面向自行火炮变型设计问题的混合案例推理技术研究

羊柳，钱林方，丁晟春，尹强

（1.南京理工大学机械工程学院，江苏南京210094；2.南京理工大学经济管理学院，江苏南京210094）

面向自行火炮变型设计问题的混合案例推理技术研究

羊柳1，钱林方1，丁晟春2，尹强1

（1.南京理工大学机械工程学院，江苏南京210094；2.南京理工大学经济管理学院，江苏南京210094）

自行火炮设计过程中存在大量变型设计问题，为提高自行火炮设计质量和效率，将案例推理技术引入自行火炮变型设计问题求解过程中。针对自行火炮案例特点及变型设计的需求，提出了一种混合案例推理技术。通过研究基于本体的自行火炮案例表示技术，构建了自行火炮设计案例本体，并确定自行火炮案例检索过程中不同情况下的相似度计算方法。在此基础上，采用基于神经网络的参数预测技术，实现了变型设计问题中设计参数的求解。并以复进机设计为例，验证了所提出方法的可行性和有效性。

兵器科学与技术；自行火炮；变型设计；案例推理；本体；神经网络

0 引言

自行火炮工况复杂，使用环境恶劣，为降低设计风险，提高设计可靠性，设计过程中需尽可能采取过往的成熟设计方案［1］，故其设计过程中存在着大量的变型设计问题，即在工作原理、基本功能不变的情况下，通过局部结构、配置和参数的变异以满足不同工作性能的需求［2］，如反后坐装置的方案设计问题、平衡机的方案问题等。目前，自行火炮设计过程中变型设计问题的求解仍主要依赖于设计人员的设计经验，缺乏有效的求解策略。而案例推理是一种基于以往经验的问题解决机制［3-4］，原理是将案例按一定组织方式存储于案例库中，通过检索案例库得到相似案例，再对其进行修改或重用，以获得当前设计问题的解。通过将案例推理技术引入自行火炮设计过程中，可辅助设计人员在变型设计问题中更加有效地确定设计参数的取值，提高自行火炮的设计质量及效率。

目前，国内外仅针对身管开展了案例推理在自行火炮设计中的应用研究，如文献［5］采用面向对象的方法表达了身管案例，并讨论了案例的索引、搜索、选择等基于案例推理中的关键问题。但是，自行火炮领域内已累积了大量设计案例，涉及总体方案，底盘分系统、火力分系统等分系统，复进机、制退机等部件的多个层次的案例，各设计案例中参数取值类型丰富，同一门火炮不同对象的案例间会共享一系列参数，传统的结构化案例存储方式［6］难以有效表示自行火炮设计案例中的数据及案例间的层次关系；同时，自行火炮设计案例中参数的取值类型与检索条件中属性类型并非完全一致，存在多种对应情况，且检索条件中属性界限模糊，尚无针对自行火炮变型设计问题求解的案例检索和重用技术。因此，本文结合现有案例推理技术，针对自行火炮案例特点及变型设计的需求，研究适用于自行火炮变型设计问题求解的混合案例推理技术，以提高自行火炮设计质量和效率。

1 自行火炮混合案例推理技术

自行火炮变型设计问题求解过程是在明确设计对象的基础上，修改已有成熟设计方案中的设计参数，以满足当前设计要求。设计参数的修改包括两种方式:一种通过公式计算或根据显性的经验规则选取得到；另一种则需设计人员在分析过往自行火炮设计案例的基础上，提取其中隐含的设计规律，并结合自身设计经验选取得到，这部分参数选取的优劣对自行火炮变型设计问题的求解质量有较大影响。针对第二种情况，本文提出一种混合案例推理技术，具体过程如图1所示。在基于本体有效表示过往成熟设计案例的基础上，根据变型设计要求，确定检索条件。由于自行火炮变型设计问题求解时，设计对象已明确，故案例检索条件T=（TO，T1，T2，…，Tn），TO为设计对象名称，Ti为相似度计算属性。根据检索条件中的设计对象名称，利用Jena推理机对自行火炮设计案例本体进行检索，可获取设计本体中对应设计案例的设计结果，具体方法本文不再赘述。在此基础上，通过分析自行火炮变型设计问题求解过程中相似度计算可能出现的各种情况及需求，确定相应的相似度计算方法，以开展相似度计算获得相似设计案例。最后，针对案例中隐含的设计规律难以直接表示及重用这一情况，采用基于神经网络的参数预测技术，根据相似案例训练神经网络，开展设计参数的预测。

图1 自行火炮混合案例推理过程Fig.1 Hybrid case-based reasoning process of self-propelled artillery

2 基于本体的自行火炮案例表示技术

自行火炮设计案例是指过往设计过程中产生的，能满足设计使用要求的自行火炮总体及各个部件的设计结果。各设计案例对应的设计对象是唯一的，但设计结果存在形式并不唯一，主要包括各参数的取值、三维模型、二维模型及图片等。自行火炮层次结构复杂，各组成部件的设计案例间存在关联，会共享一系列参数，如口径、弹丸质量等。

基于本体的案例表示方法利用本体中的类、属性及实例对设计案例进行形式化描述，通过分析不同层次的自行火炮设计案例间关联及共享的参数，确定自行火炮设计案例本体的组成及结构，避免设计参数的重复表示，形成自行火炮设计案例本体，并结合文件存储，以实现自行火炮设计实例的表示。

自行火炮设计案例本体的形式化定义为:C=（O，P，R，CO，CP，CR，PO，PD），其主要组成如图2所示。其中，O=（O1，O2，…，On），为描述不同层次自行火炮设计案例对应设计对象的类的集合，如“自行火炮、反后坐装置、复进机”等；P=（P1，P2，…，Pn），为描述设计案例中各参数的类的集合，如“口径、最大膛压”等；R为资源类，R=（R1，R2，R3，…），R1是“二维模型”类、R2是“三维模型”类、R3是“图片”类；，为描述案例Oi的第j个设计案例；，为描述参数Pi的第j个设计案例；，其中，为某案例对应的二维模型名称，为某案例对应的三维模型名称，为某案例对应的图片名称；PD为描述Oi间、Oi与Pi间及Oi与R间联系的对象属性的集合；PO为描述O、P、R自身特征的数据属性的取值。自行火炮设计案例本体构建过程中，可通过对CO、CP及CR对应数据属性进行赋值，并利用“HasPara”和“HasRes”分别建立CO与CP及CR间的对应关系，实现自行火炮设计案例的完整表示。

在确定自行火炮设计案例本体组成及结构的基础上，利用美国斯坦福大学的Protégé建模工具，选用OWL语言作为本体的建模语言［7］，实现了自行火炮设计案例本体的构建，涵盖了自行火炮不同层次的设计案例200余个，图3为以反后坐装置为例的部分自行火炮设计案例本体的可视化展示。

图2 自行火炮设计案例本体组成Fig.2 Composition of self-propelled artillery design case ontology

图3 部分自行火炮设计案例本体的可视化展示Fig.3 Graphical view of part of self-propelled artillery design case ontology

3 自行火炮设计案例相似度计算方法

自行火炮案例检索条件中的相似度计算属性包括数值型、文本型和模糊型3种类型，其中数值型包括精确取值型和区间取值型，检索条件T与案例库中对应案例C的整体相似度采用加权平均相似度计算公式为，其中ωi为各属性的权重，且为单个属性Ti与案例中对应参数Ci的相似度，其取值范围为［0，1］.经分析，自行火炮设计案例检索过程中，f（Ti，Ci）的计算主要涉及5种不同的相似度计算问题，如表1所示。在已有相似度算法［8-10］的基础上，本文根据不同情况下自行火炮案例相似度计算的需求，提出了对应相似度计算方法。

表1 相似度计算属性与设计结果中参数取值类型对应表Tab.1 Corresponding list of parametric value type between design index and design result

3.1 问题1

假设某相似度计算属性取值为a，各案例中与属性相对应的参数取值组成的集合为K=［k1，k2，…，kn］，则第i个案例中对应参数的取值ki与属性取值间的相似度计算公式为

3.2 问题2

自行火炮区间取值型属性包括3种类型:中间型、偏大型和偏小型。在实际自行火炮变型设计问题求解过程中，区间的边界并不绝对，参数取值在区间外的案例亦有一定参考价值，故本文采用表2所述方法开展相似度计算。

3.3 问题3

假设某相似度计算属性的取值为A=［x1，x2］，某个案例对应取值为B=［y1，y2］，则相似度计算公式为，式中λ（）表示集合的Lebesgue测度，λ（A）=x2-x1.

表2 问题2相似度计算方法Tab.2 Similarity computing method for Problem 2

3.4 问题4

假设某相似度计算属性的取值为字符A，某个案例对应取值为字符B，则相似度计算公式为，式中:num（）为字符的个数；num（sim（A，B））为字符A和字符B中相似字符的个数。

3.5 问题5

自行火炮模糊型相似度计算属性的取值通常包括“好、较好、优良”等多种模糊评价术语，在自行火炮设计案例本体建模过程及设计要求分解过程中，涉及模糊型的取值均转换成规范模糊属性取值集Pm=［优，良，中，差］中的标准取值，以便于相似度的计算。

定义相似度计算属性向量T=［t1，t2，t3，t4］，案例取值向量C=［c1，c2，c3，c4］，T和C均为单位向量，假设相似度计算属性取值为优，某案例对应取值为良，则T=［1，0，0，0］，C=［0，1，0，0］，相似度计算方法为f（T，C）=T·E·CT，式中E为模糊判断矩阵，

4 基于神经网络的参数预测技术

4.1 基于神经网络的参数预测流程

基于神经网络的参数预测流程如图4所示，针对自行火炮中某一设计对象的变型设计需求，在案例检索的基础上，选定相似度下限，得到与设计任务相接近的一系列过往设计案例。结合当前设计任务的设计要求及设计对象的特征，确定神经网络的输入项和输出项，对案例中对应的参数进行归一化处理，以形成神经网络的训练样本。神经网络训练过程中输入项和输出项选取的合理性对参数预测的结果有较大影响，在确保输入项和输出项均合理的基础上，可开展基于神经网络的参数预测。由于BP网络具有极强的输入输出映射能力且能够学习任何模式的映射关系［10-11］，故采用BP神经网络进行参数预测。按训练样本中参数取值对其进行训练，利用训练好的网络，改变网络输入项的取值，以得到相应输出项的取值，为设计人员确定相应参数提供参考。

4.2 算例

反后坐装置中复进机的方案设计为一典型的变型设计问题，其初压、初容及压缩比的取值主要依靠设计人员的经验，现有一复进机的设计任务，已知口径为122 mm，最大后坐长为900 mm，炮口动能为6 619 392 J，后坐部分质量为1 005 kg，炮口制退器效率为45%，通过检索自行火炮设计案例本体，得到复进机的过往设计案例，选取口径、最大后坐长、炮口动能、后坐部分质量及炮口制退器效率作为相似度计算属性，权重分别为0.2、0.2、0.15、0.3、 0.15，修正系数p取2，按照本文提出的相似度计算方法开展相似度计算，得到相似度大于0.7的案例共16个，计算得到部分案例的相似度如表3所示。

神经网络训练的输入项和输出项如表3所示，案例中输入参数和输出参数经归一化处理后即可作为神经网络训练的样本。

参数预测的结果如表4所示，从中可以看出，经案例推理得到的各参数的取值基本与原有设计结果相符，能够满足复进机的变型设计要求，可以开展下一步的设计计算。

图4 基于神经网络的参数预测流程图Fig.4 Flow chart of neural network-based parameter prediction

5 结论

本文通过分析自行火炮变型设计问题求解的需求，提出了一种混合案例推理技术。针对自行火炮设计案例中数据类型丰富及案例间的层次关系复杂的特征，采用基于本体的自行火炮设计案例表示方法，构建了自行火炮设计案例本体，实现了不同层次自行火炮设计案例的有效表示。在自行火炮设计案例表示的基础上，针对自行火炮案例相似度计算中可能出现的5种不同情况，分别提出了对应的相似度计算方法，实现了自行火炮设计案例的有效检索。最后，本文确定了采用BP神经网络进行参数预测的流程，并以复进机变型设计问题为例验证了混合案例推理技术在自行火炮变型设计问题求解过程中的可行性和有效性。

表3 部分相似案例Tab.3 Part of similar cases

表4 参数预测结果Tab.4 Parameter prediction results

（

）

［1］ 张相炎，郑建国，杨军荣.火炮设计理论［M］.北京:北京理工大学出版社，2005. ZHANG Xiang-yan，ZHENG Jian-guo，YANG Jun-rong.The theory of gun design［M］.Beijing:Beijing Institute of Technology Press，2005.（in Chinese）

［2］ 李海庆，殷国富，方辉.混合案例推理机制在变型设计中的应用［J］.四川大学学报:工程科学版，2007，39（2）:164-169. LI Hai-qing，YIN Guo-fu，FANG Hui.Application of hybrid case reasoning in variant design［J］.Journal of Sichuan University:Engineering Science Edition，2007，39（2）:164-169.（in Chinese）

［3］ 王生发，顾新建，郭剑锋，等.面向实例推理的产品设计本体建模研究及应用［J］.机械工程学报，2007，43（3）:112-117. WANG Sheng-fa，GU Xin-jian，GUO Jian-feng，et al.Research and appliction of ontology modeling for product design based on case reasoning［J］.Journal of Mechanical Engineering，2007，43（3）:112-117.（in Chinese）

［4］ 王清，赵勇，韩守东.基于案例决策的产品概念设计方法［J］.计算机集成制造系统，2011，17（6）:1121-1127. WANG Qing，ZHAO Yong，HAN Shou-dong.Product conceptual design method based on case-based decision［J］.Computer Integrated Manufacturing Systems，2011，17（6）:1121-1127.（in Chinese）

［5］ 刘长毅，徐诚.基于案例推理与特征造型在身管设计中的应用研究［J］.机械设计，2000（1）:29-32. LIU Chang-yi，XU Cheng.Research and application of case-based reasoning and feature modeling in tube design［J］.Mechanical Design，2000（1）:29-32.（in Chinese）

［6］ Adela L，Eric T，Lee W B.An ontology-based similarity measurement for problem-based case reasoning［J］.Expert Systems with Applications，2009，36:6574-6579.

［7］ Rezayat M.Knowledge-based product development using XML and KCs［J］.Computer-Aided Design，2000，32（2）:299-309.

［8］ Guo Y，Hu J，Peng Y H.A CBR system for injection mould design based on ontology:a case study［J］.Computer-Aided Design，2012，44（6）:496-508.

［9］ 张晓丽，李鑫，郭智春，等.基于CBR的机械产品智能设计方法研究［J］.大连理工大学学报，2008，48（6）:835-840. ZHANG Xiao-li，LI Xin，GUO Zhi-chun，et al.Study of intelligent for mechanical engineering design method product based on CBR［J］.Journal of Dalian University of Technology，2008，48（6）: 835-840.（in Chinese）

［10］ 王军，吴凤和，张艳.基于产品结构特征参数的实例搜索与修改方法［J］.农业工程学报，2012，28（23）:19-25. WANG Jun，WU Feng-he，ZHANG Yan.Case search and adaptation based on feature parameters of products［J］.Transactions of the Chinese Society of Agricultural Engineering，2012，28（23）:19-25.（in Chinese）

［11］ 韩力群.人工神经网络理论、设计及应用［M］.北京:化学工业出版社，2001:45-55. HAN Li-qun.Artifical neural network theory，design and application［M］.Beijing:Chemical Industry Press，2001:45-55.（in Chinese）

Research on Hybrid Case-based Reasoning Technique for Self-propelled Artillery Variant Design

YANG Liu1，QIAN Lin-fang1，DING Sheng-chun2，YIN Qiang1
（1.School of Mechanical Engineering，Nanjing University of Science and Technology，Nanjing 210094，Jiangsu，China；2.School of Economics and Management，Nanjing University of Science and Technology，Nanjing 210094，Jiangsu，China）

In order to improve the design quality and efficiency of self-propelled artillery in consideration of a large number of variant design problems existing in self-propelled artillery design，the case-based reasoning technology is introduced into the solution procedure for self-propelled artillery variant design problem.The process of hybrid case reasoning is determined according to the characteristics of self-propelled artillery design case and the requirements of variant design.The ontology-based case representation technique is studied，and a self-propelled artillery design case ontology is built.The similarity calculation formulas for different scenarios are determined for the self-propelled artillery case retrieval.On this basis，the solution of design parameters for variant design problem is achieved by using neural network-based parameter prediction technique.The feasibility and effectiveness of the proposed method are demonstrated by taking recuperator design for example.

ordnance science and technology；self-propelled artillery；variant design；case-based reasoning；ontology；neural network

TJ302

A

1000-1093（2015）11-2190-06

10.3969/j.issn.1000-1093.2015.11.026

2015-03-06

国防基础科研项目（A2620130003）

羊柳（1989—），男，博士研究生。E-mail:ylnjust@126.com；钱林方（1961—），男，教授，博士生导师。E-mail:lfqian@vip.163.com