（材料加工工程专业论文）基于神经网络的冲压工艺设计专家系统的研究.pdf

基于神经网络的冲压工艺设计专家系统的研究摘要汽车覆盖件冲压工艺设计是联系覆盖件产品设计与模具制造的关键环节。采用计算机辅助工艺设计c a p p ( c o m p u t e ra i d e dp r o c e s sp l a n n i n g ) 技术，以改变覆盖件工艺设计的落后状况，提高覆盖件冲压工艺设计水平，已经成为人们的共识。鉴于汽车覆盖件形状复杂，并考虑到冲压工艺的设计方法具有很强的经验性，因此开发覆盖件冲压工艺设计系统必须克服传统专家系统在模糊判断和推理等方面的技术缺陷。本文将专家系统技术应用于冲压工艺设计，对工艺设计信息的抽取和推理过程的实现进行了详细的讨论。基于专家系统在冲压工艺设计领域应用的特殊性，本文采用基于神经网络的知识表示方法和知识获取方法，建立了一个基于人工神经网络的混合型专家系统模型，借用人工神经网络的模式识别和创造联想能力，使得该模型能较好的模拟人类专家在冲压工艺设计时的思维过程。应用特征技术和面向对象的设计思想，对汽车覆盖件的特征进行了定义，并阐明了覆盖件特征的具体数掘结构，给出了覆盖件特征的编码方法，为覆盖件冲压工艺信息的输入创造了条件。本文建立的基于人工神经网络的车身覆盖件冲压工艺专家系统模型，不仅保留了传统专家系统中使用自然语言、具有解释功能和良好的用户界面等优点，而且还集成了人工神经网络在模糊判断和推理等方面的技术优势，因此，所提出的混合系统模型具有重要的理论意义和非常明显的技术优势。关键词：汽车覆盖件冲压工艺设计专家系统人工神经网络s t u d yo i le x p e r ts y s t e mf o rs t a m p i n gp r o c e s sp l a n n i n gb a s e do i ln e u r a ln e t w o r ka b s t r a c tt h es t a m p i n gp r o c e s sp l a n n i n gf o ra u t o m o t i v ep a n e l sb u i l d sac l o s ec o n n e c t i o nb e t w e e nt h ep r o d u c t sd e s i g na n dt h ed i em a n u f a c t u r eo fa u t o m o t i n ep a n e l s i th a sb e e np e o p l e sc o m m o ng r o u n dt oa d o p tc o m p u t e ra i d e dp r o c e s sp l a n n i n g ( c a p p )t e c h n i q u et oc h a n g et h eb e h i n ds i t u a t i o na n dt oi m p r o v et h el e v e lo ft h ep r o c e s sd e s i g n t h ef o r mo fa u t o m o t i v ep a n e li ss oc o m p l e xt h a tt h es t a m p i n gp r o c e s sp l a n n i n gd e p e n d ss e r i o u s l yo nt h eb a c k g r o u n do fe x p e r i e n c e t h e r e f o r et h ef a i l i n g so ft h ec o n v e n t i o n a ls y s t e mm u s tb eo v e r c o m e ，s u c ha si nt h ei l l e g i b l er e c o g n i t i o na n dt h ei n f e r e n c em e t h o d ，i no r d e rt od e v e l o pas t a m p i n gp r o c e s sp l a n n i n gs y s t e mw i t hh i g h e ri n t e l l i g e n tl e v e l i nt h i sp a p e r , t h ee x p e r ts y s t e m ( e s ) t e c h n o l o g yi sa p p l i e dt ot h ef i e l do ft r a d i t i o n a ls t a m p i n gp r o c e s sd e s i g n ，a n dt h ek n o w l e d g er e p r e s e n t a t i o na n di m p l e m e n t a t i o no f t h ee x p e r is y s t e mi sp a r t i c u l a r l yd i s c u s s e do nt h eb a s i so fa n a l y z i n ga n ds u m m a r i z i n go fc h a r a c t e r i s t i c so fa p p l i c a t i o nf o re x p e r ts y s t e mo ns t a m p i n gp r o c e s sp l a n n i n g ，a ni n t e g r a t e de x p e r ts y s t e mi sd e s i g n e db yu s i n gk n o w l e d g er e p r e s e n t a t i o na n dk n o w l e d g ea c q u i s i t i o nb a s e do na r t i f i c i a ln e u r a ln e t w o r k ( a n n ) a n dt h i ss y s t e mp o s s e s s e st h ec a p a b i l i t yo fs i m u l a t i n gt h eh u m a ne x p e r t s i d e a t i o n ，o w i n gt ot h ea b i l i t i e so fm o d e lr e c o g n i t i o n ，c r e a t i o na n da s s o c i a t i o nt h a tt h ea n nm o d e lh a s b a s e do nf e a t u r et e c h n i q u ea n dt h et h e o r yo fo b j e c t o r i e n t e dp l a n n i n g ，t h ef e a t u r ec l a s s i f i c a t i o no ft h ea u t o m o t i v ep a n e lw i t hi t sd e t a i l e dd a t as t r u c t u r ei sp r o p o s e d ，a n dt h ec o d i n gm l eo ft h ef e a t u r e so fa u t o m o t i v ep a n e li se s t a b l i s h e d ，w h i c hc r e a t e sf a v o r a b l ec o n d i t i o n sf o rt h ei n p u to fa u t o m o t i v ep r e s s i n gp r o c e s si n f o r m a t i o n t h ee x p e r ts y s t e mm o d e l ，p r o p o s e di nt h i sp a p e r ，n o to n l yc a r r i e sf o r w a r dt h ev i r t u e so ft h ec o n v e n t i o n a ls y s t e m ，s u c ha su s i n gn a t u r a ll a n g u a g e l a v i n gt h ea b i l i t yo fe x p l a i n i n g ，o f f e r i n gf a v o r a b l eu s e r si n t e r f a c e ，b u ta l s oi n t e g r a t e st h et e c h n i c a la d v a n t a g e so ft h em o d e li nt h ei l l e g i b l er e c o g n i t i o na n dt h er e a s o n i n gm e t h o d ，t h e r e f o r e ，t h em i x e ds y s t e mm o d e lp r o p o s e di n t h i sp a p e rh a sb o t hi m p o r t a n ts c i e n t i f i cs i g n i f i c a n c ea n do b v i o u st e c h n i c a la d v a n t a g e s k e y w o r d s ：a u t o m o t i v ep a n e l ，s t a m p i n gp r o c e s sp l a n n i n g ，e x p e r ts y s t e m ，a r t i f i c i a ln e u r a ln e t w o r k插图清单图1 1 常见的汽车覆盖件一图2 1 人工神经元模型图2 2 神经元的输入输出特性一图2 3 混合系统功能结构原型+图2 - 4 基于规则的专家系统结构示意图图2 - 5 基于人工神经网络的冲压工艺设计专家系统结构模型图2 - 6 基于人工神经网络的覆盖件冲压工艺专家系统应用框架图3 1 通过知识工程师获取知识一图3 2 通过知识编辑器获取知识一”图3 3 多层b p 网络示意图图3 4b p 算法框图图3 5 人工神经网络的知识推理图3 - 6 神经网络程序推理流程图图4 1 基本形状特征图4 2 一般功能特征图4 3 专用功能特征1图4 4 汽车覆盖件形状分解一一一图4 5 特征类表示的零件数据结构图4 - 6 特征类编码数据构成图4 7 特征、零件、特征组、特征编码、零件的特征编码关系图4 - 8 盒形特征的位置约定一图4 - 9 孔的方向夹角，一图4 1 0 汽车轮包零件图4 - 1l 零件基本信息输入一图4 1 2 基本形状特征选择图4 1 3 零件附加特征信息图4 1 4 孔特征信息图4 1 5 翻边特征信息图4 1 6 切边特征信息，图5 1 数据库打开界面图5 2 查询记录对话框图5 - 3 显示查询记录信息窗口图5 4 网络学习界面7- l o1 11 41 51 6，1 8、1 92 0一2 2一- 2 4- 2 72 7- t 3 03 13 13 13 4，3 53 63 73 7t3 9，t t 4 0，- - 4 04 04 14 1- 4 14 7一4 7一4 7- 4 9图5 - 5不同隐层神经元数训练的均方误差曲线图5 - 6 网络推理界面图5 7 欢迎界面图图5 - 8 系统主界面5 05 l5 25 2表格清单表4 1 特征覆盖件的特征分类一表4 - 2 汽车覆盖件特征的典型工艺特点表4 3 零件特征数据表一表4 4 孔的位置编码一表4 5 孔的方向编码一一表4 - 6 孑l 径编码表4 。7 孔的功能编码表4 8 孔型编码一表4 - 9 孔间距编码，表4 1 0 孔边距编码表4 1 1 孔到形状的距离编码表4 1 2 盒形特征覆盖件典型工艺编码r 一表4 1 3 轮包零件的特征编码表4 1 4 轮包冲压工序编码表5 1不同隐层神经元数训练的结果对比表- 3 03 23 63 7，3 7，3 73 7t3 8-t3 8- 一一3 83 83 9t 4 24 2- 一5 0独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得金墨互些太堂或其他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作了明确的说明并表示谢意。学位论文作者签名：引o 、主签字日期：m 薛4 月”e t学位论文版权使用授权书本学位论文作者完全了解金魍王些太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权金壁工些态堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。( 保密的学位论文在解密后适用本授权书)学位论文作者签名：- 1u 、生签字日期：立，口1 年斗月2 ；日学位论文作者毕业后去向工作单位：通讯地址：导师签名：签字日期：剃年争电话邮编同f ：渡f 岛 拿月致谢本文是在李萍副教授和薛克敏教授的悉心指导下完成的，论文的每一部分工作都凝聚着导师的心血。导师渊博的知识、严谨的治学态度和实事求是的工作作风使学生受益匪浅。导师追求真理、献身科学、严以律己、宽以待人的崇高品质将永远值得学生学习。在论文完成过程中导师给予了精心的指导，在生活上给予了无微不至的关怀，值此论文完成之际。谨向导师致以崇高的敬意。论文进行过程中得到了刘全坤教授、洪深泽教授、陈文琳副教授、董定福副教授、陈忠家副教授、李辉等老师的大力帮助、支持、关心和鼓励，借此机会表示深深地感谢。同时在做课题期间得到了本课题组张青、周明智、朱晓勇、许春停、周林、张丽辉、陆佳平、汪昌盛等同学的协助。并且在研究生期间得到同届研究生冯秋红、任风梅、苗量、孙正茂等同学的帮助，借此机会感谢他们。在研究过程中，得到了师兄李明的支持和帮助，在整个工作期间还得到其他许多老师和同学的帮助，在此表示衷心的感谢。感谢家人在论文工作期间对作者的支持、理解、关心与帮助。作者：刘小旦2 0 0 6 年4 月第一章绪论1 1 课题研究的背景当今世界工业笈达国家都将汽车工业作为国民经济的支柱产业之一a 为占有市场，几乎每年都有款式新颖、质量优良、性能先进、装饰舒适的新车型面市。在全球经济体化的大背景下，以及我国加入世贸组织和世界汽车工业的发展，我国的汽车工业都面临更高的发展要求。利用现代科技发展提供的信息技术、先进的制造思想，来提高我国汽车工业的制造水平，特别是汽车覆盖件的工艺设计水平有着重要意义。汽车覆盖件与般冲压件相比，具有相对厚度小、形状复杂、多为自由曲面、结构尺寸大以及表面质量要求高等特点。冲压如工作为汽车覆盖件生产的基本技术手段，其工艺设计确定了覆盖件冲压成形的工艺过程，并为冲压模具设计提供了依据。冲压工艺设计的质量和速度直接影晌冲压生产的质量和效率，因而冲压工艺设计在汽车覆盖件乃至整车的设计和制造中具有至关重要的作用。传统的覆盖件冲压工艺设计过程高度依赖工艺人员的经验，而这些经验又全靠工艺人员的领悟和师父的传授，以上过程是个长期而缓慢的积累过程。出于依靠自身积累的经验性知识因人而异，不同的人对同一工艺过程的理解会有很大的差异。同样的零件，由不同的工艺人员来设计时，其工艺方案就不尽相同，甚至，同一设计人员对同一零件在不同时间的两次设计，其设计方案也会有较大差异。这种工艺设计的不规范性和随意性都给覆盖件冲压工艺设计质量和效率的提高带来了很大的困难。当前，计算机理论水平的飞速发展和软硬件技术水平的迅速提高，使得计算机在机械行业中的应用越来越广泛。实践证明，将计算机技术应用到汽车制造业领域，能够提高工程设计的水平和效率，减少实验设计的费用，并由此出现了一批优秀的商业软件。但由于这些软件的智能水平不高，对一些需要经验性知识的设计和加工任务，大多仍要依靠设计制造工程师手工完成。随着人工智能技术( a i ) 的不断丰富和发展，人们将人工智能技术的研究成果不断地应用到汽车覆盖件制造工程领域，这不仅显著地提高了汽车计算机集成制造系统( c i m s ) 的智能水平，而且还丰富了覆盖件制造工艺设计的知识内容。专家系统、人工神经网络、基于知识的系统、模糊逻辑等人工智能技术都在汽车制造工程领域得到广泛的应用，并取得了一定的成果。但由于计算机辅助工艺设计( c a p p ) 领域中工艺设计性质的特殊性，长期以来，工艺设计专家系统的智能水平始终不能达到令人满意的程度。因此，开发研究具有较高智能水平的工艺设计专家系统，是近年来汽车制造业的热门课题。作为汽车制造水平的重要标志，覆盖件冲压工艺设计专家系统的开发和研究更是现代汽车制造技术中的最具有挑战性的核心课题之一，有着重要的理论意义和工程应用前景。1 2 基于人工神经网络技术的专家系统研究现状将人工智能技术的广泛进展所带来的丰富成果，引入专家系统，是近年来专家系统研究的一个新动向，应用多种人工智能新方法与传统专家系统相互结合发展成了一种功能更加完善、结构更合理、智能水平更高的混合系统( h y b r i ds y s t e m s ) 。1 2 1 专家系统的发展概况和现状专家系统( e x p e r ts y s t e m ，e s ) 是一个具有大量专门知识与经验的程序系统，应用人工智能技术，根据某个领域里一个或多个人类专家提供的经验和知识进行推理，模拟人类专家的决策过程，解决那些需要专家解决的复杂问题：它是人工智能( a r t i f i c i a li n t e l l i g e n c e ，a i ) 研究的一个重要应用领域，也称为知识库专家系统，它与自然语言理解、机器人一起并列为a i 研究最活跃的三大领域，是人工智能科学走向实用化最引人注目的成就之。其发展过程大体可以分为四个阶段 1 】：1 ) 孕育阶段( 1 9 6 5 年以前) ：从1 9 5 6 年a n e w e l l 和h a s i m o n 在逻辑论机l t和通用问题求解程序g p s 的研制中为专家系统的产生奠定了基础。2 ) 产生阶段( 1 9 6 5 1 9 6 8 ) ：s t a n d f o r d 大学的e a f e i g e n b a u m 教授等人进行了d e n d r a l 系统的研究。该系统的问世，标志着e s 的正式诞生。3 ) 基本成熟阶段( 7 0 年代) ：1 9 7 7 年，第五届国际a i 联合会提出了知识工程的概念，至此，专家系统技术已基本成熟。4 ) 发展阶段：进入8 0 年代，e s 的应用开始进入商品化阶段，并逐渐产生巨大经济效益。近年来，专家系统己在理论研究和应用开发方面取得了很大的进展，以前所未有的速度在故障诊断、模拟仿真、自动控制、工艺编程、生产规划、产品设计等许多机械工程领域不断发展，出现了一大批实用的专家系统，比如：华中理工大学的轴对称拉深工艺设计专家系统d p e s 和弯曲工艺设计专家系统b p e s 2 。目前，专家系统的研究处在第二代初级阶段，主要特征为：知识表示方面，产生式规则、框架、语义网络、逻辑和面向对象的知识表示是常用的知识表示方法；在推理方面，主要依据的路线为：基于机器定理证明的演绎反证法、基于符号模式匹配的联接法、带有置信度的证实法，一些专家系统具有模糊推理、时态推理、类比推理、非单调推理等；在知识获取方面，以交互式和文本输入两种方式为主，有些系统具有一定的学习能力；在知识库维护与管理方面。具有一致性、完备性检测机制，并对输入的知识进行语法和语义检查。知识库求精机制的研究还处于探索阶段；在系统结构上，出现了元知识结构、分布式结构、多推理机结构、多知识表示结构和多层次结构：在人机界面上，菜单、窗口、自然语言等是常用的接口。许多专家系统具有图形、数据库和其它高级语言接口。将专家系统应用于冲压加工领域始于8 0 年代，日本东京大学的牧岛教授，美国p u r d u e 大学g e s h e l 3 1 ，以及中国的上海交通大学、华中理工大学等都在这方面进行了有益的探索，但应用的范围非常有限。主要的原因是专家系统在材料领域中的应用存在着许多不足，主要有：知识获取的困难、逻辑表达能力和处理能力的局限性、通用知识表达能力寻求的难度、机器学习能力的低下等。1 2 2 神经网络的发展概况和现状人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 的研究始于4 0 年代初。半个世纪以来，经历了兴起、高潮与萧条、高潮及稳步发展的曲折道路。1 9 4 3年，心理学家w s m c c u l l o c h 和数理逻辑学家w p i g s 提出了m p 模型，这是第一个用数理语言描述脑的信息处理过程的模型，虽然神经元的功能比较弱，但它为以后的研究工作提供了依据。1 9 4 9 年，心理学家d o h e b b 提出突触联系可变的假设，根据这一假设提出的学习规律为神经网络的学习算法奠定了基础。1 9 5 7 年，计算机科学家r o s e n b l a t t 提出了著名的感知机模型，它的模型包含了现代计算机的一些原理，是第个完整的人工神经网络，第一次把神经网络研究付诸工程实现1 4 j 。为适应人工神经网络的发展，1 9 8 7 年成立了国际神经网络学会，并决定定期召开国际神经网络学术会议。1 9 8 8 年1 月n e u r a ln e t w o r k 色1 刊。1 9 9 0 年3 月i e e et r a n s a c t i o no i 1n e u r a ln e t w o r k 问世。我国于1 9 9 0 年1 2 月在北京召开了首届神经网络学术大会【5 1 ，并决定以后每年召开一次。1 9 9 1 年在南京成立了中国神经网络学会。i e e e 与i n n s 联合召开的i j c n n 9 2 已在北京召开。这些为神经网络的研究和发展起了推波助澜的作用，人工神经网络步入了稳步发展的时期。1 9 9 5 年m i t r a 把人工神经网络与模糊逻辑理论、生物细胞学说以及概率论相结合提出了模糊神经网络，使得神经网络的研究取得了突破性进展。j e n k i n s l 6 1 等人研究光学神经网络，建立了光学二维并行互连与电子学混合的光学神经网络，它能避免网络陷入局部最小值，并最后可达到或接近最理想的解；s o l e r v 等提出流体神经网络，用来研究昆虫社会，机器人集体免疫系统，启发人们用混沌理论分析社会大系统。1 9 9 6 年，在讨论混沌神经网络的基础上提出了自发展神经网络。1 9 9 7 、1 9 9 8 年董聪等创立和完善了广义遗传算法，解决了多层前向网络的最简拓朴构造问题和全局最优逼近问题。1 2 3a n n 和e s 结合的必然性传统的e s 存在如下缺点：以规则为基础，很多经验知识很难总结为规则或精确的数学模型，知识获取存在瓶颈；只能在相当窄的专业知识领域内求解专门性问题，对那些可描述的知识可以得出结论，但是一旦问题超出现有的领域知识，e s 就得不出结论甚至判断错误，即存在知识窄台阶问题，对偏离系统领域的问题，系统性能急剧下降；推理能力弱，推理方法简单，不能进行深层推理和常识推理，控制策略不灵活，容易出现匹配冲突、组合爆炸、无穷递归等问题，推理效率低；且智力水平低，知识存储有限，不能联想记忆、类比，不具各自学习能力。而人工神经网络是基于人脑处理信息的过程，通过训练在网络中相连的模拟神经元来求解问题的。其良好的学习功能、联想记忆功能、非线性分布式并行信息处理能力，能够很好弥补传统e s 的上述诸多问题【7 】1 ) 专家系统的“脆弱性”，即知识和经验不全面，遇到没解决过的问题就无能为力；利用神经网络的自学习功能，不断丰富知识库内容，从而解决知识更新的问题。2 ) 对于e s “知识获取的困难”这一“瓶颈”问题利用a n n 的高效性和方便的自学习功能，只需用领域专家解决问题的实例来训练a n n ，使在同样的输入条件下，a n n f 毙获得与专家给出的解答尽可能接近的输出。3 ) 推理中的“匹配冲突”、“组合爆炸”及“无穷递归”使传统e s 推理速度慢、效率低，主要是由于e s 采用串行方式、推理方法简单和控制筻略不灵活。丽a n n 的知识推理通过神经元之间的作用实现，其推理是并行的，速度较快。但神经网络也有局限性。首先，神经网络实体与要处理的问题相去甚远，领域专家很难理解用数据化的节点、权值和连接来描述他们要解决的问题：其次，神经网络是“黑箱推理”，全部知识都存在网络内部，难以对终端用户提供可信的解释。由此可见，传统e s 与a n n 科学地加以综合集成，并加入深层次知识，取长补短，实现优势互补，即兼顾神经网络和专家系统的优点，同时有效避免各自的缺点，将会提高智能系统的智力水平，因此研究智能混合系统是人工智能一个重要的发展趋势。1 2 4 基于a n n 的e s 集成系统发展概况和现状国外在八十年代末到九十年代初，将专家系统和人工神经网络结合起来的综合主义思想开始产生，主要有s i g a l l a n t 的c o n n e c t i o n i s te x p e r ts y s t e m 、r c l a c h e r 等人的e x p e r tn e t w o r k s ，k s a m a d 的c o n n e c t i o n i s tr u l e b a s e ds y s t c m s 以及l m f u 等人的m a p p i n gr u l e b a s e ds y s t e m si n t on e u r a a r c h i t e c t u r e等。s i g a l l a n t 推出的用于医疗诊断的连接主义专家系统，开创了神经网络与专家系统相结合的先例。a m e r i c a i l 大学的m e d s k e r 教授嗍提出了智能混合系统的5 种模型，即独立模型、转换模型、松耦合模型、紧耦合模型和全集成模型，促进了智能混合系统的实际应用。f l o r i d a j ：学的f u 教授对智能混合系统的理论和方法进行了一系列创造性的研究【9 1 ，先后提出了基于知识的概念神经网络( k n o w l e d g eb a s e dc o n c e p t u a ln e u r a ln e t w o r k s ，k b c n n ) 、从神经网络中提取规则的k t 算法、规则知识的神经网络表示方法、神经网络知识获取中的知识增长方法等，并研究了专家网络的学习能力和泛化t k ) | t 旧i 。这些研究为智能混合系统奠定了一定的理论基础。早在1 9 8 8 年，中国的戴汝为院士在文献中突出了综合智能系统模型的设想，以著名科学家钱学森院士的巨型开放复杂系统方法论从定性到定量的综合集成方法论( m e t a s y n t h e s i s ) 为指导，提出了智能系统的综合集成】。综合主义思想的直接成果首先是人工神经网络专家系统的产生，其实质是用a n n去构造传统e s 的各个部件。这在实际中是可行的，并在解决许多实践问题中发挥了作用。1 _ 3 汽车覆盖件及其冲压工艺特点汽车覆盖件指的是轿车车身零件或者是货车驾驶室车身零件。近代汽车车身艺术造型趋向于曲线急剧过渡。显示出棱角清晰、线条分明、流线型的外型，以适应高速行驶的要求。基于这种设计理念下的覆盖件形状大多具有空间曲面、非轴对称、并具有较多局部形状等特点。这类零件厚度较薄，平面尺寸较大，其冲压工艺属于薄板大尺寸曲面零件的冲压范围，具有以下特点：( 1 ) 变形特点由于覆盖件自身的形状特点，绝大部分零件的冲压成形具有非轴对称变形特征，使得在不同方向上的应力与应变各不相同，所以不能任意截取一个断面来研究其变形与应力，并用这个结果代表其它截面的情况，因此，研究与分析这类零件在冲压成形时的变形特点与应力分布是一个非常复杂的问题。( 2 ) 工艺特点覆盖件的深度并非指零件深度，而是考虑了工艺补充部分后，冲压件在模具拉延方向上的实际拉延深度。一般来说，拉延深度愈深，变形程度愈大，应力愈接近材料的强度极限。但这并不是影响覆盖件拉延工艺性的唯一因素。( 3 ) 形状特点覆盖件底部的形状对冲压工艺有着很大影响。覆盖件底部的形状大致分为四大类：平的和基本平的，如汽车的门里板，门外板等零件；外凸的，如汽车的顶盖翼板等零件：大台阶的，如汽车油底壳等；内凹的，如某些汽车的前围外板等。这四种类型的底部形状，以平缓外凸形( 如顶盖) 对拉延最为有利- 随着外凸曲面曲率半径的增大，深度愈不均匀，拉延条件就会恶化，如翼子板。对于拉延深度浅的零件，如门外板、平底的拉延条件并不理想，拉延时易出现底部拉伸不足，修边后产生弹性畸变，刚性不够等问题，故常采用拉延筋来解决。大台阶底部零件的拉延条件更差，常采用坡形台阶代替阶梯台阶以改善零件的工艺性。具有内凹底部的零件是工艺性最差的一种，如前围外板，其内凹角度愈小，拉延愈易起皱，若加大局部压边力，又容易导致破裂。( 4 ) 结构特点覆盖件的翻边结构很多，几乎每个零件都有翻边结构，该结构的作用是为了加强零件的刚性。有的还要在翻边结构上冲孔，用来联接其它零件，有的则用于装焊。翻边的形式有直型线翻边、内凹型翻边和外凸型等三种形式，通常同一个零件上往往具有这三种翻边形式。直线型翻边的变形性质与简单压弯相类似，内凹型翻边的变形性质与内孔翻边相类似，而外凸型翻边的变形性质与浅拉延相类似。( 5 ) 局部成形覆盖件局部形状较多。在覆盖件的主要结构面上，如底部，侧壁式凸缘上，往往布置了各种各样的加强肋、装饰性棱线、标记和凸凹平台等。当局部形状的凸凹方向与拉延方向成某个合适的角度时，这些形状都可以在拉延过程中同时成形出来。这些局部形状的成形，往往得不到外部金属的补充，只能依靠该处自身材料的延伸和变溥来实现。( 6 ) 相似成形覆盖件有时具有特定的功能形状，这些功能形状有类似的结构和工艺特点，完全可以全部或局部采用类似的工艺，如车身的门洞处零件均带有相类似的门台阶结构。曲面玻璃车身前风窗口零件均带有与零件冲压方向呈负角的台阶等。c 7 ) 复合成形覆盖件冲压加工各工序多为复合工序，常见的工序有：落料冲孔、拉延、修边冲孔、翻边整形、斜楔翻边冲孔等。因此，需要合理地安排工序的复合。避免出现干涉的情况。同时，应注意各工序的排布形式与零件冲压方向和拉延形状的关系。( 8 ) 工序排布工厂的厂房设计、尤其是设备型号及其排布情况对冲压工序的排布有着重要的影响a 现代汽车制造业均为大批量的流水线生产。零件的冲压工序数最多不超过生产车间冲压生产线上的设备数目。绝大多数冲压生产线仅有台双动压力机，因此，般覆盖件均需考虑一次拉延成形。图1 1 是几种常见的覆盖件形状。6( a ) 侧围外板( c ) 发动机顶盏图1 1 常见的汽车覆盖件( b ) 左右翼子板( d ) 车门内板1 4 覆盖件冲压工艺设计系统的建立由于汽车覆盖件外形的特殊性，使得其冲压工艺非常复杂，影响其工艺分析的因素也特别多，而且这些因素又相互影响，相互约束。此外，覆盖件多数为复杂的空间曲面形状，这在几何形体的表达方面也有较大的难度。1 4 1 覆盖件冲压工艺设计系统的建造方法针对汽车覆盖件冲压工艺设计的特点及人工智能技术的成果私最新发展，建造覆盖件冲压工艺专家系统的方法可归纳为以下几种：( 1 ) 基于知识构建系统专家系统的建造者希望专家系统能够具有人类专家的水平去解决实际问题，因此专家系统是基于知识的系统。冲压工艺专家系统要能较好地解决领域内的问题就必须具有一个较完善的冲压工艺设计的知识库。结合典型冲压工艺实例，应用面向对象的表达方法，将存储于知识库中的工艺知识统- n 代表具有相关几何形状的对象中，并通过对对象的工艺操作，形成从对象到实例的映射，从而解决实际问题。( 2 ) 将专家系统技术与其它技术手段相结合引入人工智能技术的成果，利用不同技术的优点，将两种甚至多种人工智能技术结合在一起，使工艺专家系统功能更加完善。例如将专家系统与人工神经网络相结合，使专家系统获得自学习能力等人工神经网络的优越特性。汽车覆盖件是空闻曲面零件，几何形状的表达是一个难点，将特征技术引入覆盖件冲压工艺专家系统中可以更好地把握零件的几何特征。r 3 ) 立足于实际应用冲压工艺专家系统的智能水平不是一成不变的，随着知识的不断丰富，其智能水平也将不断地提高，这就要求建造的专家系统具有开放性，以期能够方便地对其进行知识的更新。因此，从一开始就应使建成的工艺专家系统投入到实际生产中去，并在实践中不断地对其进行完善。1 4 2 建立覆盖件冲压工艺设计系统的关键技术建立覆盖件冲压工艺专家系统需要解决以下几个关键性的技术问题：f 1 ) 系统模型的建立专家系统的建造者需根据不同的任务建立合理而有效的模型，并处理好知识组织和问题求解两个最基本的问题。( 2 ) 覆盖件几何特征的提取准确把握汽车覆盖件的几何特征，对其进行合理分类，找到零件几何特征和冲压工艺方法上的内在联系是冲压工艺专家系统实现推理和判断的最基本依据。( 3 ) 建立合理的评判冲压工艺方案优劣的标准如何判断冲压工艺专家系统生成工艺方案的优劣是关系到工艺专家系统能否投入到应用的关键。1 5 本文的研究内容本文主要依托安徽江淮瑞风商务车有限公司，结合计算机和人工智能技术，对实现汽车覆盖件冲压工艺智能化设计进行了探索和研究。1 5 1 课题研究的目的和意义目前，随着新车型更新换代的日益加速，传统的工艺设计方法已经不能适应产品发展的需要采用计算机辅助工艺设计势在必行。国内外专家学者对此作了大量的工作，在理论研究和实际应用方面也取得了一定的发展。但是，由于覆盖件冲压成形过程受到制件形状、材料、工装和设备等众多因素的影响，且大多数难以量化评价从而使覆盖件冲压工艺设计十分复杂，到目前为止能够真正应用于汽车覆盖件冲压领域的工艺设计系统还没有。本文针对这一问题，将神经网络技术引入到专家系统，采用了所谓的混合智能系统技术，一方面能够较好地克服传统专家系统在知识获取方面的“瓶颈”闷题；另一方面，通过领域专家解决阀题的实例或范傍3 来讲练神经网络，从而较好地模拟了人类专家进行冲压工艺设计的思维过程，因而具有定的理论意义和实际应用价值。1 5 2 本文主要研究内容广义的冲压工艺设计，涵盖了从做生产决策到向用户提交产品的全部过程，包括冲压件工艺性分析、面向报价的成本预估、确定最佳工艺方案、工艺计算及冲压模具设计、成本核算及资料归档等五个部分。本文所提到的冲压工艺设计是指狭义的冲压工艺设计，仅指汽车覆盖件冲压工艺方案的确定。即：针对给定的产品图样或零件信息，根据其生产批量的大小和工厂的生产条件，从对产品零件图的冲压工艺性分析入手，经过必要的推理计算，制定出合理的工艺方案。为清晰地描述覆盖件复杂的几何和加工信息，本文针对覆盖件形状特点，应用特征技术和面向对象的设计思想，提出覆盖件特征的定义及与其相关的概念，给出了具体的操作模型，并建立了覆盖件特征编码的具体方法。在分析冲压工艺设计具体过程的基础上，分析研究了用于知识推理的人工神经网络的具体结构，并在此基础上建立了汽车覆盖件冲压工艺设计专家系统。第二章系统模型及总体设计方案2 1 引言在冲压工艺设计过程中，存在着大量的模糊判断情况，这正是传统专家系统功能薄弱之处。随着人工智能技术的发展和应用，人工神经网络在分类、模式识别和优化等方面都表现出了解决复杂问题的潜力。尤其是人工神经网络具有很强的自适应学习能力、容错能力及在解决复杂问题时所表现出来的“黑箱”作用，正好可以对传统专家系统的缺陷进行补充。因此，在冲压技术领域，将人工神经网络技术与传统的专家系统构造方法有机地结合起来，可使开发的车身覆盖件冲压工艺专家系统具备知识的抽取机制，柔性推理机制和学习机制等较高的智能特性。2 2 人工神经网络概述人工神经网络就是采用物理的可实现的系统来模仿人脑神经细胞的结构，人工神经网络是最近十几年来才发展起来的一门交叉学科，它涉及到生物、电子、计算机数学和物理等学科，有着非常广泛的应用背景，这门学科的发展将对目前和未来科学技术的发展起到至关重要的作用。2 2 1 人工神经元模型人工神经元是人工神经网络的基本处理单元，是一多输入单输出的非线性器件，其结构模型见图2 - i 。图2 - 1 人工神经元模型1 0此模型可描述为：”s f _ w o x j o ij = l坼= g ( s ，)( 2 1 )( 2 - 2 )”= f ( u ，)( 2 3 )式中，蜥为神经元的内部状态，6 表示闽值，y ，表示人工神经元的输出z l ，岛为输入信号，w n ，i ，w m 表示输入信号的权值，其值可以是正也可以是负，并分别表示兴奋和抑制。常用的神经元非线性特性可描述如下，见图2 2 ：it10 xi ，l一0x( a ) 闽值型( b ) 分段线性型l ，1厂0xf c ) s 型圈2 2 神经兀的输入输出特性( 1 ) 阚值型在这种模型中，神经元没有内部状态，而且函数厂为一个阶跃函数：f1“ 0f ( u f ) 2 o o( 2 - 4 )l这是最早提出的二值离散神经元模型。( 2 ) 分段线性型在这类模型中，神经元的输入输出关系是分段线性关系，c n n ( c e l l u a l a rn e u r a ln e t w o r k ) 网络运用的就是这种模型。函数厂描述如下：j1甜，1f ( 甜，) = 甜，0 甜， o 时，其输出不为1 ，而是一个大于0 5 的数；而当“，( 0 时，其输出是一个小于0 5 的数。对于多层网络，这种j ( u 3 函数所划分的区域不是线性区域，而是由一个非线性的超平面组成的区域，它是比较柔和、光滑的任意界面，因而这种分类方法比线性划分更精确合理，容错性更好。设多层b p 网络的结构：输入n 1 个矢量，第二层有n 2 个神经元、第三层有n 3 个、输出层m 个，其示意图如图3 3 所示。y iy 2“，：图3 - 3 多层b p 网络示意图设第p 层的输入矢量x 9 r “，x 9 2 ( z ，工f ，x 。p ) ，输出矢量x 9 + 1 r ”“，x 诤+ 1 。( x p + ”，z 扩+ ”，x 1 ( p 。+ l ，) ，嵋表示第p 层单元节点j 对后一层节点i 的权重，阈值为印。则各层神经元的输出满足：z ”= 厂( j 釜= 1 w p x ，p 一掣)( 3 ：)其中函数f 见式( 3 1 ) 。b p 网络所代表的是n 维空间向量对m 维空间的近似映照。3 4 2b p 学习算法与过程b p ( b a c kp r o p a g a t i o n ) 算法是一种有教师的学习算法，是前向网络最基本的算法。若输入学习样本为p 个，x 1 ，x 2 ，x ，。己知与其对应的教师样本为f 1 ，r 2 ，t p ，则学习算法是用实际输出y l , y 2 ，y p 与教师样本r 1 ，f 2 ，t p 的误差来修改其连接权和阚值，使j ，a 与要求的t 最尽可能的接近。将第e 个样本输入到网络中，得到输出y ，1 = 0 ，1 ，m 1 ，其误差为各输出单元误差之和，满足：e 鼻= i 1m 乙- - i ( 垆一”) 2( 3 3 )对p 个样本学习，其总误差为：( 3 - 4 )设w 田为网络中任意两个神经元之间的连接权，中也包括阈值在内，为一个与有关的非线性误差函数。令占= i 1m 向- 1 v - ，鼻一 ) 2 = z f = 0e 总= e ( w ，f 马，x 马)肜= l ，孵采用梯度算法，对每个元的修正值为：w 。：一圭印兰( 3 一s )( 3 6 )( 3 7 )( 3 8 )嗡= + p 壹。= i s q 毫咄= 1 p 妻i = i s q 锈咫。( 3 - ，1帆。1令n o 为迭代次数，根据方程( 2 3 ) 和梯度算法，可得到权的迭代公式为：w 加0 + 1 机h 鬻( 3 - l o )2、j片，y一只，o州脚p 州一2=总g式( 3 - 1 0 ) 是多层b p 网络各层之间权修正的基本表达式，由于权的修正是在所有样本输入后计算其总的误差后迸行的，这种修正也被称为批处理。批处理修正可以保证其向减少的方向变化，在样本数较多时，它比分别处理时的收敛速度更快。算法的整体流程见图3 - 4 。圈3 4 b p 算法框图整个网络学习过程分为两个阶段。第一个阶段是从网络的底部向上进行计算，如果网络的结构和权已设定，输入已知学习样本，可按式( 3 2 ) 计算每一层的神经元输出。第二个阶段是对权和闳值的修改，这时从网络的最高层向下进行计算和修改，并依据最高层的误差修改与最高层相联的权，然后按式( 3 - 1 0 ) 修改各层的权，两个阶段反复交替，直到收敛为止。2 4 -3 5 基于a n n 的知识库建立3 5 1 知识库的构建知识库主要包括两部分内容：a n n 通过实例学习训练获得的隐台知识及网络模型参数；传统的显性描述知识。对于显性的数据采用知识表达的关系模型存储在数据库中；对于规则数据采用面向对象的知识表示，同时转换为关系模型也存储到数据库表中：对于隐性知识采用神经网络的权值、闽值存储。组建a n n e s 的知识库主要包括两个过程：知识的获取和知识存储。知识的获取表现为对训练样本的获得和选择；知识的存储则表现为对样本到期望输出的隐式分布的存储方式。具体步骤如下：1 ) 确定神经网络结构根据应用对象的不同，选择适当的算法模型的输入、输出值。在本系统的应用实例中，选用覆盖件的形状特征编码作为输入值，特征对应的工艺编码作为输出值。2 ) 训练样本的选择对样本的选择应注意两个问题：相容性和遍历性。相容性是指样本之间不能冲突。在冲压成形过程中，由于其设备以及不同的工艺设计人员，即使相同的零件，其生产工艺也不尽相同，故得到的结果也不同。遍历性是指样本应该具有代表性。在实验样本选取过程中，应考虑各种因素。3 ) 获取权值和阈值对样本进行训练，获取权值和阈值，存储后形成知识库。3 5 2 知识库的维护知识库的建立过程是知识经过一系列变换进入计算机系统的过程，在这个过程中存在着各种导致知识不健全的因素。例如：领域专家提供的知识存在某些不一致、不完整。甚至错误的信息、对知识库的增加、修改及删除时产生的影响，以至产生的知识库的不完备情况等。另外随着经验知识的增加，科学的发展，原有知识库中的