基于人工神經(jīng)網(wǎng)絡(luò)的零件族智能搜索算法

王軍張艷

燕山大學(xué)，秦皇島，066004

0 引言

成組技術(shù)(GT)的核心是成組工藝，它把結(jié)構(gòu)、材料、工藝相似的零件組成零件族，按零件族制定工藝進(jìn)行加工，從而改變了多品種小批量生產(chǎn)方式并提高了生產(chǎn)率。隨著成組技術(shù)的不斷發(fā)展，這項(xiàng)技術(shù)不僅應(yīng)用于傳統(tǒng)的設(shè)計(jì)和制造領(lǐng)域，同時(shí)也已經(jīng)成為柔性制造系統(tǒng)(FMS)和計(jì)算機(jī)輔助制造的技術(shù)基礎(chǔ)。如果不以GT的觀點(diǎn)建立零件族來(lái)組織生產(chǎn)，必將使得FMS的刀庫(kù)容量增大，隨行夾具數(shù)量增多，各種監(jiān)控系統(tǒng)的功能要求增多，管理軟件的數(shù)量和容量增加，其結(jié)果就是提高FMS的成本而達(dá)不到預(yù)期的經(jīng)濟(jì)效果［1］。

GT的核心是為相似的問(wèn)題尋找統(tǒng)一的解決方案，因此，無(wú)論是在一般的制造系統(tǒng)還是在FMS中應(yīng)用GT技術(shù)，都必需解決以下幾個(gè)問(wèn)題:①零件標(biāo)識(shí)以及零件相似準(zhǔn)則確定;②對(duì)現(xiàn)有的零件，按一定的相似準(zhǔn)則分類(lèi)成族，并為每個(gè)零件族制訂統(tǒng)一的工藝方案;③對(duì)新零件確定所屬零件族，并搜索出工藝方案。

從成組技術(shù)的理論上講，解決上述問(wèn)題已經(jīng)不存在難點(diǎn)。但從實(shí)施成組技術(shù)來(lái)看，卻存在著諸多問(wèn)題，這是因?yàn)?①各企業(yè)因?yàn)楫a(chǎn)品和制造資源的差異，依然難以找到統(tǒng)一的解決方法，很多情況下，依據(jù)經(jīng)驗(yàn)和直覺(jué)的人工處理依然發(fā)揮很大作用。②從本質(zhì)上講，GT是對(duì)現(xiàn)有的零件制造知識(shí)的再利用，即“知識(shí)重用”的問(wèn)題。這些知識(shí)涉及的數(shù)據(jù)量極大，數(shù)據(jù)類(lèi)型多，數(shù)據(jù)之間的關(guān)系通常是非結(jié)構(gòu)化的，目前還缺乏有效的資料處理手段，檢索速度低。這些問(wèn)題迫使人們從成組技術(shù)本身尋求發(fā)展的突破口。因此，面向 FMS和CIMS應(yīng)用的信息分類(lèi)、信息標(biāo)識(shí)和處理、相似理論、聚類(lèi)理論以及分類(lèi)檢索等已經(jīng)逐漸成為這一領(lǐng)域的研究重點(diǎn)［2-6］。

本文首先分析成組生產(chǎn)、FMS設(shè)備選擇與布置時(shí)采用生產(chǎn)流程分析法［7］的必要性，之后，指出采用生產(chǎn)流程分析法分組給新零件搜索帶來(lái)的問(wèn)題和難點(diǎn)，最后給出用神經(jīng)網(wǎng)絡(luò)建立零件編碼與零件族之間隱性關(guān)系的算法，并用這種算法實(shí)現(xiàn)零件編碼與零件族的映射，從而為新零件確定零件族，實(shí)現(xiàn)零件族的智能搜索。

1 生產(chǎn)流程分析與零件族搜索

1.1 零件編碼分組法和生產(chǎn)流程分析法

零件編碼是對(duì)零件信息的定性描述，就是將零件的信息代碼化。編碼信息包含零件的材料、結(jié)構(gòu)和加工的一些信息。零件分類(lèi)成組的方法主要有試檢法、編碼分組法和生產(chǎn)流程分析法。試檢法適合于零件數(shù)量較少的情況。編碼分組法依據(jù)現(xiàn)有零件編碼對(duì)零件的結(jié)構(gòu)特征信息分布進(jìn)行統(tǒng)計(jì)分析，在此基礎(chǔ)上人工制定出分組的標(biāo)準(zhǔn)，確定出零件族的特征數(shù)據(jù)或特征矩陣，然后對(duì)零件進(jìn)行分組。這種方法也可以概括為強(qiáng)調(diào)結(jié)構(gòu)特征的相似性，先建立特征矩陣，再依據(jù)特征矩陣來(lái)對(duì)零件進(jìn)行分類(lèi)，從而生成零件族。特征矩陣形式如圖1所示。

圖1 特征矩陣

圖1中，Ⅰ、Ⅱ、Ⅲ、Ⅳ和Ⅴ代表碼位，0～9代表碼值，“/”代表該碼位對(duì)應(yīng)的取值，圖1中的空白處沒(méi)有對(duì)應(yīng)的取值。每一個(gè)零件族對(duì)應(yīng)著一個(gè)矩陣(碼域)。零件分組時(shí)，將零件代碼與特征矩陣進(jìn)行比較，如果匹配則屬于該零件族，否則，不屬于該零件族。

生產(chǎn)流程分析法是在分析現(xiàn)有全部零件的生產(chǎn)流程基礎(chǔ)上，主要根據(jù)零件的加工方法和所用設(shè)備的相似性來(lái)分組，其目的是將那些需要一組相同或相似加工工序的零件歸并成組，將工藝的相似性作為判斷零件相似性的準(zhǔn)則。工藝流程包含的因素很多，而機(jī)床是決定性的因素，它隱含了工藝中的多個(gè)信息，例如FMS的零件族決定著各個(gè)加工設(shè)備的類(lèi)型、功率、成形表面類(lèi)型、尺寸范圍和精度，通常構(gòu)建一個(gè)零件－機(jī)床矩陣來(lái)表達(dá)現(xiàn)有零件的生產(chǎn)流程，并在此基礎(chǔ)上進(jìn)行零件分組，獲得零件－機(jī)床矩陣后，再用排序聚類(lèi)分析算法生成零件族。

由以上分析可知:與編碼分組法相比，生產(chǎn)流程分析法直接利用工藝過(guò)程的相似性，更適合面向加工的應(yīng)用，如用于FMS的零件族生成、設(shè)備選取與布置、內(nèi)部物流的仿真、成組夾具設(shè)計(jì)及零件族組程序編制。本文重點(diǎn)討論采用這種方法進(jìn)行分組的基礎(chǔ)上，如何對(duì)新的待加工零件進(jìn)行零件族搜索。這個(gè)問(wèn)題能否得到解決直接關(guān)系到FMS的長(zhǎng)期柔性。

1.2 零件族搜索方法與生產(chǎn)流程分析法存在的問(wèn)題

FMS的柔性不僅表現(xiàn)在對(duì)現(xiàn)有多種零件的加工上，還表現(xiàn)在對(duì)加工零件變化的適應(yīng)能力上。在非單一零件族或有多條FMS生產(chǎn)線的情況下，新零件加工時(shí)，必須首先解決零件族的搜索問(wèn)題。新零件所屬零件族的搜索通常采用圖2所示的方法。

圖2 零件族搜索流程

圖2中，各部分含義如下。

新零件編碼:待加工零件的分類(lèi)編碼，也是零件的標(biāo)識(shí)。

零件族特征參數(shù):在對(duì)現(xiàn)有零件分組后，為每個(gè)零件族建立特征參數(shù)，通常以特征矩陣形式出現(xiàn)。

零件族搜索:將新零件的編碼與零件族特征參數(shù)進(jìn)行匹配。

零件族的特征參數(shù)通常是圖1所示特征矩陣的形式，即對(duì)每個(gè)零件族建立圖1所示的矩陣。

當(dāng)采用編碼分組法時(shí)，按圖2所示的流程進(jìn)行零件族搜索是很容易實(shí)現(xiàn)的，這是因?yàn)榫幋a分組法先確定特征矩陣，再根據(jù)特征矩陣建立零件族。特征矩陣與編碼之間有直接的聯(lián)系。但是在采用生產(chǎn)流程分析法分組時(shí)，圖2所示的零件族特征參數(shù)或特征矩陣卻難以構(gòu)建，這是因?yàn)?①直接參加分組的因素是工藝，而不是編碼，編碼在此僅作為零件的標(biāo)識(shí)，因此零件族與工藝的聯(lián)系是直接的，與編碼的聯(lián)系是間接的;②分組的主要是依據(jù)工藝相似性，而現(xiàn)有零件的工藝取決于零件本身的要求，也取決于制造資源、工藝決策的邏輯和工藝習(xí)慣;③現(xiàn)有零件編碼與零件的工藝是獨(dú)立存在的;④受到編碼碼位的限制，零件編碼所表達(dá)的工藝信息是有限的，難以尋找零件族的共性與編碼之間的聯(lián)系。

綜上所述，編碼分組法的特點(diǎn)是先有零件族特征參數(shù)(特征矩陣)，后有零件族，而生產(chǎn)流程分組法的特點(diǎn)是先依據(jù)工藝相似性建立零件族，之后需要反推零件族的特征參數(shù)，這個(gè)反推的過(guò)程沒(méi)有固定的算法可循，難以獲得零件族工藝上的共性與編碼之間的關(guān)聯(lián)模型。應(yīng)該指出的是，零件的編碼是零件的標(biāo)識(shí)，也是對(duì)零件幾何信息和制造信息的定性的、代碼化的描述，從本質(zhì)上講，零件編碼與零件族工藝之間是有聯(lián)系的，只是這種聯(lián)系是間接的、隱含的、難以用數(shù)學(xué)表達(dá)式來(lái)描述的，它們之間的聯(lián)系如圖3所示。

圖3 編碼、工藝和零件族之間的聯(lián)系

2 基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的零件族智能搜索算法

2.1 人工神經(jīng)網(wǎng)絡(luò)算法原理

基于人工神經(jīng)網(wǎng)絡(luò)(ANN)技術(shù)進(jìn)行零件族智能搜索實(shí)際上是通過(guò)ANN建立編碼與零件族之間的關(guān)系。這種關(guān)系不再是特征矩陣的形式，而是網(wǎng)絡(luò)結(jié)構(gòu)以及權(quán)值的形式，其總體流程如圖4所示。流程圖主要由兩大部分組成，其中部分Ⅰ是數(shù)據(jù)處理部分，其功能是:①建立零件機(jī)床矩陣;②依據(jù)生產(chǎn)流程分析法對(duì)零件分組，其中包括定義工藝相似系數(shù)，并依此進(jìn)行聚類(lèi)零件形成零件族。部分Ⅱ利用神經(jīng)網(wǎng)絡(luò)搜索零件族，新零件確定所屬零件族時(shí)只要輸入零件編碼即可。

圖4 總流程圖

由圖4可知:①依據(jù)工藝相似的原則，零件－機(jī)床矩陣為零件分組的輸入數(shù)據(jù);②分組的結(jié)果為FMS設(shè)備規(guī)劃的依據(jù)，也是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本;③將現(xiàn)有零件的分組結(jié)果作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本來(lái)訓(xùn)練網(wǎng)絡(luò);④依據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，搜索出新零件的所屬零件族。

盡管直接參與零件分組的因素是工藝，零件編碼只作為零件的標(biāo)識(shí)，但在零件分組后，直接對(duì)分組結(jié)果再用ANN建立編碼與零件族之間的隱性聯(lián)系，將訓(xùn)練好的ANN作為零件族的搜索器件，實(shí)現(xiàn)零件族搜索。

2.2 神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)與訓(xùn)練

本文用神經(jīng)網(wǎng)絡(luò)建立零件編碼與零件族之間的隱性聯(lián)系來(lái)解決零件族的搜索問(wèn)題。其中，i1，i2，…，im為神經(jīng)網(wǎng)絡(luò)輸入，o1，o2，…，on為神經(jīng)網(wǎng)絡(luò)輸出。

2.2.1 確定神經(jīng)網(wǎng)絡(luò)的輸入與輸出

由于構(gòu)建的神經(jīng)網(wǎng)絡(luò)要在已知零件編碼情況下實(shí)現(xiàn)零件族的智能搜索，因此，零件編碼作為網(wǎng)絡(luò)的輸入，零件族作為神經(jīng)網(wǎng)絡(luò)的輸出。其中，輸入矢量的個(gè)數(shù)m取決于零件編碼的位數(shù)，由事先選定的編碼系統(tǒng)確定。例如JLBM－1系統(tǒng)中，m=15，KK －3系統(tǒng)中，m=5。輸入值i1，i2，…，im即為編碼值，取值0～9之間的整數(shù)。本文選用的是KK－3零件編碼系統(tǒng)。

輸出矢量的個(gè)數(shù)n取決于基于生產(chǎn)流程分析法對(duì)零件聚類(lèi)后得到的零件族的個(gè)數(shù)。輸出值的設(shè)定應(yīng)便于神經(jīng)網(wǎng)絡(luò)的處理，為簡(jiǎn)化問(wèn)題，在o1，o2，…，on中，序號(hào)即為零件族號(hào)，如果某位的值為1，其余為0，則代表該序號(hào)的零件族被選中。

2.2.2 選擇神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)

首先對(duì)網(wǎng)絡(luò)的多種傳遞函數(shù)進(jìn)行比較，通過(guò)多次驗(yàn)證，適合本文實(shí)例所確定的傳遞函數(shù)是非線性的傳遞函數(shù)，即

式中，λ為斜率控制參數(shù)，通常λ等于1。

2.2.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本集

神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)的能力，它通過(guò)樣本訓(xùn)練網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)學(xué)習(xí)。訓(xùn)練樣本的格式如表1所示。在表1中，碼位數(shù)對(duì)應(yīng)著選定的編碼系統(tǒng)的碼位，零件族數(shù)對(duì)應(yīng)著生產(chǎn)流程分析后形成的零件族數(shù)，網(wǎng)絡(luò)的學(xué)習(xí)樣本來(lái)源于生產(chǎn)流程分析的原始數(shù)據(jù)和結(jié)果，生產(chǎn)流程分析法產(chǎn)生的結(jié)果確定了零件族即各族包含的零件，從而構(gòu)成訓(xùn)練的樣本集。

2.2.4 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程

上述訓(xùn)練樣本具有輸入和期望的輸出，訓(xùn)練的過(guò)程就是要根據(jù)網(wǎng)絡(luò)實(shí)際輸出值與期望值之間的誤差調(diào)整權(quán)值、隱藏層的個(gè)數(shù)和神經(jīng)元個(gè)數(shù)，通過(guò)訓(xùn)練使神經(jīng)網(wǎng)絡(luò)達(dá)到預(yù)期的輸出結(jié)果，網(wǎng)絡(luò)訓(xùn)練過(guò)程如圖5所示。

表1 神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本集

圖5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練和驗(yàn)證過(guò)程

圖5中，網(wǎng)絡(luò)的均方根誤差ERMS的計(jì)算公式如下:

式中，dpi為第p個(gè)樣本的第i個(gè)預(yù)期輸出值;ypi為第p個(gè)樣本的第i個(gè)實(shí)際輸出值;P為訓(xùn)練樣本對(duì)的個(gè)數(shù);M為網(wǎng)絡(luò)輸出層的神經(jīng)元個(gè)數(shù)。

2.2.5 驗(yàn)證實(shí)例

本文以某企業(yè)的現(xiàn)有零件為算例，對(duì)算法進(jìn)行驗(yàn)證。實(shí)例的基本數(shù)據(jù)如下:零件為非回轉(zhuǎn)體類(lèi)零件，共276個(gè);零件編碼采用5位的KK－3系統(tǒng);分組方法采用以工藝相似為原則的生產(chǎn)流程分析法。

首先，對(duì)現(xiàn)有零件建立零件 －機(jī)床矩陣，為便于計(jì)算機(jī)處理，必須給零件和機(jī)床進(jìn)行編號(hào)，再按相似系數(shù)進(jìn)行聚類(lèi)分組，其中相似系數(shù)［7］定義為

式中，sij為零件i與零件j的相似系數(shù)，其值在0～1之間;cij為零件i與零件j的公用機(jī)床數(shù);ci、cj分別為零件i和零件j所用的機(jī)床數(shù)。

通過(guò)控制相似系數(shù)來(lái)控制分組個(gè)數(shù)，上述的276個(gè)零件依據(jù)sij=0.58所得的分組數(shù)為3。訓(xùn)練樣本格式如表1所示，每一個(gè)參與分組的零件都作為一個(gè)訓(xùn)練樣本，所有零件構(gòu)成了樣本集。

網(wǎng)絡(luò)訓(xùn)練結(jié)果:輸入神經(jīng)元5個(gè)，輸出神經(jīng)元3個(gè)，隱含神經(jīng)元7個(gè)，因篇幅所限此處略掉零件機(jī)床矩陣。實(shí)例驗(yàn)證表明，訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)能夠有效地實(shí)現(xiàn)編碼到零件族的映射，從而實(shí)現(xiàn)零件族的搜索。

3 結(jié)語(yǔ)

生產(chǎn)流程分析法基于加工工藝相似來(lái)劃分零件族。由于零件的加工工藝受到零件形狀、材料、制造精度、制造資源、工藝決策邏輯和工藝習(xí)慣等多種因素的影響，零件族工藝的共性與某一位或幾位零件編碼的聯(lián)系不是明顯的、直接的和定量的。當(dāng)采用這種方法分組后，為每個(gè)零件族確定特征參數(shù)(或特征矩陣)變得非常困難。本文提出的采用神經(jīng)網(wǎng)絡(luò)方法建立零件編碼與零件族之間的聯(lián)系來(lái)為新零件搜索零件族的方法，適合于不同企業(yè)根據(jù)自己的產(chǎn)品分組現(xiàn)狀與生產(chǎn)線設(shè)備布置情況訓(xùn)練和建立神經(jīng)網(wǎng)絡(luò)。實(shí)例驗(yàn)證表明，這種算法能夠很好地滿(mǎn)足為新零件確定所屬零件族的要求，因此可以為成組制造單元、FMS和CIMS等提供技術(shù)支持。

［1］劉忠偉，周育才，李文元.先進(jìn)制造技術(shù)［M］.北京:國(guó)防工業(yè)出版社，2006.

［2］王雷，唐敦兵，許美健，等.基于粒子群優(yōu)化算法的制造單元聚類(lèi)研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2009，15(2):328-332.

［3］沈向東.基于GT技術(shù)快速構(gòu)造柔性制造單元的仿真研究［J］.煤炭技術(shù)，2011，30(2):11-13.

［4］孔艷艷，戴躍洪，侯恩光.成組技術(shù)在CIMS中的應(yīng)用及其在 PLM 中的實(shí)現(xiàn)［J］.機(jī)械，2009，36(7):25-27.

［5］顧新建，林紀(jì)烈，韓永生.經(jīng)典成組技術(shù)到大成組技術(shù)的演變模式研究［J］.成組技術(shù)與生產(chǎn)現(xiàn)代化，2005，22(1):1-4.

［6］馬鵬舉，梁正和，丁玉成，等.在敏捷制造中基于成組技術(shù)的相似零件的獲取方法［J］.機(jī)械科學(xué)與技術(shù)，1999，18(5):742-744.

［7］許香穗，蔡建國(guó).成組技術(shù)［M］.北京:機(jī)械工業(yè)出版社，2000.