基于案例推理的兩級(jí)齒輪減速器系統(tǒng)的設(shè)計(jì)外文文獻(xiàn)翻譯、中英文翻譯
基于案例推理的兩級(jí)齒輪減速器系統(tǒng)的設(shè)計(jì)外文文獻(xiàn)翻譯、中英文翻譯,基于,案例,推理,兩級(jí),齒輪,減速器,系統(tǒng),設(shè)計(jì),外文,文獻(xiàn),翻譯,中英文
基于案例推理的兩級(jí)齒輪減速器系統(tǒng)的設(shè)計(jì)
作者：JI Aimin，HUANG Quansheng，，XU Huanmin，CHEN Zhengming
摘要:兩級(jí)齒輪減速器的設(shè)計(jì),是一項(xiàng)冗長(zhǎng)沉悶而又費(fèi)時(shí)的過(guò)程。為了提高我的效率和在智慧的設(shè)計(jì)過(guò)程中，將案例推理(CBR)技術(shù)應(yīng)用于兩級(jí)齒輪減速器的設(shè)計(jì)。首先，對(duì)當(dāng)前兩級(jí)齒輪減速器的設(shè)計(jì)方法進(jìn)行了分析,并描述了CBR的原則。其次，根據(jù)減速器的特點(diǎn),CBR的三個(gè)關(guān)鍵技術(shù)進(jìn)行了研究并提供了相應(yīng)的方法，方法如下：(a)面向?qū)ο蟮闹R(shí)表示方法(b）結(jié)合感應(yīng)索引的最近鄰檢索方法（c)一定情況下適應(yīng)算法結(jié)合基于規(guī)則的修訂和人工修正。再者，為了提高案例檢索的可信度，一種新方法確定權(quán)重和相似的特征提出了公式，那就是組合加權(quán)法和層次分析法(AHP)和粗糙集的理論。最后，根據(jù)上面的分析結(jié)果,設(shè)計(jì)系統(tǒng)CBR的兩級(jí)減速器是在VC + UG和Access2003基礎(chǔ)上發(fā)展的。一種新方法提供了兩級(jí)齒輪減速器的設(shè)計(jì)。如果上述開(kāi)發(fā)系統(tǒng)應(yīng)用設(shè)計(jì)兩級(jí)減速器設(shè)計(jì)可以提高效率,使設(shè)計(jì)師從乏味的設(shè)計(jì)減速器的過(guò)程釋放,把更多精力放在創(chuàng)新設(shè)計(jì)。研究結(jié)果充分反映出CBR技術(shù)在機(jī)械零件的設(shè)計(jì)的過(guò)程的可行性和有效性。
1 介紹
傳統(tǒng)的兩級(jí)齒輪減速器的設(shè)計(jì)方法是一個(gè)耗時(shí)的過(guò)程。即使現(xiàn)在CAD是在設(shè)計(jì)過(guò)程中,使用傳統(tǒng)的限制設(shè)計(jì)方法并沒(méi)消除。為了改變這種情況,許多人所做的研究減速器的設(shè)計(jì)方法，主要包括減速器的參數(shù)化設(shè)計(jì)和專(zhuān)家系統(tǒng)(ES）。這兩種方法有各自的缺點(diǎn)：參數(shù)化設(shè)計(jì),每個(gè)部分的關(guān)系需要充分考慮,因?yàn)橐粋€(gè)參數(shù)的改變可能會(huì)導(dǎo)致改變其他參數(shù)或減速機(jī)的結(jié)構(gòu)，那就需要設(shè)計(jì)師熟悉減速機(jī),并能夠使用設(shè)計(jì)軟件包括函數(shù)的參數(shù)化設(shè)計(jì)。此外知識(shí)學(xué)習(xí)是非常困難的在減速器專(zhuān)家系統(tǒng)中，因?yàn)橐恍?zhuān)業(yè)知識(shí)與規(guī)則是非常困難來(lái)表達(dá)的。CBR可以改善這兩種缺點(diǎn)。在CBR存在情況下新情況下完成的基礎(chǔ)上,所以可以通過(guò)新的情況修改部分或直接利用存在的案例 而且案例取得比規(guī)則更容易取得,因?yàn)橹饕R(shí)在CBR的案例中。事實(shí)上，
案例通常比規(guī)則或模型提供更多的信息。許多研究人員已經(jīng)做了大量工作，關(guān)于CBR在工程中的應(yīng)用。
SUN ,開(kāi)發(fā)了一個(gè)智能夾具設(shè)計(jì)CBR系統(tǒng)。KWONG，引入了一個(gè)方法來(lái)確定適當(dāng)?shù)陌l(fā)展CBR注塑參數(shù)的系統(tǒng)。LIU，提出檢索算法結(jié)合聚類(lèi)技術(shù)來(lái)定位相似案例說(shuō)明了機(jī)械設(shè)計(jì)CBR系統(tǒng)的可行性。PETERL，開(kāi)發(fā)了一個(gè)自動(dòng)化的關(guān)于CBR的知識(shí)系統(tǒng)，可以智能支持預(yù)處理階段分析工程接觸力學(xué)域。X10NG，提供應(yīng)用和創(chuàng)新基于CBR的概念設(shè)計(jì)方法,體現(xiàn)了工業(yè)設(shè)計(jì)的知識(shí)。開(kāi)發(fā)的系統(tǒng)簡(jiǎn)化了概念設(shè)計(jì)過(guò)程,幫助設(shè)計(jì)師,并為產(chǎn)品長(zhǎng)期發(fā)展提供基礎(chǔ)。然而上述工作的注意在CBR理論研究?jī)?yōu)于CBR技術(shù)與機(jī)械產(chǎn)品結(jié)合。因此,采取兩級(jí)齒輪減速器為例,整個(gè)機(jī)械部分將討論在CBR的過(guò)程。
2 CBR中的關(guān)鍵技術(shù)
CBR是一種類(lèi)似或類(lèi)比方法。當(dāng)一個(gè)CBR系統(tǒng)解決一個(gè)新問(wèn)題,它檢索或更多的情況下從前期案例最類(lèi)似于新問(wèn)題的情況，并修改情況滿足新條件。CBR的流程圖如圖1所示。根據(jù)CBR的流程圖,產(chǎn)品設(shè)計(jì)的發(fā)展在CBR系統(tǒng)需要解決一些問(wèn)題,包括案例的描述,案例的檢索、案例修改、案例研究和案例基礎(chǔ)例描述維護(hù),案例檢索和案例修改被稱(chēng)為三個(gè)關(guān)鍵技術(shù)。
案例描述行為是案例數(shù)據(jù)編碼的結(jié)構(gòu)與一些傳統(tǒng)計(jì)算機(jī)所接受的標(biāo)記。案例可以通過(guò)一些方法包括描述
包括火焰、對(duì)象、謂詞語(yǔ)義網(wǎng)絡(luò)和規(guī)則,等等,其中,框架和對(duì)象是最常用的。
案例檢索是一個(gè)找到一個(gè)相互關(guān)聯(lián)的過(guò)程案例特征指數(shù)或更多的類(lèi)似案件相似。Ref.，將案例檢索分為三個(gè)部分:特征識(shí)別,初級(jí)匹配和最佳選擇。本文把案例檢索分為四個(gè)部分:主要特征提取、特征識(shí)別，初級(jí)匹配和最佳選擇。數(shù)據(jù)采集的數(shù)據(jù)集通常包括許多屬性和特征，一些屬性數(shù)據(jù)跟采集無(wú)關(guān)。那些不相關(guān)屬性影響數(shù)據(jù)采集的效率。刪除那些不相關(guān)的屬性可以提高數(shù)據(jù)采集的效率,使數(shù)據(jù)采集的結(jié)果更容易理解。特征提取的主要的目是在建立有效的索引的情況下基礎(chǔ)選擇關(guān)鍵特征。特征識(shí)別目的是在新情況下選擇關(guān)鍵特征識(shí)別。特征識(shí)別可以經(jīng)常作為提取關(guān)鍵特征的參考，因?yàn)樗ㄒ粋€(gè)豐富的屬性特征，所以兩級(jí)減速器關(guān)鍵特征的提取更重要。這些典型的案例檢索方法包括最近鄰,感應(yīng)索引,神經(jīng)索引知識(shí)和模板檢索。
案例修改是修改最佳匹配的過(guò)程，以滿足新的設(shè)計(jì)需求,最常用的方法包括人工修改,知識(shí)密集修改和知識(shí)短缺修改。
3 在CBR中兩級(jí)齒輪減速器的設(shè)計(jì)
3.1 案例構(gòu)建
3.1.1案例描述
本文使用面向?qū)ο蟮陌咐硎灸Ｐ蛯?，提供了一個(gè)統(tǒng)一的對(duì)象。面向數(shù)據(jù)模型,即提供各種各樣的面向?qū)ο蟮母拍?數(shù)據(jù)結(jié)構(gòu),維護(hù)操作和靈活的擴(kuò)展,并提供屏蔽具體數(shù)據(jù)庫(kù)的關(guān)系模型,并建立一個(gè)透明的對(duì)象轉(zhuǎn)換機(jī)制映射原則,進(jìn)行合理、有效的管理。對(duì)象模型的映射原則是上層之間的轉(zhuǎn)換關(guān)系，是一種面向數(shù)據(jù)模型和底部的關(guān)系模型之間的某些關(guān)系對(duì)象模型層,數(shù)據(jù)庫(kù),和其他功能模塊如圖2所示。
兩級(jí)齒輪減速器是一個(gè)復(fù)雜的裝配，為了方便表示,將兩級(jí)減速器分成五個(gè)組件類(lèi)和兩類(lèi)零件類(lèi)。五個(gè)組件類(lèi)是高變速齒輪組,低速齒輪組團(tuán)式、高速軸中間軸承,軸和軸承和低速軸和軸承,兩個(gè)零件類(lèi)是護(hù)罩和機(jī)架。這些組件類(lèi)可以被拆分成零件類(lèi)。最后，每一零件類(lèi)映射到它底層關(guān)系數(shù)據(jù)庫(kù)表，因此,在圖3給出了兩級(jí)齒輪減速器中面向?qū)ο蟮闹R(shí)模型。
3.1.2 案例構(gòu)建
根據(jù)在圖3中的兩級(jí)齒輪減速器案例的表示模型，兩級(jí)齒輪減速裝置及其組件的特征屬性值被映射到底層數(shù)據(jù)庫(kù),因此基礎(chǔ)是怎么建。在底層數(shù)據(jù)庫(kù)每一個(gè)表包括一個(gè)“案例數(shù)”域，這種關(guān)系建立在每一個(gè)零件和減速機(jī)映射的表所包括的“案例數(shù)”上。圖4顯示了案例存儲(chǔ)方式的基礎(chǔ)是兩級(jí)齒輪減速機(jī)的數(shù)據(jù)庫(kù)軟件Access。由于有限的空間，本文沒(méi)有列舉在Access中零件的儲(chǔ)存方式。
3.2 案例檢索
本文應(yīng)用最近鄰和感應(yīng)索引相結(jié)合的檢索方法,因?yàn)閮杉?jí)的設(shè)計(jì)齒輪減速器是一種有著悠久歷史的體驗(yàn)過(guò)程,兩級(jí)減速器包括許多案例。所以，最好使用感應(yīng)索引做一個(gè)粗略的檢索和使用最近鄰索引做一個(gè)很好的檢索。圖5顯示了詳細(xì)的檢索過(guò)程?，F(xiàn)在,反過(guò)來(lái)論文描述了兩級(jí)齒輪減速器的設(shè)計(jì)系統(tǒng)在CBR中案例檢索的子進(jìn)程和方法。
3.2.1 關(guān)鍵特征提取
原始案例基礎(chǔ)是的特點(diǎn)是在關(guān)鍵特征提取前的預(yù)處理。
（1）數(shù)據(jù)的預(yù)處理。離散歸一化處理定量參數(shù)轉(zhuǎn)換到平等高頻定性參數(shù)時(shí)間間隔 。平等高頻定性參數(shù)的原則是最初的區(qū)間劃分為小的時(shí)間間隔(N是一個(gè)離散數(shù)量由用戶),而每一個(gè)小的時(shí)間間隔幾乎相同數(shù)量的數(shù)據(jù)。第一個(gè)和最后一個(gè)間隔是擴(kuò)展摘要:上限第一次間隔改為零,和上一個(gè)下限間隔改為無(wú)窮大，那就
確保一個(gè)屬性值的情況下有一個(gè)對(duì)應(yīng)的小間隔，因?yàn)镃BR是一個(gè)不間斷的過(guò)程研究(案例將不間斷地增加的數(shù)量）, 避免這種小間隔時(shí)再次分裂，而且新添加和檢索的新案件不是超出了原來(lái)的屬性值。N間隔等同于0,1,2,?,n - 1。定性特征屬性分配給“0、1” 以增加或減少命令。例如，在原始案例中“精確級(jí)減速器”三個(gè)選項(xiàng)供用戶選擇：分別按照上述方法，類(lèi)的7、8、9可以表達(dá)為1,0.5,0。布爾屬性的屬性值很容易確定：相同的是1. 0，不同的是0。
（2)關(guān)鍵特征選擇。這些顯然不相關(guān)的特征不直接考慮數(shù)據(jù)采集。然而,許多特征很難確定其在數(shù)據(jù)采集的意義。這些特征選擇需要有效策略。這篇論文使用決策樹(shù)來(lái)選擇大小的主要特征，信息增益決定建立索引樹(shù)的關(guān)鍵，特征的信息增益算法，可以再保險(xiǎn)決定屬性。
兩級(jí)減速器的關(guān)鍵特征選擇，在原始案例基礎(chǔ)下，顯示如表1給出。
首先,顯然無(wú)關(guān)的特征數(shù)據(jù)采集是直接淘汰。其他的特征變成離散歸一化處理定性屬性，然后選擇上述的信息增益算法。其次，傳動(dòng)功率的屬性分為三個(gè)小間隔根據(jù)上述提到的等頻率間隔：（0，1 0)，[1 0，20]and(20，∞)。定性數(shù)值范圍分別為0、1、2。傳動(dòng)比的屬性，分別將使用壽命和傳輸效率劃分為若干個(gè)相應(yīng)的小間隔。每個(gè)時(shí)間間隔數(shù)值范圍是用0，1、?n表示。齒輪驅(qū)動(dòng)的布局分為兩個(gè)類(lèi)型。開(kāi)發(fā)配置用0表示,恢復(fù)配置代表1.離散處理的結(jié)果得到表2。
布置形式的屬性被視為識(shí)別屬性和其他屬性作為決策屬性。基本分為兩個(gè)根據(jù)識(shí)別屬性類(lèi)。第一個(gè)類(lèi)是由6個(gè)案例的布置形式擴(kuò)展形式,第二個(gè)安排形式是由其他情況下的同軸形式安排。根據(jù)算法的信息增益,很容易獲得收益的信息的所有屬性如下：Gp=0.29,Gt=0.12,Gk=0.29,Gη=0.01。因此,屬性傳動(dòng)功率的傳動(dòng)比和壽命可以選為主要特征的價(jià)值特征屬性。
3.2.2 初級(jí)匹配
初級(jí)的匹配是,從一組案例下選擇與當(dāng)前設(shè)計(jì)相關(guān)案例的過(guò)程。這一過(guò)程是通過(guò)索引樹(shù)實(shí)現(xiàn)的由所有關(guān)鍵特征和決策信息獲得計(jì)算。如圖6所示的索引樹(shù)中初級(jí)實(shí)現(xiàn)了基于匹配的情況索引樹(shù)。
3.2.3 最好的選擇
最好的選擇是一個(gè)過(guò)程,最好的情況是選擇從初級(jí)匹配的情況下獲得的。最好的情況下選擇最近鄰,也是計(jì)算體重的關(guān)鍵特點(diǎn)和案例的相似度如此不可或缺的。
（1）權(quán)重的特點(diǎn)
權(quán)量特征的特點(diǎn)是用來(lái)評(píng)估可以影響精度的重要性推理的結(jié)果。根據(jù)最初的來(lái)源信息的方法確定的重量特點(diǎn)可以分為兩類(lèi)：主觀方法和客觀的方法。主觀方法的信息來(lái)自專(zhuān)家,和信息的目標(biāo)是統(tǒng)計(jì)原始數(shù)據(jù)。兩級(jí)方法的代表方法是層次分析法(AHP)和粗糙集理論。層次分析法是一種決策方法，決策問(wèn)題分為包括目標(biāo)、規(guī)則、項(xiàng)目等一些層次結(jié)構(gòu),定性分析和定量分析。使aij的i維度比j重要。重量wli的i通過(guò)下面方程計(jì)算出來(lái)：
，i=1,2,.....n (1)
粗糙集理論是一種數(shù)據(jù)的推理方法鑒于知識(shí)分類(lèi),適用于分析依賴(lài)降低知識(shí)和特征屬性之間,而且解決了問(wèn)題的特征屬性的重量相似度度量。重量計(jì)算的有關(guān)公式給出如下:
本文應(yīng)用層次分析法的方法和粗糙集理論這兩種方法是為了補(bǔ)償缺陷。組裝的組合方法根據(jù)線性疊加原理,材料組合形式如方程所示：
（5）
根據(jù)相結(jié)合的方法,減速機(jī)的主要特點(diǎn)的三個(gè)權(quán)重分別獲得，如傳動(dòng)功率的屬性：w1=0.52;傳動(dòng)比的屬性：w2=0.28;壽命屬性：w3=0.20。
（2） 類(lèi)似
兩級(jí)減速器的特征值由定量和定性的參數(shù)組成。因此,本文提出了一種新的案例相似度的算法，表示如下:
特征的相似度：
兩種案列的相似度：
假設(shè)按表3的設(shè)計(jì)條件去設(shè)計(jì)兩級(jí)齒輪減速器，檢索如表4的兩個(gè)案列。
每個(gè)關(guān)鍵特征的權(quán)重分別是0.52,0.28,0.20。根據(jù)方程（6）-（8）可以得到這個(gè)案例的相似度，計(jì)算過(guò)程如下：
3.3 案例修改
本文采用修正的組合規(guī)則和人工修正修改情況。修改流程圖在圖7中給出。規(guī)則包括經(jīng)驗(yàn)公式,計(jì)算公式。例如，小齒輪的寬度通常是一個(gè)齒輪增加5 ~ 1 0毫米。限制是評(píng)估設(shè)計(jì)的可行性主要措施，如運(yùn)用經(jīng)驗(yàn)公式計(jì)算齒輪齒面接觸疲勞強(qiáng)度,齒輪齒根彎曲疲勞強(qiáng)度等。
4 總結(jié)
（1）兩級(jí)減速器通過(guò)面向?qū)ο蟮闹R(shí)模型，這樣方便和準(zhǔn)確的表達(dá)減速機(jī)的知識(shí)和有利于檢索。
（2）根據(jù)兩級(jí)齒輪減速器設(shè)計(jì)的實(shí)際情況，組合加權(quán)法AHP和粗糙集理論,提出了可以提高案例檢索的可信度。
（3）關(guān)于CBR的兩級(jí)齒輪減速器的設(shè)計(jì)系統(tǒng)，使兩級(jí)齒輪減速器的設(shè)計(jì)更容易,更快捷和更多可以使用智能方法，以及其他組件對(duì)CBR的參考。
（4）在兩級(jí)減速器設(shè)計(jì)中運(yùn)用CBR的前提條件是要有足夠的先前案例。如果需要兩級(jí)減速器滿足特殊的設(shè)計(jì)要求，那么相關(guān)案件必須添加到基礎(chǔ)案例上。
參考文獻(xiàn)
[1]CADET Sycara K．A case—based synthesis tool for engineeringdesign[J]．International Journal for Expert System，1992，4(2)：57-88．
【2】YANG H，LU W F’L1N A C．A case-based progress planningsystem for machining of rotational part[J]．Journal of IntelligentManufacturing,1994，6(5)：41l_43O．
[3]AGNAR Aamodt， ENRIC Plaza． Case—based reasoning：foundational issues， methodological variations， and systemapproaches[J]．Artificial Intelligence Communications，1994，7(1)：39—59．
[4]SUN Shuhuang，CHEN Jahau Lewis．A fixture design system usingcase—based reasoning[J]． Engineering Application ArtificialIntelligence，1996，5(9)：533-540．
【5]KWONG C K，SMITH G E LAN W S．Application of case basedreasoning in injection moulding[J]．Journal of Materials ProcessingTechnology,1997，63：463-467．
[6】LIU Jiali，YAN Xiangbin，QI Wei，et a1．A case—based reasoningsystem for mechanical design[C]／，2DD8 International Conference onManagement Science&Engineering a5th)，Long Beach，USA，September 1 12．2008：585—590．
[7]WR／GGERS Peter,SIPLIVAYA Marina，JOUKOVA Irina，et a1．Intelligent suppo~of the preprocessing stage of engineering analysisusing case-based reasoning[J]．Engineering with Computers，2008，24(4)：383_4O4．
[8】XIONG Hongyn n， SUN Surong． Design and realization ofcase—based reasoning product conceptual design system[C]／，2fJ0 7thInternational Conference on Computer-Aided Industrial Design andConceptual Design，Hangzhou，China，November 17—19，2006：1-4 ．
【9]CHEN Wenwei，HUANG Jincai．Data warehouse and datamining[M]．Beijing：Post&Telecom Press．2004．(in Chinese)
【10】MENG Yanni．Research on design of gear on CBR[D]．Xian：Northwestern Polytechnical University,2006．(in Chinese)
[1 1】OCIEPKA P，SWIDER J．0bject—oriented system for computeraiding of the machines conceptual design process[J]．Journal ofMaterials Processing Technology,2004，15(8)：221—227．
[12]QIAN Mei，WANG Bing，wU Genfeng，et a1．A representation ofcomplex structured knowledge based on object—oriented models[J]．Computer Engineering＆Science，2002，3(24)：62—65．(in Chinese)
[13]WU Sen，GAO Xuedong，BASTIAN M．Data warehouse and datamining[M]．Beijing：Metallurgical Industry Press，2003．(in Chinese)
[14】QrN Shoukang． Comprehensive evaluation principle andapplication[M]．Beijing：Publishing House of Electronics Industry,2003．(in Chinese)
[15]ZHANG Z．Static and dynamicfeature weighting in case-basedreasoning(CBR)[D]．Burnaby,Canada：Simon Fraser University,1997．
收藏