基于事例推理的胶印质量控制专家系统研究论文.pdfVIP

第十七届中国过程控制会议论文集 基于事例推理的胶印质量控制专家系统研究 1、2 2 2 管力明 ，陈梅 ， 林剑 （1：西安电子科技大学机电工程学院，西安，中国，710071； （2：杭州电子科技大学新闻出版学院，杭州，中国，310037） 摘要：基于事例推理具有获取知识方便、易于理解、启发思维等特点，适于规模大、任务复杂、智能程度高、非 结构化问题的求解。本文在分析胶印过程质量影响因素和规律的基础上，将基于事例推理的方法引入到胶印质量 控制领域，分析研究了基于事例的设计 (CBD)在胶印质量控制系统中应用的可行性，提出了具有可操作性的基于 CBD 理念的系统功能模块结构和工作流程，并详细论述了在系统实现过程中涉及的事例表示、事例检索和事例修 改与学习等关键技术。 关键词：事例推理 胶印质量 专家系统 0 引言 胶印是基于油墨与水相斥的原理下，通过亲油性的图案印纹部分及抗油亲水的空白部分，适当加 压，使其油墨图案印纹部分转印到纸的表面上。由于具有印刷速度快、产品精细、墨色鲜艳、图文清 晰和生产周期短的特点，胶印在书刊、报纸、商业印刷等领域得到了广泛应用。胶印质量是印刷过程 中油墨、润版液、印版、橡皮布和承印物等印刷材料的印刷适性以及印刷压力、水墨平衡等印刷工艺 条件等诸多因素的综合反映，同时还受到扫描、制版等印前工艺的影响。制版工艺、印刷工艺过程、 印刷材料、印刷设备、印刷环境等参数都会直接影响印刷质量，因此将人工智能技术引入胶印质量控 制领域，提高质量控制的科学性、规范性和合理性，使领域专家知识可以共享、继承，从而提高印品 质量、降低印刷废品率，具有重要的理论研究和工程实际意义。 事例推理（case-based reasoning,CRB）是人工智能技术领域的新兴推理技术，是人工智能发展 过程中涌现出来的区别于基于规则推理（RBR）和基于模型推理（MBR）的一种推理模式，它指的是利 用旧的事例或经验来解决问题、评价解决方案、解释异常情况或理解新情况。同传统的人工智能理论 和方法相比，CRB 首先通过对比问题事例与以往事例的相似性，来实现目标事例求解，并修改或修正 以前问题的解法，从而规避了传统人工智能在知识获取上的瓶颈问题。[1][2]本文在胶印质量控制领域， 引入基于事例的推理技术，通过建立事例库，存储各种具体条件下的质量问题事例，通过对在事例库 中检索到的与目标问题的相似事例的特征属性，从而能够将专家的知识和经验自接应用于生产实践， 指导具体的印刷过程。 1 系统构成 1.1 系统功能要求 利用事例推理的方法对胶印质量进行控制，首先是要把已有的知识或者经验表示成一个事例库， CBR 才能在此基础上发挥作用。因此，首先要把基于专家经验和检测数据的质量问题作为源事例，建 立源事例库。然后把目标事例与源事例进行比较。两者的比较，是通过相似性来进行的。由影响胶印 质量的因素之间对应比较，可找出每一影响因素下目标事例与源事例的相似性序列。由于各因素对质 量的影响并不相同，因此要考虑各影响因素的权重。在不同的环境下，同一因素对质量的影响不同， 所以用变权的思想来反映权重对环境的敏感。最后，考虑属性权重之后，从而可得出在多因素影响下 目标事例与源事例中最为相似的一个影响因素。 2.2 系统的模型结构 根据上述功能要求，基于事例推理的胶印质量控制系统主要包括四个部分:用户界面、主框架、事 例库维护、事例例检索。用户界面主要实现系统与用户之间的交互，包括用户输入事例的输入，诊断 方案的输入，专家对事例特征权值的修正，对事例的修正与维护，返回信息等。主框架是控制系统的 主要控制模块，根据用户界面得到的信息，调用事例库维护和 特征属性进行事例的索引、匹配，完成相似事例例的检索。事例库维护主要是负责对事例库事例检索 功能，完成用户的需求，然后将结果返回给用户界面。事例检索主要是根据事例的的维护工作，包括 作者简介：管力明（1968－），男，副教授，北京人，主要研究方向为机电控制、印刷工程。