基于CBR模型模糊推理技术研究.docVIP

基于CBR模型模糊推理技术研究 　　摘 要：根据工艺特征这与设计要求，构建工艺实例模型，研究工艺实例分类索引树；运用面向对象技术描述产品实例，构建工艺实例库。本文在对CBR推理模型研究基础上，通过结合工艺分类检索树，解决了工艺实例的匹配问题，特别针对具有复杂工艺特征属性的实例。 　　关键词：模糊推理； CBR模型；分类检索 　　引言 　　CBR模型[1]第一次出?F在《DynamicMemory》中，Schank以此模型为基础构建了一个问答式的专家系统，这成为后来基于该模型构建系统的基础。CBR模型，把人们解决问题的经验作为一个个实例存储起来，当遇到新的实例时CBR检索经验实例库，进行相似性实例匹配，找到相应工艺实例的相似性工艺实例后，针对设计要求对其做相应的修改，然后存入到实例库中。可以看出这个过程中关键的问题就是实例的检索[2]。这种技术被广泛应用到多种实例中，特别是那种必须依靠大量的实际经验作参考的工艺实例中[3]。 　　实例检索是整个CBR模型中的重中之重，它的搜索速度与匹配精度关乎着整个模型的推理结果。很多学者进行了这方面的研究，杨方飞[4]提出了一种通过模糊相似优先比来描述它们之间的相似情况，然后通过比较语义距离，分析模糊优先比矩阵，比较相似度序列来定位相似实例。夏君铁[5]引进Hopfield神经网络的各种特性实现了初期设计阶段的联想功能。笔者主要研究基于实例模型的模糊推理方法，通过结合工艺分类索引树，解决复杂特征属性的工艺实例相似检索问题，获取工艺优化设计方案。 　　一、工艺实例分类检索树 　　工艺实例分类树按照各工艺特征对工艺实例的不同影响程度来构建工艺实例。根据各个工艺特征的不同加工特点进行不同层次类别进行划分，并以二叉树的形式进行表示。分支点表示工艺特征族，叶子节点表示工艺实例。相关层次具体划分如下： 　　层1：根据零件外部整体形状将工艺实例分为轴类零件加工、盘套类零件加工以及自定义类零件加工；层2：根据零件外部工艺特征加工特点分类，例如：轴类零件加工分为光轴类加工、单向阶梯轴类加工、双向阶梯轴类加工等；层3：按照零件内部基本形状要素及主体形状精度进行实例分类；层4：各工艺实例的信息描述模型层。 　　二、基于实例模型的模糊推理算法 　　实例推理过程是抽取相似实例并修改，最后获取新实例。利用工艺分类检索树把实例概念模型的特征与设计要求直接进行模糊相似匹配，提取相似实例。基于知识对相似实例进行评价与修改，从而获得有化解。推理算法如下： 　　1.输入设计要求A=（x1，x2，…，xm） 　　2.设定实例i的第j特征fij的权重因子uj（j=1，2，…，M）。M是实例概念特征的总数。 　　3.假定实例库中实例总数为N，通过分类检索树，快速定位实例库中相应分类的每个实例i，实例i的特征for（i=l；iN；i++） 　　4.求解实例i的模糊相似度 　　（1）从实例库中获取实例特征fij 　　（2）按照设计要求，将每一个特征的xj分别与实例对应的特征fij进行匹配，确定每一个特征的模糊相似度Sij，（j=1，2，…，m）实例I的每个特征的模糊相似度函数取正态分布，则xj与fij的模糊相似度为： 　　其中，O≤Sij≤1，xj为设计需求，uj期望值，σj为方差 　　， 　　（3）求解实例模糊相似度Si， 　　，Si表示实例i的模糊相似度uj表示实例i的第j个特征 　　的权重因子。 　　5.重复2-4，直到求出每个实例的模糊相似度。 　　6.提取相似实例，比较所有实例的相似度大小，找到具有最大模糊相似度的实例，S=Max{S1，S2，…SN}，作为当前设计要求下的相似实例。 　　三、应用实例 　　针对4号新零件，在实例库中找到相同类型的3个零件，这里我们命名为1，2，3号零件。现从这3个零件中找到与4号零件最匹配的一个。各零件的工艺特征属性值详见表1。表中所选的特征属性以4号件为参考件，同时参考特征索引树选择。 　　对零件的工艺特征值进行规一化处理，根据零件加工过程中涉及的实例特征，建立实例特征关系矩阵。得到模糊相似度矩阵 　　取阈值为0.85，那么可知实例1为目标零件4的最相似实例。 　　结语 　　根据工艺特征这与设计要求，构建工艺实例模型，研究工艺实例分类索引树；运用面向对象技术描述产品实例，构建工艺实例库。研究基于CBR模型的模糊推理技术结合工艺实例分类索引树，解决了具有复杂特征属性的工艺实例相似检索问题，并匹配目标实例的相似实例。通过实践验证了算法的可行性。 　　参考文献： 　　[1] Schank， R. C. Dynam ic Memory[M ]. New York： Cambridge University Press，19821 　　[2