董思洋，許建新，王克勤，陳 君，秦現(xiàn)生

（1.西北工業(yè)大學(xué)機(jī)電學(xué)院，陜西 西安 710072；2.西北工業(yè)大學(xué)管理學(xué)院，陜西 西安 710072）

0 引言

航空產(chǎn)品的可制造性設(shè)計(jì)是一個(gè)典型的知識(shí)密集型活動(dòng)，該活動(dòng)中的設(shè)計(jì)人員需要制造知識(shí)的支持。但是由于制造知識(shí)種類繁多、信息量大，使得產(chǎn)品設(shè)計(jì)過(guò)程中工藝知識(shí)的獲取效率和準(zhǔn)確率都較低。另外，現(xiàn)階段的實(shí)際工作情況是，知識(shí)的獲取常常被動(dòng)查詢，不能準(zhǔn)確表達(dá)設(shè)計(jì)人員的需求，存在輸出結(jié)果過(guò)多和查全率有余、查準(zhǔn)率不足等弊端，導(dǎo)致設(shè)計(jì)人員需要花費(fèi)大量時(shí)間來(lái)查找和甄別所需要的知識(shí)。因此，需要一個(gè)面向產(chǎn)品設(shè)計(jì)過(guò)程的知識(shí)管理平臺(tái)，以主動(dòng)、及時(shí)、準(zhǔn)確地向設(shè)計(jì)人員推送所需要的知識(shí)。

可制造性設(shè)計(jì)一直是學(xué)術(shù)研究的熱點(diǎn)，例如文獻(xiàn)［1－4］分別針對(duì)制造系統(tǒng)的各個(gè)領(lǐng)域進(jìn)行了大量的評(píng)價(jià)研究，提出了許多理論和方法；文獻(xiàn)［5］針對(duì)鈑金成型和注塑模進(jìn)行了可制造性評(píng)價(jià)的研究，按照定量評(píng)價(jià)和定性評(píng)價(jià)兩個(gè)不同層次對(duì)零件進(jìn)行可制造性評(píng)價(jià)；文獻(xiàn)［6］采用可沖壓性評(píng)價(jià)編碼的方法，對(duì)零件的沖壓工藝性進(jìn)行評(píng)價(jià)，給出了沖壓工藝性評(píng)價(jià)的流程圖。但上述研究工作是在不同時(shí)期面向不同應(yīng)用領(lǐng)域進(jìn)行的、側(cè)重于評(píng)價(jià)方法的研究，從實(shí)用性角度來(lái)看，沒(méi)有更多地從零件設(shè)計(jì)方面考慮產(chǎn)品的可制造性設(shè)計(jì)，未考慮計(jì)算機(jī)輔助設(shè)計(jì)（Computer Aided Design，CAD）環(huán)境下零件的結(jié)構(gòu)工藝性和加工工藝性。

目前，很多學(xué)者對(duì)知識(shí)的主動(dòng)推送問(wèn)題從不同角度進(jìn)行了研究［7－12］，為了改變知識(shí)被動(dòng)查詢過(guò)程中的效率低下等現(xiàn)狀，解決知識(shí)管理系統(tǒng)中存在的知識(shí)泛濫、知識(shí)迷航等問(wèn)題，文獻(xiàn)［13－16］從不同角度提出了知識(shí)主動(dòng)推送的概念。例如文獻(xiàn)［13］提出基于粗糙集的產(chǎn)品協(xié)同設(shè)計(jì)知識(shí)推送方法；文獻(xiàn)［14］提出一種基于知識(shí)屬性相似度的知識(shí)推送方法，通過(guò)計(jì)算知識(shí)的屬性相似度獲取用戶的感興趣信息，實(shí)現(xiàn)了無(wú)須人工干預(yù)的知識(shí)自動(dòng)推送；文獻(xiàn)［15］提出一種集人、過(guò)程和知識(shí)為一體的知識(shí)主動(dòng)推送服務(wù)系統(tǒng)的方法，在結(jié)構(gòu)化元知識(shí)和知識(shí)地圖模型的構(gòu)建基礎(chǔ)上，提出基于工作流引擎和知識(shí)引擎的雙驅(qū)動(dòng)知識(shí)主動(dòng)推送策略；文獻(xiàn)［16］利用知識(shí)表達(dá)、關(guān)聯(lián)等方式，開(kāi)發(fā)了基于知識(shí)的飛機(jī)設(shè)計(jì)引導(dǎo)系統(tǒng)，在一定程度上解決了飛機(jī)設(shè)計(jì)過(guò)程中的經(jīng)驗(yàn)知識(shí)傳承、設(shè)計(jì)知識(shí)推送等問(wèn)題。但是如何結(jié)合CAD軟件平臺(tái)實(shí)現(xiàn)可制造性設(shè)計(jì)中知識(shí)的主動(dòng)推送，從而進(jìn)一步實(shí)現(xiàn)產(chǎn)品零件的可制造性判斷等，上述文獻(xiàn)均沒(méi)有提出具體的解決方法。鑒于此，本文將重點(diǎn)研究如何在CAD軟件平臺(tái)上實(shí)現(xiàn)制造知識(shí)的主動(dòng)推送和利用。

機(jī)體免疫系統(tǒng)（immune system）是一個(gè)由眾多免疫器官、細(xì)胞和分子共同組成的分布式自治系統(tǒng)，在免疫反應(yīng)性異物（如抗原）侵入機(jī)體時(shí)，能夠自主調(diào)動(dòng)免疫細(xì)胞對(duì)入侵抗原進(jìn)行識(shí)別和排除，以此維持機(jī)體的生理平衡，文獻(xiàn)［17－18］從不同角度對(duì)免疫系統(tǒng)進(jìn)行了利用?？芍圃煨栽O(shè)計(jì)中知識(shí)的主動(dòng)推送過(guò)程和機(jī)體的免疫過(guò)程有很多相似之處，筆者基于對(duì)這種相似現(xiàn)象的考慮，構(gòu)建了CAD平臺(tái)上的可制造性設(shè)計(jì)模型框架，在此基礎(chǔ)上針對(duì)如何獲得相關(guān)的制造知識(shí)環(huán)節(jié)，借鑒機(jī)體的免疫應(yīng)答機(jī)制（Immune Response Mechanism，IRM），提出一種基于免疫過(guò)程面向航空產(chǎn)品的制造知識(shí)主動(dòng)推送模型。該模型分別提出知識(shí)的免疫細(xì)胞表達(dá)模型和知識(shí)需求的抗原表達(dá)模型，設(shè)計(jì)了知識(shí)主動(dòng)推送的應(yīng)答免疫機(jī)制，使得針對(duì)不同需求時(shí)能建立快速、準(zhǔn)確的響應(yīng)，并結(jié)合SolidWorks實(shí)現(xiàn)可制造性設(shè)計(jì)中的知識(shí)推送。由于制造知識(shí)種類繁多，本文重點(diǎn)針對(duì)其中的工藝知識(shí)進(jìn)行研究。

1 基于免疫過(guò)程的工藝知識(shí)主動(dòng)推送模型

為實(shí)現(xiàn)航空工藝知識(shí)的主動(dòng)推送，必須首先考慮三個(gè)方面的問(wèn)題：①知識(shí)需求與工藝知識(shí)匹配過(guò)程模型的構(gòu)建；②知識(shí)需求的分析、獲取與表達(dá)；③工藝知識(shí)的組織模型與表達(dá)。結(jié)合生物體免疫過(guò)程中的相關(guān)概念，本文以航空產(chǎn)品設(shè)計(jì)與制造為對(duì)象，提出基于免疫過(guò)程的工藝知識(shí)主動(dòng)推送模型（記為OP），如圖1所示。

圖1所示的模型完整地表達(dá)了工藝知識(shí)的主動(dòng)推送過(guò)程，該模型包括知識(shí)輸入模塊（Knowledge Input Module，KIM）、工藝知識(shí)的免疫細(xì)胞化表達(dá)模 塊 （Immune Cells express of Manufacturing Knowledge Module，ICMKM）、知識(shí)需求的抗原化表達(dá)模塊（Antigen expression of Knowledge Demand Module，AKDM）、知 識(shí) 需 求 分 析 模 塊（Knowledge Demancl Analysis Module，KDAM）以及知識(shí)推送的免疫過(guò)程模塊（Immune Process of Knowledge Push Module，IPKPM）等諸多單元，以集合形式表示為OP＝｛KIM，ICMKM，AKDM，KDAM，IPKPM｝。

下面針對(duì)圖1中涉及的各個(gè)子模塊進(jìn)行詳細(xì)分析和設(shè)計(jì)，并分析各子模塊構(gòu)建過(guò)程中需要考慮的關(guān)鍵因素。

2 工藝知識(shí)主動(dòng)推送模型的構(gòu)建

2.1 知識(shí)輸入模塊

KIM模塊負(fù)責(zé)知識(shí)的錄入、識(shí)別、產(chǎn)生和存儲(chǔ)，是后續(xù)各子模塊實(shí)現(xiàn)的基礎(chǔ)；另外，在ICMKM中采用的免疫細(xì)胞化的知識(shí)處理方式將工藝知識(shí)的創(chuàng)建和使用過(guò)程分離開(kāi)來(lái)，使得在知識(shí)錄入過(guò)程中不必關(guān)心如何使用，只需考慮工藝知識(shí)的存儲(chǔ)方式，以及獨(dú)立地對(duì)知識(shí)進(jìn)行增刪改等操作。知識(shí)輸入模塊包括以下三個(gè)主要步驟：

（1）結(jié)構(gòu)化知識(shí)的形成 在知識(shí)錄入時(shí)按照不同類型錄入，同時(shí)添加其涉及到的屬性要求。

（2）知識(shí)的分類存儲(chǔ) 根據(jù)類別將知識(shí)歸類存入相應(yīng)的數(shù)據(jù)庫(kù)。

（3）知識(shí)映射表形成 將所有知識(shí)映射為一個(gè)映射表，知識(shí)更改（增加、刪除、修改）之后，同時(shí)修改對(duì)應(yīng)的映射表。

由于結(jié)構(gòu)化知識(shí)在數(shù)據(jù)庫(kù)中的存儲(chǔ)方式不是本文研究的重點(diǎn)，此處不再討論。

2.2 工藝知識(shí)的免疫細(xì)胞化表示

免疫應(yīng)答機(jī)制中，免疫細(xì)胞之間的外形不同，但結(jié)構(gòu)相似。不同的免疫細(xì)胞具有相同的DNA（即遺傳信息），細(xì)胞的多樣性僅是對(duì)DNA信息選擇性表達(dá)的結(jié)果。與此類似，雖然航空產(chǎn)品可制造性設(shè)計(jì)中涉及到的工藝知識(shí)多種多樣，但均可以理解為同一知識(shí)映射表根據(jù)不同使用條件分化的結(jié)果。

定義1 知識(shí)的免疫細(xì)胞表達(dá)模型。將制造工藝知識(shí)按照免疫細(xì)胞的表達(dá)形式進(jìn)行封裝，封裝后的知識(shí)稱為知識(shí)的免疫細(xì)胞模型，記為KIM（Knowledge Immune Mode，KIM）。KIM 可以用二元組表示，KIM＝｛DNA，MK｝。

其中：DNA＝r1∪r2∪rn為知識(shí)映射表，ri（1≤i≤n）表示某一個(gè)具體的工藝知識(shí)；MK＝｛MK＿KT，MK＿SKC，MK＿KDP｝為具體的表達(dá)形式，是對(duì)DNA選擇性表達(dá)的結(jié)果，分別從知識(shí)類型（MK＿KT）、具體知識(shí)信息（MK＿SKC）、知識(shí)詳細(xì)參數(shù)（MK＿KDP）三個(gè)方面來(lái)描述。將工藝過(guò)程知識(shí)采用免疫細(xì)胞模型來(lái)表達(dá)，每個(gè)細(xì)胞中均含有所有相同的DNA（即相同的工藝知識(shí)映射表），具體知識(shí)的類型、性狀、適用條件等不同內(nèi)容（即抗體表達(dá)）都是選擇性表達(dá)的結(jié)果。

航空產(chǎn)品零件的可制造性中涉及的知識(shí)可以分為工藝建模、測(cè)量數(shù)據(jù)選擇、零件設(shè)計(jì)、工藝路徑規(guī)劃、切削參數(shù)、工裝設(shè)備、刀具七大類。不同知識(shí)的關(guān)注重點(diǎn)不同，以刀具選擇中的麻花鉆為例，框架如表1所示。

表1 麻花鉆的知識(shí)框架表示

續(xù)表1

麻花鉆的免疫細(xì)胞化表示方法如圖2所示。

2.3 知識(shí)需求分析

為了簡(jiǎn)化知識(shí)需求獲取的難度，借助制造特征的概念，知識(shí)需求分析模塊將產(chǎn)品零件的特征表達(dá)為一種知識(shí)需求，針對(duì)現(xiàn)階段廣泛采用的零件三維設(shè)計(jì)模式，利用特征識(shí)別的方法直接從現(xiàn)有的CAD中對(duì)零件進(jìn)行特征識(shí)別，采用可擴(kuò)展標(biāo)記語(yǔ)言（eX－tensible Markup Language，XML）文件格式將特征信息傳入后續(xù)模塊，以此經(jīng)過(guò)識(shí)別得到的制造特征作為知識(shí)需求。

例如某航空結(jié)構(gòu)件的部分設(shè)計(jì)，在保證強(qiáng)度的前提下為了減輕重量，設(shè)計(jì)者采用整體壁板上挖去多余材料的方式進(jìn)行制造。圖3即該零件設(shè)計(jì)圖形及生成的XML特征文件，此XML文件經(jīng)過(guò)解析后的各個(gè)特征即具體的知識(shí)需求。

2.4 知識(shí)需求的抗原化表達(dá)

2.4.1 知識(shí)需求的抗原表達(dá)模型構(gòu)建

在免疫應(yīng)答中，抗原是誘導(dǎo)免疫應(yīng)答過(guò)程開(kāi)始的主要因素。抗原的特異性表達(dá)是通過(guò)抗原決定簇（antigenic determinant）來(lái)實(shí)現(xiàn)的，它是存在于抗原表面的一種特殊化學(xué)基團(tuán)。類似地，知識(shí)需求的出現(xiàn)也是引起知識(shí)推送的前提，其特異性表達(dá)同樣通過(guò)不同的決定簇來(lái)實(shí)現(xiàn)。

定義2 知識(shí)需求的抗原模型。用抗原模型表達(dá)產(chǎn)品設(shè)計(jì)過(guò)程中對(duì)工藝知識(shí)的需求，針對(duì)不同的知識(shí)需求，設(shè)計(jì)不同數(shù)目、不同結(jié)構(gòu)的抗原決定簇來(lái)反映其特異性。

根據(jù)定義2，針對(duì)2.1節(jié)中提及的不同工藝知識(shí)，這里設(shè)計(jì)了相應(yīng)的知識(shí)需求抗原模型（記為AM），包括需求類型DC、適用條件AC、詳細(xì)參數(shù)DP三種抗原決定簇，集合描述為AM＝｛DC，AC，DP｝。

結(jié)合航空產(chǎn)品特點(diǎn)，以一般通孔加工刀具選擇的知識(shí)需求為例，結(jié)合圖3中的孔0001H，其抗原表達(dá)模型如圖4所示。

規(guī)定1 單一條件抗原決定簇和多條件抗原決定簇。若某具體的抗原決定簇中有且僅含有一個(gè)條件，則其稱為單一條件抗原決定簇（single condition antigenic determinant）；若某抗原決定簇需要由多個(gè)條件共同描述，則稱其為多條件抗原決定簇（multi－condition antigenic determinant）。

圖4中的需求類型和適用條件均是單一條件抗原決定簇，而詳細(xì)參數(shù)是由多因素決定的，屬于多條件抗原決定簇。

2.4.2 知識(shí)需求抗原表達(dá)模型的實(shí)現(xiàn)

AKDM模塊首先將KDAM傳入的產(chǎn)品特征數(shù)據(jù)進(jìn)行預(yù)處理，合并、拆分一些難以加工的特征數(shù)據(jù)；然后按照2.3.1節(jié)提出的抗原模型組織，形成知識(shí)需求（特征）的抗原化模型。

根據(jù)航空制造特點(diǎn)，如果某些基本單元的知識(shí)需求相近，則需要將其合并處理；相反，對(duì)于難以提取有效信息的知識(shí)需求，需要將其進(jìn)一步分解為基本單元，然后進(jìn)行處理。

定義3 基本單元。指能夠被直接用于定義抗原模型的結(jié)構(gòu)或特征，其他非基本單元均由基本單元通過(guò)空間拓?fù)潢P(guān)系或邏輯關(guān)系組成。

以航空結(jié)構(gòu)件為例，在選擇刀具時(shí)需要從零件結(jié)構(gòu)特點(diǎn)出發(fā)，因此零件的基本特征是一種基本單元。通過(guò)總結(jié)發(fā)現(xiàn)，結(jié)構(gòu)件的特征基本單元包括槽（P）、輪廓（F）、筋（R）、工藝凸臺(tái)（T）、孔（H）和非圓孔（L）。

以圖3所示的零件為例，零件（Part）由兩個(gè)槽（P）和五個(gè)孔（H）構(gòu)成，忽略零件間的拓?fù)潢P(guān)系，可以簡(jiǎn)單地理解為Part＝0001P＋0002P＋0001H＋0002H＋0003H＋0004H＋0005H。

（1）難處理信息的拆分

由于零件的槽特征0001P的設(shè)計(jì)中存在階梯槽，需要將其拆分為兩個(gè)基本單元（即將該槽結(jié)構(gòu)拆分為兩個(gè)獨(dú)立的槽結(jié)構(gòu)），進(jìn)行后續(xù)處理，即0001P＝0001＿1P＋0001＿2P，如圖5所示。

（2）基本單元信息的合并

對(duì)比槽0002P、槽0001＿1P和槽0001＿2P的特征可知，前兩者之間的粗糙度、轉(zhuǎn)角、底角半徑均相同，0001＿2P的底角半徑與前兩者不同。槽深都處于易加工范圍，刀具不是其決定性因素，因此可以忽略0001＿1P，僅就0002P進(jìn)行后續(xù)處理，即0002P＋0001＿1P＋0001＿2P＝0002P＋0001＿1P，如圖6所示。

（3）信息的檢查、抽取、封裝

評(píng)價(jià)處理后的信息（TreatInfo），使其必須包含原始文件中的全部信息（OriginalInfo），即

若TreatInfo和OriginalInfo不滿足式（1），則需進(jìn)一步對(duì)其進(jìn)行檢查，直至滿足式（1）中的條件。

對(duì)需求的詳細(xì)參數(shù)，以及所使用的加工環(huán)境信息等內(nèi)容進(jìn)行抽取，形成抗原模型的抗原決定簇，進(jìn)一步封裝后，形成知識(shí)需求的抗原模型。

在槽的加工過(guò)程中，R3的底角同樣可以由R2底角的銑刀加工，因此槽銑刀選擇的抗原模型如圖7所示。

孔類特征的加工方法比較特殊，直徑不同的孔只能選擇不同的鉆頭來(lái)加工，另外還需要根據(jù)精度等級(jí)等條件選擇各自的后續(xù)加工方法（擴(kuò)、鉸、鏜等）。因此，首先應(yīng)該對(duì)孔特征的加工方式進(jìn)行信息拆分。

（1）加工方式信息拆分

孔0001H的精度等級(jí)為IT7，粗糙度為Ra1.6，因此0001H 的加工方式（ProcessM0001H）為鉆（Drill）＋鉸（Ream），即

ProcessM0001H＝Drill＋Ream?？?002H～0005H用來(lái)裝配電纜，精度等級(jí)要求不高，粗糙度為Ra3.2，因此其加工方法（ProcessM0002H～0005H）為鉆（Drill）＋擴(kuò)（Expansion），即

ProcessM0001H～0005H＝Drill＋Expansion。

（2）加工方式信息檢查

在過(guò)程（1）中同樣不能丟失加工信息，處理后的加工效果（EffectTreat）要達(dá)到模型標(biāo)示的效果（EffectOriginal），即EffectTreat和EffectOriginal滿足式（1）。

以圖3中零件為例，其中孔加工方法Drill中鉆頭選擇的抗原模型如圖8所示。

在標(biāo)準(zhǔn)系列刀具中，鉆頭直徑一般最大為φ50 mm，因此在圖8a中選擇孔的直徑為φ50mm，余量可由后續(xù)Ream加工來(lái)達(dá)到。

2.5 知識(shí)推送的免疫過(guò)程

IPKPM是系統(tǒng)的核心環(huán)節(jié)，該模塊按照免疫原理，實(shí)現(xiàn)了工藝知識(shí)對(duì)知識(shí)需求的自主結(jié)合和匹配，從而實(shí)現(xiàn)工藝知識(shí)的主動(dòng)推送。該模塊主要包含以下幾個(gè)主要步驟：

（1）抗原攝取 監(jiān)視單元在系統(tǒng)中對(duì)應(yīng)免疫系統(tǒng)中的巨噬細(xì)胞，承擔(dān)免疫監(jiān)視的任務(wù)，及時(shí)感知進(jìn)入系統(tǒng)的知識(shí)需求，交給后續(xù)識(shí)別過(guò)程。

臨床預(yù)防治療中，縮宮素的應(yīng)用較多?？s宮素是一種由垂體神經(jīng)釋放的激素，人體下丘腦視上核或者巨細(xì)胞分泌而來(lái)?？s宮素在釋放入患者血液之后，可以迅速對(duì)子宮平滑肌產(chǎn)生影響，對(duì)其產(chǎn)生興奮作用，進(jìn)而引發(fā)子宮的節(jié)律性收縮，達(dá)到加快產(chǎn)程進(jìn)展等目的[6]。

（2）抗原識(shí)別 在發(fā)現(xiàn)抗原（知識(shí)需求）后，抗原提呈細(xì)胞迅速攝取和識(shí)別抗原各種類型的決定簇，即完成對(duì)該知識(shí)DC，AC，DP的判斷和獲取。

（3）轉(zhuǎn)化和增值 該階段如果抗原是已知的目標(biāo)，則進(jìn)行已有的快速免疫響應(yīng)，選擇解決方案；如果抗原沒(méi)有出現(xiàn)過(guò)，則進(jìn)行自適應(yīng)免疫防御，采用基于濃度的調(diào)節(jié)機(jī)制來(lái)獲取免疫細(xì)胞。

基于濃度的調(diào)節(jié)機(jī)制是依據(jù)抗原、抗體之間的濃度來(lái)調(diào)節(jié)和控制整個(gè)免疫過(guò)程，針對(duì)某一抗原侵入之后，系統(tǒng)根據(jù)抗原、抗體之間相吸引的原則，不斷提高與所侵入抗原適應(yīng)度較高抗體的濃度，從而得到最優(yōu)解集，同時(shí)利用抗體之間的排斥作用保證可行解的多樣性。

（4）效應(yīng)階段 在獲取知識(shí)后，系統(tǒng)會(huì)根據(jù)要求將知識(shí)標(biāo)記作警告或錯(cuò)誤消息，與CAD圖形關(guān)聯(lián)后推送給用戶界面；工藝知識(shí)匹配成功后，將針對(duì)該問(wèn)題獲得的知識(shí)生成免疫記憶細(xì)胞，保存到記憶庫(kù)，當(dāng)再次遭遇同類型目標(biāo)時(shí)，記憶細(xì)胞能迅速增殖和分化，即采用已經(jīng)制定并曾經(jīng)成功實(shí)施的方案進(jìn)行快速反應(yīng)，實(shí)現(xiàn)二次免疫應(yīng)答。

3 CAD平臺(tái)基于免疫過(guò)程的知識(shí)主動(dòng)推送匹配策略

3.1 問(wèn)題描述

用免疫過(guò)程描述知識(shí)推送的匹配問(wèn)題為：在抗原集合X侵入機(jī)體后，系統(tǒng)迅速分析，并與已有的免疫細(xì)胞進(jìn)行比較，盡快找出與之匹配的免疫細(xì)胞群。在該問(wèn)題中，抗原和免疫細(xì)胞分別對(duì)應(yīng)優(yōu)化問(wèn)題的初始解空間和可行解空間，在找出免疫細(xì)胞群后將其提供給工藝人員進(jìn)行后續(xù)的人工選擇；若找不到相應(yīng)的免疫細(xì)胞群，則需要給出相應(yīng)的提示信息。

令Y＝｛y1，y2，…，yk｝表示具有k個(gè)免疫細(xì)胞的集合，其中yi＝｛yi1，yi2，…，yim｝T（1≤i≤k）表示免疫細(xì)胞yi的表達(dá)形式；X＝｛x1，x2，…，xt｝表示具有t個(gè)抗原的集合，其中xj（1≤j≤t）是侵入機(jī)體的抗原，xj＝｛xjDC，xjAC，xjDP｝，其中xjDC指抗原的 DC決定簇，xjAC＝｛xjAC1，xjAC2，…，xjACk｝T指抗原的AC決定簇，xjDP＝｛xjDP1，xjDP2，…，xjDPk｝T指抗原DP決定簇。

于是，若針對(duì)某個(gè)抗原需要選擇N個(gè)類似的工藝知識(shí)與之匹配，則知識(shí)推送的匹配問(wèn)題數(shù)學(xué)模型為：

其中‖＊‖代表一種幾何距離，表示解空間中抗原和免疫細(xì)胞之間的相近程度，minN和minK分別表示取集合中最小的N和K個(gè)值。

3.2 匹配算法的相關(guān)定義

為了解決上述問(wèn)題，結(jié)合本文中對(duì)免疫機(jī)制、知識(shí)需求的抗原化、知識(shí)免疫細(xì)胞化等內(nèi)容的研究，本小節(jié)首先對(duì)傳統(tǒng)的人工免疫算法中部分概念進(jìn)行重新定義；然后提出能夠?qū)崿F(xiàn)工藝知識(shí)與需求自主匹配的 KM－AIA（knowledge matching based on artificial Immune algorithm）算法。

定義3 抗原識(shí)別。針對(duì)航空工藝知識(shí)存在的特點(diǎn)，給定一個(gè)抗原xj，若在滿足式（4）的條件下能夠?qū)さ脃i，使得式（5）同時(shí)成立，則稱抗原xj可以被yi識(shí)別并與之相應(yīng)地配對(duì)。

式中：‖＊‖簡(jiǎn)單地采用Euclidean距離公式來(lái)計(jì)算；f（x，y）表示抗體和免疫細(xì)胞之間的親和力；α和ε分別表示抗體與抗原的AC決定簇和DP決定簇匹配時(shí)的閾值，匹配時(shí)的親和力小于該值即認(rèn)為匹配成功。

α和ε的存在使得該過(guò)程成為一個(gè)不完全精確的匹配過(guò)程，有效地保證了免疫細(xì)胞對(duì)多種抗原的可識(shí)別性，即針對(duì)某一特定知識(shí)需求，盡可能多地選擇與其相適應(yīng)的各種工藝知識(shí)。

結(jié)合免疫算法中相似免疫細(xì)胞的定義，KMAIA算法中對(duì)相似免疫細(xì)胞和濃度的定義如下：

定義4 相似免疫細(xì)胞和濃度。在免疫細(xì)胞群中，對(duì)于給定的免疫細(xì)胞v，計(jì)算其免疫細(xì)胞群中其他任一免疫細(xì)胞w在空間上的接近程度（這里采用Euclidean距離）‖v，w‖；另外，計(jì)算v和w針對(duì)某個(gè)抗原x的親和力分別記為Axv和Axw。如果存在常數(shù)r＞0和m＞0，使得式（6）和式（7）同時(shí)成立，則v和w為相似免疫細(xì)胞。

抗體群中與免疫細(xì)胞v相似的免疫細(xì)胞（包括v）的個(gè)數(shù)稱為免疫細(xì)胞v的濃度，記為Cv，

定義5 抗體與某免疫細(xì)胞群之間的親和力?？贵w和具體某個(gè)免疫細(xì)胞之間的結(jié)合強(qiáng)度即為它們之間的親和力。

僅用幾何距離來(lái)描述親和力有失偏頗［19］，這里采用基于熵值法的親和力定義方式。

給定抗原x，任取免疫細(xì)胞群Y＝｛y1，y2，…，yk｝，其中信息如果滿足條件：①x中MK＿KT，MK＿SKC所含的信息與yi（1≤i≤k）中DC，AC決定簇所含的信息完全匹配；②yi（1≤i≤k）的DP決定簇中含有m個(gè)元素。則x與Y的親和力矩陣F的求解過(guò)程如下：

（1）提取Y中各個(gè)免疫細(xì)胞中的詳細(xì)參數(shù)，組成矩陣Y′＝｛y1′，y2′，…，yk′｝。

（2）Y′中數(shù)據(jù)的規(guī)范化，

（3）確定評(píng)價(jià)指標(biāo)的熵權(quán)，

（4）具體計(jì)算各指標(biāo)的權(quán)重：

1）輸出熵：

2）指標(biāo)差異度：

3）計(jì)算熵權(quán)的值：

4）求解親和力矩陣F，

式中fi（1≤i≤k）即分別為yi（1≤i≤k）對(duì)應(yīng)的親和力。

3.3 KM－AIA算法描述

KM－AIA算法將免疫算法與熵值法結(jié)合起來(lái)，針對(duì)將工藝知識(shí)主動(dòng)推送給知識(shí)需求的過(guò)程特點(diǎn)，給出了解決方案。下面給出KM－AIA算法的具體描述。

輸入：抗原種群的規(guī)模N，免疫細(xì)胞群大小M，免疫選擇的親和力閾值ka，濃度閾值kn，終止條件為最大匹配次數(shù)達(dá)到MAX。

輸出：預(yù)測(cè)最優(yōu)匹配免疫細(xì)胞群。

步驟1 算法初始化。

針對(duì)需要匹配的知識(shí)需求，首先確定其抗原模型，形成最初的抗原種群；然后初始化免疫細(xì)胞群大小為M，設(shè)定親和力閾值ka、濃度閾值kn，最大增殖次數(shù)達(dá)到MAX。

步驟2 初始免疫細(xì)胞群的產(chǎn)生。

針對(duì)已經(jīng)形成的抗原種群，判別系統(tǒng)是否曾經(jīng)求解過(guò)類似問(wèn)題，如有則從記憶細(xì)胞庫(kù)中搜尋該類問(wèn)題的記憶免疫細(xì)胞，否則隨機(jī)產(chǎn)生初始免疫細(xì)胞（滿足式（3）中的條件，且式（3）中K 取M）。

步驟3 免疫細(xì)胞的分化和增殖。

根據(jù)免疫算法內(nèi)容［20］，針對(duì)具體問(wèn)題，由免疫細(xì)胞不斷地進(jìn)行分化和增殖，在免疫調(diào)節(jié)機(jī)制下，免疫細(xì)胞群體不斷更新進(jìn)化，最終消滅抗原，即搜索到問(wèn)題的解，實(shí)現(xiàn)與抗原的匹配。該步驟終止的標(biāo)志是免疫細(xì)胞群滿足式（3）的要求，或最大增殖次數(shù)達(dá)到MAX。

步驟4 抗體間產(chǎn)生的刺激與抑制。

為了保證最終免疫細(xì)胞群的多樣性，免疫細(xì)胞的增殖過(guò)程會(huì)受到免疫細(xì)胞與抗原之間的親和力，以及免疫細(xì)胞本身濃度的制約。即如果免疫細(xì)胞與抗原的親和力高，該免疫細(xì)胞的濃度會(huì)被提高；同時(shí)，濃度過(guò)高的免疫細(xì)胞之間也會(huì)相互抑制，維持其濃度不再上升。當(dāng)然免疫細(xì)胞是否需要增殖，需要通過(guò)計(jì)算親和力和濃度兩個(gè)值來(lái)確定。

KM－AIA算法流程如圖9所示。算法具體步驟如下：

步驟1 產(chǎn)生抗原。針對(duì)知識(shí)需求確定推送問(wèn)題的抗原模型和抗原種群。

步驟2 算法初始化。分別設(shè)定M，ka，kn，MAX等值，以及免疫算法中的交叉概率Pc和變異概率Pm；針對(duì)具體問(wèn)題產(chǎn)生初始免疫細(xì)胞群。

步驟3 遍歷抗原種群，判斷記憶庫(kù)中是否含有相似問(wèn)題解。如果存在，則直接提取相似問(wèn)題解，轉(zhuǎn)步驟3，重復(fù)循環(huán)，否則轉(zhuǎn)步驟4。若遍歷結(jié)束，則轉(zhuǎn)步驟9。

步驟4 針對(duì)具體抗原，產(chǎn)生初始免疫細(xì)胞群體InitialGroup。

步驟5 計(jì)算具體某抗原和免疫細(xì)胞群中各值之間的親和力和濃度。根據(jù)定義4計(jì)算各免疫細(xì)胞的濃度；根據(jù)定義5中的相關(guān)定義及計(jì)算方法，計(jì)算抗原與各免疫細(xì)胞之間的親和力，并按照親和度由大到小降序排列，得到InitialGroup＝｛ImmuneC1，ImmuneC2，…，ImmuneCN｝。其中f（x，ImmuneCi）≥f（x，ImmuneCi＋1），0≤i＜N，f（a，b）表示a和b間的親和力；計(jì)算是否滿足單個(gè)抗原尋找免疫細(xì)胞的停止條件，如果滿足，則將解決方案生成記憶細(xì)胞，存入記憶庫(kù)，轉(zhuǎn)步驟4。

步驟6 對(duì)InitialGroup中與抗原親和力小于閾值ka的免疫細(xì)胞進(jìn)行剔出操作；隨機(jī)選擇濃度小于閾值kn的免疫細(xì)胞個(gè)體進(jìn)入下一代。

步驟7 在選擇操作的基礎(chǔ)上，根據(jù)設(shè)置的交叉概率Pc和變異概率Pm選擇免疫細(xì)胞進(jìn)行常規(guī)的交叉和變異操作，更新InitialGroup，轉(zhuǎn)步驟5。

步驟8 退出。

4 原型系統(tǒng)驗(yàn)證

4.1 工藝知識(shí)主動(dòng)推送系統(tǒng)的實(shí)現(xiàn)

以某航空制造企業(yè)實(shí)際生產(chǎn)數(shù)據(jù)為例，并以SolidWorks為平臺(tái)搭建基于免疫過(guò)程的工藝知識(shí)主動(dòng)推送模型（ApmPk＿I），實(shí)現(xiàn)常見(jiàn)工藝知識(shí)的主動(dòng)推送，進(jìn)一步完成產(chǎn)品零件的快速可制造性檢驗(yàn)。

在FeatureWorks功能的支持下，SolidWorks能夠較容易地實(shí)現(xiàn)對(duì)輸入零件實(shí)體的特征識(shí)別。在此基礎(chǔ)上，利用C＃的開(kāi)發(fā)語(yǔ)言和Oracle 9i數(shù)據(jù)庫(kù)，在Visual Studio 2010和 Windows7的環(huán)境下，針對(duì)SolidWorks 2008進(jìn)行二次開(kāi)發(fā)形成ApmPk＿I系統(tǒng)，其主界面如圖10所示。

ApmPk＿I平臺(tái)在SolidWorks軟件中增添了“制造工藝性檢查”菜單，以實(shí)現(xiàn)對(duì)零件的可制造性檢測(cè)。其中子菜單“設(shè)置”供用戶設(shè)置待檢查的項(xiàng)目，如圖11所示。

工藝檢驗(yàn)設(shè)置中給出了常見(jiàn)的包括工藝凸臺(tái)工裝設(shè)計(jì)、切削參數(shù)約束等在內(nèi)的七大類檢驗(yàn)內(nèi)容。用戶在進(jìn)行可制造性檢查之前，必須自行設(shè)置當(dāng)前文檔中零件所需要檢查的項(xiàng)目。

4.2 CAD平臺(tái)下工藝知識(shí)的主動(dòng)推送

以圖10所示的零件為例。該零件屬于某飛機(jī)結(jié)構(gòu)件的部分結(jié)構(gòu)，含有典型的槽、孔、筋等常見(jiàn)結(jié)構(gòu)，且形狀較復(fù)雜，因此其可制造性檢查具有典型性。

通過(guò)分析可知，圖10中的零件存在一些不足，如表2所示。

表2 圖10零件存在的設(shè)計(jì)不足和缺陷

因此，這里選擇了圖11中的工藝凸臺(tái)設(shè)計(jì)、難加工零件結(jié)構(gòu)、刀具約束三個(gè)待測(cè)項(xiàng)目進(jìn)行測(cè)試，結(jié)果如圖12所示。

系統(tǒng)針對(duì)不同的檢測(cè)結(jié)果給出了相對(duì)應(yīng)的提示，并記錄于備注中，詳細(xì)列表如表3所示。

對(duì)比表1和表2可知，ApmPk＿I系統(tǒng)在工藝凸臺(tái)設(shè)計(jì)、難加工零件特征修改、槽腔底角和轉(zhuǎn)角檢測(cè)、粗糙度檢查等方面均已實(shí)現(xiàn)自動(dòng)檢測(cè)；同時(shí)，ApmPk＿I還實(shí)現(xiàn)了所需要的知識(shí)的主動(dòng)推送，給出了零件的設(shè)計(jì)建議，供設(shè)計(jì)人員參考。

4.3 KM－AIA算法驗(yàn)證

（1）測(cè)試內(nèi)容

KM－AIA根據(jù)人工免疫算法（Immune Algorithm，IA）改進(jìn)而來(lái)。本節(jié)主要作如下兩項(xiàng)測(cè)試：①針對(duì)兩個(gè)同樣知識(shí)需求，對(duì)比其初次求解時(shí)間和再次求解時(shí)間；②對(duì)KM－AIA算法與傳統(tǒng)的基于免疫響應(yīng)過(guò)程的免疫算法進(jìn)行仿真測(cè)試。

（2）測(cè)試用例

以4.2節(jié)中的示例內(nèi)容重新作測(cè)試，將其中的IA和KM－AIA算法利用MATLAB重新實(shí)現(xiàn)。

（3）測(cè)試數(shù)據(jù)

在系統(tǒng)設(shè)計(jì)之初，筆者已經(jīng)以某航空企業(yè)制造過(guò)程的實(shí)際數(shù)據(jù)預(yù)置于ApmPk－I系統(tǒng)的Oracle數(shù)據(jù)庫(kù)中。因此，測(cè)試直接選擇其中工藝凸臺(tái)設(shè)計(jì)、難加工零件結(jié)構(gòu)、刀具約束三個(gè)項(xiàng)目中涉及的知識(shí)，共計(jì)100 199條知識(shí)數(shù)據(jù)進(jìn)行測(cè)試。

（4）測(cè)試過(guò)程

1）測(cè)試1 首先，選擇圖10中含有孔結(jié)構(gòu)的槽腔作為抗原輸入系統(tǒng)，作出KM－AIA算法的“時(shí)間—知識(shí)篩選”曲線圖；然后，將該槽腔作為抗原重新輸入系統(tǒng)，記錄“時(shí)間—知識(shí)篩選”曲線。將前后兩次測(cè)試作對(duì)比，如圖13所示。

2）測(cè)試2 首先依然選擇圖10中含有孔結(jié)構(gòu)的槽腔結(jié)構(gòu)，利用IA算法完成知識(shí)的選擇和推送；然后利用KM－AIA算法重新求解該問(wèn)題。對(duì)比二者的收斂過(guò)程，如圖14所示。

IA與KM－AIA算法最終選擇知識(shí)的結(jié)果如表3所示。

表3 ApmPk＿I系統(tǒng)對(duì)圖10所示零件的檢測(cè)結(jié)果

（5）測(cè)試結(jié)果

通過(guò)上述測(cè)試示例可以得出如下結(jié)論：

1）由圖13可以看出，相比于IA算法，KM－AIA在相同條件下能夠?qū)に囍R(shí)的主動(dòng)推送起到積極作用，可以明顯地改善推送目的和效果。

2）由圖14可以看出，KM－AIA的收斂速度明顯快于IA算法。

3）對(duì)比表4兩種算法的檢索結(jié)果可以明顯看出，IA算法中的①和④并不是輸入槽腔結(jié)構(gòu)所需要得到的知識(shí)，即KM－AIA算法的查準(zhǔn)率高于IA算法。

表4 IA與KM－AIA算法測(cè)試結(jié)果對(duì)比

5 結(jié)束語(yǔ)

本文研究了航空產(chǎn)品在CAD平臺(tái)下可制造性設(shè)計(jì)中的知識(shí)推送問(wèn)題，提出了基于免疫過(guò)程的工藝知識(shí)主動(dòng)推送模型。類比于機(jī)體免疫過(guò)程中的抗原、免疫細(xì)胞等概念，構(gòu)建了知識(shí)需求的抗原表達(dá)模型和工藝知識(shí)的免疫細(xì)胞表達(dá)模型；提出了成功適用于該模型的KM－AIA算法，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，與傳統(tǒng)IA算法相比，KM－AIA算法在改善知識(shí)推送效果的同時(shí)，實(shí)現(xiàn)了工藝知識(shí)向產(chǎn)品設(shè)計(jì)推送的主動(dòng)性、精確性和及時(shí)性，獲得了滿意的效果。

下一步的工作重點(diǎn)是：①如何結(jié)合工作流程及時(shí)獲取所需要的知識(shí)進(jìn)行推送，增強(qiáng)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)；②進(jìn)一步考慮復(fù)雜CAD模型下的知識(shí)推送，提高設(shè)計(jì)效率和質(zhì)量。

［1］ SONG Yuyin，CHENG Ye，CAI Fuzhi，et al.Study on knowledge－based integrateddesign for manufacture of mechanical parts［J］.Journal of Tsinghua University：Science ＆ Technology，1999，39（8）：21－24（in Chinese）.［宋玉銀，成 曄，蔡復(fù)之，等.基于知識(shí)的集成化機(jī)械零件DFM方法研究［J］.清華大學(xué)學(xué)報(bào)：自然科學(xué)版，1999，39（8）：21－24.］

［2］ SONG Yuyin，XIAO Yihui，CHENG Ye，et al.Study of product manufacturability and evaluation methods［J］.Journal of Tsinghua University：Science ＆ Technology，1998，38（7）：111－114（in Chinese）.［宋玉銀，肖亦輝，成 曄，等.產(chǎn)品可制造性及其評(píng)價(jià)方法的研究［J］.清華大學(xué)學(xué)報(bào)：自然科學(xué)版，1998，38（7）：111－114.］

［3］ SUN Zhaoyang，WANG Gang，LU Min，et al.Concept framework of manufacturability evaluation for the engineering way of acquiring product［J］.Journal of Harbin Institute of Technology，2005，37（11）：1476－1478（in Chinese）.［孫朝陽(yáng)，王 剛，呂 民，等.面向工程途徑的產(chǎn)品可制造性評(píng)價(jià)概念體系［J］.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2005，37（11）：1476－1478.］

［4］ LIU Hongjun，MO Rong，F(xiàn)AN Qingming，et al.Manufacturability evaluation method for aeroengine blade［J］.Computer Integrated Manufacturing Systems，2009，15（7）：1328－1335（in Chinese）.［劉紅軍，莫 蓉，范慶明，等.面向航空發(fā)動(dòng)機(jī)葉片的可制造性評(píng)價(jià)方法［J］.計(jì)算機(jī)集成制造系統(tǒng)，2009，15（7）：1328－1335.］

［5］ ZHAO Zuozhi，SHAH 段 .Domain independent shell for DfM and its application to sheet metal forming and injection molding［J］.Computer－Aided Design，2005，37（9）：881－898.

［6］ ZHANG Hongli，LANG Weifeng，LI Lei.How to realize manufacturability evaluation of stamping parts［J］.Journal of Shandong Jiaotong University，2003，11（3）：15－17（in Chinese）.［張洪麗，郎偉鋒，李 磊.沖壓零件工藝性評(píng)價(jià)的程序?qū)崿F(xiàn)［J］.山東交通學(xué)院學(xué)報(bào)，2003，11（3）：15－17.］

［7］ PAN Xuwei，GU Xinjian，CHENG Yaodong，et al.Model of knowledge management integrating context［J］.Computer Integrated Manufacturing Systems，2006，12（2）：225－230（in Chinese）.［潘旭偉，顧新建，程耀東，等.集成情境的知識(shí)管理模型［J］.計(jì)算機(jī)集成制造系統(tǒng)，2006，12（2）：225－230.］

［8］ TOSD.An advanced architecture for push services［C］／／Proceedings of the 4th International Conference on Web in formation Systems Engineering Workshops（WISEWp03）.Washington，D.C.，USA：IEEE，2003：193－200.

［9］ LIU Xinyu.Research on the theoretical framework of processbased knowledge pushing system and its application［D］.Shenyang：Northeastern University，2005（in Chinese）.［劉新宇.基于流程的知識(shí)推送系統(tǒng)的理論框架與應(yīng)用研究［D］.沈陽(yáng)：東北大學(xué)，2005.］

［10］ MA Sha，WANG Yungan.Feature－based information modelling technique［J］.China Mechanical Engineering，1994，3（4）：10－13（in Chinese）.［馬 莎，王運(yùn)贛.基于特征信息建模技術(shù)［J］.中國(guó)機(jī)械工程，1994，3（4）：10－13.］

［11］ FENG Yong，F(xiàn)AN Zhiping，F(xiàn)ENG Bo，et al.Construction of knowledge push system in customer service center of enterprise［J］.Computer Integrated Manufacturing Systems，2007，13（5）：1015－1019（in Chinese）.［馮 勇，樊治平，馮博，等.企業(yè)客戶服務(wù)中心知識(shí)推送系統(tǒng)構(gòu)建研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2007，13（5）：1015－1019.］

［12］ WANG Shengfa，GU Xinjian，GUO Jianfeng，et al.Knowledge active push for product design［J］.Computer Integrated Manufacturing Systems，2007，13（2）：234－239（in Chinese）.［王生發(fā)，顧新建，郭劍鋒，等.面向產(chǎn)品設(shè)計(jì)的知識(shí)主動(dòng)推送研究［J］.計(jì)算機(jī)集成制造系統(tǒng)，2007，13（2）：234－239.］

［13］ YANG Jie，YANG Yu，WANG Weili，et al.Research on rough theory－based knowledge push in product collaborative design［J］.China Mechanical Engineering，2009，20（20）：2452－2456（in Chinese）.［楊 潔，楊 育，王偉立，等.基于粗糙集的產(chǎn)品協(xié)同設(shè)計(jì)知識(shí)推送方法研究［J］.中國(guó)機(jī)械工程，2009，20（20）：2452－2456.］

［14］ ZHOU Mingjian，LIAO Qiang.Knowledge push based on attribute similarity［J］.Computer Engineering and Applications，2011，47（32）：135－137（in Chinese）.［周明建，廖強(qiáng).基于屬性相似度的知識(shí)推送［J］.計(jì)算機(jī)工程與應(yīng)用，2011，47（32）：135－137.］

［15］ SHI Meihong，WANG Ting，CHEN Yongdang，et al.Knowledge push system based on business process and knowledge need［J］.Computer Integrated Manufacturing Systems，2011，17（4）：882－887（in Chinese）.［石美紅，王婷，陳永當(dāng)，等.基于業(yè)務(wù)過(guò)程和知識(shí)需求的知識(shí)推送系統(tǒng)［J］.計(jì)算機(jī)集成制造系統(tǒng)，2011，17（4）：882－887.］

［16］ ZHANG Chao，JIN Meng，XIA Zhiyong，et al.Research on knowledge assistant system for aircraft design［J］.Aeronautical Computing Technique，2011，41（4）：63－66（in Chinese）.［張 超，金 夢(mèng)，夏志勇，等.飛機(jī)設(shè)計(jì)過(guò)程中的知識(shí)輔助技術(shù)研究［J］.航空計(jì)算技術(shù)，2011，41（4）：63－66.］

［17］ YANG He，ZHENG Xing，LIANG Yiwen.Design of artificial antigen presenting cells in artificial immune systems［J］.Journal of Chinese Computer Systems，2012，33（5）：1121－1125（in Chinese）.［楊 鶴，鄭 幸，梁意文.人工免疫系統(tǒng)中人工抗原提呈細(xì)胞的設(shè)計(jì)［J］.小型微型計(jì)算機(jī)系統(tǒng)，2012，33（5）：1121－1125.］

［18］ ZHANG Wei.Multi－objective optimization algorithm and preference multi－objective decision making based on artificial immune system［D］.Xi'an：Xidian University，2011（in Chinese）.［張 偉.基于人工免疫系統(tǒng)的多目標(biāo)優(yōu)化算法和偏好多目標(biāo)決策［D］.西安：西安電子科技大學(xué)，2011.］

［19］ ZHENG Rirong，MAO Zongyuan，LUO Xinxian.A study on modified artificial immune algorithms［J］.Computer Engineering and Applications，2003，39（34）：35－37（in Chinese）.［鄭日榮，毛宗源，羅欣賢.改進(jìn)人工免疫算法的分析研究［J］.計(jì)算機(jī)工程與應(yīng)用，2003，39（34）：35－37.］

［20］ LIU Li.Research of the principles and applications of artificial immune network［D］.Wuxi：Jiangnan University，2008（in Chinese）.［劉 麗.人工免疫網(wǎng)絡(luò)研究及應(yīng)用［D］.無(wú)錫：江南大學(xué)，2008.］