1994-2（知識統統數據發掘及其在工領域的應e用lish提升到計e算。機輔助助設r計檔次：實現這/！飛躍1以通工程設計是一個經歷性較強的行業，設計人員在長期的工作中積攢的經歷與知識對工程設計過程起著非常重要的影響-因此，只管CAD技術應用越來越寬泛，但目前CAD技術大部分還停留在計算機輔助繪圖檔次，這無疑難以勝任對產品開發的高質量、短周期低本錢要求-因此須要將傳統的CAD過集成人工智能和工程領域知識，構成工程設計KBE（KnowledgeBasedEngineering）系統來抵達。

　　本文認為KBE是一種存儲并處置與產品模型有關的知識，并基于產品模型的計算機軟件系統，這些知識包含了產品的設計、剖析與制造辦法等。因此KBE系統包括知識系統、知識獲取、產品建模和剖析技術等部分。知識系統主要用于工程設計知識的表示和處置，體現了系統的智能化水平，知識系統的知識表示將集成多種辦法，以期利用各種辦法的長處，更有效地表達專家的知識；知識獲取技術主要用于工程設計知識的獲取，包括自動獲取和人工獲取，可以修正和提煉各領域專家的知識，改善工程設計才干和工程剖析才干；產品建模和剖析技術包括計算機輔助圖形技術（CAGD）和計算機輔助工程技術（CAE），它們是工程設計KBE系統的根底，知識系統和知識獲取技術都將建設在其根底上。因此，聯合當前模具企業的需求和當前KBE技術的停頓，本文停止了模架設計KBE系統及其關鍵技術的鉆研。

　　1模架設計KBE系統框架通過對當前模架設計過程的剖析，本文設計了模架設計的數據流圖（見）。從可以看出，工程師從拿到注塑產品開端，就按部就班設計模具的各個機構，并且各機構設計的根本知識完全不同，不可能用統一的知識表示（事例信息、材料信息、工藝信息等）。因此在各個機構的設計中，應建設基于應用領域的不同設計子系統，而后綜合成為模架設計KBE系統。

　　模架設計KBE系統的系統框架如所示，采納Pro-Engineer軟件停止次開發。在系統中聯合領域知識停止工程設計，完成模架的構造設計，包括鑲塊設計、前后模設計、模架零件干預檢查適用模架的型號和選用的標準件。其中領域知識采納：框架掘則構造知識停止表示（用于澆口設計等）神經網絡停止表示（鑲塊設計和前后模尺寸設計）CASE停止表示（模架設計事例以及模架型號等）等辦法。在知識獲取方面，采納人工交互和分類形式，獨特提取澆口設計、鑲塊設計和前后模設計等知識。

　　2KBE系統的知識表示和推理工程設計中的知識是對于工程設計過程中各種關系和過程的知識，為了有效地支持工程設計流動，必需用適當的伎倆來表達各種關系和過程，這就是知識表示。同時知識表示辦法是鉆研用機器語言表示知識的可行性和有效性的辦法，可看成是一組描繪事物的約定，可以把人類知識表示成機器能處置的數據構造。

　　S辦法是產生式規則、但是框架構造具有組織成塊知識的良好特性，因此將兩者停止有機的聯合，建設基于框架掘則的系統，可以提供工程設計系統良好的開發、調試和管理幫忙。在應用上，模架設計KBE系統本身是建設于應用子領域的設計子系統之上，而后再綜合成為一個統一的系統，其中各個子領域的知識根本上互不干預，而且構造上完全不同，這些特點為建設基于框架掘則的智能系統提供了有益的應用根底。

　　C：=浮點數框架-見的Backus范式本文采納基于框架規則的數據構造表示領域知識：詳細的框架表示工程設計領域的子目的，并集成處置該子目的的知識（規則等），各個框架通過處置目的的因果關系和高下級關系，獨特構成領域的框架樹。

　　上述的框架規則范式構成了注塑模模架設計KBE系統的知識表示語言，注塑模架設計KBE系統的所有工程知識都用此語言表示。但是KBE系統中有些子領域并不適宜用規則推理的方式停止計算，如鑲塊設計、前后模尺寸設計和模架設計事例的選擇，因此在“變量計算方式”中增加了“函數計算方式”，由此拓寬了KBE系統的使用范圍，使得眾多的計算和推理辦法，如神經網絡、基于事例的推理等，可以無縫地交融于注塑模模架設計KBE系統中。

　　為KBE系統基于框架規則的推理算法。

　　從流程圖中可以看出，該算法的主要特點是充分利用規則系統的前向和反向推理，使系統的推理集中在某一個子目的中，以盡量縮小推理范圍。虛線部分表示在某些推理計算過程中須要對更深檔次的子目的停止推理計算，因此需遞歸調用子目的的推理過程。這樣構成了基于框架樹的完好的推理算法。

　　3模架設計中基于事例的推理技術作為一種有效的推理技術，在各個行業得到了浸透和應用。CBR的核心思想是人類經歷的再應用，因此非常適用于一些弱理論領域。模具加工過程是一個復雜的、理論性還不太分明的過程，影響因素很多，很難用準確的理論模型停止描繪，因此屬于弱理設計時，往往是回顧以往舊的、相類似的產品或特征的設計結果，借鑒其設計辦法或思想，經過適當地批改就可以適應新的狀況，處置新的問題，這就從客觀上為CBR技術在模具行業的應用提供了根底。所以CBR技術在模具行業的鉆研應用和開展具有可行性，并且是一個極富裕希望和開展前途的鉆研和應框架規則系統推理流程圖當前在注塑模CBR的鉆研主要偏重于理論方面，面向工廠實際的較少。在工廠實際中，模具設計工程師最須要的是類似模具的設計計劃。因此本文建設了基于注塑件產品的模具設計CBR系統，并集成于注塑模模架設計KBE系統。該事例推理系統主要用于向模具設計工程師提供設計參數和設計計劃基于數據流圖的剖析和注塑模模架設計KBE系統的需求，將已有的事例按其注塑件類型和尺寸分成不同的類別，故事例庫采納檔次組織辦法，而每個事例采納統一數據構造表示的組織辦法。

　　用方1向當前事例推理的檢索戰略主要有最相鄰近策4-2015ChinaAcademicournalElectronic略、歸納推理戰略和知識引導戰略，針對本系統，擬采納加權量鄰近法，即用注塑模事例中若干重要的關鍵字（注塑件類型，注塑件長、寬高）造成索引。因此事例匹配為非完全匹配，每次選取以事例類似度來掂量當前需求和已有事例的匹配水平。其事例的類似度S計算如下：其中：Mi為各個關鍵字的匹配值；Wi為各個關鍵字的權值，其中注塑件類型的權值取為3.注塑件的長、寬和高各取為1，這樣可防止由于產品類型不同但尺寸類似事例，該類似度算法匹配上不同類型的產品作為事例。

　　4模架設計中的神經網絡技術在模架設計過程中，工程師應針對注塑件的不同尺寸和形狀，確定采納鑲塊和前后模板的尺寸，目前大多數的辦法是應用理論鉆研或經歷公式的成績直接停止數值計算，但是理論上這些計算成績存在很大差距，經過與實際成功設計的模具數據對比，計算模架尺寸的重要參數（模架壁厚和后模底部厚度）均比實際的大50%以上，有的抵達200%.由于理論公式的推導均存在不同水平的簡化，因此誤差較大。為處置這方面的問題，采納與理論推導不同的辦法，直接從實際的成功事例中停止學習，構造神經網絡停止計算。

　　多層前饋神經網絡（MLN）利用反向傳播（BP）算法能逼近任意能量有限的非線性函數關系，以及其在程序中的易實現性，自問世以來，就在信號處置、形式辨認以及工程分類中得到了寬泛的應用和器重。實際上，BP算法是最優化理論中最速下降法在MLN中的詳細應用。本系統中采納的BP算法如下：設給定n個樣本（Xi，Yi），Ei為第i個樣本的目的函數，反向誤差傳播算法的權值修正為w（k+ 1）=w（k）其中：Z為學習率，用來控制學習的步長；T為學習時防止迭代進入一個“V”形深谷而設置的慣量項；w（k）為多層前饋網的權值矩陣；E為多層前饋網目的和輸出之間的均方差函數。

　　KBE系統的多層前饋網運用實際成功的事例停止學習，采納注塑件尺寸和一模件數為已知狀態，模架鑲塊尺寸、模架壁厚和前后模底部厚度為輸出。測驗誤差約為30%，比理論經歷公式的成效好；并且隨著應用的深刻和事例的增加，神經網絡的學習才干將使系統的誤差逐漸減少，更加趨近于實際采納的尺寸數值。

　　5結語通過對當前模具企業模具設計和制造流程的剖析，聯合工程設計領域KBE技術的開展，提出了停止注塑模模架設計KBE系統鉆研的思路。給出了注塑模模架設計KBE系統的根本框架，并對其關鍵技術（知識表示和推理，基于事例的推理，神經網絡技術）停止了剖析。通過注塑模模架設計KBE系統的實際應用，證明該系統可以有效地進步模具工程師的模具設計和剖析才干。