顧寄南，潘 甜

(江蘇大學(xué) 制造業(yè)信息化研究中心，江蘇 鎮(zhèn)江 212000)

0 引 言

當(dāng)前，制造業(yè)信息化快速發(fā)展，我國(guó)鑄件后處理打磨技術(shù)和裝備還處于比較落后的水平，面對(duì)低效率、高污染、高能耗等問(wèn)題，傳統(tǒng)鑄件后處理打磨技術(shù)亟待轉(zhuǎn)型。國(guó)外鑄造公司如意大利MAUS公司、德國(guó)格林策巴赫機(jī)械公司和其他鑄件后處理自動(dòng)化公司與國(guó)內(nèi)公司合作研發(fā)的集柔性和智能化為一體的機(jī)器人自動(dòng)打磨單元生產(chǎn)線，實(shí)現(xiàn)了制造業(yè)的自動(dòng)生產(chǎn)和綠色生產(chǎn)[1]。專家系統(tǒng)作為人工智能的一個(gè)重要分支應(yīng)用于缸體打磨是計(jì)算機(jī)技術(shù)與傳統(tǒng)鑄造業(yè)的完美結(jié)合[2]。

由于國(guó)內(nèi)對(duì)專家系統(tǒng)研究相對(duì)較晚，技術(shù)基礎(chǔ)薄弱，國(guó)外對(duì)專家系統(tǒng)相關(guān)技術(shù)的保護(hù)和限制，使得本次研究具有工程實(shí)際意義。本研究從專家系統(tǒng)的基本原理出發(fā)，基于目前計(jì)算機(jī)和機(jī)械制造業(yè)領(lǐng)域強(qiáng)大的技術(shù)支撐，開(kāi)發(fā)應(yīng)用于缸體表面打磨控制的專家系統(tǒng)。該系統(tǒng)具有強(qiáng)大數(shù)據(jù)處理功能和友好界面，能夠依據(jù)質(zhì)量檢測(cè)特征數(shù)據(jù)，自動(dòng)調(diào)整生產(chǎn)加工工藝參數(shù)，優(yōu)化加工工藝，實(shí)現(xiàn)降低表面粗糙度、提高鑄件質(zhì)量與加工效率等功能。

并且筆者計(jì)劃實(shí)施進(jìn)一步的網(wǎng)絡(luò)化開(kāi)發(fā)，通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)遠(yuǎn)程打磨控制。

1 專家系統(tǒng)與打磨控制

專家系統(tǒng)興起于20世紀(jì)60年代初，快速發(fā)展成一門新興應(yīng)用學(xué)科，作為人工智能學(xué)科的一個(gè)重要分支，專家系統(tǒng)隨著計(jì)算機(jī)技術(shù)的發(fā)展而日趨成熟。

傳統(tǒng)的人工打磨生產(chǎn)方式滯后，生產(chǎn)質(zhì)量不高，生產(chǎn)效率低下，工人通過(guò)目測(cè)缸體表面實(shí)際情況思考得出方案進(jìn)行指導(dǎo)加工。機(jī)器人打磨通過(guò)圖像檢測(cè)得到缸體表面的實(shí)際情況，經(jīng)過(guò)計(jì)算機(jī)系統(tǒng)分析后，系統(tǒng)設(shè)定最優(yōu)的打磨方式和合理的參數(shù)組合，進(jìn)而得到整個(gè)缸體打磨方案。

經(jīng)研究發(fā)現(xiàn)，傳統(tǒng)的打磨機(jī)器人控制系統(tǒng)要同時(shí)考慮機(jī)械手臂和砂輪運(yùn)轉(zhuǎn)兩個(gè)子系統(tǒng)，使系統(tǒng)具有很強(qiáng)的時(shí)變性和強(qiáng)耦合性，多輸入多輸出的非線性系統(tǒng)使加工參數(shù)很難控制，從而給機(jī)器人打磨控制帶來(lái)困難。實(shí)際驗(yàn)證表明，利用專家系統(tǒng)控制打磨過(guò)程，正好可以解決這一問(wèn)題。通過(guò)建立基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，作為專家系統(tǒng)的核心算法，結(jié)合BP神經(jīng)算法的非線性表達(dá)能力，把分析所得的打磨方法向下位機(jī)的控制器發(fā)送控制信息，找到最合適的參數(shù)組合并指導(dǎo)工作機(jī)的工作參數(shù)與工作方式，從而保證了打磨順利有效地進(jìn)行。

專家系統(tǒng)一般由知識(shí)庫(kù)、推理機(jī)、人機(jī)交互界面和知識(shí)獲取機(jī)制等方面組成。該系統(tǒng)可以按照該領(lǐng)域的專家經(jīng)驗(yàn)和知識(shí)制定規(guī)則，其內(nèi)部包括大量的具有專家水平的領(lǐng)域知識(shí)和經(jīng)驗(yàn)，推理機(jī)模擬人類專家的決策過(guò)程，運(yùn)用人類專家解決問(wèn)題的知識(shí)和方法進(jìn)行推理和判斷，針對(duì)影響機(jī)器人打磨過(guò)程的主要加工參數(shù)提供必要的優(yōu)化和控制，從而自動(dòng)地調(diào)整生產(chǎn)加工工藝參數(shù)，優(yōu)化加工工藝，提高了鑄件的表面質(zhì)量與加工效率[3-4]。

專家系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 專家系統(tǒng)結(jié)構(gòu)圖

基于機(jī)器人打磨關(guān)鍵技術(shù)的研究，運(yùn)用正交試驗(yàn)的方法發(fā)現(xiàn)，影響工件表面質(zhì)量和機(jī)器人打磨效率的主要加工參數(shù)包括砂輪狀態(tài)、進(jìn)給速度、工具轉(zhuǎn)速和打磨次數(shù)等。在砂輪準(zhǔn)備好之后，開(kāi)始打磨的第一段里，影響打磨的每個(gè)參數(shù)都在變化，通過(guò)對(duì)工藝參數(shù)進(jìn)行實(shí)時(shí)合理地控制，可以有效提高打磨后的表面質(zhì)量。當(dāng)選定合適的磨具后，通過(guò)研究各種切割打磨系統(tǒng)，打磨壓強(qiáng)Pa、進(jìn)給速度Vs和打磨次數(shù)n都是影響打磨后表面粗糙度Ra的主要因素。

通過(guò)對(duì)加工參數(shù)進(jìn)行實(shí)時(shí)合理的控制，可以有效提高打磨后的表面質(zhì)量，從而實(shí)現(xiàn)打磨的智能化[5]。

2 專家系統(tǒng)總體設(shè)計(jì)

本研究旨在運(yùn)用專家系統(tǒng)建立智能化鑄件后處理打磨數(shù)字化、信息化集成平臺(tái)，具有優(yōu)化打磨工藝參數(shù)、降低缸體打磨后表面粗糙度的功能。系統(tǒng)模塊體系包括用戶登錄模塊、預(yù)測(cè)優(yōu)化模塊、數(shù)據(jù)庫(kù)模塊等。此外，系統(tǒng)還具備知識(shí)庫(kù)維護(hù)子模塊，方便用戶對(duì)知識(shí)庫(kù)進(jìn)行不斷補(bǔ)充和完善。

專家系統(tǒng)通過(guò)網(wǎng)絡(luò)訓(xùn)練建立基于BP神經(jīng)網(wǎng)絡(luò)的表面粗糙度預(yù)測(cè)模型，BP神經(jīng)網(wǎng)絡(luò)是基于誤差方向傳播的多層前饋網(wǎng)絡(luò)，是一種監(jiān)督學(xué)習(xí)算法，能夠解決非線性連續(xù)函數(shù)的多層前饋神經(jīng)網(wǎng)絡(luò)權(quán)重調(diào)整問(wèn)題，典型的BP神經(jīng)網(wǎng)絡(luò)采用梯度下降算法。專家系統(tǒng)中該模型由輸入層、隱層和輸出層組成，輸入的是打磨壓強(qiáng)Pa、進(jìn)給速度Vs、打磨次數(shù)n和原始表面粗糙度Ra，輸出的是打磨后缸體的表面粗糙度預(yù)測(cè)值[6-9]。數(shù)據(jù)計(jì)算選擇均方誤差作為誤差控制函數(shù)，樣本訓(xùn)練的誤差為樣本誤差平方和的平均值，計(jì)算公式如下：

(1)

建模過(guò)程如圖2所示。

圖2 建模流程圖

傳統(tǒng)的機(jī)器人打磨控制系統(tǒng)中參數(shù)呈非線性變化組合，無(wú)法準(zhǔn)確指導(dǎo)加工過(guò)程。

通過(guò)改進(jìn)打磨控制方法可以保證加工參數(shù)和方式的優(yōu)化。知識(shí)庫(kù)中存儲(chǔ)著領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)，工人通過(guò)人機(jī)交互界面鍵入原始表面粗糙度和打磨加工參數(shù)，系統(tǒng)推理得到打磨后表面粗糙度實(shí)際值，并與網(wǎng)絡(luò)模型得到的預(yù)測(cè)值進(jìn)行比較，如果誤差過(guò)大，則系統(tǒng)顯示繼續(xù)優(yōu)化的提醒，此時(shí)繼續(xù)改變打磨壓強(qiáng)Pa、進(jìn)給速度Vs和打磨次數(shù)n，重新打磨，然后把打磨后的表面粗糙度重新鍵入搜索欄中，重新搜索，以此往復(fù)，直到誤差小于2%為止，最后將優(yōu)化后的打磨壓力、進(jìn)給速度和打磨次數(shù)呈現(xiàn)在打磨參數(shù)優(yōu)化查詢界面上，從而指導(dǎo)工人順利有效地進(jìn)行打磨。

3 知識(shí)庫(kù)設(shè)計(jì)

專家系統(tǒng)構(gòu)造的關(guān)鍵在于知識(shí)庫(kù)、推理機(jī)的設(shè)計(jì)和知識(shí)獲取機(jī)制。推理結(jié)果的優(yōu)劣很大程度上取決于知識(shí)庫(kù)的好壞。

3.1 知識(shí)的表示形式

知識(shí)的表示是設(shè)計(jì)專家系統(tǒng)的關(guān)鍵，該系統(tǒng)知識(shí)庫(kù)主要是缸體表面打磨控制相關(guān)知識(shí)。筆者通過(guò)研究發(fā)現(xiàn)，影響打磨后表面粗糙度Ra的主要因素是進(jìn)給速度Vs、打磨壓強(qiáng)Pa和打磨次數(shù)n。知識(shí)庫(kù)采用MySQL數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，知識(shí)庫(kù)中的數(shù)據(jù)表適合產(chǎn)生式規(guī)則表示法，因此該系統(tǒng)采用產(chǎn)生式規(guī)則形式表示知識(shí)，產(chǎn)生式規(guī)則表示知識(shí)的形式為：

If E Then C。

其中：E-規(guī)則前提條件；C-條件引出的結(jié)論。

通過(guò)正交試驗(yàn)對(duì)數(shù)據(jù)進(jìn)行分析，其中一條完整的規(guī)則為：

IfRa1=3.105 μm; andPa=5.5 kPa; andVs=180 mm/min; andn=8；ThenRa2=0.741 μm。

其中:Ra1，Ra2-打磨前、后的表面粗糙度值。

3.2 知識(shí)獲取機(jī)制

知識(shí)獲取是專家系統(tǒng)開(kāi)發(fā)過(guò)程的關(guān)鍵技術(shù)之一，知識(shí)獲取機(jī)制將從知識(shí)庫(kù)中提煉的知識(shí)轉(zhuǎn)化為計(jì)算機(jī)程序，且能為專家系統(tǒng)的推理機(jī)制所應(yīng)用。本文知識(shí)獲取方式為知識(shí)工程師通過(guò)大量實(shí)驗(yàn)向系統(tǒng)注入打磨領(lǐng)域的專家知識(shí)，如影響打磨效果各加工工藝參數(shù)和不同參數(shù)組合控制下的表面粗糙度值，并以規(guī)則表的形式存儲(chǔ)在知識(shí)庫(kù)中。此外，它還能根據(jù)實(shí)踐結(jié)果總結(jié)發(fā)現(xiàn)原知識(shí)庫(kù)中錯(cuò)誤的規(guī)則并加以修改，從而使知識(shí)庫(kù)保持不斷更新的狀態(tài)，使專家系統(tǒng)可以解決更多更復(fù)雜的問(wèn)題。

3.3 知識(shí)庫(kù)建立

知識(shí)庫(kù)中的知識(shí)來(lái)源于工廠生產(chǎn)數(shù)據(jù)和實(shí)驗(yàn)結(jié)果，本研究經(jīng)過(guò)大量實(shí)驗(yàn)和兩組驗(yàn)證實(shí)驗(yàn)，獲得了多組來(lái)源于打磨領(lǐng)域?qū)＜业募庸?shù)和表面粗糙度的知識(shí)表示，將不同的加工參數(shù)，對(duì)應(yīng)不同的表面粗糙度值以獨(dú)立文件形式建立文件文本區(qū)，并將其整理成規(guī)則表存入知識(shí)庫(kù)中。

本研究以缸體內(nèi)表面打磨為例，部分規(guī)則如表1所示。

表1 知識(shí)規(guī)則表

4 推理機(jī)的設(shè)計(jì)

推理機(jī)設(shè)計(jì)是根據(jù)一定的規(guī)則從存在的實(shí)踐中推理出新的事實(shí)的思維過(guò)程。推理機(jī)作為專家系統(tǒng)的核心，主要在求解問(wèn)題的過(guò)程中適時(shí)地決定知識(shí)的選擇和調(diào)用。在缸體表面打磨專家系統(tǒng)中，推理以知識(shí)庫(kù)中存儲(chǔ)的知識(shí)為前提，是一種基于知識(shí)的推理，知識(shí)庫(kù)和推理機(jī)構(gòu)成了專家系統(tǒng)的核心部分。

知識(shí)庫(kù)是以規(guī)則表的形式存儲(chǔ)在數(shù)據(jù)庫(kù)中，使用SQL語(yǔ)言可以有效檢索出符合要求的結(jié)果集。這種基于SQL語(yǔ)言的推理方式可以發(fā)揮知識(shí)庫(kù)本身的優(yōu)點(diǎn)，通過(guò)普通的檢索語(yǔ)句就可以實(shí)現(xiàn)推理。

該系統(tǒng)采用正向推理機(jī)制，產(chǎn)生式規(guī)則的推理機(jī)制是搜索和匹配的過(guò)程。工人通過(guò)人機(jī)交互界面輸入原始表面粗糙度和打磨工藝參數(shù)，如果檢索到相匹配的規(guī)則前件，則匹配成功，輸出規(guī)則的結(jié)論部分；否則作為新規(guī)則加入到知識(shí)庫(kù)中，以備下次推理時(shí)調(diào)用。

建立了知識(shí)庫(kù)之后，推理機(jī)根據(jù)知識(shí)庫(kù)中經(jīng)驗(yàn)數(shù)據(jù)，模擬專家指導(dǎo)打磨的思路，推理出打磨后表面粗糙度實(shí)際值，結(jié)合預(yù)測(cè)模型得到的打磨后表面粗糙度預(yù)測(cè)值，分析誤差大小，從而改變工作參數(shù)和工作方式，并把優(yōu)化策略呈現(xiàn)出來(lái)。

推理流程如圖3所示。

圖3 推理流程圖

5 專家系統(tǒng)的實(shí)現(xiàn)

本研究將BP神經(jīng)網(wǎng)絡(luò)建模技術(shù)融于專家系統(tǒng)并應(yīng)用于一般的機(jī)器人打磨控制系統(tǒng)，是機(jī)器人打磨控制方法的革新。

本研究應(yīng)用計(jì)算機(jī)領(lǐng)域的相關(guān)技術(shù)開(kāi)發(fā)專家系統(tǒng)，采用菜單及下拉菜單組件，結(jié)合對(duì)話框、狀態(tài)欄提示，具有良好的人機(jī)交互界面。該系統(tǒng)使用面向?qū)ο蟮腏AVA語(yǔ)言進(jìn)行開(kāi)發(fā)，具有較好的健壯性和移植性[10-12]。開(kāi)發(fā)使用的工具包括MyEclips編輯器和MySQL數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)設(shè)計(jì)采用第二范式，用投影分解把關(guān)系模式分解成多個(gè)關(guān)系模式，降低數(shù)據(jù)冗余度，解決可能存在的數(shù)據(jù)插入、刪除等問(wèn)題。

應(yīng)用于缸體表面打磨控制的專家系統(tǒng)是目前國(guó)內(nèi)較為先進(jìn)的一種系統(tǒng)，并與實(shí)際生產(chǎn)緊密結(jié)合。專家系統(tǒng)的實(shí)現(xiàn)不光有計(jì)算機(jī)技術(shù)領(lǐng)域的支撐，其優(yōu)化功能的實(shí)現(xiàn)同時(shí)滿足了一般工廠的生產(chǎn)加工要求。功能界面主要包括用戶登錄界面、規(guī)則增加或修改界面、打磨參數(shù)優(yōu)化管理界面、用戶留言界面等。其中，打磨參數(shù)優(yōu)化管理界面是系統(tǒng)的核心功能，也是向控制器輸送信號(hào)的關(guān)鍵步驟，從而指導(dǎo)工作機(jī)改變加工參數(shù)和加工方式，準(zhǔn)確完成企業(yè)的生產(chǎn)加工要求。

以下是缸體表面打磨控制專家系統(tǒng)中實(shí)現(xiàn)打磨優(yōu)化和知識(shí)維護(hù)功能的關(guān)鍵步驟。對(duì)知識(shí)庫(kù)中具體的規(guī)則進(jìn)行修改或增加，從而使知識(shí)庫(kù)得到不斷補(bǔ)充和完善。

規(guī)則增加或修改界面如圖4所示。

圖4 規(guī)則增加或修改界面

推理機(jī)將推理得到的實(shí)際值與神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值進(jìn)行比較，直到預(yù)測(cè)值與實(shí)際值的誤差范圍小于2%為止，進(jìn)而推理出合適的打磨參數(shù)和打磨方法，顯示在優(yōu)化查詢界面上。

預(yù)測(cè)結(jié)果顯示如圖5所示。

圖5 預(yù)測(cè)結(jié)果顯示

本研究使用GlassFish服務(wù)器完成了缸體表面打磨優(yōu)化專家系統(tǒng)網(wǎng)絡(luò)應(yīng)用的部署，最終程序運(yùn)行平穩(wěn)，指導(dǎo)工作機(jī)控制打磨過(guò)程方便快捷且準(zhǔn)確無(wú)誤，再次證明了建立神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型方法的有效性。在日后的研發(fā)中，可以通過(guò)改進(jìn)規(guī)則的添加方法，使之更為簡(jiǎn)潔明了、方便操作。

6 結(jié)束語(yǔ)

基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型建立的缸體表面打磨控制專家系統(tǒng)，利用數(shù)據(jù)推理和誤差分析得到最合適的加工參數(shù)組合，通過(guò)打磨控制技術(shù)方法的革新準(zhǔn)確快捷地完成了工藝參數(shù)的優(yōu)化，達(dá)到降低表面粗糙度、提高生產(chǎn)質(zhì)量的生產(chǎn)目的，有效避免了傳統(tǒng)打磨中太過(guò)依賴工人經(jīng)驗(yàn)進(jìn)行實(shí)時(shí)控制的繁瑣，這對(duì)日后研究如何降低打磨過(guò)程中材料的去除率、優(yōu)化打磨軌跡有著十分重要的指導(dǎo)意義。

將先進(jìn)的計(jì)算機(jī)技術(shù)應(yīng)用到傳統(tǒng)的鑄件后處理打磨過(guò)程中是未來(lái)鑄造行業(yè)發(fā)展的必然趨勢(shì)，人工智能和專家系統(tǒng)技術(shù)也將越來(lái)越廣泛地應(yīng)用于鑄造行業(yè)。

[1] 李玉青，吳殿杰.鑄件后處理磨削工藝裝備的應(yīng)用現(xiàn)狀[J].鑄造設(shè)備與工藝，2014(2):21-23.

[2] 張煜東，吳樂(lè)南，王水花.專家系統(tǒng)發(fā)展綜述[J].計(jì)算機(jī)工程與應(yīng)用，2010，46(19):43-47.

[3] RAO S S, NAHM A, SHI Z, et al. Artificial intelligence and expert systems applications in new product development a survey[J].JournalofIntelligentManufacturing，1999，10(3):231-244.

[4] 徐 姣.基于機(jī)器人自動(dòng)打磨系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].產(chǎn)業(yè)與科技論壇，2017，16(4):89-90.

[5] 陳 進(jìn).打磨機(jī)器人的運(yùn)動(dòng)軌跡控制策略研究[D].武漢：湖北工業(yè)大學(xué)電氣與電子工程學(xué)院，2015.

[6] 朱 英.改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其應(yīng)用[J].武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2012，36(6):1252-1255.

[7] 張家敏，許德章.基于蟻群BP神經(jīng)網(wǎng)絡(luò)算法的六維力傳感器解耦研究[J].輕工機(jī)械，2016，34(1)：1-4.

[8] PRABHU S， UMA M， VINAYAGAM B K. Surface roughness prediction using Taguchi-fuzzy logic-neural network analysis for CNT nanofluids based grinding process[J].NeuralComputingandApplications，2015，26(1):41-55.

[9] LI L， WANG D， PAN Cai-xia， et al. Soil surface roughness measuring method based on neural network and decision tree[J].NongyeGongchengXuebao/transactionsoftheChineseSocietyofAgriculturalEngineering，2015，31(14):132-138.

[10] 劉瑞強(qiáng).專家系統(tǒng)的Java實(shí)現(xiàn)[J].黑龍江科技信息，2012(12):96-96.

[11] CUN Xian-e . An application study on the rule-based java expert system shell—jess[J].MicrocomputerInformation，2010(5):224-225，194.

[12] BASHEER A， SAPUAN S M， ZAINUDIN E S， et al. Java based expert system for selection of natural fibre composite materials Basheer[J].JournalofFoodAgriculture&Environment，2013，11(3):5448-5459.