注塑模改模知識(shí)的增量式發(fā)現(xiàn)研究.pdf

1、塑件產(chǎn)品的質(zhì)量主要依賴于注塑模具，由于塑件產(chǎn)品結(jié)構(gòu)多樣復(fù)雜、一般為單件定制，即使正確應(yīng)用模具設(shè)計(jì)制造原則也難以確保一次試模成功，不可避免地需要對(duì)模具進(jìn)行修改（即改模）。而改模涉及模具設(shè)計(jì)制造過程中的許多環(huán)節(jié)，要求改模工程師不僅要掌握模具的設(shè)計(jì)和工藝知識(shí)，還包括課本上沒有的各種工藝經(jīng)驗(yàn)性知識(shí)。這些經(jīng)驗(yàn)性知識(shí)目前只能通過不斷實(shí)踐，接受教訓(xùn)，逐步積累與提高。為此，許多模具企業(yè)已經(jīng)開始注意收集整理相關(guān)的歷史記錄，以“問題與解決方案”的形式加以文

2、檔化，形成電子化的“改模方案”。其主要作用是在改模工程師制訂改模方案時(shí)能夠通過相似問題搜索，查找相似改模案例。這樣可以在一定程度上改善改模的效率和效果，但隨著案例數(shù)量的不斷增加，可借鑒的方案越來越多，況且有些問題看似相似，解決方案卻又完全不同，改模工程師往往望而卻步，迷失在成千上萬的“案例”之中。走出上述困境的唯一方法是從這些歷史方案中歸納出其內(nèi)在規(guī)律，形成真正意義上的“經(jīng)驗(yàn)性知識(shí)”資產(chǎn)。獲取上述經(jīng)驗(yàn)性知識(shí)的難點(diǎn)主要在于以下三個(gè)方面:首

3、先，改模方案特征屬性的不同取值之間存在著復(fù)雜的語義關(guān)聯(lián)關(guān)系。如何建立面向改模方案的特征屬性值之間的復(fù)雜關(guān)聯(lián)模型，并從中抽取和歸納出規(guī)律，將成為獲取改模知識(shí)的難點(diǎn)所在。其次，改模經(jīng)驗(yàn)性知識(shí)具有多樣性與不確定性，使得歸納總結(jié)改模方案中存在的內(nèi)在規(guī)律難以入手。最后，實(shí)際應(yīng)用要求模具知識(shí)管理系統(tǒng)必須具備可持續(xù)歸納能力。由于新增的改模案例會(huì)對(duì)原有的數(shù)據(jù)決策表產(chǎn)生影響，需要不斷從當(dāng)前的改模案例中抽取新的規(guī)律，歸納新的知識(shí)。因此，如何應(yīng)用新的改模信息

4、，建立可持續(xù)的學(xué)習(xí)機(jī)制，將是又一難點(diǎn)。
　　針對(duì)上述應(yīng)用問題與難點(diǎn)，本文做了如下四個(gè)方面的研究工作:
　　(1)基于網(wǎng)狀結(jié)構(gòu)的改模知識(shí)本體建立和基于SWRL(Semantic WebRule Language)語言的改模方案表達(dá)
　　和現(xiàn)有只考慮利用概念間的上下層次關(guān)系描述經(jīng)驗(yàn)性知識(shí)的模型不同，本文不僅考慮概念間的上下層次關(guān)系，同時(shí)也考慮概念間的復(fù)雜的自定義關(guān)系，提出了基于描述邏輯的改模經(jīng)驗(yàn)性知識(shí)的表示方法，并借助本體

5、開發(fā)工具建立了網(wǎng)狀的改模知識(shí)本體，從而比較完整地描述了經(jīng)驗(yàn)性知識(shí)概念之間存在的復(fù)雜語義關(guān)聯(lián)關(guān)系。提出利用語義網(wǎng)絡(luò)規(guī)則語言SWRL構(gòu)建改模方案，SWRL語言能直接利用OWL文件中的概念（類）和概念之間的關(guān)系，實(shí)現(xiàn)對(duì)原始改模方案的結(jié)構(gòu)化處理，從而解決了改模方案不被機(jī)器所理解的問題。
　　(2)基于自定義關(guān)系語義相似度算法的構(gòu)建和“語義坐標(biāo)”的建立
　　和現(xiàn)有基于層次模型計(jì)算語義相似度的方法不同，本文提出了在考慮層次關(guān)系和自定義關(guān)

6、系的基礎(chǔ)上進(jìn)行語義相似度計(jì)算的方法，通過計(jì)算把所有概念分為若干大類，從每個(gè)大類中篩選出一系列“中心概念”，提出以這些“中心概念”形象地扮演概念的“語義表述坐標(biāo)”，每條改模方案是各條坐標(biāo)軸上的語義值向空間某點(diǎn)進(jìn)行投影映射的結(jié)果。這樣解決了由于概念的多樣性引起每種特征屬性的不同取值數(shù)量多，當(dāng)針對(duì)這些屬性取值進(jìn)行規(guī)則歸納時(shí)，將導(dǎo)致大量應(yīng)用有限的規(guī)則出現(xiàn)的問題。從而可以極大地減少所歸納知識(shí)中涉及的概念數(shù)量，提高規(guī)則的簡潔程度和適用范圍。

7、　　(3)基于粗糙集的改模方案增量式更新
　　在粗糙集基礎(chǔ)上，作者提出了一種規(guī)則的增量式獲取方法，并首次應(yīng)用于注塑模改模知識(shí)發(fā)現(xiàn)。首先對(duì)原有的差別矩陣進(jìn)行改進(jìn)，設(shè)計(jì)了基于改進(jìn)的差別矩陣求核與屬性約簡增量更新算法;然后針對(duì)求屬性約簡過程中進(jìn)行析取與合取運(yùn)算的時(shí)候計(jì)算量大的問題，引入了分明差別矩陣，簡化了屬性約簡的計(jì)算復(fù)雜度;最后通過計(jì)算規(guī)則的精度和覆蓋度，并通過設(shè)定規(guī)則的閾值，對(duì)規(guī)則進(jìn)行提取，得到了完備的改模規(guī)則集，提高了系統(tǒng)學(xué)習(xí)的