智能制造 第5章 智能制造设计

University

of

Science

and

Technology

Beijing了解面向对象的知识表示方法、基于约束满足的智能设计和智能设计系统的发展趋势；熟悉设计的概念，基于规则、原型的智能设计方法；掌握智能设计的概念，基于案例的智能设计方法，智能设计系统的概念和关键技术。具体包括：在CAD、CIMS等概念中了解智能设计的产生，从对象的概念和对象的表达中了解面向对象的知识表示方法，了解基于约束满足的智能设计方法应用的场合；从设计的本质和3个基本特征熟知设计的概念，熟悉基于规则的智能设计方法中产生式规则的概念和使用、基于原型的智能设计方法的流程；掌握智能设计的5个特点和基于案例的智能设计方法的流程和优势，掌握智能设计系统的抽象层次模型、4种人工智能方法和4种智能设计策略。目录CONTENTS智能设计概述从广泛意义上讲，设计是指人类从事任何有目的的活动之前都要进行的构思或谋划。因此，设计无处不在、无所不需，人类文明的历史就是不断进行的设计活动的历史。产品是设计结果的物质表现如果设计人员所设计的产品，是以一定的技术手段来实现

社会特定需求的人造系统，则称之为技术系统。一般来说，技术系统可以用右图来描述，它的处理对象是能量、物料和信息。设计的目的是保证系统功能的实现，建立性能优良、成本低廉、价值最佳的技术系统。它在产品的整个生命周期中占据着非常关键的位置，从根本上决定着产品的内在和外在品质、质量和成本，其重要性是不言而喻的。右图用一条曲线显示了设计的作用：产品成本的约70%是由设计阶段决定的；而运用计算机辅助设计/计算机辅助制造（CAD/CAM）技术的工程阶段，只决定约20%的成本；加工过程控制阶段，则只决定约10%的成本。由此可见，设计是决定产品命运的重要环节。设计是一种创造性活动，设计的本质是创造和革新。设计的本质具有约束性、多解性、相对性等基本特征约束性多解性相对性设计是在多种因素的限制和约束下进行的，其中包括科学、技术、经济等发展状况和水平的限制，也包括生产厂家提出的特定要求和条件，同时还涉及环境、法律、社会心理、地域文化等因素。解决同一个技术问题的方法是多种多样的，满足一定条件的设计方案通常也不是唯一的。任何设计对象本身都是包括多种要素构成的功能系统，其参数的选取、尺寸的确定、结构形式的设想等都具有很强的可选性。设计要求的多目标特性使得设计人员经常处于一种矛盾的状态之中。这种相互矛盾的要求给设计工作增加了难度，加上事先难以预料的一些不确定因素的影响，使得设计人员在设计方案选择和判定时，只能做到在一定条件下的相对满意。智能设计的产生可以追溯到专家系统技术最初应用的时期，其初始形态都采用了单一知识领域的符号推理技术——设计型专家系统，这对于设计自动化技术从信息处理自动化走向知识处理自动化有着重要的意义，但设计型专家系统仅仅是为解决设计中某些困难问题的局部而产生的，这只是智能设计的初级阶段。智能设计的发展与CAD的发展紧密联系在一起。在CAD发展的不同阶段，设计活动中智能部分的承担者是不同的，如右表所示。智能设计技术代表形式智能部分的承担者阶段传统设计技术人工设计/传统CAD人类专家非智能设计阶段现代设计技术ICAD设计型专家系统智能设计初级阶段先进设计技术I2CAD人机智能化设计系统智能设计高级阶段智能设计与CAD的发展过程智能设计是设计人员重要的辅助工具，它通过应用现代信息技术，模拟人类的思维活动来提高设计系统的智能水平，使设计系统能够更多地代替设计人员完成设计过程中的复杂任务。智能工程是智能设计的关键技术和基础，而智能设计则是智能工程的重要应用领域。智能设计的特点以设计方法学为指导以人工智能技术为实现手段以传统CAD技术为数值计算和图形处理工具面向集成智能化提供强大的人机交互功能智能设计方法在智能设计概念被明确提出后的几十年里，智能设计方法研究取得了很大的进展，目前已演化和形成一系列较为成熟的智能设计方法，这些方法对于模拟人类在常规设计活动中通过逻辑思维活动运用和加工相应类型设计知识的行为尤为重要。面向对象的知识表示方法基于规则的智能设计方法基于案例的智能设计方法基于原型的智能设计方法基于约束满足的智能设计方法OOKR是以知识所描述或针对的对象为单位来组织知识，并用对象之间的关系来表示关系型和层次型知识的一种混合型知识表示方法。OOKR以领域对象为中心组织知识库系统结构，对象是知识库的基本单元。OOKR将多种单一的知识表示方法按照对象的程序设计原则组合成一种混合知识表达形式。对象的表达由4种集合组成，如右图所示。面向对象的知识表示方法（Object-OrientedKnowledge

Representation，OOKR）RBD方法是源于人类设计者能够通过对过程性、逻辑性、经验性的设计规则进行逐步推理来完成设计的行为，是最常用的智能设计方法之一。该方法将设计问题的求解知识用产生式规则的形式表达出来，从而通过对规则形式的设计知识推理而获得设计问题的解。RBD的基本过程右图所示，关于设计问题的各种设计规则被存储在设计规则库中，而综合数据库中存放有当前的各种事实信息。基于规则的智能设计方法（Rule-Based

Design，RBD）CBD方法是通过调整或组合过去的设计解来创造新设计解的方法，是人工智能中基于案例推理（Case-Based

Reasoning，CBR）技术在设计型问题中的应用，它源于人类在进行设计时总是不自觉地参考过去相似设计案例的行为。CBD的基本过程右图所示，大量设计案例被存储在设计案例库中。基于案例的智能设计方法（Case-Based

Design，CBD）人类设计专家经常能够根据以往的设计经验把一种设计问题的解归结为一些典型的构造形式，并在遇到新的设计问题时从这些典型构造形式中

选取一种作为解的结构，进而采用其他设计方法

求出解的具体内容。这些针对特定设计问题归纳

出的设计解的典型构造形式，即“设计原型”。

这种采用设计原型作为设计解属性空间的结构并

进而求解属性空间内容的智能设计方法，称为基

于原型的设计方法。PBD的基本过程如右图所示，设计原型被存储在设计原型库中备用。基于原型的智能设计方法（Prototype-Based

Design，PBD）CSD方法是把设计视为一个约束满足的问题（Constraint-Satisfied

Problem，CSP）进行求解。人工智能技术中，CSP的基本求解方法是通过搜索问题的解空间来查找满足所有问题约束的问题解。但是，智能设计与一般的CSP存在一些不同。在一个复杂设计问题中，往往涉及众多变量，搜

索空间十分巨大，这使得通常很难通过搜索方法

而得到真正设计问题的解。因而，CSD常常是借助其他智能设计方法产生一个设计方案，然后来判别其是否满足设计问题中的各方面约束，而CSP一般只用于解决设计问题中的一些局部子问题。约束在产品几何表达方面的应用由来已久，

CAD系统的“鼻祖”Sketchpad就是一个基于约束的交互式图形设计系统，这一技术一直被延伸和发展到目前的三维产品造型技术中。智能设计显然是与产品几何密不可分而需要具有几何约束的，而且对于设计对象的功能性、结构性、工程性、经济性等各个方面也都可能提出一定的约束。此外，设计中的一些常识性知识也可能通过约束来表达。需要明确的是，虽然设计约束并不被直接用于产生设计解，但它在判别设计解的正确性或可行性方面是不可缺的，因而是产品设计知识的重要组成部分。由于设计约束的内容十分丰富，因而它存在多种表达形式。常见的判断型约束常表现为谓词逻辑形式的陈述性知识，但也存在许多具有前提条件的约束。此时，约束包括前提和约束内容两部分，具有类似于规则的形式。另外，对于一些复杂约束还存在相应的特殊表示方法。基于约束满足的智能设计方法（Constraint-Satisfied

Design，CSD）智能设计系统引用日期2021-05-08概念掌握结构体系掌握抽象层次模型掌握集成求解策略掌握智能设计系统是面向CIMS的智能设计的高级发展阶段，是人机高度和谐、知识高度集成的设计系统。虽然它也需

要采用专家系统技术，但只是将其作为自身的技术基础之

一，与设计型专家系统之间存在着根本区别。设计型专家系统只处理单一领

域知识的符号推理问题，相当

于模拟设计专家个体的推理活

动，属于简单系统；而智能设

计系统则要处理多领域知识和

多种描述形式知识，是集成化

的大规模知识处理环境，需要

模拟和协助人类专家群体的推

理决策动，属于人机复杂系统。这种人机复杂系统的集成性要

求对跨领域知识子系统进行协

调、管理、控制和冲突消解等，而且应有必要的机制保证人和

机器的有机结合。设计型专家系统一般只能解决

某一领域的特定问题，只是围

绕具体产品设计模型或针对设

计过程某些特定环节的模型进

行符号推理，比较孤立和封闭，难以与其他知识系统集成；而

智能设计系统面向整个设计过

程，要考虑整个设计过程的模

型，设计专家思维、推理和决

策的模型（认知模型）以及设

计对象（产品）的模型，特别

是在CIMS环境下的并行设计，

更需要体现出其整体性、集成

性、并行性等。设计型专家系统解决的核心问

题是模式设计，方案设计可作

为其典型代表；与设计型专家

系统不同，智能设计系统要解

决的核心问题是创新设计，这

是因为在CIMS大规模知识集成

环境中，设计活动涉及多领域

和多学科的知识，其影响因素

错综复杂，很难抽象出有限的

稳态模式。即使存在设计模式，设计模式也是千变万化的，几

乎难以穷尽。这样的设计活动

必定更多地带有创新色彩。根本区别从问题描述的角度分析，任何复杂系统都有必要抽象出统

一的表达模型，通过抽象可以把复杂的问题进行分层分类，然后采用相应的处理方法。参考ISO/OSI参考模型（七层协议），可以总结出智能设计

自身的特点，给左图5.7所示的智能设计系统抽象层次模型。图的左边层次体现了智能设计过程中层与层之间的相互关联，上一层以下一层为基础，下一层为上一层提供支持和服务。同时可以看出，每一层都有自己的任务，正是这样的分层和分类，才构成了复杂系统设计的统一整体。图的右边体现了抽象层次模型在具体应用时所承担的任务，同时也呈现出如左边一样的特性。建立智能设计系统的抽象层次模型，是智能设计系统集成求解的基础。①目标层是智能设计要达到的总目标，声明系统要达到的要求，往往与市场的需求、用户的要求相关联。②决策层把要实现的总目标分解成子目标，并采用相应的求解方法和策略，表现为任务的分解和进一步的决策。③结构层提供问题组织与表达的方法。结构层的合理确定，是保证系统统一和完整的先决条件。如目前广泛采用的面向对象的组织方式，可以为问题的描述提供有力的支持，结构层是实现集成的基础。④算法层是概念设计中非常关键的一层，为决策层提供强有力的支持工具。算法层包含所有可用的算法和方法，是问题求解的关键所在。知识工程中的专家系统技术与基于实例的推理技术以及计算智能的人工神经网络、遗传算法都可以为决策层提供支持，是求解问题的关键所在。⑤逻辑层为算法层的协调和协作提供保障，逻辑层通过关系和约束把算法层联系起来，使系统融合为一个整体。⑥传输层保证信息的正确和快速交换以及对信息的管理，是以上各层信息交流的平台。⑦物理层提供系统运行的软硬件环境，包括信息的存储以及与其他外部设备的连通。从人类思维的角度来看，人类思维可分为简单思维和复杂思维。简单思维与复杂思维最根本的区别在于主体拥有知识的多少和主体对客体的认识程度。随着知识的不断积累，知识的形式也呈现出多种多样：理论知识和实践知识。理论知识和实践知识体现了人类知识的不同层次关系，理论知识是实践知识的抽象和升华；实践知识是人类通过生产劳动获得的知识。理论知识和实践知识，互相促进，相互转化，螺旋式地向前发展。从认识论角度分析，人类知识可以分为过程知识、叙述知识和潜意识3类。过程知识是对客观事物的精确描述，可以用准确的数学模型来表达。叙述知识是指对客观事物的描述能够用语言文字来表达。潜意识是指客观事物不能或难于用明确规范化的语言表达出来。设计师在进行设计时，采用的知识并不是单一的。问题的复杂性，决定了知识的异构性。过程知识、叙述知识和潜意识为异构知识的抽象形式，异构知识具体化的形式可以概况为过程知识、符号知识、实例知识和样本知识。在异构知识体系中，不同层次、不同形式的知识相辅相成，互为补充。其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理，以专家系统（ES）和基于案例推理（CBR）为代表，统称为知识工程（KE）。符号主义Symbolicism人工智能目前主要分为三大流派其主要原理为神经网络及神经网络间的连接机制与学习算法，以人工神经网络（ANN）和遗传算法（GA）为代表，统称为计算智能（CI）。连接主义Connectionism其原理为控制论及感知-动作型控制系统，研究工作重点是模拟人在控制过程中的智能行为和作用，以20世纪

80年代诞生的智能控制和智能机器人系统为其标志性成果。行为主义Behaviorism引用日期2021-05-08人工智能方法的比较4种方法 优化能力思维方式学习能力知识的可操作性解释功能知识形式非线性能力ES较强抽象思维较差一般强规则、符号弱CBR一般类比思维较差一般一般实例一般ANN较强联想思维强无无样本强GA强仿自然一般无无多种知识强右表是知识工程和计算智能中的

4种人工智能方法的比较，在实际的智能制造设计系统中，常常是几种方法的结合。引用日期2021-05-08智能设计集成求解策略掌握在智能设计系统的集成求解策略中常用到4种求解策略，分别是基于符号知识推理求基于案例推理求解基于人工神经网络求解基于遗传算法求解如右图所示。对于基于符号知识推理求解来说，初始设计通过专家知识的推理得到初步方案，再进一步分析推理结果，然后评价对结果是否满意。如果对结果满意，则输出结果，否则修改相关参数，重新确定新的方案。重复以上步骤直到对结果满意为止。由于工程问题的复杂性，基于符号知识推理技术在多方案的产生和再设计上非常困难，遗传算法为多方案的产生提供了有效的机制，而约束满足方法则为基于符号知识推理提供了有效的再设计手段。对于基于案例推理求解来说，初始设计是提取相关案例，对相关案例进行类比设计，再通过对案例的

评价，确定是否采用该案例，或进一步修改案例以满

足设计要求。基于案例推理求解知识，属于类比思维。对于人工神经网络求解来说，初始设计是

在样本训练的基础上，通过输入值的传播产生候

选解，对候选解进行评价，若对输出结果不满意，可重新调整网络数值，增加样本或提炼样本，改

进误差，直到对输出结果满意为止。人工神经网

络学习处理样本知识，属于直觉思维。对于采用遗传算法求解来说，初始设计是

通过随机方式产生个体，再由个体的选择、重组、杂交、突变，然后施用进化压力，使得个体朝着

优良的方向发展，如果得到的个体最优则输出，

否则进一步通过遗传操作修改个体，直到使个体

满意为止。遗传算法为基于符号知识推理快速提

供初始方案设计。智能设计系统的关键技术包括设计过程的再认识、设计知识表示、多专家系统协同技术、再设计与自学习机制、多种推理机制的综合应用、智能化人机接口、多方案的并行设计、设计信息的集成化等。智能设计系统的发展取决于对设计过程本身的理解。尽管人们在设计方法、设计程序和设计规律等方面进行了大量探索，但从信息化的角度看，目前的设计方法学还远不能满足设计技术发展的需求，智能设计系统的发展仍然需要探索适合于计算机处理的设计理论和设计模式。设计过程是一个非常复杂的过程，它涉及多种不同类型知识的应用，因此单一知识表示方式不足以有效地表达各种设计知识。建立有效的知识表示模型和有效的知识表示方式，始终是设计型专家系统成功的关键。一般采用多层知识表达模式，将元知识、定性推理知识以及数学模型和方法等相结合，根据不同类型知识的特点采用相应的表达方式，在表达能力、推理效率与可维护性等方面进行综合考虑。面向对象的知识表示、框架式的知识结构是目前采用的流行方法。较复杂的设计过程一般可分解为若干个环节，每个环节对应一个专家系统，多个专家系统协同合作、信息共享，并利用模糊评价和人工神经网络等方法以有效解决设计过程多学科、多目标决策与优化的难题。当设计结果不能满足要求时，系统应该能够返回相应的层次进行再设计，以完成局部和全局的重新设计任务。同时，可以采用归纳推理和类比推理等方法获得新的知识，总结经验，不断扩充知识库，并通过再学习达到自我完善。良好的人机接口对智能设计系统是十分必要的。系统对自然语言的理解，对语音、文字、图形和图像的直接输入和输出是智能设计系统的重要任务。对于复杂的设计任务以及设计过程中的某些决策活动，在设计专家的参与下，可以得到更好的设计效果，从而充分发挥人与计算机各自的长处。智能设计系统中，除了演绎推理外，还应该包括归纳推理、基于案例的类比推理、各种基于不完全知识的模糊逻辑推理方式等。基于案例的类比推理和模糊逻辑推理等是目前智能设计系统的重要特征。各种推理方式的综合应用，可以博采众长，更好地实现设计系统的智能化。概念设计是CAD/CAPP/CAM一体化的首要环节，设计结果是详细设计与制造的信息基础，必须考虑信息