加工工藝專家系統(tǒng)實現(xiàn)方法綜述*

韓 娟，楊東升，孫一蘭，李紅衛(wèi)

(1.中國科學(xué)院 研究生院，北京 100049;2.中國科學(xué)院 沈陽計算技術(shù)研究所，沈陽 110168)

0 引言

加工工藝研究如何把各種原材料、半成品經(jīng)過加工改變其形狀、尺寸和性能使之變成產(chǎn)品。加工工藝多數(shù)問題的求解過程難以用數(shù)字模型表示，而是邏輯判斷和決策過程。因此，需要在制造方法和工藝方面都有淵博知識和豐富經(jīng)驗的工藝師才能很好的解決涉及參數(shù)多、設(shè)計內(nèi)容復(fù)雜的加工工藝問題。

加工工藝專家系統(tǒng)可以代替經(jīng)驗豐富的工藝師來進行工藝設(shè)計，完成工藝設(shè)計的推理過程，進行創(chuàng)造性決策，解決加工工藝的復(fù)雜問題。從而可以顯著縮短工藝設(shè)計周期，保證工藝設(shè)計質(zhì)量，提高產(chǎn)品的市場競爭能力。因此，研究如何實現(xiàn)加工工藝專家系統(tǒng)具有十分重要的意義。

如何構(gòu)建加工工藝專家系統(tǒng)已成為加工工藝領(lǐng)域的熱點課題。國內(nèi)外對其實現(xiàn)方法做了大量研究并取得了一定實際效果。本文圍繞如何實現(xiàn)加工工藝專家系統(tǒng)的問題從其主要組成部分知識庫、推理機等的功能、建立的過程及其方法做一綜述。

1 系統(tǒng)結(jié)構(gòu)

80 年代以來，國內(nèi)外已開發(fā)了一些加工工藝的專家系統(tǒng)。如PROPLAN(美)、EXCAP(英)、GARI(法)等，國內(nèi)有T-CAPES(同濟大學(xué))，NPU-ICAP(西北工業(yè)大學(xué))等［1-2］。它們都是在采用了專家系統(tǒng)的基本結(jié)構(gòu)的基礎(chǔ)上不斷進行改進與完善，進一步得到發(fā)展而實現(xiàn)的。系統(tǒng)的基本結(jié)構(gòu)如圖1 所示。

圖1 專家系統(tǒng)基本結(jié)構(gòu)圖

其中，系統(tǒng)通過人機接口獲取形狀特征、精度特征、材料特征、輔助信息等工藝知識，并選擇一定的知識表達方式(即把這些信息轉(zhuǎn)換成計算機能識別的形式)存儲到知識庫中。通過一定的推理策略，調(diào)用知識庫中的信息，最終得出零件加工工藝規(guī)程輸出給用戶。其中，用戶輸入的初始工藝數(shù)據(jù)、推理得到的中間狀態(tài)和最終生成的工藝規(guī)程文件存儲在綜合數(shù)據(jù)庫中。解釋程序是根據(jù)用戶的提問，調(diào)用知識庫和綜合數(shù)據(jù)庫中的數(shù)據(jù)對系統(tǒng)推理過程進行說明，以便用戶理解。

通過系統(tǒng)中各部分之間的關(guān)系可以看出，加工工藝專家系統(tǒng)的核心部分是知識庫、推理機。因此，本文針對這兩個主要組成部分的功能、建立的過程及其方法進行總結(jié)。

2 知識庫

專家系統(tǒng)中的知識庫用于存儲某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識，包括事實、可行操作與規(guī)則等。加工工藝專家系統(tǒng)中的知識庫是用來存儲各種工藝知識的，通常有三種類型:第一種屬于事實知識，如手冊、資料的共有知識;第二種屬于過程知識，如各種推理原則、規(guī)則、方法等;第三種是控制知識，主要指系統(tǒng)本身的控制策略［3］。構(gòu)建知識庫首先要解決知識獲取和知識表示的問題。本文從知識獲取和知識表示兩方面對構(gòu)建知識庫的過程及方法進行了總結(jié)，并說明了各種方法的優(yōu)缺點。基本框架如圖2 所示。

圖2 知識庫實現(xiàn)框架圖

2.1 知識獲取

知識分為顯性知識和隱性知識。其中，顯性知識指能容易在個人和團體之間進行傳送的形式化的知識，如規(guī)則、數(shù)學(xué)公式等。隱性知識指難于形式化、難于交流的技能、經(jīng)驗性的知識［4-5］.從知識獲取的對象角度，可將知識獲取分為對顯性知識的獲取和對隱性知識的獲取兩大類。

(1)顯性知識的獲取方法

工藝決策知識，是指由零件的結(jié)構(gòu)、工藝性確立工序加工內(nèi)容的過程，一般以規(guī)則形式存在。對于獲取工藝決策知識，一般由工藝師根據(jù)加工規(guī)則庫或者查找手冊獲得，由于不同零件的加工方法不同，甚至同一零件的不同表面的加工方法也不同，因此獲取過程具有一定的盲目性，查找信息量大而且效率低。針對此問題，文獻［6］以成組技術(shù)為基礎(chǔ)，建立工序工步詞典，并以此為索引來建立工藝決策規(guī)則，以檢索的方式獲取工藝知識。檢索式的知識獲取方法優(yōu)點是方便快捷、實用性強，缺點是針對的是確定性環(huán)境中的工藝知識獲取，而且需要先建立用于檢索的詞典。

對于顯性知識的獲取方法還有智能代理(Agent)、數(shù)據(jù)挖掘(DM)等方法。由于篇幅原因不在一一列舉。

(2)隱性知識的獲取方法

加工工藝專家系統(tǒng)在推理決策時會用到專家經(jīng)驗知識，而對于獲取工藝領(lǐng)域?qū)＜业慕?jīng)驗知識，一般都是由專家個人提供。由于不同專家的經(jīng)驗不同，對于這類知識的獲取，容易產(chǎn)生不一致性，不全面等問題。對于獲取專家經(jīng)驗這類知識針對以上問題一般采取方法有非自動獲取、半自動獲取和自動獲取三種方法。

文獻［7-8］都是采用了非自動知識獲取方法。即通過手工從領(lǐng)域?qū)＜一蛴嘘P(guān)的技術(shù)文獻中獲取知識。這種方法的優(yōu)點是準(zhǔn)確、全面，缺點是工作量大，效率低。

近年來，隨著數(shù)據(jù)庫、動態(tài)網(wǎng)頁、人機交互等技術(shù)的飛速發(fā)展為建造新型的知識獲取工具提供了技術(shù)手段。文獻［9］設(shè)計了一種半自動的知識獲取方法——知識編輯器(KE)，為構(gòu)建一個性能優(yōu)良的知識庫創(chuàng)造了有利條件。這種半自動的知識獲取方法具有一定知識編輯能力和知識庫求精能力，可以獲取更準(zhǔn)確的知識，缺點是需要反復(fù)進行概念化、形式化和知識庫求精三個階段的工作。

自動知識獲取，也稱機器學(xué)習(xí)。自動知識獲取機制能使專家直接同系統(tǒng)對話，而且對話內(nèi)容可自動變換成知識庫中的知識或進行知識庫的修改。文獻［10］開發(fā)了一個基于語法分析的規(guī)則知識獲取系統(tǒng)(KAS)，專家與系統(tǒng)的智能編輯器對話，將領(lǐng)域知識輸入系統(tǒng)，知識獲取機制便自動地將這些知識轉(zhuǎn)換成機器能夠識別的內(nèi)部形式，并按一定的法則存入知識庫中。這種自動獲取知識的方法靜態(tài)語法分析能力強、語法結(jié)構(gòu)描述完備、錯誤信息提示準(zhǔn)確、容易掌握等優(yōu)點，缺點是需要設(shè)計一個專門的自動獲取系統(tǒng)，成本高。

2.2 知識表示

建立知識庫，必須解決如何存儲知識的問題，這就是所謂的知識表示，即知識的符號化和形式化的過程［11］。經(jīng)過國內(nèi)外學(xué)者的共同努力，目前已經(jīng)有許多知識表示方法得到了深入的研究，目前使用較多的知識表示方法主要有:語義網(wǎng)絡(luò)表示法、產(chǎn)生式表示法、框架表示法、本體表示法、面向?qū)ο蟊硎痉?、混合表示法、基于?shù)據(jù)庫知識表示法等［12-14］。下面就利用以上幾種主要知識表示方法進行建立工藝知識庫的過程進行對比、總結(jié)。

知識表示經(jīng)常要涉及到不確定知識［15］的表示。加工工藝專家系統(tǒng)中構(gòu)建知識庫時采用語義網(wǎng)絡(luò)表示法可以解決此類問題。如文獻［16］在現(xiàn)有的語義網(wǎng)絡(luò)知識表示方法的基礎(chǔ)上，通過定義新的結(jié)點結(jié)構(gòu)(使用六元式表示結(jié)點)來表示不確定性知識。結(jié)構(gòu)如圖3 所示。

圖3 語義網(wǎng)絡(luò)舉例圖

語義網(wǎng)絡(luò)中的結(jié)點v4 可表示為node(v4，v2，″have″，0.5，0.6，0.5).v2 是根結(jié)點表示為node(v2，″0″，″0″，0.6，0，0).該方法的優(yōu)點是靈活、方便及具有通用性，不確定知識的更新僅是結(jié)點和關(guān)系的增刪、修改，增加了知識表示的嚴(yán)格性和有效性，而且語義網(wǎng)絡(luò)表示方法是一種結(jié)構(gòu)化的表示方法具有結(jié)構(gòu)性、自然性、靈活性的特點，能有效避免組合爆炸的問題［17］。缺點是不能保證網(wǎng)絡(luò)操作所得推論的嚴(yán)格性和有效性;不便于表達判斷性知識與深層知識。

針對傳統(tǒng)的不確定性知識表示存在的不足，又出現(xiàn)了一些新型的不確定性知識表示方法。如灰色系統(tǒng)理論、基于信比概念的知識表示等［18］。

產(chǎn)生式規(guī)則和人的思維方式很相似，易于理解，容易搜集和組織工藝專家的知識，適用于加工工藝家系統(tǒng)中知識表示。文獻［19-21］均采用產(chǎn)生式的知識表示方法。采用的形式如下所示。

IF (前提1)AND(前提2)AND…

THEN(結(jié)論1)AND (結(jié)論2)AND…

產(chǎn)生式表示方法的優(yōu)點是自然性好、清楚、模塊性好、通用性強等。缺點是效率低，不能表示結(jié)構(gòu)化的知識。

針對上述產(chǎn)生式表示方法不能表示結(jié)構(gòu)化知識的問題，采用框架知識表示法可以很好解此問題。框架知識表示通常用于描述具有固定形式的對象。即把某一特殊事件或?qū)ο蟮乃兄R儲存在一起的一種復(fù)雜的數(shù)據(jù)結(jié)構(gòu)［22］。框架的一般結(jié)構(gòu)如表1 所示［23］。

表1 框架的一般結(jié)構(gòu)

利用框架的嵌套式結(jié)構(gòu)，可以由淺人深地對事物的細節(jié)作進一步的知識表達;槽的過程附件不僅提供了附加的推理機制，還可進行矛盾檢測，用于知識庫的一致性維護;應(yīng)用框架的特性繼承性可以實現(xiàn)高效的推理等等。

框架表示能夠表達結(jié)構(gòu)性的知識，可以把知識的內(nèi)部結(jié)構(gòu)關(guān)系及知識間的聯(lián)系表示出來，而且結(jié)構(gòu)規(guī)則，處理簡單。但是，框架結(jié)構(gòu)還沒有形成完整的理論體系，不能表達過程性的知識［12］。

在構(gòu)建知識庫的過程中，對于相同的知識不同專家可能會用不同的術(shù)語來表達，因此會有知識難以共享的問題。如果能找出事物的本質(zhì)，并以此統(tǒng)一知識的組織和知識的表達，使之成為大家普遍接受的規(guī)范，就有可能解決知識共享的問題?；诒倔w的知識表示是本體的理論和方法在實踐中的應(yīng)用［24-26］。

將本體引入知識庫的知識建模，建立領(lǐng)域本體知識庫，可以用概念對知識進行表示，同時揭示這些知識之間內(nèi)在的關(guān)系。領(lǐng)域本體知識庫中的知識，不僅通過縱向類屬分類，而且通過本體的語義關(guān)聯(lián)進行組織和關(guān)聯(lián)，推理機再利用這些知識進行推理，從而提高檢索的查全率和查準(zhǔn)率［27-29］。

本體表達了概念的結(jié)構(gòu)、概念之間的關(guān)系等領(lǐng)域中實體的固有特征，即“共享概念化”［30］。

加工工藝專家系統(tǒng)的知識可以看作是由一些實體組成的。這些實體有自己的狀態(tài)，可以執(zhí)行一定的動作。相似的實體抽象為較高層的實體，實體之間能以某種方式發(fā)生聯(lián)系。即用對象表示的知識與客觀情況更為接近，這種表示方法比較自然，易于理解［31］。

文獻［32-34］采用面向?qū)ο蟮乃枷牒头椒▉肀硎局R。其核心思想包括對象、類、封裝和繼承。類、子類和實例構(gòu)成了一個層次結(jié)構(gòu)，這種層次結(jié)構(gòu)直接支持了分類知識表示，使知識可以按類以一定形式組織起來。類的一種形式描述如下:

面向?qū)ο笾R表示方法主要以抽象數(shù)據(jù)類型為基礎(chǔ)，可以方便地描述復(fù)雜對象的靜態(tài)特性、實時狀態(tài)及對象間關(guān)聯(lián)，有較強的表達能力，可讀性好，模塊性好，而且具有結(jié)構(gòu)性、封裝性，便于知識庫的修改和擴充，用對象表示的知識與客觀情況更為接近、自然易于理解。但是面向?qū)ο蟮谋硎痉椒▽τ诟拍詈蛯嶓w的分離性方面比較一般［35-36］。

一般來說，根據(jù)領(lǐng)域知識的特點，選擇一種恰當(dāng)?shù)闹R表示方法就可以較好地解決問題。但是，現(xiàn)實世界的復(fù)雜性造成專家系統(tǒng)的領(lǐng)域知識很難用單一的知識表示方法進行準(zhǔn)確的表達。因此，在加工工藝專家系統(tǒng)知識庫構(gòu)建過程中采用了多種形式的混合知識表示方法，將以往成熟的傳統(tǒng)知識表示方法有效結(jié)合起來進行運用，從而提高了知識表示的準(zhǔn)確性以及推理效率。文獻［8］采用產(chǎn)生式規(guī)則與框架相結(jié)合的表示方法。其中，產(chǎn)生式規(guī)則表示法以“IF 條件THEN 結(jié)論”的形式出現(xiàn)，框架使用槽(Slot)儲存對象的多個屬性。而每個槽又有多個側(cè)面(Facet)用來儲存屬性的值、缺省值或者計算屬性值的程序。文獻［37］采用〈對象〉+〈規(guī)則組〉的方法。其中，對象是一個子任務(wù)，規(guī)則組是完成這一子任務(wù)所要執(zhí)行的規(guī)則。文獻［38］采用了“規(guī)則性知識+過程性知識”的知識表示方法，即在規(guī)則的知識表示方式中，加入過程性知識，使知識表示更完備，便于專家系統(tǒng)的推理。

文獻［39］引入面向?qū)ο蟮募夹g(shù)到語義網(wǎng)絡(luò)的表示當(dāng)中，克服了以往語義網(wǎng)絡(luò)的一些局限性，通過對象類的知識表達，實現(xiàn)了數(shù)據(jù)抽象和信息共享，加之面向?qū)ο笏枷氲囊?，使語義網(wǎng)絡(luò)的表達不僅具有靜態(tài)特性，而且賦予動態(tài)性?？梢詫?fù)雜的事物表達的自然，有利于一些系統(tǒng)的處理和表達。

以上幾種混合知識方法有效地克服了單一表示方法的局限性，并可充分發(fā)揮各種方法的長處。在不同情況下使用不同的知識表示法，便于推理和加快求解速度，也便于人類理解。但是由于不同的表示方法各自分別適用于特定領(lǐng)域，當(dāng)混合后的適用領(lǐng)域勢必有一定局限性［40］。

混合知識表示方式還有謂詞邏輯、產(chǎn)生式規(guī)則和過程式的結(jié)合;產(chǎn)生式、框架和過程式的結(jié)合;語義網(wǎng)絡(luò)與框架的結(jié)合;語義網(wǎng)絡(luò)與產(chǎn)生式規(guī)則的結(jié)合等。由于篇幅限制，在此不一一列舉。

知識的表達方式在很大程度上決定了知識庫的準(zhǔn)確度和可調(diào)用度，控制了專家系統(tǒng)的推理方式。針對傳統(tǒng)的知識庫管理模式通常采用知識文本文件管理方式，數(shù)據(jù)與程序之間缺乏獨立性，造成系統(tǒng)知識庫管理維護困難等缺陷等問題，文獻［41］提出基于關(guān)系型數(shù)據(jù)庫的知識表達方法。即利用數(shù)據(jù)庫來表達知識。采用E-R 概念模型對系統(tǒng)中的知識、數(shù)據(jù)進行分析，建立E-R 模型，實現(xiàn)Rule 知識庫向數(shù)據(jù)庫的轉(zhuǎn)換。規(guī)則庫E-R 模型如圖4 所示。

圖4 E-R 模型圖

通過關(guān)系數(shù)據(jù)庫表達知識，使知識更容易表達，使數(shù)據(jù)庫具有了知識庫的功能，而且利用關(guān)系數(shù)據(jù)庫的特點，可以快速地修改及瀏覽知識庫，方便專家對知識庫中的知識進行檢查及更新。缺點是在由Rule 知識庫轉(zhuǎn)換為關(guān)系數(shù)據(jù)庫的過程需要建立E-R 模型、復(fù)雜。

除了以上介紹的知識表示方法外，還有概念知識表示［42］、一階謂詞邏輯表示法、狀態(tài)空間表示法、神經(jīng)網(wǎng)絡(luò)知識表示方法、腳本表示法、過程表示法、Petri 網(wǎng)表示法、基于云理論的知識表示方法、基于XML 的表示法等，在此不做詳細介紹。構(gòu)建加工工藝專家系統(tǒng)過程中會根據(jù)需要從以上幾種知識表示方法中選擇合適的知識表示方法。

3 推理機

推理機控制和協(xié)調(diào)整個專家系統(tǒng)的工作，它按一定的推理策略調(diào)度和使用知識庫中的事實和規(guī)則，進行對系統(tǒng)當(dāng)前問題的求解。

加工工藝專家系統(tǒng)中，推理機采用不同的推理策略，訪問知識庫中的知識，完成加工方法選擇、排序、工藝路線的生成、刀具和機床的選擇等功能。通過推理得出合理的工藝設(shè)計，得出工藝規(guī)程，實現(xiàn)智能推理。根據(jù)控制策略的不同，推理機的實現(xiàn)方法也有所不同。如圖5 所示。

圖5 推理機實現(xiàn)框圖

其中，正向推理又稱數(shù)據(jù)驅(qū)動推理，是由原始數(shù)據(jù)出發(fā)，按一定策略，運用知識庫的知識，推斷出結(jié)論的一種最基本的推理方法。

加工工藝專家系統(tǒng)中，由毛坯原材料出發(fā)，采用正向推理，運用知識庫中的知識，得出工藝決策，最終產(chǎn)生工藝規(guī)程，得到產(chǎn)品。文獻［7］中的專家系統(tǒng)采用正向推理策略，實現(xiàn)工藝參數(shù)優(yōu)選。其中采用了網(wǎng)格尋優(yōu)算法［43-44］達到優(yōu)化結(jié)果的目的。文獻［8］也采用了正向推理策略。實現(xiàn)流程如圖6 所示:具體實現(xiàn)即先提供一批數(shù)據(jù)(事實)到總數(shù)據(jù)庫中，系統(tǒng)利用這些事實與規(guī)則的前提匹配，觸發(fā)匹配成功的規(guī)則(即啟用規(guī)則)，把其結(jié)論作為新的事實添加到總數(shù)據(jù)庫中。其中，為防止推理過程中出現(xiàn)無窮推理，用到?jīng)_突消解策略。

圖6 正向推理流程圖

正向推理的優(yōu)點是用戶可以主動提供問題的有關(guān)信息，可以對用戶輸入事實作出快速反應(yīng)。其不足之處為知識啟用與執(zhí)行似乎漫無目標(biāo)，求解當(dāng)中可能要執(zhí)行許多與問題求解無關(guān)的操作，導(dǎo)致推理過程的低效率。

反向推理又稱目標(biāo)驅(qū)動推理，是從目標(biāo)開始，通過推理最終得出初始數(shù)據(jù)。文獻［2］和文獻［45］均采用反向推理。其中，文獻［2］先確定一個工藝規(guī)程目標(biāo)然后從知識庫中找出能導(dǎo)出該目標(biāo)的Rule 集若某條Rule的前提條件與數(shù)據(jù)庫事實相匹配就執(zhí)行該Rule 該規(guī)則的前提條件成為新的子目標(biāo)再去尋找導(dǎo)出子目標(biāo)的Rule 依次繼續(xù)搜索直至初始狀態(tài)。在搜索中若有多條Rule 可匹配可采用Rule 優(yōu)先級的方法執(zhí)行優(yōu)先級高的Rule;若執(zhí)行某條Rule 導(dǎo)出的子目標(biāo)無法達到初始狀態(tài)則返回執(zhí)行第二條Rule 以此類推，實現(xiàn)推理。

文獻［45］采用反向推理從目標(biāo)狀態(tài)即操作過程、加工方法或圖紙要求的成型零件等出發(fā)得到初始狀態(tài)即毛坯零件，從而產(chǎn)生工藝規(guī)程，實現(xiàn)推理。

反向推理的優(yōu)點是推理過程的方向性強，而且它告訴用戶所要達到的目標(biāo)以及為此而使用的知識;非常適合用于解空間較小的問題求解環(huán)境;缺點是初始目標(biāo)的選擇較為盲目，不能通過用戶自愿提供的有用信息來操作;難以勝任于解空間較大，用戶要求作出快速輸入響應(yīng)的問題領(lǐng)域。

綜合以上正、反向推理的優(yōu)缺點，文獻［46］采用正向、反向及混合推理的推理策略在SICAPP 系統(tǒng)中成功引入專家系統(tǒng)。在一定程度上解決了CAPP系統(tǒng)適用性問題，便于使用和維護，具有較好的開放性和通用性。

以上正向、反向以及正反混合推理的方法是從推理方向上來闡述的。后面的基于實例推理、基于規(guī)則推理中也會融合運用到以上推理方法。

基于實例推理(Case-Based Reasoning，CBR)用相似實例的解來求解當(dāng)前問題［47-48］。文獻［49］將實例推理技術(shù)應(yīng)用于回轉(zhuǎn)類零件的工藝設(shè)計中，整個實例推理過程是:當(dāng)一個新產(chǎn)品零件信息輸入系統(tǒng)后，通過實例檢索機制從實例庫中尋找與之匹配的實例，若匹配失敗，進行交互式工藝設(shè)計;若匹配成功，結(jié)合新產(chǎn)品零件的工藝特性和檢索出來的實例工藝信息，用戶修改實例工藝信息，生成最終的新產(chǎn)品零件的工藝信息。很好的實現(xiàn)了工藝專家系統(tǒng)中推理機的功能。

CBR 優(yōu)點是可以快速地提供一套現(xiàn)成相似方案，不需要重頭設(shè)計，只需在提供的這套方案上進行部分修改和調(diào)整即可使用［50-51］。其不足是難以表示案例間的聯(lián)系，對于大型案例庫案例檢索十分費時，并且難以決定應(yīng)選擇哪些特征數(shù)據(jù)及它們的權(quán)［52］。

基于規(guī)則推理(Rule-Based Reasoning，RBR)的方法是根據(jù)以往專家診斷的經(jīng)驗，將其歸納成規(guī)則，通過啟發(fā)式經(jīng)驗知識進行推理。具體實現(xiàn)思路是:推理機在控制策略的指導(dǎo)下將規(guī)則的前提條件和知識庫匹配。若匹配成功則執(zhí)行規(guī)則的結(jié)論把產(chǎn)生的結(jié)果放入綜合數(shù)據(jù)庫。

文獻［19］針對回轉(zhuǎn)體零件在RBR 推理過程中調(diào)入各類數(shù)據(jù)庫和描述模型通過RBR 推理產(chǎn)生加工工藝，即實現(xiàn)工序決策。具體實現(xiàn)算法即:先指定一種規(guī)則類型同時為每一特征分配正確的加工方法;然后從所有的工序組合中列舉出所有的可能性工藝計劃重新排列這些工藝計劃從中選擇最佳的工藝路線，并指定另一種規(guī)則類型作為選擇的最佳工藝路線的最終類型;最后若現(xiàn)有的約束不能給出最終的解決方案則把結(jié)果作為約束重復(fù)以上的步驟。

文獻［53］通過識別零件三維模型，提取出用于制定工藝的零件信息，采用RBR 推理技術(shù)，實現(xiàn)了典型軸類零件的工藝方案自動制定、刀具和切削參數(shù)自動選擇優(yōu)化等。實現(xiàn)過程為:若規(guī)則的條件與現(xiàn)有事實匹配，就把該規(guī)則放入候選規(guī)則隊列中;若有兩條以上規(guī)則成為競選規(guī)則，則需要進行沖突消解，然后找出一條規(guī)則作為啟用規(guī)則進行處理，并將其結(jié)論放入數(shù)據(jù)庫作為下一步推理的證據(jù)。重復(fù)此過程，直到再無可用規(guī)則或求得所需解為止。具體實現(xiàn)推理流程如圖7 所示。

圖7 基于RBR 推理流程圖

RBR 易于被人類專家理解，規(guī)則庫中的規(guī)則具有相同的結(jié)構(gòu)，即“IF…THEN…”結(jié)構(gòu)，便于管理，同時便于推理機的設(shè)計;其缺點有:規(guī)則間的互相關(guān)系不明顯，知識的整體形象難以把握，處理效率低，推理缺乏靈活性等［54-55］。

CBR-RBR 結(jié)合，可以充分發(fā)揮二者優(yōu)勢，彌補各自的不足，提高推理效率和準(zhǔn)確性［56］。文獻［57］在集成實例推理(CBR)與規(guī)則推理(RBR)各自優(yōu)點的基礎(chǔ)上，引入基于CBR-RBR 的集成推理技術(shù)，推理流程如圖8 所示。

圖8 基于CBR-RBR 的工藝專家系統(tǒng)推理流程圖

對于輸入的新工藝問題，系統(tǒng)先由CBR 檢索出實例庫中與新工藝問題相似的成功實例，再通過RBR 對檢索結(jié)果中的相似度低于1 的實例進行局部工藝參數(shù)修正。如此，通過CBR 與RBR 結(jié)合，更快更準(zhǔn)確地生成了滿足工藝要求的工藝方案。

除了以上幾種方法外，還有基于人工神經(jīng)網(wǎng)絡(luò)(ANN)推理、灰色推理、基于特征技術(shù)推理及基于數(shù)據(jù)庫推理等方法，在此不在一一列舉。

4 結(jié)束語

專家系統(tǒng)是人工智能的主要技術(shù)。將專家系統(tǒng)應(yīng)用于加工工藝領(lǐng)域，可以使工藝設(shè)計智能化，促進制造業(yè)的發(fā)展。本文從構(gòu)成加工工藝專家系統(tǒng)的主要部分:知識庫、推理機對構(gòu)建加工工藝專家系統(tǒng)方法進行了闡述，并對各部分構(gòu)建過程及其方法進行了比較、總結(jié)。

由于工藝過程的復(fù)雜性和工藝?yán)碚摰牟煌陚?，使工藝知識的獲取相對困難。因此，深入研究加工工藝專家系統(tǒng)的構(gòu)建，不斷提升和完善工藝?yán)碚?，研究和探索工藝知識的有效獲取和恰當(dāng)?shù)谋硎痉椒?，仍然是發(fā)展加工工藝專家系統(tǒng)技術(shù)的重要課題。

［1］ Davies BJ，Darbyshire IL. The Use of ExPert System in Process-Planning.Annualof CIRP，1984，331(1):303－306.

［2］Cai Heng. Development Expert System［J］. Journal of Donghua University(English Edition)，2010(3):421－461.

［3］趙萍，程者軍. CAPP 專家系統(tǒng)的應(yīng)用與研究［J］. 機械工程與自動化，2006(5):36－38.

［4］張瑛，武忠. 隱性知識獲取的最佳來源［J］. 情報雜志，2007，26(11):78－79.

［5］周慧慧，馮勤超，汪長勇. 隱性知識研究綜述［J］. 價值工程，2007，26(12):127－130.

［6］夏平. CAPP 系統(tǒng)工藝知識庫建立方法初探［J］. 成都紡織高等?？茖W(xué)校學(xué)報，1999(3):1－4.

［7］朱登輝，王振波，陳玉全，等. 大型容器切削加工用工藝參數(shù)優(yōu)化專家系統(tǒng)［J］. 黑龍江工程學(xué)院學(xué)報(自然科學(xué)版)，2006(4):64－66.

［8］李斌，趙平，朱登輝，等. 重型車削工藝參數(shù)專家系統(tǒng)［J］. 機械工程師，2007(7):55－57.

［9］高波，覃劍祿，劉勇. 一種半自動知識獲取方法—KE 的設(shè)計［J］. 科技信息(學(xué)術(shù)研究)，2007(32):194－194.

［10］史逸芬，邱紹發(fā). 工藝設(shè)計專家系統(tǒng)中決策知識的自動獲取［J］. 機械工業(yè)自動化，1993(4):1－4.

［11］徐寶祥，葉培華. 知識表示的方法研究［J］. 情報科學(xué)，2007(5):691－694.

［12］梁柱，曾紹瑋. 知識表示技術(shù)研究［J］. 科學(xué)咨詢(決策管理)，2010(1):52－52.

［13］年志剛，梁式，麻芳蘭，等. 知識表示研究與應(yīng)用［J］.計算機應(yīng)用研究.2007(5):235－238.

［14］Zhang JianXun，Wang HongYu，SongXu. Knowledge expression and reasoning process in an expert system for welding procedure qualification［J］. China Welding，2007(4):51－84 .

［15］Wang Daoping etc.Study on the Classification and Disposal of Uncertain Knowledge in Intelligent Fault Diagnosis Systems［C］.Pro. Of the 3 th WCIIC＆A.2000，Heifei，P.R.China.

［16］張聰品，胡偉強. 基于語義網(wǎng)絡(luò)的知識表示在專家系統(tǒng)中的實現(xiàn)［J］. 微電子學(xué)與計算機，2009(4):214－216.

［17］張欽. 人工智能中知識表示方法之比較［J］. 科教文匯(下旬刊)，2008(9):279－280.

［18］張榮沂. 專家系統(tǒng)中不確定性知識的表示和處理［J］.自動化技術(shù)與應(yīng)用，2002(5):35－39.

［19］崔慶泉，湯文成. 回轉(zhuǎn)體零件的CAPP 專家系統(tǒng)研究［J］. 機械制造與自動化，2002(1):30－32.

［20］管國，謝霞，韓清. 人工智能CAPP 專家系統(tǒng)的研究［J］. 紡織科學(xué)研究，2000(3):49－52.

［21］馮淑敏，何幼瑛. 專家系統(tǒng)在回轉(zhuǎn)體零件CAPP 中的應(yīng)用［J］. 上海應(yīng)用技術(shù)學(xué)院學(xué)報，2001(1):41－44 .

［22］秦雅楠，由麗萍，董文博，等. 一種基于框架的情境知識表示方法［J］. 情報雜志，2011(1):155－158.

［23］蔣云良. 知識表示綜述［J］. 湖州師范學(xué)院學(xué)報，1995(5):18－22.

［24］陳宏. 基于本體的知識表示研究［D］. 長沙:長沙理工大學(xué)，2006.

［25］Yuh-Jen Chen. Development of a Method for Ontology-Based Empirical Know ledge Representation and Reasoning［J］. Decision Support Systems，2010，50(1):1－20.

［26］Moon S K，Kumara S R T，Simpson T W. Knowledge Represen-tation for Product Design Using Techspecs Concept Ontology［G］. Information Reuse and Integration，Conf，2005:241－246.

［27］張攀，王波. 專家系統(tǒng)中多種知識表示方法的集成應(yīng)用［J］. 微型電腦應(yīng)用，2004，20(6):4－6.

［28］史春秀. 基于本體的知識形式化表示［J］. 山西師范大學(xué)學(xué)報(自然科學(xué)版)，2007(2):47－50.

［29］張?zhí)? 基于本體的知識表示和知識共享［J］. 江蘇經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院學(xué)報，2006(1):76－78.

［30］朱文博，李愛平，劉雪梅. 基于本體的沖壓工藝知識表示方法研究［J］. 中國機械工程，2006，17(6):616－622.

［31］陳迎春. 一種基于面向?qū)ο蟮闹R表示和推理機設(shè)計［D］. 成都:西南交通大學(xué)，2008.

［32］劉啟和，楊國緯. 利用面向?qū)ο蠹夹g(shù)表示知識［J］. 計算機科學(xué)，2004(3):106－107.

［33］劉曉慧. 面向?qū)ο蟮闹R表示方法研究［J］. 電腦學(xué)習(xí)，2010(1):135－137.

［34］曹元大，徐漫江. 面向?qū)ο笾R表示在專家系統(tǒng)開發(fā)工具中的應(yīng)用［J］. 北京理工大學(xué)學(xué)報，2000(6):688－692.

［35］劉麗霞，王新軍. 一個基于面向?qū)ο笾R表示的專家系統(tǒng)及其實現(xiàn)［J］. 計算機系統(tǒng)應(yīng)用，2005(6):14－16 .

［36］趙運才，柏興旺，胡映明. 一種新的專家系統(tǒng)面向?qū)ο笾R表示模型［J］. 機械工程師，2008(1):134－136.

［37］趙友亮，楊青，何東健. 回轉(zhuǎn)體零件CAPP 專家系統(tǒng)的設(shè)計與實現(xiàn)［J］. 機械設(shè)計與制造工程，2002(3):43－44.

［38］周洪玉，魏雪冬，周巖，等. 基于混合知識表示的專家系統(tǒng)設(shè)計［J］. 電腦學(xué)習(xí)，2000(2):5－6.

［39］麥范金，史慧. 面向?qū)ο笳Z義網(wǎng)絡(luò)的知識表示［J］. 微計算機信息，2010(27):159－160.

［40］TANG Zhi-jie，YANG Bao-an，ZHANG Ke-jing. Design of Multi-attriibute Knowledge Base Based on Hybrid Knowledge Representation［j］. Journal of Donghua University(Eng. Ed.)，2006，23(6):856－891.

［41］馮春輝，高延武，郭寶恩. CAPP 專家系統(tǒng)的知識表達與推理研究［J］. 機床與液壓，2009(6):196－197.

［42］時百勝，余泓. 概念知識表示和推理［J］. 小型微型計算機系統(tǒng)，2006(9):1618－1622.

［43］CHATZINIKOLAOU，A. Modeling for an expert system and a parameter validation method［J］. Expert Systems，2002，19(5):285－294.

［44］KIN，C.H. Expert system for process planning of pressure vessel fabrication by deep drawing and ironing［J］. Journal of Materials Processing Technology，2004，155(3):1465－1473.

［45］韓繼曼. 知識基工藝設(shè)計專家系統(tǒng)［J］. 濟南大學(xué)學(xué)報(自然科學(xué)版)，2002(4):359－361.

［46］劉韶軍，李秀英，邊志輝，等. 基于專家系統(tǒng)的軸類零件CAPP 系統(tǒng)［J］. 組合機床與自動化加工技術(shù)，2003(9):31－32.

［47］Janet L. Kolodner. An Introduction to Case－Based Reasoning［J］.Artificial Intelligence Review，1992(6):3－34.

［48］CHOY K L，LEE W B，Task allocation using case－based reasoning for distributed manufacturing systems ［J］. Logistics Information Management，2000，13(3):167－176.

［49］武月霞. 基于實例推理在CAPP 系統(tǒng)中的應(yīng)用研究［D］. 西安:西北工業(yè)大學(xué)，2003.

［50］肖珊珊. 基于案例推理的組合夾具組裝技術(shù)研究［D］.吉林:長春理工大學(xué)，2010.

［51］Yuh Foong David Law，Sew Bun Foong，Shee Eng Jeremiah Kwan. An integrated case－based reasoning approach for intelligent help desk fault management［J］.Expert Systems with Applications，1997，13(4):65－74.

［52］楊興，朱大奇，桑慶兵. 專家系統(tǒng)研究現(xiàn)狀與展望［J］.計算機應(yīng)用研究，2007(5):4－9.

［53］黃李沖，于忠海，陳田. 典型軸類零件車削加工專家系統(tǒng)的研究［J］. 機械工程師，2011(9):28－31 .

［54］曲明，郝紅衛(wèi). CBR 與RBR 相結(jié)合的實時專家系統(tǒng)設(shè)計與實現(xiàn)［J］. 計算機工程，2004，30(18):44－146.

［55］楊奕飛，瞿元新. 基于CBR 和RBR 的航天測控設(shè)備故障診斷專家系統(tǒng)［J］. 飛行器測控學(xué)報，2005，24(3):7－31.

［56］Jacobo.V.H.Ortiz. A，Cerrud Y，et al. Hybrid expert system for the failure analysis of mechanical elements［J］.EngineeringFailureAnalysis，2007，14(8):1435－1443.

［57］ DENG Zhaohui，YU Jinzhen，ZHANG Xiaohong，CAI Ying，ZHU Kaixuan. Application of Process Expert System Based on CBR－RBR in Rolling Bearing Grinding［J］.Intelligent Technology，2010(12):29－33.