齿轮设计专家系统的研究与开发.docVIP

齿轮设计专家系统的研究与开发 摘要：探讨了集分析、设计、计算与图形处理于一体的齿轮设计专家系统(GDES)，论述了GDES的结构组成、知识库、推理机等部分的构建和系统的实现方法。 关键词：齿轮设计；专家系统；面向对象；ADO 1 引言 专家系统(Expert System, ES)是人工智能(Artificial Intelligence, AI)技术应用中最成功的一个分支。专家系统是一个智能计算机程序系统，其内部含有某个领域专家级水平的大量知识与经验，并能利用这些知识与经验解决该领域中的实际问题。专家系统的应用，为解决生产实践中大量存在的、难于用严格数学模型描述的问题，提供了有效的解决途径。 目前，专家系统的发展趋势是：将人工神经网络和遗传算法等知识处理技术与专家系统结合起来，开发平台由DOS操作系统转向以Windows为代表的图形界面操作系统，开发方法由面向过程的程序设计方法转向面向对象的系统分析方法和面向对象的程序设计方法。 用专家系统进行计算机辅助机械设计(Computer Aided Mechanical Design,CAMD)是机械设计领域的一个重要发展趋势。以常见的齿轮设计为例，设计时会遇到大量的图表、数据以及设计规范和调查试验结果，这些资料是专家学者们智慧的结晶，对设计人员具有十分重要的价值。但这些资料涉及门类繁多，有些经验和智慧尚不能归纳成数学公式，因而不便于一般设计人员使用，此外无论多么详尽全面的数据也无法代替设计专家的经验和智慧。所以研制齿轮设计专家系统是非常必要的。本文介绍笔者研制的集分析、设计、计算与图形处理于一体的齿轮设计专家系统(GDES)。 2 系统组成 该系统由参数计算模块、参数化绘图模块和专家系统模块组成。各模块既可以单独作为一个子系统使用，也可以通过系统框架有机结合起来，相互组合与协作，以满足用户的需要。系统总体结构如图1所示。 图1齿轮设计专家系统总体结构 2.1 参数计算模块 在进行齿轮设计时，需首先确定一些修正系数，才能计算出齿面接触应力和齿根弯曲应力。这些修正系数，如动载系数和齿形系数的确定相当复杂，通常采用图解法，而图解法不便直接用于编程或进行优化设计，虽然有些文献给出了它们的计算公式，但由于影响因素较多、计算过程繁杂，不便使用。在齿轮设计专家系统中，笔者利用BP神经网络映射动载系数和复合齿形系数，取得了较好效果。 人工神经网络(ANN, Artificial Neural Network)是反映人脑结构及功能的一种抽象数学模型，一个人工神经网络是由大量神经元节点互连而成的复杂网络，用以模拟人类进行知识的表示与存储以及利用知识进行推理的行为。 目前，应用最多也最有成效的神经网络结构模型是前向多层神经网络，由于该网络在学习(训练)过程中采用了误差反向传播BP(Error Back-propagation)算法，故又称为BP网络。它的训练学习过程由正向传播与反向传播两部分组成。在正向传播过程中，输人信号经输人层、隐含层逐层向前处理，并传向输出层，每层的神经元结点的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，即计算输出值与期望输出值之间的误差过大，则将该误差沿原来的连接通路反传，通过修改各层神经元的连接权系数，使误差逐步减小，并最终达到规定的要求。标准的BP网络由三层神经元组成，即输人层、隐含层和输出层，网络中相邻层采取全互连方式连接，同层各神经元之间没有任何连接，输人层与输出层之间也没有直接的联系，其结构如图2所示。 图2BP网络模型结构 在进行BP网络设计前，一般应从网络的层数、每层中的神经元个数、初始值以及学习方法等方面来进行考虑。 理论上早已证明：增加层数可以进一步降低误差、提高精度，但同时也使网络复杂化，从而增加了网络权值的训练时间。通过增加隐含层中的神经元数目来提高精度，将比增加层数更容易观察和调整，所以一般情况下，应优先考虑增加隐含层中的神经元数。在实际应用中，原始的BP算法很难胜任，因此出现了很多改进算法。BP算法的改进主要有两种途径，一种是采用启发式学习方法，另一种则是采用更有效的优化算法。 本文借助MATLAB神经网络工具箱，来实现改进的BP算法，进而确定齿轮系数。 齿轮系数的具体确定方法如下： 动载系数Kv的网络结构为三层：输人层有两个结点C、V，其中C为齿轮精度，V为齿轮节线速度；输出层有一个结点Kv，采用线性传递函数purelin；隐含层选用对数S型传递函数logsig，结点数为20；训练函数采用trainbpx。 复合齿形系数YR=Yfa X Ysa的网络结构为四层：输入层两个结点X、Zn，其中X为变位系数，Zn为当量齿数；输出层一个结点Yfs，采用线性传递函数purelin；两个隐含层均选用对数S型传递函数