摘要 提出一种基于专家系统和神经网络相结合的加工过程多目标优化智能决策方法，建立了专家系统和神经网络之间的信息交换机制，采用面向对象的方法设计了车削加工过程多目标优化的智能决策系统。
关键词：制造过程 专家系统 神经网络
Intelligent Decision System in Manufacturing Process
based on Expert System and Neural Net
Peng Guan Chen Tongjian Peng Jingxiong Fu Yonghui
Abstract Proposes an intelligent decision system in manufacturing process based on expert system and neural net. The date change technology of neural net and expert system is developed.A machine tool optimization system,which runs in microsoft windows was built based on object-oriented software technology.
Key Words:manufacturing process; expert system; neural net
1 引言
一个理想的机械加工过程要求加工成本、废品率、工具损耗、能源损耗等尽可能的低，而生产率、制造精度、表面质量等尽可能的高。但由于加工过程的复杂性、系统的非线性和加工参数变化而引起的时变性等，使传统的数值计算方法和试验拟合法难以满足加工过程多目标优化决策的要求，因此智能决策是制造过程决策发展的必然趋势。本文通过建立开放性的车削过程智能决策系统，描述专家系统与神经网络结合的智能决策方法，提供了一条从全局的观点实现加工参数性能优化的新途径。
2 基于专家系统和神经网络的车削过程智能决策
2.1 系统模型
制造过程决策就是在生产过程的各种约束条件，如机床功率、扭矩限制、刀具耐用度、加工精度等的限制下，通过选取刀具参数、切削用量等加工参数使各种优化目标如加工成本、生产率和利润率等得到尽可能的优化［1］。我们建立的车削过程智能决策系统MTOS-Ⅰ模型如图1所示，它通过专家系统和神经网络的共同作用来获得制造过程的最优解。制造过程决策是典型的多目标优化问题，采用将多目标问题转化为单目标优化问题的方法进行求解，允许选用不同的方法如线性加权法、理想点法和乘除法等，其主要差别只是在于评价函数的不同。利用专家系统来构造评价函数，确定各个优化参数的取值范围，用神经网络将各个优化变量连接起来并进行优化计算。系统以Windows为运行平台，采用Microsoft Visual C++开发。
图1 智能决策系统MTOS-Ⅰ
2.2 决策系统中的专家系统
专家系统包含知识库、数据库、公式库和推理机。知识库汇总了选择切削用量的各种知识和经验，主要涉及计算方案选择、约束条件确定、修正系数和其它参数的选取等内容。数据库存储有选择切削用量所需要的标准数据、计算常数、实验数据等。公式库存储有各种加工过程的切削速度、切削力计算等经验公式。专家系统的知识主要来源于《切削用量简明手册》［2］及专家的经验知识。推理机由一组程序组成，控制、协调整个系统，并根据当前的环境，调用知识库、公式库和数据库的资料，选择最优的参数。在本系统中，分别设计了参数选择和约束判断专家系统，能够根据输入的不同机床类型和不同的加工工序，判断某一型号的机床是否满足加工所需要的功率、主轴扭矩，选择合适的刀具角度，确定需要优化的加工参数及选定取值范围，并建立评价函数。
2.3 神经网络优化器
神经网络以其自组织、自学习和并行计算的能力，使其在优化求解运算中显示出强大的优势。系统选用Markov神经网络模型为优化器。Markov网络的主要特点是，它不需要对神经网络构造能量函数，容易根据不同的加工过程建立网络建模，而且由于其求解算法不仅能向函数值下降的方向前进，而且在某些情况下允许向函数值上升的方向前进，有利于达到全局最优［3］。加工过程每一个需要优化的参数构成Markov神经网络的一个单元，每个单元和其它单元双向连接。例如对外圆切削来说，定义变量包括进给量、切削深度、刀具耐用度、刀具的车刀前角、主偏角、副偏角、刀尖圆弧半径等共8个变量，则设计有8个单元的神经网络，使神经网络的每一个单元对应于一个需要优化的变量，并规定第一个单元对应进给量、第二个单元对应切削深度……。神经网络运行时，各单元根据各种参数的当前值计算各自的取值范围，然后按Markov神经网络的运行规则改变网络的当前状态，当网络温度降到某个预定值时，各单元的状态就直接对应了一组优化的参数。神经网络的单元能够根据求解问题的需要动态增减，根据不同的加工过程而动态重构，因此神经网络的优化过程不依赖于具体的加工对象。
3 专家系统与神经网络的信息交换
制造过程智能决策系统利用专家系统确定需要优化的参数，并由此确定神经网络的神经元数目。神经网络优化计算时也需要调用专家系统来确定优化参数的取值。专家系统和神经网络的有效结合及协同工作的前提在于相互间的信息交换。我们设计了如图2所示的查询-翻译式数据传递技术作为数据交换的接口。在系统开始运行时，先由神经网络部分通过标准接口对选定的加工操作对象进行查询，该对象报告出自己所需要的变量个数和每个变量的变化范围，然后神经网络根据查询的结果建立网络单元，当网络单元内容发生变化时，再用网络的当前状态作为参数调用加工对象的翻译函数，该函数根据原先的报告把各个单元的数值转换为对应变量的实际数值，然后神经网络调用该对象的评价函数进行加工参数的评价。通过这种机制，神经网络部分就可以与具体的加工操作分离开来，它在工作时不需要知道当前正在优化的是什么加工操作，也不需要知道各个工作单元的实际物理意义。专家系统和神经网络信息交换主要包括：
①通过调用机床的报告函数间接调用某一加工操作的报告函数，取得神经网络需要的变量个数和各自变化范围。
②根据查询结果初始化神经网络。
③调用翻译函数并计算评价函数的值。
图2 神经网络和专家系统信息交换
4 系统的控制软件设计
4.1 机床类和加工类
为适应不同的机床类型和不同的加工过程，设计了开放性的智能决策系统。该系统软件结构采用面向对象的设计方法，所有车床都由同一个基类派生出来。该车床基类定义了车床的共有特征和进行优化计算时所需要的接口，某些成员函数在基类中是纯虚函数，如计算评价函数、数据翻译等。从车床基类可以派生出各种车床类，这些派生出的子类可以是某一种具体的车床，如C620-1，也可以是某一类车床的基类，如所有数控车床的基类。在派生类中根据具体类型机床的特征完成两项工作：(1)加入新的成员函数和数据；(2)对基类的纯虚函数进行重新定义。在主程序中只要声明一个基类对象就可以调用任何派生类的对象，在软件结构上实现主程序和其它部分无关，其它程序模块能直接接入系统中。在各个具体对象和数据方面，采用了程序和数据分离的技术，使同一类的对象共用一个程序部分。例如，卧式车床的各种不同型号之间的区别通常只是功率、转速、进给量和精度等有所不同，因此在程序中定义了一个卧式车床类，这个类与一个按统一格式描述车床数据的文本文件相结合就能表示某一种具体型号的车床，因此在系统中增、减车床变得很容易。
加工类也是由同一个加工基类派生出来的，派生类对基类的完善和机床类相似，如派生一个外圆车削类，需对在基类的基础上定义外圆车削的基本参数，包括车削长度、工件总加工余量、工件直径、工件材料、刀具材料及参数、车削工时等。
4.2 系统控制软件
系统设计具有Windows风格的软件界面，包括主窗口界面、菜单、程序中使用的各种图标和按钮、对话框等。通过友好的系统界面选择操作类型、输入基本数据及加工参数、确定优化目标和实现优化过程的动态显示等。
采用MFC架构下的消息驱动方式，软件内部提供了对运行时各种消息的响应函数，系统运行流程如图3所示。使用者在系统自动引导下，创建车床、确定加工操作对象、输入相关参数，系统能够自动地输出优化结果。
图3 系统运行流程
5 结论
本研究对实现制造过程的智能决策进行了有益的探索。所提出的加工过程智能决策系统设计方法在MTOS-Ⅰ车削过程智能决策系统设计上得到验证并通过仿真运行验证了系统的有效性和优化性［4］。根据本文提出的设计方法，也可以将系统功能扩展到铣削等其它机械加工过程。
