基于混合推理的大型機床零件切削數據庫系統

陳維克　范微微　李忠群

湖南工業大學，株洲，412000

基于混合推理的大型機床零件切削數據庫系統

陳維克范微微李忠群

湖南工業大學，株洲，412000

對大型機床零件切削數據庫系統進行了需求分析，確定了系統中主要屬性參量及其相互關系。提出了大型機床零件幾何特征定義和尺寸特征定義。將實例和規則推理相結合，建立了基于混合推理技術的切削數據庫系統。為便于檢索，定義了屬性的優先級。在實例推理中，確定了特定屬性的局部相似度。將動力學優化技術與實例匹配相結合，尋找最優參數，增強了解決實際問題的能力。

切削數據庫；零件特征；實例推理；規則推理；混合推理；動力學優化

0　引言

高端裝備制造業以高端技術為引領，處于價值鏈高端和產業鏈核心環節，它是現代產業體系的脊梁，是推動工業轉型升級的引擎。在高端裝備制造的各領域中，智能制造裝備備受關注。智能制造裝備是指具有感知、分析、推理、決策、控制功能的制造裝備，重點推進高檔數控機床與基礎制造裝備是它的主要內容之一[1-4]。當前，切削加工仍是機械制造業中最主要的加工方法，合理的切削加工數據在充分利用設備資源、提高企業經濟效益等方面都有重要意義。切削數據信息量在不斷擴大，如何管理好如此龐大的信息量將直接影響企業的效率和成本。目前計算機技術發展迅速，與之相關的切削數據庫技術也日趨成熟，切削數據庫技術將機加工技術和計算機技術結合，它不僅能解決切削數據管理的問題，而且能提高切削數據的適用性。CIRP有關切削數據庫經濟效益的調查結果顯示，它能使加工成本降低10%以上[5-6]。在已經建立的切削數據庫中，CUTDATA和INFOS最為著名，前者是由美國空軍加工性數據中心(AFMDC)開發的，它是世界上第一個金屬切削數據庫，在建庫初期就為工業部門節約了1.6億美元；后者是德國在1971年建立的，它可根據最高生產率和最低成本為用戶提供車削數據。隨后，各發達國家紛紛建立自己的金屬切削數據庫[7]。我國的切削數據庫研究始于20世紀80年代，很多科研單位都在開展切削數據庫研究，比較典型的研究如下：北京理工大學提出了濃縮型數據庫的概念，山東大學開發了針對高速切削的難加工材料切削數據庫，北京航空航天大學開發了基于動力學仿真技術的切削數據庫X-CUT[8]。

在國內，以大型機床零件為對象進行研發的切削數據庫還很少，而普通的切削數據庫無法滿足大型機床零件的加工需求。本文的主要目標是初步建立一個針對大型機床零件的切削數據庫系統，提高零件加工效率，保證加工質量，為零件加工提供有效的輔助作用。系統可根據用戶輸入信息，運用混合推理技術，給出目標零件的切削加工信息。本文還將動力學仿真、優化技術運用到系統中，用戶也可通過動力學優化得到所需信息。

1　大型機床零件切削數據庫系統總體設計

該切削數據庫系統將根據用戶輸入信息，經推理輸出適用于新零件的解決方案，用戶可對方案進行驗證，并對給出的切削參數做適當調整。在建立此切削數據庫系統前，需要明確系統中輸入輸出的主要內容、系統的模塊劃分和系統包含的實體及其相互關系。

1.1系統輸入輸出信息

圖1　系統輸入-輸出簡圖

系統輸入輸出內容如圖1所示。在系統輸入信息中，零件特征包括零件名稱、加工部位、加工特征和特征參量。其中，加工部位可分為上表面、下表面、左側面、右側面、前面和后面；加工特征包括腔、T形槽、平面和孔；加工要求包括加工后尺寸、加工精度和表面粗糙度；工件材料信息包括材料類別、材料牌號、材料硬度、材料強度和熱處理狀態。在系統輸出信息中，機床信息包括機床型號；刀具信息包括刀具類型、刀具材料、刀具牌號；切削用量包括切削速度、切削深度和(每齒)進給量。1.2系統功能模塊

切削數據庫系統最基本的功能是為用戶提供與新零件匹配的切削加工信息，也可按照特定的優化目標進行切削用量優化。根據系統功能需求，劃分系統功能模塊如圖2所示。

圖2　系統功能模塊圖

(1)特征匹配模塊。首先根據大型機床零件的特征，將零件分類、細化，并將分類后零件的特征參量進行編碼。在此基礎上，運用混合推理技術，根據輸入的具體信息，從數據庫存儲的實例中檢索，若檢索到匹配實例，系統將給出匹配度較高的實例的解決方案，用戶可通過人機交互界面選擇最合適的方案。

(2)動力學優化和數據管理模塊。本文運用動力學仿真優化軟件SimuCut和CutPro，并運用MATLAB軟件進行計算，切削數據庫可由此獲取優化型切削參數，且在運算過程中系統還可得到大量相關信息，如刀具、機床、加工方法等。在切削數據庫中還建立了動力學優化數據管理表，表中存儲優化型切削數據和標記字符段。數據管理員可根據標記信息，判斷表中存儲數據是否經過檢驗，并對優化后的數據進行相關操作。

(3)用戶管理模塊。該模塊主要用于劃分用戶權限。在系統中設置3種級別的權限，①普通用戶：可瀏覽、查詢系統中部分數據；②數據管理員：可對動力學優化數據和切削數據進行管理與維護，但不能更改系統設置；③系統管理員：可對系統進行管理，設定用戶訪問權限。

(4)系統管理模塊。該模塊主要用于系統備份與還原、用戶信息維護。

1.3系統中的實體及數據庫表結構設計

大型機床零件切削數據庫系統主要由以下實體構成：零件、加工方法、刀具、機床、切削參量和切削液。每個實體都有其對應的屬性參量，如圖3所示，圖3中有下劃線的屬性，在數據庫中會單獨建表列出該屬性包含的參量，如圖4所示。

該切削數據庫系統中的表有零件表、零件特征表、加工要求表、工件材料表、加工方法表、刀具表、幾何參數表、機床表、切削參量表和切削液表。此外，系統中還有實例表和動力學優化數據表。實例表中除存儲實例信息外，還包含數據庫中其他表的ID，如零件特征ID、刀具ID等。在實例表

圖4　幾何參數E-R圖

中，可由其他表的ID查詢對應表中的參量信息。

2　零件特征的分類與提取

在實際生產加工中，零件的總類和特征一般來說各不相同，若將零件信息直接導入數據庫，則不便于查找和提取。本文特別將大型機床零件按幾何特征和尺寸特征進行分類，可簡明直觀地了解零件的各種外在特征，便于零件特征提取。

大型機床零件的零件特征可分為幾何參量類和尺寸參量類2類。且每一類中，零件可劃分不同層次，幾何參量分類中從上到下依次為零件名稱、加工部位、加工特征、特征參量，如圖5所示；尺寸參量分類中從上到下依次為加工特征、特征參量，如圖6所示。大型機床零件特征定義實例如圖7和圖8所示。

圖5　零件特征-幾何參量分類

圖6　零件特征-尺寸參量分類

圖7　大型機床零件1的特征定義示意圖

圖8　大型機床零件2的特征定義示意圖

3　基于動力學仿真的切削參數優化

對切削加工過程進行物理建模與仿真，在此基礎上進行切削參數優化，是當前解決數控機床加工效率低下最為有效的方法之一。加工過程建模與仿真即針對切削加工過程中的各物理量(如切削力、表面形貌、切削溫度等)、物理現象(如刀具磨損、顫振等)與切削參量間的相互關系建立數學模型，并對加工過程中出現的物理量、物理現象進行預測；切削參量優化即在建模和仿真的基礎上，選擇合適的變量作為目標函數，再將切削加工過程中某些物理量作為約束條件，獲得優化的切削參數[9]。

本文通過綜合運用銑削加工動力學仿真軟件SimuCut及國外的CutPro軟件，進行動力學仿真與優化，可獲得優化的切削參數。用優化后的切削參數進行加工，可有效地消除顫振及因加工形變引起的局部超差，提高加工效率。

4　大型機床零件切削數據庫系統混合推理的實現

4.1智能推理方法介紹及選用

(1)實例推理源于1982年美國學者Roger Schank關于人類學習和回憶的動態存儲模型研究，其本質是用過去成功實例的解來推導新問題的解。實例推理有很多優點，較為突出的優點如下：知識獲取較簡單，可以自動添加新知識到數據庫中，但在數據庫建立初期，實例較少，實例推理較難得出結果[10-13]。

(2)規則推理是指把相關領域的專家知識形式化地描述出來，形成系統規則。這些規則表示該領域的一些問題與這些問題相應的答案，可以利用它們來模仿專家在求解中的關聯推理能力。但由規則推理開發的數據庫系統學習能力差且系統維護較困難[14-19]。

(3)混合推理是指在解決問題的過程中不單一地使用推理方法，而是結合不同方法的優點、彌補某種方法的缺點，更適合實際應用。本切削數據庫系統就是基于實例推理和規則推理相結合的混合推力技術建立的[14,20]。

4.2實例組成

運用實例推理得到匹配的實例，首先需要明確的實例描述規則。本系統中存儲的任一實例都由問題描述和解決方案兩部分組成。

實例問題描述即系統輸入信息內容(除了零件名稱)，具體包括：加工部位、加工特性和特征參量，加工后尺寸、加工精度和表面粗糙度，材料類別、材料牌號、材料硬度、材料強度和熱處理狀態。實例解決方案即系統輸出信息內容，包括：加工方法，機床型號，刀具類型、刀具牌號、刀具結構，切削速度、切削深度和(每齒)進給量，切削液。

4.3實例檢索中的優先級劃分

實例檢索采用最近鄰居法，但當數據庫存儲實例較多時，用最近鄰居法逐一檢索運算量較大。為便于檢索，本文提出了定義實例問題部分屬性參量的檢索順序，劃分參量優先級。

實例問題描述部分屬性參量的優先級定義如下：1級是材料類別，2級是材料牌號，3級是加工部位，4級是加工特征，5級是特征參量(即幾何特征參量和尺寸特征參量)，6級是加工后尺寸、加工精度、表面粗糙度，7級是熱處理狀態、材料硬度、材料強度。且在第5級中，幾何特征參量確定后檢索加工精度和表面粗糙度；尺寸特征參量確定后檢索加工后尺寸。

前5級在檢索中要求完全匹配，6級、7級參量需逐個計算新舊實例間的局部相似度，再計算兩者的整體相似度，最終顯示檢索到可用的、整體相似度值前3的實例解決方案。

由上述優先級定義可知，在實例檢索中，包含的屬性參量檢索順序如圖9所示。

圖9　屬性參量檢索順序

4.4特征匹配

特征匹配是指按零件特征等信息，在數據庫存儲的實例中檢索，找尋和新實例最相似的舊實例，用相似舊實例的解決方案解決新實例的問題。而在檢索最相似實例時，需計算新舊實例間的相似度。

4.4.1局部相似度計算方法和選用

局部相似度計算即計算新實例和舊實例問題描述部分6級、7級屬性參量(包括加工后尺寸、加工精度、表面粗糙度，熱處理狀態、材料硬度、材料強度)的相似度。一般來說，實例屬性的取值類型有數值型、模糊邏輯型、無關型，不同的取值類型對應不同的相似度計算方法。根據系統中實例屬性的取值特點，選擇不同的局部相似度計算方法。

(1)數值型。有數值型值域的屬性，其局部相似度的計算公式為

(1)

式中，sim(a,b)為兩實例間某屬性的局部相似度；a、b為該屬性的值。

(2)模糊邏輯型。有模糊邏輯值的屬性，其局部相似度的計算公式為

sim(a,b)=f(a,b)

(2)

式中，f(a,b)為一數值函數，根據定義的具體屬性特征而定。

(3)無關型。屬性的不同取值間無任何關聯，其局部相似度的計算公式為

(3)

加工后尺寸、材料硬度、材料強度的相似度計算采用數值型算法。熱處理狀態的相似度計算采用無關型算法。表面粗糙度和加工精度的相似度計算采用模糊邏輯型算法。

例如，表面粗糙度的相似度計算如下：將表面粗糙度按Ra值分為4類，第1類：25、12.5；第2類：6.3、3.2、1.6；第3類：0.8、0.4、0.2；第4類：0.1。它們分別被賦值如下：第1類為1，第2類為2，第3類為3，第4類為4，則

sim(a,b)=1-|a-b|/Z

(4)

式中，Z為屬性的最大賦值，即Z=4。

4.4.2權值分配原則

為得到整體相似度，需根據要計算局部相似度的各屬性對輸出參量的影響情況，將其賦予相應的權值。定義權值分配規則如下：表面粗糙度、加工精度、熱處理狀態的權值均為0.6；加工后尺寸、材料硬度、材料強度的權值均為0.4。

4.4.3整體相似度計算

在切削數據庫系統中,采用基于整體相似度算法的最近鄰居法檢索。且假設在數據庫中已經存在n個實例，總實例c={c1,c2,…,cn}，ci為單個實例，i=1,2,…,n?，F有新的目標實例e需要進行檢索，其屬性值為{e1,e2,…,em}，則整體相似度計算公式為

(5)

根據新實例各屬性取值類型，選擇合適的局部相似度計算方法，再代入各屬性權值計算整體相似度，即可求得舊實例ci和新實例e的相似度，最后系統將給出可取的實例解決方案，用戶可在人機交互界面選擇合適的方案。

5　大型機床零件切削數據系統工作流程

新零件的解決方案可由混合推理和動力學優化尋求。運用混合推理解決問題時，實例檢索順序和實例屬性權值是由規則決定的，再由實例推理判斷是否存在匹配實例，若存在，則輸出匹配實例的解決方案；若不存在，系統可給出一組最接近匹配實例的初值，將這組參數人工調整后，進行動力學優化。系統工作流程如圖10所示。

圖10　系統推理流程圖

6　結語

本文通過運用實例和規則推理相結合的混合推理技術，并將動力學優化技術與實例匹配相結合，建立了適用于大型機床零件加工的切削數據庫系統。提出將大型機床零件按幾何特征和尺寸特征定義，可避免數據庫產生大量數據冗余，方便錄入和提取零件特征信息。為便于檢索，在系統中定義了需檢索屬性的優先級。系統按定義規則搜索屬性參量，再由整體相似度匹配合適的實例，減少了系統的工作量，可以方便快捷地為用戶提供所需的刀具、機床、切削液、加工方法、切削參數等切削加工信息。系統還可進行動力學優化，獲取優化后的切削加工信息。但本系統的通用性較弱，有待改進。

[1]陸燕蓀.中國制造任重道遠裝備中國責無旁貸——中國裝備制造業現狀與發展戰略[J].機械工程學報, 2007, 43(1): 2-6.

Lu Yansun.Chinese Manufacturing Industry Have a Long Way to Go and It is the Responsibilities for All of Us——The Present Situation and the Development Strategy of Chinese Equipment Manufacturing[J].Journal of Mechanical Engineering,2007,43(1):2-6.

[2]Groover M P.Automation,Production Systems and Computer-integrated Manufacturing[M].Upper Saddle River:Prentice Hall Press,2007.

[3]Xiang Kejun,Liu Zhanqiang,Ai Xing.Case Modifying of High-speed Cutting Database Based on CSP and Similarity Theory[J].Frontiers of Mechanical Engineering in China, 2009, 4(1):83-87.

[4]我國高端裝備制造業智能化是大方向[J].現代制造技術與裝備,2011(4):5-6.

Intellectually is General Direction of High-end Equipment Manufacturing Industry in Our Country[J].Modern Manufacturing Technology and Equipment,2011(4):5-6.

[5]任小平.難加工材料切削數據庫系統的研究與開發[D].濟南:山東大學，2010.

[6]劉秋月,王太勇,李清,等.數控加工仿真中的切削數據庫系統的研究[J].機床與液壓, 2006(6): 211-213.

Liu Qiuyue, Wang Taiyong, Li Qing,et al.Research on Cutting Database System in the NC Process Simulation[J].Machine Tool & Hydraulics, 2006(6): 211-213.

[7]劉強, 李忠群.數控銑削加工過程仿真與優化——建模、算法與工程應用[M].北京:航空工業出版社, 2007.

[8]陳志同,陳五一,林東.優化型切削參數數據庫的數據結構[J].計算機集成制造系統, 2007, 13(11): 2184-2188.

Chen Zhitong,Chen Wuyi,Lin Dong.Optimization-type Data Structure for Cutting Parameter Database[J].Computer Integrated Manufacturing Systems,2007,13(11):2184-2188.

[9]李忠群.復雜切削條件高速銑削加工動力學建模、仿真與切削參數優化研究[D].北京: 北京航空航天大學，2008.

[10]Gordon T F, Fokus F.Hybrid Reasoning with Argumentation Schemes[C]//Proceedings of the 8th Workshop on Computational Models of Natural Argument.Patras,2008:543.

[11]De Mantaras L R,McSherry D,Bridge D,et al.Retrieval,Reuse,Revision and Retention in Case-based Reasoning[J].The Knowledge Engineering Review, 2005, 20(3): 215-240.

[12]Armengol E,Plaza E.Symbolic Explanation of Similarities in Case-based Reasoning[J].Computing and Informatics, 2006, 25(2/3):153-171.

[13]王暢，侯忠濱，邱瑋楨.基于實例推理的可轉位刀具快速設計方法研究[J].工具技術，2011，45(3)：49-51.

Wang Chang,Hou Zhongbin,Qiu Weizhen.Case-based Reasoning Quick Design Approach for Indexable Turning Tool[J].Tool Engineering,2011,45(3):49-51.

[14]相克俊,劉戰強,艾興.基于混合推理的高速切削數據庫系統的建立[J].計算機集成制造系統，2006，12(3)：420-427.

Xiang Kejun,Liu Zhanqiang,Ai Xing.Development of High-speed Cutting Database System Based on Hybrid Reasoning[J].Computer Integrated Manufacturing Systems,2006,12(3):420-427.

[15]Sun Yan,Wang Guangwei,He Xinhua.Study on Case-based Reasoning Decision-making Model[J].Applied Mechanics and Materials, 2013, 421:636-641.

[16]Chang G H.Applying Case-based Reasoning Approach to Assembly Part Design[J].Applied Mechanics and Materials,2013, 392:237-241.

[17]Wang G,Yu X,Peng D,et al.Research of Data Mining Based on Apriori Algorithm in Cutting Database[C]//2010 International Conference on Mechanic Automation and Control Engineering(MACE).Wuhan,2010: 3765-3768.

[18]韓娟，楊東升，孫一蘭，等.加工工藝專家系統實現方法綜述[J].組合機床與自動化加工技術，2013，1 (1):1-6.

Han Juan,Yang Dongsheng,Sun Yilan, et al.Review of Implementation Method on Processing Technology Expert System[J].Modular Machine Tool&Automatic Manufacturing Technique,2013,1(1):1-6.

[19]Chiu M L.Design Moves in Situated Design with Case-based Reasoning[J].Design Studies, 2003, 24(1):1-25.

[20]Polkowski L.Data-mining and Knowledge Discovery:Case-based Reasoning, Nearest Neighbor and Rough Sets[M].New York:Springer,2012.

(編輯陳勇)

Cutting Database System of Large Machine Tool Parts Based on Hybrid Reasoning Method

Chen WeikeFan WeiweiLi Zhongqun

Hunan University of Technology,Zhuzhou,Hunan,412000

According to the demand analyses of large machine tool parts cutting database system, the parameters of main attributes and their mutual relationships were determined in the system.The geometrical and the dimensional feature definition of large machine tool parts were presented.Based on hybrid reasoning technology which combined case-based and rule-based reasoning,a cutting database system was established.The priority of attributes was defined for fast retrieval. Local similarities of specific attributes were determined during case-based reasoning.Combining dynamics optimization technique with instance matching the optimal parameters were found.Then, the ability of the system of solving practical problems is enhanced.

cutting database;part feature;case-based reasoning;rule-based reasoning;hybrid reasoning;dynamics optimization

2014-02-28

國家自然科學基金資助項目(51375160)；國家科技重大專項 (2012ZX04011-011)

TG506；TP18DOI：10.3969/j.issn.1004-132X.2015.07.012

陳維克，男，1964年生。湖南工業大學機械工程學院教授、博士。主要研究方向為傳感技術、信息管理。范微微，女，1990年生。湖南工業大學機械工程學院碩士研究生。李忠群，男，1966年生。湖南工業大學機械工程學院教授、博士。