专利名称：机器智能参与设计决策的冷挤压件智能设计系统的利记博彩app
技术领域：
本发明涉及一种冷挤压件的智能设计系统。
背景技术：
设计是一个复杂的分析、综合与决策活动，其构成成分可以分为三类智力创造、 分析计算和设计表达。其中，智力创造包括设计过程中的推理、综合、类比等需要通过思维 活动来实现的工作，是整体设计构思的阶段，也是设计中最为核心的部分；分析计算是通过 数学方法，具体是借助各类分析软件对产品的行为进行分析或对性能进行仿真和模拟，以 确定方案的可行性；设计表达是将设计的结果以图形、文字或数字的形式表述出来。传统的 CAD系统大多是辅助设计者完成后两类设计工作在分析计算方面，主要以有限元分析技 术为代表，包括各类专用的工程计算系统、仿真系统、设计系统和模拟系统；设计表达方面， 包括早期设计开发的一二维绘图技术和今天已被广泛采用的产品三维造型技术，以及由产 品三维表达带来的增值功能，如干涉检查、虚拟装配等。即使传统的CAD系统已经能够强 有力地辅助设计人员完成后两类工作，但是其智能化水平还有待提高，大多数的CAD软件 都是作为独立的分析设计平台而存在，尚无整合了典型分析计算和设计表达类CAD软件的 设计平台出现，现有的一些CAD软件的协调工作大多仅仅局限于通过软件各自的接口来实 现，接口的应用需要设计人员具有非常高的二次开发能力，这大大提高了设计人员利用接 口实现软件平台协同工作的门槛。而作为设计核心的智力创造，传统的CAD系统并没有对 其提供有力的辅助和支持。在当前设计模式下，智力创造涉及的推理、综合、联想、类比、学 习等智力型劳动仍然由人类专家来完成。而人类专家主导设计有其局限性，具体表现在设 计人员独立开展设计工作需要较高水平的知识和经验的积累，而这些知识和经验的积累通 常需要很多年的时间才能掌握，这与工业生产追求高效的原则相矛盾；而且，在老设计人员 实际解决问题的过程中往往无法清晰地表述具体用到了哪些知识，无法将含蓄不清的知识 转化为精确的物理符号，使得老设计人员无法将知识准确、完整地传递给新设计人员，因而 造成长期积累的知识和经验流失。对于冷挤压件的设计也是如此，现有的冷挤压件设计存在的技术缺陷为以人类 专家主导设计、对用户技术要求很高、工作效率低。
发明内容
为了克服已有冷挤压件的以人类专家主导设计、对用户技术要求很高、工作效率 低的不足，本发明提供一种模拟人类智能设计冷挤压件、对用户的技术要求降低、工作效率 高的机器智能参与设计决策的冷挤压件智能设计系统。本发明解决其技术问题所采用的技术方案是一种机器智能参与设计决策的冷挤压件智能设计系统，所述智能设计系统包括设计型专家系统模块，内部含有大量的冷挤压成形领域专家水平的知识与经验， 利用人类专家的知识和解决问题的方法来处理冷挤压成形领域问题，利用所述知识和经验，进行推理和判断，模拟人类专家的决策过程，所述设计型专家系统模块包括知识库，集合用于设计冷挤压件的领域知识以及专家的实际经验，包括产品实例 库、设计规则库、设计参数库和数值方法库；产品实例库是设计人员工作中长期累积下来的 实例的集合，用于基于实例推理时产生新的目标模型，同时作为原始学习模型以便设计中 需要时调用；设计规则库是与冷挤压件有关的知识和经验存储的主要场所，将知识和经验 转化为计算机可以处理的符号形式以便于描述和编辑；设计参数库主要存放着各种冷挤压 模具材料的化学成分、物理性能、推荐的热加工和热处理工艺参数及相应的力学性能技术 资料；数值方法库存放着智能设计方法会用到的各类数值算法知识；推理机，用于在用户输入冷挤压件的性能要求后，由推理机制根据推理策略对知 识库进行搜索；动态数据库，用于在工作时动态存储设计过程中的信息，包括冷挤压件的初始设 计要求、中间结果及最终方案，由推理机制控制其刷新；解释机制，用于对用户或工程师所提出的问题，给出一个回答；工程分析模块，用 于建立冷挤压件初始设计方案的设计变量和优化目标之间的函数关系，然后对初始设计方 案作优化，并绘制出优化后的图形信息，包括仿真分析单元，以有限元软件作为工具模拟出多组有代表性的试验数据，以作为 后续建立非线性映射时的训练样本；计算优化单元，用于将这多组试验数据作为训练数据，采用支持向量机的方法建 立设计参数和优化目标之间的映射，利用这一映射再预测出多组试验数据，利用原有和预 测出的多组数据拟合出设计参数和优化目标之间的函数关系，将这一函数用于计算优化， 采用遗传算法优设计参数，将优化后的设计参数代入参数化的初始设计方案，得到优化后 的冷挤压件设计方案；参数化绘图单元、用于将图纸信息存入产品实例库；产品性能评价模块，用于评价优化后得到的方案是否符合设计要求，通过判断成 形载荷、金属流动、应力应变分布、成形缺陷和模具填充情况来评价冷挤压成形件的质量， 对每一项评价对象都会定义相应的准则以供评价。进一步，所述产品性能评价模块中，通过有限元软件后处理模拟成形后的零件，导 出应力、形变结果到第三方后处理程序，该后处理程序由开发人员根据定义的评价准则编 写，通过该程序完整可信地评价产品的整体性能，如果产品经该评价不合格，则重新返回到 优化阶段，重新迭代优化，最终获得优化解。再进一步，所述推理机的推理机制有四类基于实例推理、基于规则推理、基于支 持向量机推理和遗传算法。更进一步，所述基于支持向量机推理，用于根据几组典型有限元分析结果建立有 限元结果预测模型，通过寻求结构化风险最小，能够实现经验风险和置信范围的最小化；最 终转化成为一个二次型寻优问题，得到的将是全局最优点，而且将实际问题通过非线性变 换转换到高维的特征空间，在高维空间中构造线性决策函数来实现原空间中的非线性决策 函数。所述遗传算法，用于优化冷挤压件设计参数，其以设计参数的编码而不是值作为 运算对象使得计算优化过程可以借鉴生物学中的染色体和基因概念，模仿自然界中生物的遗传和进化机理，以目标函数值作为搜索信息，同时使用多个搜索点的搜索信息。本发明的有益效果主要表现在模拟人类智能设计冷挤压件、对用户的技术要求 降低、工作效率高、可保证设计方案的最优化。
图1是冷挤压件智能设计方法的体系构架。图2是基于集成求解策略的冷挤压件智能设计方法工作流程。
具体实施例方式下面结合附图对本发明作进一步描述。参照图1和图2，一种机器智能参与设计决策的冷挤压件智能设计系统，所述智能 设计系统包括模块I——设计型专家系统模块.它包括知识库、推理机、动态数据库和解释机 制。其内部含有大量的冷挤压成形领域专家水平的知识与经验，能够利用人类专家的知识 和解决问题的方法来处理该领域问题。该模块是利用这些知识和经验，进行推理和判断，模 拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题；上述设计型专家系统模块中的知识库集合了智能设计方法中用于设计冷挤压件 的领域知识以及专家的实际经验。包括常见的冷挤压产品实例库、设计规则库、设计参数库 和数值方法库。产品实例库是设计人员工作中长期累积下来的冷挤压件实例的集合，这些 实例可以用于基于实例推理时产生新的目标模型，同时作为原始学习模型以便设计中需要 时调用；设计规则库是与冷挤压件有关的知识和经验存储的主要场所，必须将知识和经验 转化为计算机可以处理的符号形式以便于描述和编辑；设计参数库主要存放着各种冷挤压 模具材料的化学成分、物理性能、推荐的热加工和热处理工艺参数及相应的力学性能等技 术资料；数值方法库存放着智能设计方法会用到的各类数值算法知识。用户、专家和知识工 程师可以通过知识库管理系统管理知识库系统中的知识，知识库管理系统的功能是知识 库的建立与撤销、知识的插入与删除、知识的修改、知识的检索与搜索以及知识的保密性措 施等。本方法涉及支持向量机和遗传算法相关的知识。支持向量机用于根据几组典型有限 元分析结果建立有限元结果预测模型，与神经网络方法相比，支持向量机特点是专门针对 有限样本情况，其目标就是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最 优值；支持向量机通过寻求结构化风险最小，能够实现经验风险和置信范围的最小化；支 持向量机算法最终将转化成为一个二次型寻优问题，从理论上说，得到的将是全局最优点， 解决了在神经网络方法中无法避免的局部极值问题；而且支持向量机将实际问题通过非线 性变换转换到高维的特征空间，在高维空间中构造线性决策函数来实现原空间中的非线性 决策函数，它巧妙的解决了维数问题，其算法复杂度与样本维数无关。遗传算法用于优化冷 挤压件设计参数，其以设计参数的编码而不是值作为运算对象使得计算优化过程可以借鉴 生物学中的染色体和基因等概念，可以模仿自然界中生物的遗传和进化等机理，因此有其 独特性；遗传算法以目标函数值作为搜索信息，不需要目标函数导数值等其它一些辅助信 息就能确定搜索方向，这使得遗传算法有较高的适应性；遗传算法能够同时使用多个搜索 点的搜索信息可以避免搜索过程陷于局部最优解而停滞不前，其遗传特性使其具备搜索全
6局最优解的能力。上述设计型专家系统模块中的推理机是专家系统的控制中心，负责把人工智能的 理论和方法应用于冷挤压的CAD领域，从而进一步解放设计者在设计中的推理、综合、联 想、类比学习等智力型劳动。在用户输入产品的性能要求后，由推理机制根据一定的推理策 略对知识库进行搜索，并输出冷挤压件的初始设计方案，同时作为引导调整设计及优化设 计的依据。在后续工程分析模块中预测有限元模型仿真结果和优化设计参数时也需要推理 机利用知识库中的相关知识经验参与工作。本方法设计推理机制有四类基于实例推理、基 于规则推理、基于支持向量机的推理和遗传算法。基于知识的推理所要解决的问题是如何 在问题求解过程中，选择和运用知识，完成问题求解，知识库中的知识都要借助推理机才能 得到运用。动态数据库是本方法工作时动态数据的存储位置。设计过程中的信息包括初始设 计要求、中间结果及最终方案均写入到数据库，由推理机制控制其刷新。解释机制在专家系统模块中的作用是对用户或工程师所提出的问题，给出一个 清晰的、完全的、易于理解的回答，即对其行为和结果作出合理的说明。一方面，许多用户 可能对知识库的知识不了解，甚至不信任，如果模块智能给出问题的求解结论，而缺乏必要 的、确切的说明，那么其结论容易被视为“黑箱”的预言而难以被用户所接受，在工作过程中 给出对结论的获得过程给出详细的说明，可以大大增加设计人员对该智能设计方法的接受 性；另一方面，知识库里面的知识有一定的局限性，知识工程师并不能完全准确地把人类专 家大脑中的每一条知识都转化为符号形式存储在知识库中，这必将导致智能设计方法在作 智力型劳动后推出的结果与实际情况相悖，出现这样的情况，就需要确定错误的根源，以利 于知识工程师随时发现和修改知识库中的缺陷和错误，所以，对推理过程的解释是知识工 程师维护知识库的主要手段，同时也为研制和调试带来了极大的便利。解释的另一大作用 是对初级用户和刚开始利用这一智能设计方法进行冷挤压件设计的新手进行引导和教育。 因此，解释机制补偿了知识库的局限性。模块II——工程分析模块，工程分析模块的功能是建立初始设计方案的设计变量 和优化目标之间的函数关系，然后对初始设计方案作优化，并绘制出优化后的图形信息。该 模块由仿真分析、计算优化和参数化绘图三部分组成。仿真分析的作用是在支持向量机建 立设计参数和优化目标之间的映射之前用有限元软件模拟出几组有代表性的试验数据，将 这几组试验数据作为训练数据，采用支持向量机的方法建立设计参数和优化目标之间的映 射，利用这一映射再预测出多组试验数据，利用原有和预测出的多组数据拟合出设计参数 和优化目标之间的函数关系。将这一函数用于计算优化，这里用到遗传算法优化，可以得到 优化后的设计参数。将优化后的设计参数代入参数化的初始设计方案，可以得到优化后的 设计方案，同时参数化绘图并将图纸信息存入产品实例库。模块III——产品性能评价模块，用于评价优化后模型是否符合设计要求。这一 模块包含了冷挤压成形设计的整个评价体系包括评价的准则、方法和具体指标。在智能 设计方法正式工作之时，整个评价体系已经以知识的形式存储在知识库里。性能评价是通 过判断成形载荷、金属流动、应力应变分布、成形缺陷和模具填充等情况来评价成形件的质 量，对每一项评价对象都会定义相应的准则以供评价。主要的方法是通过有限元软件后处 理模拟成形后的零件，导出应力、形变结果到第三方后处理程序，该后处理程序由开发人员根据定义的评价准则编写，通过该程序可以完整可信地评价产品的整体性能。假设产品经 该评价不合格，则需要重新返回到优化阶段，重新迭代优化，最终获得优化解。如图1所示将冷挤压件智能设计方法分为三大模块设计型专家系统模块、工程 分析模块和产品性能评价模块。通过这三个模块既实现了冷挤压件方案设计的智能化，同 时对仿真分析结果进行了自动的分析与评价。其中，设计型专家系统模块是方法的核心，它 包括知识库、推理机、动态数据库和解释机制。该模块的功能是初始方案的设计和为整个智 能设计方法提供基于知识的设计决策。本发明预设了两种初始方案的设计方法，基于知识 的推理法和人类专家自行设计法(对原有模型作修改或者全新设计)。对于一些已经标准 化、基本特征与实例库中模型尚无多大改变的冷挤压件，可以采用基于知识的推理法；而对 于其它零件由于实例库模型数量有限以及冷挤压件特征变化差异较大以至于没有足够知 识以供推理，预设了人类专家自行设计法，以弥补知识库知识的匮乏。设计好的初始方案将 会被送入工程分析模块作优化设计，设计好的零件再送至性能评价模块结合模糊综合评价 技术对冷挤压件设计方案的综合性能等进行评价。这三个模块既相互独立又相互联系，设计型专家系统模块为工程分析提供结构及 功能等有关性能参数的产品设计方案，同时工程分析模块又可为专家系统模块服务，用以 检验专家系统所输出方案的合理性和可靠性。产品性能模块可以对专家系统模块输出的设 计方案根据工程分析的结果作出进一步的分析和评价，同时通过评价过程积累经验，从而 进一步丰富专家系统模块中的知识库，提高智能设计方法的智能化水平。本实施例提出的冷挤压件智能设计方法工作流程如图2所示，包括如下内容1.生成初始设计方案。采用两种不同的方法，若是推理法，则采用推理机根据知识 库的知识和经验推理出初始设计方案；若是人类专家自行设计法，则可以通过修改已有模 型或者设计全新模型的方法来实现；2.确定设计参数。若是知识库中已有欲设计冷挤压件的相似零件，那么可以通 过知识库的知识经验推理确定设计参数；若是其它零件，则需要用户辅助分析确定设计参 数，而用户的这一决策行为会被专家系统所学习，并将该经验存储在知识库中，以供以后使 用；3.建立设计参数与优化目标之间的函数关系。首先采用试验设计方法设计实验， 利用有限元软件仿真获得支持向量机的训练数据，支持向量机训练数据后获得设计参数和 优化目标之间的映射，利用映射的预测能力获取多组有限元分析数据预测值，然后建立函 数关系；4.优化方案。优化算法采用遗传算法。5.优化结果评价。需要从可制造性的角度对工艺流程制定、整个成型系统设计和 概念化的金属塑性成型产品的设计做出评价。
8
权利要求
1.一种机器智能参与设计决策的冷挤压件智能设计系统，其特征在于 所述智能设计系统包括设计型专家系统模块，内部含有大量的冷挤压成形领域专家水平的知识与经验，利用 人类专家的知识和解决问题的方法来处理冷挤压成形领域问题，利用所述知识和经验，进 行推理和判断，模拟人类专家的决策过程，所述设计型专家系统模块包括知识库，集合用于设计冷挤压件的领域知识以及专家的实际经验，包括产品实例库、设 计规则库、设计参数库和数值方法库；产品实例库是设计人员工作中长期累积下来的实例 的集合，用于基于实例推理时产生新的目标模型，同时作为原始学习模型以便设计中需要 时调用；设计规则库是与冷挤压件有关的知识和经验存储的主要场所，将知识和经验转化 为计算机可以处理的符号形式以便于描述和编辑；设计参数库主要存放着各种冷挤压模具 材料的化学成分、物理性能、推荐的热加工和热处理工艺参数及相应的力学性能技术资料； 数值方法库存放着智能设计方法会用到的各类数值算法知识；推理机，用于在用户输入冷挤压件的性能要求后，由推理机制根据推理策略对知识库 进行搜索；动态数据库，用于在工作时动态存储设计过程中的信息，包括冷挤压件的初始设计要 求、中间结果及最终方案，由推理机制控制其刷新；解释机制，用于对用户或工程师所提出的问题，给出一个回答；工程分析模块，用于建 立冷挤压件初始设计方案的设计变量和优化目标之间的函数关系，然后对初始设计方案作 优化，并绘制出优化后的图形信息，包括仿真分析单元，以有限元软件作为工具模拟出多组有代表性的试验数据，以作为后续 建立非线性映射时的训练样本；计算优化单元，用于将这多组试验数据作为训练数据，采用支持向量机的方法建立设 计参数和优化目标之间的映射，利用这一映射再预测出多组试验数据，利用原有和预测出 的多组数据拟合出设计参数和优化目标之间的函数关系，将这一函数用于计算优化，采用 遗传算法优设计参数，将优化后的设计参数代入参数化的初始设计方案，得到优化后的冷 挤压件设计方案；参数化绘图单元、用于将图纸信息存入产品实例库；产品性能评价模块，用于评价优化后模型是否符合设计要求，通过判断成形载荷、金属 流动、应力应变分布、成形缺陷和模具填充情况来评价成形件的质量，对每一项评价对象都 会定义相应的准则以供评价。
2.如权利要求1所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征在 于所述产品性能评价模块中，通过有限元软件后处理模拟成形后的零件，导出应力、形变 结果到第三方后处理程序，该后处理程序由开发人员根据定义的评价准则编写，通过该程 序完整可信地评价产品的整体性能，如果产品经该评价不合格，则重新返回到优化阶段，重 新迭代优化，最终获得优化解。
3.如权利要求1或2所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征 在于所述推理机的推理机制有四类基于实例推理、基于规则推理、基于支持向量机推理 和遗传算法。
4.如权利要求3所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征在于所述基于支持向量机推理，用于根据几组典型有限元分析结果建立有限元结果预测模 型，通过寻求结构化风险最小，能够实现经验风险和置信范围的最小化；最终转化成为一个 二次型寻优问题，得到的将是全局最优点，而且将实际问题通过非线性变换转换到高维的 特征空间，在高维空间中构造线性决策函数来实现原空间中的非线性决策函数。
5.如权利要求3所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征在 于所述遗传算法，用于优化冷挤压件设计参数，其以设计参数的编码而不是值作为运算对 象使得计算优化过程可以借鉴生物学中的染色体和基因概念，模仿自然界中生物的遗传和 进化机理，以目标函数值作为搜索信息，同时使用多个搜索点的搜索信息。
全文摘要
一种机器智能参与设计决策的冷挤压件智能设计系统，包括设计型专家系统模块，内部含有大量的冷挤压成形领域专家水平的知识与经验，利用人类专家的知识和解决问题的方法来处理冷挤压成形领域问题，利用知识和经验，进行推理和判断，模拟人类专家的决策过程；工程分析模块，用于建立冷挤压件初始设计方案的设计变量和优化目标之间的函数关系，然后对初始设计方案作优化，并绘制出优化后的图形信息；产品性能评价模块，用于通过判断集中应变、成形载荷、金属流动、应力应变分布、成形缺陷和模具填充情况来评价成形件的质量，对每一项评价对象都会定义相应的准则以供评价。本发明模拟人类智能设计冷挤压件、对用户的技术要求降低、工作效率高。
文档编号G06N5/00GK102063550SQ20111000240
公开日2011年5月18日 申请日期2011年1月7日 优先权日2011年1月7日
发明者孟彬, 杨庆华, 潘隽 申请人:浙江工业大学