<cite id="i8gum"></cite>
<kbd id="i8gum"><acronym id="i8gum"></acronym></kbd>
    • 中國減速機(jī)行業(yè)最大的門戶網(wǎng)站!
         首頁 免費(fèi)注冊會員登錄會員中心高級搜索| 會員權(quán)限設(shè)為首頁加入收藏聯(lián)系我們
       
          您是通過何種途徑知道本站的?
      媒體廣告
      雜志報刊廣告
      網(wǎng)絡(luò)搜索
      朋友推薦
      其他

        
       
       

       

        信息中心
       專題信息 => 基于規(guī)則挖掘的刀具智能選配技術(shù)研究 打印此頁】 【返回
      發(fā)布日期:[2007/7/19]    共閱[1683]次
           

      刀具的智能選配是智能化CAPP 的關(guān)鍵技術(shù)之一,由于刀具選擇過程中涉及到工件材料、尺寸形狀、加工精度、切削參數(shù)、冷卻條件等等因素,而不同的刀具選擇系統(tǒng)對各個因素的權(quán)重描述不盡相同,使得刀具的智能選配成為實(shí)現(xiàn)智能化CAPP 的一個難點(diǎn)。目前國內(nèi)外研究主要集中在刀具參數(shù)的優(yōu)化決策模型和刀具模型的模糊評判方面[l-2] ,其成果還不便直接運(yùn)用于CAPP系統(tǒng)。本文在對影響刀具選配諸多因素進(jìn)行力度比較的基礎(chǔ)上,運(yùn)用數(shù)據(jù)挖掘的手段,從大量的工藝經(jīng)驗(yàn)中挖掘出潛在的刀具選配關(guān)聯(lián)規(guī)則,并提出一種基于信息增益的選擇算法,為最終實(shí)現(xiàn)刀具的智能選配提供有力的支持。
      1
      刀具選配影響因素分析
      刀具選配的影響因素很多,且各因素對選擇刀具的特征和影響力度不同。例如:工件材料對刀具材料選擇起決定性作用;加工方法決定刀具的整體結(jié)構(gòu);加工表面特征影響刀具的幾何形狀和尺寸等。刀具選擇因素的交錯影響極為復(fù)雜,影響程度難以量化處理,人們對它們的理解往往不完全、不精確,造成刀具選擇結(jié)果的多樣性。本文依據(jù)因素影響力度選用加工方法、工件材料、加工精度范圍、加工面幾何特征作為影響因素進(jìn)行分析,建立刀具選擇評判因素集J ,計(jì)算候選刀具集熵的期望值,并利用信息增益方法減少刀具選擇結(jié)果的多樣性,使選擇目標(biāo)優(yōu)化集中。

      評判因素集
      J={Up,Um
      ,Uc,Uf,}                        1

      式中Up為加工方法;Um為工件材料;Uc為加工精度范圍;Uf為加工面的幾何特征.

      刀具選擇的目標(biāo)函數(shù)為FUp,Um,Uc,Uf),則可形成候選刀具集V :

      V={V1V2, V3,…Vn}                 2

      其中的一把刀具選擇實(shí)例Vi可表述為:

      Vi=FUp,Um,Uc,Uf               3

      候選刀具集V 的繁雜程度可用信息論中廣泛使用的一個度量標(biāo)準(zhǔn)一一熵(entropy )來刻畫。由于候選刀具集有n 種不同屬性值,則候選刀具集V 相對于這n 種候選刀具的熵定義為

      其中,pi是候選刀具集V 中屬于類別Vi的比例。設(shè)Value(UP)表示加工方法因素所有可能值的集合,Vp=FUp,x,x,x)其中符號“X”表示通配符,Vp表示僅在加工方法因素影響下獲取的候選刀具集合。則用加工方法Up,分類后熵的期望值為

      事實(shí)上,利用各因素對V 進(jìn)行分類后,V的熵降低了,其結(jié)果是使選擇目標(biāo)更集中。本方采用“信息增益”概念(Information gain ) ,分別使用各影響因素對候選刀具集進(jìn)行劃分而導(dǎo)致期望嫡的降低,可表達(dá)如下:

      更精確的說Gain ( V, Ux)是由于知道因素Ux 的值而導(dǎo)致的期望熵減少[3]。本文經(jīng)過比較.選

      用了加工方法、工件材料、加工精度范圍和加工幾何特征這4個因素作為增益因子,使刀具選擇目標(biāo)更集中。

      2刀具智能選擇算法
      在確定評判因素集J=Up,Um,Uc,Uf}以后,建立評判規(guī)則集R={R1,R2,R3Rn}和評判因素的信息增益集G= {GpGm,Gc,Gf} ,并設(shè)定評判因素值E={Ep,Em,Ec,Ef} ,則針對候選刀具集V ={ Vl,V2,V3Vn}的刀具選擇計(jì)算步驟如下:
      步驟1 :對信息增益集中的元素由大到小排序(不失一般性,假定GpGmGcGf).設(shè)定當(dāng)前規(guī)則集R'=R
      步驟2 :取出集合E中的EP,以<EP,x , x , x>在規(guī)則集中做匹配,得出候選刀具方案集VX: 和當(dāng)前集R={ R1,R2,R3Rn |Ri<EP,x , x , x>=Vi,Vi
      φ}其中x 是通配符,表示該因素暫不參與刀具選配活動。
      步驟3 :判斷VP是否為空,若不為空,進(jìn)行步驟3 ,否則結(jié)束計(jì)算,提示用戶自定義選取刀具,并將結(jié)果存人規(guī)則庫中。
      步驟4 :按順序提取下一個評判因素,重復(fù)步驟2 、3 直至結(jié)束。
      該算法以各因素的信息區(qū)分度為依據(jù),可迅速收斂到一個較小的范圍,同時兼顧了新增的規(guī)則對整體的影響,評判因素的匹配順序是動態(tài)變化的,在實(shí)際運(yùn)用中該算法需要做一些調(diào)整,尤其是對各因素的信息增益集的設(shè)定,由于規(guī)則庫的龐大,每一次刀具選配都進(jìn)行相應(yīng)的信息增益計(jì)算是沒有必要的,可采取物化視圖的方式保持信息增益集的動態(tài)更新。
      3
      刀具選配規(guī)則的建立
      系統(tǒng)的智能化離不開知識庫的支撐,知識的標(biāo)準(zhǔn)化、完備化程度越高,系統(tǒng)的智能化越容易實(shí)現(xiàn)。所以要實(shí)現(xiàn)刀具的智能化選配必須建立相應(yīng)的知識庫。知調(diào)車的建立需要考慮如下幾個方面:

      1)標(biāo)準(zhǔn)化:標(biāo)準(zhǔn)化的知識有利于結(jié)構(gòu)化存儲,減少數(shù)據(jù)冗余,方便科學(xué)計(jì)算;此外,標(biāo)準(zhǔn)化有利于知識的共享和系統(tǒng)間集成;
      2
      )完備化:完備的知識體系對系統(tǒng)的支撐力度強(qiáng),而知識量過少會使得整體搜索范圍過小,導(dǎo)致搜索過程過早中斷;
      3
      )擴(kuò)展性:刀具的智能選配過程是一個機(jī)器自學(xué)習(xí)的過程,選配過程中需要存儲獲取的新規(guī)則,而新規(guī)則的加人需要良好的擴(kuò)展性作為支撐。
      刀具選配規(guī)則庫中的資源獲取有2 種方式:第1 種是由專家制定相應(yīng)的規(guī)則,再人工錄入數(shù)據(jù)庫存儲。第2 種是從以往的工藝經(jīng)驗(yàn)中挖掘出的有價值的規(guī)則信息。
      由于影響刀具選配的因素較多,第1 種方式的工作量是巨大的,可操作性較差,它使得刀具

      選擇系統(tǒng)的初始化工作量過大,也不利于智能化CAPP 系統(tǒng)的配套應(yīng)用。第2 種方式是一種可行的工程辦法,在工藝實(shí)例裝載過程中就對數(shù)據(jù)進(jìn)行去噪、清洗和標(biāo)準(zhǔn)化處理,即利用以往的經(jīng)驗(yàn),這為數(shù)據(jù)挖掘奠定基礎(chǔ)。
      刀具選配理規(guī)則本質(zhì)上是一種關(guān)聯(lián)規(guī)則,即2 個或多個變量的取值之間存在某種規(guī)律性。為表示關(guān)聯(lián)規(guī)則挖掘的含義,做如下定義。定義1 :支持度(Support ) s 表示評判因素X 在所有待挖掘規(guī)則中出現(xiàn)的頻率,關(guān)聯(lián)規(guī)則X     Y的支持度S 定義為:

      其中|TXUY| 表示知道評判因素X的值后,選取刀具Y 的規(guī)則數(shù)量;|T|表示所有待挖掘的規(guī)則總數(shù)。
      定義2 :致信度(confidence ) C 關(guān)聯(lián)規(guī)則的強(qiáng)度,其定義為:

      |TX| 表示所有包含因素X 的待挖掘規(guī)則總數(shù)。
      關(guān)聯(lián)規(guī)則的挖掘就是發(fā)現(xiàn)具有用戶指定的最小支持度和最小置信度的關(guān)聯(lián)規(guī)則。置信度值太低,說明規(guī)則的可信程度差;支持度值太低,說明規(guī)則不具有一般性[4]。在刀具選配規(guī)則的挖掘中,待挖掘規(guī)則集合可以是已有的工序集合。因?yàn)橐坏拦ば虻拿枋鐾N(yùn)含加工方法、加工精度、加工面的特征和所選用的刀具等等信息,關(guān)鍵信息因素集中時,同時工序集合的數(shù)量級是龐大的,符合數(shù)據(jù)挖掘的應(yīng)用條件。
      關(guān)聯(lián)規(guī)則挖掘可以劃分為2 個階段:第1 階段發(fā)掘大項(xiàng)集,也就是支持度S 大于預(yù)先給定的最小閾值的項(xiàng)的集合。在該階段中可以采用Apriori算法,利用幾次迭代來計(jì)算頻繁項(xiàng),迭代i次將產(chǎn)生頻繁i 項(xiàng)集(包含i個元素的項(xiàng)集)。每一次迭代有2 個步驟:第l 步產(chǎn)生候選集;第2 步計(jì)算和選擇候選集。最終使用大項(xiàng)集來產(chǎn)生數(shù)據(jù)庫中置信度C 大于預(yù)先給定的最小閾值的關(guān)聯(lián)規(guī)則。設(shè)頻繁4 項(xiàng)集和頻繁5 項(xiàng)集最終結(jié)果如表l 、表2 所示

      1 4項(xiàng)集的迭代結(jié)果

      4-項(xiàng)集

      計(jì)數(shù)

      S[%]

      {up1,uc1,uf1,v1}

      {up2,um2,uc2,uf2}

      {up3,um3,um3,v3}

      {up4,um4,um4,uf4}

       

      200

      100

      100

      100

      80

      40

      40

      40

      2  5項(xiàng)集的迭代結(jié)果

      5-項(xiàng)集

      計(jì)數(shù)

      S[%]

      {up2,um2,uc2,uf2v2}

      {up4,um4,um4,uf4,v4}

      100

      100

      40

      40

      置信度C=Sup2,um2,uc2,uf2,v2/Sup2,um2,uc2,uf2=100/100=1,如果C 大于給定的閾值,則挖掘的一條刀具選配規(guī)則:{up2,um2,uc2,uf2}     V2

      4 結(jié)語
      刀具的智能選配是研究智能化CAPP 系統(tǒng)過程中必須解決的難題之一,要實(shí)現(xiàn)智能化首先要實(shí)現(xiàn)基礎(chǔ)信息的量化和標(biāo)準(zhǔn)化。CAPP 系統(tǒng)的智能并不是“無源之水”,大量已有工藝的知識挖掘?yàn)?SPAN lang=EN-US>CAPP
      系統(tǒng)的智能化提供了豐富的資源。本文立足實(shí)用性、敏捷性、智能性討論了一種基于知識庫的刀具智能選配方法,該算法已用于智能型CAPP 系統(tǒng)——SmartCAPP系統(tǒng)中,為研究智能型CAPP系統(tǒng)提供了一種新思路。

      [參考文獻(xiàn)]
      [1
      ]竺長安.CAPP 的刀具自動選擇系統(tǒng)[A].現(xiàn)代制造工程,20022: 5-6。
      [2] Ta n Xianchun
      。A decision-making framework model Of tool selection for green manufacturing and its applications [J].Journal of Chongqing University , 2003(3): 117-121.

      [3]王宏生.人工智能及其應(yīng)用[M].北京:國防工業(yè)出版社,2006 .
      [4] Mehmed Kanrardzic . Data mining concepts , models , methods , and algorithm[M]
      ,北京:清華大學(xué)出版社,2003 .

       
      打印此頁】 【返回】【頂部】【關(guān)閉
       
      關(guān)于我們 - 聯(lián)系方式 - 版權(quán)聲明 - 本站宗旨 - 網(wǎng)站地圖 - 廣告服務(wù) - 幫助中心 - 設(shè)為首頁 - 加入收藏
      全國服務(wù)熱線:13552592001 E-mail:jiansuji001@163.com
      Copyright © 2008-2019 By 減速機(jī)信息網(wǎng) All Rights Reserved.
      亚洲视频入口,中文字幕在线亚洲,国产精品久久久久久久久福利,欧美日韩国产综合在线