王儒， 王國新， 閻艷， 郝佳， 石學海， 明振軍

(北京理工大學 機械與車輛學院, 北京 100081)

?

支持產品智能化設計的知識服務方法研究

王儒， 王國新， 閻艷， 郝佳， 石學海， 明振軍

(北京理工大學 機械與車輛學院, 北京 100081)

為實現(xiàn)產品智能設計中計算性問題和推理決策性問題的求解以及二者的有效結合，提出一種支持產品智能化設計的知識服務方法，即包括知識服務策略的制定和知識環(huán)境的構建兩個方面。該方法通過分析設計知識自身特點以及與設計過程之間的關系，將設計知識分為業(yè)務領域、經驗規(guī)則、實例方案和算法模型4種類型，并針對不同類型知識制定相應的服務策略；基于知識模板和組件模板對不同類型的知識進行形式化描述，并給出基于本體的設計知識語義建模流程；通過方案評價、方案修改將設計知識融入到基于實例推理活動中，實現(xiàn)知識的輔助決策；對設計工具進行集成和過程封裝，實現(xiàn)了自動化計算。設計開發(fā)了基于知識的智能設計系統(tǒng)，并以槍管為對象進行了實例驗證，證明了所提方法的有效性。

人工智能； 知識服務； 知識重用； 推理決策； 槍管設計

0 引言

當前日趨激烈的市場競爭環(huán)境迫使企業(yè)加強產品開發(fā)和快速響應市場的能力，智能化設計方法由于同時滿足產品的快速化和自動化開發(fā)需求，受到學者和企業(yè)的高度重視[1]。產品設計是一項復雜的分析、綜合與決策活動，而產品的智能化設計則是智能工程這一決策自動化技術在設計領域中應用的結果，其主要任務是完成設計活動中兩類問題的求解：即計算性問題和推理決策性問題[2]。傳統(tǒng)計算機輔助設計(CAD)技術是實現(xiàn)基于數(shù)學模型和數(shù)值處理的設計活動問題求解的重要手段；而人工智能技術是實現(xiàn)基于符號型知識模型和符號處理等推理決策性工作的必要途徑，例如專家系統(tǒng)是一種知識處理與推理系統(tǒng)[3-4]。如何將這兩者有效地結合，實現(xiàn)設計活動中兩類問題的求解，已成為產品智能設計的重要研究內容和難點，并愈來愈為國內外學者所重視。由于產品設計是一個知識驅動的創(chuàng)造性過程，因此從知識的角度出發(fā)，實現(xiàn)產品的智能化設計逐漸成為解決這一難點的重要技術和手段[5-6]。

實現(xiàn)產品設計的智能化，其基礎是設計知識的結構化描述和處理，以實現(xiàn)計算機推理功能。早期學者主要針對某單一形式進行知識描述，例如Burton等[7]在開發(fā)智能CAD系統(tǒng)主要利用產生式規(guī)則描述設計知識，之后又有學者將面向對象技術與規(guī)則式描述集成用于知識表達中；但產生式規(guī)則在知識獲取上存在一定的局限性，因此Koldder[8]提出了基于實例推理(CBR)方法，其推理過程更符合設計人員的思維過程，被廣泛用于智能設計的知識描述，如Zbigniew等[4]將CBR應用到船舶引擎室的自動化設計專家系統(tǒng)中。由于案例缺乏更深層的領域知識，學者開始尋求將其他可以實現(xiàn)推理的知識描述方式，如揚州大學陳靖芯等[9]針對設計過程中的規(guī)則、經驗等建立由“IF…THEN”描述的設計知識庫，通過對CATIA V5軟件中的知識工程顧問模塊二次開發(fā)，并借助CBR實現(xiàn)了碟簧的自動化設計。上海交通大學石峰等[10]根據(jù)澆注系統(tǒng)設計知識的特點，提出了一種混合連接主義和符號主義的知識模型，并采用基于框架2規(guī)則的方式來表達，通過對Pro/E軟件二次開發(fā)，設計完成了澆注系統(tǒng)智能化設計原型系統(tǒng)。Peng等[11]將CBR和基于規(guī)則推理(RBR)相結合應用到夾具的智能設計，Yu等[12]在CBR和RBR相結合的基礎上，增加了模糊綜合評價應用于鍋爐的智能設計。這些研究雖然在一定程度上實現(xiàn)了基于知識的智能設計，但缺少面向智能設計的設計知識集成，為了提升這一能力，北京航空航天大學趙輝等[13]提出了一種面向機械產品設計的知識集成模型，即將設計知識劃分到構型層、設計層和造型層3個抽象層次，基于UG平臺的知識熔接語言KFL實現(xiàn)了各層設計知識的描述與集成，并開發(fā)了專用減速器快速設計系統(tǒng)。但該系統(tǒng)缺少對推理決策性問題求解的支撐，智能化程度較低。Guo等[14]針對現(xiàn)有基于CBR注塑模具智能設計系統(tǒng)中存在的缺乏語義理解難以支持設計決策的問題，將本體技術引入到實例的描述中，實現(xiàn)實例的語義檢索，提高了概念設計階段系統(tǒng)對設計人員設計意圖的辨識。

現(xiàn)有的研究成果，從不同角度實現(xiàn)了產品的智能化設計，但仍缺少一種可以支持產品智能設計全過程求解的方法，影響了智能設計系統(tǒng)對設計任務問題(即計算性問題和推理決策性問題)的綜合求解。為了解決這一問題，本文提出了一種支持產品智能化設計知識服務方法，即通過面向設計過程的知識分類與組織，針對不同類型知識的特點，制定相應的服務策略；并構建支撐智能化設計的知識環(huán)境，以實現(xiàn)知識對產品智能設計的全過程支持服務。開發(fā)了基于知識的智能設計系統(tǒng)，并以槍管為對象實現(xiàn)了其智能設計過程中計算性問題的自動化計算，同時提升了系統(tǒng)對其推理決策性設計問題求解的能力。

1 支持產品智能化設計的知識服務總體思路

1.1 產品智能化設計需求分析

產品設計是一個多學科高度耦合的多階段復雜過程，不僅包括大量基于數(shù)學模型和數(shù)值處理的計算型工作，還涉及基于符號型知識模型和符號處理的推理和決策過程，例如設計方案的選擇、評價、主要參數(shù)的修改優(yōu)化、幾何模型的生成、計算仿真的分析等設計活動，這些工作的完成既需要借助計算機輔助設計工具，也需要運用大量的知識進行推理、判斷、決策。支持產品智能化設計知識服務的目的就是要借助知識工程技術和人工智能技術代替專家以及設計人員的決策和推理過程，通過構建面向設計過程的知識環(huán)境，智能化地實現(xiàn)產品設計以及知識重用，從而降低產品設計過程中循環(huán)迭代的時間、減少重復性工作。

支持產品智能化設計的知識服務是集成多領域知識，借助計算機輔助設計工具開展的一項人機交互智能化設計活動。為了進一步明確基于知識的智能設計系統(tǒng)的功能目標，首先需要結合產品設計的特點，分析產品實際設計過程中對智能化的需求：

1)支持分布式、異構知識的集成管理。產品設計知識具有分布性、密集性、異構性等特點[15-16]，目前企業(yè)中大部分的產品數(shù)據(jù)管理(PDM)系統(tǒng)在提供部分文檔數(shù)據(jù)分類存儲的同時，一般只具有基于關鍵詞的檢索功能，對于知識的集成和服務效果較差，不利于設計人員對知識的重用。因此，智能設計系統(tǒng)首先需要實現(xiàn)對分布式、異構知識的集成管理。

2)支持設計工具的集成與過程封裝。設計任務的實現(xiàn)通常需要多類型設計工具之間協(xié)同使用，例如在槍械設計過程需要使用UG軟件完成三維建模，再結合Matlab、ANSYS軟件以及自研工具等完成相關的計算仿真等設計活動。這是一個反復迭代、不斷修正的過程，因此需要智能設計系統(tǒng)可以集成不同的設計工具以及重用設計過程，支持計算性問題進行反復迭代求解。

3)支持智能化的推理與決策。產品智能化設計的“智能”體現(xiàn)在設計過程具備類似于人類思維的推理和決策能力，這要求計算機可以實現(xiàn)對多領域、多類型設計知識的自動化處理和輔助化、自動化決策支持。

1.2 支持產品智能化設計的知識服務方法

在產品智能化設計過程中根據(jù)求解問題的不同，所需要的知識服務支持類型也不盡相同，如何在產品智能設計過程中，將計算性問題和推理決策性問題的求解進行集成，實現(xiàn)設計知識對智能設計全過程的支持服務，是提升產品智能化設計的關鍵。因此，本文從設計過程與設計知識之間關系的角度，提出一種支持產品智能化設計的知識服務方法，其內容結構如圖1所示。

圖1 支持產品智能化設計的知識服務方法內容結構Fig.1 Construction of knowledge service method for supporting product intellectualized design

支持產品智能化設計的知識服務方法，其內容根據(jù)智能設計過程的需求可以分為3個部分：分布、異構知識的集成與管理，設計工具的集成與過程封裝，設計知識的推理與輔助決策。各部分內容之間既獨立又相互關聯(lián)，共同支持完成產品智能設計活動中兩類問題(即計算性問題和推理決策性問題)的求解。其中分布、異構知識的集成與管理部分主要為設計知識的推理與輔助決策部分提供服務化的知識重用，以實現(xiàn)對推理決策性問題的求解；設計工具的集成與過程封裝部分主要是基于上述兩部分實現(xiàn)基于知識的參數(shù)化驅動和規(guī)則化約束，完成計算性問題的求解。

基于上述方法，從設計過程與設計知識之間的關系構建基于知識的智能設計系統(tǒng)，其總體思路如圖2所示。根據(jù)上述對智能設計的描述，產品的智能化設計過程可以表示為“設計問題描述——方案推理決策——建模仿真分析”這3個階段，其中“方案推理決策——建模仿真分析”階段又存在反復迭代的方案改進過程。由圖1可以看出，產品智能化設計過程的不同階段需要不同的知識支持服務，即服務化重用、規(guī)則化約束和參數(shù)化驅動。

圖2 基于知識的產品智能設計系統(tǒng)總體思路Fig.2 General concept of knowledge-based product intelligent design system

為了實現(xiàn)這種智能設計全過程的知識支持服務，實現(xiàn)智能設計活動中計算性問題和推理決策性問題的求解，本文構建了一種可以支撐產品智能設計的知識環(huán)境，并制定了相應的知識服務策略。知識環(huán)境是指支撐產品智能設計的運行環(huán)境，知識環(huán)境的構建是知識服務于產品智能設計活動的基礎，其主要包括支持設計過程運行的驅動引擎(或方法)、設計知識形式化描述和知識數(shù)據(jù)管理3部分。其中，驅動引擎的主要作用是提供對智能設計活動的問題求解和設計知識重用，包括實例檢索匹配、設計知識的輔助決策、自動化計算等模塊；知識形式化描述的目的是實現(xiàn)計算機對以自然語言形式存在的產品設計知識的識別，包括知識的分類組織、知識的模板化表示以及語義建模等；知識數(shù)據(jù)管理功能主要是實現(xiàn)分布式設計知識集成管理和智能設計運行數(shù)據(jù)管理。通過對設計知識環(huán)境的搭建，基于知識的智能設計系統(tǒng)可以實現(xiàn)將分布、異構的設計知識資源動態(tài)地融入到產品智能設計過程不同階段的問題求解中。

2 基于知識的產品智能設計系統(tǒng)關鍵技術

2.1 設計知識服務策略

本文從知識自身的可變性角度將設計知識分為靜態(tài)知識和動態(tài)知識，從設計過程的功能角度將設計知識分為推理決策性知識和計算迭代性知識，如圖3所示。根據(jù)這兩個角度，可以將設計知識分為4種類型：業(yè)務領域知識、規(guī)則經驗知識、實例方案知識以及算法模型知識。業(yè)務領域知識是指產品設計中與業(yè)務領域相關的標準規(guī)范、專利文獻、設計手冊等知識；規(guī)則經驗知識是指存儲在業(yè)務領域資源或設計專家頭腦中的可以被描述的經驗和規(guī)律性知識，如槍管設計中膛線數(shù)n的選擇(一般6～8 mm口徑的槍管，n為4～6；11～15 mm口徑的槍管，n為8)；實例方案知識是指以往成型的產品案例數(shù)據(jù)；算法模型知識是指產品設計過程中用來計算、建?；蚍抡娴哪Ｐ秃痛a。

圖3 設計知識分類Fig.3 Classification of design knowledge

在設計過程中，靜態(tài)知識屬于不會因設計目標不同而改變的知識；相反，動態(tài)知識則會因設計目標不同而隨之改變，這是因為這類知識本身存在自變量和因變量，設計目標的差異會導致這些變量的變化。因此，動態(tài)知識可以用于實現(xiàn)參數(shù)化驅動服務重用，而靜態(tài)知識則可以用于對動態(tài)知識重用的規(guī)則化約束服務。

根據(jù)上述對知識的分類，制定設計知識的兩種服務模式：參考模式和自動模式，如表1所示。不同模式和不同類型知識具有不同的重用服務策略，如業(yè)務領域知識，由于其知識抽象程度較低，可以通過主動推送方式向設計人員提供與當前設計活動相關的領域知識，為其提供一定輔助參考；而對于規(guī)則經驗、實例方案以及算法模型知識，其知識抽象程度高、有較好的可重用性，同時又具有一定可編程性，可以實現(xiàn)自動化模式的知識服務。

表1 設計知識集成服務策略

由于模板技術可以實現(xiàn)各類型知識的有效描述和組織，為了實現(xiàn)知識在設計過程中的集成重用服務，本文根據(jù)設計知識各自特點，選擇對應的模板形式對其進行組織。

2.2 設計知識的形式化描述與語義建模

設計知識的形式化描述和語義建模，其作用包括兩部分：一是對分布、異構知識資源的集成管理，即對設計知識進行組織和表示，構建圖2中的知識數(shù)據(jù)管理庫；二是實現(xiàn)計算機對知識資源的識別，構建設計過程與設計知識之間的關聯(lián)。

2.2.1 設計知識的形式化描述

模板是基于事物相似性原理，從一類事物中抽象出的一種框架[17]。根據(jù)圖3對設計知識的分類，針對不同知識的特點和服務策略，本系統(tǒng)分別采用知識模板和組件模板對其進行組織和形式化描述。知識模板主要描述業(yè)務領域和實例方案知識，用于給設計人員提供與當前設計活動相關的知識參考，以輔助其進行推理決策。這兩類知識具有共同特點，即可以描述為“名稱標識+屬性內容”，因此可以將其表示為

(1)

式中：T為知識模板；pi為知識模板屬性；ni為知識模板屬性名稱；fi為知識模板屬性特征。屬性特征取決于知識載體的類型，如數(shù)字、文本、時間、圖片、文件、視頻、音頻等。

圖4 槍管設計實例庫建模Fig.4 Modeling of barrel design case base

業(yè)務領域知識存在于不同類型的資源中，因此具有不同特征的屬性，為了使智能設計系統(tǒng)中知識結構的構建具有柔性，本系統(tǒng)采用可配置知識模板構建技術[17]，實現(xiàn)知識根據(jù)類型不同的屬性特征進行自定義。如表2所示為系統(tǒng)中對一類業(yè)務領域知識的定義，即構建標準規(guī)范模板。

表2 標準規(guī)范模板

設計知識中的實例方案知識，由于其還具有動態(tài)知識類型的特性，在構建完成實例知識模板后，還需要結合設計問題和設計對象的特征，對實例的數(shù)據(jù)庫進行建模，即描述實例中各變量信息之間的關系。如圖4所示為槍管設計中實例庫模型，其設計實例包括用于實例匹配的戰(zhàn)術技術指標、對應槍彈的參數(shù)信息以及槍管的具體設計方案參數(shù)信息3部分。

對于規(guī)則經驗和算法模型這兩種類型知識，其特點是可以編程，適合用于反復計算迭代過程。組件是以結構化的方式對設計過程中反復迭代的設計知識進行封裝，并在驅動引擎控制下以自動化的方式接受參數(shù)、執(zhí)行動作并返回相應的結果[18]。因此，本系統(tǒng)基于XML技術，將規(guī)則經驗和算法模型這兩類知識封裝成一種可以通過驅動引擎調用相應設計工具來實現(xiàn)自身求解的參數(shù)化組件模板，稱之為可執(zhí)行組件模板。表3所示為可執(zhí)行組件模板建模元語，由于篇幅所限，其詳細代碼不再給出。

表3 可執(zhí)行組件模板建模元語

2.2.2 設計知識的語義建模

通過2.2.1節(jié)對不同類型設計知識的組織和表示，還不能完全消除知識之間的異構，為了進一步實現(xiàn)設計知識對智能設計過程的支持服務，需要實現(xiàn)計算機對知識的語義理解和自動化處理。在人工智能領域本體用于描述事物本質，是概念模型的明確規(guī)范說明[16]。實現(xiàn)計算機對知識資源的“理解”，需要根據(jù)領域本體構建知識上下文模型并為知識資源添加額外的標識，即對設計知識進行語義建模。如圖5所示，設計知識的語義建模主要分為兩個步驟：一是構建領域本體，其重點是本體模型的建立；二是對知識資源進行語義標注，即在本體模型中對實體元素與知識資源之間建立關聯(lián)。

圖5 設計知識語義建模流程Fig.5 Semantic modeling process of design knowledge

為了實現(xiàn)設計知識與設計過程的關聯(lián)，在構建領域本體模型時，需要結合設計任務，根據(jù)設計知識在不同階段的存在形式定義概念對象之間的關系，因此本文提出將設計知識從3個維度進行構建，分別為設計問題維、設計對象維和設計知識維。設計問題維主要描述與設計過程任務相關的概念及屬性，如槍管設計中彈膛設計、坡膛設計、線膛設計等過程概念；設計對象維主要描述設計問題所對應的設計對象相關的概念及屬性，如槍管設計中與方案域相關的結構、參數(shù)、材料等；設計知識維主要描述知識資源中各類型知識的屬性要素。表4為領域本體模型中各維度的部分概念對象屬性。

表4 領域本體模型各維度的部分對象屬性

基于本體模型框架，對領域本體進行構建，主要分為本體構建前處理和后處理兩個過程。本體構建前處理主要包括對設計產品所涉及到專業(yè)領域進行分析，明確域的范圍和粒度；提取相關重要概念、術語；然后抽象出概念間的語義關系；根據(jù)概念添加相關屬性，如對象關系、數(shù)據(jù)類型等。本體構建后處理主要是利用OWL語言對其進行形式化描述，并借助Protégé等專業(yè)工具進行本體編輯；最后從描述性和驗證性兩個不同角度檢驗、評價本體的可行性和有效性，完善本體構建。

語義標注主要完成文檔預處理、本體解析和語義匹配這3個工作。文檔預處理是將知識資源轉化成簡單的文本，再對文本進行分詞處理，去掉詞集中的停用詞，利用TF-IDF公式統(tǒng)計各個詞的詞頻，依據(jù)詞頻為每個詞賦予權重，最后根據(jù)權重的高低選擇部分候選詞，形成知識資源的表達向量。本體解析是根據(jù)已構建的本體模型，利用OWL-API工具分別解析模型中的類、實例、對象屬性、數(shù)據(jù)屬性以及其他的約束表達式，生成一個本體元素概念集合。之后再利用語義相似度算法，完成相關語義匹配，并通過設定閾值進行一些概念的取舍，最后保存結果。

在語義相似度計算中，由于概念可以描述為向量形式：即知識資源概念C=(c1,c2,…,cm)，本體概念C′=(c′1,c′2,…,c′n)，這樣兩個概念之間的語義相似度轉換為計算兩個任意長度字符串的相似度。其相似度可以描述為

(2)

式中：本文采用將編輯距離和字符串最大匹配長度結合起來衡量兩個字符串間的相關程度，λ和μ分別為兩種相似度算法的權重值；SimLD(C,C′)=1-MED(C,C′),MED(C,C′)為兩字符串最小編輯距離；

LCSLength(C,C′)為兩字符串的最長公共子序列。

2.3 方案推理與輔助決策

CBR技術是人工智能由表層機器模仿向深層機器思維發(fā)展中的一種形式[4]。但現(xiàn)有CBR研究在方案評價、參數(shù)修改方面存在不足，為此，本文基于上述知識服務策略，通過構建知識環(huán)境將設計活動中涉及到的關聯(lián)知識融入基于實例的推理中，使其起到輔助決策作用。如圖6所示，方案推理與決策流程可以分為：實例匹配——方案評價——輔助修改，其主要完成的設計活動包括設計實例的推理和設計知識的輔助決策。

圖6 方案推理與決策流程Fig.6 Reasoning and decision-making processes

在本文的知識服務方法中，關聯(lián)知識的輔助決策作用分為3個層次：1)淺層輔助，即在參數(shù)修改過程中，基于上述對設計知識的語義建模，借助語義檢索技術自動獲取設計方案中相關的業(yè)務領域知識并主動提供給設計人員，實現(xiàn)設計人員的及時查看參考；2)中層輔助，即在最優(yōu)方案選擇中，基于專家經驗知識對評價指標與實例方案進行關聯(lián)，實現(xiàn)多目標決策；3)深層輔助，即在參數(shù)修改過程中，通過原理公式、規(guī)則經驗等知識對設計參數(shù)的約束，實現(xiàn)參數(shù)的自動修改和意見推薦。

對基于實例的推理過程，首先需要完成實例檢索，考慮到上述關聯(lián)知識的輔助決策作用，本系統(tǒng)針對實例檢索制定了一個二級檢索策略，主要包括完成對實例方案特征屬性的匹配和對設計變量概念要素的語義檢索。對于設計變量概念要素的語義檢索， 可以從概念、屬性和結構3個層次計算其語義相似度[19]，由于其不是本文關注重點，這里不做詳細說明，下面重點對實例方案的特征屬性匹配進行介紹。

目前在實例特征相似度計算方面存在較多的方法，其主要思想是根據(jù)特征對象的類型選取合適的算法。如針對槍管的智能設計中，會結合槍械設計戰(zhàn)技術指標所涉及的對象特征類型，選擇相應的計算方法，就某一型號槍管來說，要求其可以射擊多種槍彈型號，在實例對象特征匹配中需要選擇包含型。如表5所示為本文智能設計系統(tǒng)中實例匹配所采用的具體特征相似度計算類型。

綜上，在實例檢索中設計實例特征屬性匹配的全局相似性可以表示為

Sim(X,Y)=ωTexSimTex+ωNumSimNum+

式中：ωTex、ωNum、ωInt、ωFuz、ωCon分別為文本型、數(shù)字型、區(qū)間型、模糊型、包含型對象特征的權重，其值由相應的領域專家根據(jù)各個戰(zhàn)技術指標的重要程度給出，取值范圍為[0, 1]。

經過實例檢索后，可以獲取到與目標方案相似的實例集，現(xiàn)有文獻中基于CBR的智能設計方法主要根據(jù)相似度的大小選取其中最相近的作為目標方案[4,10]。而在實際設計過程中，匹配出的相似實例只在一定程度上會對新設計起到作用，即用于實例匹配的對象特征屬性不能完全決定實例的重用性，評價一個方案的好壞還取決于各種評價指標，如槍械領域中故障率、結構簡單性、維修性、安全性和經濟成本等綜合評價指標。所以，本系統(tǒng)采用灰色關聯(lián)分析法和熵值法相結合的方案評價方法，量化出評價指標和方案之間的關聯(lián)關系，最終選擇出更為科學合理的最優(yōu)相似實例作為目標方案。其過程為：首先建立方案評價體系，獲取相應的評價指標并建立指標矩陣，利用灰色關聯(lián)分析計算灰色關聯(lián)系數(shù)，再借助熵值法計算指標權重，最后結合灰色關聯(lián)系數(shù)與指標權重計算灰色關聯(lián)度從而得出最優(yōu)方案。其中灰色關聯(lián)分析又包括4個步驟：構建指標矩陣、灰色關聯(lián)生成、灰色關聯(lián)系數(shù)計算和灰色關聯(lián)度計算。

當?shù)玫阶顑?yōu)相似實例后，為了檢查其是否符合設計要求，系統(tǒng)會對目標方案進行校驗，即通過設計要求指標和設計參數(shù)之間的映射關系，對比其是否滿足設計要求。對于不符合設計需求的參數(shù)，需要對其進一步修改以使最終方案滿足實際設計需求。通過上一步驟的檢驗過程，可以獲取到目標方案中不符合設計要求的參數(shù)，即需要修改的參數(shù)集；借助設計參數(shù)之間存在的關聯(lián)規(guī)則知識，確定需要修改參數(shù)的修改順序，并依據(jù)順序對其修改，同時以此獲得各參數(shù)的修改意見，最后獲取到最終設計方案。

2.4 設計工具集成與過程封裝

設計工具集成與過程封裝主要目的是通過對規(guī)則經驗知識和算法模型知識的封裝，構造可以自動運行的知識組件，實現(xiàn)智能設計過程中的自動化計算，即對智能設計活動中計算性問題的求解。目前設計工具的集成主要包括基于各軟件工具提供的應用程序編程接口(API)、基于中間狀態(tài)文件以及基于用戶子模塊等方法。本系統(tǒng)主要采用基于文件的集成方法，即通過對各軟件工具(UG、Pro/E、Matlab等)建模產生的元程序(如UG的 .macro文件、Matlab的.m文件等)進行規(guī)范化處理，并基于XML技術利用表3中規(guī)定的可執(zhí)行組件模板建模元語，將設計規(guī)則經驗知識、以及求解該模板的軟件工具啟動程序等進行封裝；同時利用接口技術調用不同類型工具的API以實現(xiàn)外部軟件工具的自動調用。通過對設計知識中計算過程類型知識的參數(shù)化封裝，既可以實現(xiàn)設計方案參數(shù)驅動的建模仿真，同時還可以實現(xiàn)設計活動中的反復迭代過程。

3 應用實例驗證

項目組在Eclipse 3.6軟件環(huán)境中，基于Java、XML、JavaScript語言開發(fā)了B/S結構(Browser/Server，瀏覽器/服務器)的智能設計系統(tǒng)，并選擇槍管為設計對象，驗證該智能設計系統(tǒng)的有效性。

3.1 智能設計系統(tǒng)結構

為了盡可能符合實際設計過程，在智能設計系統(tǒng)中，產品智能設計的執(zhí)行流程為：問題分析—方案設計(方案匹配推理)—詳細設計(方案評價、自動修改)—建模仿真—改進階段(迭代輔助修改)。為了實現(xiàn)這一流程，智能設計系統(tǒng)需要構建支持產品智能化設計過程的知識環(huán)境，根據(jù)功能不同其可以分為4個層次，如圖7所示。

圖7 基于知識的智能設計系統(tǒng)體系結構Fig.7 Architecture of knowledge-based intelligent design system

1)資源層：實現(xiàn)產品智能化設計，首先需要有大量的不同類型設計知識資源支持，包括：文檔類資源，如規(guī)則經驗、標準規(guī)范和方案報告等；開發(fā)類資源，如產品模型和計算程序等；設計工具類資源，如建模工具(AUTOCAD、UG、Pro/E、CATIA等)和計算仿真工具(Matlab/SIMULINK、ANSYS等)。

2)集成層：根據(jù)圖3對設計知識的分類，利用一定的技術手段描述組織各類型知識資源，以實現(xiàn)知識的管理和集成，并構建相應的知識庫。例如，利用模板技術實現(xiàn)知識的形式化描述與組織，利用本體技術構建設計知識的語義網絡，以實現(xiàn)知識的集成，解決設計知識對于設計活動求解存在的分布、異構等問題。

3)引擎層：實現(xiàn)智能化設計活動的關鍵，也是實現(xiàn)知識支持產品智能設計過程各功能執(zhí)行的驅動工具。根據(jù)智能設計活動求解的設計問題(推理與決策性問題和計算性問題)的類型分為智能推理與決策引擎和工具集成與知識重用引擎。智能推理與決策引擎主要實現(xiàn)方案的推理、綜合評價和參數(shù)修改等功能；工具集成與知識重用引擎主要實現(xiàn)設計工具的集成、組件模板封裝、規(guī)則約束以及經驗重用等功能。兩個引擎之間通過信息交互實現(xiàn)兩者的集成。

4)交互層：實現(xiàn)設計人員與智能設計系統(tǒng)交互，由于目前技術的局限性以及實際使用情況，智能設計行為仍然是一個需要人來參與的過程，交互層主要提供系統(tǒng)的使用界面以及信息錄入等功能。

本文基于上述方法提出的智能設計系統(tǒng)，其目標是通過知識環(huán)境的構建，實現(xiàn)將產品的設計過程從原有的“自發(fā)式”設計活動向“指令式”設計活動轉變，即設計人員在產品設計時只需要向計算機發(fā)出指令，通過計算機智能化地完成一些規(guī)則性的推理和計算活動，并輔助設計人員進行決策與設計過程。

3.2 槍管設計問題描述

槍管是槍械中最重要的零部件之一，槍管設計也是槍械設計的基礎環(huán)節(jié)[20]。通過對某兵器研究單位調研，總結了槍管設計內容，如圖8所示。槍管設計過程中需要大量的諸如設計手冊、標準規(guī)范、經驗規(guī)則和以往案例等設計知識，以實現(xiàn)其能夠容納不同類型槍彈，并賦予彈頭一定的方向和初速，且具有良好的射擊精度、足夠的管壁強度等設計目標。

圖8 槍管設計內容Fig.8 Barrel design content

實際的槍械設計中，槍管的設計一般是在槍彈設計和全槍總體布局已定的情況下進行，主要的設計工作是完成槍管內膛結構設計和管壁強度計算和校驗。強度計算主要是在裝填條件和彈頭一定的發(fā)射條件下，根據(jù)內彈道計算得出膛壓、彈頭速度與彈頭行程、時間的關系，獲取到槍管膛壓特性，繪制膛壓曲線(即P-L曲線)，確定槍管主要斷面處壁厚，形成槍管的理論外形。槍管智能設計過程主要是指根據(jù)提供的設計要求，智能地完成槍管設計中上述內膛、外形和強度等設計任務的求解，并生成設計方案和模型等結果；在槍管設計改進階段，通過人機交互或自動方式完成參數(shù)的調整，最終實現(xiàn)槍管的快速、自動化設計任務。

3.3 槍管智能設計驗證

首先，根據(jù)圖3對槍管設計相關的知識資源進行分類，并利用2.2節(jié)對設計知識的形式化描述方法，構建槍管設計各類型知識庫，包括業(yè)務領域知識庫、實例方案知識庫、規(guī)則經驗知識庫以及算法模型知識庫。如圖9所示為槍管設計知識庫中的實例方案知識庫，其主要包括槍管的基本信息和槍管各結構參數(shù)信息。

如表6所示，槍管的設計指標包括戰(zhàn)術和技術兩方面，統(tǒng)稱戰(zhàn)術技術指標(即戰(zhàn)術技術指標)，其主要作為槍管實例特征用于檢索。智能設計系統(tǒng)在實例推理前，首先需要設計人員根據(jù)專家意見對各項戰(zhàn)術技術指標設置權重以及相似度評價閾值，并通過指標輸入界面將這些指標對應輸入，如表7所示為相應需求指標的權重。系統(tǒng)根據(jù)不同指標類型對應的相似度計算方法，自動執(zhí)行實例匹配功能，獲得相似實例結果，如圖10所示。

圖9 槍管實例方案知識庫Fig.9 Barrel case base

表6 輸入的戰(zhàn)術技術需求指標

表7 戰(zhàn)術技術指標相似匹配權重

圖10 最優(yōu)相似實例獲取過程Fig.10 Retrieval process of optimal similar case

經過實例檢索后，系統(tǒng)從實例方案知識庫中獲取到相似實例集，如圖10所示。之后，設計人員配置經槍械領域專家確定的槍管設計方案中各評價指標(如故障率、結構簡單性、維修性、安全性和經濟成本等)的權重。系統(tǒng)根據(jù)各指標權重自動地計算出各相似方案的灰色關聯(lián)度，并排序獲取灰色關聯(lián)度最大的設計方案作為最優(yōu)相似實例。

圖11 實例修改界面Fig.11 Interface of case modification

如圖11所示，下一步系統(tǒng)會基于圖4所示的槍管實例庫，對最優(yōu)相似實例所對應的具體設計方案進行自動校驗，檢驗方案中的各參數(shù)是否滿足需求，并根據(jù)規(guī)則經驗知識庫中相關的知識進行自動修改，同時系統(tǒng)會提供修改理由。在修改過程中系統(tǒng)還會對各參數(shù)變量進行業(yè)務領域知識的關聯(lián)，如點擊“纏角”界面會展示業(yè)務領域知識庫中關于“纏角”的相關業(yè)務領域知識，以輔助設計人員及時查看，方便設計人員進行人機交互式修改。在完成上述實例修改過程后，系統(tǒng)利用算法模型知識庫中所封裝的可執(zhí)行組件模塊，根據(jù)設計需求調用不同的設計工具，實現(xiàn)計算、建模和仿真任務。如圖12所示為系統(tǒng)自動通過調用槍管三維模型知識模板，在UG引擎驅動下實現(xiàn)槍管的三維建模過程，界面會展示三維建模組件運行過程以及結果文件。

圖12 自動化生成三維模型Fig.12 Automatic generation of 3D model

4 結論

產品設計的智能化主要體現(xiàn)在對設計過程中計算性問題和推理決策性問題的計算機自動化處理，現(xiàn)有智能設計系統(tǒng)由于缺少對設計過程中除實例以外其余設計知識的關注，未能很好地將計算性問題和推理決策性問題的求解結合。因此，本文從產品實際設計過程中對智能設計的需求出發(fā)，提出了支持產品智能化設計的知識服務方法，通過知識服務策略的制定和支撐智能化設計知識環(huán)境的構建，可以有效地同時解決產品智能化設計活動過程中上述兩類問題的求解，實現(xiàn)了設計知識對智能化設計全過程的支持。

該方法根據(jù)設計知識與過程的關聯(lián)，將設計知識進行分類，并以此制定了各類型知識在智能設計過程中的服務策略；同時對不同類型知識進行形式化建模，包括基于模板的組織描述和基于本體的語義建模，并以此為基礎，從不同層面實現(xiàn)了關聯(lián)知識對設計過程的輔助決策作用，包括關聯(lián)知識參考、方案評價和參數(shù)修改；通過可執(zhí)行組件模板實現(xiàn)了基于文件的不同類型設計工具集成以及計算過程模板的封裝，解決設計過程中反復迭代對知識的重用。最后，通過槍管設計，驗證了基于上述方法所開發(fā)的智能設計系統(tǒng)的有效性，可以實現(xiàn)槍管的快速化、自動化設計，提升了設計效率和知識重用率。

本文還可以從以下方面進行深入研究：1)設計知識如何進一步提升對設計過程的智能服務作用，如從語義層面上通過知識推理解決設計知識輔助決策求解等問題，實現(xiàn)知識與過程的動態(tài)關聯(lián)；2)實現(xiàn)設計工具之間的動態(tài)組合，以完成協(xié)同設計任務；3)針對基于功能- 行為- 結構的產品智能化配置，研究知識對其設計過程的服務支持。

References)

[1] Gianfranco L R. Knowledge based engineering: between AI and CAD. Review of a language based technology to support engineering design[J]. Advanced Engineering Informatics, 2012, 26(2): 159-179.

[2] 肖人彬, 周濟, 查建中. 智能設計: 概念、發(fā)展與實踐[J]. 中國機械工程, 1997, 8(2): 74-76. XIAO Ren-bin, ZHOU Ji, CHA Jian-zhong. Intelligent design: concept, development and practice[J]. China Mechanical Engineering, 1997, 8(2): 74-76. (in Chinese)

[3] Richard C, Wim J C V, Michel J L, et al. A multi-disciplinary implementation methodology for knowledge based engineering: KNOMAD[J]. Expert Systems with Applications, 2010, 37(11): 7336-7350.

[4] Zbigniew K, Maria M, Stefan Z, et al. CBR methodology application in an expert system for aided design ship's engine room automation[J]. Expert Systems with Applications, 2005, 29(2): 256-263.

[5] 何勇. 火炮裝藥設計專家系統(tǒng)的設計與實現(xiàn)[J]. 兵工學報, 2000, 21(2): 171-173. HE Yong. Design and implementation of an expert system of gun charge design[J]. Acta Armamentarii, 2000, 21(2): 171-173. (in Chinese)

[6] 吳曉云, 馬大為, 李四超. 基于粗糙層次分析法的武器系統(tǒng)方案智能決策技術[J]. 兵工學報, 2005, 26(6): 803-806. WU Xiao-yun, MA Da-wei, LI Si-chao. Intelligent decision technology for weapon system scheme based on rough analytical hierarchy process[J]. Acta Armamentarii, 2005, 26(6): 803-806. (in Chinese)

[7] Burton R T, Sargent C M, Schoenau G J, et al. The use of multiple independent gains for a repetitive low frequency duty cycle in a hydraulic system[C]∥The JFPS International Symposium on Fluid Power. Tokyo, Japan: The Japan Fluid Power System Society, 1993.

[8] Kolodner J L. An introduction to case-based reasoning[J]. Artificial Intelligence Review, 1992, 6(1): 3-34.

[9] 陳靖芯, 李紅, 徐晶, 等. 基于知識的智能化設計方法及其實現(xiàn)[J]. 農業(yè)機械學報, 2003, 34(4): 109-112. CHEN Jing-xin, LI Hong, XU Jing, et al. Knowledge-based intelligent design and its application[J]. Transactions of the Chinese Society for Agricultural, 2003, 34(4): 109-112. (in Chinese)

[10] 石峰, 婁臻亮, 張永清, 等. 注塑模澆注系統(tǒng)智能設計的一種混合知識模型[J]. 上海交通大學學報, 2003, 37(5): 754-757. SHI Feng, LOU Zhen-liang, ZHANG Yong-qing, et al. A hybrid knowledge model for intelligent design of injection molding feed system[J]. Journal of Shanghai Jiao Tong University, 2003, 37(5): 754-757. (in Chinese)

[11] Peng G, Chen G, Wu C, et al. Applying RBR and CBR to develop a VR based integrated system for machining fixture design[J]. Expert Systems with Applications, 2011, 38(1): 26-38.

[12] Yu Y X, Liao H K, Zhou Y, et al. Reasoning and fuzzy comprehensive assessment methods based CAD system for boiler intelligent design[J]. Journal of Mechanical Science & Technology, 2015, 29(3): 1123-1130.

[13] 趙輝, 席平. 基于知識集成模型的產品快速設計[J]. 北京航空航天大學學報, 2006, 33(1): 123-126. ZHAO Hui, XI Ping. Product rapid design based on integrated knowledge model[J]. Journal of Beijing University of Aeronautics & Astronautics, 2006, 33(1): 123-126. (in Chinese)

[14] Guo Y G, Hu J, Peng Y H. A CBR system for injection mould design based on ontology: a case study[J]. Computer-Aided Design, 2012, 44(6): 496-508.

[15] 余旭, 劉繼紅, 何苗. 基于領域本體的復雜產品設計知識檢索技術[J]. 計算機集成制造系統(tǒng), 2011, 17(2): 225-231. YU Xu, LIU Ji-hong, HE Miao. Design knowledge retrieval technology based on domain ontology for complex products[J]. Computer Integrated Manufacturing Systems, 2011, 17(2): 225-231. (in Chinese)

[16] 王國新, 閻艷, 張祥, 等. 面向坦克裝甲車輛創(chuàng)新與快速設計的知識建模方法研究[J]. 兵工學報, 2009, 30(增刊1): 100-105. WANG Guo-xin, YAN Yan, ZHANG Xiang, et al. A knowledge modeling approach of innovation and rapid design for armored vehicle[J]. Acta Armamentarii, 2009, 30(S1): 100-105. (in Chinese)

[17] 明振軍, 閻艷, 王國新. 基于可配置模板的產品設計知識多維度表達方法[J]. 北京理工大學學報, 2014, 34(9): 917-922. MING Zhen-jun, YAN Yan, WANG Guo-xin. Multi-dimensional representation for product design knowledge based on configurable knowledge template[J]. Transactions of Beijing Institute of Technology, 2014, 34(9): 917-922. (in Chinese)

[18] 郝佳, 楊海成, 閻艷, 等. 面向產品設計任務的可配置知識組件技術[J]. 計算機集成制造系統(tǒng), 2012, 18(4): 705-712. HAO Jia, YANG Hai-cheng, YAN Yan, et al. Configurable knowledge component technology oriented to product design tasks[J]. Computer Integrated Manufacturing Systems, 2012, 18(4): 705-712. (in Chinese)

[19] Ke C B, Huang Z Q. Self-adaptive semantic web service matching method[J]. Knowledge-Based Systems, 2012, 35: 41-48.

[20] 劉長毅, 徐誠, 劉震. 基于知識的槍管CAD系統(tǒng)的研究與開發(fā)[J]. 機械科學與技術. 2000, 19(1): 161-163. LIU Chang-yi, XU Cheng, LIU Zhen. Research and development of barrel CAD system based on acknowledge[J]. Mechanical Science and Technology. 2000, 19(1): 161-163. (in Chinese)

Knowledge Service Method for Supporting Product Intellectualized Design

WANG Ru, WANG Guo-xin, YAN Yan, HAO Jia, SHI Xue-hai, MING Zhen-jun

(School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China)

To solve the problems of computation and reasoning decision in the product intellectualized design and achieve a combination of both, a knowledge service method for supporting product intellectualized design is proposed, which includes the development of knowledge service strategy and the construction of knowledge environment. The design knowledge is divided into four types, i.e. business domain, empirical rule, instance scenario and iteration calculation, by analyzing the features of design knowledge and the relationship between it and design process. A appropriate service strategy is developed for the different types of knowledge, and the formal descriptions of them are given based on knowledge and component templates. An ontology-based semantic modeling process of design knowledge is presented. On this basis, through evaluation and modification of scheme, the design knowledge is integrated into the instance-based reasoning activities, and the automated computation is achieved by tools integration and procedure packaging. A knowledge-based intelligent design system is developed. The proposed method is demonstrated by taking a gun barrel for example. The result shows that the method is effective.

artificial intelligence; knowledge service; knowledge reuse; reasoning decision; barrel design

2015-11-18

國家自然科學基金項目(51375049、51505032); 國家國防科技工業(yè)局基礎科研項目(A2220133001)

王儒(1987—), 男, 博士研究生。E-mail: haitang.56@163.com; 閻艷(1967—), 女, 教授, 博士生導師。E-mail:yanyan331@bit.edu.cn

TP182

A

1000-1093(2016)11-2101-13

10.3969/j.issn.1000-1093.2016.11.019