基于知識的拖拉機前驅動橋智能化設計系統的研究

廖萍 韋丹 周臨震

摘要：針對目前拖拉機前驅動橋設計中智能化程度不高、缺乏對已有設計資源的管理和利用等問題，將知識工程與前驅動橋設計的領域和經驗知識相結合，對前驅動橋設計知識的獲取、表示、推理和評價等關鍵技術進行研究，開發基于知識的智能化設計系統，加強對設計知識的繼承和重用，實現拖拉機前驅動橋的智能化設計，為前驅動橋設計提供可靠的技術支持，最后詳細介紹了系統的組成及實施的關鍵技術。

關鍵詞：知識工程;知識重用;拖拉機;前驅動橋;智能化設計;產品設計;質量提升;自動化;快速化

中圖分類號： S232.3;S219? 文獻標志碼： A? 文章編號：1002-1302（2019）11-0262-05

拖拉機是我國農業機械中保有量最多的動力機械，前驅動橋是拖拉機的重要組成部分，使用頻繁且受力較大，其設計水平的高低在很大程度上決定了整車的性能水平[1]。目前許多拖拉機生產企業在前驅動橋的設計過程中都采用了CAX技術，在一定程度上提高了設計效率，但前驅動橋結構復雜、零部件眾多，傳統的產品設計不僅存在大量重復操作的問題，且當設計涉及到主要參數選擇、設計方案確定、結果分析等方面時，需要相關設計人員的指導，因而設計人員的水平決定了前驅動橋的設計質量，而前驅動橋作為拖拉機的核心部件直接影響了整車的設計周期和設計質量。

知識工程[2]（knowledge based engineering，KBE）是一種工程設計方法，它融合了人工智能和CAD技術，知識工程的本質是“知識重用”。知識工程將產品設計和流程的知識嵌入在產品設計系統中（KBE系統），它能夠解決傳統CAD系統不能解決的工程問題，例如這個部件是否達到設計性能要求？這個部件是否能被順利制造出來？

KBE作為以知識為研究對象的學科，受到國內外學者和研究機構普遍的重視，已廣泛應用到產品設計、數據處理和工藝決策等領域。近年來很多機構針對機翼設計、齒輪設計和汽車發動機設計等多個特定對象的基于KBE的智能化系統應用進行了研究，并且已取得一定的成果。例如，意大利AVIO公司將KBE技術應用到飛機機翼的設計中，減少了93%的設計開發時間[3];同濟大學研究并開發了基于UG的齒輪設計向導系統，實現了齒輪產品的快速化、智能化設計[4]。KBE技術的廣泛使用大大提高了設計效率和準確性，能很好地解決產品開發過程中重復工作量大、過度依賴設計人員的經驗、缺乏對已往設計知識的管理與利用等問題，并且在提高產品設計質量和促進產品設計的自動化和快速化方面有著十分重要的意義與價值。

1 前驅動橋

前驅動橋是傳動與承載的主要部件，它不僅給拖拉機傳遞動力，而且支撐著拖拉機的荷重，其結構主要包括中央傳動總成、驅動半軸、最終傳動裝置、立軸與轉向裝置、橋殼、前后擺座和托架等[5]，如圖1所示。傳統的前驅動橋設計首先得確定各部件的主要結構形式和主要參數，比如中央傳動比、總

傳動比、最大輸入轉速和最大輸入扭矩等，然后參照已有的設計案例，提出其總體設計方案，在此基礎上對主減速器、差速器、橋殼等部件進行設計，最后將設計好的各部件進行裝配，生成完整的前驅動橋產品，但是這些操作對設計師經驗的依賴性很大，而且需要設計人員在設計過程中查閱大量的資料，設計周期較長，一旦開發的產品不符合要求，需要花費大量時間和精力進行修改，嚴重影響企業研發新產品的周期，不利于產品的升級。這種設計方法已經難以滿足快速多變的市場需求，因此本研究將KBE與前驅動橋設計相結合，研究基于知識的個性化產品智能化設計系統開發的基本規律和方法，充分重用已有的設計經驗、專家知識及成熟設計實例，研制工程化、實用化、知識化的前驅動橋智能化設計系統，以提高前驅動橋設計效率、縮短設計周期、減輕設計人員的勞動強度和保證設計質量。

2 系統總體架構設計

2.1 系統框架結構

基于知識的拖拉機前驅動橋智能化設計系統采用4層的C/S體系結構，包括用戶界面、功能實現層、知識數據庫和最低層的操作系統、網絡、計算機等。其總體框架結構簡圖如圖2所示。

在前驅動橋的開發設計過程中，通常需要考慮中央傳動、驅動半軸、最終傳動等各個零部件之間的關系等。為了實現前驅動橋的重用設計，在功能實現層的知識管理系統中，針對不同零部件存在不同形式特點的領域知識，集成了多種形式的知識模型，同時，由于各零部件之間存在的層次性，形成了知識庫中設計知識的層次性;為了實現前驅動橋在不同設計階段能夠提供專家決策，智能系統中集成了知識推理的功能，能夠與領域專家“設計-評價-再設計”的過程相吻合;在設計過程中，為了能夠重用設計經驗、專家知識及成熟設計實例，需要將工程數據庫與功能實現層的各系統進行合理的集成。

2.2 系統工作流程

針對前驅動橋設計過程的特點，前驅動橋智能化設計系統的工作流程如圖3所示。在進行前驅動橋設計時，由于系統中內嵌了知識推理和過程引導機制，設計者只需根據過程向導輸入前驅動橋的設計需求，例如輪距、前后支承座中心距、最大扭矩、最大轉速、承受的滿載載荷等主要參數，輸入之后系統內部根據具體對象進行基于實例和基于規則的混合推理，從實例庫中檢索出與設計要求相似的實例，并進行相似度排序;設計人員在檢索出的前驅動橋設計實例基礎上，初步確定前驅動橋的配置形式、總體和關鍵零部件的結構尺寸等參數;接著參數設計系統主要對已有的最相似前驅動橋數字化模型進行參數化設計;最后性能分析系統是對前驅動橋進行分析，檢驗是否滿足要求，由于前驅動橋橋殼的力學特性在很大程度上決定了前驅動橋甚至整車的品質，因此本系統中主要對前驅動橋橋殼的強度、剛度和穩定性問題進行仿真分析，將試驗與分析結果和國家、農機行業標準進行對比，如果滿足要求則直接輸出設計結果，如不能滿足要求則返回到人工智能系統進行基于規則的推理，修改設計方案，重復上述過程直到設計方案滿足要求為止。

3 知識工程在系統中的應用

3.1 知識的獲取

知識獲取[6]是KBE系統的基礎，是把設計知識從知識源中提取出來，經過提煉、整理與歸納，轉換為計算機可以識別的形式，最終形成知識庫的過程。知識獲取的前提是先了解知識的來源，機械產品設計知識源主要包括專家經驗、設計手冊、產品說明書、圖表、公式和產品設計流程等，設計手冊、產品說明書、圖表和公式等屬于顯性知識，獲取相對容易，而專家經驗和產品設計流程知識等屬于隱性知識，獲取這些知識有較大的難度。目前知識獲取途徑主要有以下3種方式：（1）查閱書本或相關文獻， 從中獲取所需知識;（2）通過與領

域專家進行交流獲取解決問題的經驗;（3）通過機器學習或者數據挖掘的方式提取隱藏在典型產品結構和產品設計過程中的相關知識，將其顯性化，并進行整理總結以便設計人員使用。

前驅動橋零部件眾多、結構復雜，設計知識形式多樣，主要包括國家與行業標準和規范、設計原理、領域專家設計經驗、企業以往生產實踐中積累的設計實例等。因此本系統將3種方式相結合來獲取前驅動橋設計的相關知識，比如前驅動橋的國家標準、機械及農機行業標準和設計原理等可通過查閱拖拉機前驅動橋設計手冊和產品說明書獲取;前驅動橋的設計經驗則通過與相關領域專家座談的方式獲取，如經驗公式、實踐經驗和設計訣竅等;前驅動橋設計的部分隱性知識需采用數據挖掘的方式獲取，如前驅動橋設計流程性知識、不同車型前驅動橋外形和內部結構之間的異同等。

3.2 知識的表示

知識表示是把從知識源得到的關于事實、判斷和推理的知識表示成計算機能夠接受并且存儲、處理、維護的符號。在前驅動橋設計過程中，目前常用的知識表示方法有產生式規則、框架、模板、面向對象、基于本體、程序、語義網絡等[7]。知識的表示方法很多，每種知識表示方法均有各自的特點，適用于不同的領域。前驅動橋設計是一項復雜的工作，涉及到很多知識，若只采用某一種知識表示方法，難以準確地表達前驅動橋復雜的知識結構，因此，本研究將產生式規則表示、框架表示、模板表示和程序表示4種方法相結合來表示前驅動橋設計知識。

3.2.1 產生式規則表示 產生式規則表示是一種主要表示因果關系的方法，它在語義上表示為“IF（條件）Then（結論1）Else（結論2）的因果關系”，此方法適用于設計方案、設計原理與領域專家設計經驗等知識的表示。比如選擇聯軸器類型的規則可表示如下：

3.2.2 框架表示 框架是把研究對象的所有相關知識組織在一起的數據結構，能夠為描述前驅動橋零部件之間復雜關系提供層次結構，在具體表示時利用槽的概念能為框架創建的環境添加知識，例如，前驅動橋主要技術參數用框架表示如下：

3.2.3 模板表示 模板是指從一組具有相同功能、相似結構、相似屬性的對象中提取出其共同幾何特征，組成一個包含各種相關知識的、參數化的結構單元[8]。模板是產品設計知識的載體，可以將其嵌入到通用模型中來表達產品的功能結構。

拖拉機前驅動橋部分零部件的模板表示是先建立一個通用模型，然后將與零部件相關的設計知識比如設計規則、設計參數等集成在通用模型里，最后以模板的形式存貯在知識庫中，供設計人員選擇使用。例如，與主動圓錐齒輪相關的知識以模板的形式表示，如圖4所示。構建的產品模板是開放性的，設計人員可以通過修改主要參數，如齒數、模數、分度圓直徑等，實現主動圓錐齒輪的變型設計。

3.2.4 程序表示 程序表示是使用子程序或子函數來表示知識。對于一些需通過計算公式表示的設計原理知識，系統采用程序表示方法，比如主減速器齒輪強度校核的公式、橋殼的受力分析與強度計算的公式等。

3.3 知識庫的構建

將設計實例、規則和模板等相關知識收集、整理和總結成一些規則和解決問題的策略，并存放在一個特定的文件夾或數據庫中構成知識庫[9]。知識庫可以實現產品設計知識存儲、分類和管理，以方便設計師重復使用，并在設計過程中為設計人員提供最佳的指導和建議。目前常見的KBE系統的知識庫主要有實例知識庫、規則知識庫和模板庫等。實例知識庫主要存儲產品設計方案、設計參數等;規則知識庫主要存儲產品設計規則如零部件選型規則、公式等;模板庫主要包括整機、部件和零件的模板。

拖拉機前驅動橋設計是一項技術性較強和要求較高的工作，涉及到大量來源復雜和形式多樣的設計知識，為了便于設計人員在產品設計時能夠快速準確地查找到需要的設計知識，各類知識應分層存儲。因此本系統采用層次模塊化的方法將前驅動橋知識庫進行分類，主要分為實例庫、規則庫、模板庫、標準件庫、通用件庫、材料庫和測試數據庫，具體劃分結果如圖5所示。

3.4 知識的推理

知識推理[10]就是依據一定的原則從已有事實中推出結論的過程，目前常用的推理模式見表1。基于實例推理（case-based reasoning，CBR）是利用已有的成熟設計實例解決問題，相比于基于規則的推理（rule-based reasoning，RBR），CBR知識獲取較容易，求解效率較高，但是對于前驅動橋設計這樣一個復雜的系統，要想得出正確的結論，只憑實例和經驗是遠遠不夠的，還需要一些領域知識和原理知識，如前驅動橋設計規則等，因此在前驅動橋的設計過程中，需將基于實例推理和基于規則推理2種推理模式相結合，充分發揮兩者的優勢。比如在確定設計方案時先采用基于實例的推理，即對實例庫里存放的眾多設計方案進行檢索與推理，推理出與客戶需求相匹配的方案后再利用基于規則的推理進行實例的修改，生成符合要求的前驅動橋產品。

3.5 知識的評價

隨著KBE技術的廣泛應用，許多新的實例和規則等知識被不斷地添加到系統知識庫中供用戶檢索與使用。但是隨之而來的就是知識庫堆積著大量過時的、多余的知識，嚴重影響到知識的重用效率，這種情況下精確的知識評價顯得尤為重要。目前知識評價方法主要有神經網絡算法、層次分析法、模糊綜合評價法等[11]。本系統根據前驅動橋的設計流程和設計特點，采用層次分析法（analytic hierarchy process，AHP）進行設計知識綜合評價，AHP是一種定量與定性相結合的方法，能處理各種決策因素，可以解決滿足不同設計需求的前驅動橋匹配設計方案的選擇問題[12]。比如，對于前驅動橋中央傳動方案的優化選擇，先確定前驅動橋傳動方案設計知識評價準則，主要分為傳動效率、傳動平穩性、經濟性，然后通過設計專家給各評價指標賦權，再逐層建立各個評價指標的對比判斷矩陣進行兩兩對比，最后計算出各個方案的綜合權重值，進而選擇出最優的傳動方案。

4 系統實現

本系統利用Siemens NX提供的二次開發工具包進行開發，包括BlockStyler定制用戶交互界面，MenuScript創新菜單和工具條，Journaling和NX Open捕捉設計知識和系統開發。系統主要包括5個文件夾：Startup、Application、Parts、KF、Configure，分別用于存放動態鏈接庫文件（*.dll）、菜單腳本文件（*.men）和工具欄腳本文件（*.thr）;對話框文件（*.dlg）、工具圖標文件（*.bmp）和位圖文件（*.ubm）;模型文件（*.prt）;設計知識文件（*.dfa）;系統配置文件（*.cfg）等。系統啟動后，會自動加載菜單腳本文件，將前驅動橋設計菜單顯示到NX系統菜單欄中，前驅動橋設計系統向導如圖6所示。用戶通過過程向導分別進行前驅動橋的總體設計、中央傳動設計、驅動半軸設計、最終轉動設計、立軸及轉向設計、橋殼設計和前后擺座設計等。圖7為主減速器設計界面，設計完成后將自動裝配生成前驅動橋的三維數字化模型。圖8為前驅動橋三維數字化模型。

5 結論

拖拉機前驅動橋零件眾多，而且主減速器、差速器、橋殼等零部件結構復雜，使用傳統的設計方法，不僅會耗費大量的時間，而且由于缺乏對已有資源合理有效的管理和利用，在設計過程中存在大量低水平重復勞動等問題。為了提高設計效率，將KBE技術引入到前驅動橋設計中，充分重用設計經驗、專家知識及成熟設計實例等設計知識，開發基于知識的拖拉機前驅動橋智能化設計系統，能夠加強對農業機械化相關領域知識的繼承和重用，實現前驅動橋的快速化、自動化設計，提高前驅動橋設計效率，縮短產品設計周期和保證設計質量。

參考文獻：

[1]全國農業可持續發展規劃（2015—2030年）[R]. 北京：農業部，國家發展改革委，科技部，財政部，國土資源部，環境保護部，水利部，國家林業局，2015.

[2]彭穎紅，胡 潔. KBE技術及其在產品設計中的應用[M]. 上海：上海交通大學出版社，2007：14-18.

[3]Corallo A，Laubacher R，Margherita A. Enhancing product development through knowledge-based engineering （KBE）[J]. Journal of Manufacturing Technology Management，2009，20（8）：1070-1083.

[4]張 鵬. 基于知識的發電機組智能設計系統的研發[D]. 鎮江：江蘇大學，2016.

[5]姚亮亮. 大功率拖拉機驅動橋自動建模系統的設計與開發[D]. 合肥：合肥工業大學，2010.

[6]Xie G，Yang L. Extension data mining knowledge representation[J]. Physics Procedia，2012，24（1）：240-246.

[7]Chandrasegaran S K，Ramani K，Sriram R D，et al. The evolution，challenges，and future of knowledge representation in product design systems[J]. Computer Aided Design，2013，45（2）：204-228.

[8]陸長明，蔣建東，張立彬. 基于模板的小型農業作業機產品信息模型研究[J]. 計算機集成制造系統，2008，14（6）：1101-1105，1147.

[9]Pham D T，Gourashi N S. Knowledge-based configuration design[C]//Proceedings of IEEE International Conference on Industrial Informatics. IEEE，2003：248-254.

[10]Policastro C A，Carvalho A C，Delbem A C. A hybrid case adaptation approach for case-based reasoning[J]. Applied Intelligence，2008，28（2）：101-119.

[11]Garces G A，Bonjour E，Rakotondranaivo A. New product acceptability evaluation and improvement model with knowledge reuse[J]. IFAC-Papers Online，2016，49（12）：1104-1109.

[12]劉朝亮. 層次分析法在農業系統中的應用研究[J]. 廣東農業科學，2013，40（13）：228-232.