支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法研究

王儒， 王國新， 閻艷， 郝佳， 石學(xué)海， 明振軍

(北京理工大學(xué) 機(jī)械與車輛學(xué)院, 北京 100081)

?

支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法研究

王儒， 王國新， 閻艷， 郝佳， 石學(xué)海， 明振軍

(北京理工大學(xué) 機(jī)械與車輛學(xué)院, 北京 100081)

為實現(xiàn)產(chǎn)品智能設(shè)計中計算性問題和推理決策性問題的求解以及二者的有效結(jié)合，提出一種支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法，即包括知識服務(wù)策略的制定和知識環(huán)境的構(gòu)建兩個方面。該方法通過分析設(shè)計知識自身特點以及與設(shè)計過程之間的關(guān)系，將設(shè)計知識分為業(yè)務(wù)領(lǐng)域、經(jīng)驗規(guī)則、實例方案和算法模型4種類型，并針對不同類型知識制定相應(yīng)的服務(wù)策略；基于知識模板和組件模板對不同類型的知識進(jìn)行形式化描述，并給出基于本體的設(shè)計知識語義建模流程；通過方案評價、方案修改將設(shè)計知識融入到基于實例推理活動中，實現(xiàn)知識的輔助決策；對設(shè)計工具進(jìn)行集成和過程封裝，實現(xiàn)了自動化計算。設(shè)計開發(fā)了基于知識的智能設(shè)計系統(tǒng)，并以槍管為對象進(jìn)行了實例驗證，證明了所提方法的有效性。

人工智能； 知識服務(wù)； 知識重用； 推理決策； 槍管設(shè)計

0 引言

當(dāng)前日趨激烈的市場競爭環(huán)境迫使企業(yè)加強(qiáng)產(chǎn)品開發(fā)和快速響應(yīng)市場的能力，智能化設(shè)計方法由于同時滿足產(chǎn)品的快速化和自動化開發(fā)需求，受到學(xué)者和企業(yè)的高度重視[1]。產(chǎn)品設(shè)計是一項復(fù)雜的分析、綜合與決策活動，而產(chǎn)品的智能化設(shè)計則是智能工程這一決策自動化技術(shù)在設(shè)計領(lǐng)域中應(yīng)用的結(jié)果，其主要任務(wù)是完成設(shè)計活動中兩類問題的求解：即計算性問題和推理決策性問題[2]。傳統(tǒng)計算機(jī)輔助設(shè)計(CAD)技術(shù)是實現(xiàn)基于數(shù)學(xué)模型和數(shù)值處理的設(shè)計活動問題求解的重要手段；而人工智能技術(shù)是實現(xiàn)基于符號型知識模型和符號處理等推理決策性工作的必要途徑，例如專家系統(tǒng)是一種知識處理與推理系統(tǒng)[3-4]。如何將這兩者有效地結(jié)合，實現(xiàn)設(shè)計活動中兩類問題的求解，已成為產(chǎn)品智能設(shè)計的重要研究內(nèi)容和難點，并愈來愈為國內(nèi)外學(xué)者所重視。由于產(chǎn)品設(shè)計是一個知識驅(qū)動的創(chuàng)造性過程，因此從知識的角度出發(fā)，實現(xiàn)產(chǎn)品的智能化設(shè)計逐漸成為解決這一難點的重要技術(shù)和手段[5-6]。

實現(xiàn)產(chǎn)品設(shè)計的智能化，其基礎(chǔ)是設(shè)計知識的結(jié)構(gòu)化描述和處理，以實現(xiàn)計算機(jī)推理功能。早期學(xué)者主要針對某單一形式進(jìn)行知識描述，例如Burton等[7]在開發(fā)智能CAD系統(tǒng)主要利用產(chǎn)生式規(guī)則描述設(shè)計知識，之后又有學(xué)者將面向?qū)ο蠹夹g(shù)與規(guī)則式描述集成用于知識表達(dá)中；但產(chǎn)生式規(guī)則在知識獲取上存在一定的局限性，因此Koldder[8]提出了基于實例推理(CBR)方法，其推理過程更符合設(shè)計人員的思維過程，被廣泛用于智能設(shè)計的知識描述，如Zbigniew等[4]將CBR應(yīng)用到船舶引擎室的自動化設(shè)計專家系統(tǒng)中。由于案例缺乏更深層的領(lǐng)域知識，學(xué)者開始尋求將其他可以實現(xiàn)推理的知識描述方式，如揚(yáng)州大學(xué)陳靖芯等[9]針對設(shè)計過程中的規(guī)則、經(jīng)驗等建立由“IF…THEN”描述的設(shè)計知識庫，通過對CATIA V5軟件中的知識工程顧問模塊二次開發(fā)，并借助CBR實現(xiàn)了碟簧的自動化設(shè)計。上海交通大學(xué)石峰等[10]根據(jù)澆注系統(tǒng)設(shè)計知識的特點，提出了一種混合連接主義和符號主義的知識模型，并采用基于框架2規(guī)則的方式來表達(dá)，通過對Pro/E軟件二次開發(fā)，設(shè)計完成了澆注系統(tǒng)智能化設(shè)計原型系統(tǒng)。Peng等[11]將CBR和基于規(guī)則推理(RBR)相結(jié)合應(yīng)用到夾具的智能設(shè)計，Yu等[12]在CBR和RBR相結(jié)合的基礎(chǔ)上，增加了模糊綜合評價應(yīng)用于鍋爐的智能設(shè)計。這些研究雖然在一定程度上實現(xiàn)了基于知識的智能設(shè)計，但缺少面向智能設(shè)計的設(shè)計知識集成，為了提升這一能力，北京航空航天大學(xué)趙輝等[13]提出了一種面向機(jī)械產(chǎn)品設(shè)計的知識集成模型，即將設(shè)計知識劃分到構(gòu)型層、設(shè)計層和造型層3個抽象層次，基于UG平臺的知識熔接語言KFL實現(xiàn)了各層設(shè)計知識的描述與集成，并開發(fā)了專用減速器快速設(shè)計系統(tǒng)。但該系統(tǒng)缺少對推理決策性問題求解的支撐，智能化程度較低。Guo等[14]針對現(xiàn)有基于CBR注塑模具智能設(shè)計系統(tǒng)中存在的缺乏語義理解難以支持設(shè)計決策的問題，將本體技術(shù)引入到實例的描述中，實現(xiàn)實例的語義檢索，提高了概念設(shè)計階段系統(tǒng)對設(shè)計人員設(shè)計意圖的辨識。

現(xiàn)有的研究成果，從不同角度實現(xiàn)了產(chǎn)品的智能化設(shè)計，但仍缺少一種可以支持產(chǎn)品智能設(shè)計全過程求解的方法，影響了智能設(shè)計系統(tǒng)對設(shè)計任務(wù)問題(即計算性問題和推理決策性問題)的綜合求解。為了解決這一問題，本文提出了一種支持產(chǎn)品智能化設(shè)計知識服務(wù)方法，即通過面向設(shè)計過程的知識分類與組織，針對不同類型知識的特點，制定相應(yīng)的服務(wù)策略；并構(gòu)建支撐智能化設(shè)計的知識環(huán)境，以實現(xiàn)知識對產(chǎn)品智能設(shè)計的全過程支持服務(wù)。開發(fā)了基于知識的智能設(shè)計系統(tǒng)，并以槍管為對象實現(xiàn)了其智能設(shè)計過程中計算性問題的自動化計算，同時提升了系統(tǒng)對其推理決策性設(shè)計問題求解的能力。

1 支持產(chǎn)品智能化設(shè)計的知識服務(wù)總體思路

1.1 產(chǎn)品智能化設(shè)計需求分析

產(chǎn)品設(shè)計是一個多學(xué)科高度耦合的多階段復(fù)雜過程，不僅包括大量基于數(shù)學(xué)模型和數(shù)值處理的計算型工作，還涉及基于符號型知識模型和符號處理的推理和決策過程，例如設(shè)計方案的選擇、評價、主要參數(shù)的修改優(yōu)化、幾何模型的生成、計算仿真的分析等設(shè)計活動，這些工作的完成既需要借助計算機(jī)輔助設(shè)計工具，也需要運用大量的知識進(jìn)行推理、判斷、決策。支持產(chǎn)品智能化設(shè)計知識服務(wù)的目的就是要借助知識工程技術(shù)和人工智能技術(shù)代替專家以及設(shè)計人員的決策和推理過程，通過構(gòu)建面向設(shè)計過程的知識環(huán)境，智能化地實現(xiàn)產(chǎn)品設(shè)計以及知識重用，從而降低產(chǎn)品設(shè)計過程中循環(huán)迭代的時間、減少重復(fù)性工作。

支持產(chǎn)品智能化設(shè)計的知識服務(wù)是集成多領(lǐng)域知識，借助計算機(jī)輔助設(shè)計工具開展的一項人機(jī)交互智能化設(shè)計活動。為了進(jìn)一步明確基于知識的智能設(shè)計系統(tǒng)的功能目標(biāo)，首先需要結(jié)合產(chǎn)品設(shè)計的特點，分析產(chǎn)品實際設(shè)計過程中對智能化的需求：

1)支持分布式、異構(gòu)知識的集成管理。產(chǎn)品設(shè)計知識具有分布性、密集性、異構(gòu)性等特點[15-16]，目前企業(yè)中大部分的產(chǎn)品數(shù)據(jù)管理(PDM)系統(tǒng)在提供部分文檔數(shù)據(jù)分類存儲的同時，一般只具有基于關(guān)鍵詞的檢索功能，對于知識的集成和服務(wù)效果較差，不利于設(shè)計人員對知識的重用。因此，智能設(shè)計系統(tǒng)首先需要實現(xiàn)對分布式、異構(gòu)知識的集成管理。

2)支持設(shè)計工具的集成與過程封裝。設(shè)計任務(wù)的實現(xiàn)通常需要多類型設(shè)計工具之間協(xié)同使用，例如在槍械設(shè)計過程需要使用UG軟件完成三維建模，再結(jié)合Matlab、ANSYS軟件以及自研工具等完成相關(guān)的計算仿真等設(shè)計活動。這是一個反復(fù)迭代、不斷修正的過程，因此需要智能設(shè)計系統(tǒng)可以集成不同的設(shè)計工具以及重用設(shè)計過程，支持計算性問題進(jìn)行反復(fù)迭代求解。

3)支持智能化的推理與決策。產(chǎn)品智能化設(shè)計的“智能”體現(xiàn)在設(shè)計過程具備類似于人類思維的推理和決策能力，這要求計算機(jī)可以實現(xiàn)對多領(lǐng)域、多類型設(shè)計知識的自動化處理和輔助化、自動化決策支持。

1.2 支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法

在產(chǎn)品智能化設(shè)計過程中根據(jù)求解問題的不同，所需要的知識服務(wù)支持類型也不盡相同，如何在產(chǎn)品智能設(shè)計過程中，將計算性問題和推理決策性問題的求解進(jìn)行集成，實現(xiàn)設(shè)計知識對智能設(shè)計全過程的支持服務(wù)，是提升產(chǎn)品智能化設(shè)計的關(guān)鍵。因此，本文從設(shè)計過程與設(shè)計知識之間關(guān)系的角度，提出一種支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法，其內(nèi)容結(jié)構(gòu)如圖1所示。

圖1 支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法內(nèi)容結(jié)構(gòu)Fig.1 Construction of knowledge service method for supporting product intellectualized design

支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法，其內(nèi)容根據(jù)智能設(shè)計過程的需求可以分為3個部分：分布、異構(gòu)知識的集成與管理，設(shè)計工具的集成與過程封裝，設(shè)計知識的推理與輔助決策。各部分內(nèi)容之間既獨立又相互關(guān)聯(lián)，共同支持完成產(chǎn)品智能設(shè)計活動中兩類問題(即計算性問題和推理決策性問題)的求解。其中分布、異構(gòu)知識的集成與管理部分主要為設(shè)計知識的推理與輔助決策部分提供服務(wù)化的知識重用，以實現(xiàn)對推理決策性問題的求解；設(shè)計工具的集成與過程封裝部分主要是基于上述兩部分實現(xiàn)基于知識的參數(shù)化驅(qū)動和規(guī)則化約束，完成計算性問題的求解。

基于上述方法，從設(shè)計過程與設(shè)計知識之間的關(guān)系構(gòu)建基于知識的智能設(shè)計系統(tǒng)，其總體思路如圖2所示。根據(jù)上述對智能設(shè)計的描述，產(chǎn)品的智能化設(shè)計過程可以表示為“設(shè)計問題描述——方案推理決策——建模仿真分析”這3個階段，其中“方案推理決策——建模仿真分析”階段又存在反復(fù)迭代的方案改進(jìn)過程。由圖1可以看出，產(chǎn)品智能化設(shè)計過程的不同階段需要不同的知識支持服務(wù)，即服務(wù)化重用、規(guī)則化約束和參數(shù)化驅(qū)動。

圖2 基于知識的產(chǎn)品智能設(shè)計系統(tǒng)總體思路Fig.2 General concept of knowledge-based product intelligent design system

為了實現(xiàn)這種智能設(shè)計全過程的知識支持服務(wù)，實現(xiàn)智能設(shè)計活動中計算性問題和推理決策性問題的求解，本文構(gòu)建了一種可以支撐產(chǎn)品智能設(shè)計的知識環(huán)境，并制定了相應(yīng)的知識服務(wù)策略。知識環(huán)境是指支撐產(chǎn)品智能設(shè)計的運行環(huán)境，知識環(huán)境的構(gòu)建是知識服務(wù)于產(chǎn)品智能設(shè)計活動的基礎(chǔ)，其主要包括支持設(shè)計過程運行的驅(qū)動引擎(或方法)、設(shè)計知識形式化描述和知識數(shù)據(jù)管理3部分。其中，驅(qū)動引擎的主要作用是提供對智能設(shè)計活動的問題求解和設(shè)計知識重用，包括實例檢索匹配、設(shè)計知識的輔助決策、自動化計算等模塊；知識形式化描述的目的是實現(xiàn)計算機(jī)對以自然語言形式存在的產(chǎn)品設(shè)計知識的識別，包括知識的分類組織、知識的模板化表示以及語義建模等；知識數(shù)據(jù)管理功能主要是實現(xiàn)分布式設(shè)計知識集成管理和智能設(shè)計運行數(shù)據(jù)管理。通過對設(shè)計知識環(huán)境的搭建，基于知識的智能設(shè)計系統(tǒng)可以實現(xiàn)將分布、異構(gòu)的設(shè)計知識資源動態(tài)地融入到產(chǎn)品智能設(shè)計過程不同階段的問題求解中。

2 基于知識的產(chǎn)品智能設(shè)計系統(tǒng)關(guān)鍵技術(shù)

2.1 設(shè)計知識服務(wù)策略

本文從知識自身的可變性角度將設(shè)計知識分為靜態(tài)知識和動態(tài)知識，從設(shè)計過程的功能角度將設(shè)計知識分為推理決策性知識和計算迭代性知識，如圖3所示。根據(jù)這兩個角度，可以將設(shè)計知識分為4種類型：業(yè)務(wù)領(lǐng)域知識、規(guī)則經(jīng)驗知識、實例方案知識以及算法模型知識。業(yè)務(wù)領(lǐng)域知識是指產(chǎn)品設(shè)計中與業(yè)務(wù)領(lǐng)域相關(guān)的標(biāo)準(zhǔn)規(guī)范、專利文獻(xiàn)、設(shè)計手冊等知識；規(guī)則經(jīng)驗知識是指存儲在業(yè)務(wù)領(lǐng)域資源或設(shè)計專家頭腦中的可以被描述的經(jīng)驗和規(guī)律性知識，如槍管設(shè)計中膛線數(shù)n的選擇(一般6～8 mm口徑的槍管，n為4～6；11～15 mm口徑的槍管，n為8)；實例方案知識是指以往成型的產(chǎn)品案例數(shù)據(jù)；算法模型知識是指產(chǎn)品設(shè)計過程中用來計算、建模或仿真的模型和代碼。

圖3 設(shè)計知識分類Fig.3 Classification of design knowledge

在設(shè)計過程中，靜態(tài)知識屬于不會因設(shè)計目標(biāo)不同而改變的知識；相反，動態(tài)知識則會因設(shè)計目標(biāo)不同而隨之改變，這是因為這類知識本身存在自變量和因變量，設(shè)計目標(biāo)的差異會導(dǎo)致這些變量的變化。因此，動態(tài)知識可以用于實現(xiàn)參數(shù)化驅(qū)動服務(wù)重用，而靜態(tài)知識則可以用于對動態(tài)知識重用的規(guī)則化約束服務(wù)。

根據(jù)上述對知識的分類，制定設(shè)計知識的兩種服務(wù)模式：參考模式和自動模式，如表1所示。不同模式和不同類型知識具有不同的重用服務(wù)策略，如業(yè)務(wù)領(lǐng)域知識，由于其知識抽象程度較低，可以通過主動推送方式向設(shè)計人員提供與當(dāng)前設(shè)計活動相關(guān)的領(lǐng)域知識，為其提供一定輔助參考；而對于規(guī)則經(jīng)驗、實例方案以及算法模型知識，其知識抽象程度高、有較好的可重用性，同時又具有一定可編程性，可以實現(xiàn)自動化模式的知識服務(wù)。

表1 設(shè)計知識集成服務(wù)策略

由于模板技術(shù)可以實現(xiàn)各類型知識的有效描述和組織，為了實現(xiàn)知識在設(shè)計過程中的集成重用服務(wù)，本文根據(jù)設(shè)計知識各自特點，選擇對應(yīng)的模板形式對其進(jìn)行組織。

2.2 設(shè)計知識的形式化描述與語義建模

設(shè)計知識的形式化描述和語義建模，其作用包括兩部分：一是對分布、異構(gòu)知識資源的集成管理，即對設(shè)計知識進(jìn)行組織和表示，構(gòu)建圖2中的知識數(shù)據(jù)管理庫；二是實現(xiàn)計算機(jī)對知識資源的識別，構(gòu)建設(shè)計過程與設(shè)計知識之間的關(guān)聯(lián)。

2.2.1 設(shè)計知識的形式化描述

模板是基于事物相似性原理，從一類事物中抽象出的一種框架[17]。根據(jù)圖3對設(shè)計知識的分類，針對不同知識的特點和服務(wù)策略，本系統(tǒng)分別采用知識模板和組件模板對其進(jìn)行組織和形式化描述。知識模板主要描述業(yè)務(wù)領(lǐng)域和實例方案知識，用于給設(shè)計人員提供與當(dāng)前設(shè)計活動相關(guān)的知識參考，以輔助其進(jìn)行推理決策。這兩類知識具有共同特點，即可以描述為“名稱標(biāo)識+屬性內(nèi)容”，因此可以將其表示為

(1)

式中：T為知識模板；pi為知識模板屬性；ni為知識模板屬性名稱；fi為知識模板屬性特征。屬性特征取決于知識載體的類型，如數(shù)字、文本、時間、圖片、文件、視頻、音頻等。

圖4 槍管設(shè)計實例庫建模Fig.4 Modeling of barrel design case base

業(yè)務(wù)領(lǐng)域知識存在于不同類型的資源中，因此具有不同特征的屬性，為了使智能設(shè)計系統(tǒng)中知識結(jié)構(gòu)的構(gòu)建具有柔性，本系統(tǒng)采用可配置知識模板構(gòu)建技術(shù)[17]，實現(xiàn)知識根據(jù)類型不同的屬性特征進(jìn)行自定義。如表2所示為系統(tǒng)中對一類業(yè)務(wù)領(lǐng)域知識的定義，即構(gòu)建標(biāo)準(zhǔn)規(guī)范模板。

表2 標(biāo)準(zhǔn)規(guī)范模板

設(shè)計知識中的實例方案知識，由于其還具有動態(tài)知識類型的特性，在構(gòu)建完成實例知識模板后，還需要結(jié)合設(shè)計問題和設(shè)計對象的特征，對實例的數(shù)據(jù)庫進(jìn)行建模，即描述實例中各變量信息之間的關(guān)系。如圖4所示為槍管設(shè)計中實例庫模型，其設(shè)計實例包括用于實例匹配的戰(zhàn)術(shù)技術(shù)指標(biāo)、對應(yīng)槍彈的參數(shù)信息以及槍管的具體設(shè)計方案參數(shù)信息3部分。

對于規(guī)則經(jīng)驗和算法模型這兩種類型知識，其特點是可以編程，適合用于反復(fù)計算迭代過程。組件是以結(jié)構(gòu)化的方式對設(shè)計過程中反復(fù)迭代的設(shè)計知識進(jìn)行封裝，并在驅(qū)動引擎控制下以自動化的方式接受參數(shù)、執(zhí)行動作并返回相應(yīng)的結(jié)果[18]。因此，本系統(tǒng)基于XML技術(shù)，將規(guī)則經(jīng)驗和算法模型這兩類知識封裝成一種可以通過驅(qū)動引擎調(diào)用相應(yīng)設(shè)計工具來實現(xiàn)自身求解的參數(shù)化組件模板，稱之為可執(zhí)行組件模板。表3所示為可執(zhí)行組件模板建模元語，由于篇幅所限，其詳細(xì)代碼不再給出。

表3 可執(zhí)行組件模板建模元語

2.2.2 設(shè)計知識的語義建模

通過2.2.1節(jié)對不同類型設(shè)計知識的組織和表示，還不能完全消除知識之間的異構(gòu)，為了進(jìn)一步實現(xiàn)設(shè)計知識對智能設(shè)計過程的支持服務(wù)，需要實現(xiàn)計算機(jī)對知識的語義理解和自動化處理。在人工智能領(lǐng)域本體用于描述事物本質(zhì)，是概念模型的明確規(guī)范說明[16]。實現(xiàn)計算機(jī)對知識資源的“理解”，需要根據(jù)領(lǐng)域本體構(gòu)建知識上下文模型并為知識資源添加額外的標(biāo)識，即對設(shè)計知識進(jìn)行語義建模。如圖5所示，設(shè)計知識的語義建模主要分為兩個步驟：一是構(gòu)建領(lǐng)域本體，其重點是本體模型的建立；二是對知識資源進(jìn)行語義標(biāo)注，即在本體模型中對實體元素與知識資源之間建立關(guān)聯(lián)。

圖5 設(shè)計知識語義建模流程Fig.5 Semantic modeling process of design knowledge

為了實現(xiàn)設(shè)計知識與設(shè)計過程的關(guān)聯(lián)，在構(gòu)建領(lǐng)域本體模型時，需要結(jié)合設(shè)計任務(wù)，根據(jù)設(shè)計知識在不同階段的存在形式定義概念對象之間的關(guān)系，因此本文提出將設(shè)計知識從3個維度進(jìn)行構(gòu)建，分別為設(shè)計問題維、設(shè)計對象維和設(shè)計知識維。設(shè)計問題維主要描述與設(shè)計過程任務(wù)相關(guān)的概念及屬性，如槍管設(shè)計中彈膛設(shè)計、坡膛設(shè)計、線膛設(shè)計等過程概念；設(shè)計對象維主要描述設(shè)計問題所對應(yīng)的設(shè)計對象相關(guān)的概念及屬性，如槍管設(shè)計中與方案域相關(guān)的結(jié)構(gòu)、參數(shù)、材料等；設(shè)計知識維主要描述知識資源中各類型知識的屬性要素。表4為領(lǐng)域本體模型中各維度的部分概念對象屬性。

表4 領(lǐng)域本體模型各維度的部分對象屬性

基于本體模型框架，對領(lǐng)域本體進(jìn)行構(gòu)建，主要分為本體構(gòu)建前處理和后處理兩個過程。本體構(gòu)建前處理主要包括對設(shè)計產(chǎn)品所涉及到專業(yè)領(lǐng)域進(jìn)行分析，明確域的范圍和粒度；提取相關(guān)重要概念、術(shù)語；然后抽象出概念間的語義關(guān)系；根據(jù)概念添加相關(guān)屬性，如對象關(guān)系、數(shù)據(jù)類型等。本體構(gòu)建后處理主要是利用OWL語言對其進(jìn)行形式化描述，并借助Protégé等專業(yè)工具進(jìn)行本體編輯；最后從描述性和驗證性兩個不同角度檢驗、評價本體的可行性和有效性，完善本體構(gòu)建。

語義標(biāo)注主要完成文檔預(yù)處理、本體解析和語義匹配這3個工作。文檔預(yù)處理是將知識資源轉(zhuǎn)化成簡單的文本，再對文本進(jìn)行分詞處理，去掉詞集中的停用詞，利用TF-IDF公式統(tǒng)計各個詞的詞頻，依據(jù)詞頻為每個詞賦予權(quán)重，最后根據(jù)權(quán)重的高低選擇部分候選詞，形成知識資源的表達(dá)向量。本體解析是根據(jù)已構(gòu)建的本體模型，利用OWL-API工具分別解析模型中的類、實例、對象屬性、數(shù)據(jù)屬性以及其他的約束表達(dá)式，生成一個本體元素概念集合。之后再利用語義相似度算法，完成相關(guān)語義匹配，并通過設(shè)定閾值進(jìn)行一些概念的取舍，最后保存結(jié)果。

在語義相似度計算中，由于概念可以描述為向量形式：即知識資源概念C=(c1,c2,…,cm)，本體概念C′=(c′1,c′2,…,c′n)，這樣兩個概念之間的語義相似度轉(zhuǎn)換為計算兩個任意長度字符串的相似度。其相似度可以描述為

(2)

式中：本文采用將編輯距離和字符串最大匹配長度結(jié)合起來衡量兩個字符串間的相關(guān)程度，λ和μ分別為兩種相似度算法的權(quán)重值；SimLD(C,C′)=1-MED(C,C′),MED(C,C′)為兩字符串最小編輯距離；

LCSLength(C,C′)為兩字符串的最長公共子序列。

2.3 方案推理與輔助決策

CBR技術(shù)是人工智能由表層機(jī)器模仿向深層機(jī)器思維發(fā)展中的一種形式[4]。但現(xiàn)有CBR研究在方案評價、參數(shù)修改方面存在不足，為此，本文基于上述知識服務(wù)策略，通過構(gòu)建知識環(huán)境將設(shè)計活動中涉及到的關(guān)聯(lián)知識融入基于實例的推理中，使其起到輔助決策作用。如圖6所示，方案推理與決策流程可以分為：實例匹配——方案評價——輔助修改，其主要完成的設(shè)計活動包括設(shè)計實例的推理和設(shè)計知識的輔助決策。

圖6 方案推理與決策流程Fig.6 Reasoning and decision-making processes

在本文的知識服務(wù)方法中，關(guān)聯(lián)知識的輔助決策作用分為3個層次：1)淺層輔助，即在參數(shù)修改過程中，基于上述對設(shè)計知識的語義建模，借助語義檢索技術(shù)自動獲取設(shè)計方案中相關(guān)的業(yè)務(wù)領(lǐng)域知識并主動提供給設(shè)計人員，實現(xiàn)設(shè)計人員的及時查看參考；2)中層輔助，即在最優(yōu)方案選擇中，基于專家經(jīng)驗知識對評價指標(biāo)與實例方案進(jìn)行關(guān)聯(lián)，實現(xiàn)多目標(biāo)決策；3)深層輔助，即在參數(shù)修改過程中，通過原理公式、規(guī)則經(jīng)驗等知識對設(shè)計參數(shù)的約束，實現(xiàn)參數(shù)的自動修改和意見推薦。

對基于實例的推理過程，首先需要完成實例檢索，考慮到上述關(guān)聯(lián)知識的輔助決策作用，本系統(tǒng)針對實例檢索制定了一個二級檢索策略，主要包括完成對實例方案特征屬性的匹配和對設(shè)計變量概念要素的語義檢索。對于設(shè)計變量概念要素的語義檢索， 可以從概念、屬性和結(jié)構(gòu)3個層次計算其語義相似度[19]，由于其不是本文關(guān)注重點，這里不做詳細(xì)說明，下面重點對實例方案的特征屬性匹配進(jìn)行介紹。

目前在實例特征相似度計算方面存在較多的方法，其主要思想是根據(jù)特征對象的類型選取合適的算法。如針對槍管的智能設(shè)計中，會結(jié)合槍械設(shè)計戰(zhàn)技術(shù)指標(biāo)所涉及的對象特征類型，選擇相應(yīng)的計算方法，就某一型號槍管來說，要求其可以射擊多種槍彈型號，在實例對象特征匹配中需要選擇包含型。如表5所示為本文智能設(shè)計系統(tǒng)中實例匹配所采用的具體特征相似度計算類型。

綜上，在實例檢索中設(shè)計實例特征屬性匹配的全局相似性可以表示為

Sim(X,Y)=ωTexSimTex+ωNumSimNum+

式中：ωTex、ωNum、ωInt、ωFuz、ωCon分別為文本型、數(shù)字型、區(qū)間型、模糊型、包含型對象特征的權(quán)重，其值由相應(yīng)的領(lǐng)域?qū)＜腋鶕?jù)各個戰(zhàn)技術(shù)指標(biāo)的重要程度給出，取值范圍為[0, 1]。

經(jīng)過實例檢索后，可以獲取到與目標(biāo)方案相似的實例集，現(xiàn)有文獻(xiàn)中基于CBR的智能設(shè)計方法主要根據(jù)相似度的大小選取其中最相近的作為目標(biāo)方案[4,10]。而在實際設(shè)計過程中，匹配出的相似實例只在一定程度上會對新設(shè)計起到作用，即用于實例匹配的對象特征屬性不能完全決定實例的重用性，評價一個方案的好壞還取決于各種評價指標(biāo)，如槍械領(lǐng)域中故障率、結(jié)構(gòu)簡單性、維修性、安全性和經(jīng)濟(jì)成本等綜合評價指標(biāo)。所以，本系統(tǒng)采用灰色關(guān)聯(lián)分析法和熵值法相結(jié)合的方案評價方法，量化出評價指標(biāo)和方案之間的關(guān)聯(lián)關(guān)系，最終選擇出更為科學(xué)合理的最優(yōu)相似實例作為目標(biāo)方案。其過程為：首先建立方案評價體系，獲取相應(yīng)的評價指標(biāo)并建立指標(biāo)矩陣，利用灰色關(guān)聯(lián)分析計算灰色關(guān)聯(lián)系數(shù)，再借助熵值法計算指標(biāo)權(quán)重，最后結(jié)合灰色關(guān)聯(lián)系數(shù)與指標(biāo)權(quán)重計算灰色關(guān)聯(lián)度從而得出最優(yōu)方案。其中灰色關(guān)聯(lián)分析又包括4個步驟：構(gòu)建指標(biāo)矩陣、灰色關(guān)聯(lián)生成、灰色關(guān)聯(lián)系數(shù)計算和灰色關(guān)聯(lián)度計算。

當(dāng)?shù)玫阶顑?yōu)相似實例后，為了檢查其是否符合設(shè)計要求，系統(tǒng)會對目標(biāo)方案進(jìn)行校驗，即通過設(shè)計要求指標(biāo)和設(shè)計參數(shù)之間的映射關(guān)系，對比其是否滿足設(shè)計要求。對于不符合設(shè)計需求的參數(shù)，需要對其進(jìn)一步修改以使最終方案滿足實際設(shè)計需求。通過上一步驟的檢驗過程，可以獲取到目標(biāo)方案中不符合設(shè)計要求的參數(shù)，即需要修改的參數(shù)集；借助設(shè)計參數(shù)之間存在的關(guān)聯(lián)規(guī)則知識，確定需要修改參數(shù)的修改順序，并依據(jù)順序?qū)ζ湫薷模瑫r以此獲得各參數(shù)的修改意見，最后獲取到最終設(shè)計方案。

2.4 設(shè)計工具集成與過程封裝

設(shè)計工具集成與過程封裝主要目的是通過對規(guī)則經(jīng)驗知識和算法模型知識的封裝，構(gòu)造可以自動運行的知識組件，實現(xiàn)智能設(shè)計過程中的自動化計算，即對智能設(shè)計活動中計算性問題的求解。目前設(shè)計工具的集成主要包括基于各軟件工具提供的應(yīng)用程序編程接口(API)、基于中間狀態(tài)文件以及基于用戶子模塊等方法。本系統(tǒng)主要采用基于文件的集成方法，即通過對各軟件工具(UG、Pro/E、Matlab等)建模產(chǎn)生的元程序(如UG的 .macro文件、Matlab的.m文件等)進(jìn)行規(guī)范化處理，并基于XML技術(shù)利用表3中規(guī)定的可執(zhí)行組件模板建模元語，將設(shè)計規(guī)則經(jīng)驗知識、以及求解該模板的軟件工具啟動程序等進(jìn)行封裝；同時利用接口技術(shù)調(diào)用不同類型工具的API以實現(xiàn)外部軟件工具的自動調(diào)用。通過對設(shè)計知識中計算過程類型知識的參數(shù)化封裝，既可以實現(xiàn)設(shè)計方案參數(shù)驅(qū)動的建模仿真，同時還可以實現(xiàn)設(shè)計活動中的反復(fù)迭代過程。

3 應(yīng)用實例驗證

項目組在Eclipse 3.6軟件環(huán)境中，基于Java、XML、JavaScript語言開發(fā)了B/S結(jié)構(gòu)(Browser/Server，瀏覽器/服務(wù)器)的智能設(shè)計系統(tǒng)，并選擇槍管為設(shè)計對象，驗證該智能設(shè)計系統(tǒng)的有效性。

3.1 智能設(shè)計系統(tǒng)結(jié)構(gòu)

為了盡可能符合實際設(shè)計過程，在智能設(shè)計系統(tǒng)中，產(chǎn)品智能設(shè)計的執(zhí)行流程為：問題分析—方案設(shè)計(方案匹配推理)—詳細(xì)設(shè)計(方案評價、自動修改)—建模仿真—改進(jìn)階段(迭代輔助修改)。為了實現(xiàn)這一流程，智能設(shè)計系統(tǒng)需要構(gòu)建支持產(chǎn)品智能化設(shè)計過程的知識環(huán)境，根據(jù)功能不同其可以分為4個層次，如圖7所示。

圖7 基于知識的智能設(shè)計系統(tǒng)體系結(jié)構(gòu)Fig.7 Architecture of knowledge-based intelligent design system

1)資源層：實現(xiàn)產(chǎn)品智能化設(shè)計，首先需要有大量的不同類型設(shè)計知識資源支持，包括：文檔類資源，如規(guī)則經(jīng)驗、標(biāo)準(zhǔn)規(guī)范和方案報告等；開發(fā)類資源，如產(chǎn)品模型和計算程序等；設(shè)計工具類資源，如建模工具(AUTOCAD、UG、Pro/E、CATIA等)和計算仿真工具(Matlab/SIMULINK、ANSYS等)。

2)集成層：根據(jù)圖3對設(shè)計知識的分類，利用一定的技術(shù)手段描述組織各類型知識資源，以實現(xiàn)知識的管理和集成，并構(gòu)建相應(yīng)的知識庫。例如，利用模板技術(shù)實現(xiàn)知識的形式化描述與組織，利用本體技術(shù)構(gòu)建設(shè)計知識的語義網(wǎng)絡(luò)，以實現(xiàn)知識的集成，解決設(shè)計知識對于設(shè)計活動求解存在的分布、異構(gòu)等問題。

3)引擎層：實現(xiàn)智能化設(shè)計活動的關(guān)鍵，也是實現(xiàn)知識支持產(chǎn)品智能設(shè)計過程各功能執(zhí)行的驅(qū)動工具。根據(jù)智能設(shè)計活動求解的設(shè)計問題(推理與決策性問題和計算性問題)的類型分為智能推理與決策引擎和工具集成與知識重用引擎。智能推理與決策引擎主要實現(xiàn)方案的推理、綜合評價和參數(shù)修改等功能；工具集成與知識重用引擎主要實現(xiàn)設(shè)計工具的集成、組件模板封裝、規(guī)則約束以及經(jīng)驗重用等功能。兩個引擎之間通過信息交互實現(xiàn)兩者的集成。

4)交互層：實現(xiàn)設(shè)計人員與智能設(shè)計系統(tǒng)交互，由于目前技術(shù)的局限性以及實際使用情況，智能設(shè)計行為仍然是一個需要人來參與的過程，交互層主要提供系統(tǒng)的使用界面以及信息錄入等功能。

本文基于上述方法提出的智能設(shè)計系統(tǒng)，其目標(biāo)是通過知識環(huán)境的構(gòu)建，實現(xiàn)將產(chǎn)品的設(shè)計過程從原有的“自發(fā)式”設(shè)計活動向“指令式”設(shè)計活動轉(zhuǎn)變，即設(shè)計人員在產(chǎn)品設(shè)計時只需要向計算機(jī)發(fā)出指令，通過計算機(jī)智能化地完成一些規(guī)則性的推理和計算活動，并輔助設(shè)計人員進(jìn)行決策與設(shè)計過程。

3.2 槍管設(shè)計問題描述

槍管是槍械中最重要的零部件之一，槍管設(shè)計也是槍械設(shè)計的基礎(chǔ)環(huán)節(jié)[20]。通過對某兵器研究單位調(diào)研，總結(jié)了槍管設(shè)計內(nèi)容，如圖8所示。槍管設(shè)計過程中需要大量的諸如設(shè)計手冊、標(biāo)準(zhǔn)規(guī)范、經(jīng)驗規(guī)則和以往案例等設(shè)計知識，以實現(xiàn)其能夠容納不同類型槍彈，并賦予彈頭一定的方向和初速，且具有良好的射擊精度、足夠的管壁強(qiáng)度等設(shè)計目標(biāo)。

圖8 槍管設(shè)計內(nèi)容Fig.8 Barrel design content

實際的槍械設(shè)計中，槍管的設(shè)計一般是在槍彈設(shè)計和全槍總體布局已定的情況下進(jìn)行，主要的設(shè)計工作是完成槍管內(nèi)膛結(jié)構(gòu)設(shè)計和管壁強(qiáng)度計算和校驗。強(qiáng)度計算主要是在裝填條件和彈頭一定的發(fā)射條件下，根據(jù)內(nèi)彈道計算得出膛壓、彈頭速度與彈頭行程、時間的關(guān)系，獲取到槍管膛壓特性，繪制膛壓曲線(即P-L曲線)，確定槍管主要斷面處壁厚，形成槍管的理論外形。槍管智能設(shè)計過程主要是指根據(jù)提供的設(shè)計要求，智能地完成槍管設(shè)計中上述內(nèi)膛、外形和強(qiáng)度等設(shè)計任務(wù)的求解，并生成設(shè)計方案和模型等結(jié)果；在槍管設(shè)計改進(jìn)階段，通過人機(jī)交互或自動方式完成參數(shù)的調(diào)整，最終實現(xiàn)槍管的快速、自動化設(shè)計任務(wù)。

3.3 槍管智能設(shè)計驗證

首先，根據(jù)圖3對槍管設(shè)計相關(guān)的知識資源進(jìn)行分類，并利用2.2節(jié)對設(shè)計知識的形式化描述方法，構(gòu)建槍管設(shè)計各類型知識庫，包括業(yè)務(wù)領(lǐng)域知識庫、實例方案知識庫、規(guī)則經(jīng)驗知識庫以及算法模型知識庫。如圖9所示為槍管設(shè)計知識庫中的實例方案知識庫，其主要包括槍管的基本信息和槍管各結(jié)構(gòu)參數(shù)信息。

如表6所示，槍管的設(shè)計指標(biāo)包括戰(zhàn)術(shù)和技術(shù)兩方面，統(tǒng)稱戰(zhàn)術(shù)技術(shù)指標(biāo)(即戰(zhàn)術(shù)技術(shù)指標(biāo))，其主要作為槍管實例特征用于檢索。智能設(shè)計系統(tǒng)在實例推理前，首先需要設(shè)計人員根據(jù)專家意見對各項戰(zhàn)術(shù)技術(shù)指標(biāo)設(shè)置權(quán)重以及相似度評價閾值，并通過指標(biāo)輸入界面將這些指標(biāo)對應(yīng)輸入，如表7所示為相應(yīng)需求指標(biāo)的權(quán)重。系統(tǒng)根據(jù)不同指標(biāo)類型對應(yīng)的相似度計算方法，自動執(zhí)行實例匹配功能，獲得相似實例結(jié)果，如圖10所示。

圖9 槍管實例方案知識庫Fig.9 Barrel case base

表6 輸入的戰(zhàn)術(shù)技術(shù)需求指標(biāo)

表7 戰(zhàn)術(shù)技術(shù)指標(biāo)相似匹配權(quán)重

圖10 最優(yōu)相似實例獲取過程Fig.10 Retrieval process of optimal similar case

經(jīng)過實例檢索后，系統(tǒng)從實例方案知識庫中獲取到相似實例集，如圖10所示。之后，設(shè)計人員配置經(jīng)槍械領(lǐng)域?qū)＜掖_定的槍管設(shè)計方案中各評價指標(biāo)(如故障率、結(jié)構(gòu)簡單性、維修性、安全性和經(jīng)濟(jì)成本等)的權(quán)重。系統(tǒng)根據(jù)各指標(biāo)權(quán)重自動地計算出各相似方案的灰色關(guān)聯(lián)度，并排序獲取灰色關(guān)聯(lián)度最大的設(shè)計方案作為最優(yōu)相似實例。

圖11 實例修改界面Fig.11 Interface of case modification

如圖11所示，下一步系統(tǒng)會基于圖4所示的槍管實例庫，對最優(yōu)相似實例所對應(yīng)的具體設(shè)計方案進(jìn)行自動校驗，檢驗方案中的各參數(shù)是否滿足需求，并根據(jù)規(guī)則經(jīng)驗知識庫中相關(guān)的知識進(jìn)行自動修改，同時系統(tǒng)會提供修改理由。在修改過程中系統(tǒng)還會對各參數(shù)變量進(jìn)行業(yè)務(wù)領(lǐng)域知識的關(guān)聯(lián)，如點擊“纏角”界面會展示業(yè)務(wù)領(lǐng)域知識庫中關(guān)于“纏角”的相關(guān)業(yè)務(wù)領(lǐng)域知識，以輔助設(shè)計人員及時查看，方便設(shè)計人員進(jìn)行人機(jī)交互式修改。在完成上述實例修改過程后，系統(tǒng)利用算法模型知識庫中所封裝的可執(zhí)行組件模塊，根據(jù)設(shè)計需求調(diào)用不同的設(shè)計工具，實現(xiàn)計算、建模和仿真任務(wù)。如圖12所示為系統(tǒng)自動通過調(diào)用槍管三維模型知識模板，在UG引擎驅(qū)動下實現(xiàn)槍管的三維建模過程，界面會展示三維建模組件運行過程以及結(jié)果文件。

圖12 自動化生成三維模型Fig.12 Automatic generation of 3D model

4 結(jié)論

產(chǎn)品設(shè)計的智能化主要體現(xiàn)在對設(shè)計過程中計算性問題和推理決策性問題的計算機(jī)自動化處理，現(xiàn)有智能設(shè)計系統(tǒng)由于缺少對設(shè)計過程中除實例以外其余設(shè)計知識的關(guān)注，未能很好地將計算性問題和推理決策性問題的求解結(jié)合。因此，本文從產(chǎn)品實際設(shè)計過程中對智能設(shè)計的需求出發(fā)，提出了支持產(chǎn)品智能化設(shè)計的知識服務(wù)方法，通過知識服務(wù)策略的制定和支撐智能化設(shè)計知識環(huán)境的構(gòu)建，可以有效地同時解決產(chǎn)品智能化設(shè)計活動過程中上述兩類問題的求解，實現(xiàn)了設(shè)計知識對智能化設(shè)計全過程的支持。

該方法根據(jù)設(shè)計知識與過程的關(guān)聯(lián)，將設(shè)計知識進(jìn)行分類，并以此制定了各類型知識在智能設(shè)計過程中的服務(wù)策略；同時對不同類型知識進(jìn)行形式化建模，包括基于模板的組織描述和基于本體的語義建模，并以此為基礎(chǔ)，從不同層面實現(xiàn)了關(guān)聯(lián)知識對設(shè)計過程的輔助決策作用，包括關(guān)聯(lián)知識參考、方案評價和參數(shù)修改；通過可執(zhí)行組件模板實現(xiàn)了基于文件的不同類型設(shè)計工具集成以及計算過程模板的封裝，解決設(shè)計過程中反復(fù)迭代對知識的重用。最后，通過槍管設(shè)計，驗證了基于上述方法所開發(fā)的智能設(shè)計系統(tǒng)的有效性，可以實現(xiàn)槍管的快速化、自動化設(shè)計，提升了設(shè)計效率和知識重用率。

本文還可以從以下方面進(jìn)行深入研究：1)設(shè)計知識如何進(jìn)一步提升對設(shè)計過程的智能服務(wù)作用，如從語義層面上通過知識推理解決設(shè)計知識輔助決策求解等問題，實現(xiàn)知識與過程的動態(tài)關(guān)聯(lián)；2)實現(xiàn)設(shè)計工具之間的動態(tài)組合，以完成協(xié)同設(shè)計任務(wù)；3)針對基于功能- 行為- 結(jié)構(gòu)的產(chǎn)品智能化配置，研究知識對其設(shè)計過程的服務(wù)支持。

References)

[1] Gianfranco L R. Knowledge based engineering: between AI and CAD. Review of a language based technology to support engineering design[J]. Advanced Engineering Informatics, 2012, 26(2): 159-179.

[2] 肖人彬, 周濟(jì), 查建中. 智能設(shè)計: 概念、發(fā)展與實踐[J]. 中國機(jī)械工程, 1997, 8(2): 74-76. XIAO Ren-bin, ZHOU Ji, CHA Jian-zhong. Intelligent design: concept, development and practice[J]. China Mechanical Engineering, 1997, 8(2): 74-76. (in Chinese)

[3] Richard C, Wim J C V, Michel J L, et al. A multi-disciplinary implementation methodology for knowledge based engineering: KNOMAD[J]. Expert Systems with Applications, 2010, 37(11): 7336-7350.

[4] Zbigniew K, Maria M, Stefan Z, et al. CBR methodology application in an expert system for aided design ship's engine room automation[J]. Expert Systems with Applications, 2005, 29(2): 256-263.

[5] 何勇. 火炮裝藥設(shè)計專家系統(tǒng)的設(shè)計與實現(xiàn)[J]. 兵工學(xué)報, 2000, 21(2): 171-173. HE Yong. Design and implementation of an expert system of gun charge design[J]. Acta Armamentarii, 2000, 21(2): 171-173. (in Chinese)

[6] 吳曉云, 馬大為, 李四超. 基于粗糙層次分析法的武器系統(tǒng)方案智能決策技術(shù)[J]. 兵工學(xué)報, 2005, 26(6): 803-806. WU Xiao-yun, MA Da-wei, LI Si-chao. Intelligent decision technology for weapon system scheme based on rough analytical hierarchy process[J]. Acta Armamentarii, 2005, 26(6): 803-806. (in Chinese)

[7] Burton R T, Sargent C M, Schoenau G J, et al. The use of multiple independent gains for a repetitive low frequency duty cycle in a hydraulic system[C]∥The JFPS International Symposium on Fluid Power. Tokyo, Japan: The Japan Fluid Power System Society, 1993.

[8] Kolodner J L. An introduction to case-based reasoning[J]. Artificial Intelligence Review, 1992, 6(1): 3-34.

[9] 陳靖芯, 李紅, 徐晶, 等. 基于知識的智能化設(shè)計方法及其實現(xiàn)[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2003, 34(4): 109-112. CHEN Jing-xin, LI Hong, XU Jing, et al. Knowledge-based intelligent design and its application[J]. Transactions of the Chinese Society for Agricultural, 2003, 34(4): 109-112. (in Chinese)

[10] 石峰, 婁臻亮, 張永清, 等. 注塑模澆注系統(tǒng)智能設(shè)計的一種混合知識模型[J]. 上海交通大學(xué)學(xué)報, 2003, 37(5): 754-757. SHI Feng, LOU Zhen-liang, ZHANG Yong-qing, et al. A hybrid knowledge model for intelligent design of injection molding feed system[J]. Journal of Shanghai Jiao Tong University, 2003, 37(5): 754-757. (in Chinese)

[11] Peng G, Chen G, Wu C, et al. Applying RBR and CBR to develop a VR based integrated system for machining fixture design[J]. Expert Systems with Applications, 2011, 38(1): 26-38.

[12] Yu Y X, Liao H K, Zhou Y, et al. Reasoning and fuzzy comprehensive assessment methods based CAD system for boiler intelligent design[J]. Journal of Mechanical Science & Technology, 2015, 29(3): 1123-1130.

[13] 趙輝, 席平. 基于知識集成模型的產(chǎn)品快速設(shè)計[J]. 北京航空航天大學(xué)學(xué)報, 2006, 33(1): 123-126. ZHAO Hui, XI Ping. Product rapid design based on integrated knowledge model[J]. Journal of Beijing University of Aeronautics & Astronautics, 2006, 33(1): 123-126. (in Chinese)

[14] Guo Y G, Hu J, Peng Y H. A CBR system for injection mould design based on ontology: a case study[J]. Computer-Aided Design, 2012, 44(6): 496-508.

[15] 余旭, 劉繼紅, 何苗. 基于領(lǐng)域本體的復(fù)雜產(chǎn)品設(shè)計知識檢索技術(shù)[J]. 計算機(jī)集成制造系統(tǒng), 2011, 17(2): 225-231. YU Xu, LIU Ji-hong, HE Miao. Design knowledge retrieval technology based on domain ontology for complex products[J]. Computer Integrated Manufacturing Systems, 2011, 17(2): 225-231. (in Chinese)

[16] 王國新, 閻艷, 張祥, 等. 面向坦克裝甲車輛創(chuàng)新與快速設(shè)計的知識建模方法研究[J]. 兵工學(xué)報, 2009, 30(增刊1): 100-105. WANG Guo-xin, YAN Yan, ZHANG Xiang, et al. A knowledge modeling approach of innovation and rapid design for armored vehicle[J]. Acta Armamentarii, 2009, 30(S1): 100-105. (in Chinese)

[17] 明振軍, 閻艷, 王國新. 基于可配置模板的產(chǎn)品設(shè)計知識多維度表達(dá)方法[J]. 北京理工大學(xué)學(xué)報, 2014, 34(9): 917-922. MING Zhen-jun, YAN Yan, WANG Guo-xin. Multi-dimensional representation for product design knowledge based on configurable knowledge template[J]. Transactions of Beijing Institute of Technology, 2014, 34(9): 917-922. (in Chinese)

[18] 郝佳, 楊海成, 閻艷, 等. 面向產(chǎn)品設(shè)計任務(wù)的可配置知識組件技術(shù)[J]. 計算機(jī)集成制造系統(tǒng), 2012, 18(4): 705-712. HAO Jia, YANG Hai-cheng, YAN Yan, et al. Configurable knowledge component technology oriented to product design tasks[J]. Computer Integrated Manufacturing Systems, 2012, 18(4): 705-712. (in Chinese)

[19] Ke C B, Huang Z Q. Self-adaptive semantic web service matching method[J]. Knowledge-Based Systems, 2012, 35: 41-48.

[20] 劉長毅, 徐誠, 劉震. 基于知識的槍管CAD系統(tǒng)的研究與開發(fā)[J]. 機(jī)械科學(xué)與技術(shù). 2000, 19(1): 161-163. LIU Chang-yi, XU Cheng, LIU Zhen. Research and development of barrel CAD system based on acknowledge[J]. Mechanical Science and Technology. 2000, 19(1): 161-163. (in Chinese)

Knowledge Service Method for Supporting Product Intellectualized Design

WANG Ru, WANG Guo-xin, YAN Yan, HAO Jia, SHI Xue-hai, MING Zhen-jun

(School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China)

To solve the problems of computation and reasoning decision in the product intellectualized design and achieve a combination of both, a knowledge service method for supporting product intellectualized design is proposed, which includes the development of knowledge service strategy and the construction of knowledge environment. The design knowledge is divided into four types, i.e. business domain, empirical rule, instance scenario and iteration calculation, by analyzing the features of design knowledge and the relationship between it and design process. A appropriate service strategy is developed for the different types of knowledge, and the formal descriptions of them are given based on knowledge and component templates. An ontology-based semantic modeling process of design knowledge is presented. On this basis, through evaluation and modification of scheme, the design knowledge is integrated into the instance-based reasoning activities, and the automated computation is achieved by tools integration and procedure packaging. A knowledge-based intelligent design system is developed. The proposed method is demonstrated by taking a gun barrel for example. The result shows that the method is effective.

artificial intelligence; knowledge service; knowledge reuse; reasoning decision; barrel design

2015-11-18

國家自然科學(xué)基金項目(51375049、51505032); 國家國防科技工業(yè)局基礎(chǔ)科研項目(A2220133001)

王儒(1987—), 男, 博士研究生。E-mail: haitang.56@163.com; 閻艷(1967—), 女, 教授, 博士生導(dǎo)師。E-mail:yanyan331@bit.edu.cn

TP182

A

1000-1093(2016)11-2101-13

10.3969/j.issn.1000-1093.2016.11.019