胡權(quán)威 劉德亮 杜 鵬

基于Tsukamoto模糊推理的特征加工方案決策方法

胡權(quán)威 劉德亮 杜 鵬

（北京航天控制儀器研究所，北京 100039）

作為工藝設(shè)計(jì)中的重要環(huán)節(jié)，特征加工方案決策對(duì)智能化的工藝設(shè)計(jì)具有重要作用。通過構(gòu)建基于Tsukamoto模糊推理的特征加工方案決策方法，分析影響特征加工方案選擇的因素，建立決策因素與特征加工方案之間的隸屬關(guān)系，利用單因素推理和多因素推理進(jìn)行去模糊化處理，根據(jù)隸屬度大小最終實(shí)現(xiàn)特征加工方案的模糊決策，實(shí)現(xiàn)特征方案的優(yōu)選。最后，通過實(shí)例驗(yàn)證了該方法在特征加工方案決策中的有效性。

特征加工方案決策；Tsukamoto模糊推理；工藝設(shè)計(jì)

1 引言

作為工藝設(shè)計(jì)中的重要環(huán)節(jié)，合理的加工方案能夠有效節(jié)省加工成本。特征加工方案決策實(shí)際上是為零件各個(gè)待加工特征選擇加工方法鏈的過程，決策的輸入為產(chǎn)品特征信息，而輸出為滿足精度需求、符合工藝規(guī)則的加工方案鏈。

范孝良[1]、趙亞東[2]等人采用神經(jīng)網(wǎng)絡(luò)方法進(jìn)行特征加工方案決策，算法中利用若干數(shù)量的學(xué)習(xí)樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，為方案決策過程提供相應(yīng)的經(jīng)驗(yàn)知識(shí)，并把特征信息作為加工方案推理過程中的算法輸入，添加自適應(yīng)算法策略使用神經(jīng)網(wǎng)絡(luò)得到最終加工方案；覃壽同[3]等人在基于規(guī)則的模糊推理以及基于實(shí)例的模糊推理基礎(chǔ)上，把正向混合式模糊推理方法應(yīng)用到了加工方法的決策上，建立了加工特征與加工方案之間的模糊關(guān)系，采用二層評(píng)價(jià)優(yōu)選加工方案；黃偉軍[4]等人基于特征建立了加工方案知識(shí)庫，構(gòu)造了工藝評(píng)判因素與特征加工方案之間的隸屬關(guān)系，最終利用模糊綜合評(píng)判算法實(shí)現(xiàn)對(duì)特征加工方法鏈的優(yōu)化選擇；Guan X[5]將遺傳算法與層次分析相互結(jié)合實(shí)現(xiàn)加工方案的決策；祝恒云[6]提出了基于特征的二級(jí)加工方案決策體系，建立了基于零件特征的加工方案評(píng)價(jià)指標(biāo)。采用灰色關(guān)聯(lián)分析對(duì)特征加工方案進(jìn)行優(yōu)化分析和計(jì)算；Hu Yanjuan[7]采用粒子群算法，以產(chǎn)品效益及產(chǎn)品質(zhì)量為目標(biāo)，進(jìn)行加工方案的優(yōu)選；所有這些研究對(duì)特征加工方案的決策具有重要指導(dǎo)意義。

本文在這些研究的基礎(chǔ)上，采用模糊數(shù)學(xué)理論，利用Tsukamoto模糊推理，確定特征加工方案影響因素，建立因素與特征方案間的隸屬函數(shù)，進(jìn)行去模糊化處理，并最終根據(jù)隸屬度確定特征加工方案。

2 特征加工方案模糊推理模型構(gòu)建

2.1 建立特征加工方案影響因素集合

特征加工方案選擇的影響因素很多，不僅包括工件材料、特征類型、特征尺寸、加工特征的技術(shù)要求，例如尺寸公差、形位公差及粗糙度等，還與零件的生產(chǎn)批量以及加工中的設(shè)備資源相關(guān)。當(dāng)生產(chǎn)批量與車間設(shè)備處于一個(gè)相對(duì)穩(wěn)定的狀態(tài)時(shí)，特征尺寸、特征類型、工件材料及加工制造要求是主要考察因素，本文的研究建立在此前提下，形成特征加工方案的影響因素集合：

= {1,2, …,u}={,,,,,,} （1）

其中，u(1≤≤,=7) 代表第個(gè)評(píng)判因素，1～7分別對(duì)應(yīng)～，代表特征類型，代表工件材料，代表特征尺寸，代表尺寸精度，代表位置精度，代表形狀精度，代表粗糙度。在通常情況下，選擇特征加工方案時(shí)，需要首先確定特征類型。當(dāng)特征類型確定后，在進(jìn)行加工方案選擇時(shí)，某些特征類型的特征尺寸會(huì)被轉(zhuǎn)化為其他評(píng)判標(biāo)準(zhǔn)，以孔類特征為例，本文建立孔特征加工方案評(píng)判因素集合為：

= {,,,,,} （2）

其中，代表由孔特征尺寸決定的孔類型，具體類型需要根據(jù)企業(yè)的個(gè)性需求來確定。

2.2 備選方案集確定

各類特征的不同加工方案集合，是企業(yè)在經(jīng)驗(yàn)知識(shí)積累的基礎(chǔ)上建立得到的，一般存在于知識(shí)規(guī)則庫中，本文把基于不同特征類型的備選方案集合定義為：

={1,2, …,v} （3）

其中，v(1≤≤) 代表基于知識(shí)庫中與特征類型對(duì)應(yīng)的第個(gè)特征加工方案，表示方案?jìng)€(gè)數(shù)。以孔特征為例，表1為某企業(yè)孔特征的加工方案。

表1 某企業(yè)孔特征的加工方案

2.3 單因素評(píng)判矩陣生成

在評(píng)判第個(gè)評(píng)判因素u進(jìn)時(shí)，設(shè)u對(duì)第個(gè)備選方案v的隸屬度為r，則可以用如下關(guān)系式來表示單因素評(píng)判的結(jié)果：

為了得到單因素評(píng)判矩陣，需要建立考察因素與特征加工方案之間的隸屬函數(shù)。以孔特征加工方案選擇為例，本文建立工件材料、孔類型、尺寸精度、位置精度、形狀精度及粗糙度與孔特征加工方案的隸屬函數(shù)。

2.3.1 工件材料

即當(dāng)待加工材料為材料集合M時(shí)，對(duì)應(yīng)的隸屬度值為1，否則值為0。

2.3.2 孔類型

即當(dāng)待加工孔特征的類型為HT時(shí)，對(duì)應(yīng)的隸屬度值為1，否則值為0。

2.3.3 尺寸精度

由此，得到尺寸精度與特征加工方案的隸屬度函數(shù)（membership functions）如下，該隸屬度反映了選擇加工方案v的合理程度。

此外，形狀精度、位置精度及表面粗糙度隸屬度函數(shù)與尺寸精度的隸屬度函數(shù)有一定相似性，設(shè)被加工特征的形狀精度、位置精度及表面粗糙度分別為,,，特征加工方案v所能達(dá)到的經(jīng)濟(jì)公差范圍分別為SP(v)～SP(v),PP(v)～PP(v),SR(v)～SR(v)，規(guī)定如下：

e. 在其他情況下，各方案被選擇的可能性為[0.8,1]。

由此，得到它們的隸屬函數(shù)如式（9）～式（11）所示。

形狀精度與加工方案的隸屬度函數(shù)：

位置精度與加工方案的隸屬度函數(shù)：

粗糙度與加工方案的隸屬度函數(shù)：

2.4 Tsukamoto模糊推理方法

Tsukamoto模糊推理法的基本原理是將多維模糊推理模型分解，并將分解形成的簡(jiǎn)單模糊推理模型并聯(lián)，運(yùn)用其進(jìn)行特征加工方案推理時(shí)的模型如圖1所示，推理過程分以下幾個(gè)步驟：

圖1 特征加工方案推理模型

a. 特征信息模糊化處理。以孔特征為例，需要根據(jù)孔的特征尺寸、工件材料、位置精度、尺寸精度、形狀精度以及粗糙度等得到模糊化數(shù)據(jù)，并設(shè)其對(duì)應(yīng)的值設(shè)為′,′,′,′,′,′。

b. 單因素推理。根據(jù)基于模糊化數(shù)據(jù)處理得到的值，在式（6）～式（11）隸屬函數(shù)基礎(chǔ)上，進(jìn)行單因素推理，其過程如下：

各單因素推理的結(jié)果對(duì)應(yīng)單因素評(píng)判矩陣的轉(zhuǎn)置，即R。

c. 多因素推理。最終，進(jìn)行特征加工方案多因素推理：

′=V∩V∩V∩V∩V∩V（13）

根據(jù)多因素推理結(jié)果進(jìn)行去模糊化處理，若取隸屬度的閥值為λ，則有：

2.5 基于Tsukamoto的模糊推理流程

在特征加工方案模糊推理模型基礎(chǔ)上，形成基于Tsukamoto的模糊推理流程，如圖2所示，確定加工方案因素及加工方案集的確定，通過單因素和多因素評(píng)判，利用Tsukamoto模糊推理實(shí)現(xiàn)加工方案決策。

圖2 基于Tsukamoto的模糊推理流程

3 特征加工方案模糊決策應(yīng)用實(shí)例

以某企業(yè)孔特征的加工方案（表1）選擇為例進(jìn)行驗(yàn)證。圖3所示為該零件的正視圖及剖視圖。其中，接頭零件的材料為鋁合金，孔特征的孔徑尺寸=8H7，深度=50mm，表面粗糙度為a1.6μm，該孔與外圓柱具有同軸度要求，其值為0.01（等級(jí)為7級(jí)），該孔還具有圓柱度要求，其值為0.009（等級(jí)為9級(jí)），下面給出該孔特征加工方案決策過程。

圖3 接頭零件實(shí)例信息圖

3.1 孔特征加工方案影響因素確定

從上面信息可以看出，該零件的材料為鋁合金，根據(jù)表1判斷可知孔特征所有的加工方案均滿足該零件的材料要求。因此，為了使評(píng)判過程簡(jiǎn)化，在對(duì)該孔特征進(jìn)行加工方案選擇時(shí)主要考慮工件材料以外的其他因素，即= {,,,,}。

3.2 孔特征加工方案集確定

根據(jù)表1建立孔特征的加工方案集合：

={1,2,3,4,5,6,v,8}

其中：1——中心鉆—啄鉆；2——中心鉆—麻花鉆；3——中心鉆—鉆引導(dǎo)孔—槍鉆；4——中心鉆—啄鉆—鉸；5——中心鉆—啄鉆—鏜；6——中心鉆—啄鉆—銑孔；7——中心鉆—啄鉆—銑刀啄鉆；8——中心鉆—精鉸。

3.3 特征信息模糊化處理

該孔特征信息模糊化結(jié)果為：′=2,′=7,′=7,′=9,′1.6。

3.4 單因素推理

根據(jù)、、、及與特征加工方案選擇的隸屬度函數(shù)，可以得到單因素評(píng)判矩陣：

通過的轉(zhuǎn)置，可以得到Tsukamoto單因素模糊推理結(jié)果，如表2所示。

表2 模糊推理結(jié)果

3.5 多因素推理

在隸屬度的域值取=0.8情況下，從表2可以看出，6為該隸屬度下的優(yōu)選加工方案?；谀称髽I(yè)的實(shí)際應(yīng)用，該加工方案能夠滿足加工要求，也證明了模糊推理決策方法在解決特征加工方案決策問題中的合理性。

4 結(jié)束語

采用基于Tsukamoto模糊推理的特征加工方案決策方法，通過對(duì)特征加工方案影響因素分析，構(gòu)建了隸屬度函數(shù)，在對(duì)特征信息模糊化處理基礎(chǔ)上，利用單因素推理和多因素推理進(jìn)行去模糊化處理，并基于隸屬度實(shí)現(xiàn)特征加工方案的優(yōu)選。最后，通過實(shí)例驗(yàn)證了該方法在特征加工方案決策中的有效性，為智能化的工藝決策奠定了基礎(chǔ)。

1 范孝良，花廣如，周雄輝. 基于人工神經(jīng)網(wǎng)絡(luò)的零件特征加工方法獲取及其優(yōu)先權(quán)選擇[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2008，14(7)：1370～1374

2 趙亞東，譚超，徐建超. 基于模糊 BP 網(wǎng)絡(luò)的加工方法鏈決策[J]. 制造業(yè)自動(dòng)化，2012，34(12)：31～33

3 覃壽同，湯海艦，劉欣欣. 基于模糊推理的箱體類零件特征加工方案的決策研究[J]. 現(xiàn)代制造技術(shù)與裝備，2008(2)：6～8

4 黃偉軍. 復(fù)雜零件工藝方案優(yōu)化關(guān)鍵技術(shù)研究[D]. 武漢：華中科技大學(xué)，2012

5 Guan Xuesong, Wang Yiqiang, Tao Liyan. Machining scheme selection of digital manufacturing based on genetic algorithm and AHP[J]. Journal of Intelligent Manufacturing, 2009, 20(6): 661～669

6 祝恒云. 基于灰色關(guān)聯(lián)分析的加工方案決策研究[J]. 機(jī)械制造與自動(dòng)化，2011，40(4)：79～81

7 Hu Yanjuan, Wang Yao, Wang Zhanli, et al. Machining scheme selection based on a new discrete particle swarm optimization and analytic hierarchy process[J]. Artificial Intelligence for Engineering Design, Analysis and Manufacturing, 2014, 28(1): 71～82

Feature Processing Scheme Decision Based on Tsukamoto Fuzzy Reasoning

Hu Quanwei Liu Deliang Du Peng

(Beijing Institute of Aerospace Control Devices, Beijing 100039)

As an important part in process design, feature processing scheme selection plays an important role in intelligent process decision. Tsukamoto fuzzy reasoning method is formed in order to realize the fuzzy decision of the processing scheme. The factors in influencing processing scheme selection are summarized and membershipfunctions between factors and processing schemes are set up. Based on single factor reasoning and multiple factor reasoning, optimized feature processing scheme is selected. In the end,an example is given to verify the effectiveness of this method in the decision of feature processing scheme.

feature processing scheme decision；Tsukamoto fuzzy reasoning；process planning

胡權(quán)威（1986），博士，工業(yè)與制造系統(tǒng)工程專業(yè)；研究方向：智能制造技術(shù)、三維數(shù)字化工藝等。

2018-07-02