基于实例的智能工艺设计系统
类似于实例索引技术，实例检索策略有以下三种：
(1)分层检索与归纳索引配合使用，其检索过程以用归纳索引形成的分类决策树为基础，由树根开始逐层下降，直到不能下降为止;
(2)关联检索，又称邻近检索，与权值邻近索引配合使用，其检索过程是基于权值邻近索引中定义的实例特征属性的相似度，将用户输入的新实例与库中实例进行关联比较;
(3)基于知识的检索，它是指利用现有的关于实例库的实例知识来确定检索实例时哪些实例属性是重要的。
类似于实例索引的建立，CBIPP系统采用了三者结合面向对象的检索策略，其算法过程如下：
②根据源工艺实例信息，确定工艺实例类(Case-Type)，并得到该层次结构的所有工艺实例集;
③调用实例匹配算法，在工艺实例集中获取一最相近工艺实例(目标工艺实例)。
其中实例匹配算法如下：
5 工艺实例的修改(基于规则的推理)
5.1 基本定义
定义4 欠特征是源工艺实例含有而目标工艺实例没有的特征。
定义5 过特征是源工艺实例没有而目标工艺实例含有的特征。
5.2 工艺实例的修改
通过索引和匹配检索到的最相似的目标工艺实例，如果与源工艺实例完全相同，则可直接调出目标艺实例的工艺内容(Case-Content )来解决新问题，而不经过修改;但通常情况下，检索到的目标工艺实例内容无法完全满足新零件的工艺设计要求，这种情况下就需调整修改目标工艺实例的工艺内容来适配新工艺设计问题。修改的内容主要包括：①过特征的工序(工步)的删除;②欠特征的工序(工步)的增加;③工序(工步)的重新排序;④尺寸链的计算;⑤制造资源(设备、刀夹量具)的调整和切削用量的优化;⑥工序图的重新绘制。
工艺实例修改的基本过程如下：首先比较源工艺实例与目标工艺实例的特征，根据两者的差异，确定源工艺实例中的过特征及欠特征。在此基础上，由该工艺实例对应的CAPP-Agent运用基于规则的推理技术(Rule-Based Reasoning,RBR)，修改目标工艺实例的工艺内容，并最终确定源工艺实例中的实例内容。
如图2所示，基于规则的推理部分主要由三大部分构成：工艺数据库、工艺知识库、基于规则的推理机。其中，工艺数据库用自主开发的工程数据库OSCAR实现(OSCAR面向工程事务，支持复杂对象存储管理)，库中存储应用环境的具体数据，记录适时制造领域的动态信息，包括设备、夹具、量具、材料、切削液、刀具、辅助材料、形状特征、工艺方法、标准化和互换性数据以及工时定额表;工艺知识库的基本任务是建立工艺数据库中相关对象的一般映射，提供相关查询、匹配，根据特征分布获取加工方法和设备，根据工艺效率，计算零件数据演化，形成递归求解，辅助实现工艺评估和排序，把对零件进行的工序操作在时间和空间上排序，确定整个的工艺排列顺序和在工序或工步中所进行的操作;工艺知识库中所含推理知识用元规则形式表示，以实现工艺决策推理的元级控制，推理机制采用黑板结构，调用工艺知识库中推理规则和工艺数据库中事实进行工艺决策，简单直观，易于实现。以一条关于车削的加工方法之规则为例，其推理规则描述如下：
若：零件的辅助特征类型为外螺纹
精度为1-2 公差带4h～6h
则：加工方法为车削
6 结论
结合CPR技术和RBR技术，构造了一个基于实例的智能工艺设计系统，给出了工艺实例完整、清晰的形式化描述，并阐述了工艺实例检索和匹配的策略和算法。实践表明，在智能工艺设计中引入CBR技术，可极大地提高工艺设计的效率与质量，解决了工艺专家知识获取的瓶颈问题，改善了系统的开放性，较好地满足企业生产的实际要求。
评论