（材料物理与化学专业论文）铝基陶瓷专家系统的设计研究.pdf

摘要 摘要 随着计算机技术的不断发展，材料科学领域内的计算机技术也取得了一定的 进展。a i n 陶瓷具有导热率高，散热性能好，电绝缘性能优良，无毒的特点，凭 借其大量的优点可以预测a i n 会被广泛研究和应用。 本文在查阅资料文献，包括：对人工智能专家系统及其功能和特点的了解、 专家系统在材料学科中应用的目前概况的了解、人工神经网络的理论基础、神经 网络的发展过程及其独特的优点了解的基础上，建立了以知识检索、简单计算和 推理为基础的a i n 陶瓷专家系统，其中包括数据库设计，对部分a i n 陶瓷材料的 组成及其性能进行数据库入库管理，再利用这些已有的知识记录，结合人工神经 网络b p 算法设计具有预测功能的专家系统，实现对未知a i n 材料组分及性能数据 的预测。 关键字：人工智能神经网络 专家系统铝基陶瓷 a b s t r a c t a b s t r a c t a l o n gw i t ht h ed e v e l o p m e n to fc o m p u t e rt e c h n o l o g y , m a t e r i a l ss c i e n c ei nt h e f i e l do fc o m p u t e rt e c h n o l o g yh a sm a d e s o m ep r o g r e s s a i nc e r a m i c sw i t h c h a r a c t e r i s t i c so fh i g ht h e r m a lc o n d u c t i v i t y , t h e r m a lp e r f o r m a n c e ，e x c e l l e n te l e c t r i c a l i n s u l a t i o np r o p e r t i e s ，n o n t o x i c ，w h i c hc a nb ep r e d i c t e da i nw i l lb ee x t e n s i v er e s e a r c h a n da p p l i c a t i o n s t h i sp a p e r sm a i nt a s ki se s t a b l i s h e dt h ee x p e r ts y s t e mb a s e do na c c e s st o i n f o r m a t i o nl i t e r a t u r e ，i n c l u d eat m d e r s t a n d i n go fa r t i f i c i a li n t e l l i g e n c ee x p e r ts y s t e m a n di t sf u n c t i o n s ，a n de x p e r ts y s t e mi nt h ea p p l i c a t i o no fm a t e r i a l ss c i e n c eo v e r v i e w o ft h ec u r r e n t ，a n dt h et h e o r e t i c a lb a s i so fa r t i f i c i a ln e u r a ln e t w o r k s ，n e u r a ln e t w o r k d e v e l o p m e n tp r o c e s s a n di t s u n i q u ea d v a n t a g e s t h i s p a p e ri n t r o d u c e a l l i m p l e m e n t a t i o np r o c e s so fa na i nc e r a m i c se x p e r ts y s t e m ，i n c l u d i n gw a r e h o u s e m a n a g e m e n t t h e e x i s t i n g a i b a s e dc e r a m i cd a t as u c ha si t sc o m p o s i t i o na n d p e r f o r m a n c e ，a n du s i n gt h e s er e c o r d si nt h ed a t a b a s eo fk n o w l e d g e ，c o m b i n e dw i t h a r t i f i c i a ln e u r a ln e t w o r ka l g o r i t h m st oa c h i e v ep r e d i c t i o ni nw h i c hd a t aa r eu n k n o w n c o m p o s i t i o n k e y w o r d s ：a r t i f i c i a l n e u r a ln e t w o r k e x p e r ts y s t e m a l b a s e dc e r a m i c s 西安电子科技大学 学位论文独创性( 或创新性) 声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导f 进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内 容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技 大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任 何贡献均已在论文中做了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 么午 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件， 允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其 它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名 单位为西安电子科技大学。 ( 保密的论文在解密后遵守此规定) 本人签名： 导师签名： 易午 醐一 血叫醐叶j， 第一章绪论 第一章绪论 1 1 专家系统的历史和现状 专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了 人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识 的重大突破j 。2 0 世纪6 0 年代初，出现了运用逻辑学和模拟心理活动的一些 通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法 无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式， 并且对于解题所需的巨大的搜索空间也难于处理b j 。1 9 6 5 年，费根鲍姆等人 在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门 知识，研制了世界上第一个专家系统d e n d r a l f 引，可以推断化学分子结构。 随后最有代表性的专家系统有化学质谱分析专家系统、医疗诊断专家系统、地质 勘探专家系统、电力专家系统等【4 】。2 0 多年来，专家系统使人工智能理论的研究 从实验室走向了应用。随着专家系统的理论和技术不断发展，其应用渗透到几 乎各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、 军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等 众多领域，开发出的几千个专家系统，其中不少在功能上已达到、甚至超过 同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益1 5 j 。 专家系统的发展已经经历了三个阶段，正向第四代过渡和发展1 6 一j 。第一 代专家系统( d e n d r a l 、m a c s y m a 等) 以高度专业化、求解专门问题的能 力强为特点，但在体系结构的完整性、可移植性等方面存在缺陷。第二代专 家系统( m y c i n 、c a s n e t 、p r o s p e c t o r 、h e a r s a y 等) 属单学科专业 型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统 的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的 知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统 属于多学科综合型系统，采用多种人工智能语言，综合运用各种知识表示方 法和多种推理机制及控制策略，并开始使用各种知识工程语言、骨架系统及 专家系统开发工具和环境来研制大型综合专家系统。在总结前三代专家系统 的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知 识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家 系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来 实现具有多知识库、多主体的第四代专家系统。 铝基陶瓷专家系统的设计研究 专家的合作，直接编写程序来实现的。其研制周期长、难度大，但灵活、实用， 至今尚为人工智能专家所使用【8 1 。目前，大部分专家系统研制工作已采用专家系 统开发环境或专家系统开发工具来实现，各领域专家可以选用合适的开发工具来 开发自己的专家系统，大大缩短了专家系统的研制周期，从而为专家系统在各领 域的广泛应用提供了良好条件。 1 2 专家系统在材料科学中的应用和发展 材料科学领域的专家系统研究始于2 0 世纪8 0 年代早期，至2 0 世纪9 0 年代， 专家系统在材料科学领域的研究已成为热点。专家系统在材料领域的研究历史虽短， 但发展很快。近年来，专家系统已走出实验室，开始在材料科学各领域得到应用，材 料科学亦呈现出由实验科学向计算科学发展的趋势。我国对材料科学领域专家系统的 研究始于2 0 世纪8 0 年代晚期。1 9 8 9 年中科院上海冶金研究所建立的i m e c 专家系统 为无机材料设计和合金设计提供了宝贵经验【9 】。 先进的专家系统技术应用于材料科学领域，可以减少了长期以来依靠实验先行且 消耗大量人力、物力和时间的研究方法，在专家系统的指导下用较少的实验获得较为 理想的结果，达到事半功倍的效果。专家系统技术的迅速发展为材料科学的研究及发 展提供了新的有效途径【l 。 从专家系统的构建方法来看 o 列，由于材料科学本质的非线性，许多过程难以用 传统的数学模型进行准确描述，专家系统的人工神经网络不需要任何先验函数的假 设，也不需要预先给定公式的形式，直接从已有的实验数据出发，经过有限次迭代计 算而得到一个反映实验数据内在规律的数学模型，而且还可利用经过训练的网络模型 进行推理预测，特别适合于研究复杂非线性系统。在材料领域中，人工神经网络已用 于材料选择、成分设计、智能加工与控制、工艺优化、相变规律的研究，特别是在材 料性能、缺陷以及相变点等预测方面，应用更为突出。 功能强大是材料专家系统实用化和商品化的基础【1 3 】。伴随专家系统理论和技术的 进步，尤其是在有效解决知识表示和获取、提高系统推理能力的前提下，集成多智能 技术的混合系统，将克服单一技术不足的缺点，成为材料类专家系统的发展趋势。国 外在此方面的研究进展较快。 开发新型专家系统是实现材料专家系统实用化和商品化的途径【l4 1 。例如，实时专 家系统将考虑时间因素，可以更准确地控制材料加工过程。分布式专家系统可以把一 个专家系统的功能经分解后分布到多个处理器上并行工作，从而从总体上提高处理效 率。协同式多专家系统将材料各领域交叉合作，实现模块化设计，从而大大扩展专家 系统的应用范围。 信息技术的集成是材料专家系统实用化和商品化的保障【1 5 】。多媒体技术、计算机 第一章绪论 从而大大扩展专家系统的应用范围。 信息技术的集成是材料专家系统实用化和商品化的保障【l 副。多媒体技术、计 算机网络、远程通讯、数据库、过程控制、并行计算等技术都会逐渐应用到材料 各类专家系统中。例如，多媒体技术可以极大地提高人机交互性，帮助用户更快、 更好地掌握和利用专家系统。在基于网络的专家系统基础上，建立与w 曲连接的 新型关系数据库和知识库，实现异地协同工作和维护、远程访问、资源共享等， 这不但方便了专家系统的应用和服务，更无疑大大提高了专家系统的使用价值。 1 3 本课题的研究任务 随着材料专家系统的不断发展，越来越多的人工智能方法被引入到材料学科。 目前，专家系统的开发和研究已进入稳步上升的阶段。展望未来，材料科学中的 专家系统将会朝着实用化、商品化的方向发展。可以预料：随着时间的推移，材 料领域中的专家系统会日趋成熟。此方面的研究和应用将会出现一个新的、更大 的高潮。 a 1 n 材料凭借其自身的优点被应用于很多行业，研究的人员也很多，其方向 也各自不同，所以这些经过实验所得的数据很多、也很分散。本论文的研究目标 是设计一个以知识检索、简单计算和推理为基础的a i n 专家系统，包括数据库和 推理机两个部分。数据库部分可以将现有的a i n 数据进行数据库入库管理：推理 机部分可以实现依据现有数据库知识对库中未有的数据进行预测。 第二章专家系统概述 第二章专家系统概述 2 1 专家系统简介 所谓专家系统，实际上是一种模拟人类专家解决领域问题的计算机程序系统。 它是以知识库为核心进行问题求解的计算机程序，即基于知识的智能系统。它善 于处理一些非线性关系，特别适用于需要大量专家经验与知识来解答问题的领域。 人们往往把专家系统看成是一个基于心理模型的物理符号系统，用来模拟人的逻 辑思维行为，在某一特定领域具有人类专家水平的解题能力。专家系统也是一个 具有大量专门知识的程序系统，它应用人工智能技术根据一个或多个人类专家提 供的特殊领域知识进行推理，模拟人类专家作决定的过程来解决那些需要专家才 能解决的复杂问题。专家系统是基于知识的计算机程序系统，以其知识的永久性、 易传递性、易存储性、发挥状态始终如一的稳定性等人类专家无可比拟的优点而 倍受行家重视。专家系统的核心是对特定领域中用来解决问题的知识进行策划与 组织，并提供能够利用这些知识的机制。显然，一个专家系统性能的优劣，很大 程度上取决于它具有的知识。因此，拥有大量的专门知识是专家系统与其它计算 机系统之间的主要特征差异【1 6 。w j 。 专家系统中的知识可划分为五大类型：1 ) 客观事实：2 ) 确定的规则与过程： 3 ) 启发性知识；4 ) 基本原理；5 ) 求解问题的全局策略。在实际设计中，这五大 类型知识具有各自的使用方式。客观事实、启发性知识及基本原理是关于问题的 不同表现形式以及对相应解的求解方法。而规则、过程及求解策略的作用则用来 控制、选择问题求解的具体途径1 2 0 j 。 2 1 1 专家系统的基本结构及各部分的功能 专家系统一般由六个部分组成，即知识库、推理系统、数据库、解释系统、 知识获取系统以及人机界面【2 1 1 。虽然专家系统的结构有很多不同的版本，但大致 的结构是一样的。专家系统中最核心的部分是知识库和推理机，其余部分都是辅 助功能。 专家系统各部分的功能比较复杂，概括起来有以下几种情况1 2 2 j ： ( 1 ) 知识库用于存储系统求解问题所需要的领域专门知识，包括知识获取和 知识表示两方面。知识获取过程中获得的专门知识以适当的知识表达方式和结构 形式存入知识库中。知识表示是把获取的知识表示成一定的结构和形式，便于系 统利用。 ( 2 ) 数据库用于存放所求解问题的原始数据、事实和推理过程中得到的各种 铝基陶瓷专家系统的设计研究 中间信息。 ( 3 ) 推理机它是一组程序，用来控制协调整个专家系统的工作，根据数据库 中的信息，利用知识库中的知识，按一定的推理策略，去解决所研究的问题。知 识、推理和控制的分离技术是专家系统有别于传统应用程序的一大特点。 ( 4 ) 解释器负责对推理结果做出必要的解释，以便向用户说明推理过程，使 用户容易接受推理的结果。同时，也有利于新手向专家系统学习，为用户维护和 管理专家系统提供方便。 ( 5 ) 人机界面负责把用户熟悉的信息表示手段，如自然语言、表格、图形等 转换成内部表示形式，再交给各相应的组成部分去处理；专家系统输出的信息也 由人机接口转换成用户能理解的形式显示给用户【2 3 】。 2 1 2 专家系统的特点 2 1 2 1 专家系统的优点 专家系统具有以下几个方面的优点【2 4 - 2 5 ： ( 1 ) 智能性。专家系统具有智能性，就是具有相对独立的解决问题能力。它 不是领域专家的奴隶，而是与领域专家具有同级水平的专家，甚至在某些方面可 以略胜一筹。这就要求专家系统能有总结经验、完善自身的功能，也就是要有自 学习功能。 ( 2 ) 灵活性。人类的知识在不断更新，特别是经验知识。人们在随时发现新 问题，解决新问题。解决新问题的方法就是新知识。专家系统的知识库很容易加 入新知识对象，并允许专家经验在反复修改的过程中表达出来，因而，专家系统 知识具有灵活性。 ( 3 ) 知识表示明确性。专家系统使用演绎的方法，把从系统外得到并用代码 输入系统的知识推广，知识表达很明确，是一种可以让专家识别的形式，因而容 易证实。 2 1 2 2 专家系统的缺点 专家系统以符号操作为基础，致力于模拟人脑的逻辑思维f 2 研。在模拟人脑的 形象思维，类似人脑的学习、联想等方面时显得非常困难，主要表现在以下几个 方面： ( 1 ) 知识获取的“瓶颈 问题 在建造专家系统时，知识来源由知识工程师向领域专家获取或让机器自动获 取【2 7 】。很多情况下，领域专家很难把自己的知识讲清楚，有时只是凭经验或直觉 去这样做，有时专家解决问题的“知识 未必好，甚至可能有误，这就给知识获 取本身带来难题。如果知识是由机器自动向专家“学习 得到的，那将会解决知 识获取的难题。由于专家系统学习能力目前仍相当低下，专家系统可自动获取知 第二章专家系统概述 识的能力受到很大限制。知识获取的另一个难题是当多个领域专家对某一问题的 处理相互矛盾应如何处理时，往往会束手无策。 ( 2 ) 知识的窄台阶效应”问题【2 8 】 知识的运用都有一定的适用范围，由于专家系统的专家领域相对比较狭窄， 对完全“匹配”的问题，专家系统能以专家水平做出处理并给出可靠的解答：而 对不完全“匹配”的问题，或超出专家系统知识领域的问题，系统可能非但不能 正确处理，有时还会给出“不伦不类”的答案。 ( 3 ) 容错能力差 计算机采用局部存储方式，不同的数据和知识存储时互不相关，只有通过人 编写的程序才能相互沟通，程序中微小的错误都会引起严重的后果，系统表现出 极大的脆弱性。 ( 4 ) 推理能力弱 由于推理方法简单，控制决策不灵活，所以容易出现“匹配冲突”、“无穷递 归”等问题，推理速度慢。 2 2 人工神经网络简介 人工神经网络，是专家系统发展到第四阶段出现的。它是一种模仿动物神经 网络行为特征，进行分布式并行信息处理算法的数学模型。这种网络依靠系统的 复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目 的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对 应的输入输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用 新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”【2 9 。3 0 j 。 2 2 1 人工神经网络模型 人工神经网络由大量处理单元互联组成的非线性、自适应信息处理系统。它 是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、 记忆信息的方式进行信息处理p 。 神经网络结构的一般框架女n t m - 3 4 j ： 图2 1 表示了一个简单的神经网络，其中每个小圆圈表示一个神经元，每个 神经元之间相互连接形成一个网络拓扑结构，称为网络的互连模式。虚线框以外 的部分统称为神经网络的环境，神经网络从其所处的环境中接受信息，对信息进 行处理后又返回到环境中去。每个神经元之间的连接并不只是一个单纯的传递信 号的通道，而是在每个神经元之间的连接上有一个加权系数，它可以加强或减弱 上一个神经元的输出对下一个神经元的刺激，这个加权系数称为权值。 铝基陶瓷专家系统的设计研究 输入 图2 1 神经网络简单模型 人工神经网络中，神经元处理单元可表示不同的对象，例如特征、字母、概 念，或者一些有意义的抽象模式。网络中处理单元的类型分为三类：输入单元、 输出单元和隐层单元。输入单元接受系统外部的信号与数据；输出单元实现系统 处理结果的输出；隐层单元是处在输入单元和输出单元之间，不能由系统外部观 察的单元。神经元间的连接权值反映了单元间的连接强度。信息的表示和处理体 现在网络处理单元的连接关系中。人工神经网络是一种非程序化、适应性、大脑 风格的信息处理，其本质是通过网络的变换和动力学行为得到一种并行分布式的 信息处理功能，并在不同程度和层次上模仿人脑神经系统的信息处理功能。它是 涉及神经科学、思维科学、人工智能、计算机科学等多个领域的交叉学科。 人工神经网络的并行分布式系统，采用了与传统人工智能和信息处理技术完 全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信 息方面的缺陷，具有自适应、自组织和实时学习的特点。 在人工神经网络中，修改权值的规则称为学习算法，这也就是说权值并不是 固定不变的，这些权值i ，- l n 根据经验和学习来改变。下面将神经网络的各个基本 组成部分加以说明。 图2 2 的人工神经元是生物神经元的近似，没有考虑诸如动态特性的时间延 迟、频率调制功能等特性，它只是考虑了生物神经元中最基本的，也是最重要的 三个特性： 加权可对每个信号进行不同程度的加权。 求和确定全部输入信号的求和效果。 转移通过变换函数f 确定其输出。 第二章专家系统简介 9 j 点神经元的净输入值： 图2 2 人工神经元 _ = x + 包 i = 1 ( 2 - 1 ) 若视= 1 ，o = g ，即令x = ，葺，x 2 ，x n 7 ，叶= 吩。，w j 。，：，】，则节点j 的 净输入s ，可表示为：一= 勤，净输入s ，通过变换函数后便是输出y ，： i = o y j = 厂( _ ) = 厂【m ，_ 】 ( 2 2 ) i = 0 图2 2 中的变换函数【3 5 】，必须是有界函数，其作用是模拟生物神经元所具有的 非线性转移特性。常用变换函数有以下几种：线性函数、斜坡函数、阶跃函数、 符号函数、单极性s i g m o i d 函数、双极性s i g m o i d i 函数，等。 其中s i g m o i d 函数的特点是：首先它是有上下限界的；其次它是单调增长的； 最后它是连续光滑的，即是连续可微的。最常用的单极性s i g m o i d 函数是对数函 数： j ) 2 专( 2 - 3 ) 它是一个上、下限分别是1 和0 的单极性函数。其中入代表压缩程度，一般 取为l 。即 八s ) 2 寿( 2 - 4 ) s i g m o i d 函数可使同一网络既能处理小信号也能处理大信号。因为该函数中 的高增益部分解决了小信号需要高放大倍数的问题，而两侧的低增益部分正好适 于处理大的净输入信号。 2 2 2 人工神经网络的特点 人工神经网络是采用物理可实现器件和现有的计算机来模拟生物体中神经网 1 0 铝基陶瓷专家系统的设计研究 络的某些结构和功能，且反过来用于工程和其他领域。人工神经网络的着眼点不 是用物理器件去完整地复制生物体中神经细胞，而是采用其可利用的部分来克服 目前计算机和其他系统不能解决的问题，如学习、识别和专家系统等【3 6 1 。 由于人工神经网络吸取了生物神经网络的部分特点，因而有其固有的特点 【3 7 】： ( 1 ) 人工神经网络在结构上与目前的计算机根本不同。它是由很多小的处理 单元互相连接而成，每个处理单元的功能简单，但大量简单的处理单元集体的、 并行的活动得到预期的识别、计算的结果，具有较快的速度。 ( 2 ) 人工神经网络具有强大的容错性，即善于联想、概括类比和推广，任何 局部的或部分的神经元损坏后，不会影响全局的活动。 ( 3 ) 人工神经网络多记忆的信息是存储在神经元之间的权中，有非局限性， 从单个权值中看不出其存储信息的内容，因而是分布式的存储方式。一个神经网 络通常由多个神经元广泛连接而成。一个系统的整体行为不仅取决于单个神经元 的特征，而可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的 大量连接来模拟大脑的非局限性。 ( 4 ) 人- r - * * 经网络具有十分巧妙的学习功能，人工神经网络中的连接权和连 接的结构都可以通过学习而得到。我们在实验过程中对于采样的网络进行了大量 的学习。 ( 5 ) 人工神经元处于激活或抑n - - 种不同的状态，这种行为在数学上表现为 一种非线性关系。非线性关系是自然界的普遍特性。大脑的智慧就是一种非线性 现象。具有阈值的神经元构成的网络具有更好的性能，可以提高容错性和存储容 量，具有集体运算的能力，这与本质上是线性系统的现代数字计算机迥然不同。 ( 6 ) 人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的 信息可以有各种变化，而且在处理信息的同时，非线性动力系统本身也在不断变 化。经常采用迭代过程描写动力系统的演化过程。 ( 7 ) 一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例 如能量函数，它的极值相应于系统比较稳定的状态，具有非凸性。非凸性是指这 种函数有多个极值，故系统具有多个较稳定的平衡态，这将导致系统演化的多样 性。 2 2 3 人工神经网络的分类 人工神经网络模型主要考虑网络连接的拓扑结构、神经元的特征、学习规则 等。目前，已有近4 0 种神经网络模型，其中有反传网络、感知器、自组织映射、 h o p f i e l d 网络、波耳兹曼机、适应谐振理论掣3 8 】。根据连接的拓扑结构，神经网 络模型可以分为： 第二章专家系统概述 ( 1 ) 前向网络网络中各个神经元接受前一级的输入，并输出到下一级，网 络中没有反馈，可以用一个有向无环路图表示。这种网络实现信号从输入空间到 输出空间的变换，它的信息处理能力来自于简单非线性函数的多次复合。网络结 构简单，易于实现。反传网络是一种典型的前向网络【3 9 1 。 ( 2 ) 反馈网络网络内神经元间有反馈，可以用一个无向的完备图表示。这 种神经网络的信息处理是状态的变换，可以用动力学系统理论处理。系统的稳定 性与联想记忆功能有密切关系。h o p f i e l d 网络、波耳兹曼机均属于这种类型h o j 。 学习是神经网络研究的一个重要内容，它的适应性是通过学习实现的。根据 环境的变化，对权值进行调整，改善系统的行为。由d o n a l do h e b b 提出的h e b b 学习规则为神经网络的学习算法奠定了基础。h e b b 规则认为学习过程最终发生在 神经元之间的突触部位，突触的联系强度随着突触前后神经元的活动而变化。在 此基础上，人们提出了各种学习规则和算法，以适应不同网络模型的需要。有效 的学习算法，使得神经网络能够通过连接权值的调整，构造客观世界的内在表示， 形成具有特色的信息处理方法，信息存储和处理体现在网络的连接中1 4 l j 。 根据学习环境不同，神经网络的学习方式可分为监督学习和非监督学习。在 监督学习中，将训练样本的数据加到网络输入端，同时将相应的期望输出与网络 输出相比较，得到误差信号，以此控制权值连接强度的调整，经多次训练后收敛 到一个确定的权值。当样本情况发生变化时，经学习可以修改权值以适应新的环 境。使用监督学习的神经网络模型有反传网络、感知器等。非监督学习时，事先 不给定标准样本，直接将网络置于环境之中，学习阶段与工作阶段成为一体。此 时，学习规律的变化服从连接权值的演变方程。非监督学习最简单的例子是h e b b 学习规则。竞争学习规则是一个更复杂的非监督学习的例子，它是根据已建立的 聚类进行权值调整。自组织映射、适应谐振理论网络等都是与竞争学习有关的典 型模型【5 2 l 。 2 2 4 人工神经网络的工作方式 神经网络的工作过程主要有两个阶段组成【4 3 删：一个阶段是工作期，此时各 连接权值固定，计算单元的状态变化，力求达到稳定状态；另一阶段是学习期( 自 适应期，或设计期) ，此时各计算单元状态不变，各连接权值可修改( 通过学习样 本或其他方法) 。前一阶段较快，各单元的状态亦称短期记忆( s t m ) ，后一阶段 慢的多，权值改变及连接方式亦称长期记忆( l t m ) 。 在学习期阶段，涉及的学习规则如下【4 5 】： 计算机的机器学习规则为三类：一类为死记忆学习；一类从例子中学习；还 有一类无导师学习。神经网络的信息也可做类似的分类。例如一类网络事先设计 成记忆特殊的模式，以后当给定有关该系统的输入信息时，它们就被回忆起来。 铝基陶瓷专家系统的设计研究 而许多网络则从例子中学习，在学习时往往先给网络提供一个输入模式，通过期 望输出的最佳估计，网络对它影响，然后导师给出正确的输出模式。如有必要， 连续系统地调节权值，以使内部表示更接近期望结果。另一类网络则设计成不需 要导师指点的学习方式，如竞争学习系统。 从修正权值的角度，神经网络的学习规则可分为如下几类【4 6 4 刀： ( 1 ) 相关控制：仅仅根据连接之间的激活水平改变权值。 ( 2 ) 纠错规则：依赖关于输出节点的外部反馈改变权值。 对于纠错规则，可分为一般6 规则和广义的6 规则。 ( a ) 6 学习规则。它优于感知器学习，因为权值变化a w 不是一个固定量， 而是与误差成正比，即：a w o = 7 7 4 x ，这里n 是全局控制系数，或叫做 步长，而4 = t y i ，即期望值与实际值的差值。6 规则和感知器学习 规则一样，只适用于线性可分函数，无法用于多层网络。 ( b ) 广义6 规则。它可在多层网络上有效地学习，其关键是对引节点偏 差6 如何定义和计算。对于b p 算法，当i 为隐节点时，定义 4 = f ( n e t ) 木皖屹 这里，是节点i 到上一层节点k 的权值，f 0 为变换函数，指的是将 某一隐节点馈入上一层的误差的比例总和作为该隐节点的误差，通过 可以观察的输出节点的误差，下一层隐节点的误差就能递归得到。广 义6 规则可学习非线性可分函数。 ( 3 ) 无导师学习规则：学习表现自适应输入空间的检测规则。 在人工神经网络中，学习规则是修正权值的一个算法，以获得合适的映射函 数或其他系统性能。在本文的算法实现中，采用广义6 规则。 2 2 5 人工神经网络的信息处理能力 人工神经网络的信息处理能力有两方面的内容： ( 1 ) 网络的信息存储能力； ( 2 ) 网络的计算能力。 在人工神经网络系统中，信息的存储与处理是合二为一的，即信息的处理体 现在神经元互联的分布上，并以大规模并行分布方式处理。“计算 是在运动过 程中悄悄的完成的【4 3 1 。运动的时间就是计算时间，这就是神经网络计算的基本原 理。 第二章专家系统概述 2 3 材料专家系统介绍 2 3 1 材料专家系统的发展状况 材料设计的设想始于2 0 世纪5 0 年代末6 0 年代训4 9 1 。材料设计的发展历史虽然 仅有五十年，但其发展的速度非常快。大力加强理论上预报新材料的工作，对于 促进材料的发展以满足人们日益增长的需要具有重大意义。目前，材料的设计仍 处于经验设计阶段，许多现代科学技术成果还未能转化成材料设计的有力工具。 许多材料工作者习惯于传统的设计思想，在有意无意地阻碍新思想、新知识的传 播和应用。究其原因主要有以下几个方面【5 0 j ：首先，新的设计思想是对多方面知 识的融合，需要从事者有系统的理论知识( 包括现代物理、数学、化学、材料科 学等) 和材料设计经验，各学科之间的结构限制了它的运作；其次，现代材料设 计思想是数学、物理、材料科学的综合，理论过于复杂和理想化，在解决实际问 题时仍面临着许多困难；其三，现代材料设计趋向于以计算机知识和大型计算机 作依托，但目前许多混合型专家系统的设计及其在材料设计中的应用研究单位尚 缺乏必须的物质和技术条件。物理学家和材料学家紧密结合起来是解决和攻克目 前材料设计领域重大问题的关键。这样有可能把物理学取得的重大成就与材料设 计联系起来，人们就可以通过控制原子、电子等微观粒子，按照预先的要求设计 合成材料，当然这一项工作需要计算机应用技术的帮助。目前，在原子尺度上， 利用扫描隧道显微镜和原子分辨率透射电子显微镜等仪器已经能以一个个原子的 分辨率来显示材料的结构。人们已经能够运用等离子技术、：分子束技术及其相应 的设备在原子层次上控制物质的形核和生长，并利用第一原理和统计物理在电子 层次上对材料进行设计，如经验电子论和改进的t f d 模型。由乇计算机的功能愈珠 愈强，根据各种组成物的原子数量，就可以预测结构及其随时间变化的过程。就 当前而言，材料设计的发展趋势大致有以下几个方面【5 1 1 ： ( 1 ) 对原有的材料进行改进和发展新材料。钢铁等原有的材料在未来社会生 活中仍然具有重要的地位，充分利用新工艺、新手段来更新旧材料仍然具有很大 的前景。另外，新型产业的兴起需要新的材料作依托。新材料的设计是目前材料 研究的热点，如超导材料、纳米材料、高强高温的轻质材料、复合材料、薄膜材 料、陶瓷和高分子材料等等。 ( 2 ) 环境意识加强，材料设计受到应用前景的支配。脱离应用背景的研究枸 被抛弃，危害人类未来处境的材料将受到限制甚至为新材料所代替。、； ( 3 ) 材料学和生物学相融合。仿生材料设计将日益受到重视，最基本的研贫 方向是了解合成物质与生物组织之间的相互作用，使设计的仿生材料具有生物相 容性，能够应用到生物体中。 1 4 铝基陶瓷专家系统的设计研究 ( 4 ) 材料设计趋向定量化。随着各学科的相互渗透和电子计算机的发展，计 算材料设计已成为可能。微观层次的材料设计是今后材料设计的主要发展方向， 计算机的应用将加速这一领域的进程。计算机的功能越来越强，己能够进行各种 计算来确定某些原子特殊组合和排列的性质。目前各种层次的材料设计的计算机 模拟方法得到了广泛的应用，计算机和计算机建模有助于缩短新材料、新工艺和 新设计从实验室转移到生产现场所需的时间。 在进行材料设计时候必然要涉及到材料的组分、工艺、组织、性能之间的关 系，这些内在关系是非常复杂的。随着材料科学的发展，许多新的材料相继问世。 其内在规律上尚不十分清楚。对于这样一些问题，采用人工神经网络方法进行处 理可取得较好的结果。基于神经网络的材料设计和成分优化已经在许多领域得到 广泛的应用( 5 2 j 。 材料设计专家系统具有相当数量的与材料有关的各种背景知识，并能运用这 些知识解决材料设计问题的计算机程序系统。它能提供制备具有特定性能并可在 特定条件下使用的材料的方法，指导研究人员进行新材料的开发。专家系统的研 究始2 0 世纪6 0 年代中期。近年来专家系统应用范围越来越广【5 3 】。最简单( 原始) 的专家系统包括一个“知识库 和一个推理系统。专家系统还可以连接( 或包括) 数据库、模式识别、人工神经网络以及各种运算模块。这些模块的综合运用可以 有效地解决材料设计及与此有关的其他许多问题。最理想的专家系统，是从基本 理论出发，通过计算和逻辑推论，预测未知材料的性能和制备方法。但由于制约 材料结构和性能的因素极其复杂，在可以预见的将来，这种演绎式的专家系统还 不能广泛应用，更多的专家系统是以经验知识和理论知识相结合( 即归纳与演绎 相结合) 为基础的【5 钔。 2 3 2 材料专家系统分类 材料专家系统主要有三类1 5 5 。5 6 】： ( 1 ) 以知识检索、简单计算和推理为基础的材料设计专家系统。由于材料科 学研究需要的知识面广，有关资料极其庞杂，任何一位专家都不可能记住全部有 关资料，所以单靠个人就会丧失许多灵活运用这些资料的机会。而当材料科学工 作者利用以知识库的灵活运用为基础建立起来的开发新材料的专家系统时，就可 弥补这个缺陷。如日本东京大学原子能工程系建x y 的c a a d 合金设计专家系统，是 以合金各元素成分为坐标构筑多维空间，空间中任何一点代表一种成分的合金。 c a a d 系统将合金的各种经验知识“记”入多维空间，通过对多维空间的搜索，可 以回答用户提出的许多已有文献记载的问题。用内插外推等方法，还可在多维空 间未知区域估计出未知合金的性能，提出试制的建议。c a a d 合金专家设计系统主 要用于核聚变堆第一器壁材料的研制。 第二章专家系统概述 ( 2 ) 以计算机模拟和大规模运算为基础的材料设计专家系统。材料研究的一 个核心问题是材料的结构和性能关系。在对材料的物理、化学性能已经了解的前 提下，有可能对材料的结构与性能关系进行计算机模拟或其他大规模计算，以预 报材料制备和测试的结果，以指导材料研制。如日本建立了研制梯度功能材料的 专家系统。梯度功能材料是两种以上材料的复合体，其组分从一侧到另一侧连续 过渡，它的一个极大的优点是热应力小。如已知各种物质的热物理性能，则可用 计算机模拟出具有不同显微结构的梯度功能材料的热应力。为研制新型梯度材料， 已建立了能模拟热物理性能的专家系统。随着量子力学( 或量子化学) 和统计力 学的大规模运算技术日益完善，应用超级计算机计算材料的结构和性能关系，更 加精确地指导新材料设计的专家系统，也是有很大发展f j 景的。 ( 3 ) 以模式识别和人工神经网络为基础的材料设计专家系统。模式识别和人 工神经网络是处理受多种因子影响的复杂数据集、用于总结半经验规律的有力工 具。材料设计中两个核心问题是结构性能关系和制备工艺性能关系。这 两类关系都受多种因素的制约，故可用模式识别或人工神经网络( 或二者结合) 从已知实验数据集中总结出数学模型，并据此预报未知材料的性能和达到此性能 的优化配方、优化工艺。中国科学院上海冶金研究所化学键组所建立的i m e c 和 p r e s 专家系统就是这一类型系统的实例。i m e c 系统用模式识别总结数据库中已知 金属间化合物的形成规律和晶型规律，可据此预报未知的二元金属间化合物及其 晶型。p r e s 系统的数据库中储有若干类型的合金钢、高温超导体、p t c 半导体和 高亮度荧光粉的数据。用模式识别和人工神经网络总结数学模型，可以用于改进 上述材料的优化配方和工艺条件。 2 3 3 材料专家系统缺点 材料设计专家系统虽起步较早，数量最多且占据研发主流，但它的发展仍存 在一些问题【5 5 l ： ( 1 ) 材料设计专家系统涉及材料的组分、工艺、性能之间的关系，但这些内 在的规律往往不甚清楚，特别是缺乏有助于建模的定量规则。 ( 2 ) 开发新型材料一直是材料科学的发展方向，但人们对新材料知之甚少， 特别是其问题的复杂性和信息的模糊性使研发新型材料设计专家系统面临更大困 难。 传统的专家系统由数据库、知识获取、推理机构几个部分组成，其知识获取 是限制专家系统的“瓶颈” 5 6 1 。人工神经网络与传统的专家系统结合大大加强了 决策支持能力。人工神经网络与传统的专家系统结合构建的材料设计专家系统， 在确定性能要求后，首先在材料数据库中搜索，如果有满足要求的材料，则找出 最优的材料。如果没有满足性能要求的材料，使用预测模块进行材料预测设计， 铝基陶瓷专家系统的设计研究 人工神经网络的作用是从数据中获取知识，并用来推理。 2 3 4 材料专家系统的优点 目前，很多学者将材料的合金成分及热处理温度作为网络的输入，材料的力 学性能作为网络的输出，来建立反应实验数据的内在规律的数学模型，利用各种 优化方法实现材料的设训5 7 】。不需要预先知道输入( 材料的成分工艺) 和输出( 性 能要求) 间存在的某种内在联系，便可以进行训练学习，并达到预测的目的，这 是材料设计中其他方法难以比拟的【5 8 1 。 第三章基于a n n 的b p 算法的材料专家系统方法研究 1 7 第三章基于v i s u a lc + + 的人工神经网络b p 算法的材 料专家系统方法研究 在材料科学的研究中，有许多问题的基本原理是清楚的，但难以进行科学的 处理，无法建立确切的数学模型。人工神经网络在从已知的实验数据中获取知识 方面具有优势，能从已有的实验数据中归纳出规律，虽然它不能给出这规律的 函数形式，但却可以利用经过训练的神经网络直接进行推理。人工神经网络在处 理规律不明显、组分变量多的问题方面具有特殊的优越性。在处理材料科学的许 多问题时，人工神经网络发挥这巨大的作用，已经在材料科学中有着广泛的应用。 用于材料设计和成分优化、材料的智能加工与控制、材料加工工艺的优化、材料 相变规律的研究与相变点的预测、材料性能预测等方面【5 9 1 。 本系统采用v i s u a lc + + 6 0 软件平台和m i c r o s o f to f f i c e a c c e s s 数据库，结合人 工神经网络算法来设计实现以知识检索、简单计算和推理为基础的材料专家系统。 3 1v i s u a lc + + 简介 v i s u a lc + + 作为一种程序设计语言，它同时也是一个集成开发工具，提供了 软件代码自动生成和可视化的资源编辑功能。在使用v i s u a lc + + 开发应用程序的 过程中，系统为我们生成了大量的各种类型的文件。它支持多重编程范式的通用 程序设计语言，支持过程化程序设计、数据抽象、面向对象程序设计、制作图标 等等泛型程序设计等多种程序设计风格【6 们。 v i s u a lc + + 是一个功能强大的可视化软件开发工具。自1 9 9 3 年m i c r o s o f t 公司 推出v i s u a lc + + 1 0 后，随着其新版本的不断问世，v i s u a lc + + 已成为专业程序员进 行软件开发的首选工具。 v i s u a lc 抖应用程序的开发主要有两种模式，一种是w i na p i 方式，另一种则 是m f c 方式，传统的w i na p i 开发方式比较繁琐，而m f c n 是对w i na p i 再次封装， 所以m f c 相对于w i na p i 开发更具备效率优势。m f c 是一个很大的、扩展了的e + + 类层次结构，它能使开发w i n d o w s 应用程序变得更加容易。由于m f c 编程方法充分 利用了面向对象技术的优点，使得我们编程时极少需要关心对象方法的实现细节， 同时类库中的各种对象的强大功能足以完成我们程序中的