产品设计KBE使能技术.pptVIP

产品设计2 主讲人 曾富洪 攀枝花学院 2 第十一章基于知识的工程 KBE 技术 11 4 3知识推理 1 推理的基本概念 推理就是以某种策略由己知判断推出另一判断的思维过程 一般来说 推理都包括两种判断 一种是己知的判断 包括已掌握的与求解问题有关的知识及关于问题的已知事实 另一种是判断推出的新判断 即推理的结论 在KBE系统中 推理是由程序实现的 称为推理机 推理的基本任务是从一种判断推出另一种判断 若从判断推出的途径来划分 推理可分为演绎推理 归纳推理 默认推理 3 第十一章基于知识的工程 KBE 技术 11 4 3知识推理 1 推理的基本概念 演绎推理是从全称推理导出特称判断或单称判断的过程 即由一般性知识推出适合于某一种具体情况的结论 这是一种从一般到个别的推理 演绎推理有多种形式 经常用的是三段论式 它包括 大前提 已知的一般性知识或假设 小前提 关于所研究的具体情况或个别情况的判断 结论 由大前提推出的适合于小前提所示情况的新判断 4 第十一章基于知识的工程 KBE 技术 11 4 3知识推理 1 推理的基本概念 归纳推理 是一种从个别到一般的推理 默认推理 又叫缺省推理 是知识不完全的情况下作出的推理 通常的形式是 如果没有足够的证据证明结论不不成立 则认为结论是正确的 5 11 4 3知识推理 2 推理的方式及分类 在人工知识智能领域中 根据知识的类型将推理方法分为以下三类 基于规则的推理 Rule BasedReasoning RBR 基于实例的推理 Case BasedReasoning CBR 基于模型的推理 Modeling basedReasoning MBR 下面就人工智能领域的三种推理方式进行介绍 6 11 4 3知识推理 2 推理的方式及分类 1 基于规则的推理 RBR 以产生式规则表示知识的推理 其核心是演绎推理 从一组前提必然推导出某个结论 即三段论法 作为基本的推理方法 RBR目前应用最为广泛 RBR具有以下特点 具有很强的推理能力和较高的推理效率 知识表示形式简单 通常为IF THEN结构 易于系统实现 知识 规则 捉取困难 知识库维护困难 RBS运行效率随规则库规模的增大而迅速降低 构造基于规则的KBS系统周期长 靠人工 移植 方式获取专家知识 非结构化的知识组织形式 求解复杂问题困难 7 11 4 3知识推理 例 事实 Fido会犬吠 Barks 和咬人 Bites 否则Fido不是狗规则 所有的Terrier都是狗 所有会犬吠的东西都是吵人的 Noisy 目标 存在某个东西 除非它不是Terrier 否则吵人 解 形式化表示 1 基于规则的推理 RBR 8 11 4 3知识推理 解 标准化表示 1 基于规则的推理 RBR 9 11 4 3知识推理 解 求解 1 基于规则的推理 RBR 目标节点 R2 Fido y Fido Z1 Fido x R1 Fido z 与 或图 10 11 4 3知识推理 解图置换 将所有变量的置换都作为置换元素 收集于一个置换中 并对其进行复合处理 解图一致说明演绎成功 1 基于规则的推理 RBR 设解图中置换元素ti vi i 1 n ti为指示置换项 vi为指示变量建立两个分别由ti和vi构成的表达式 U1 v1 v2 vn U2 t1 t2 tn 检查U1和U2能否合一 若不能合一 则置换是不一致的 进而解图不一致 若能合一 则建立起使U1和U2合一的置换 称为解图置换S的合一复合 进而解图是一致的 11 11 4 3知识推理 2 基于实例的推理 CBR RBR不具备学习能力 如果问题超出系统所描述的范畴 就显得无能为力 CBR克服了上述缺陷 并且建立和维护相当简单 只需定义一致性的词表 从领域专家那里收集事例并装入事例库即可 CBR过程可以分为四个主要阶段 事例检索 事例复用 解决方案修正和事例保存 12 11 4 3知识推理 2 基于实例的推理 CBR 13 11 4 3知识推理 2 基于实例的推理 CBR 事例的表示一般情况可将事例表示成一组特征 对于复杂情况 可将一个事例表示为一组相互关联的子事例的集合 以形成问题的解的结构 事例的索引CBR系统的效率很大程度上取决于从事例库中检索出适当事例的能力 因此 必须对事例进行适当的组织和索引 索引方法主要有 最近邻法 归纳法和基于知识的方法等 许多系统使用这几种方法的组合 14 11 4 3知识推理 2 基于实例的推理 CBR 事例的检索与事例的索引相对应 检索方法有 相联检索 层次检索和基于知识的检索等 事例的修正通过检索得到与输入事例最佳匹配的事例后 修正算法则将该事例由满足大部分要求修正为满足全部要求 由于修正算法与具体的问题领域有关 故难以采用统一的方法 目前多数系统采用修正规则或领域模型 对复杂的情况 还可将事例库中的若干事例 片段 组合起来以完成修正过程 在无法由计算机完成全部修正时 应采用人工干预 15 11 4 3知识推理 2 基于实例的推理 CBR CBR具有以下特点 与人类专家的决策过程相吻合 更符合人类认知过程 知识库创建简单 快速 能实现自动化和系统学习 具有高的推理效率 对过去求解结果的复用可避免每次从头推导 适用于弱知识领域 求解全新问题时 缺乏相似事例指导 推理效率十分低下 随着事例库增大 时间和空间复杂性将会提高 细节技术多样化 且无完整 成熟的理论指导 16 11 4 3知识推理 3 基于模型的推理 MBR 基于模型的推理 MBR 是根据反映事物内部规律的客观世界的模型进行推理 具有代表性的是定性物理模型和因果模型 定性物理模型是用定性方法描述技术系统的功能与行为 它可直接表示输入条件 前提或原因 到输出结果 现象或结论 的推理过程 称之为定性推理 该方法将知识和推理合为一体 无须建立与修改独立的知识库 缩小了主观思维与客观事物的差距 较接近事物的本质 因果模型充分显示了客观事物内部的因果关系 大大提高了系统的透明度和可理解性 17 11 4 3知识推理 3 推理方法的集成 1 CBR RBR集成如果将事例视为经验知识 则规则为原理性的知识 现实中 求解问题时 这两类知识显然互为补充 因此CBR RBR的集成从早期的CBR系统中便开始出现 如索引规则 修改规则 修正规则的采用等 虽然与RBR相比 CBR更符合领域专家的思维过程 但它并不独立于传统专家系统单独存在 而是与规则相辅相成 从创成和变异两个角度去解决问题 既可充分利用已有资源 又具有较好的柔性和适应性 从而使整个系统推理决策具有更高的效率和更好的质量 18 11 4 3知识推理 3 推理方法的集成 2 CBR MBR集成CBR适合求解常见问题 MBR则在求解中小型的新问题时优势明显 将两者集成 通过某些局部模型的建立 有利于控制系统的复杂性 从而提高系统的推理效率 更好地解决此类问题 目前将CBR MBR集成已有了一些成功的应用 其集成方式可归纳为以下几种 MBR组织问题的求解框架 将CBR结合进来 以CBR组织问题的求解框架 推理过程的某些技术环节采用MBR CBR MBR分别用于系统不同模块 独立实现各自的功能 19 11 4 4知识建模 知识发现的过程并非是提取和收集己有知识的过程 而是一个形成全新知识模型的过程 这个过程不是简单地将人类知识直接映射到规则生成器中 而需用领域专家知识产生一个满足KBE功能的信息模型 1 基于符号的知识建模基于符号的方法是通过符号操作的形式化描述 建立问题求解的知识模型 在符号型知识模型中 知识常常采用产生式规则和语义网络的方法表示 通过将知识用符号规范化描述后 建立设计问题 约束和设计结果之间的复杂关系网络 同时将非确定型的约束采用模糊集理论来描绘 该模型的知识控制策略是一种问题驱动型 设计行为将问题和问题的解决方案联系起来 如果问题的解决方案是一个新的问题 那么需要将其分解 如此循序渐进 直至每个问题最终找到无需进一步分解的结果 20 11 4 4知识建模 2 基于构形 工程 几何的知识建模构形知识 Configuration C 指零件组合和几何特征之间合适的匹配关系 主要包括决定产品构成的规则 需求和关系 工程知识 Engineering E 是在产品设计中集成的工艺和制造知识 它包括基于规则的工程分析知识 公式化规则等 几何知识 Geometry G 是产品的三维和二维模型 是CAD系统的基本元素 21 11 4 4知识建模 整个产品几何模型由若干个特征构成 将各种工程和几何约束以规则等形式表示 在特征定义的同时进行基于知识的设计 在基于CEG Configuration Engineering Geome