数控机床方案设计中实例检索及修改范文

本站小编为你精心准备了数控机床方案设计中实例检索及修改参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要:由于数控机床方案设计实例的多样性和复杂性，实例检索和修改过程中很难获取相关知识。针对此情况，结合数控机床方案多层次结构特点，运用相似度的高低和遗传算法对实例进行检索与修改。创建数控机床多层次结构实例库，通过计算实例相似度，检索出实例库中与目标实例相似度较高的实例;利用遗传算法对实例进行修改，将检索出的相似实例作为遗传算法的初始种群，通过交叉、变异选择出优秀个体参与遗传操作;以数控机床床身为例，通过编写程序求取遗传算法的最优设计方案。结果表明:运用此方法可快速找到与设计问题相似度较高的方案。

关键词:遗传算法;数控机床;实例检索;实例修改;相似度

0前言

基于实例推理(Case－BasedReasoning，CBR)与人类解决问题的思维方式相类似，是将已创建好的实例存入实例库，根据产品设计需求和特征，按照相似度的高低从实例库中找出与新产品在结构特征方面匹配度较高的实例，经过一定的修改，使之成为能满足设计要求的新方案，并将新方案作为新的实例保存到实例库［1］。基于实例推理的核心是在对已有实例特征信息重用的基础上，实现对原有实例的修改及创新，最终得到匹配程度较高的实例。CBR主要由实例库创建、实例检索、实例修改和实例保存四部分组成［2］。实例库的创建是CBR的基础，将已经开发好的实例存储到实例库中。实例检索是CBR的关键问题，其检索的准确性决定了CBR的效果，常用的检索方法有［3］:最近相邻策略、归纳引导策略以及基于知识的神经索引检索法等。实例修改是CBR的技术关键，通过不断的修改来保证已有实例的知识与新产品的设计要求最大程度的可匹配性，它主要涉及实例参数的修改。参数修改的方法主要有基于模型推理技术、基于遗传算法的修改、基于规则技术的应用［4］。基于模型的推理是基于反映事物内部规律的模型进行推理修改的方法，主要将所创建的数学模型与新产品的设计要求相结合，对实例做出推理、判断以及对其不断修改完善。基于遗传算法的修改是对实例库中实例进行遗传操作，计算其适应度函数和检查约束，最终完成实例修改，得到符合设计要求的新实例。基于规则技术的应用是利用积累的经验知识和实例调整规则，按照新的设计要求搜索实例库，检索出相似度较高的实例，从而找到修改策略［5］。作者主要研究的是数控机床方案设计中的实例检索与修改。由于数控机床具有多层结构特征，这使得获取实例的规则与特征约束非常困难［6］。最近相邻策略和遗传算法相关知识非常适用于数控机床实例的检索与修改，因此，作者将最近相邻策略和遗传算法分别应用于数控机床方案设计中的实例检索和修改中。

1实例库的创建

实例库是用来存储设计实例相关信息的一种组织结构，它为实例推理系统在实例检索、实例修改和实例保存等操作中提供充分的数据信息。由于数控机床具有多层次结构，因此需要按照多级实例的层次特性，通过一定的规则表达实例特征并存储，从而形成实例库。数控机床的方案设计具有多样性和复杂性，首先将方案分解成多层次结构，然后根据各模块的逻辑关系将分解的方案按照一定规则入库。对数控机床设计方案进行多层次分解如图1所示，然后经过规则来表达数控机床的多层次系统信息，并将方案信息存储到实例库中。

2实例检索

实例检索是实例推理的关键步骤，它按照设计要求从实例库中选择出与目标实例相似度较高的实例［7］。其中难点就是实例库中的实例与目标实例相似度的计算，相似度的准确性直接决定了实例检索的效果。(1)检索实例特征信息。分析目标实例的特征信息，根据目标实例的特征信息，判定实例库中是否存在所需实例，如果存在，计算该实例特征信息的相似度，如果不存在，需要重新分析目标实例。(2)计算实例特征相似度。文中实例特征相似度的计算采用距离计算，这种方法计算简单，方便可行。(3)确定最终实例。判定是否存在其他实例，如果存在，需要计算其相似度;如果不存在，则分析所有实例的相似度值，确定最高相似度值，实例检索结束。

3基于遗传算法的实例

修改遗传算法是一种借鉴生物自然选择的随机搜索优化算法，能够有效利用当前信息来推测下一代信息，经过不断优化，求得问题的最优解［9］。遗传算法的主要步骤包括初始种群的确定、选择算子、遗传算子的设计以及适应度函数的选取等。

3.1初始种群的确定

初始种群个体数目太多会使搜索时间长，数目太少不利于种群基因的搜索。为了保证初始种群的可行性和遗传算法的高效性，在数控机床床身实例库中选取7个相似实例。把初始种群中的个体实例的特征属性作为遗传算法中的染色体处理，其表达形式为:X=［xi(1)，xi(2)，．．．．．．，xi(7)］。染色体中每个基因与实例的特征属性一一对应，保证了计算结果的准确性。

3.2选择算子设计

选择算子又称再生算子，它建立在个体适应度的基础上。选择算子设计方法有:(1)适应度比例法［10］，又称赌轮选择法或蒙特卡罗选择法，在此方法中，个体每次被选中概率正比于个体在种群中的相对适应度。2)最佳个体保留方法［10］。它先按照赌轮选择法执行遗传算法的选择操作，然后将选择出的适应度较高个体留给下一代。根据适应度值可保留父代种群的优秀个体，用保留的优秀个体替代子代个体中的最后较差个体。该方法的优点是保证遗传算法终止时能选择出具有最高适应度的个体。

3.3遗传算子设计

为了得到更优秀的后代，采用交叉算子和变异算子。交叉是指两个个体按照一定的规则交换部分基因生成新的个体，变异是指个体编码上的基因用其他等位基因进行替换，从而产生新的个体。

4实例保存

实例修改完成之后，根据设计需求，把满足要求的优秀实例保存，并将这些优秀实例及其特征属性保存到数据库中，同时把累计的经验值和特征属性对应的设计要求保留下来存储到数据库中，它们都可作为方案设计的依据。在存储数据库时一定要注意分类存储，防止后续调用的过程中不产生混乱。

5实例验证

以数控机床的床身为研究对象，取实例库中存在的20个数控机床床身实例。

6结论

针对数控机床方案设计实例的复杂性，首先对方案进行多层次分解并建立实例库，然后采用距离法计算实例相似度，根据相似度的高低从已建的实例库中搜索出相应的实例，使设计问题能快速找到实例库中的相似实例;其次，运用遗传算法对实例修改并保留优秀个体实例，包括初始种群的选择、选择算子的设计、遗传算子的设计等过程，完成优秀个体实例的筛选;最后通过实例验证。实验结果表明:该方法减少了相似实例的修改难度，提高了数控机床方案设计的效率，为产品的顺利开发提供了有力保障。

作者：栗江1；张慧2 单位：1.广州南洋理工职业学院机电工程系，2.宁夏职业技术学院工业工程学院