后就要将实例输入所建立的网络进行训练；通过训练得到的神经网络 还须进一步检验其正确性，若检验结果不正确的要删除，重新建立新的不同结构的神 经网络，重新训练直到通过最后的检验为止。 一般用户、领域专家、a i 专家 分析具体问题，得出需要的知识 上 建立适当的网络模型 上 采集训练该网络所须的实例数据 上 输入实例数据，训练所建立的网络 上 输入数据检验该网络 上 一、 l 删舔网络 不正确矗确与否正确 1 图2 2 知识获取示意图 知识就是通过训练所得到的稳定的b p 神经网络来表示的，一个稳定的b p 神经网 络相当于知识库中的一个规则集。 2 3 系统的推理机制 24 硕士学位论文 第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 因为知识是以神经网络的形式存于知识库中，所以使用这些知识进行推理就是使 用神经网络的映射功能，其过程就是给某个神经网络一个输入通过神经网络的映射功 能得到一个输出的过程，推理机就是要找到一条使用一系列b p 神经网络的路径来解 决相应的问题。其推理机制如图2 3 所示。 图2 3 推理机制示意图 2 5 硕士学位论文第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 由于采用b p 神经网络来表示知识，所以推理的任务就是找到由一个或多个特 定的神经网络组成的路线来完成一个从n 维向量到m 维向量的映射。图2 3 所示过程 可以从现有的知识库中找到多条可能的路径，但如果知识库神经网络的数目及种类太 少也可能找不到推理的路线。 2 4 系统模型与结构 专家系统模型如图2 4 所示。 一般用户、领域专家和a i 专家通过用户界面和系统进行交互和对话，完成系统 知识的录入以及特定任务的输入。 一般用户、领域专家、a i 专家 用户界面 j ljl jl 、r1r 1r 基于神经网络的推理机解释机 基于神经网络的知识获取 飞据三知夕 图2 4 系统模型 该系统的工作原理如图2 5 所示。 一般用户、领域专家和舢专家通过用户界面输入要开发材料的电磁机械性能要 求，系统先根据这些要求搜索数据库，并返回结果。如果搜索的结果中有满足性能要 求的材料，系统就根据用户所选择的材料再次查询数据库，得到系统中所收录的该材 料制备工艺的各个工艺参数，并将所得结果输出给用户，这种情况下无须推理机进行 推理；如果搜索的结果中没有满足性能要求的材料，则系统将用户输入的任务翻译成 推理机可以理解的形式，然后叫给推理机进行推理。推理机根据推理机制，搜索知识 库，找到所有可能的路径，然后根据不同的路径，选用一系列b p 神经网络进行推理 2 6 硕士学位论文 第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 并输出结果，解释持续再将这个结果翻译成具体的工艺方案。如果b p 神经网络不够 多，系统可能找不到推理路径，而无法完成推理。 一般用户、领域专家、a i 专家 从用户界面输入要开发材料的电磁机械性能要求 土 i 搜寻数据库列出性能相近的材料及其制备工艺 l 1 l r r 鞭了 l 输出结果，结束解释程序将输入翻译成特定任务，准备推理i 推理机推理 i 解释程序将将推理结果翻译输出 1 r结束 图2 5 系统工作原理示慈图 2 5 系统的功能模块 由以上分析，该系统应该具有的功能包括： 要完成基于神经网络的知识获取必须具有：建立特定模型的b p 神经网络、录入 相应的学习实例、训练b p 神经网络、使用b p 神经网络、删除b p 神经网络的功能。 要提供大量有关m n z n 铁氧体制备工艺参数、微观结构、电磁机械性能的数据应 具有以下功能：相应数据的录入、修改、查询、删除功能。 2 7 l 硕士学位论文第2 章基于b p 神经网络的m n - z n 铁氧体研发专家系统 另外，应该还具有用户帐号管理的功能以及将特定研发任务输入系统的功能。 故系统应具有的功能模块有： 1 ) 基本数据管理模块； 2 ) 神经网络管理模块； 3 ) 任务输入模块； 4 ) 系统管理模块。 各个模块分别要完成的功能如下： 1 ) 基本数据管理模块下分为以下几个子模块： a ) 数据录入模块完成m n z n 铁氧体制备工艺参数、电磁机械性能、微观 结构等有关数据的录入： b ) 数据修改模块修改系统现有基本数据中的错误； c ) 数据删除模块删除系统现有基本数据中错误的数据。