门式启闭机智能设计系统的研究

陶晶

(湖北理工学院机电工程学院，湖北黄石435003)

随着计算机科学技术的发展，越来越多的企业根据自身产品特点设计了相关的智能设计系统，虽然相对于工程师传统的经验设计而言智能设计系统具有无可比拟的优势，但它还是存在很多的问题［1－4］，主要体现在以下2个方面:

1)设计参数问题。目前智能设计系统一般采用参数化技术来表达设计中的知识和知识模型［5－6］，但是在实际的设计过程中机械产品设计参数繁多，参数之间存在着或强或弱的耦合关系，有时甚至是互相矛盾的，导致在产品设计过程中无法确定各参数之间的变化规律、趋势和范围，得不到令人满意的设计结果。

2)知识表达问题。在传统的智能设计系统中采用面向对象的方法，借助参数化驱动、表格驱动和产生式规则3种驱动方法进行机械产品的智能设计，实现了设计知识的表达和重用［7－8］。但是这些知识表达方式比较单一，对于尺寸约束关系要求严格准确，同时容易破坏模型的拓扑关系，模型属性缺乏相应的类和继承关系，不利于知识的重用以及机械产品的集成化设计。

本文通过分析机械产品设计参数的内在联系建立产品的设计参数信息模型，明确机械产品主要设计参数，利用有限元仿真计算结果并结合粗糙集、数据挖掘技术提取大量数据背后的知识和规则，实现了知识表达和进一步重用。采用CATIA/Automation API模块，将知识工程(KBE)的推理机制与三维CAD平台的几何数据结构直接通讯，实现KBE/CAD的无缝集成，构建了门式启闭机智能设计系统。

1 设计参数的优化

机械产品设计变量多达上千个，函数也有几百个，设计包含如此多设计变量和函数的设计程序是十分困难的。针对该问题，本文在设计过程中建立了结合数据挖掘技术的设计参数信息模型，如图1所示。

图1 设计参数信息模型

图1中首先根据用户要求提取 x1，x2，x3，…，xn为基本设计参数，属于数据输入阶段。F1，F2，F3，…，FN表示目标函数;G1，G2，G3，…，GN为约束函数，该过程属于数据分析、处理阶段。W(X，C)表示修正函数，为最终的输出阶段。数据在输入阶段和分析、处理阶段通过数据传递系数Ck(X，G)(k=1，2，3，…，N)完成由设计变量构成目标函数和约束函数的过程。在数据分析、处理阶段和最终数据输出阶段通过数据修正因子Ck(G，W)(k=1，2，3，…，N)建立由目标函数和约束函数构成的修正函数W(X，C)。使用该信息模型对机械产品种类繁多的设计参数进行优化，明确主要设计参数。

2 机械产品设计知识的提取

2.1 条件属性的选择

本文依据工程实际，改变参数化模型中各个主要设计参数值(主要设计参数由本文第1部分得到的参数最小属性集确定)得到不同的设计实例，对这些实例进行有限元仿真计算得到计算结果，将这些计算结果存入数据库中，通过数据库管理系统采用数据离散化方法来存储配置数据及有限元结果，然后使用粗糙集这种机器学习方法分析有限元结果，并结合数据挖掘技术提取大量数据背后的知识，最后将其归纳存入智能设计系统知识库中。

下面以门式启闭机的重要承载部件门架为例对知识的提取方法进行说明。根据实践经验和大量的有限元模拟分析结果，确定以下7个边界条件参数和几何参数与门架结构特性相关:①主梁的厚度(简写为ZYT);②下悬臂梁的厚度(简写为ZFT);③门架所受转矩Rated Torsion(简写为RT1);④门架所受垂直方向载荷Rated Thrust(简写为RT2);⑤初始情况下支腿与垂直方向的夹角∂;⑥立柱杆径Push_pole _R(简写为PPR);⑦回转盘直径Turn_R(简写为TPR)。门架有限元模型如图2所示。

图2 门架有限元模型

选择以上7个数据来分析它们对门架结构的影响，即条件属性。参数配置关系是否合理，即决策属性，由各关键组件的应力情况来定。各关键组件的选择以及各组件应力是否能满足工程要求，则由领域专家根据样机实际受力情况进行确定。不同参数条件下的有限元模拟结果如表1所示。

2.2 设计参数的离散化

由表1可知，一般情况下，出现应力最大的区域集中在回转盘、立柱和下横梁联接板以及主梁局部等区域，在进行知识和规则提取之前，首先应进行数据的预处理，即对特征不明显的若干组数据进行删除，以及实现连续数据和实数数据的离散化。基于领域知识，通过公式(1)判断某组数据是否特征不明显:

a=|S1－S2|/max(S1－S2)×100% (1)

S1和S2表示上述区域的最大应力，如某组数据a≤10%，则该组数据特征不明显。

表1 不同参数下有限元分析结果

通过比较，第4、6、7和18组数据虽然回转盘应力最大，但其主梁应力也比较大，分别达到了261、462、360和255 MPa，因此这几组数据特征不明显，应予以删除;第5、27、28组数据虽然主梁局部区域应力最大，但回转盘应力也比较大，分别达到了 287、262和 327 MPa，因此这几组数据的特征不明显，应予以删除;第8组数据虽然联接板的应力最大，但主梁的应力达到了353 MPa，因此该组数据的特征也不明显，应予以删除。结合增类减类法划分法和行列计算划分法，通过数据聚类并结合领域知识对表1中数据进行离散化，此时有限元数据可被离散为2个水平，取值1和2，分别代表结构比较合理、结构失效。最大应力所在位置可分别用1、2和3表示，分别表示回转盘、主梁局部以及联接板，参数离散化方法如表2所示。

表2 参数离散化方法

2.3 设计知识的提取

由表2所提供的各参数离散化方法对表1进行离散，最终可形成用于数据挖掘的决策表，如表3所示。表3的各边界条件参数以及几何参数均为条件属性，而有限元数据即结构的有效性及最大应力所在位置均作为决策属性。

决策表生成后，就可以利用粗糙集理论对其进行知识提取，首先进行属性约简找到最小属性集，再形成约简后的决策表。由于分析数据的不完整性以及各参数的离散化存在主观因素，因此有时约简后的决策表可能存在不完全约简和过约简等现象，因此应由经验对约简后的决策表进行修正。通过约简后的决策表，可以得到以下规则:

1)RT1=3，ZFT=1。此时，最大应力所在位置为1，这表明当门架所受扭矩很大，而下悬臂梁比较薄的时候，由于下悬臂梁前后区域变形不协调，因此导致回转盘应力最大。

2)ZYT=1，RT2=2或3，∂=2。此时，最大应力所在位置为2，这表明当主梁厚度比较薄，所受压力比较大并且初始情况下支腿与垂直方向的夹角比较小时，主梁局部应力较大。当RT2=3时，最大应力会超过材料许用应力，出现局部材料失效，在实际处理时，应避免这种现象的发生。

3)ZYT=3，RT2=2或3，∂=3。此时，最大应力所在位置为1，这表明当主梁厚度比较厚，所受压力比较大并且初始情况下支腿与垂直方向的夹角比较大时，位于立柱和下梁区域交界的联接板应力最大。当RT2=3时，最大应力会超过材料许用应力，出现局部材料失效，在实际处理时，应避免这种现象的发生。

4)RT2=2或3，∂=3。此时，最大应力所在位置为1，这表明当压力比较大，且初始情况下支腿与垂直方向的夹角比较大时，立柱和下梁区域交界的联接板应力最大。

5)PPR和 TPR。此时，立柱杆径和回转盘杆杆径与门架总体受力特性并无直接关系，它们只与自身局部受力有关，因此可作为无关属性在决策表中去除。

表3 决策表

3 智能设计系统的实现

基于CATIA/Automation API模块，借助本文第2部分所描述的知识提取方法并与参数化驱动、表格驱动2种驱动方式结合进行智能设计，构建了门式启闭机的智能设计系统。该系统具有以下几个模块:

1)人机交互模块。该模块主要包括产品型号的选择、产品设计参数的输入、实体装配模型的交互式修改、产品结构有限元的分析和计算、工程图纸的输出等产品设计过程。

2)后台分析模块。该模块包括2部分内容:一是对产品基本设计参数进行优化，确定描述机械产品设计参数的最小参数属性集;二是提取设计知识。

3)知识库及规则库的管理维护模块。该模块负责对知识库和规则库的定义、装入、操作、维护以及一致性和完整性检查。

门式启闭机通常由门架、小车架、回转吊车、大车运行机构和辅助装置所组成，其中门架、小车架等是关键的承载构件。门式启闭机车架的设计界面如图3所示。

在用户界面引导下设计步骤如下:①选择新建实例或已有实例;②选择设计机型，输入设计参数，对现有实例进行检索;③选择符合要求实例，进行详细参数设计;④针对该实例，对零部件进行设计。

图3 门式启闭机智能设计系统

4 结论

本文开发了门式启闭机智能设计系统，该系统具有以下的特点:①使用信息模型对机械产品繁多的设计参数进行优化，明确主要设计参数;②结合数据挖掘技术和粗糙集理论提取了用于指导产品设计的知识和规则，实现了智能设计系统中知识的表达和重用。最后以门式启闭机智能设计系统为例证明该系统为机械产品的设计提供了良好的技术体系支撑和智能化的集成设计平台，大大缩短了研发周期。

［1］ 卞冬琛，许映秋，祝得胜，等.基于KBE的压铸型浇注排溢计算机辅助设计系统研究［J］.铸造，2003(11):1097－1100.

［2］ 王栋彦.基于知识的机械常用件参数化CAD系统研究与实习［D］.天津:天津工业大学，2004.

［3］ 石晓祥，陈军，彭颖红，等.覆盖件产品CEG集成知识模型及表达［J］.计算机辅助设计与图形学学报，2002(12):1114－1119.

［4］ 唐文献.KBE环境下面向协同创新的产品开发支持系统研究［D］.上海:上海大学，2003.

［5］ 吕红光.基于知识工程的产品设计支持技术研究［D］.杭州:浙江工业大学，2004.

［6］ 应保胜，高全杰.实例推理和规则推理在CAD中的集成研究［J］.武汉科技大学学报(自然科学版)，2002，25(1):61－64.

［7］ 张氢，卢耀祖，高顺平，等.基于知识的产品级参数化虚拟设计的可重用性研究［J］.中国机械工程，2003，14(20):1753－1756.

［8］ 吴庆鸣，张志强.基于KBE的隧道掘进机主机智能设计系统［J］.中国机械工程，2006，17 (4):331－333.