综述与评论
高军1，梁明2，赵国1，季廷炜1，修大鹏1，李丽华1(1.山东大学材料学院，山东济南 250061;
2.烟台泰利汽车模具制造有限公司，山东烟台 265500)
[摘要] 结合笔者近几年在人工智能技术应用于塑性加工领域方面的研究工作，首先简要介绍了专家系统、神经网络、模糊逻辑、遗传算法等人工智能技术及其特点，论述了各种人工智能技术之间的集成方法以及在工程领域中应用时集成的必要性，阐述了人工智能技术及其合理集成在金属塑性加工领域的应用现状。 [关键词] 人工智能；神经网络；专家系统；模糊逻辑；遗传算法；塑性加工
中图分类号:TG306;TP18 文献标识码:A 文章编号:1000-8446(2004)02-0001-04
Research on Integration Method of AI Techniques and Applications in Metal Form ing
GAO Jun 1,L IANG Ming 2,Z HAO Guo -qun 1,JI T ing -wei 1,XIU Da -peng 1,L I Li -hua 1
(1.School of M ater.Sci.and Eng.,Shandong University,Jinan 250061,China;
2.Yantai T aili Au tomobile Tooling Co.Ltd,Yantai 265500,Chi na)
Abstract:According to researches on applications of AI techniq ues in metal forming area,first of all we introduced AI including ANN,ES,Fuzzy Logic and GA and their characteristics in this paper.Then we dis -cussed the integrating method of AI techniques and the necessi ty of integration when applied in engineering.In the end,we presented the applications of AI techniques and their integrations in metal forming and our research -es in this area.
Key words:AI;ANN;ES;fuzzy logic;GA;metal forming
收稿日期:2003-12-12
基金项目：山东省自然科学基金资助项目(Q2002F01)
作者简介：高军(1969-)，男，副教授，主要从事人工智能在金属塑性加工中的应用研究。
人工智能是计算科学的一个重要分支，与能源技术、材料科学、空间技术等并称为当今世界的尖端
科技。人工智能在诞生半个多世纪的时间里经历了产生、发展、高潮、低谷、复苏等多次反复变换，已逐渐形成了具有本身特的理论和技术体系。它使计算机能够在需要知识、感知、推理、学习、理解及其它类似有认知和思维能力的任务中代替人类的部分脑力劳动。
人工智能的研究领域极其广泛，涉及到数学、物理学、医学、经济学、法律、哲学、控制论、信息论、计算机科学、数理逻辑学、神经学、生理和心理学、思维科学以及语言学等学科，是一门由多门类学科互相
交叉与渗透而产生的综合性边缘学科，推理、学习和联想是实现人工智能的三大重要因素。人工智能大
致可包括问题的解决和规划、专家系统、自然语言处理、机器人学、可视化技术、机器学习、遗传算法以及神经网络等类别和技术。 伴随人类社会跨入21世纪的脚步，计算机科学和信息技术等的发展必将推动人工智能技术的又一次飞跃。当前人工智能正处在一个快速复苏的发展时期，正吸引着基础研究和工程技术领域无数科技人员的目光。 科学技术是第一生产力 ，科学技术只有应用到生产实践中才能真正变成强大的生产力。目前很多工程领域的科技工作者都在潜心研究
1
高军等 人工智能技术集成方法以及在塑性加工中的应用研究
人工智能在本学科领域的应用问题，文中仅对几种人工智能技术的应用和集成问题谈一下个人的研究心得和体会。
1 人工智能技术及其特点
作为在工程领域应用较早、较多的智能技术，同时也作为人工智能的重要组成部分，下面简要介绍一下专家系统、人工神经网络、模糊逻辑以及遗传算法及其各自的特点。
专家系统有时也称为基于知识的系统，是人工智能的一个最为重要、最为活跃的应用领域，一般由知识库模块、推理机模块、综合数据库模块、人机接口模块、解释模块以及知识获取模块等6大部分组成。专家系统与传统程序的不同首先表现在专家系统的知识库和推理机是分离的，可以进行符号操作以及解决不确定和不精确问题。当然专家系统也不是万能的，单独运用专家系统的理论和知识求解问题存在着很多的不足和局限性。比如，在表示模糊性知识和进行模糊推理的时候就要求教于模糊逻辑，而在知识获取时常常需要结合神经网络技术。
人工神经网络是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。最早出现在20世纪40年代初期，随后人们提出了上百种感知模型，使得人工神经网络及其工程
应用技术逐渐发展起来。人工神经网络最为突出的特点是具有大规模并行处理和分布式存储以及自适应、自组织和自学习的能力。在应用神经网络来解决工程问题时最为重要的是神经网络拓扑结构的选择、具体网络的构建以及训练集的选取。
通常所说的模糊就是指客观事物彼此间的差异在中间过渡时界限不分明。模糊提供了一个非常简单的方法能够从含糊、不明确或不精确的信息中得出明确的结论。在一定意义上，模糊逻辑模仿了人类进行决策的方式，即从一些大约的数据中得出精确的结果。模糊理论及其应用在过去近50年的时间里得到了十分迅速的发展，目前应用模糊的商业化产品从洗衣机、冰箱等家用电器到焊接机械、机器人、高速列车、航空航天器等工业产品已经有了成千上万种。模糊逻辑与神经网络、专家系统等智能技术集成混合使用已越来越受到不同行业科技人员的重视。
遗传算法是一种模拟自然选择和遗传机制的全局寻优程序，它不是直接以决策变量的值，而是以决策变量的某种形式的编码为运算对象，这就使得在优化计算过程中可以模仿自然界中生物的遗传和进化等机理，特别是对 些只有代码概念的优化问题，编码处理方式更显示出了其独特的优越性。遗传算法只需要适应度函数就可确定下一步的搜索方向和范围，无须目标函数导数值等辅助信息，这个特性对很多目标函数无法或很难求导的函数或导数根本不存在的函数的优化问题以及组合优化问题等，应用遗传算法时就显得比较方便，遗传算法的搜索效率和搜索过程的灵活性与传统的优化方法相比有了较大的提高，用遗传算法求解工程优化问题越来越受到人们的重视。
2 人工智能技术的集成方法研究
2.1 专家系统与神经网络的集成
发热器
开发专家系统最主要的任务就是建立其两个核心部分：知识库和推理机。无论是知识库还是推理机都存在一个建模问题，而建模是工程领域中的一项基础性的工作。人们不得不提出各种各样的假设以简化建模，有时即使这样也无法建立合适的模型，此时运用神经网络技术建模问题就可以迎刃而解。
人们常常采取综合变换或映射技术利用某一个模型去产生另外一个模型，因此选择一个适当的映射方案就可以将专家系统映射到神经网络中去。在这种模型中，规则变成了神经网络中的连接，结论映射到了神经元中，规则的强度变成了权重，而推理过程则通过传播和连接激活去表现。同样，一个经过训练的神经网络也可以转换到专家系统中去，这里每一个神经元都变换成一条规则。规则的前件由输入和隐含层的连接权重以及隐含层的阈值构成，同样规则的后件就由输出神经元的权重构成。当人们需要解决大量实例问题时缺少必备的知识而又必须得出结论，这种形式的集成就可以采用。另外一个集成方法则是神经网络被要求产生一组规则用以开发一个专家系统，或者专家系统被用来产生一些范例用以训练神经网络。综上所述，专家系统与神经网络的集成最终都是要么产生一个专家系统要么产生一个神经网络，其目的就是要用一个模型去产生另外一个模型，以便专家系统与神经网络二者能够
2金属成形工艺 ME TAL FORMING T EC HNOLOGY Vol.22 .22004
相互合作来共同解决问题。专家系统和神经网络集成的方法特别适用于分类和诊断问题。
2.2 模糊专家系统
仿真假山
凡是在系统中运用模糊理论，使用模糊集和模糊逻辑来表示和处理知识的不确定性和不精确性的专家系统都称为模糊专家系统。就专家系统的结构和设计方法而言，模糊专家系统与基于知识的专家系统是类似的，模糊专家系统主要需要解决的是模糊知识表示和模糊推理方法两个问题。在模糊专家系统中，常用的模糊推理方法主要包括以下几种：合成推理规则；直接采用距离、贴近度或某种模糊匹配函数来度量两个模糊变量的匹配程度，当它大于某个阈值时，则启动该规则，否则系统将搜索别的规则；采用可能性理论来处理模糊推理问题，该方法采用可能性分布来描述语言变量等模糊概念；采用真值约束方法来实现模糊推理；采用区间值模糊集来处理模糊推理问题。
2.3 神经网络与模糊逻辑的集成
解决模糊性问题，大多数情况下运用模糊理论可以得到比较理想的结果。但有时神经网络要比模糊逻辑更易于实现，而二者的集成将会发挥更大的作用，能够解决很多非常棘手的问题。根据模糊逻辑和神经网络两者的交互作用，模糊逻辑和神经网络的集成方法大体有以下3种：数值耦合方法，神经网络通过模糊神经控制器、模糊神经分类器被用来提高模糊集的计算能力以及用来帮助确定成员的功能等；采用原始神经网络的模糊化，其本质是通过给已存在的神经网络的处理单元、体系结构以及学习
机制等融入一定的模糊集的概念而将其模糊化；概念耦合方法，该方法利用神经元的逻辑倾向性体系结构的优点，将模糊集和神经网络的概念结合成一个连贯的概念框架。这样就可以得益于模糊集的知识显式表示和不确定性处理能力以及利用神经网络的学习能力来使之不断加强。模糊逻辑和神经网络的集成已经成功地应用到筛选、图像处理、智能控制、机器视觉、运动分析、优化、模式识别、预报、时序分析、语音合成、机器学习、机器人、决策系统、分类、数据压缩等领域。
2.4 神经网络与遗传算法的集成
本质上讲，遗传算法是一种通过模拟进化来繁殖或产生计算机程序和优化结果的方法。松散的基于自然选择、交叉和变异的这一过程被重复地应用到表示潜在答案的二元字符串的种中。随着时间的推移，适应度超过平均水平的个体数量会逐渐增加，适应度更高的个体会逐渐产生，直到发现一个能够很好的解决身边问题的方案。
简单地讲，神经网络其实就是一个能够对给定的输入矢量做出真或假反应的结构，因此可以通过遗传算法教会神经网络能够正确地对输入矢量进行分类或者让神经网络学会一个概念，最终寻到神经网络中分类问题的解决方案。神经网络通过遗传算法进行学习意味着所有的神经元的权重和偏差结合会产生一个独立向量，向量的某一个集合就是身边分类问题的正确解，而用遗传算法来寻这样的向量就是人们所希望的。
2.5 遗传算法与模糊逻辑的集成
传统的遗传算法只是为在离散空间中搜索而设计的。为了解决这个问题，就需要一些译码步骤来表示连续的搜索空间。然而搜索空间的确定是事先不可能知道的，而必须通过编码方法来定义，就此可以得到一个直接和高效的方法，即遗传算法模糊化。因此模糊遗传算法就趋于成为某些应用中的更高效和适用的方法。遗传算法模糊化一般来讲有两种方法，这两种方法可同时应用。一种方法是模糊化基因组和相关的染体编码；另一种方法是模糊化对染体的操作。在遗传算法中，染体用有限序列的0和1来表示；而在模糊遗传算法中，基因组通过用一些介于0和1之间的有限实数序列来表示，即将基因组从{0,1}扩展为[0,1]。然而还需要更进一步的模糊化过程以便模糊化对染体的操作。基于操作的类型，可以将模糊遗传算法分成硬和软两大类。在硬的模糊遗传算法中，子孙后代是通过交换父辈在交叉点的部分而产生的；在软的模糊遗传算法中，模糊模板被定义以促使两个父辈在交叉点的循序渐进的交叉，这种类型的模糊遗传算法更加有效和强健。
3 人工智能技术集成在塑性加工中的应用
研究
人工智能技术尤其是专家系统已经在注塑、冲压、锻造、挤压、激光弯曲等塑性加工领域中，在选材、排样、工艺规划、缺陷诊断、模具设计、加工设备
3
高军等 人工智能技术集成方法以及在塑性加工中的应用研究
的选择等各个环节得到了不同程度的应用。笔者及其合作人员近几年来也一直在这方面做了些学习、研究和探索工作，主要包括以下几方面的内容。
(1) 构建了基于规则的冷挤压工艺设计智能模型框架系统。该系统是Visual C ++环境下开发的标准Win32程序，具有良好的人机接口，系统可以根据用户输入的产品(冷挤压零件)信息(可同时进行文字和标准dxf 格式的图形输入)输出制造该零件的工艺流程、毛坯和半成品图形以及有关技术参数，在此系统基础上建立的冷挤压工艺设计智能系统的框架结构，见图1
。
图1 冷挤压工艺设计智能系统框架结构
(2) 进行了神经网络技术与专家系统集成的研究。传统的专家系统和数据库技术都是将已有的现成经验
知识或理论知识进行归类整理后存储到计算机中，需要时根据使用者的要求调出所需内容，而后直接应用于生产。现代的人工智能系统是在传统的专家系统和数据库系统的基础上加入了智能化的内容，从而使机器具备了判断、推理以及联想等拟人的能力。应用人工神经网络来进行冷挤压工艺设计是冷挤压工艺设计智能系统设计中的一项关键技术，是将人工神经网络、计算机技术等现代科技手段与传统加工工艺相结合的典型例子，系统的建立以及进一步完善必将大大地提高工艺设计的水平，缩短产品的生产周期，提高生产效率。然而新的技术必然带来新的问题，如何解决学科交叉带来的技术难点就成为问题求解的关键。一项新的技术或理论应用于工程常常遇到的难点就是如何建立模型，将神经网络引入冷挤压工艺设计智能系统的基础和关键显然也存在这样一个问题。本课题组研究人员采取将冷挤压零件的几何特征信息、关系特征信息和工艺特征信息转换成神经网络所能辨识的数据信
息，通过将模式性知识引入到冷挤压工艺设计过程中，对冷挤压零件进行各种特征编码并完成信息之间的转换，从而解决了建模问题。
(3) 将模糊逻辑与神经网络集成，去判断冷挤压零件能否一次挤压成形。文中采取的集成方法是模糊化处理某些不精确的概念作为输入，然后经过神经网络进行数据处理输出一个模糊结果，再将模糊输出进行去模糊化处理而得到最终结果。如果要确定一个冷挤压零件能否一次挤压成形，首先要判定本次挤压采取的是哪种挤压成形方法，而后进行针对性的分析。对正挤压件而言，其约束条件包括：毛坯高径比、实心件杆部直径、余料高度、凹模锥角。而反挤压件的约束条件包括：孔深、底厚、壁厚、
内孔径、阶梯孔型件的小孔长径比。考虑复合挤压件的约束条件时，双杯型件可参考反挤压，杯杆型件杆部直径的一次成形范围可更大些。不失一般性，文中的研究以反挤压筒型件为例。在基于规则的系统中，规则的前件，也就是能够一次成形的约束条件包括诸如孔深、底厚、壁厚、内孔径变形程度等，如果成形范围在该限定之内就有可能一次成形，反之如果超出该范围，就不太可能一次成形。注意 有可能一次成形 、 不太可能一次成形 等术语，一看便知这是一些不精确、不清晰的概念，另外内孔径的变形程度乍一看来好像一个清晰精确的概念，而实际上作为常识变形程度在25%和75%之间时都被认为是合理的，因此就有一个 变形程度小 、 变形程度较大 、 变形程度大 等一些不精确、不清晰的概念。此时模糊理论正好派上用场，可以用模糊理论来表示这些概念并能够更好地解决问题。该方面的研究只是研究开发冷挤压工艺设计智能化模糊专家系统的一次初步尝试，所涉及的模糊性知识的范围只限于有限的几个参数，随着研究的不断深入系统将会进一步充实和完善。
4 结 论
(1) 首先介绍了人工智能的几种技术，分析了
各自的优缺点，阐述了智能技术集成的必要性以及智能技术的集成方法。
(2) 介绍了笔者及其合作者的几项研究成果，充分论证了智能技术集成在金属塑性加工领域
(下转第8页)
模式上以最大柔性为目标，在技术与生产环境上以快速网络为支撑，以使CAD几何模型与制造过程模型共享一个集成环境，并直接从CAD的数据模型驱动造型系统以 生长型 加工的方式生成三维实体模型[8]。由此可见,LOM技术的基本原理虽简单，但制造过程涉及到计算机造型、激光应用、精密机械转动、控制和材料等众多领域的相关技术，所以,LOM 技术本身不仅可以在显著缩短新产品开发的周期，加快产品升级换代，改良产品设计，提高产品质量，降低生产成本，提升产品的竞争力，更好地满足客户不断变化的需求等方面发挥其比较优势。加强推广和进一步拓展LOM技术的应用领域，对促进相关技术的快速发展同样具有非常重要的意义。
[参考文献][1] 刘伟.产品创新管理 市场与技术创新的理论与实
践[M].重庆：重庆出版社,2001.
[2] 王广春，赵国，贾玉玺.基于RP&M的快速模具制造
技术[J].山东工业大学学报,2000,30(2):81-84. [3] 史玉升，莫健华，黄树槐，等.常用快速成形系统及其选
择原则[J].锻压机械,2001(2):1-7.
[4] 王晓艳，王广春，赵国.LOM原型制作质量分析及控
桥架支撑架
制[J].机械设计,2002(2):34-36.
[5] 王晓玲，唐一平.快速原型技术的研究现状与发展[J].
上海第二工业大学学报,2000(1):24-32.
亨润成型机炮筒图[6] 闫旭日，张人佶，郭永红.基于LOM技术的大型原型成
形效率分析[J].新技术新工艺,2000(9):35-37.
[7] 周惦武.快速成形技术的研究发展与发展趋势[J].锻
造设备研究,2003,4(2):51-53.
[8] 周祖德.快速制造与虚拟制造[J].中国机械工程,1999,
10(8):935-938.
(上接第4页)
应用的可行性以及研究这种集成应用于塑性加工的实际意义。
(3) 通过调查研究笔者认为研究与开发相关领域的模糊专家系统具有很高的理论价值和现实意义，另外需要特别指出的是研究数据库中的知识发现技术将会是智能技术应用研究的又一热点。
[参考文献]
[1] Hong-Seok Kim and Yong-Taek Im.E xpert system for
multi-stage cold-forging process design with a re-desi gn-
ing algori thm[J].Journal of Materials Processing Technolo-
gy,1995,54:271-285.
[2] J. C.Choi and C.Kim.An Integrated Design and CAPP
Sys tem for Cold or Hot Forging Products[J].The In ternation-
al Journal of Advanced Manufacturing T echnology,2000,16:
720-727.
[3] N.Alberti,R.Di Lorenzo,et al.Intelligent compu tation
techniques for process planning of cold forging[J].Journal of
Intelligen t M anufacturing,1998,9:353-359.
[4] Hong-Seok Kim,Yong-Taek Im.An expert system for
cold forg in g process design based on a depth-fi rst search
[J].Journal of Mater ials Processing Technology,1999,95:
262-274.
[5] D.J.Kim, B.M.Kim.Application of neural network and
FEM for metal forming processes[J].In ternational Journal of M achine Tools&Manufacture,2000,40:911-925.
[6] Joseph Giarratano,Gary Riley.专家系统原理与编程
[M].印鉴，刘星成，汤庸译.北京：机械工业出版社,
2000.
指纹挂锁[7] 袁曾任.人工神经元网络及其应用[M]，北京：清华大
学出版社,1999.
[8] 施鸿宝.神经网络及其应用[M]，西安：西安交通大学
出版社,1993.
[9] 高军，赵国，李丽华.人工智能在金属塑性加工领域
灰度矩阵
中的应用[J].金属成形工艺,2002,20(4):26-28. [10] 高军，赵国，李丽华.运用神经网络进行冷挤压工艺
设计的特征编码技术[J].航空制造技术,2004.(2).
[11] Osakada K.,Kado T.,Nakamura t.,et al.E xpert System
for Cold Forging Process Based on FEM Si mulation[C].An-
nals of CIRP,39:249-252.
[12] K.Nakanishi, A.Danno,O.T akata,et al.Expert System
for Process Design of Multistage Cold Forging[C].Interna-
tional Forging Cold Group26th ICFG Plenary M eeting,1993,
Osaka,14:21.1-21.10.
[13] 刘普寅，吴孟达.模糊理论及其应用[M]，长沙：国防
科技大学出版社,1998.
[14] 周明，孙树栋.遗传算法原理及应用[M]，北京：国防
工业出版社,1999.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议