基于多決策屬性的刀具選擇規則提取算法研究

劉志強，張維

（西北工業大學現代設計與集成制造教育部重點實驗室，陜西西安710072）

基于多決策屬性的刀具選擇規則提取算法研究

劉志強，張維

（西北工業大學現代設計與集成制造教育部重點實驗室，陜西西安710072）

傳統的規則提取算法只是對單一的條件屬性特征推理單一的決策屬性值進行規則提取，為實現刀具智能選擇，本文提出了一種通過加工特征和工件尺寸對刀具進行選擇的規則提取算法，采用粗糙集進行刀具型號的規則提取，對刀具尺寸的選擇采用區間值的基本理論，最后通過一個實例驗證該算法的有效性。

機械制造；規則提取；屬性特征；刀具智能選擇；粗糙集

0 引言

刀具是機械制造系統中重要的組成部分，它對加工表面的幾何形狀、尺寸精度、表面質量及加工成本等方面有很大影響。在刀具選擇過程中，要涉及到工件材料、幾何尺寸、加工特征等許多原始資料，這些參數之間的關系錯綜復雜，建立智能刀具選擇系統具有重要意義。隨著人工智能的發展，國內外對刀具智能選擇進行了大量研究，并取得一定成果。

多年的研究表明，在刀具智能選配系統中，規則的獲取是最難解決的，而且效率很低，往往要花很大一部分人力和財力在規則獲取上，它被公認為是刀具智能選配系統的一個“瓶頸”。目前，在規則獲取領域，國內外學者提出了基于粒計算的規則獲取算法[1]、基于神經網絡的規則獲取算法[2]、決策樹規則提取算法[3]等規則獲取算法，并在實踐中獲得應用。

刀具選擇規則涉及刀具型號、刀具尺寸等決策屬性，且具有不同的屬性值特征。現有的規則獲取算法只是針對單一決策屬性值的規則提取，在進行刀具選擇規則的獲取過程中，并沒有有效的算法可以同時獲取刀具型號、尺寸等決策屬性信息。針對刀具選擇規則多決策屬性特征，本文在粗糙集理論基礎上，提出了一種通過加工特征和工件尺寸對刀具進行選擇的規則提取算法。

1 主要概念及約定

粗糙集理論是波蘭學者Paw lak Z在1982年提出的，能有效處理不精確、不一致及不完整等不完備的信息，并從中發現隱含的知識，揭示潛在的規則。它具有強大的數據分析能力，是處理復雜系統的一種有效方法。近年來越來越多的研究人員開始對它進行研究，并建立了粗糙集理論的數據模型，還提出了很多在機器學習、數據挖掘和人工神經網絡等方面得到了廣泛應用的算法。按照最終生成的決策規則集的性質可分為3類：生成最小規則集、生成全部規則、生成滿足一定精度的規則。

定義1[4]五元組是一個決策表，其中U為論域，C為條件屬性集，D為決策屬性集且，Va為屬性a的值域；是一個信息函數，它對一個對象的每一個屬性賦予一個信息值，即有

根據以上定義，本文做如下規定：

2 算法基本思想及步驟

刀具選擇涉及到加工類型、加工精度、工件幾何參數等多方面工藝信息。以三菱刀具為例[5]，其刀具編碼涉及到刀具型號和尺寸規格兩種屬性，因此，本文提出一種基于加工特征和工件尺寸的刀具規則提取算法。根據其屬性值特點，對刀具型號的選擇采用粗糙集基本理論，分別對每個決策類提取規則，直到當前的規則集能夠覆蓋決策類中的所有實例；在選定刀具型號后，采用范圍值方法對尺寸規格進行選擇，分別計算提取最終規則

本文規則獲取算法基本步驟為：

步驟2：應用粗糙集基本理論，提取關于D1的最小規則集。，i為規則集個數}。

根據粗糙集理論，分別對每個決策類Y提取規則，直到當前的規則集能夠覆蓋決策類y中的所有實例，對決策類Y的規則提取就此停止。基本步驟為：①根據初始決策表，提出只有1個原子條件的規則，導出規則；②根據導出到決策類Yi上的規則，找出未被規則集Ri覆蓋的實例集，選取候選原子條件集合，直到當前規則的因θ使得[θ]能夠包含于某個決策類Yi，停止往規則的因θ中添加原子條件，并且得到一條候選規則；③檢查規則的因θ中是否有冗余的原子條件，如果有則刪除，輸出最終的簡化規則

步驟3：根據步驟2得到的規則集，對于每條規則Rij進行分類排序，建立中間表，m為決策類Yi個數，n為對應決策類Yi的規則個數。如規則，該規則覆蓋的實例為，建立對應Yij的中間決策表

步驟4：對中間決策表Si′j，對每個決策類Yij提取關于C2的規則，獲取最終規則

假設通過步驟2提取的規則集Ri中的規則r11覆蓋實例為，對應中間表分別計算，并與r11結合得到最終規則R11：

步驟5：輸出最終決策規則表。

3 實例

刀具的選擇是一個異常復雜的過程，相應規則所涉及的條件屬性多種多樣，不同的刀具類型，不同的加工特征，其對應的條件屬性集也不盡相同。表1給出了三菱整體立銑刀刀具的決策表S=＜U，C，D，f，V＞，其中U={1，2，…，16}，C={加工類型，加工特征，工件材料，加工精度，最小曲率半徑，加工寬度，切深}，將集合中的元素按先后順序分別對應集合C′={a，b，c，e，f，g}其中C1={a，b，c，e}，C2={f，g}，D={選擇刀具}。根據表1，其條件屬性值C1的集合依次為{一般平面，深部雕刻，曲面加工}、{鍵槽加工，筋槽加工，一般曲面，銅合金加工}、{碳鋼，預硬鋼，合金鋼，高硬度剛，銅合金}、{精加工，粗加工}，將集合中的元素按先后順序分別對應編號0、1、2、3或4。

表1 實例表

經過步驟2，對條件屬性集C1進行處理，得到型號規則表，如表2所示。共得到五條規則，根據每個規則覆蓋的實例，建立相應規則的中間，如表3所示。最后通過步驟4，得到最終的規則決策表4。

表2 型號規則表

表3 規則中間表1

表4 最終決策規則表

4 結束語

本文提出了一種基于多決策屬性的刀具選擇規則提取算法，根據刀具選擇的多決策屬性特征，運用粗糙集基本理論及區間值基本思想，分別對刀具型號和刀具尺寸規格進行規則提取，實現了針對多決策屬性的規則獲取方法，并通過實例驗證了算法的有效性。刀具的選擇復雜多樣，不同的工件特征涉及不同的屬性特征，在選擇多種不同類型刀具的算法上，還有待進一步的研究。

[1]YiCheng，Duoqian Miao.Ruleextraction based on granulation order in interval-valued fuzzy information system[J].Expert Systemswith Applications，2011，4(03)：1-13.Solid-StateCircuits，2009，44（10）：2800-2807.

[2]Bart Baesens，Rudy Setiono，Christophe Mues，Jan Vanthienen. Using Neural Network Rule Extraction and Decision Tables for Credit-Risk Evaluation[J].Management Science，2003，49（03）：312-329.

[3]陳建輝，陳貞.基于粗糙集的決策樹規則提取算法[J].河北工程大學學報，2008，25（01）：108-110.

[4]陳建輝.基于粗糙集的最小規則提取算法[J].長春工程學院學報，2008，9（03）：85-88.

[5]三菱刀具綜合樣本[M].2003.

[6]陳云，杜齊明，董萬福.現代金屬切削刀具[M].北京：化學工業出版社，2008.

[7]PAWLAK Z.Rough set[J].International Journal of Computer and Information Sciences，1982，11（05）：341-356.

[8]孫林，徐久成，馬媛媛.基于新的條件熵的決策樹規則提取方法[J].計算機應用，2007，27（04）：884-887.

[9]JamesMalone，Kenneth McGarry，StefanWermter Chris Bowerman. Data mining using rule extraction from Kohonen self-organising maps[J].NeuralComput&Applic，2005，15：9-17.

[10]張文宇.一種基于有序屬性決策系統分類規則提取策略[J].控制理論與應用，2007，24（2）：183-186.

Study on rule extraction algorithm for selection of toolbased on multi-decision property

LIU Zhiqing,ZHANGWei
（The Key Laboratory of Contemporary Design and Integrated Manufacturing Technology, Northwestern Polytechnic University,Xi'an 710072,ShanxiChina）

In order to achieve intelligent tool selection,a rule extraction algorithm based on machining features and workpiece size has been put forward in the text.The rough sets have been applied to gain rule extraction of tool model.The basic theory of interval-valued has been adopted to select the size of tool.Finally,the effectiveness of the algorithm has been validated by an example.

Rule Extraction;Property features;Intelligent Tool Selection;Rough Set

book=3,ebook=1

TG711

A

1672－0121（2012）03－0090－03

國家自然科學基金項目（50505039）

2011－12－29

劉志強（1986－），男，碩士在讀，主攻計算機集成制造、信息化工程、制造資源管理等研究