计算机辅助设计

5、计算机辅助设计（1）基本概念和特点

计算机辅助设计（CompaterAidedDesign——CAD）是指在设计活动中，利用计算机作为工具，帮助工程技术人员进行设计的一切适用技术的总和。

计算机辅助设计是人和计算机相结合、各尽所长的新型设计方法。一个好的计算机辅助设计系统既能充分发挥人的创造性作用，又能充分利用计算机的高速分析计算能力，找到人和计算机最佳结合点。

CAD的过程为：先进行设计方案构思、工作原理拟定等创造性的思维活动然后将设计思想、设计方法经过综合、分析，转换成计算机可以处理的数学模型最后编写能解析这些模型的计算机程序。

计算机辅助设计包括的内容很多，如优化设计、有限元分析、计算机仿真、计算机绘图等。在计算机辅助设计工作中，计算机的任务实质上是进行大量信息的加工、管理和交换。在CAD作业过程中，逻辑判断、科学计算和创造性思维是反复交叉进行的。一个完整的CAD系统，应在设计过程中的各个阶段都能发挥作用。而要实现这一点，就必须具备以下三个条件：①建立完备的产品设计数据库。产品设计数据库是用来存储设计某类产品所需的各种信息，如标准、规范、公式等。

②建立完备的应用程序库。即将解决某一类工程设计问题的通用及专用设计程序，如优化程序、有限元程序等。③建立多功能交互式图形库。利用图形库可以进行二维及三维图形的信息处理，能在此基础上绘制工程设计图，建立标准件库、零部件库等图形处理工作。与传统的机械设计相比，CAD技术都有着巨大的优越性。主要表现在：①CAD可以提高设计质量。

②CAD可以节省时间，提高生产率。

③CAD可以较大幅度地降低成本。

④

CAD技术将设计人员从繁琐的计算和绘图工作中解放出来，使其可以从事更多的创造性劳动。

（2）计算机辅助设计的研究热点及展望

CAD技术现今及将来会在以下几方面进行重点研究，并将取得进展。

①参数化设计

用CAD方法开发产品时，零件设计模型的建立速度是决定整个产品开发效率的关键。产品开发初期，零件形状和尺寸有一定模糊性，要在装配验证、性能分析和数控编程之后才能确定，这就希望零件模型具有易于修改的柔性。

参数化设计方法就是将模型中的定量信息变量化，使之成为任意调整的参数。对于变量化参数赋予不同数值，就可得到不同大小和形状的零件模型。

参数化设计可以大大提高模型的生成和修改速度，在产品的系列设计、相似设计及专用CAD系统开发方面都具有较大的应用价值。

②

智能CAD

智能CAD是指通过运用专家系统、人工神经网络等人工智能技术使在作业过程中具有某种程度人工智能的CAD系统。

专家系统是一个能在某个特定领域内，用人类专家的知识、经验和能力去解决该领域中复杂困难问题的计算机程序系统。

专家系统不同于通常的问题求解系统，其基本思想是使计算机的工作过程能尽量模似领域专家解决实际问题的过程。专家系统在CAD作业中适时给出智能化提示，告诉设计人员下一步该做什么，当前设计存在的问题，建议解决问题的途径；或模拟人的智慧，根据出现的问题提出合理的解决方案。

专家系统是基于知识的系统，专家系统技术是知识获取、处理和运用的技术。知识工程是专家系统技术的基础。专家系统通常由知识库、推理机、知识获取系统、解释机构和一些界面组成。

人工神经网络具有下列特征：

a.它包含大量的人工神经元，提供了大量可供调节的变量；

b.信息是分布式存储的，从而提供了联想与全息记忆的能力；

c.具有高度的自适应能力，高度的容错能力，很强的计算能力以及自组织能力。

人工神经网络已在语音识别、模式分类、自动控制等领域取得了比较成功的应用，在工程设计中的应用正在不断地研究发展，如基于人工神经网络的机械设计领域知识表达方法的研究，智能系统的知识自动获取、基因遗传算法的原理在机械工程中的应用。

目前，神经网络和专家系统有联合起来的趋势，神经网络也可设计成某种专家系统，实现专家系统的功能。基于神经网络的专家系统在知识获取、并行推理、适应性学习、联想推理、容错能力方面明显优于传统的专家系统。

③基于特征的设计

特征设计是用易于识别的、包含加工信息的几何单元(如孔、槽，倒角等)来取代以往设计中所用的纯几何描述(如直线、圆弧等)。

特征是构造零件的最基本的单元要素，它们能以较高的抽象级别、不需要解释的方式来标示一个产品。它既反映零件的几何信息，又反映零件的加工工艺特征信息。例如，对孔的设计，非特征的系统常采用圆柱体与某个实体进行逻辑运算来实现，计算机仅仅知道哪些部分没有材料而已，并不能“认识”哪是一个孔。对基于特征的设计系统，孔是一个特征，具有直径、长度、公差、表面粗糙度、位置等属性，并包括它在装配图中的情况,每一个特征基本上对应一组加工制造方法。特征的“语义”，使设计人员和工艺人员对同一特征有相同的理解，并且特征定义显式地包含了所有几何和非几何信息。因此，基于特征的设计更适合于CAD/CAM的集成和CIMS中的建模需要。

④

相关性设计

相关性设计为设计工作提供了极大的方便。用户无论是在什么地方进行修改，系统会自动地更新与修改有关的内容。例如，当用户在左视图上对某个尺寸进行修改，主视图、俯视图和三维模型中相应的尺寸和形状会随之改变。反之，在三维模型设计中的修改，同样会在三视图中得到改变。⑤

NURBS几何构型技术

NURBS（Non-UnifromRationalB-Spilnes,即非均匀有理B样条曲线)在CAD中用来定义复杂的几何曲面。运用NURBS技术可以使系统在描述自由曲线、曲面以及精确的二次曲线、曲面时，能够采用统一的算法和表示方法。用NURBS技术构造的曲面易于生成、修改和存储，为系统提高对曲面的构造能力和编辑修改能力打下了基础。

⑥

装配设计和管理

装配设计是指系统能够同时完成产品或装配部件的设计，而不是个别零件的设计。由于涉及到许多零件的装配关系，装配设计需要考虑的因素复杂，具有装配设计功能的系统需要采用的技术和手段也较多，如前面提及的特征设计、参数化设计、相关性设计等。对于具有装配设计功能的系统还应能够提供有关装配方面的管理能力，如装配零件逻辑关系、装配件干涉检查、生成装配材料明细表、零件装配关系展开图等。

⑦

CAD系统的集成化

CAD系统的集成化是将CAD和CAM集成为一个CAD/CAM系统。在这种系统中，设计师可利用计算机，经过运动、动力、应力分析，确定零部件的合理结构形状，自动生成工程图样文件，存放在数据库中。再由CAD/CAM系统对数据库中的图形数据文件进行工艺设计及数控加工编程，并直接控制数控机床去加工制造。

⑧

面向对象的设计方法

面向对象方法是分析问题和解决问题的新方法。其基本出发点就是尽可能按照人类认识世界的方法和思维方式来分析和解决问题。客观世界是由许多具体的事物或事件、抽象的概念、规则等组成的，我们将所要研究的事、物、概念等都称为对象。面向对象的方法正是以对象作为最基本的元素，作为分析问题、解决问题的核心。

实际应用中对象是人们要进行研究的“任何事物”。从最简单的整数到极其复杂的自动化工厂都可以看作对象。对象的概念是广义的,不仅能表示具体的实体，也能表示抽象的规则、计划或事件。在CAD/CAM系统中，所定义的对象可以是用来描述几何模型的点、线、面等，也可以是用来描述加工过程的零件模型、加工特征、刀具类型、刀位指令等等。

6、智能计算机辅助设计系统（1）智能计算机辅助设计系统的基本组成智能CAD系统是将人工智能原理和CAD技术用于工程设计的程序系统，它拥有丰富的机构设计公有知识和设计数据资料，同时拥有众多领域专家的个人经验知识。在设计时，能够模仿人类专家进行创造性设计，并具有自学习功能，能不断地总结成功经验，不断地吸取人类专家的知识，来补充自己的知识，提高自己的创造性能力。智能CAD系统人工智能原理CAD技术=+具有丰富的机构设计公有知识、设计数据资料具有众多领域内专家的个人经验、知识⇕⇕能进行创造性设计、具有自学习功能、不断地总结成功经验⇕智能CAD系统应具有下面的三个功能：①该系统能智能地支持设计者，即在知识库的支持下，系统具有搜索、推理决策的能力，包括理解设计者的意图、设计条件和约束，提出各种可行的设计方案及结构，能正确解释设计者提出的问题，查找并改正设计错误。这就要求系统具有一个内容丰富的知识库和一个进行理解推理和决策的模块。

②系统具备相应的设计资料数据库和计算分析程序库，还应有图形支撑系统和文件产生系统。

③系统具有自学习能力，即能够不断地总结经验，自动地从知识库将过时的、不合理的知识删除掉，并能不断地吸收新的知识。这就要求系统的知识库具有开放性和灵活性。

一个典型的智能CAD系统的组成如图1-6所示。绘图及文件编写推理机领域专家知识获取知识库模式性知识数值分析法规则性知识自学习机逻辑推理模式联想设计资料数据库分析计算动态数据库人机界面图形交互输入输出用户图1-6CAD部分专家系统部分由图1-6可知，一个智能CAD系统由以下几个部分组成：①

知识获取，用来获取来自领域专家的知识；②知识库，用来存放各种知识，工作时与推理机交换信息；③自学习机，在推理过程中进行学习，将得到的新知识不断充实知识库，并删除知识库中过时的知识；④人机界面，是用户与系统的接口；⑤绘图和文件编写，从中间数据库获取结果数据，采用交互或自动化的方式产生图样和设计文件；⑥动态数据库，存放推理过程的中间结果、用户输入信息及最终结果；⑦推理机是整个系统的核心，其任务是将输入要求与知识库相匹配，触发适用的规划，使有关结论得到执行。推理机要对各组成部分实现控制，解决各结论之间的矛盾，对设计结束进行评价和决策，最后得到最佳设计结果；⑧分析计算部分，用各种程序进行计算和分析，给推理机提供定量的评价和决策数据；⑨设计资料数据库，存放大量的设计标准和参考资料，用来支持分析计算、评价及决策过程。（2）人工智能技术与智能设计系统专家系统、人工神经网络是人工智能的两个应用分支，由此而出现了不同特点的智能设计系统，即基于专家系统、人工神经网络和体现复合智能的神经网络专家系统的智能设计系统。人工智能技术专家系统人工神经网络人工智能基础理论+CAD基于神经网络的智能设计系统基于专家系统的智能设计系统基于神经网络专家系统的智能设计系统不同特点的智能设计系统两个应用分支①专家系统（ExpertSystem——ES）

专家系统是一种计算机程序，是基于知识的智能程序，是以专家的水平来完成一些重要问题的计算机应用系统。专家系统的知识库存有相当数量的权威性知识，系统能运用这些知识解决特定领域的实际问题、或模拟专家运用这些知识通过推理作出智能决策。专家系统擅长符号处理和逻辑推理，特别适合于解决自动计算、问诊和启发式推理等基于规则的问题。专家系统具有强大的解释功能，对设计推理过程和结果作出解释，这种推理过程的透明性有利于设计人员理解和使用系统的设计结果。专家系统的知识库和推理机为系统的两大组成部分。知识库的丰富和修正，不会涉及推理机的程序体，这使系统扩充方便。但专家系统具有两个缺陷：①知识获取的“瓶颈”。专家系统的智能水平很大程度取决于知识的数量和质量，而实际工程设计中涉及的因素很多，很难建立一个完整全面的关系模型。有些专家的经验知识、感性知识和潜意识里运用的设计知识，要归纳和描述成计算机程序或基于规则的知识形式非常困难，甚至不能实现。即使能用计算机程序来描述专家的设计知识，相应的知识库也必然十分庞大，构造和维护非常不易。②推理能力相对较弱。专家系统的本质特征是基于规则的推理思维，由于逻辑推理理论还不完善，推理方法简单，控制策略不灵活，当多个设计专家的知识间发生矛盾或获取的知识间夹杂有很大干扰时，容易出现匹配冲突、组合爆炸及无穷递归等问题，使专家系统的处理能力受到很大影响。

②人工神经网络（ArtificialNeuralNetworks——ANN）

人工神经网络是由大量简单的神经元相互连接而成的自适应非线性动态系统。下图为一多层人工神经网络结构图。x1xixmy1ykyp输入输入层隐层输出层输出1im1jn1kp

人工神经网络作为生物控制论的一个成果，其应用几乎已延伸到各个工程领域，吸引着不同专业的领域专家从事这方面的研究和开发工作，并且在这些领域中已形成了新的生长点。人工神经网络从理论探索进入大规模工程实用阶段，也只有短短十几年的时间。它的工作原理和功能特点接近于人脑，不是按给定的程序一步一步地机械执行，而是能够自身适应环境，总结规律，完成运算、识别和控制等工作。

人工神经网络的主要特点为：

a.大规模的信息并行处理能力。所谓并行处理指在网络的各层中，同层各单元信息传递是同步的，各层间信息传递是串行的。因此神经网络的推理过程是一种典型的并行推理，故速度快，这对于规模较大、构成较复杂的工程设计问题尤为有效。

b.极强的自学、联想和容错能力。神经网络的推理过程只与自身的参数有关，其参数通过学习算法进行自适应调节，因此它有很强的自学和自适应能力。在工程中只要向它提供足够的样本，训练后，网络便学会了蕴藏在样本中的知识，一旦输入新的样本，网络便会给出正确结果，具有联想能力。网络中部分神经元损坏，不影响推理结果，具有容错能力。

b.分布式的信息存储方式。神经网络的知识表达采用的是一种隐式表达，它把知识蕴含于网络的互连结构与连接权中，这使工程设计中一些难以规则化或程序化的知识更易于表达出来，更易于实现经验思维。工程实际中，许多设计都是多输入多输出的决策问题，神经网络的特点使其在解决这类问题上有很大的优势。

下面用一个简单的故障判断问题来说明专家系统和人工神经网络在信息存储方式上的差异。所谓故障诊断就是查明导致系统某种功能失调的原因或性质。设备的故障诊断就是根据设备可测量的物理等量等故障征兆来判断设备的故障原因。即故障征兆故障原因下图为汽车电气系统故障判断逻辑图。

专家系统是基于知识的判断系统，因而必须首先建立知识库。知识库由下列几条规则组成：if仪表亮&照明亮then

电气系统正常if仪表亮&照明灭then

电气系统正常if仪表灭&照明亮then

电气系统正常if仪表灭&照明灭then

电气系统异常当给出一个前提（故障征兆），专家系统会根据知识库作出推断，获得结论（故障原因）。

由此可知，专家系统中的知识是显式表达的，其判断是基于规则的推理。现用神经网络来完成这个故障检测任务。x1x2

y1000010100111a.建立逻辑表;b.建立训练样本：[x1,x2][y1]①000②010③100④111c.构建一个2-7-1的人工神经网络d.以样本训练网络e.训练好的网络可投入使用逻辑表（0正常，1故障）神经网络中知识是隐式表达的，其判断是基于计算的推理。人工神经网络也有不足：

a.神经网络推理过程的不透明性，使用户只能看到输入和输出，而看不到中间的分析推理过程及其依据，无法回答用户的问诊，不利于用户理解和使用推理结果。

b.系统知识处理的正确性和可靠性很大程度受所选择的训练样本的限制。若样本的正交性和完备性不好，往往会使系统的性能恶化。尤其在工程设计中，样本太少，不足以反映设计规则，这导致目前使用人工神经网络还只能实现一些较小的智能模块。

c.由于目前理论水平的限制，人工神经网络在实现连续型的非线性映射方面还存在精度不高的问题。

③复合智能（Neural-ExpertHybrid）

ES和ANN结合起来，实现优势互补，便构成了复合智能。下表给出了各系统的智能属性。1-最好，3-最差智能属性人专家系统神经网络数值运算321知识获取132知识表达132并行处理132低层知识处理132高层知识处理123不精确推理123启发式推理123学习能力132容错能力/坚韧性132知识领域的敏感性132创造性思维133应用的成熟程度123从表中可知，在整体水平上，人的能力与人工智能系统相比，仍遥遥领先。ESANN都是“部分智能”，并在多方面的属性是互补的：

a.ES擅长基于知识的逻辑推理、逻辑思维以及在宏观功能上模拟人的知识推理能力，工作机制是串行处理；ANN则在知识获取、经验思维和在微观结构上模拟人的认知能力方面存在优势，工作机制是并行处理。

b.利用ES来求解问题，若能求出解，一定是准确的和最优的，但若求不出，则彻底失败；而利用ANN求解问题，它往往给出的是一个次最优解，并且总能得到解。c.ES的操作特征是软件编程，主要用于求解推理学习一类问题；而ANN的操作特征是非编程的集体计算，主要用于求解示例学习一类问题。在复合智能系统中，ANN主要负责知识的获取与表示，实现知识的利用与推理；ES则负责用户接口界面、系统内部连接与协调、以及基于规则的知识处理。目前，两者结合的方式主要有：分立模型、交互模型、松耦合、紧耦合及完全集成等几种。常用的复合智能系统由初始方案专家系统、用户接口、人工神经网络及方案确定专家系统构成，如图。

用户人机界面人工神经网络初始方案方案确定专家系统最佳方案候选方案用户接口图形交互输入输出用户接口初始方案专家系统其中，初始方案专家系统由知识库和推理机组成，知识库存放与初始方案有关的知识，一般为产生式规则，推理机可进行正向、反向及双向推理；用户接口实现用户与专家以及专家系统和神经网络的接口功能，负责将初始专家系统得到的初始方案转换为神经网络的输入模式，以及将方案确定专家系统选择的最终方案传递给用户；神经网络的输入层对应于设计性能和约束的满足程度，输出层对应设计参数的调整程度，训练时将专家的调整示例输入网络，通过自我学习得到网络参数；方案确定专家系统则按基于规则方法从神经网络通过不精确推理产生的几个可能的输出中选择出最佳的方案。（3）智能计算机辅助设计的发展方向概念设计（ConceptualDesign），又叫方案设计，是产品寿命循环中最重要的工作，是设计过程中的第一步。概念设计的作用是为一个设计任务选择最好的解决方案。有关资料指出，产品寿命循环总价的75%～80%是在概念设计阶段决定的，在后续设计工作和制造过程中，不管采取什么样的措施，对价格的影响也是极其有限的。可见，概念设计在整个设计过程中占有十分显要的地位，然而这也正是智能CAD的难点。在概念设计阶段，没有尺寸关系的详细要求，其目标只是用功能来匹配运动结构，它是一种抽象的构思过程。概念设计包括功能分解、功能表示及功能综合三个阶段。任何机械系统都是由一系列零部件组成的。产品功能与其零部件之间有着错综复杂的相互关系，造成了概念设计过程的复杂和困难，这就要求设计专家不仅要有丰富的设计知识与经验，而且需要有对问题的综合能力。

此阶段的目标是为产品设计构思出满足设计要求的原理方案，作为下一阶段详细设计的基础。

原理方案是一种初步考虑结构形状实现所需功能的综合。进行这一阶段的一般性步骤是：从产品功能目标的抽象和总功能的分解与综合开始，接着是寻找各分功能的可行解，并加以综合，然后作出方案的粗略草图，并分别进行经济技术评价，最后选择最佳方案。这些活动，涉及到对设计对象领域的详细了解、丰富的设计经验及良好的创造性思维等能力，这些都是难以用算法表示的活动。而智能CAD技术的研究就是要促成计算机技术对设计过程的全程参与，因而智能设计系统的研究和实用化，还需要面对如下的一些需要解决的问题。

①

设计过程的再认识

智能CAD系统的发展，乃至设计自动化的实现，从根本上是取决于对设计过程本身的理解。尽管人们在设计方法、设计规律等方面进行了大量的探索，但从计算机化的角度看，设计方法学的水平还远远没有达到此目的，智能CAD系统的发展仍需要进一步的探索适合于计算机程序系统的设计理论和有效的设计处理模型。

②

知识的表示

设计过程是一个非常复杂的过程，它涉及到多种不同的类型知识的应用，包括经验性的、常识性的以及结构性的知识。因此，单一知识表示方式不足以有效表达各种设计知识。如何建立一个合理而有效的表达设计知识的表达模型，始终是设计类专家系统成功的关键。

③多方案的并行设计

设计类问题是“单输入/多输出”问题，即用