基于正交设计的神经网络训练样本的选择方法及其在冷挤压工艺设计中的应用研究

冷挤压件的形状是制定冷挤压工艺方案时需要考虑的最重要的因素之一,基于目的性和方便性原则,该文针对冷挤压件的形状特征进行分类,并在此基础上分别建立基于正交实验设计的人工神经网络训练样本子集,最后将所有子集进行整合,形成初始训练测试样本集。结合典型冷挤压件,分析了采用正交设计方法选取人工神经网络训练样本的过程,研究了基于正交设计的人工神经网络的训练、测试方法,实现了基于人工神经网络的冷挤压工艺设计。

冷挤压工艺设计系统模糊知识表示和推理机制的研究

研究了冷挤压工艺设计领域的知识表示以及冷挤压工艺设计系统的模糊推理机制。利用面向对象表示法、模糊产生式表示法以及模糊框架表示法等知识表示方法,实现了基于模糊的面向对象的异构知识混合表示,该方法利用面向对象的思想构建领域知识的基类,利用模糊产生式规则表示领域知识库中的模糊知识规则。在此基础上构建了冷挤压工艺设计领域知识库。提出了广义可信度的概念和一种基于广义可信度的模糊推理方法,该方法通过对知识库中的知识设置可信度和构建隶属函数,用隶属度来定量表示冷挤压工艺设计领域知识的不确定性,实现领域知识的不确定性匹配,用广义可信度来表示不确定性匹配的程度,并利用不确定性传递算法计算最终结论的可信度值。通过典型实例进行了验证。

基于人工神经网络的冷挤压工艺设计系统的知识自动获取研究

提出了用人工神经网络补充和修改冷挤压工艺设计系统知识库内容的模型框架,根据人工神经网络映射的特征编码提出并实现了一种专家系统自动获取冷挤压零件特征的方法,并详细讨论了算法过程,最后结合典型实例给出了知识自动获取的过程。所提出的知识自动获取方法的优点在于不仅可以通过人工神经网络把冷挤压零件的成形过程整体地存入知识库中,而且由于所选用的人工神经网络映射模式是集中反馈式、分工序循环进行的。因此,通过该方法还可以获取冷挤压成形过程中每步工序半成品件的特征,然后存入冷挤压工艺设计系统的知识库。

模糊人工神经网络在冷挤压工艺设计中的应用研究

在分析冷挤压成形影响因素的基础上,将模糊理论和人工神经网络进行了有机集成,并用以解决判断冷挤压零件能否通过一次挤压成形的问题。首先将人工神经网络进行模糊化处理,然后在分析冷挤压零件能否一次成形的有关规则基础上,抽取若干个模糊变量,并利用隶属度函数将影响冷挤压成形的模糊变量模糊化,同时通过从领域专家或其它知识源获取的训练样本,对人工神经网络进行学习,获得能够进行一次成形判断的人工神经网络模型,最后选取典型冷挤压零件进行了运行测试,并且用商业化软件DEFORM对系统输出的判断结果进行数值模拟分析,模拟结果证明了系统的可行性。

冷挤压工艺设计领域异构知识的混合表示

对冷挤压工艺设计专家系统构建过程中涉及的领域知识表示方面的问题进行了研究。通过对各种传统的专家系统知识表示方法优缺点的分析与比较,考虑到冷挤压工艺领域知识的异构性特点以及领域知识的不确定性和模糊性,提出了一种针对于冷挤压工艺设计领域的、基于模糊的面向对象的异构知识混合表示方法;实现了冷挤压工艺设计领域知识合理、有效的表示,并构建了领域知识库。

基于模糊的冷挤压工艺设计专家系统关键技术研究

开发冷挤压工艺设计专家系统主要包括冷挤压工艺设计领域知识库构建和推理机制实现2个方面。利用面向对象、模糊产生式以及模糊框架等知识表示方法,提出了一种基于模糊的面向对象的异构知识混合表示法,并在此基础上构建了冷挤压工艺设计领域知识库;利用基于可信度理论和基于模糊理论等不确定性推理方法,提出了广义可信度的概念和一种基于广义可信度的模糊推理方法,实现了冷挤压工艺设计专家系统的推理机制。