支持产品智能化设计的知识服务方法研究

王儒， 王国新， 阎艳， 郝佳， 石学海， 明振军

(北京理工大学 机械与车辆学院, 北京 100081)



支持产品智能化设计的知识服务方法研究

王儒， 王国新， 阎艳， 郝佳， 石学海， 明振军

(北京理工大学 机械与车辆学院, 北京 100081)

为实现产品智能设计中计算性问题和推理决策性问题的求解以及二者的有效结合，提出一种支持产品智能化设计的知识服务方法，即包括知识服务策略的制定和知识环境的构建两个方面。该方法通过分析设计知识自身特点以及与设计过程之间的关系，将设计知识分为业务领域、经验规则、实例方案和算法模型4种类型，并针对不同类型知识制定相应的服务策略；基于知识模板和组件模板对不同类型的知识进行形式化描述，并给出基于本体的设计知识语义建模流程；通过方案评价、方案修改将设计知识融入到基于实例推理活动中，实现知识的辅助决策；对设计工具进行集成和过程封装，实现了自动化计算。设计开发了基于知识的智能设计系统，并以枪管为对象进行了实例验证，证明了所提方法的有效性。

人工智能； 知识服务； 知识重用； 推理决策； 枪管设计

0 引言

当前日趋激烈的市场竞争环境迫使企业加强产品开发和快速响应市场的能力，智能化设计方法由于同时满足产品的快速化和自动化开发需求，受到学者和企业的高度重视[1]。产品设计是一项复杂的分析、综合与决策活动，而产品的智能化设计则是智能工程这一决策自动化技术在设计领域中应用的结果，其主要任务是完成设计活动中两类问题的求解：即计算性问题和推理决策性问题[2]。传统计算机辅助设计(CAD)技术是实现基于数学模型和数值处理的设计活动问题求解的重要手段；而人工智能技术是实现基于符号型知识模型和符号处理等推理决策性工作的必要途径，例如专家系统是一种知识处理与推理系统[3-4]。如何将这两者有效地结合，实现设计活动中两类问题的求解，已成为产品智能设计的重要研究内容和难点，并愈来愈为国内外学者所重视。由于产品设计是一个知识驱动的创造性过程，因此从知识的角度出发，实现产品的智能化设计逐渐成为解决这一难点的重要技术和手段[5-6]。

实现产品设计的智能化，其基础是设计知识的结构化描述和处理，以实现计算机推理功能。早期学者主要针对某单一形式进行知识描述，例如Burton等[7]在开发智能CAD系统主要利用产生式规则描述设计知识，之后又有学者将面向对象技术与规则式描述集成用于知识表达中；但产生式规则在知识获取上存在一定的局限性，因此Koldder[8]提出了基于实例推理(CBR)方法，其推理过程更符合设计人员的思维过程，被广泛用于智能设计的知识描述，如Zbigniew等[4]将CBR应用到船舶引擎室的自动化设计专家系统中。由于案例缺乏更深层的领域知识，学者开始寻求将其他可以实现推理的知识描述方式，如扬州大学陈靖芯等[9]针对设计过程中的规则、经验等建立由“IF…THEN”描述的设计知识库，通过对CATIA V5软件中的知识工程顾问模块二次开发，并借助CBR实现了碟簧的自动化设计。上海交通大学石峰等[10]根据浇注系统设计知识的特点，提出了一种混合连接主义和符号主义的知识模型，并采用基于框架2规则的方式来表达，通过对Pro/E软件二次开发，设计完成了浇注系统智能化设计原型系统。Peng等[11]将CBR和基于规则推理(RBR)相结合应用到夹具的智能设计，Yu等[12]在CBR和RBR相结合的基础上，增加了模糊综合评价应用于锅炉的智能设计。这些研究虽然在一定程度上实现了基于知识的智能设计，但缺少面向智能设计的设计知识集成，为了提升这一能力，北京航空航天大学赵辉等[13]提出了一种面向机械产品设计的知识集成模型，即将设计知识划分到构型层、设计层和造型层3个抽象层次，基于UG平台的知识熔接语言KFL实现了各层设计知识的描述与集成，并开发了专用减速器快速设计系统。但该系统缺少对推理决策性问题求解的支撑，智能化程度较低。Guo等[14]针对现有基于CBR注塑模具智能设计系统中存在的缺乏语义理解难以支持设计决策的问题，将本体技术引入到实例的描述中，实现实例的语义检索，提高了概念设计阶段系统对设计人员设计意图的辨识。

现有的研究成果，从不同角度实现了产品的智能化设计，但仍缺少一种可以支持产品智能设计全过程求解的方法，影响了智能设计系统对设计任务问题(即计算性问题和推理决策性问题)的综合求解。为了解决这一问题，本文提出了一种支持产品智能化设计知识服务方法，即通过面向设计过程的知识分类与组织，针对不同类型知识的特点，制定相应的服务策略；并构建支撑智能化设计的知识环境，以实现知识对产品智能设计的全过程支持服务。开发了基于知识的智能设计系统，并以枪管为对象实现了其智能设计过程中计算性问题的自动化计算，同时提升了系统对其推理决策性设计问题求解的能力。

1 支持产品智能化设计的知识服务总体思路

1.1 产品智能化设计需求分析

产品设计是一个多学科高度耦合的多阶段复杂过程，不仅包括大量基于数学模型和数值处理的计算型工作，还涉及基于符号型知识模型和符号处理的推理和决策过程，例如设计方案的选择、评价、主要参数的修改优化、几何模型的生成、计算仿真的分析等设计活动，这些工作的完成既需要借助计算机辅助设计工具，也需要运用大量的知识进行推理、判断、决策。支持产品智能化设计知识服务的目的就是要借助知识工程技术和人工智能技术代替专家以及设计人员的决策和推理过程，通过构建面向设计过程的知识环境，智能化地实现产品设计以及知识重用，从而降低产品设计过程中循环迭代的时间、减少重复性工作。

支持产品智能化设计的知识服务是集成多领域知识，借助计算机辅助设计工具开展的一项人机交互智能化设计活动。为了进一步明确基于知识的智能设计系统的功能目标，首先需要结合产品设计的特点，分析产品实际设计过程中对智能化的需求：

1)支持分布式、异构知识的集成管理。产品设计知识具有分布性、密集性、异构性等特点[15-16]，目前企业中大部分的产品数据管理(PDM)系统在提供部分文档数据分类存储的同时，一般只具有基于关键词的检索功能，对于知识的集成和服务效果较差，不利于设计人员对知识的重用。因此，智能设计系统首先需要实现对分布式、异构知识的集成管理。

2)支持设计工具的集成与过程封装。设计任务的实现通常需要多类型设计工具之间协同使用，例如在枪械设计过程需要使用UG软件完成三维建模，再结合Matlab、ANSYS软件以及自研工具等完成相关的计算仿真等设计活动。这是一个反复迭代、不断修正的过程，因此需要智能设计系统可以集成不同的设计工具以及重用设计过程，支持计算性问题进行反复迭代求解。

3)支持智能化的推理与决策。产品智能化设计的“智能”体现在设计过程具备类似于人类思维的推理和决策能力，这要求计算机可以实现对多领域、多类型设计知识的自动化处理和辅助化、自动化决策支持。

1.2 支持产品智能化设计的知识服务方法

在产品智能化设计过程中根据求解问题的不同，所需要的知识服务支持类型也不尽相同，如何在产品智能设计过程中，将计算性问题和推理决策性问题的求解进行集成，实现设计知识对智能设计全过程的支持服务，是提升产品智能化设计的关键。因此，本文从设计过程与设计知识之间关系的角度，提出一种支持产品智能化设计的知识服务方法，其内容结构如图1所示。

图1 支持产品智能化设计的知识服务方法内容结构Fig.1 Construction of knowledge service method for supporting product intellectualized design

支持产品智能化设计的知识服务方法，其内容根据智能设计过程的需求可以分为3个部分：分布、异构知识的集成与管理，设计工具的集成与过程封装，设计知识的推理与辅助决策。各部分内容之间既独立又相互关联，共同支持完成产品智能设计活动中两类问题(即计算性问题和推理决策性问题)的求解。其中分布、异构知识的集成与管理部分主要为设计知识的推理与辅助决策部分提供服务化的知识重用，以实现对推理决策性问题的求解；设计工具的集成与过程封装部分主要是基于上述两部分实现基于知识的参数化驱动和规则化约束，完成计算性问题的求解。

基于上述方法，从设计过程与设计知识之间的关系构建基于知识的智能设计系统，其总体思路如图2所示。根据上述对智能设计的描述，产品的智能化设计过程可以表示为“设计问题描述——方案推理决策——建模仿真分析”这3个阶段，其中“方案推理决策——建模仿真分析”阶段又存在反复迭代的方案改进过程。由图1可以看出，产品智能化设计过程的不同阶段需要不同的知识支持服务，即服务化重用、规则化约束和参数化驱动。

图2 基于知识的产品智能设计系统总体思路Fig.2 General concept of knowledge-based product intelligent design system

为了实现这种智能设计全过程的知识支持服务，实现智能设计活动中计算性问题和推理决策性问题的求解，本文构建了一种可以支撑产品智能设计的知识环境，并制定了相应的知识服务策略。知识环境是指支撑产品智能设计的运行环境，知识环境的构建是知识服务于产品智能设计活动的基础，其主要包括支持设计过程运行的驱动引擎(或方法)、设计知识形式化描述和知识数据管理3部分。其中，驱动引擎的主要作用是提供对智能设计活动的问题求解和设计知识重用，包括实例检索匹配、设计知识的辅助决策、自动化计算等模块；知识形式化描述的目的是实现计算机对以自然语言形式存在的产品设计知识的识别，包括知识的分类组织、知识的模板化表示以及语义建模等；知识数据管理功能主要是实现分布式设计知识集成管理和智能设计运行数据管理。通过对设计知识环境的搭建，基于知识的智能设计系统可以实现将分布、异构的设计知识资源动态地融入到产品智能设计过程不同阶段的问题求解中。

2 基于知识的产品智能设计系统关键技术

2.1 设计知识服务策略

本文从知识自身的可变性角度将设计知识分为静态知识和动态知识，从设计过程的功能角度将设计知识分为推理决策性知识和计算迭代性知识，如图3所示。根据这两个角度，可以将设计知识分为4种类型：业务领域知识、规则经验知识、实例方案知识以及算法模型知识。业务领域知识是指产品设计中与业务领域相关的标准规范、专利文献、设计手册等知识；规则经验知识是指存储在业务领域资源或设计专家头脑中的可以被描述的经验和规律性知识，如枪管设计中膛线数n的选择(一般6～8 mm口径的枪管，n为4～6；11～15 mm口径的枪管，n为8)；实例方案知识是指以往成型的产品案例数据；算法模型知识是指产品设计过程中用来计算、建模或仿真的模型和代码。

图3 设计知识分类Fig.3 Classification of design knowledge

在设计过程中，静态知识属于不会因设计目标不同而改变的知识；相反，动态知识则会因设计目标不同而随之改变，这是因为这类知识本身存在自变量和因变量，设计目标的差异会导致这些变量的变化。因此，动态知识可以用于实现参数化驱动服务重用，而静态知识则可以用于对动态知识重用的规则化约束服务。

根据上述对知识的分类，制定设计知识的两种服务模式：参考模式和自动模式，如表1所示。不同模式和不同类型知识具有不同的重用服务策略，如业务领域知识，由于其知识抽象程度较低，可以通过主动推送方式向设计人员提供与当前设计活动相关的领域知识，为其提供一定辅助参考；而对于规则经验、实例方案以及算法模型知识，其知识抽象程度高、有较好的可重用性，同时又具有一定可编程性，可以实现自动化模式的知识服务。

表1 设计知识集成服务策略

由于模板技术可以实现各类型知识的有效描述和组织，为了实现知识在设计过程中的集成重用服务，本文根据设计知识各自特点，选择对应的模板形式对其进行组织。

2.2 设计知识的形式化描述与语义建模

设计知识的形式化描述和语义建模，其作用包括两部分：一是对分布、异构知识资源的集成管理，即对设计知识进行组织和表示，构建图2中的知识数据管理库；二是实现计算机对知识资源的识别，构建设计过程与设计知识之间的关联。

2.2.1 设计知识的形式化描述

模板是基于事物相似性原理，从一类事物中抽象出的一种框架[17]。根据图3对设计知识的分类，针对不同知识的特点和服务策略，本系统分别采用知识模板和组件模板对其进行组织和形式化描述。知识模板主要描述业务领域和实例方案知识，用于给设计人员提供与当前设计活动相关的知识参考，以辅助其进行推理决策。这两类知识具有共同特点，即可以描述为“名称标识+属性内容”，因此可以将其表示为

(1)

式中：T为知识模板；pi为知识模板属性；ni为知识模板属性名称；fi为知识模板属性特征。属性特征取决于知识载体的类型，如数字、文本、时间、图片、文件、视频、音频等。

图4 枪管设计实例库建模Fig.4 Modeling of barrel design case base

业务领域知识存在于不同类型的资源中，因此具有不同特征的属性，为了使智能设计系统中知识结构的构建具有柔性，本系统采用可配置知识模板构建技术[17]，实现知识根据类型不同的属性特征进行自定义。如表2所示为系统中对一类业务领域知识的定义，即构建标准规范模板。

表2 标准规范模板

设计知识中的实例方案知识，由于其还具有动态知识类型的特性，在构建完成实例知识模板后，还需要结合设计问题和设计对象的特征，对实例的数据库进行建模，即描述实例中各变量信息之间的关系。如图4所示为枪管设计中实例库模型，其设计实例包括用于实例匹配的战术技术指标、对应枪弹的参数信息以及枪管的具体设计方案参数信息3部分。

对于规则经验和算法模型这两种类型知识，其特点是可以编程，适合用于反复计算迭代过程。组件是以结构化的方式对设计过程中反复迭代的设计知识进行封装，并在驱动引擎控制下以自动化的方式接受参数、执行动作并返回相应的结果[18]。因此，本系统基于XML技术，将规则经验和算法模型这两类知识封装成一种可以通过驱动引擎调用相应设计工具来实现自身求解的参数化组件模板，称之为可执行组件模板。表3所示为可执行组件模板建模元语，由于篇幅所限，其详细代码不再给出。

表3 可执行组件模板建模元语

2.2.2 设计知识的语义建模

通过2.2.1节对不同类型设计知识的组织和表示，还不能完全消除知识之间的异构，为了进一步实现设计知识对智能设计过程的支持服务，需要实现计算机对知识的语义理解和自动化处理。在人工智能领域本体用于描述事物本质，是概念模型的明确规范说明[16]。实现计算机对知识资源的“理解”，需要根据领域本体构建知识上下文模型并为知识资源添加额外的标识，即对设计知识进行语义建模。如图5所示，设计知识的语义建模主要分为两个步骤：一是构建领域本体，其重点是本体模型的建立；二是对知识资源进行语义标注，即在本体模型中对实体元素与知识资源之间建立关联。

图5 设计知识语义建模流程Fig.5 Semantic modeling process of design knowledge

为了实现设计知识与设计过程的关联，在构建领域本体模型时，需要结合设计任务，根据设计知识在不同阶段的存在形式定义概念对象之间的关系，因此本文提出将设计知识从3个维度进行构建，分别为设计问题维、设计对象维和设计知识维。设计问题维主要描述与设计过程任务相关的概念及属性，如枪管设计中弹膛设计、坡膛设计、线膛设计等过程概念；设计对象维主要描述设计问题所对应的设计对象相关的概念及属性，如枪管设计中与方案域相关的结构、参数、材料等；设计知识维主要描述知识资源中各类型知识的属性要素。表4为领域本体模型中各维度的部分概念对象属性。

表4 领域本体模型各维度的部分对象属性

基于本体模型框架，对领域本体进行构建，主要分为本体构建前处理和后处理两个过程。本体构建前处理主要包括对设计产品所涉及到专业领域进行分析，明确域的范围和粒度；提取相关重要概念、术语；然后抽象出概念间的语义关系；根据概念添加相关属性，如对象关系、数据类型等。本体构建后处理主要是利用OWL语言对其进行形式化描述，并借助Protégé等专业工具进行本体编辑；最后从描述性和验证性两个不同角度检验、评价本体的可行性和有效性，完善本体构建。

语义标注主要完成文档预处理、本体解析和语义匹配这3个工作。文档预处理是将知识资源转化成简单的文本，再对文本进行分词处理，去掉词集中的停用词，利用TF-IDF公式统计各个词的词频，依据词频为每个词赋予权重，最后根据权重的高低选择部分候选词，形成知识资源的表达向量。本体解析是根据已构建的本体模型，利用OWL-API工具分别解析模型中的类、实例、对象属性、数据属性以及其他的约束表达式，生成一个本体元素概念集合。之后再利用语义相似度算法，完成相关语义匹配，并通过设定阈值进行一些概念的取舍，最后保存结果。

在语义相似度计算中，由于概念可以描述为向量形式：即知识资源概念C=(c1,c2,…,cm)，本体概念C′=(c′1,c′2,…,c′n)，这样两个概念之间的语义相似度转换为计算两个任意长度字符串的相似度。其相似度可以描述为

(2)

式中：本文采用将编辑距离和字符串最大匹配长度结合起来衡量两个字符串间的相关程度，λ和μ分别为两种相似度算法的权重值；SimLD(C,C′)=1-MED(C,C′),MED(C,C′)为两字符串最小编辑距离；

LCSLength(C,C′)为两字符串的最长公共子序列。

2.3 方案推理与辅助决策

CBR技术是人工智能由表层机器模仿向深层机器思维发展中的一种形式[4]。但现有CBR研究在方案评价、参数修改方面存在不足，为此，本文基于上述知识服务策略，通过构建知识环境将设计活动中涉及到的关联知识融入基于实例的推理中，使其起到辅助决策作用。如图6所示，方案推理与决策流程可以分为：实例匹配——方案评价——辅助修改，其主要完成的设计活动包括设计实例的推理和设计知识的辅助决策。

图6 方案推理与决策流程Fig.6 Reasoning and decision-making processes

在本文的知识服务方法中，关联知识的辅助决策作用分为3个层次：1)浅层辅助，即在参数修改过程中，基于上述对设计知识的语义建模，借助语义检索技术自动获取设计方案中相关的业务领域知识并主动提供给设计人员，实现设计人员的及时查看参考；2)中层辅助，即在最优方案选择中，基于专家经验知识对评价指标与实例方案进行关联，实现多目标决策；3)深层辅助，即在参数修改过程中，通过原理公式、规则经验等知识对设计参数的约束，实现参数的自动修改和意见推荐。

对基于实例的推理过程，首先需要完成实例检索，考虑到上述关联知识的辅助决策作用，本系统针对实例检索制定了一个二级检索策略，主要包括完成对实例方案特征属性的匹配和对设计变量概念要素的语义检索。对于设计变量概念要素的语义检索， 可以从概念、属性和结构3个层次计算其语义相似度[19]，由于其不是本文关注重点，这里不做详细说明，下面重点对实例方案的特征属性匹配进行介绍。

目前在实例特征相似度计算方面存在较多的方法，其主要思想是根据特征对象的类型选取合适的算法。如针对枪管的智能设计中，会结合枪械设计战技术指标所涉及的对象特征类型，选择相应的计算方法，就某一型号枪管来说，要求其可以射击多种枪弹型号，在实例对象特征匹配中需要选择包含型。如表5所示为本文智能设计系统中实例匹配所采用的具体特征相似度计算类型。

综上，在实例检索中设计实例特征属性匹配的全局相似性可以表示为

Sim(X,Y)=ωTexSimTex+ωNumSimNum+

式中：ωTex、ωNum、ωInt、ωFuz、ωCon分别为文本型、数字型、区间型、模糊型、包含型对象特征的权重，其值由相应的领域专家根据各个战技术指标的重要程度给出，取值范围为[0, 1]。

经过实例检索后，可以获取到与目标方案相似的实例集，现有文献中基于CBR的智能设计方法主要根据相似度的大小选取其中最相近的作为目标方案[4,10]。而在实际设计过程中，匹配出的相似实例只在一定程度上会对新设计起到作用，即用于实例匹配的对象特征属性不能完全决定实例的重用性，评价一个方案的好坏还取决于各种评价指标，如枪械领域中故障率、结构简单性、维修性、安全性和经济成本等综合评价指标。所以，本系统采用灰色关联分析法和熵值法相结合的方案评价方法，量化出评价指标和方案之间的关联关系，最终选择出更为科学合理的最优相似实例作为目标方案。其过程为：首先建立方案评价体系，获取相应的评价指标并建立指标矩阵，利用灰色关联分析计算灰色关联系数，再借助熵值法计算指标权重，最后结合灰色关联系数与指标权重计算灰色关联度从而得出最优方案。其中灰色关联分析又包括4个步骤：构建指标矩阵、灰色关联生成、灰色关联系数计算和灰色关联度计算。

当得到最优相似实例后，为了检查其是否符合设计要求，系统会对目标方案进行校验，即通过设计要求指标和设计参数之间的映射关系，对比其是否满足设计要求。对于不符合设计需求的参数，需要对其进一步修改以使最终方案满足实际设计需求。通过上一步骤的检验过程，可以获取到目标方案中不符合设计要求的参数，即需要修改的参数集；借助设计参数之间存在的关联规则知识，确定需要修改参数的修改顺序，并依据顺序对其修改，同时以此获得各参数的修改意见，最后获取到最终设计方案。

2.4 设计工具集成与过程封装

设计工具集成与过程封装主要目的是通过对规则经验知识和算法模型知识的封装，构造可以自动运行的知识组件，实现智能设计过程中的自动化计算，即对智能设计活动中计算性问题的求解。目前设计工具的集成主要包括基于各软件工具提供的应用程序编程接口(API)、基于中间状态文件以及基于用户子模块等方法。本系统主要采用基于文件的集成方法，即通过对各软件工具(UG、Pro/E、Matlab等)建模产生的元程序(如UG的 .macro文件、Matlab的.m文件等)进行规范化处理，并基于XML技术利用表3中规定的可执行组件模板建模元语，将设计规则经验知识、以及求解该模板的软件工具启动程序等进行封装；同时利用接口技术调用不同类型工具的API以实现外部软件工具的自动调用。通过对设计知识中计算过程类型知识的参数化封装，既可以实现设计方案参数驱动的建模仿真，同时还可以实现设计活动中的反复迭代过程。

3 应用实例验证

项目组在Eclipse 3.6软件环境中，基于Java、XML、JavaScript语言开发了B/S结构(Browser/Server，浏览器/服务器)的智能设计系统，并选择枪管为设计对象，验证该智能设计系统的有效性。

3.1 智能设计系统结构

为了尽可能符合实际设计过程，在智能设计系统中，产品智能设计的执行流程为：问题分析—方案设计(方案匹配推理)—详细设计(方案评价、自动修改)—建模仿真—改进阶段(迭代辅助修改)。为了实现这一流程，智能设计系统需要构建支持产品智能化设计过程的知识环境，根据功能不同其可以分为4个层次，如图7所示。

图7 基于知识的智能设计系统体系结构Fig.7 Architecture of knowledge-based intelligent design system

1)资源层：实现产品智能化设计，首先需要有大量的不同类型设计知识资源支持，包括：文档类资源，如规则经验、标准规范和方案报告等；开发类资源，如产品模型和计算程序等；设计工具类资源，如建模工具(AUTOCAD、UG、Pro/E、CATIA等)和计算仿真工具(Matlab/SIMULINK、ANSYS等)。

2)集成层：根据图3对设计知识的分类，利用一定的技术手段描述组织各类型知识资源，以实现知识的管理和集成，并构建相应的知识库。例如，利用模板技术实现知识的形式化描述与组织，利用本体技术构建设计知识的语义网络，以实现知识的集成，解决设计知识对于设计活动求解存在的分布、异构等问题。

3)引擎层：实现智能化设计活动的关键，也是实现知识支持产品智能设计过程各功能执行的驱动工具。根据智能设计活动求解的设计问题(推理与决策性问题和计算性问题)的类型分为智能推理与决策引擎和工具集成与知识重用引擎。智能推理与决策引擎主要实现方案的推理、综合评价和参数修改等功能；工具集成与知识重用引擎主要实现设计工具的集成、组件模板封装、规则约束以及经验重用等功能。两个引擎之间通过信息交互实现两者的集成。

4)交互层：实现设计人员与智能设计系统交互，由于目前技术的局限性以及实际使用情况，智能设计行为仍然是一个需要人来参与的过程，交互层主要提供系统的使用界面以及信息录入等功能。

本文基于上述方法提出的智能设计系统，其目标是通过知识环境的构建，实现将产品的设计过程从原有的“自发式”设计活动向“指令式”设计活动转变，即设计人员在产品设计时只需要向计算机发出指令，通过计算机智能化地完成一些规则性的推理和计算活动，并辅助设计人员进行决策与设计过程。

3.2 枪管设计问题描述

枪管是枪械中最重要的零部件之一，枪管设计也是枪械设计的基础环节[20]。通过对某兵器研究单位调研，总结了枪管设计内容，如图8所示。枪管设计过程中需要大量的诸如设计手册、标准规范、经验规则和以往案例等设计知识，以实现其能够容纳不同类型枪弹，并赋予弹头一定的方向和初速，且具有良好的射击精度、足够的管壁强度等设计目标。

图8 枪管设计内容Fig.8 Barrel design content

实际的枪械设计中，枪管的设计一般是在枪弹设计和全枪总体布局已定的情况下进行，主要的设计工作是完成枪管内膛结构设计和管壁强度计算和校验。强度计算主要是在装填条件和弹头一定的发射条件下，根据内弹道计算得出膛压、弹头速度与弹头行程、时间的关系，获取到枪管膛压特性，绘制膛压曲线(即P-L曲线)，确定枪管主要断面处壁厚，形成枪管的理论外形。枪管智能设计过程主要是指根据提供的设计要求，智能地完成枪管设计中上述内膛、外形和强度等设计任务的求解，并生成设计方案和模型等结果；在枪管设计改进阶段，通过人机交互或自动方式完成参数的调整，最终实现枪管的快速、自动化设计任务。

3.3 枪管智能设计验证

首先，根据图3对枪管设计相关的知识资源进行分类，并利用2.2节对设计知识的形式化描述方法，构建枪管设计各类型知识库，包括业务领域知识库、实例方案知识库、规则经验知识库以及算法模型知识库。如图9所示为枪管设计知识库中的实例方案知识库，其主要包括枪管的基本信息和枪管各结构参数信息。

如表6所示，枪管的设计指标包括战术和技术两方面，统称战术技术指标(即战术技术指标)，其主要作为枪管实例特征用于检索。智能设计系统在实例推理前，首先需要设计人员根据专家意见对各项战术技术指标设置权重以及相似度评价阈值，并通过指标输入界面将这些指标对应输入，如表7所示为相应需求指标的权重。系统根据不同指标类型对应的相似度计算方法，自动执行实例匹配功能，获得相似实例结果，如图10所示。

图9 枪管实例方案知识库Fig.9 Barrel case base

表6 输入的战术技术需求指标

表7 战术技术指标相似匹配权重

图10 最优相似实例获取过程Fig.10 Retrieval process of optimal similar case

经过实例检索后，系统从实例方案知识库中获取到相似实例集，如图10所示。之后，设计人员配置经枪械领域专家确定的枪管设计方案中各评价指标(如故障率、结构简单性、维修性、安全性和经济成本等)的权重。系统根据各指标权重自动地计算出各相似方案的灰色关联度，并排序获取灰色关联度最大的设计方案作为最优相似实例。

图11 实例修改界面Fig.11 Interface of case modification

如图11所示，下一步系统会基于图4所示的枪管实例库，对最优相似实例所对应的具体设计方案进行自动校验，检验方案中的各参数是否满足需求，并根据规则经验知识库中相关的知识进行自动修改，同时系统会提供修改理由。在修改过程中系统还会对各参数变量进行业务领域知识的关联，如点击“缠角”界面会展示业务领域知识库中关于“缠角”的相关业务领域知识，以辅助设计人员及时查看，方便设计人员进行人机交互式修改。在完成上述实例修改过程后，系统利用算法模型知识库中所封装的可执行组件模块，根据设计需求调用不同的设计工具，实现计算、建模和仿真任务。如图12所示为系统自动通过调用枪管三维模型知识模板，在UG引擎驱动下实现枪管的三维建模过程，界面会展示三维建模组件运行过程以及结果文件。

图12 自动化生成三维模型Fig.12 Automatic generation of 3D model

4 结论

产品设计的智能化主要体现在对设计过程中计算性问题和推理决策性问题的计算机自动化处理，现有智能设计系统由于缺少对设计过程中除实例以外其余设计知识的关注，未能很好地将计算性问题和推理决策性问题的求解结合。因此，本文从产品实际设计过程中对智能设计的需求出发，提出了支持产品智能化设计的知识服务方法，通过知识服务策略的制定和支撑智能化设计知识环境的构建，可以有效地同时解决产品智能化设计活动过程中上述两类问题的求解，实现了设计知识对智能化设计全过程的支持。

该方法根据设计知识与过程的关联，将设计知识进行分类，并以此制定了各类型知识在智能设计过程中的服务策略；同时对不同类型知识进行形式化建模，包括基于模板的组织描述和基于本体的语义建模，并以此为基础，从不同层面实现了关联知识对设计过程的辅助决策作用，包括关联知识参考、方案评价和参数修改；通过可执行组件模板实现了基于文件的不同类型设计工具集成以及计算过程模板的封装，解决设计过程中反复迭代对知识的重用。最后，通过枪管设计，验证了基于上述方法所开发的智能设计系统的有效性，可以实现枪管的快速化、自动化设计，提升了设计效率和知识重用率。

本文还可以从以下方面进行深入研究：1)设计知识如何进一步提升对设计过程的智能服务作用，如从语义层面上通过知识推理解决设计知识辅助决策求解等问题，实现知识与过程的动态关联；2)实现设计工具之间的动态组合，以完成协同设计任务；3)针对基于功能- 行为- 结构的产品智能化配置，研究知识对其设计过程的服务支持。

References)

[1] Gianfranco L R. Knowledge based engineering: between AI and CAD. Review of a language based technology to support engineering design[J]. Advanced Engineering Informatics, 2012, 26(2): 159-179.

[2] 肖人彬, 周济, 查建中. 智能设计: 概念、发展与实践[J]. 中国机械工程, 1997, 8(2): 74-76. XIAO Ren-bin, ZHOU Ji, CHA Jian-zhong. Intelligent design: concept, development and practice[J]. China Mechanical Engineering, 1997, 8(2): 74-76. (in Chinese)

[3] Richard C, Wim J C V, Michel J L, et al. A multi-disciplinary implementation methodology for knowledge based engineering: KNOMAD[J]. Expert Systems with Applications, 2010, 37(11): 7336-7350.

[4] Zbigniew K, Maria M, Stefan Z, et al. CBR methodology application in an expert system for aided design ship's engine room automation[J]. Expert Systems with Applications, 2005, 29(2): 256-263.

[5] 何勇. 火炮装药设计专家系统的设计与实现[J]. 兵工学报, 2000, 21(2): 171-173. HE Yong. Design and implementation of an expert system of gun charge design[J]. Acta Armamentarii, 2000, 21(2): 171-173. (in Chinese)

[6] 吴晓云, 马大为, 李四超. 基于粗糙层次分析法的武器系统方案智能决策技术[J]. 兵工学报, 2005, 26(6): 803-806. WU Xiao-yun, MA Da-wei, LI Si-chao. Intelligent decision technology for weapon system scheme based on rough analytical hierarchy process[J]. Acta Armamentarii, 2005, 26(6): 803-806. (in Chinese)

[7] Burton R T, Sargent C M, Schoenau G J, et al. The use of multiple independent gains for a repetitive low frequency duty cycle in a hydraulic system[C]∥The JFPS International Symposium on Fluid Power. Tokyo, Japan: The Japan Fluid Power System Society, 1993.

[8] Kolodner J L. An introduction to case-based reasoning[J]. Artificial Intelligence Review, 1992, 6(1): 3-34.

[9] 陈靖芯, 李红, 徐晶, 等. 基于知识的智能化设计方法及其实现[J]. 农业机械学报, 2003, 34(4): 109-112. CHEN Jing-xin, LI Hong, XU Jing, et al. Knowledge-based intelligent design and its application[J]. Transactions of the Chinese Society for Agricultural, 2003, 34(4): 109-112. (in Chinese)

[10] 石峰, 娄臻亮, 张永清, 等. 注塑模浇注系统智能设计的一种混合知识模型[J]. 上海交通大学学报, 2003, 37(5): 754-757. SHI Feng, LOU Zhen-liang, ZHANG Yong-qing, et al. A hybrid knowledge model for intelligent design of injection molding feed system[J]. Journal of Shanghai Jiao Tong University, 2003, 37(5): 754-757. (in Chinese)

[11] Peng G, Chen G, Wu C, et al. Applying RBR and CBR to develop a VR based integrated system for machining fixture design[J]. Expert Systems with Applications, 2011, 38(1): 26-38.

[12] Yu Y X, Liao H K, Zhou Y, et al. Reasoning and fuzzy comprehensive assessment methods based CAD system for boiler intelligent design[J]. Journal of Mechanical Science & Technology, 2015, 29(3): 1123-1130.

[13] 赵辉, 席平. 基于知识集成模型的产品快速设计[J]. 北京航空航天大学学报, 2006, 33(1): 123-126. ZHAO Hui, XI Ping. Product rapid design based on integrated knowledge model[J]. Journal of Beijing University of Aeronautics & Astronautics, 2006, 33(1): 123-126. (in Chinese)

[14] Guo Y G, 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.

[15] 余旭, 刘继红, 何苗. 基于领域本体的复杂产品设计知识检索技术[J]. 计算机集成制造系统, 2011, 17(2): 225-231. YU Xu, LIU Ji-hong, HE Miao. Design knowledge retrieval technology based on domain ontology for complex products[J]. Computer Integrated Manufacturing Systems, 2011, 17(2): 225-231. (in Chinese)

[16] 王国新, 阎艳, 张祥, 等. 面向坦克装甲车辆创新与快速设计的知识建模方法研究[J]. 兵工学报, 2009, 30(增刊1): 100-105. WANG Guo-xin, YAN Yan, ZHANG Xiang, et al. A knowledge modeling approach of innovation and rapid design for armored vehicle[J]. Acta Armamentarii, 2009, 30(S1): 100-105. (in Chinese)

[17] 明振军, 阎艳, 王国新. 基于可配置模板的产品设计知识多维度表达方法[J]. 北京理工大学学报, 2014, 34(9): 917-922. MING Zhen-jun, YAN Yan, WANG Guo-xin. Multi-dimensional representation for product design knowledge based on configurable knowledge template[J]. Transactions of Beijing Institute of Technology, 2014, 34(9): 917-922. (in Chinese)

[18] 郝佳, 杨海成, 阎艳, 等. 面向产品设计任务的可配置知识组件技术[J]. 计算机集成制造系统, 2012, 18(4): 705-712. HAO Jia, YANG Hai-cheng, YAN Yan, et al. Configurable knowledge component technology oriented to product design tasks[J]. Computer Integrated Manufacturing Systems, 2012, 18(4): 705-712. (in Chinese)

[19] Ke C B, Huang Z Q. Self-adaptive semantic web service matching method[J]. Knowledge-Based Systems, 2012, 35: 41-48.

[20] 刘长毅, 徐诚, 刘震. 基于知识的枪管CAD系统的研究与开发[J]. 机械科学与技术. 2000, 19(1): 161-163. LIU Chang-yi, XU Cheng, LIU Zhen. Research and development of barrel CAD system based on acknowledge[J]. Mechanical Science and Technology. 2000, 19(1): 161-163. (in Chinese)

Knowledge Service Method for Supporting Product Intellectualized Design

WANG Ru, WANG Guo-xin, YAN Yan, HAO Jia, SHI Xue-hai, MING Zhen-jun

(School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China)

To solve the problems of computation and reasoning decision in the product intellectualized design and achieve a combination of both, a knowledge service method for supporting product intellectualized design is proposed, which includes the development of knowledge service strategy and the construction of knowledge environment. The design knowledge is divided into four types, i.e. business domain, empirical rule, instance scenario and iteration calculation, by analyzing the features of design knowledge and the relationship between it and design process. A appropriate service strategy is developed for the different types of knowledge, and the formal descriptions of them are given based on knowledge and component templates. An ontology-based semantic modeling process of design knowledge is presented. On this basis, through evaluation and modification of scheme, the design knowledge is integrated into the instance-based reasoning activities, and the automated computation is achieved by tools integration and procedure packaging. A knowledge-based intelligent design system is developed. The proposed method is demonstrated by taking a gun barrel for example. The result shows that the method is effective.

artificial intelligence; knowledge service; knowledge reuse; reasoning decision; barrel design

2015-11-18

国家自然科学基金项目(51375049、51505032); 国家国防科技工业局基础科研项目(A2220133001)

王儒(1987—), 男, 博士研究生。E-mail: haitang.56@163.com; 阎艳(1967—), 女, 教授, 博士生导师。E-mail:yanyan331@bit.edu.cn

TP182

A

1000-1093(2016)11-2101-13

10.3969/j.issn.1000-1093.2016.11.019