趙書彬，徐誠，蔣弘毅，步春辰

(南京理工大學(xué) 機(jī)械工程學(xué)院，江蘇 南京 210094)

0 引言

產(chǎn)品族設(shè)計(jì)以及基于平臺(tái)的產(chǎn)品開發(fā)已在過去20年得到廣泛研究[1]。產(chǎn)品族可以視為一組共享許多共同功能和組件的產(chǎn)品，但各個(gè)產(chǎn)品又有各自特定的規(guī)格，以滿足客戶的不同需求。產(chǎn)品族設(shè)計(jì)需要在規(guī)劃階段通過對(duì)市場考察、客戶需求分析，考慮產(chǎn)品的工程屬性，完成基于共性需求的產(chǎn)品通用部件設(shè)計(jì)，采用面向產(chǎn)品族的設(shè)計(jì)思路進(jìn)行產(chǎn)品開發(fā)。為了實(shí)現(xiàn)基于通用部件的產(chǎn)品族設(shè)計(jì)，模塊化以及基于模塊的知識(shí)建模是其中的重要研究內(nèi)容[1-2]。

在槍械設(shè)計(jì)領(lǐng)域，由于槍械的功能結(jié)構(gòu)較為固定，近年來模塊化設(shè)計(jì)成為國內(nèi)外槍械研制的主要趨勢[3]。借鑒產(chǎn)品族設(shè)計(jì)的流程，槍族產(chǎn)品模塊化設(shè)計(jì)規(guī)劃也大致分為槍族定義階段和模塊設(shè)計(jì)階段兩個(gè)階段。前者需要完成的任務(wù)是槍族系列、模塊的劃分以及基本參數(shù)的確定，后者需要完成各個(gè)模塊的詳細(xì)設(shè)計(jì)。模塊化槍族在設(shè)計(jì)方面能夠最大程度地實(shí)現(xiàn)以往設(shè)計(jì)知識(shí)、經(jīng)驗(yàn)的重用，在作戰(zhàn)效能方面能夠?qū)崿F(xiàn)靈活的模塊轉(zhuǎn)換、互換，各國的模塊化槍械正在大力發(fā)展中。國內(nèi)模塊化槍族研究尚處于起步階段，尤其是未能結(jié)合知識(shí)建模以及有效的智能求解策略，形成一套完整的、高效的槍族設(shè)計(jì)方法和軟件平臺(tái)。

智能化輔助設(shè)計(jì)是指通過引入知識(shí)工程、推理技術(shù)、檢索技術(shù)、機(jī)器學(xué)習(xí)等理論和方法解決設(shè)計(jì)中的建模、推理和評(píng)價(jià)等問題[4]。由于槍械的設(shè)計(jì)很大程度上是對(duì)以往設(shè)計(jì)案例的重用、基于某個(gè)流程的計(jì)算模型分析或者依據(jù)某些經(jīng)驗(yàn)規(guī)則進(jìn)行推理、判斷，實(shí)現(xiàn)智能化輔助的產(chǎn)品設(shè)計(jì)是必然趨勢，而知識(shí)表示是實(shí)現(xiàn)智能化設(shè)計(jì)的基礎(chǔ)。面向?qū)ο蟮姆椒ㄒ蚱渚哂蟹庋b性、模塊性、繼承性、易于維護(hù)和擴(kuò)展的優(yōu)點(diǎn)，廣泛用于信息系統(tǒng)的開發(fā)中[5-6]。

本文結(jié)合面向?qū)ο蟮闹R(shí)表示方法和專家系統(tǒng)推理技術(shù)[7-8]、機(jī)器學(xué)習(xí)算法，針對(duì)槍族設(shè)計(jì)的特點(diǎn)以及自動(dòng)化、智能化需求，提出適用于槍族智能化輔助設(shè)計(jì)兩個(gè)階段的求解策略，以提高槍族設(shè)計(jì)的質(zhì)量和效率。

1 槍族快速設(shè)計(jì)流程與求解策略

根據(jù)槍族設(shè)計(jì)特點(diǎn)，本文擬用的基于模塊化槍族智能化輔助設(shè)計(jì)流程與求解策略如圖1所示。

圖1 槍族智能化輔助設(shè)計(jì)總體流程

在槍族設(shè)計(jì)的槍族定義階段，需要根據(jù)相應(yīng)的性能及功能指標(biāo)完成槍族系列的劃分。彈丸的終點(diǎn)效應(yīng)是評(píng)價(jià)槍械性能的重要指標(biāo)，因此一般從終點(diǎn)效應(yīng)計(jì)算出發(fā)，結(jié)合內(nèi)外彈道分析，完成槍族定義階段的指標(biāo)論證。冉景祿等[9]通過外彈道、內(nèi)彈道參數(shù)的求解，表明模塊化槍族采用不同槍管形成短步槍、步槍、輕機(jī)槍、狙擊步槍等能夠滿足其相應(yīng)的射程及侵徹威力需求。但在傳統(tǒng)的求解過程中，多采用經(jīng)驗(yàn)公式或結(jié)合大量實(shí)驗(yàn)方法求解其中的變量，在得出結(jié)果后仍需結(jié)合專家經(jīng)驗(yàn)對(duì)其進(jìn)行修正或者再次進(jìn)行內(nèi)外彈道驗(yàn)算，這個(gè)過程往往費(fèi)時(shí)費(fèi)力。因此，俞立[10]、羊柳等[11]在產(chǎn)品參數(shù)預(yù)測中采用機(jī)器學(xué)習(xí)算法進(jìn)行求解。本文提出在槍族定義階段，采用有監(jiān)督學(xué)習(xí)方法對(duì)已有設(shè)計(jì)數(shù)據(jù)進(jìn)行回歸分析與預(yù)測的求解策略。以步槍、短步槍、班用機(jī)槍為研究對(duì)象，以戰(zhàn)術(shù)技術(shù)指標(biāo)作為輸入、槍族系列產(chǎn)品的主參數(shù)(槍管長度、全槍重)作為輸出進(jìn)行訓(xùn)練，以期在獲得新的戰(zhàn)術(shù)技術(shù)需求時(shí)，能夠?qū)χ鲄?shù)進(jìn)行求解，作為槍族設(shè)計(jì)的參考。

槍族模塊劃分任務(wù)是對(duì)族內(nèi)共享的通用模塊和滿足特殊定制要求的專用模塊加以區(qū)分，并制定模塊間的接口方案。本文的求解策略為：借鑒國內(nèi)外成熟的模塊化槍械模塊劃分經(jīng)驗(yàn)以及先前的研究成果[3，12]，對(duì)槍族的專用模塊、通用模塊、拓展模塊分別進(jìn)行劃分，提取分類方案模板。對(duì)該階段確定的模塊劃分、接口方案以及各個(gè)模塊的基本參數(shù)，應(yīng)采用知識(shí)模板的形式存儲(chǔ)于系統(tǒng)中，對(duì)設(shè)計(jì)知識(shí)的組織形式以及設(shè)計(jì)過程起到約束、規(guī)范的作用，并為將來的設(shè)計(jì)提供參考。

在槍族設(shè)計(jì)的模塊設(shè)計(jì)階段，設(shè)計(jì)任務(wù)轉(zhuǎn)變?yōu)槊嫦蛎總€(gè)模塊的選型、匹配和參數(shù)設(shè)計(jì)。為了快速、準(zhǔn)確地設(shè)計(jì)出滿足設(shè)計(jì)需求的槍族產(chǎn)品，本文提出采用基于實(shí)例推理、規(guī)則與計(jì)算推理相結(jié)合的混合推理求解策略。其中實(shí)例推理的相似性檢索采用基于距的計(jì)算方法[13]，同時(shí)引入槍族模塊間的接口方案，形成適用于槍族設(shè)計(jì)的綜合實(shí)例推理方法。在確定各模塊的設(shè)計(jì)參數(shù)時(shí)，利用現(xiàn)有設(shè)計(jì)規(guī)則與計(jì)算的交叉推理方法對(duì)參數(shù)設(shè)計(jì)進(jìn)行主動(dòng)的、被動(dòng)的約束[14]。針對(duì)槍械設(shè)計(jì)領(lǐng)域存在的形式多樣的設(shè)計(jì)知識(shí)，在產(chǎn)生式規(guī)則基礎(chǔ)上進(jìn)行了補(bǔ)充，將較復(fù)雜的計(jì)算流程與模型以設(shè)計(jì)計(jì)算程序、校核計(jì)算的形式進(jìn)行代碼編寫，并存儲(chǔ)于知識(shí)庫中。而針對(duì)語義豐富的、數(shù)據(jù)量大的文本型知識(shí)，采用問答系統(tǒng)技術(shù)進(jìn)行處理，在預(yù)訓(xùn)練基礎(chǔ)上實(shí)現(xiàn)對(duì)設(shè)計(jì)者提問的自動(dòng)解答。在模塊組合與裝配時(shí)，結(jié)合槍族定義階段導(dǎo)引獲得的方案，基于參數(shù)化計(jì)算機(jī)輔助設(shè)計(jì)(CAD)模塊庫，完成槍族設(shè)計(jì)方案的參數(shù)化CAD建模與裝配任務(wù)。

2 系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)

2.1 系統(tǒng)總體結(jié)構(gòu)

根據(jù)槍族智能化輔助設(shè)計(jì)的現(xiàn)實(shí)需求，本文擬開發(fā)的軟件系統(tǒng)總體結(jié)構(gòu)框架如圖2所示。系統(tǒng)由知識(shí)模板、隨機(jī)森林回歸算法、混合推理模機(jī)、問答系統(tǒng)和各種類型的知識(shí)庫等組成。其中混合推理模塊由實(shí)例推理、規(guī)則推理、設(shè)計(jì)與校核計(jì)算推理三部分構(gòu)成。系統(tǒng)各功能模塊分別支持槍族設(shè)計(jì)各個(gè)階段的求解策略，實(shí)現(xiàn)智能化輔助設(shè)計(jì)。

圖2 槍族智能化輔助設(shè)計(jì)系統(tǒng)總體框架與流程控制

2.2 知識(shí)表示框架

知識(shí)是實(shí)現(xiàn)智能快速設(shè)計(jì)的基礎(chǔ)[15]。在信息時(shí)代，設(shè)計(jì)者面對(duì)的原始數(shù)據(jù)和知識(shí)是海量的，只有合理的、易于計(jì)算機(jī)系統(tǒng)識(shí)別的知識(shí)表示才能幫助設(shè)計(jì)者從數(shù)據(jù)和知識(shí)中進(jìn)行篩選，并實(shí)現(xiàn)有效的知識(shí)重用。隨著人工智能研究的發(fā)展，知識(shí)表示方法呈現(xiàn)多樣性：產(chǎn)生式規(guī)則[15]、面向?qū)ο蟮腫16-17]以及本體表示[18]等。除了自動(dòng)化、結(jié)構(gòu)化，知識(shí)表示方法還應(yīng)考慮到下游設(shè)計(jì)過程的知識(shí)重用方式，結(jié)合工程實(shí)際應(yīng)用完成知識(shí)的概念建模。本文根據(jù)混合推理的需要，采用面向?qū)ο蟮闹R(shí)表示方法對(duì)產(chǎn)品模塊實(shí)例、各種形式的設(shè)計(jì)規(guī)則、設(shè)計(jì)計(jì)算進(jìn)行封裝，并在系統(tǒng)設(shè)計(jì)中考慮各個(gè)實(shí)例化對(duì)象之間的參數(shù)傳遞，以保證其在設(shè)計(jì)流程前后的一致性，提高槍族設(shè)計(jì)的自動(dòng)化程度。以統(tǒng)一建模語言(UML)模型表示的面向?qū)ο笾R(shí)表示框架圖如圖3所示。

圖3 UML模型表示的面向?qū)ο笾R(shí)表示框架

3 關(guān)鍵技術(shù)研究

3.1 槍族定義方法

3.1.1 模塊劃分及接口方案知識(shí)模板的生成

本文研究對(duì)象為5.8 mm/7.62 mm口徑槍族，包含步槍、短步槍和班用機(jī)槍。除槍管長度及全槍重以外，槍族其他主方案結(jié)構(gòu)表達(dá)包括導(dǎo)氣式自動(dòng)方式、槍機(jī)回轉(zhuǎn)式開閉鎖方式、彈匣供彈方式以及擊錘回轉(zhuǎn)式發(fā)射機(jī)構(gòu)。針對(duì)不同槍種采用不同長度的槍管，以分別滿足其射程及侵徹威力的需求，并盡量保持槍族結(jié)構(gòu)外形一致性。針對(duì)不同的口徑，槍族設(shè)計(jì)模塊包含槍管、機(jī)頭、供彈具等專用模塊；其中針對(duì)不同口徑的彈匣尺寸，槍族還應(yīng)設(shè)計(jì)有彈匣轉(zhuǎn)換模塊。針對(duì)短步槍、步槍和班用機(jī)槍的特點(diǎn)，借鑒國內(nèi)外成熟的模塊化槍械模塊劃分經(jīng)驗(yàn)以及先前的研究成果[3]，對(duì)模塊化槍族采用如圖4所示劃分方案模板，其中彈匣轉(zhuǎn)換模塊的三維模型如圖5所示，并制定了模塊間的接口方案如表1所示。該接口方案將在模塊選型與匹配計(jì)算中被計(jì)入，影響實(shí)例方案的選擇。模塊劃分方案、接口方案以及各個(gè)模塊的基本設(shè)計(jì)參數(shù)，在軟件系統(tǒng)后臺(tái)均以可拓展標(biāo)記語言(XML)文件的形式編寫為知識(shí)模板。在實(shí)際設(shè)計(jì)過程中，這些模板文件將被軟件系統(tǒng)調(diào)用，或作為參考進(jìn)行修改、補(bǔ)充，進(jìn)而對(duì)槍族知識(shí)庫的組織、查詢形式，以及槍族模塊化設(shè)計(jì)過程起到規(guī)范、制約的作用。

表1 槍族模塊接口定義

圖4 槍族模塊劃分方案

圖5 彈匣轉(zhuǎn)換模塊CAD模型

3.1.2 基于隨機(jī)森林算法的主參數(shù)計(jì)算

如第1節(jié)中槍族定義階段的指標(biāo)論證相關(guān)內(nèi)容所述，不同槍種的射程及侵徹威力需求主要通過槍管長度的設(shè)計(jì)來滿足。傳統(tǒng)的槍族主參數(shù)求解往往要經(jīng)過侵徹威力需求、槍彈參數(shù)→終點(diǎn)效應(yīng)分析→外彈道計(jì)算→內(nèi)彈道計(jì)算→槍管長度的流程，最終根據(jù)規(guī)整化的槍管長度和子彈出膛速度再次進(jìn)行全彈道計(jì)算，驗(yàn)證是否滿足有效射程和侵徹威力要求。這個(gè)計(jì)算過程復(fù)雜，耗時(shí)費(fèi)力。

隨機(jī)森林算法[19]是一種在沒有太大運(yùn)算量前提下具有較高擬合精度的典型集成學(xué)習(xí)算法，作為決策樹算法的改進(jìn)，其對(duì)于樣本量較少、樣本稀疏的情況不容易陷入過擬合，且對(duì)于有噪聲的數(shù)據(jù)集具有很好的適應(yīng)能力，廣泛應(yīng)用于各種數(shù)據(jù)分類和非參數(shù)回歸問題中[20]。本文擬采用隨機(jī)森林算法，以戰(zhàn)術(shù)技術(shù)指標(biāo)為輸入，以槍族系列產(chǎn)品的主參數(shù)槍管長度、全槍重為輸出進(jìn)行有監(jiān)督訓(xùn)練。

在特征選擇上，依據(jù)對(duì)終點(diǎn)效應(yīng)及內(nèi)外彈道計(jì)算的分析，排除中間變量，選取特征口徑d(mm)、射程r(m)、初速v0(m/s)、槍口動(dòng)能E(J)、最大膛壓p(MPa)、槍械種類C作為輸入，以及主參數(shù)槍管長度l(mm)、全槍質(zhì)量m(kg)為輸出。經(jīng)過對(duì)國內(nèi)外槍械設(shè)計(jì)數(shù)據(jù)的搜集，共整理相關(guān)數(shù)據(jù)76組，部分樣本如表2所示。

表2 隨機(jī)森林算法的有監(jiān)督訓(xùn)練樣本(部分)

隨機(jī)森林算法的基礎(chǔ)是分類回歸樹(CART)決策樹算法，設(shè)有訓(xùn)練集{(x1,y1),(x2,y2),…,(xi,yi)，…,(xN,yN)}，N為訓(xùn)練樣本個(gè)數(shù)，則隨機(jī)森林回歸算法的步驟如下：

1)對(duì)每一棵CART，用Bootstrap法從N個(gè)訓(xùn)練樣本中以隨機(jī)、有放回抽樣的方式取樣N次，形成該樹的訓(xùn)練集D.

2)指定特征數(shù)目q，q?M，M為樣本的特征數(shù)，從M個(gè)特征中隨機(jī)抽取q個(gè)形成特征子集A，選擇最優(yōu)的切分點(diǎn)L進(jìn)行本次分裂，該切分點(diǎn)使得對(duì)于特征集A和切分成的兩個(gè)數(shù)據(jù)集D1和D2各自的均方差最小，同時(shí)D1和D2的均方差之和最小，即

(1)

式中：c1為D1數(shù)據(jù)集的樣本輸出均值；c2為D2數(shù)據(jù)集的樣本輸出均值。

3)每棵樹盡最大可能生長，不進(jìn)行剪枝。

4)根據(jù)葉子節(jié)點(diǎn)的均值確定該樹的預(yù)測值，根據(jù)所有樹預(yù)測值的平均值確定隨機(jī)森林的預(yù)測值。

在實(shí)驗(yàn)中，以7∶3的比例切割樣本集分別進(jìn)行訓(xùn)練和測試，并采用適用于回歸模型的R2值來評(píng)判模型的擬合程度。R2值使用均值作為誤差基準(zhǔn)，計(jì)算預(yù)測誤差與均值基準(zhǔn)誤差相比較的大小關(guān)系，公式如下：

(2)

實(shí)驗(yàn)過程中可以發(fā)現(xiàn)，盡管采用了隨機(jī)森林算法，但由于可搜集的實(shí)驗(yàn)樣本較少，槍管長度、全槍重的計(jì)算結(jié)果不可避免地存在過擬合。經(jīng)過參數(shù)調(diào)整，槍管長度在訓(xùn)練集和測試集上的R2值分別為0.94和0.85；全槍重在訓(xùn)練集和測試集上的R2值分別為0.93和0.82.以5.8 mm口徑為例的不同槍種槍族定義階段主參數(shù)預(yù)測結(jié)果如表3所示。近似地取步槍、短步槍、班用機(jī)槍的槍管長度為440 mm、333 mm、556 mm，7.62 mm口徑槍械的槍管長度通過該算法可以同樣獲得。

表3 隨機(jī)森林算法預(yù)測結(jié)果

3.2 混合推理

針對(duì)需求，本文采用產(chǎn)生式規(guī)則推理、基于實(shí)例推理和設(shè)計(jì)、校核計(jì)算相結(jié)合的混合推理方法，完成基于模塊的槍族結(jié)構(gòu)設(shè)計(jì)任務(wù)，其流程如圖6所示。設(shè)計(jì)者基于參數(shù)計(jì)算與問答系統(tǒng)提供的知識(shí)參考完成基本參數(shù)的初步設(shè)計(jì)后，由系統(tǒng)自動(dòng)判斷是否滿足規(guī)則約束；根據(jù)基本參數(shù)完成模塊實(shí)例的索引和推理后，基于計(jì)算校核完成實(shí)例的修改。在后續(xù)的槍族參數(shù)化CAD模型生成中，同樣需要校驗(yàn)?zāi)K的組合與裝配是否滿足相應(yīng)的設(shè)計(jì)規(guī)則，如人機(jī)工效規(guī)則等，否則需進(jìn)一步進(jìn)行實(shí)例修改。

圖6 混合推理流程

3.2.1 設(shè)計(jì)規(guī)則與計(jì)算交叉推理方法

槍族設(shè)計(jì)進(jìn)入模塊詳細(xì)設(shè)計(jì)階段后，系統(tǒng)的智能化輔助設(shè)計(jì)功能主要依賴混合推理機(jī)及其相應(yīng)的知識(shí)庫來完成。以產(chǎn)生式規(guī)則來表示工程設(shè)計(jì)中的知識(shí)單元之間的因果關(guān)系[7，15，21]，符合設(shè)計(jì)者的思維方式，是一種方便有效的方法。在產(chǎn)生式表示方法中，規(guī)則前提與結(jié)論中的知識(shí)單元是多樣的，它可以是事實(shí)陳述、用邏輯運(yùn)算符連接的事實(shí)組合或者簡單的數(shù)學(xué)運(yùn)算等。盡管如此，產(chǎn)生式規(guī)則所能表示的知識(shí)復(fù)雜程度仍是有限的。例如，當(dāng)前提和結(jié)論是復(fù)雜的公式運(yùn)算時(shí)，規(guī)則庫的封裝和使用、規(guī)則的檢索和重用將會(huì)變得困難。針對(duì)以上問題，本文提出對(duì)不同復(fù)雜程度的設(shè)計(jì)知識(shí)采取不同的處理方法，在設(shè)計(jì)規(guī)則與計(jì)算知識(shí)庫的基礎(chǔ)上形成設(shè)計(jì)規(guī)則與計(jì)算的交叉推理方法，如表4所示。實(shí)驗(yàn)和原型系統(tǒng)建立中所采用的各種形式設(shè)計(jì)知識(shí)均來自于中國知網(wǎng)CNKI數(shù)據(jù)庫和南京理工大學(xué)自動(dòng)武器數(shù)據(jù)庫。

表4 不同類型工程知識(shí)的推理方法

在設(shè)計(jì)規(guī)則與計(jì)算交叉推理的具體實(shí)現(xiàn)方面，考慮設(shè)計(jì)過程中知識(shí)重用的主動(dòng)或者被動(dòng)[14]兩種方式。判斷規(guī)則和較簡單的規(guī)則經(jīng)過產(chǎn)生式形式化表達(dá)以及系統(tǒng)能夠自動(dòng)、實(shí)時(shí)處理的語言編寫，在設(shè)計(jì)中能夠根據(jù)設(shè)計(jì)者的輸入自動(dòng)觸發(fā)，判斷參數(shù)設(shè)計(jì)是否滿足規(guī)則約束；提供參數(shù)設(shè)計(jì)與校核的復(fù)雜計(jì)算過程，則采用C#語言編程、單獨(dú)設(shè)計(jì)界面的方式編寫在系統(tǒng)中，并由設(shè)計(jì)者自行調(diào)用。

3.2.2 綜合實(shí)例推理

實(shí)例推理是一種將以往設(shè)計(jì)實(shí)例用于現(xiàn)有需求的快速設(shè)計(jì)方法。實(shí)例的匹配是推理過程中的核心任務(wù)，而合理的相似度衡量方法是進(jìn)行有效匹配的基礎(chǔ)。與槍族模塊劃分及其接口方案相對(duì)應(yīng)，實(shí)例的匹配除了計(jì)算各個(gè)模塊之間的相似性[8]，還應(yīng)考慮模塊與模塊之間的接口問題，將其計(jì)入槍族實(shí)例匹配的總體相似度計(jì)算中。

考慮兩個(gè)模塊對(duì)于同一屬性的取值v1、v2，在工程設(shè)計(jì)問題中它們通常屬于以下4種情況：

1)都是數(shù)值，則它們之間的相似度為

(3)

2)都是數(shù)值區(qū)間，且v1∈(V1,V2)、v2∈(V3,V4)，其中V1、V2、V3、V4為常數(shù)，則

(4)

3)都是枚舉型或布爾型[8]，則

(5)

4)一個(gè)是數(shù)值、一個(gè)是區(qū)間，則

(6)

在屬性相似度基礎(chǔ)上計(jì)入不同屬性的權(quán)重，模塊之間的相似度為

(7)

式中：P為該模塊具有的屬性個(gè)數(shù)；wp為各屬性的權(quán)重；sp為屬性相似度。計(jì)入模塊與模塊之間的接口差異度D，則槍族實(shí)例的總體相似度為

(8)

3.3 基于BERT模型的問答系統(tǒng)

在槍族模塊化設(shè)計(jì)過程中，問答系統(tǒng)主要用于快速獲得設(shè)計(jì)信息，為設(shè)計(jì)者推送知識(shí)和答疑解惑。本文使用適用于中文的、在BERT模型[22]基礎(chǔ)上改進(jìn)的RoBERTa[23]中文預(yù)訓(xùn)練詞向量模型，根據(jù)問答任務(wù)進(jìn)行微調(diào)，使原本只能對(duì)小段落文本進(jìn)行提問的模型能夠針對(duì)大量文本自動(dòng)尋找最佳匹配段落，并回答問題。在問答訓(xùn)練庫方面，考慮到工程設(shè)計(jì)者的提問方式、工程文本的語法習(xí)慣與通用庫的不同，在現(xiàn)有問答庫[24]基礎(chǔ)上補(bǔ)充了一部分槍械相關(guān)語料(約2 000個(gè)問答對(duì))。

BERT模型在結(jié)構(gòu)上引入Transformer的“注意力”(Attention)機(jī)制[25]，借助若干個(gè)編碼器處理輸入的文本序列，學(xué)習(xí)其中單詞與上下文文本的關(guān)系。對(duì)應(yīng)于問答任務(wù)，在模型最后一層的輸出結(jié)果后增加一個(gè)全連接層，輸出答案所在的位置。與其他模型不同的是，BERT模型在輸入方面使用遮蔽語言模型(Masked LM)隨機(jī)抹去一個(gè)句子中的某些詞進(jìn)行雙向訓(xùn)練，增強(qiáng)模型的情境意識(shí)；使用下一句預(yù)測(NSP)機(jī)制實(shí)現(xiàn)句子級(jí)別的語義訓(xùn)練。采用這兩種機(jī)制BERT模型能夠在中文自然語言處理(NLP)任務(wù)中獲得優(yōu)于其他模型的準(zhǔn)確率、召回率[26]。RoBERTa模型則針對(duì)BERT中文模型中視字為構(gòu)成文本的基本單位問題，在分詞基礎(chǔ)上采用全詞遮蔽，在中文NLP任務(wù)中取得了更好的表現(xiàn)。在槍族問答系統(tǒng)的實(shí)現(xiàn)中，本文針對(duì)大文本，采取先進(jìn)行文本切割、計(jì)算問題與切割段落詞向量矩陣之間的歐式距離，從最相似3個(gè)段落中抽取答案的方式，彌補(bǔ)原本BERT模型只能對(duì)小段落文本進(jìn)行問答的缺點(diǎn)?？傮w任務(wù)流程示意圖如圖7所示。

圖7 問答系統(tǒng)任務(wù)流程示意圖

實(shí)驗(yàn)在NVIDIA TITAN Xp GPU(12GB RAM)環(huán)境下進(jìn)行。為避免內(nèi)存不足問題，更改訓(xùn)練批量大小train_batch_size為12，其他參數(shù)設(shè)置如下：最大輸入序列長度max_sequence_length為200，初始學(xué)習(xí)率learning_rate為0.000 03，訓(xùn)練迭代次數(shù)num_train_epochs為2.0，最大問題長度max_query_length為64，最大答案長度max_answer_length為30.模型訓(xùn)練在測試集上取得的成績(平均)F1為83.5，EM為70.4.部分問答結(jié)果示例如表5所示。

表5 問答系統(tǒng)部分實(shí)驗(yàn)結(jié)果展示

4 原型系統(tǒng)實(shí)現(xiàn)

在系統(tǒng)的總體結(jié)構(gòu)層面，本文使用C#語言進(jìn)行原型系統(tǒng)的開發(fā)，將不同功能組件封裝成應(yīng)用程序拓展(DLL)文件，并在系統(tǒng)中實(shí)現(xiàn)集成調(diào)用。系統(tǒng)中所需使用的知識(shí)模板以及各個(gè)功能組件的用戶端配置文件等，統(tǒng)一用XML語言進(jìn)行書寫，并在系統(tǒng)中使用C#語言進(jìn)行解析。將以知識(shí)模板為依據(jù)的、面向模塊的知識(shí)組織形式稱為知識(shí)模塊。圖8所示為槍管知識(shí)模塊與槍族總體知識(shí)模板、槍管模塊智能化設(shè)計(jì)功能界面之間的關(guān)系。以知識(shí)模塊作為知識(shí)組織的單位，采用圖3所示的知識(shí)表示框架組織相關(guān)知識(shí)。系統(tǒng)需要調(diào)用的機(jī)器學(xué)習(xí)算法，如隨機(jī)森林回歸算法及BERT模型等，則另用Python語言進(jìn)行編寫，并在系統(tǒng)中提供相應(yīng)的調(diào)用接口；系統(tǒng)同時(shí)還提供了UG NX三維建模軟件的接口。

圖8 槍管知識(shí)模塊以及槍管模塊智能化設(shè)計(jì)功能界面

在混合推理流程的實(shí)現(xiàn)層面，判斷規(guī)則和較簡單的規(guī)則依賴IF…THEN語句以及邏輯運(yùn)算符的組合和嵌套完成，并在后臺(tái)由推理機(jī)解析。例如對(duì)于規(guī)則“槍托抵肩端面到扳機(jī)的距離不小于310 mm且不大于340 mm”和“步槍的全槍長不得長于970 mm，沖鋒槍的全槍長不得長于750 mm”，分別書寫為IF(AND(E15<=340,E15>=310),TRUE)、IF(AND(E6="步槍",E14<=970),TRUE,IF(AND(E6="沖鋒槍",E14<=750),TRUE,FALSE))，其中E15、E6等為軟件界面的單元格編號(hào)。復(fù)雜的設(shè)計(jì)、校核計(jì)算則編程為獨(dú)立的用戶界面由系統(tǒng)調(diào)用。圖9所示為槍管強(qiáng)度校核計(jì)算界面，其校核結(jié)果將直接返回至圖8所示面板的相應(yīng)單元格中。問答系統(tǒng)的接口由軟件系統(tǒng)與后端的異步通信完成，流程為前端發(fā)送問題→后端接收問題，計(jì)算并返回答案→前端接收并顯示答案，前端用戶界面如圖10所示。以7.62 mm口徑步槍各模塊的設(shè)計(jì)為例，完整的綜合實(shí)例推理輸入、輸出參數(shù)界面如圖11(a)所示。其中：專用模塊可單獨(dú)進(jìn)行推理，以滿足不同口徑以及其他主參數(shù)的定制需求；通用模塊由于其在模塊化槍族設(shè)計(jì)、裝配中的通用性，應(yīng)直接參與綜合實(shí)例推理，確保其接口具有適配性。用戶完成13個(gè)模塊的基本參數(shù)輸入后交由推理機(jī)運(yùn)算，并在圖11(b)所示的考慮到接口問題的相似度運(yùn)算結(jié)果中挑選符合設(shè)計(jì)要求的案例組合，輸出參數(shù)結(jié)果返回至圖11(a)界面。在完成槍族各個(gè)模塊參數(shù)的詳細(xì)設(shè)計(jì)后，參數(shù)化CAD模型裝配校核界面以及5.8 mm口徑(左)、7.62 mm(右)口徑的短步槍、步槍、班用機(jī)槍的裝配模型輸出結(jié)果分別如圖12(a)、圖12(b)所示。

圖9 槍管強(qiáng)度校核計(jì)算界面

圖10 槍族設(shè)計(jì)知識(shí)問答系統(tǒng)用戶界面

圖11 槍族綜合實(shí)例推理用戶輸入輸出界面

圖12 5.8 mm/7.62 mm口徑步槍三維模型校核界面與模型生成

5 結(jié)論

槍族模塊化設(shè)計(jì)是當(dāng)前國內(nèi)外槍械設(shè)計(jì)的熱門領(lǐng)域,其設(shè)計(jì)過程的智能化、計(jì)算機(jī)輔助化對(duì)節(jié)約設(shè)計(jì)成本、提高設(shè)計(jì)質(zhì)量具有至關(guān)重要的意義。本文在現(xiàn)有研究基礎(chǔ)上，提出槍族定義階段、模塊設(shè)計(jì)階段兩大階段的槍族模塊化設(shè)計(jì)流程和求解策略；發(fā)展了實(shí)例推理、規(guī)則與計(jì)算交叉推理相結(jié)合的槍族模塊混合推理技術(shù)、基于隨機(jī)森林算法的槍族系列產(chǎn)品基本參數(shù)估計(jì)技術(shù)以及基于BERT模型的問答系統(tǒng)技術(shù)，提高了模塊化槍族設(shè)計(jì)過程的智能化、自動(dòng)化程度。通過軟件原型系統(tǒng)的建立以及槍族設(shè)計(jì)案例研究，證實(shí)了所提出方法與流程的有效性。