基于人工神经网络专家系统的智能CAD研究

维普资讯 http://www.cqvip.com 第１６卷第６期　２００２年１１月　Ｖｏ１．１６　Ｎｏ．６　Ｎｏｖ．２００２　基于人工神经网络专家系统的智能ＣＡＤ研究　王桥医　（株洲工学院机械系．湖南株洲４１２００８）　摘要：在论述人工神经网络理论研究进展，分析人工神经网络模型的特点和性质的基础　上，综述了人工神经网络模型在现代ＣＡＤ技术中的应用研究现状及发展。　关键词：人工神经网络；ＣＡＤ技术；专家系统　中图分类号：ＴＰ１８３　文献标识码：Ａ　文章编号：１００８－－２６１１（２００２）０６－－００４１－－０３　Ｔｈｅ　Ｒｅｓｅａｒｃｈ　Ｆｏｒ　ｔｈｅ　Ｉｎｔｅｌｌｉｇｅｎｔ　ＣＡＤ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ａｒｔｉｆｉｃｉａｌ－－Ｎｅｕｒａｌ　－Ｎｅｔｗｏｒｋ　Ｅｘｐｅｒｔ　Ｓｙｓｔｅｍ　ＷＡＮＧ　Ｑｉａｏ—ｙｉ　（Ｚｈｕｚｈｏｕ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ．Ｚｈｕｚｈｏｕ　４１２００８。Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ａｆｔｅｒ　ａ　ｄｅｓｃｒｉｐｔｉｏｎ　ｏｆ　ｔｈｅ　ａｄｖａｎｃｅｓ　ｏｆ　ａｒｔｉｆｉｃｉａｌ—ｎｅｕｒａｌ—ｎｅｔｗｏｒｋ（ＡＮＮ）ｔｈｅｏｒｙ　ａｎｄ　ａｎ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｎａｔｕｒｅ　ａｎｄ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ＡＮＮ　ｍｏｄｅｌｓ．ｒｅｖｉｅｗｅｄ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｓｔａｔｅ　ａｎｄ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔｓ　ｉｎ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ＡＮＮ　ｍｏｄｅｌｓ　ｔｏ　ｍｏｄｅｒｎ　ＣＡＤ　ｔｅｃｈｎｉｑｕｅｓ．　Ｋｅｙ　ｗｏｒｄｓ：ＡＮＮ；ＣＡＤ；ｔｅｃｈｎｉｑｕｅｓ；ｅｘｐｅｒｔ　ｓｙｓｔｅｍ．　近年来，随着人工神经网络理论研究的发展和成　熟，特别是对传统ＢＰ算法的改进，如随机梯度法、模　拟退火算法及遗传算法（Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ简称　ＧＡ），使传统ＢＰ算法取得了长足的进步，人工神经网　络从理论探索进人了大规模工程实际应用研究阶段。　度等）和动态性能（位移、速度、加速度响应、系统结构　固有频率和振型）的综合优化问题，在计算规模和数学　复杂程度等方面都是空前的。针对这类包括尺寸优　化、拓扑优化和性能优化的全局优化问题，基于数学规　划法的传统优化理论很难有所作为。此外，传统的优　化方法（如惩罚函数法、复合形法以及随机搜索法等）　均存在着局部最优现象，很难找到全局最优解。　当前，人工神经网络作为生物控制论的一个辉煌成果，　其应用研究已经渗透到各个工程领域。国内外已开始　探索在ＣＡＤ技术中使用人工神经网络理论，提高　ＣＡＤ系统的智能化程度，目前国内外学者已在结构分　析、设计和优化、自由曲面造型、智能ＣＡＤ系统中的　模识识别、知识的表达和推理等方面作了探索性研究，　其前景十分可观。　１．２基于人工神经网络的优化算法　１．２．１　前馈网络与ＢＰ算法　前馈型ＢＰ网络即误差逆传播神经网络是能实现　映射变换的前馈型网络中最常使用的一类网络，也是　人们研究最多、认识最清楚的一类网络。目前，在优化　人工神经网络与优化设计　１．１传统优化理论的困境　设计中ＢＰ网络是应用最多、相对较成熟的网络，三层　前馈ＢＰ网络是一个典型的映射型网络。人们已证　明：假定网络中隐含单元可以根据需要自由设定，那　现代机械系统日趋复杂，对其静态性能（强度、刚　收稿日期：２００１～１２一ｌ８　么，一个三层前馈ＢＰ网络可以实现以任意精度逼近　作者简介：王桥医（１９６６一）．男．湖南湘乡人．株－洲工学院副教授．中南大学机电工程学院博士研究生．主要从事机械设计．ＣＡＤ　及机电液一体化技术研究．　维普资讯 http://www.cqvip.com ４２　株洲工学任一连续映射函数。优化过程实际上是ＢＰ网络的学　习过程。其算法基本思路为：把网络学习时输出层出　现的与“事实”不符的误差，归结为连接层中各节点间　连接权及阈值的“过错”，通过把输出层节点的误差逐　层向输入层逆向传播以“分摊”给各连接节点，从而可　算出各连接节点的参考误差，并据此对各连接权进行　相应的调整，使网络适应要求的映射。　由于前馈网络的输出误差参数是权矢量空间的一　个曲面，它由大片平坦区和小斜度的凹槽组成，不同的　网络结构、不同的研究对象，其误差曲面的形状不同。　ＢＰ算法沿梯度方向调整权值，按等步长搜索误差的极　小值，这对存在大量局部极小点的情况，搜索全局极小　点很困难，极易陷入局部极小；而且等步长搜索又易造　成振荡，使收敛速度减慢。近年来，人们对ＢＰ算法作　了一些改进性的研究，其中具有代表性的算法有随机　梯度法、模拟退火算法、遗传算法（ＧＡ）；其中ＧＡ是一　种很有前景的算法，它是从生物进化受到启示而提出　的一种优化算法，它与ＢＰ算法结合，可以有效解决局　部极小和收敛速度的问题。　１．２．２　Ｈｏｐｆｉｅｌｄ网络优化方法　Ｈｏｐｆｉｅｌｄ网络是一种全连接反馈网络，在这类网　络中所有的节点都是一样的，它们之间都可互相连接　（一个节点既接受其它节点的输出，同时也输出给其它　节点）：由于引入反馈，所以它是一个非线性动力系统，　存在稳定性问题和吸引子以至混沌（Ｃｈａｏｓ）现象。该　网络在能量趋于最小时，网络趋于稳定状态，因此　Ｈｏｐｆｉｅｌｄ网络优化问题，实际上可转化为网络能量函　数极小点的求解。将人工神经网络动力系统的稳定吸　引子考虑为相应的广义目标函数的极小点，从一个初　始点（即对应于人工神经网络动力系统初始条件）开　始，在人工神经网络达到希望的最小点同时，完成优化　计算。Ｈｏｐｆｉｅｌｄ网络是一个非线性动态系统，具有联　想记忆功能，其存储容量不太理想，而且其联想存储及　回想过程本质上是一类约束最优化问题，因而也存在　着陷入非正常的局部极小值点的可能性，因此利用　Ｈｏｐｆｉｅｌｄ网络进行机械优化设计也是可行的，但要注　意防止陷入局部极小点。　２　人工神经网络在ＣＡＤ专家系统中的　应用　２．１　ＣＡＤ技术的发展及存在的问题　ＣＡ【）技术经过多年发展。已从传统的简单绘图功　能。发展到智能化、集成化的多功能复杂系统。设计的　概念已扩展为产品的整个生命周期．包括市场需求分　院学报　２００２焦　析、概念设计、结构设计、详细设计、工程分格和工艺设　计等。　传统ＣＡＤ主要依靠建立设计对象的数学模型并　进行数据处理，主要包括计算、分析、绘图等。现代　ＣＡＤ技术要求系统能自动完成包括方案设计、评价、　决策、结构设计等工作，这类工作主要以符号推理为　主，属于创造性活动，必须依靠思考与推理，主要依靠　建立设计对象的知识模型并进行处理，而且处理这类　工作很困难。目前，人工智能原理与方法的引入及采　用专家系统技术，使ＣＡＤ技术向智能化方向发展跨　进，形成智能ＣＡＤ（ＩＣＡＤ）技术，以适应创造性设计的　要求。　ＣＡＤ专家系统中的关键内容是知识库的建立、推　理的实现。由于专家系统发展为越来越复杂、越来越　庞大的系统，给知识库的建立、推理的实现带来困难。　具体来说，存在以下几个方面的问题。①知识获得的　“瓶颈”问题。符合系统中的知识是领域专家对大量实　验经验进行总结，并由知识工程师以显式表达的符号　形工存储于计算机，符号系统就是依赖这些知识来解　决实际问题。但从隐式的经验知识到显式的符号知识　的映射过程十分复杂，这项工作非常艰巨、耗时而且低　效，并容易失真，因此人们将知识获取视为智能系统开　发的“瓶颈”。②知识量与系统效率的矛盾。要使符号　系统的问题求解能力高于常人，必须使之拥有更多的　知识，并且这些知识应能准确反映事物规律。但符号　系统的知识一多，往往会使知识之间的因果关系变得　复杂，相应的推理链也将变长，这样推理效率会不可避　免地降低，以致出现“知识越多系统越笨”的奇异现象，　这一现象显然与人脑的智能行为相悖。③系统的脆弱　性。符号系统所拥有的知识如果足够充分，则系统能　较好地进行问题求解，但有些知识很难显式地表达出　来，而作为常识性知识为人们所默认，这类知识在知识　获时往往被忽略。这样，当本属于该领域的问题稍微　超出符号系统知识库拥有的知识时，整个系统就会无　能为力，甚至连一点信息都无法给出，这就是系统的脆　弱性。此外，符号系统还存在组合爆炸等问题。　２．２专家系统中人工神经网络的引入　人工神经网络是一个分布式并行处理系统，且具　有自组织学习能力和联想记忆功能。鉴于人工神经网　络具有这些特性，符号系统的上述缺陷恰好能被人工　神经网络所弥补。符号系统知识获取问题的症结在于　其知识要用符号显式表达。可是这类知识大多数是具　有启发性的经验、决窍，往往只可意会，难以言传。神　经网络通过样本学习，将其隐含的经验、决窍容纳进　去。是一种知识的隐式表达，从而巧妙地回避了，获取显　式化知｝只的困难，同时又具有自学习能力，可部分地实　维普资讯 http://www.cqvip.com 第６期　王桥医　基于人工神经网络专家系统的智能ＣＡＤ研究　４３　现知识自动获取。　２．３神经网络知识的获取、表示及利用　实现理想的集成化，建立完整的产品信息模型是关键。　目前，大多数ＣＡＤ系统虽然都具备强大的造型功能、　简便的操作以及系统内部较完善的信息管理手段，但　这些系统所建立的零件信息模型都还只限于几何信息　和拓扑信息，很少表达面向加工的信息，如果考虑并行　设计中ＣＡＰＰ和ＤＦＭ等设计活动对零件信息模型的　要求，则不但要表达零件的几何、拓朴信息，还要表达　有关零件工程语义信息（工程师的设计及制造意图）。　为了解决以上问题，需要开发基于特征的零件信息建　模系统，将零件模型中要求的高层次信息以“特征”的　形式表示，建立特征信息模型。　，　建立零件特征信息模型的方法之一是从已有的　ＣＡＤ信息模型中用某种方式识别或提取特征的高层　知识获取方法分两大类：一类是通过知识工程师　进行知识获取；另一类方法就是让计算机本身从环境　（包括专家、资料等）或自身的实践（解题过程）中获取　知识，通常称为机器学习。显然，基于神经网络的知识　获取属于机器学习的范畴，根据神经网络原理可知，神　经网络的知识获取过程就是样本学习，而学习训练后　得到的网络连接权值是对知识的分布存储和表达；对　已学习训练好的网络若加上输入，则会产生相应的输　出，这就是知识的推理利用。　由此可见，基于神经网络的知识获取具有集约特　征，即知识的获取、表示和利用合为一体，它们都是通　过神经网络的学习训练实现的。　次信息，这就是所谓的特征识别与提取（Ｆｅａｔｕｒｅ　Ｒｅｅ—　ｏｇｎｉｔｉｏｎ　ａｎｄ　Ｅｘｔｒａｃｔｉｏｎ），但是由于几何模型很复杂，　在识别过程中存在二异性，传统的方法只限于简单特　征的识别。　３　自由曲面重建中的应用　３．１传统建模方法　由于神经网络具有优良的学习功能，通常都有很　高的冗余度，以及采用大规模并行处理的机制，利用其　模式识别的功能进行特征识别，可以极大地提高特征　长期以来，人们对自由曲面的设计和建模大部分　是针对已知数学表示的自由曲面，然而在实际中，存在　着大量无法获得其数学模型的自由曲面。通常设计者　根据产品的功能需要和功能分析，建立产品的物理模　型，但该模型无法用数学公式解析表示。对于已有复　识别的准确性和效率。但是，人工神经网络的输入、输　出都是数值或以数字表示的代码，因此，利用人工神经　网络进行特征识别，必须首先对ＣＡＤ中的特征模型　杂自由曲面，其建模过程经常是对曲面进行采样以将　其数字化。使用激光扫描器和坐标测量机两种方法获　得曲面的数字点；进而用这些数字点重建曲面数学模　型。这种曲面重建方法需要的测量点很多，建模所需　知识量大，过程复杂。　３．２神经网络建模方法　进行语义转换，将工程语义信息转换为数值或数码信　息，目前国内外学者正在进行这方面的探索性研究。　５　结束语　人工神经网络，随着其理论、算法的完善，在现代　ＣＡＤ技术中优化设计模型、曲面造型、特征建模、设计　型专家系统建立等方面将具有广阔的应用前景。　参考文献：　参数化曲面Ｐ（“，ｕ）可以分解成３个曲面Ｘ（“，　ｕ）、Ｙ（ｕ，ｕ）、Ｚ（ｕ，ｕ）。用数字点重建曲面，我们通常需　找出参数“，ｕ与坐标Ｘ、ｙ、Ｚ之间的关系。因此，网　络结构可以采用典型的多层前馈ＢＰ网络，“，Ｕ为２个　输入层神经元，Ｘ、ｙ、Ｚ分别为３个输出层神经元。隐　层数和隐层神经元数根据实际情况灵活确定。训练样　本从测量获得的数字点中获得，然后对网络进行训练，　最后用一组测试获得的数字点对网络进行测试，获得　自由曲面计算机模型。　［１］Ｄａｖｉｄ　Ｂ．Ｆｏｇｅ１．Ａｎ　ｉｎｔｒｏｄｕｃｔｉｏｎ　ｔＯ　ｓｉｍｕｌａｔｅｄ　ｅｖｏｌｕｔｉｏｎ　ｏｐ—　ｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥ　ｔｒａｎｓ．Ｎｅｔｗｏｒｋｓ，１９９４，５（１）：１０７一　ｌ１５．　［２］刘振凯，贵忠华，蔡青．智能ＣＡＤ工人神经网络专家系　统的模型和结构［Ｊ］．中国机械工程，１９９７，（２）：３３　３５．　［３］师汉民．人工神经网络及其在机械工程领域中的应用　４　ＣＡＤ系统中基于神经网络的特征识别　现代ＣＡＤ技术发展的另一个趋势是集成化。要　ＥＪ］．中国机械工程，１９９７，（２）：５一ｌＯ．　Ｅ４Ｊ　屈梁生．人工神经网络与机械工程中的智能化问题［Ｊ］．　中国机械工程，ｌ９９７．（２）：ｌ　３．