基于神经网络优化凸轮轴铸造知识基工程（kbe）系统的研究

《基于神经网络优化凸轮轴铸造知识基工程（kbe）系统的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要、654379基于神经网络优化的凸轮轴铸造知识基工程(KBE)系统研究材料加工工程专业研究生胡侨丹指导教师杨屹当前，在制造加工领域广泛应用的基于CAX(CAD、CAE、CAM等)技术的计算机应用系统是基于串行交互式设计理念而开发的，从而使得CAX系统不便于分析和处理设计制造过程中的柔性知识流。也难于从设计制造的整体角度去表达和分析各种工艺知识。本课题尝试将基于知识基工程(KnowledgeBasedEngineering，KBE)的设计理念引入铸造工艺设计过程中，并开发出铸造KBE设计系统。在系统框架的构建上，通过面向对象(

2、ObjectOriented，O．O)的建模方法及专家系统对于知识的组织原则，使得开发的该系统具备良好的层次性，并能够有效地模拟铸造领域专家解决问题的方式。在系统中，对于知识的构建、组织与分析采用了神经网络优化的方式。本文中，较为详细地论述了系统的设计与实施过程。在概述KJ3E技术的基础上，讨论了神经网络优化与KBE相结合的方式，进行了系统的总体及各功能模块的设计。整个系统包括神经网络优化子系统与参数化设计子系统两个部分。在神经网络优化中，通过对于工艺知识的处理与更新，为参数化设计部分提供了数据支持。在优化子系统开发中，对领域知

3、识的发掘与结构化主要是根据相关技术文献和领域专家的经验知识来进行。为了实现系统的开发，首先构建了包含特定领域知识(工艺条件知识和基本工艺设计参数知识)的表达模式及推理机制。知识表达采用了面向对象的方法。推理策略为混合推理方式，既有数据驱动方式，又有目标驱动方式。对于基于神经网络优化的凸轮轴工艺工装CAD心川大学顾十学位论文系统，其整体结构分为铸造工艺工装CAD子系统和神经网络优化设计子系统。而铸造工艺工装CAD又分为铸造工艺CAD和模具CAD两部分组成，在工艺CAD部分包括零、铸件CAD、分型面确定、浇注系统CAD、冷铁CAD等

4、子块；模其CAD部分包括模样设计、模板设计、其他标准件设计、装配干涉检验等子块。人工神经网络优化设计子系统由知识获取和推理、建立网络模型、网络学习模块、样本结构和内容更新模块四个部分组成。在系统中，建模的效率是核心部分，而人工神经网络的优化又是保证工艺设计的关键。在本课题的应用实例中，采用所丌发的神经网络专家系统对铸铁凸轮轴阶梯式浇注系统的设计过程进行了智能化CAD建模。同时，根据浇注系统智能化设计的输出结果，基于ObjectARx技术实现了AutoCAD环境下阶梯式浇注系统的三维可视化建模。包括工艺条件的选择、浇注系统设计、模

5、板设计等。本课题的研究表明，以KBE设计理念为载体，在铸造工艺设计系统中引入神经网络优化手段是可行的。KBE系统与神经网络优化的结合使得设计系统在知识处理的集成性、重用性及可更新性等方面有了较大的改进。这形成了本课题工作的主要创新点。关键词：凸轮轴铸造KBE系统参数化设计神经网络摘瑶ResearchonKnowledge-BasedEngineering(KBE)SystemofCamshaftCastingBasedOilNeuro—OptimizationMajority：EngineeringofMaterialProce

6、ssingGraduateStudent：HuQiao—danSupervisor：Poff．YangYiUp—to—date．developmentofcomputerapplicationsystemofCAX(CAD，CAE，CAM)isbasedonqueuinginteffacialmethodology．Thisresultindifficultyofflexibleknowledgeanalyzingindesignandmanufacturingprocess．AlsoitisuneasyforUStoexpre

7、ssvarietiesoftechnologicalknowledge．Theprojectappliedknowledge-basedengineering(KBE)techniquetodesignofcastingprocess．Bytin．cansofobjectorientedmodelingandexpertsystemmethod，processknowledgewasorganizedwithclarifiedstructure．ThesystemdevelopedCansimulateeffectivelywa

8、ysofproblemsolvingbyexpertofcastingfield．Inthesystem，constructionandanalysisofprocessknowledgeisbasedonneuro—optimization．Inthispap