基于多决策属性的刀具选择规则提取算法研究

刘志强，张维

（西北工业大学现代设计与集成制造教育部重点实验室，陕西西安710072）

基于多决策属性的刀具选择规则提取算法研究

刘志强，张维

（西北工业大学现代设计与集成制造教育部重点实验室，陕西西安710072）

传统的规则提取算法只是对单一的条件属性特征推理单一的决策属性值进行规则提取，为实现刀具智能选择，本文提出了一种通过加工特征和工件尺寸对刀具进行选择的规则提取算法，采用粗糙集进行刀具型号的规则提取，对刀具尺寸的选择采用区间值的基本理论，最后通过一个实例验证该算法的有效性。

机械制造；规则提取；属性特征；刀具智能选择；粗糙集

0 引言

刀具是机械制造系统中重要的组成部分，它对加工表面的几何形状、尺寸精度、表面质量及加工成本等方面有很大影响。在刀具选择过程中，要涉及到工件材料、几何尺寸、加工特征等许多原始资料，这些参数之间的关系错综复杂，建立智能刀具选择系统具有重要意义。随着人工智能的发展，国内外对刀具智能选择进行了大量研究，并取得一定成果。

多年的研究表明，在刀具智能选配系统中，规则的获取是最难解决的，而且效率很低，往往要花很大一部分人力和财力在规则获取上，它被公认为是刀具智能选配系统的一个“瓶颈”。目前，在规则获取领域，国内外学者提出了基于粒计算的规则获取算法[1]、基于神经网络的规则获取算法[2]、决策树规则提取算法[3]等规则获取算法，并在实践中获得应用。

刀具选择规则涉及刀具型号、刀具尺寸等决策属性，且具有不同的属性值特征。现有的规则获取算法只是针对单一决策属性值的规则提取，在进行刀具选择规则的获取过程中，并没有有效的算法可以同时获取刀具型号、尺寸等决策属性信息。针对刀具选择规则多决策属性特征，本文在粗糙集理论基础上，提出了一种通过加工特征和工件尺寸对刀具进行选择的规则提取算法。

1 主要概念及约定

粗糙集理论是波兰学者Paw lak Z在1982年提出的，能有效处理不精确、不一致及不完整等不完备的信息，并从中发现隐含的知识，揭示潜在的规则。它具有强大的数据分析能力，是处理复杂系统的一种有效方法。近年来越来越多的研究人员开始对它进行研究，并建立了粗糙集理论的数据模型，还提出了很多在机器学习、数据挖掘和人工神经网络等方面得到了广泛应用的算法。按照最终生成的决策规则集的性质可分为3类：生成最小规则集、生成全部规则、生成满足一定精度的规则。

定义1[4]五元组是一个决策表，其中U为论域，C为条件属性集，D为决策属性集且，Va为属性a的值域；是一个信息函数，它对一个对象的每一个属性赋予一个信息值，即有

根据以上定义，本文做如下规定：

2 算法基本思想及步骤

刀具选择涉及到加工类型、加工精度、工件几何参数等多方面工艺信息。以三菱刀具为例[5]，其刀具编码涉及到刀具型号和尺寸规格两种属性，因此，本文提出一种基于加工特征和工件尺寸的刀具规则提取算法。根据其属性值特点，对刀具型号的选择采用粗糙集基本理论，分别对每个决策类提取规则，直到当前的规则集能够覆盖决策类中的所有实例；在选定刀具型号后，采用范围值方法对尺寸规格进行选择，分别计算提取最终规则

本文规则获取算法基本步骤为：

步骤2：应用粗糙集基本理论，提取关于D1的最小规则集。，i为规则集个数}。

根据粗糙集理论，分别对每个决策类Y提取规则，直到当前的规则集能够覆盖决策类y中的所有实例，对决策类Y的规则提取就此停止。基本步骤为：①根据初始决策表，提出只有1个原子条件的规则，导出规则；②根据导出到决策类Yi上的规则，找出未被规则集Ri覆盖的实例集，选取候选原子条件集合，直到当前规则的因θ使得[θ]能够包含于某个决策类Yi，停止往规则的因θ中添加原子条件，并且得到一条候选规则；③检查规则的因θ中是否有冗余的原子条件，如果有则删除，输出最终的简化规则

步骤3：根据步骤2得到的规则集，对于每条规则Rij进行分类排序，建立中间表，m为决策类Yi个数，n为对应决策类Yi的规则个数。如规则，该规则覆盖的实例为，建立对应Yij的中间决策表

步骤4：对中间决策表Si′j，对每个决策类Yij提取关于C2的规则，获取最终规则

假设通过步骤2提取的规则集Ri中的规则r11覆盖实例为，对应中间表分别计算，并与r11结合得到最终规则R11：

步骤5：输出最终决策规则表。

3 实例

刀具的选择是一个异常复杂的过程，相应规则所涉及的条件属性多种多样，不同的刀具类型，不同的加工特征，其对应的条件属性集也不尽相同。表1给出了三菱整体立铣刀刀具的决策表S=＜U，C，D，f，V＞，其中U={1，2，…，16}，C={加工类型，加工特征，工件材料，加工精度，最小曲率半径，加工宽度，切深}，将集合中的元素按先后顺序分别对应集合C′={a，b，c，e，f，g}其中C1={a，b，c，e}，C2={f，g}，D={选择刀具}。根据表1，其条件属性值C1的集合依次为{一般平面，深部雕刻，曲面加工}、{键槽加工，筋槽加工，一般曲面，铜合金加工}、{碳钢，预硬钢，合金钢，高硬度刚，铜合金}、{精加工，粗加工}，将集合中的元素按先后顺序分别对应编号0、1、2、3或4。

表1 实例表

经过步骤2，对条件属性集C1进行处理，得到型号规则表，如表2所示。共得到五条规则，根据每个规则覆盖的实例，建立相应规则的中间，如表3所示。最后通过步骤4，得到最终的规则决策表4。

表2 型号规则表

表3 规则中间表1

表4 最终决策规则表

4 结束语

本文提出了一种基于多决策属性的刀具选择规则提取算法，根据刀具选择的多决策属性特征，运用粗糙集基本理论及区间值基本思想，分别对刀具型号和刀具尺寸规格进行规则提取，实现了针对多决策属性的规则获取方法，并通过实例验证了算法的有效性。刀具的选择复杂多样，不同的工件特征涉及不同的属性特征，在选择多种不同类型刀具的算法上，还有待进一步的研究。

[1]YiCheng，Duoqian Miao.Ruleextraction based on granulation order in interval-valued fuzzy information system[J].Expert Systemswith Applications，2011，4(03)：1-13.Solid-StateCircuits，2009，44（10）：2800-2807.

[2]Bart Baesens，Rudy Setiono，Christophe Mues，Jan Vanthienen. Using Neural Network Rule Extraction and Decision Tables for Credit-Risk Evaluation[J].Management Science，2003，49（03）：312-329.

[3]陈建辉，陈贞.基于粗糙集的决策树规则提取算法[J].河北工程大学学报，2008，25（01）：108-110.

[4]陈建辉.基于粗糙集的最小规则提取算法[J].长春工程学院学报，2008，9（03）：85-88.

[5]三菱刀具综合样本[M].2003.

[6]陈云，杜齐明，董万福.现代金属切削刀具[M].北京：化学工业出版社，2008.

[7]PAWLAK Z.Rough set[J].International Journal of Computer and Information Sciences，1982，11（05）：341-356.

[8]孙林，徐久成，马媛媛.基于新的条件熵的决策树规则提取方法[J].计算机应用，2007，27（04）：884-887.

[9]JamesMalone，Kenneth McGarry，StefanWermter Chris Bowerman. Data mining using rule extraction from Kohonen self-organising maps[J].NeuralComput&Applic，2005，15：9-17.

[10]张文宇.一种基于有序属性决策系统分类规则提取策略[J].控制理论与应用，2007，24（2）：183-186.

Study on rule extraction algorithm for selection of toolbased on multi-decision property

LIU Zhiqing,ZHANGWei
（The Key Laboratory of Contemporary Design and Integrated Manufacturing Technology, Northwestern Polytechnic University,Xi'an 710072,ShanxiChina）

In order to achieve intelligent tool selection,a rule extraction algorithm based on machining features and workpiece size has been put forward in the text.The rough sets have been applied to gain rule extraction of tool model.The basic theory of interval-valued has been adopted to select the size of tool.Finally,the effectiveness of the algorithm has been validated by an example.

Rule Extraction;Property features;Intelligent Tool Selection;Rough Set

book=3,ebook=1

TG711

A

1672－0121（2012）03－0090－03

国家自然科学基金项目（50505039）

2011－12－29

刘志强（1986－），男，硕士在读，主攻计算机集成制造、信息化工程、制造资源管理等研究