《实例与经验相结合的产品设计知识获取及表示方法研究》由会员分享，可在线阅读，更多相关《实例与经验相结合的产品设计知识获取及表示方法研究（9页珍藏版）》请在金锄头文库上搜索。
1、实例与经验相结合的产品设计知识获取及表示方法研究摘 要：在基于知识工程的产品设计领域，研究了产品实例设计知识与领域专家设计经验相结合的知识获取技术，实现了产品设计知识的完整获取。首先分别研究了基于产品实例的设计知识获取方法和领域专家设计经验获取方法；然后提出了实例知识与专家经验的融合算法和获取结果的神经规则表示；在此基础上给出了实例与经验相结合的产品设计知识获取实现框架；最后，将该方法应用于基于知识工程的固体火箭发动机设计，解决了固体发动机设计中与经验相关知识的获取问题，并通过实例说明了方法的有效性和实用性。关键词：领域专家设计经验；知识获取；知识表示；神经规则；固体火箭发动机设计Resear
2、ch on Knowledge Acquisition and Representation of Integration Product cases and Expert ExperiencesAbstract: In domain of product design based on Knowledge-based engineering (KBE), knowledge acquisition of integrating product design cases and expert experiences was researched, a complete knowledge ac
3、quisition of product design was realized. Firstly, knowledge acquisition based on product cases, as well as that based on domain experts, was studied. Secondly, the fusion algorithm of the cases knowledge and expert experiences was proposed, and its result was represented as neural rules. Thirdly, a
4、 framework of product design knowledge acquisition to the combination of design cases and expert experiences was built. Finally, the knowledge acquisition and representation was implemented in solid rocket motor (SRM) design based on KBE, and the acquisition of knowledge relevant to expert experienc
5、es was solved. The SRM design case validates that the technique is valid in domain of product design based on KBE. Key words: domain expert experiences; knowledge acquisition; knowledge representation; neural rules; solid rocket motor design1 引言产品设计知识主要包括产品及其设计的一般原理性知识、成熟产品设计结果及设计过程知识和领域专家的设计经验三个方面。
6、一般原理性知识可由知识工程师消化吸收并直接构建到设计系统中，产品设计知识获取主要是解决基于成熟产品实例的设计知识获取和领域专家头脑中设计经验的获取两个方面问题。基于产品实例的知识获取是一个知识发现过程，通过数据挖掘与机器学习技术可有效解决。但存在两方面问题： 不能掌握专家设计过程中的认知状态变迁； 获取结果完备性差、粒度大，这使得结果知识过粗、局限性较大 1。从领域专家处获取经验知识是人工智能研究的一个难题。当前主要是基于 Newell 的知识层（The knowledge level）思想，即设计一个用于知识工程师对领域专家咨询的交互平台，以获取经验知识 23；国内提出知识云概念，实质是通过
7、对专家问题求解过程的模块化，建立专家知识和分析实例的中间层，以达到与专家交流和知识获取 4。目前普遍认为，在知识工程师和领域专家之间建立合理的知识中间层结构或交互平台，是专家经验知识获取的关键。获取的经验知识需要通过事实验证来消除主观模糊成分。综合考虑产品实例的知识获取和领域专家的经验获取，并进行知识融合，建立基于产品实例的知识获取和面向领域专家的经验获取相结合的产品设计知识获取框架，才能实现对产品设计知识的完整获取。知识获取是知识工程（Knowledge-based engineering，简称 KBE）领域的瓶颈问题，研究实例与经验相结合的知识获取方法，对知识工程的实际应用具有深远的意义。
8、2 产品设计结构功能表达模型及知识获取方法依据产品的结构行为功能(SBF) 表示方式建立产品设计的结构功能表达模型，在此基础上建立基于产品实例的知识获取方法和面向领域专家的经验获取方法。2.1 产品设计结构功能表达模型定义 1：四元组 S=(U,A,V,f)是一个知识表达系统，其中，U 为一非空有限对象的集合，称为论域；A=C D，CD= ，C 称为条件属性集，D 为决策属性集； ， ， aVa是属性 的值域； 是 的一个函数。aVfVA将一个产品设计系统由定义 1 表达，则 S 为产品设计系统；U 为产品实体集合；A 为产品设计空间，由功能属性集与设计结果集组成。产品功能属性集等同于条件属性
9、集 C，设计结果集等同于决策属性集 D。产品设计结构功能表达模型如下：Ca (1)、a (2)、a (i)、。Dd 1(Para1、Para 2、)、d 2(Para1、Para 2、)、 。其中：a (i)产品功能属性；d j产品结构集；Para j产品结构集参数。产品结构、功能间存在映射关系，也即产品结构单元通过其内在行为单元间的因果关系传递，产生对应的功能输出。产品设计的实质就是调整产品结构单元及其参数，使其功能满足产品设计功能要求。产品设计知识获取实质是发现产品内在的结构功能映射关系及产品行为单元间的定性因果关系，用以指导新设计。2.2 基于产品实例的知识获取及神经规则表示神经规则(N
10、 eural rules)继承了神经网络的训练功能，克服了一般规则的 “知识获取瓶颈”问题 56，可很好表示产品结构功能间的模糊不确定性知识。以若干成熟产品设计实例为原始对象，建立产品结构功能神经规则。将产品 N 个设计实例的功能属性 a(i)取值作为输入空间的 N 个模式，采用基于确定性退火技术的模糊聚类算法 789对输入空间进行聚类划分，将 N 个模式分成 M 个聚类子集，每个子集的取值区间为a i1-，a i1+，a iM-，a iM+，有a ik ，a ik+a il-，a il+=(kl)，且 ，MN， aik 、a ik+分别为聚类子集的最值。若某个设计实例的产品结UMkiika1
11、,构集 dj 的取值为 du（其中 ,r 为 dj 的取值个数），则构造决策规则：rL,21R1：IF a (1)a 1k-，a 1k+ and a(i)a il-，a il+ a(K)a Ks-，a Ks+ THEN dj=du。定义二值属性变量 ，且满足 ikc01ikc（ ， ，K 为 C 中属性个数， 为 a(i)属性的聚类子集,)(ikiaKL,21iML,2iM数） ；定义二值决策变量 dux，且满足 （其中 ， ）；1uxdujdrL,21NxL,21则由 N 个设计实例，同时考虑决策集的线性不可分问题，相对于结构集取值 可构造ud线性系统： ；KiMkikuxicw1应用标准最
12、小平方学习算法(LMS) 10可求出权值 及 ，迭代方程为：uwik，收敛条件为 小于要)()()(1( *kCDWk T NiuxdE12*)(求误差值； 为案例中实际值， 为学习效率参数（ ） ， 为迭代次数。*uxd 0表 1 例举了某设计系统中产品结构集 dj 相对于功能属性 、 、 的决策规则，)1(a)2()3(a构造线性系统决策表如表 2。表 1 产品结构集 dj的决策规则表(M1=3)(a(M2=2)(a(M3=4)(a(r=3)d,2,1,41)( )( 1)( 3,131 ,22 ,33 2)(a1)(a)(ad,2,2,23表 2 相对于产品结构集 dj的线性决策表1c2
13、13c212c312c34cxd1x2xd30 1 0 1 0 0 0 0 1 1 -1 -11 0 0 0 1 1 0 0 0 -1 -1 10 0 1 0 1 0 0 0 1 -1 1 -11 0 0 1 0 0 0 1 0 -1 1 -10 1 0 0 1 0 1 0 0 -1 -1 1表 3 产品结构集 dj的决策神经规则NP1(-0.33)if (-0.36),1)1(a(0.37) 2a(-0.32) ,3)(0.28) 12(-0.60) ,2)(0.04) 33a(-0.30) ,2)(-0.39) 3(0.35),4)3(then 1dNP2(-0.03)if (0.06)
14、,1)1(a(-0.78)2a(0.71),3)(0.05)12(-0.07),2)(-0.56)33a(-0.19),2)(0.63)3(0.13),4)3(then 2dNP3(-0.13)if (0.11),1)1(a (0.24)2a(-0.46),3)( (-0.53)12(0.41),2)(0.46)33a(0.43),2)( (-0.34)3 (-0.65),4)3(then d神经规则表示形式如图 1。在神经规则中，它的每个前提 Ci 均被分配一个权值 sfi，标识该前提在得出结论时所起的作用大小；神经规则本身分配一个阈值 sf0。由于一条神经规则可看作一个线性功能函数神经元，
15、相对于结构集取值 构造的线性系统可表示为神ud经规则形式，权值 对应神经规则阈值 sf0， 对应前提 Cik 权值 sfik。对于一组前提输uwikw入 Cik （ ， ） ，神经规则决策输出 D 按如下计算：KiL,21iMkL,21， )(afDKiMkikuikikii ccsfsf 10（其中 为规则成功门限值）fD(sf0)C1C1C1（ sf0) iC1 (sf), Cx(sf),then d=u(a) (b)图 1 神经规则表示形式由表 1、表 2 所示设计系统经 LMS 算法构造的神经规则如表 3。实际产品设计中，目标问题的功能需求属性通常在一个区间范围内取值，即 a(1)a (1)u ，a (1)l、a (2) a (2)u，a (2)l、a (i) a (i)u，a (i)l、，其中 a(i)u a(i)l。合理表征功能属性取值区间与其聚类子集的取值区间之间的隶属关系，是应用神经规则的前提。依据一般模糊极小极大神经网络(GFMM)中超盒节点模式分类模型 1112，定义功能属性 a(i) a (i)u，a (i)l相对于聚类子集取值区间的隶属度计算函数：，其中 ，),(1),(1min)()( il
