[發明專利]機器智能參與設計決策的冷擠壓件智能設計系統

無效

• 申請號: 201110002403.6
• 申請日: 2011-01-07
• 公開（公告）號: CN102063550A
• 公開（公告）日: 2011-05-18
• 發明（設計）人: 楊慶華;孟彬;潘雋
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N5/00
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;王利強

1.一種機器智能參與設計決策的冷擠壓件智能設計系統，其特征在于：

所述智能設計系統包括：

設計型專家系統模塊，內部含有大量的冷擠壓成形領域專家水平的知識與經驗，利用人類專家的知識和解決問題的方法來處理冷擠壓成形領域問題，利用所述知識和經驗，進行推理和判斷，模擬人類專家的決策過程，所述設計型專家系統模塊包括：

知識庫，集合用于設計冷擠壓件的領域知識以及專家的實際經驗，包括產品實例庫、設計規則庫、設計參數庫和數值方法庫；產品實例庫是設計人員工作中長期累積下來的實例的集合，用于基于實例推理時產生新的目標模型，同時作為原始學習模型以便設計中需要時調用；設計規則庫是與冷擠壓件有關的知識和經驗存儲的主要場所，將知識和經驗轉化為計算機可以處理的符號形式以便于描述和編輯；設計參數庫主要存放著各種冷擠壓模具材料的化學成分、物理性能、推薦的熱加工和熱處理工藝參數及相應的力學性能技術資料；數值方法庫存放著智能設計方法會用到的各類數值算法知識；

推理機，用于在用戶輸入冷擠壓件的性能要求后，由推理機制根據推理策略對知識庫進行搜索；

動態數據庫，用于在工作時動態存儲設計過程中的信息，包括冷擠壓件的初始設計要求、中間結果及最終方案，由推理機制控制其刷新；

解釋機制，用于對用戶或工程師所提出的問題，給出一個回答；工程分析模塊，用于建立冷擠壓件初始設計方案的設計變量和優化目標之間的函數關系，然后對初始設計方案作優化，并繪制出優化后的圖形信息，包括：

仿真分析單元，以有限元軟件作為工具模擬出多組有代表性的試驗數據，以作為后續建立非線性映射時的訓練樣本；

計算優化單元，用于將這多組試驗數據作為訓練數據，采用支持向量機的方法建立設計參數和優化目標之間的映射，利用這一映射再預測出多組試驗數據，利用原有和預測出的多組數據擬合出設計參數和優化目標之間的函數關系，將這一函數用于計算優化，采用遺傳算法優設計參數，將優化后的設計參數代入參數化的初始設計方案，得到優化后的冷擠壓件設計方案；

參數化繪圖單元、用于將圖紙信息存入產品實例庫；

產品性能評價模塊，用于評價優化后模型是否符合設計要求，通過判斷成形載荷、金屬流動、應力應變分布、成形缺陷和模具填充情況來評價成形件的質量，對每一項評價對象都會定義相應的準則以供評價。

2.如權利要求1所述的機器智能參與設計決策的冷擠壓件智能設計系統，其特征在于：所述產品性能評價模塊中，通過有限元軟件后處理模擬成形后的零件，導出應力、形變結果到第三方后處理程序，該后處理程序由開發人員根據定義的評價準則編寫，通過該程序完整可信地評價產品的整體性能，如果產品經該評價不合格，則重新返回到優化階段，重新迭代優化，最終獲得優化解。

3.如權利要求1或2所述的機器智能參與設計決策的冷擠壓件智能設計系統，其特征在于：所述推理機的推理機制有四類：基于實例推理、基于規則推理、基于支持向量機推理和遺傳算法。

4.如權利要求3所述的機器智能參與設計決策的冷擠壓件智能設計系統，其特征在于：所述基于支持向量機推理，用于根據幾組典型有限元分析結果建立有限元結果預測模型，通過尋求結構化風險最小，能夠實現經驗風險和置信范圍的最小化；最終轉化成為一個二次型尋優問題，得到的將是全局最優點，而且將實際問題通過非線性變換轉換到高維的特征空間，在高維空間中構造線性決策函數來實現原空間中的非線性決策函數。

5.如權利要求3所述的機器智能參與設計決策的冷擠壓件智能設計系統，其特征在于：所述遺傳算法，用于優化冷擠壓件設計參數，其以設計參數的編碼而不是值作為運算對象使得計算優化過程可以借鑒生物學中的染色體和基因概念，模仿自然界中生物的遺傳和進化機理，以目標函數值作為搜索信息，同時使用多個搜索點的搜索信息。