數控機床方案設計中實例檢索及修改范文

本站小編為你精心準備了數控機床方案設計中實例檢索及修改參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:由于數控機床方案設計實例的多樣性和復雜性，實例檢索和修改過程中很難獲取相關知識。針對此情況，結合數控機床方案多層次結構特點，運用相似度的高低和遺傳算法對實例進行檢索與修改。創建數控機床多層次結構實例庫，通過計算實例相似度，檢索出實例庫中與目標實例相似度較高的實例;利用遺傳算法對實例進行修改，將檢索出的相似實例作為遺傳算法的初始種群，通過交叉、變異選擇出優秀個體參與遺傳操作;以數控機床床身為例，通過編寫程序求取遺傳算法的最優設計方案。結果表明:運用此方法可快速找到與設計問題相似度較高的方案。

關鍵詞:遺傳算法;數控機床;實例檢索;實例修改;相似度

0前言

基于實例推理(Case－BasedReasoning，CBR)與人類解決問題的思維方式相類似，是將已創建好的實例存入實例庫，根據產品設計需求和特征，按照相似度的高低從實例庫中找出與新產品在結構特征方面匹配度較高的實例，經過一定的修改，使之成為能滿足設計要求的新方案，并將新方案作為新的實例保存到實例庫［1］。基于實例推理的核心是在對已有實例特征信息重用的基礎上，實現對原有實例的修改及創新，最終得到匹配程度較高的實例。CBR主要由實例庫創建、實例檢索、實例修改和實例保存四部分組成［2］。實例庫的創建是CBR的基礎，將已經開發好的實例存儲到實例庫中。實例檢索是CBR的關鍵問題，其檢索的準確性決定了CBR的效果，常用的檢索方法有［3］:最近相鄰策略、歸納引導策略以及基于知識的神經索引檢索法等。實例修改是CBR的技術關鍵，通過不斷的修改來保證已有實例的知識與新產品的設計要求最大程度的可匹配性，它主要涉及實例參數的修改。參數修改的方法主要有基于模型推理技術、基于遺傳算法的修改、基于規則技術的應用［4］。基于模型的推理是基于反映事物內部規律的模型進行推理修改的方法，主要將所創建的數學模型與新產品的設計要求相結合，對實例做出推理、判斷以及對其不斷修改完善。基于遺傳算法的修改是對實例庫中實例進行遺傳操作，計算其適應度函數和檢查約束，最終完成實例修改，得到符合設計要求的新實例。基于規則技術的應用是利用積累的經驗知識和實例調整規則，按照新的設計要求搜索實例庫，檢索出相似度較高的實例，從而找到修改策略［5］。作者主要研究的是數控機床方案設計中的實例檢索與修改。由于數控機床具有多層結構特征，這使得獲取實例的規則與特征約束非常困難［6］。最近相鄰策略和遺傳算法相關知識非常適用于數控機床實例的檢索與修改，因此，作者將最近相鄰策略和遺傳算法分別應用于數控機床方案設計中的實例檢索和修改中。

1實例庫的創建

實例庫是用來存儲設計實例相關信息的一種組織結構，它為實例推理系統在實例檢索、實例修改和實例保存等操作中提供充分的數據信息。由于數控機床具有多層次結構，因此需要按照多級實例的層次特性，通過一定的規則表達實例特征并存儲，從而形成實例庫。數控機床的方案設計具有多樣性和復雜性，首先將方案分解成多層次結構，然后根據各模塊的邏輯關系將分解的方案按照一定規則入庫。對數控機床設計方案進行多層次分解如圖1所示，然后經過規則來表達數控機床的多層次系統信息，并將方案信息存儲到實例庫中。

2實例檢索

實例檢索是實例推理的關鍵步驟，它按照設計要求從實例庫中選擇出與目標實例相似度較高的實例［7］。其中難點就是實例庫中的實例與目標實例相似度的計算，相似度的準確性直接決定了實例檢索的效果。(1)檢索實例特征信息。分析目標實例的特征信息，根據目標實例的特征信息，判定實例庫中是否存在所需實例，如果存在，計算該實例特征信息的相似度，如果不存在，需要重新分析目標實例。(2)計算實例特征相似度。文中實例特征相似度的計算采用距離計算，這種方法計算簡單，方便可行。(3)確定最終實例。判定是否存在其他實例，如果存在，需要計算其相似度;如果不存在，則分析所有實例的相似度值，確定最高相似度值，實例檢索結束。

3基于遺傳算法的實例

修改遺傳算法是一種借鑒生物自然選擇的隨機搜索優化算法，能夠有效利用當前信息來推測下一代信息，經過不斷優化，求得問題的最優解［9］。遺傳算法的主要步驟包括初始種群的確定、選擇算子、遺傳算子的設計以及適應度函數的選取等。

3.1初始種群的確定

初始種群個體數目太多會使搜索時間長，數目太少不利于種群基因的搜索。為了保證初始種群的可行性和遺傳算法的高效性，在數控機床床身實例庫中選取7個相似實例。把初始種群中的個體實例的特征屬性作為遺傳算法中的染色體處理，其表達形式為:X=［xi(1)，xi(2)，．．．．．．，xi(7)］。染色體中每個基因與實例的特征屬性一一對應，保證了計算結果的準確性。

3.2選擇算子設計

選擇算子又稱再生算子，它建立在個體適應度的基礎上。選擇算子設計方法有:(1)適應度比例法［10］，又稱賭輪選擇法或蒙特卡羅選擇法，在此方法中，個體每次被選中概率正比于個體在種群中的相對適應度。2)最佳個體保留方法［10］。它先按照賭輪選擇法執行遺傳算法的選擇操作，然后將選擇出的適應度較高個體留給下一代。根據適應度值可保留父代種群的優秀個體，用保留的優秀個體替代子代個體中的最后較差個體。該方法的優點是保證遺傳算法終止時能選擇出具有最高適應度的個體。

3.3遺傳算子設計

為了得到更優秀的后代，采用交叉算子和變異算子。交叉是指兩個個體按照一定的規則交換部分基因生成新的個體，變異是指個體編碼上的基因用其他等位基因進行替換，從而產生新的個體。

4實例保存

實例修改完成之后，根據設計需求，把滿足要求的優秀實例保存，并將這些優秀實例及其特征屬性保存到數據庫中，同時把累計的經驗值和特征屬性對應的設計要求保留下來存儲到數據庫中，它們都可作為方案設計的依據。在存儲數據庫時一定要注意分類存儲，防止后續調用的過程中不產生混亂。

5實例驗證

以數控機床的床身為研究對象，取實例庫中存在的20個數控機床床身實例。

6結論

針對數控機床方案設計實例的復雜性，首先對方案進行多層次分解并建立實例庫，然后采用距離法計算實例相似度，根據相似度的高低從已建的實例庫中搜索出相應的實例，使設計問題能快速找到實例庫中的相似實例;其次，運用遺傳算法對實例修改并保留優秀個體實例，包括初始種群的選擇、選擇算子的設計、遺傳算子的設計等過程，完成優秀個體實例的篩選;最后通過實例驗證。實驗結果表明:該方法減少了相似實例的修改難度，提高了數控機床方案設計的效率，為產品的順利開發提供了有力保障。

作者：栗江1；張慧2 單位：1.廣州南洋理工職業學院機電工程系，2.寧夏職業技術學院工業工程學院