基于粗糙集的机械制造工艺知识发现方法研究 1.doc

《基于粗糙集的机械制造工艺知识发现方法研究 1.doc》由会员分享，可在线阅读，更多相关《基于粗糙集的机械制造工艺知识发现方法研究 1.doc（7页珍藏版）》请在三一办公上搜索。

1、精品论文大全基于粗糙集的机械制造工艺知识发现方法研究 1殷国富，方辉，王卓，龙红能 四川大学制造科学与工程学院，四川成都（610065） E-mail：gfyin摘要：针对企业工艺信息系统中的知识发现问题，分析了传统的计算机辅助工艺设计系统、 工艺信息系统和基于知识的工艺信息系统的联系与区别，阐述了基于知识的工艺信息系统的 设计目标和体系结构，构建了包含工艺资源管理、工艺辅助设计、工艺流程管理和工艺项目管理等模块的工艺信息系统和包含工艺知识发现算法集合、工艺知识管理等模块的工艺知识发现及知识管理系统，提出了建立包含多种数据挖掘算法的工艺知识挖掘算法集合，以实现 针对不同的知识发现任务、采用不同

2、方法进行工艺知识发现的目的。最后给出了运用粗糙集 方法进行工艺知识发现的实例。关键词：工艺信息系统；知识发现；知识管理；粗糙集中图分类号: TH162-7-0. 引言计算机技术的发展使当前的工艺信息 系统完全能够胜任海量工艺数据的存储任 务，这些数据中蕴含着丰富的工艺知识。 工艺知识发现对于总结工艺经验，发现、 继承和发展工艺知识，提高工艺水平和管 理水平具有重要的意义。工艺知识发现是 一个多目标、多标准、多属性的决策过程 1，不仅针对工艺规划，而且也可以针对 材料消耗、工时定额、质量控制等所有与 工艺相关的信息进行数据挖掘。模糊集、粗糙集、决策树、范例推理， 遗传算法以及神经网络等方法，为知

3、识发 现提供了多样化的工具2。文献3采用模 糊聚类方法分析企业历史数据，并用模糊 关联规则进行数据挖掘；文献4基于粗糙 集构造度量工艺规则相似性的规则距离公 式，并建立了工艺决策推理的规则集约简 方法；文献5运用遗传算法对传统的关联 知识挖掘算法进行优化；文献6、7和8 分别采用了贝叶斯网络、决策树以及神经 网络等方法进行数据挖掘。工艺信息的不确定性、非规则性和模 糊性等特点，为直接对工艺信息系统内的原始数据进行工艺知识发现带来了很大的难度，同时也使单一的方法难于胜任多样 而复杂的工艺知识发现工作。因此，本文 提出建立包含工艺辅助设计、资源管理、 流程管理以及项目管理等模块的工艺信息 系统，并

4、在此基础上建立包括知识管理模 块和知识发现算法集合模块的工艺知识发 现及知识管理系统，针对不同知识发现任 务采用不同方法进行数据挖掘，以达到为 工艺工作提供决策辅助信息，及时总结、 发现和整理隐性知识，防止工艺知识流失 的目的。1. 基于知识的工艺信息系统设 计1.1 系统设计目标计算机辅助工艺设计(Computer Aided Process Planning, CAPP)是工艺人员应用 信息技术、计算机技术和人工智能，将企 业的产品设计数据转化为产品制造数据的 一种技术4。传统的 CAPP 系统的核心内 容是工艺规程编制，随着企业对信息集成 的要求越来越高，CAPP 系统逐渐向能够 与企业

5、 PDM/ERP 实现信息集成的工艺信1 本课题得到高等学校博士学科点专项科研基金（编号：20060610033）的资助。息系统发展。这样的工艺信息系统不仅包含传统意义上的计算机辅助工艺设计功 能，而且包含了工艺管理功能，但是它并 不具备工艺知识处理能力，因而在一定程 度上仍然是“狭义”的工艺信息系统。随着 信息技术的发展和企业信息化工程的深入 实施，不仅要求工艺信息系统具备工艺设 计和管理功能，而且具备以工艺信息为基 础、运用多种方法进行工艺知识发现的能 力，从而形成工艺设计、工艺数据管理和 工艺知识发现和知识管理集成的广义的工如前所述，基于知识的工艺信息系统主要包括两个分系统，即工艺信息系

6、统和 工艺知识发现及知识管理系统，它们在功 能上相对独立又相互联系，即在需要时能 够相互调用，如图 2 所示。其中，工艺信 息系统主要包括工艺资源管理、工艺辅助 设计、工艺流程管理和工艺项目管理等模 块；工艺知识发现及知识管理系统主要包 括工艺知识发现算法集合、工艺知识管理 两个模块。艺信息系统，即基于知识的工艺信息系统， 如图 1 所示。计算机辅助 工艺规程编制计算机辅助 工艺设计计算机辅助 工艺管理工艺信息系统传统 CAPP 系统工艺 任务计划与分配 流程文件审核管理管理文件更改控制模块任务进度管理工艺 重用型工艺设计 辅助特征检索式设计模块基于实例创新型工艺设计工艺权限管理 项目用户管理

7、 管理产品结构管理模块集成数据管理工艺资源类型定义 资源资源内容管理 管理资源检索模块资源映射与转换工艺信息系统工艺知识发现及知识管理系统图 1 工艺系统及其主要内容粗糙集工艺 模糊集知识 神经网络发现算法遗传算法集合工艺信息获取 工艺 工艺信息整理 知识管理 工艺知识发现工艺知识发布计算机辅助 工艺设计计算机辅助 工艺管理计算机辅助 工艺知识管理基于知识的工艺信息系统基于知识的工艺信息系统的设计目标 就是以企业工艺信息为基础，充分利用企业内外部工艺资源，采用多种知识发现方 法进行工艺数据挖掘，并将其反馈至工艺 信息系统之中，以促进企业内部工艺知识 的交互和共享，使制造、设计和管理等各 相关部

8、门在其需要的时候获取适当的工艺知识，辅助其进行适当的决策，从而提高 生产、设计和管理人员的工艺知识获取和 处理能力，进而提高产品质量和生产效率。1.2 系统总体结构基于知识的工艺信息系统图 2 基于知识的工艺信息系统结构1.2.1 工艺资源管理按照数据来源工艺资源可以分为企 业内部工艺资源和外部工艺资源。内部工 艺资源包括企业在长期生产中积累的各类 工艺数据和信息；外部工艺资源包括国标、 部标以及其它企业的工艺数据和信息等， 外部工艺资源可从网络等多种途径获取。 按照使用范围工艺资源可以分为工艺设备类资源、工艺技术类资源和工艺管理类资源等。机床、夹具、量具、刃具等的工艺 参数属于工艺设备类资源

9、；常用材料工艺 性能、切削用量、加工余量、典型工艺规 程等属于工艺技术类资源；工时定额、工 装使用状况等属于工艺管理资源。由于工 艺资源形式多样、内容广泛，因此在资源 管理模块中设置了工艺资源定义和内容管 理功能，以方便快捷地实现工艺资源检索。 当调用工艺资源进行工艺知识发现时，需 对某些数据进行预处理，如对某些区间值 进行细化，或针对具体加工任务对不确定 性工艺语言进行赋值，所以在工艺资源管 理模块中加入了工艺资源映射与转换功 能。1.2.2 工艺辅助设计工艺辅助设计模块主要用于完成传 统的计算机辅助工艺设计功能。从实际应 用的角度来看，工艺设计大致可分为两种 形式，一是对已有工艺进行修改以

10、形成新 工艺，即重用型工艺设计；二是编制全新 的工艺，即创新型工艺设计。这两种情况 均可借鉴已有工艺规程，因此设计了特征 检索和基于实例两种辅助决策方式，目的 在于充分利用企业工艺资源、高效制定合乎本企业规范和习惯的工艺。工艺流程管理和工艺项目管理的内容都属于工艺信息系统的主要功能，但要成为基 于知识的工艺信息系统，就必须具备工艺 知识发现和工艺知识管理功能。2. 工艺知识发现与知识管理功 能及其关键技术工艺知识发现及知识管理系统分为 知识发现算法集合和工艺知识管理两个部 分。2.1 工艺知识发现算法集合如前所述，工艺信息的不确定性、非 规则性和模糊性等特点，使得任何单一的 方法难于胜任工艺知

11、识发现工作，而每一 种数据挖掘方法都有其优势和不足，因此， 应当将多种算法结合起来，形成工艺知识 发现算法集合，针对不同的知识发现任务， 采用某一方法或多种方法协同进行数据挖 掘工作。遗 传 算 法工艺过程排序神 经 网 络路径优化路径优化分类编码工艺方案选择工艺参数优化模 糊 集方案模糊评价工艺参数描述工艺参数优化工艺知识发现算法集合1.2.3 工艺流程管理和工艺项目管理工艺流程管理的主要内容包括：(1) 工艺任务分配；(2)制定工艺设计流程，包 括工艺任务步骤、工作期限、终止条件等；离散归一化粗 工艺数据约简糙 属性权值计算集工艺案例分类决 工艺参数分类策贝 叶 斯 网 络工艺规则分类因果

12、关系推理不确定知识表达聚类模式发现工艺规则分类 树工艺案例分类修改工艺文件引起混乱；(4) 控制任务进度，主要是监控工艺任务的实际状态。 不同的用户在工艺信息系统中具有不同的权限；同时不同产品具有不同的工艺 过程，因此有必要针对每一个产品进行相 应的管理。上述内容构成了工艺项目管理 的主要内容。工艺资源管理、工艺辅助设计、图 3 工艺知识发现算法集合工艺知识发现算法集合如图 3 所示。 随机搜索方法可以分为盲目随机搜索和导 向随机搜索9，遗传算法(Genetic algorithm, GA)属于导向随机搜索方法，在搜索过程 中由适应度函数产生的导向作用使符合搜 索要求的解的个数不断增加，同时通

13、过变异扩大搜索空间，最终获取最优或近似最优解。GA 的特性使其非常适合解决加工 路径优化、工艺过程排序以及工艺方案评 价与选择等问题。粗糙集理论认为知识来源于对认知对 象的分类能力，并通过等价关系对对象集 进行分类。通过引入各属性 Ri 针对论域或 对象集 U 的不可分辨关系 U|Ri (i(1,n)，求出对象集 U 相对于属性集 R 的等价关系U|Ind(P)及相对正域 PosP(S)，依次省略各 个属性 Ri (i(1,n)后，列出 U 针对剩余各 属性 的不可分辨关系 U|Ind(P Ri) (i(1,n)，依次计算省略各属性后的相对 正域 PosP-Ri(S) (i(1,n)，根据相对

14、正域 的变化，依据式(4)k=rP(S)=Card(PosP(S)/Card(U)(4)计算 rP(S)，然后根据式(5)t=rP(S)PosP-P(S)=kPosP-P(S) (5) 得到各属性重要程度 t。上述计算过程在 工艺数据挖掘过程中可用于判断各工艺属 性的重要性程度，从而既可以排除冗余属 性对工艺决策的干扰，又有利于发现某些属性之间隐含的联系。粗糙集还特别适合 处理以数据表形式表示的信息10，因此可 以根据不同的属性，将工艺和工艺属性转 化成数据表形式的工艺知识表达系统，以 实现工艺数据约简、工艺属性权值计算、工艺案例分类等任务，达到工艺知识发现 的目的。其它算法如模糊集、神经网络

15、、决策 树、贝叶斯网络等都可用于工艺数据挖掘， 限于篇幅不一一论述。各种方法还可协同 进行数据挖掘，例如，决策树的最优化问题是具有最高计算复杂性的非多项式确定 (nondeterministic polynomial，NP)问题，而 遗传算法属于适用于解决 NP 问题的启发 式算法，因此，可以运用遗传算法对如 ID3 等决策树算法获取的决策树进行寻优。2.2 工艺知识管理工艺知识管理就是在工艺信息获取和工艺信息整理的基础上，通过工艺知识发现，挖掘出隐性工艺知识，将其与显性工艺知 识一起，按照一定的规则存入工艺知识库， 并及时发布，以使相关人员及时获取所需 的工艺知识。工艺知识管理主要包括工艺

16、信息获取、工艺信息整理、工艺知识发现 和工艺知识发布等内容。工艺信息包括企 业内部工艺信息和外部工艺信息，获取的 途径多种多样，工艺信息获取同时也是工 艺资源管理的内容；可以运用工艺知识发 现算法集合中的各类方法进行工艺信息整 理和工艺知识发现；在工艺知识发布过程 中，既可以将工艺知识以静态的方式存储 于工艺知识库以供查询，也可以根据相关 科室和人员的工作职能和兴趣，主动推送 工艺信息和工艺知识。3. 实例工艺知识在一定程度上是对某一类生 产实践相关准则的分类，而决定这种分类 的往往是多种因素。针对由多个实例组成 的对象集，采用粗糙集方法能够获得数值 表示的各因素在知识系统中的重要性程 度，并

17、以此为依据，从中发现隐含的联系 和规则，进行工艺辅助决策。根据上述原 则提出基于属性重要性的工艺数据挖掘算 法，具体计算过程如下。步骤 1 列出挖掘对象的所有条件属 性和决策属性，得到属性值列表；表 1 所示为某非回转体零件面上的孔 加工11属性值列表，材料 R1、孔径 R2、尺 寸精度 R3、表面粗糙度 R4 为条件属性， 其中“HT”表示材料为铸铁，孔径(40,500) 表示孔径 D 为 40D500,尺寸精度(9,13) 表示 9IT13，表面粗糙度(3.2,12.5)表示3.2Ra12.511；加工方法为决策属性 S。 步骤 2 列出针对各属性的不可分辨关系 U|Ri(i(1,n)；

18、各属性的不可分辨关系为：U|R1=x1,x2,x3,x4,x5,x6,x7,x8，U|R2=x1,x2,x3,x4，x5,x6,x7,x8，U|R3=x1,x3,x5,x7，x2,x4,x6,x8，U|R4=x1,x2,x5,x6，x3,x4,x7,x8， U|S=x1,x5,x6，x2,x3,x4,x7,x8； 步骤 3 由 U|Ri(i(1,n)求出对象集 U相对于属性集 R 的等价关系 U|Ind(P)及相对正域 PosP(S)；U|Ind(P)=x1，x2，x3，x4，x5，x6，x7，x8，Posp(S)= x1,x2,x3,x4,x5,x6,x7,x8； 步骤 4 依 次省略 各个

19、属性 Ri(i(1,n)，列出对象集 U 针对剩余各属 性 的 不 可分辨 关系 U|Ind(P Ri) (i(1,n)；U|Ind(PR1)=x1,x2,x3,x4,x5,x6,x7,x8，U|Ind(P R2)= x1,x5 ， x2,x6 ，x3,x7，x4,x8，U|Ind(P R3)= x1,x2 ， x3,x4 ，x5,x6，x7,x8，U|Ind(P R4)= x1,x3 ， x2,x4 ，x5,x7，x6,x8；步骤 5 计算依次省略各属性后的相 对正域 PosP-Ri(S) (i(1,n)；PosP-R1(S)=x1x2x3x4x5x6x7x8，PosP-R2(S)=x1,x

20、5x3,x7x4,x8，PosP-R3(S)=x3,x4x5,x6x7,x计算 rP(S)，然后根据式(5)得到各属性重要程度 ti=rP(S)PosP-Ri(S) (i(1,n)； 由(4)式得：k=rp(S)=Card(PosP(S)/Card(U)=8/8=1，RPR1(S)=Card(PosPR1(S)/Card(U)=8/8，RPR2(S)=Card(PosPR2(S)/Card(U)=6/8，RPR3(S)=Card(PosPR3(S)/Card(U)=6/8，RPR4(S)=Card(PosPR4(S)/Card(U)=2/8， 由(5)式得： t1=kRPR1(S)=1-8/8

21、=0，t2=kRPR2(S)=1-6/8=2/8=0.25， t3=kRPR3(S)=1-6/8=2/8=0.25， t4=kRPR4(S)=1-2/8=6/8=0.75；由 ti(i(1,n)值可知，在前述条件下， 表面粗糙度对所采用的加工方法影响最显著，其次是尺寸精度和孔径。步骤 7 以得出的最大权值条件属性 为基础，对决策属性进行对象集划分；表 2 所示为对象集 U 的条件属性 Ra和决策属性 S 的对应关系。8，PosP-R4(S)=x2,x4；步骤 6 根据相对正域的变化依据式(4)表 2 条件属性 Ra 与决策属性 S 对应关系U表面粗糙度(R4)精镗1(3.2,12.5)否2(3

22、.2,12.5)是3(0.8,3.2)是4(0.8,3.2)是5(3.2,12.5)否6(3.2,12.5)否7(0.8,3.2)是8(0.8,3.2)是以表面粗糙度为基础进行对象集划 分，结果如表 3。 表 3 以条件属性 Ra 进行对象集划分表面粗糙度 Ra(0.8，3.2)(3.2，12.5)精镗精镗是否是否x3, x4, x7, x8x2x1, x5, x6步骤 8 若针对相同剩余条件属性仍 可区分决策属性，转步骤 7，否则退出； 本例中基于条件属性 Ra 针对决策属性的 分类已完成，故终止算法。 最终获得的工艺分类为 U=x3, x4, x7, x8，x2，x1, x5, x6。通过

23、上述计算， 获得如下工艺知识：(1)本对象集中，表面 粗糙度重要性为 0.75，尺寸精度和孔径重 要性为 0.25，若忽略上述属性，将无法各 对象加工方式，而材料重要性为 0，可忽 略； (2) 本对象 集中若对 Ra 要求 较高（0.8Ra3.2），则包含精镗；(3)本对象集 中若对 Ra 要求较低(3.2Ra12.5)，则可分 为 两种情况 ：若尺 寸精 度要求较 高 (6IT10)且孔径较大(40D500)，则包 含精镗，若尺寸精度要求较低(9IT13) 且孔径较小(25D60)，则不包含精镗。 针对本对象集上述结果是符合实际情况 的。4. 结论(1)工艺知识发现的目的并不是使工艺信息系

24、统获得代替工艺人员进行工艺规划的能力，而是从已有的工艺数据中识别 出“有效的、新颖的、潜在有用的”12工艺 知识，因此，工艺知识发现是工艺决策的 辅助工具。(2)从功能上来说，工艺知识发现既与 狭义的工艺信息系统相对独立，又是广义 的、基于知识的工艺信息系统的重要组成 部分。 (3)粗糙集、模糊集、神经网络、决策树等 多种方法均可用于数据挖掘，但工艺知识 的不确定性、模糊性和非规则性使任何单 一方法无法适用于所有的工艺知识发现任 务，因此，建立集成多种方法的工艺知识 发现算法集合，针对不同任务采用不同方 法进行工艺知识发现，既是进行工艺知识 发现的有效方式，也是构建基于知识的工 艺信息系统的重

25、要内容。参考文献1王忠浩，邵新宇，张国军等，基于扩展粗糙 集的工艺偏好知识发现J。机械工程学报，2005，41（7）：84892史忠植，知识发现M。1 版。北京：清华 大学出版社，20023闫伟，张浩，陆剑峰，基于模糊聚类的模糊关联规则在流程企业中的应用J。计算机应用，2005，25(11)：267626784马峻，吉晓民，利用粗糙集理论实现工艺决 策的冲突消解J。计算机辅助设计与图形学学报，2005，17（3）：6006045李存荣，刘蓉，杨明忠，制造信息系统中基 于遗传算法的关联知识挖掘J。工业工程与管理，2005，10(4)：62656张少中，王秀坤，贝叶斯网络及其在决策支 持系统中的应

26、用J。计算机工程，2004，30(10)：137王迎春，尹纪龙，李大永等，基于决策树算 法 C4.5 的冲压工艺知识发现J。机械科学与技术，2004，23(12)：150615088高亮，杨林，周驰等，基于粒子群优化的神 经网络训练算法在产品种类预测中的应用J。计算机集成制造系统，2006，12(3)：4654699王正志，薄涛，进化计算M。1 版。长沙： 国防科技大学出版社，200010杨善林，倪志伟，机器学习与智能决策支持 系统M。1 版。北京：科学出版社，200411董家骧，计算机辅助工艺过程设计系统智能开发工具M。1 版。北京，国防工业出版社，199612FayyadU,Piatets

27、ky-Shapiro,Smyth, Uthurusamy. Advances in Knowledge Discovery and Data MiningM. Cambridge, Mass: MIT Press,1996.Process Planning Information System Oriented Research on the Methods of Knowledge DiscoveryYin Guofu, Fang Hui, Wang Zhuo, Long HongnengSchool of Manufacturing Science and Technology, Sich

28、uan University, Chengdu (610065)AbstractAimed at the problem of knowledge discovery within process planning information system, analyzedthe contacts and differences among traditional computer aided process planning system, process planning information system and process planning information system b

29、ased on knowledge discovery. Represented the design objective and architecture of process planning information system based on knowledge discovery, and established relative stand-alone process planning information system and process planning knowledge discovery and management system, which the forme

30、r including technics resource management, computer aided process planning, route management and project management, and the latter including knowledge discovery algorithm sets and process planning knowledge management module. Brought forward knowledge discovery algorithm sets which included kinds of

31、 data mining algorithms, so as to adopted different methods toward different knowledge discovery work. An example of process planning knowledge discovery was represented based on the method of rough sets.Keywords: Process Planning Information System, Knowledge Discovery, Knowledge Management, Rough Sets作者简介：殷国富：1956 年生，教授，博士生导师，主要从事 CIMS，人工智能，虚拟制造和优化设 计等学科方向的研究；方辉，男， 1973 年生，四川大学制造科学与工程学院博士研究生，主要从 事CAD/CAPP/CAM、人工智能和优化设计等方面的研究，E-mail：jfanghui。