注塑模模架設計KBE系統(tǒng)及其智能關鍵技術給出了推理的流程圖，通過面向子目標的方法提高了KBE系統(tǒng)的知識表示和推理能力;將事例推理的方法結合在KBE系統(tǒng)中，提高了系統(tǒng)對以往成功事例的能力;利用神經網絡的自學習能力，解決了模架中鑲塊和前后模設計的計算問題。通過實際的應用，該系統(tǒng)能夠有效地提高模具企業(yè)的模具設計和分析能力。
1994-2(知識統(tǒng)統(tǒng)數據挖掘及其在工領域的應e用lish提升到計e算。機輔助助設r計層次：實現這一飛躍，以通工程設計是一個經驗性較強的行業(yè)，設計人員在長期的工作中積累的經驗與知識對工程設計過程起著十分重要的影響-因此，盡管CAD技術應用越來越廣泛，但目前CAD技術大部分還停留在計算機輔助繪圖層次，這無疑難以勝任對產品開發(fā)的高質量、短周期低成本要求-因此需要將傳統(tǒng)的CAD過集成人工智能和工程領域知識，構成工程設計KBE(Knowledge Based Engineering)系統(tǒng)來達到。
本文認為KBE是一種存儲并處理與產品模型有關的知識，并基于產品模型的計算機軟件系統(tǒng)，這些知識包含了產品的設計、分析與制造方法等。因此KBE系統(tǒng)包括知識系統(tǒng)、知識獲取、產品建模和分析技術等部分。知識系統(tǒng)主要用于工程設計知識的表示和處理，體現了系統(tǒng)的智能化水平，知識系統(tǒng)的知識表示將集成多種方法，以期利用各種方法的優(yōu)點，更有效地表達專家的知識;知識獲取技術主要用于工程設計知識的獲取，包括自動獲取和人工獲取，可以修正和提煉各領域專家的知識，改善工程設計能力和工程分析能力;產品建模和分析技術包括計算機輔助圖形技術(CAGD)和計算機輔助工程技術(CAE)，它們是工程設計KBE系統(tǒng)的基礎，知識系統(tǒng)和知識獲取技術都將建立在其基礎上。因此，結合當前模具企業(yè)的需求和當前KBE技術的進展，本文進行了模架設計KBE系統(tǒng)及其關鍵技術的研究。
模架設計：KBE系統(tǒng)框架通過對當前模架設計過程的分析，設計了模架設計的數據流圖。從此可以看出，工程師從拿到注塑產品開始，就按部就班設計模具的各個機構，并且各機構設計的基本知識完全不同，不可能用統(tǒng)一的知識表示(事例信息、材料信息、工藝信息等)。因此在各個機構的設計中，應建立基于應用領域的不同設計子系統(tǒng)，然后綜合成為模架設計KBE系統(tǒng)。
模架設計KBE系統(tǒng)的系統(tǒng)框架如所示，采用Pro-Engineer軟件進行次開發(fā)。在系統(tǒng)中結合領域知識進行工程設計，完成模架的結構設計，包括鑲塊設計、前后模設計、模架零件干涉檢查適用模架的型號和選用的標準件。其中領域知識采用：框架掘則結構知識進行表示(用于澆口設計等)神經網絡進行表示(鑲塊設計和前后模尺寸設計)CASE進行表示(模架設計事例以及模架型號等)等方法。在知識獲取方面，采用人工交互和分類模式，共同提取澆口設計、鑲塊設計和前后模設計等知識。
KBE系統(tǒng)的知識表示和推理工程設計中的知識是關于工程設計過程中各種關系和過程的知識，為了有效地支持工程設計活動，必須用適當的手段來表達各種關系和過程，這就是知識表示。同時知識表示方法是研究用機器語言表示知識的可行性和有效性的方法，可看成是一組描述事物的約定，可以把人類知識表示成機器能處理的數據結構。
S方法是產生式規(guī)則、但是框架結構具有組織成塊知識的良好特性，因此將兩者進行有機的結合，建立基于框架掘則的系統(tǒng)，可以提供工程設計系統(tǒng)良好的開發(fā)、調試和管理幫助。在應用上，模架設計KBE系統(tǒng)本身是建立于應用子領域的設計子系統(tǒng)之上，然后再綜合成為一個統(tǒng)一的系統(tǒng)，其中各個子領域的知識基本上互不干涉，而且結構上完全不同，這些特點為建立基于框架掘則的智能系統(tǒng)提供了有益的應用基礎。
C：=浮點數框架-見的Backus范式本文采用基于框架規(guī)則的數據結構表示領域知識：具體的框架表示工程設計領域的子目標，并集成解決該子目標的知識(規(guī)則等)，各個框架通過解決目標的因果關系和上下級關系，共同構成領域的框架樹。
上述的框架規(guī)則范式構成了注塑模模架設計KBE系統(tǒng)的知識表示語言，注塑模架設計KBE系統(tǒng)的所有工程知識都用此語言表示。但是KBE系統(tǒng)中有些子領域并不合適用規(guī)則推理的方式進行計算，如鑲塊設計、前后模尺寸設計和模架設計事例的選擇，因此在“變量計算方式”中增加了“函數計算方式”，由此拓寬了KBE系統(tǒng)的使用范圍，使得眾多的計算和推理方法，如神經網絡、基于事例的推理等，可以無縫地融合于注塑模模架設計KBE系統(tǒng)中。
為KBE系統(tǒng)基于框架規(guī)則的推理算法。
從流程圖中可以看出，該算法的主要特點是充分利用規(guī)則系統(tǒng)的前向和反向推理，使系統(tǒng)的推理集中在某一個子目標中，以盡量縮小推理范圍。虛線部分表示在某些推理計算過程中需要對更深層次的子目標進行推理計算，因此需遞歸調用子目標的推理過程。這樣構成了基于框架樹的完整的推理算法。
模架設計中基于事例的推理技術作為一種有效的推理技術，在各個行業(yè)得到了滲透和應用。CBR的核心思想是人類經驗的再應用，因此非常適用于一些弱理論領域。模具加工過程是一個復雜的、理論性還不太清楚的過程，影響因素很多，很難用精確的理論模型進行描述，因此屬于弱理設計時，往往是回憶以往舊的、相類似的產品或特征的設計結果，借鑒其設計方法或思想，經過適當地修改就可以適應新的情況，解決新的問題，這就從客觀上為CBR技術在模具行業(yè)的應用提供了基礎。所以CBR技術在模具行業(yè)的研究應用和發(fā)展具有可行性，并且是一個極富有希望和發(fā)展前途的研究和應框架規(guī)則系統(tǒng)推理流程圖當前在注塑模CBR的研究主要偏重于理論方面，面向工廠實際的較少。在工廠實際中，模具設計工程師最需要的是類似模具的設計方案。因此本文建立了基于注塑件產品的模具設計CBR系統(tǒng)，并集成于注塑模模架設計KBE系統(tǒng)。該事例推理系統(tǒng)主要用于向模具設計工程師提供設計參數和設計方案基于數據流圖的分析和注塑模模架設計KBE系統(tǒng)的需求，將已有的事例按其注塑件類型和尺寸分成不同的類別，故事例庫采用層次組織方法，而每個事例采用統(tǒng)一數據結構表示的組織方法。
用當前事例推理的檢索策略主要有最相鄰近策4-2015ChinaAcademicournalElectronic略、歸納推理策略和知識引導策略，針對本系統(tǒng)，擬采用加權量鄰近法，即用注塑模事例中若干重要的關鍵字(注塑件類型，注塑件長、寬高)形成索引。因此事例匹配為非完全匹配，每次選取以事例相似度來衡量當前需求和已有事例的匹配程度。其事例的相似度S計算如下：其中：Mi為各個關鍵字的匹配值;Wi為各個關鍵字的權值，其中注塑件類型的權值取為3.注塑件的長、寬和高各取為1，這樣可避免由于產品類型不同但尺寸類似事例，該相似度算法匹配上不同類型的產品作為事例。
模架設計中的神經網絡技術在模架設計過程中，工程師應針對注塑件的不同尺寸和形狀，確定采用鑲塊和前后模板的尺寸，目前大多數的方法是應用理論研究或經驗公式的成果直接進行數值計算，但是實踐上這些計算成果存在很大差距，經過與實際成功設計的模具數據對比，計算模架尺寸的重要參數(模架壁厚和后模底部厚度)均比實際的大50%以上，有的達到200%.由于理論公式的推導均存在不同程度的簡化，因此誤差較大。為解決這方面的問題，采用與理論推導不同的方法，直接從實際的成功事例中進行學習，構造神經網絡進行計算。
多層前饋神經網絡(MLN)利用反向傳播(BP)算法能逼近任意能量有限的非線性函數關系，以及其在程序中的易實現性，自問世以來，就在信號處理、模式識別以及工程分類中得到了廣泛的應用和重視。實際上，BP算法是最優(yōu)化理論中最速下降法在MLN中的具體應用。本系統(tǒng)中采用的BP算法如下：設給定n個樣本(Xi，Yi)，Ei為第i個樣本的目標函數，反向誤差傳播算法的權值修正為w(k+ 1)=w(k)其中：Z為學習率，用來控制學習的步長;T為學習時避免迭代進入一個“V”形深谷而設置的慣量項;w(k)為多層前饋網的權值矩陣;E為多層前饋網目標和輸出之間的均方差函數。
KBE系統(tǒng)的多層前饋網運用實際成功的事例進行學習，采用注塑件尺寸和一模件數為已知狀態(tài)，模架鑲塊尺寸、模架壁厚和前后模底部厚度為輸出。檢驗誤差約為30%，比理論經驗公式的效果好;并且隨著應用的深入和事例的增加，神經網絡的學習能力將使系統(tǒng)的誤差逐漸減少，更加趨近于實際采用的尺寸數值。
結語通過對當前模具企業(yè)模具設計和制造流程的分析，結合工程設計領域KBE技術的發(fā)展，提出了進行注塑模模架設計KBE系統(tǒng)研究的思路。給出了注塑模模架設計KBE系統(tǒng)的基本框架，并對其關鍵技術(知識表示和推理，基于事例的推理，神經網絡技術)進行了分析。通過注塑模模架設計KBE系統(tǒng)的實際應用，證明該系統(tǒng)能夠有效地提高模具工程師的模具設計和分析能力。
力創(chuàng)，專注制造立式注塑機，雙色注塑機，小型注塑機，全自動注塑機，立式成型機
