【面向产品设计的知识推理综述】产品设计综述.docx

《【面向产品设计的知识推理综述】产品设计综述.docx》由会员分享，可在线阅读，更多相关《【面向产品设计的知识推理综述】产品设计综述.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 【面向产品设计的知识推理综述】产品设计综述 摘 要产品设计支持系统是建立在学问重用的根底上的，学问推理作为其中的重要技术，能够维护和扩大学问库，实现设计学问重用。本文综述了近年来国内外产品设计学问推理的进展，重点讨论了3个方面：案例推理、不确定推理、混合推理及新推理技术，总结了各种方法和技术的优势以及待解决的问题，并探究了新的产品设计推理技术的进展。 关键词推理；产品设计；案例推理；不确定推理；混合推理：中图分类号 文献标识码 文章编号（）讨论数据说明，机械制造业内平均一个新产品中的大约40%50%的零件和已有的零件完全一样，30%40%要在己有零件根底上作很少的修改，只有10%20%的零件

2、是全新的设计。在产品设计过程中，设计人员大多在过去相像设计案例的根底上进展修改调整而生成新的设计方案。由此可见，绝大多数的产品设计都是对己有设计学问的重用。重用已有的学问可以节约资源，并提高产品牢靠质量。面对产品设计的学问推理就是针对用户提出的问题，对产品设计学问库中的学问进展推理，得到问题的答案，最终实现学问的重用。现有的产品设计学问推理主要完成两种任务：一是维护和扩展产品设计学问库，针对学问库中的学问，通过推理得到隐含的信息或者不全都的信息；二是针对待解决的问题，从学问库中找出与其相像的已有问题解决的方法。经典的学问推理模式是规章推理，规章推理是将学问、阅历表述成规章，找到事实库中与规章前

3、提相匹配的事实的过程。由于规章推理直观、模块性强、规律清楚，所以被用来作为早期专家系统的开发。CONDES是基于规章推理的产品概念设计系统。规章推理适用于学问比拟标准、严谨的领域，但是规章推理不能适应学问库的动态进展；问题必需和规章相匹配；系统开发和维护困难；不具备记忆力量；推理效率低下、自适应力量差等。随着人工智能的进展，案例推理和不确定推理等相关推理模式得到运用，综合使用多种推理方法的混合推理也渐渐成为学问推理进展的热点。 案例推理案例推理是利用案例库存储历史阅历，检索案例库以找到与现有问题相像的案例，是重用过去的学问来解决当前问题的一种推理方法。案例推理具有信息的完全表达、增量式学习、学

4、问猎取较为简单、求解效率高的优点，早期消失基于案例推理的机械帮助设计系统CADET，能检索出以往胜利的设计，同时避开消失过的问题。经典的案例推理步骤是Aamodt在1994年提出的闻名的4阶段循环的“4R”理论，分别是检索、重用、修正和保存。案例推理中重点要解决的问题是：案例表示，案例检索与案例修正问题：. 案例表示案例表示是将学问表示成案例的形式。Gilboa在1995年提出了案例的三元组表示方法：问题描述、解描述、效果描述。常用的案例表示方法有：特征向量表示法、框架表示法、语义网络表示法、面对对象表示法等，也可以混合使用这些方法进展案例表示。特征向量表示法是将案例的各个属性提取出来，并给予

5、相应的权值，案例就表示成一组特征向量。产品创新设计原型系统PIRS中，采纳87个属性作为特征，案例检索时将待检索的案例与案例库中的案例进展匹配。特征向量表示模型简洁，构造清楚，但是只能定量的描述简洁案例，这种方法存在许多缺陷：假如对新问题不熟识就无法确定案例的特征，也无法表示案例中隐含的信息，并且很难确定一组适用于全部产品案例的权重值。语义网络表示法是利用概念及语义关系来表示学问。修理案例推理采纳六元组形式的产品本体。语义网络表示法明确、简洁，表示范围广泛，表示力量强；但是网络构造简单时推理就难以进展，不便于表达推断性学问与深层学问。面对对象表示法中案例是由对象组成，对象表示案例的一个局部。如

6、采纳面对对象的产品设计，实现了模块化设计，具有较高的推理效率。其优点是自然，易于理解；继承的层次性和构造性能降低问题描述和推理的简单度；便于学问库的修改和维护，推理效率高。面对对象表示法具有良好的兼容性和敏捷性，能够结合其它表示方法进展表示，常用面对对象表示法与框架表示法结合，案例作为对象，一个框架描述一个对象，框架的槽描述对象的特征，框架的值用来描述案例对象的特征参数。简单产品的学问类型多样、构造简单，单一表示方法表示产品案例存在肯定的局限性，一些案例还包含很多非构造化的设计信息，因此，要确定合理的案例表示方法来解决问题。. 案例索引与案例检索案例推理中主要采纳的检索策略有：最近相邻策略、归

7、纳推理策略、学问引导策略、模板检索法、模糊检索及神经网络检索模型等，这些策略可以单独使用也可以混合使用。案例的相像性计算则会结合一些技术：决策树、粗糙集、证据理论、聚类分析、同异反度量算法、层次分析法。最相邻近方法适用于案例由特征向量表示的系统。该方法通过计算新旧案例各特征的加权平均和来度量案例的相像性，其优点是便利有用，在案例数量较小的状况检索效率较高，但是案例库中案例数量增加时其检索效率下降。一些讨论针对最近相邻法的缺乏提出了改良：自动武器设计系统结合聚类算法对其进展改良，首先进展案例的聚类，推理时新案例直接依据聚类的均值在聚类中搜寻相近案例。产品设计讨论结合模糊推理对其进展改良，解决相像

8、度计算中属性的非线性影响和权重的不准确性问题。归纳索引法不断的从案例的各组织成分中归纳出最能将该案例与其它案例区分开来的成分，并对案例库建立索引，将案例组织成一个层次构造。归纳法适用于案例比拟多的状况；但是归纳索引必需有足够的典型案例，才能进展有效的归纳；简单产品案例库的规模往往比拟大，对于以归纳法为根底的检索模型，建立案例库的决策树需要花费大量的时间。学问引导策略是利用已知的学问来引导和确定案例检索中关键的特征属性，并依据这些特征属性来进展案例检索，其特点是案例的组织和检索具有动态的特征。如产品包装设计讨论中，按产品特性对产品包装的影响程度依次检索，直至得到与该产品各个特性最接近的产品包装设计方案。该策略常和其它策略一起使用，特殊在大型案例库及领域理解还不全都的状况。需要人工确定产品案例中重要影响的特征。