面向自行火炮變型設計問題的混合案例推理技術研究

羊柳，錢林方，丁晟春，尹強

（1.南京理工大學機械工程學院，江蘇南京210094；2.南京理工大學經濟管理學院，江蘇南京210094）

面向自行火炮變型設計問題的混合案例推理技術研究

羊柳1，錢林方1，丁晟春2，尹強1

（1.南京理工大學機械工程學院，江蘇南京210094；2.南京理工大學經濟管理學院，江蘇南京210094）

自行火炮設計過程中存在大量變型設計問題，為提高自行火炮設計質量和效率，將案例推理技術引入自行火炮變型設計問題求解過程中。針對自行火炮案例特點及變型設計的需求，提出了一種混合案例推理技術。通過研究基于本體的自行火炮案例表示技術，構建了自行火炮設計案例本體，并確定自行火炮案例檢索過程中不同情況下的相似度計算方法。在此基礎上，采用基于神經網絡的參數預測技術，實現了變型設計問題中設計參數的求解。并以復進機設計為例，驗證了所提出方法的可行性和有效性。

兵器科學與技術；自行火炮；變型設計；案例推理；本體；神經網絡

0 引言

自行火炮工況復雜，使用環境惡劣，為降低設計風險，提高設計可靠性，設計過程中需盡可能采取過往的成熟設計方案［1］，故其設計過程中存在著大量的變型設計問題，即在工作原理、基本功能不變的情況下，通過局部結構、配置和參數的變異以滿足不同工作性能的需求［2］，如反后坐裝置的方案設計問題、平衡機的方案問題等。目前，自行火炮設計過程中變型設計問題的求解仍主要依賴于設計人員的設計經驗，缺乏有效的求解策略。而案例推理是一種基于以往經驗的問題解決機制［3-4］，原理是將案例按一定組織方式存儲于案例庫中，通過檢索案例庫得到相似案例，再對其進行修改或重用，以獲得當前設計問題的解。通過將案例推理技術引入自行火炮設計過程中，可輔助設計人員在變型設計問題中更加有效地確定設計參數的取值，提高自行火炮的設計質量及效率。

目前，國內外僅針對身管開展了案例推理在自行火炮設計中的應用研究，如文獻［5］采用面向對象的方法表達了身管案例，并討論了案例的索引、搜索、選擇等基于案例推理中的關鍵問題。但是，自行火炮領域內已累積了大量設計案例，涉及總體方案，底盤分系統、火力分系統等分系統，復進機、制退機等部件的多個層次的案例，各設計案例中參數取值類型豐富，同一門火炮不同對象的案例間會共享一系列參數，傳統的結構化案例存儲方式［6］難以有效表示自行火炮設計案例中的數據及案例間的層次關系；同時，自行火炮設計案例中參數的取值類型與檢索條件中屬性類型并非完全一致，存在多種對應情況，且檢索條件中屬性界限模糊，尚無針對自行火炮變型設計問題求解的案例檢索和重用技術。因此，本文結合現有案例推理技術，針對自行火炮案例特點及變型設計的需求，研究適用于自行火炮變型設計問題求解的混合案例推理技術，以提高自行火炮設計質量和效率。

1 自行火炮混合案例推理技術

自行火炮變型設計問題求解過程是在明確設計對象的基礎上，修改已有成熟設計方案中的設計參數，以滿足當前設計要求。設計參數的修改包括兩種方式:一種通過公式計算或根據顯性的經驗規則選取得到；另一種則需設計人員在分析過往自行火炮設計案例的基礎上，提取其中隱含的設計規律，并結合自身設計經驗選取得到，這部分參數選取的優劣對自行火炮變型設計問題的求解質量有較大影響。針對第二種情況，本文提出一種混合案例推理技術，具體過程如圖1所示。在基于本體有效表示過往成熟設計案例的基礎上，根據變型設計要求，確定檢索條件。由于自行火炮變型設計問題求解時，設計對象已明確，故案例檢索條件T=（TO，T1，T2，…，Tn），TO為設計對象名稱，Ti為相似度計算屬性。根據檢索條件中的設計對象名稱，利用Jena推理機對自行火炮設計案例本體進行檢索，可獲取設計本體中對應設計案例的設計結果，具體方法本文不再贅述。在此基礎上，通過分析自行火炮變型設計問題求解過程中相似度計算可能出現的各種情況及需求，確定相應的相似度計算方法，以開展相似度計算獲得相似設計案例。最后，針對案例中隱含的設計規律難以直接表示及重用這一情況，采用基于神經網絡的參數預測技術，根據相似案例訓練神經網絡，開展設計參數的預測。

圖1 自行火炮混合案例推理過程Fig.1 Hybrid case-based reasoning process of self-propelled artillery

2 基于本體的自行火炮案例表示技術

自行火炮設計案例是指過往設計過程中產生的，能滿足設計使用要求的自行火炮總體及各個部件的設計結果。各設計案例對應的設計對象是唯一的，但設計結果存在形式并不唯一，主要包括各參數的取值、三維模型、二維模型及圖片等。自行火炮層次結構復雜，各組成部件的設計案例間存在關聯，會共享一系列參數，如口徑、彈丸質量等。

基于本體的案例表示方法利用本體中的類、屬性及實例對設計案例進行形式化描述，通過分析不同層次的自行火炮設計案例間關聯及共享的參數，確定自行火炮設計案例本體的組成及結構，避免設計參數的重復表示，形成自行火炮設計案例本體，并結合文件存儲，以實現自行火炮設計實例的表示。

自行火炮設計案例本體的形式化定義為:C=（O，P，R，CO，CP，CR，PO，PD），其主要組成如圖2所示。其中，O=（O1，O2，…，On），為描述不同層次自行火炮設計案例對應設計對象的類的集合，如“自行火炮、反后坐裝置、復進機”等；P=（P1，P2，…，Pn），為描述設計案例中各參數的類的集合，如“口徑、最大膛壓”等；R為資源類，R=（R1，R2，R3，…），R1是“二維模型”類、R2是“三維模型”類、R3是“圖片”類；，為描述案例Oi的第j個設計案例；，為描述參數Pi的第j個設計案例；，其中，為某案例對應的二維模型名稱，為某案例對應的三維模型名稱，為某案例對應的圖片名稱；PD為描述Oi間、Oi與Pi間及Oi與R間聯系的對象屬性的集合；PO為描述O、P、R自身特征的數據屬性的取值。自行火炮設計案例本體構建過程中，可通過對CO、CP及CR對應數據屬性進行賦值，并利用“HasPara”和“HasRes”分別建立CO與CP及CR間的對應關系，實現自行火炮設計案例的完整表示。

在確定自行火炮設計案例本體組成及結構的基礎上，利用美國斯坦福大學的Protégé建模工具，選用OWL語言作為本體的建模語言［7］，實現了自行火炮設計案例本體的構建，涵蓋了自行火炮不同層次的設計案例200余個，圖3為以反后坐裝置為例的部分自行火炮設計案例本體的可視化展示。

圖2 自行火炮設計案例本體組成Fig.2 Composition of self-propelled artillery design case ontology

圖3 部分自行火炮設計案例本體的可視化展示Fig.3 Graphical view of part of self-propelled artillery design case ontology

3 自行火炮設計案例相似度計算方法

自行火炮案例檢索條件中的相似度計算屬性包括數值型、文本型和模糊型3種類型，其中數值型包括精確取值型和區間取值型，檢索條件T與案例庫中對應案例C的整體相似度采用加權平均相似度計算公式為，其中ωi為各屬性的權重，且為單個屬性Ti與案例中對應參數Ci的相似度，其取值范圍為［0，1］.經分析，自行火炮設計案例檢索過程中，f（Ti，Ci）的計算主要涉及5種不同的相似度計算問題，如表1所示。在已有相似度算法［8-10］的基礎上，本文根據不同情況下自行火炮案例相似度計算的需求，提出了對應相似度計算方法。

表1 相似度計算屬性與設計結果中參數取值類型對應表Tab.1 Corresponding list of parametric value type between design index and design result

3.1 問題1

假設某相似度計算屬性取值為a，各案例中與屬性相對應的參數取值組成的集合為K=［k1，k2，…，kn］，則第i個案例中對應參數的取值ki與屬性取值間的相似度計算公式為

3.2 問題2

自行火炮區間取值型屬性包括3種類型:中間型、偏大型和偏小型。在實際自行火炮變型設計問題求解過程中，區間的邊界并不絕對，參數取值在區間外的案例亦有一定參考價值，故本文采用表2所述方法開展相似度計算。

3.3 問題3

假設某相似度計算屬性的取值為A=［x1，x2］，某個案例對應取值為B=［y1，y2］，則相似度計算公式為，式中λ（）表示集合的Lebesgue測度，λ（A）=x2-x1.

表2 問題2相似度計算方法Tab.2 Similarity computing method for Problem 2

3.4 問題4

假設某相似度計算屬性的取值為字符A，某個案例對應取值為字符B，則相似度計算公式為，式中:num（）為字符的個數；num（sim（A，B））為字符A和字符B中相似字符的個數。

3.5 問題5

自行火炮模糊型相似度計算屬性的取值通常包括“好、較好、優良”等多種模糊評價術語，在自行火炮設計案例本體建模過程及設計要求分解過程中，涉及模糊型的取值均轉換成規范模糊屬性取值集Pm=［優，良，中，差］中的標準取值，以便于相似度的計算。

定義相似度計算屬性向量T=［t1，t2，t3，t4］，案例取值向量C=［c1，c2，c3，c4］，T和C均為單位向量，假設相似度計算屬性取值為優，某案例對應取值為良，則T=［1，0，0，0］，C=［0，1，0，0］，相似度計算方法為f（T，C）=T·E·CT，式中E為模糊判斷矩陣，

4 基于神經網絡的參數預測技術

4.1 基于神經網絡的參數預測流程

基于神經網絡的參數預測流程如圖4所示，針對自行火炮中某一設計對象的變型設計需求，在案例檢索的基礎上，選定相似度下限，得到與設計任務相接近的一系列過往設計案例。結合當前設計任務的設計要求及設計對象的特征，確定神經網絡的輸入項和輸出項，對案例中對應的參數進行歸一化處理，以形成神經網絡的訓練樣本。神經網絡訓練過程中輸入項和輸出項選取的合理性對參數預測的結果有較大影響，在確保輸入項和輸出項均合理的基礎上，可開展基于神經網絡的參數預測。由于BP網絡具有極強的輸入輸出映射能力且能夠學習任何模式的映射關系［10-11］，故采用BP神經網絡進行參數預測。按訓練樣本中參數取值對其進行訓練，利用訓練好的網絡，改變網絡輸入項的取值，以得到相應輸出項的取值，為設計人員確定相應參數提供參考。

4.2 算例

反后坐裝置中復進機的方案設計為一典型的變型設計問題，其初壓、初容及壓縮比的取值主要依靠設計人員的經驗，現有一復進機的設計任務，已知口徑為122 mm，最大后坐長為900 mm，炮口動能為6 619 392 J，后坐部分質量為1 005 kg，炮口制退器效率為45%，通過檢索自行火炮設計案例本體，得到復進機的過往設計案例，選取口徑、最大后坐長、炮口動能、后坐部分質量及炮口制退器效率作為相似度計算屬性，權重分別為0.2、0.2、0.15、0.3、 0.15，修正系數p取2，按照本文提出的相似度計算方法開展相似度計算，得到相似度大于0.7的案例共16個，計算得到部分案例的相似度如表3所示。

神經網絡訓練的輸入項和輸出項如表3所示，案例中輸入參數和輸出參數經歸一化處理后即可作為神經網絡訓練的樣本。

參數預測的結果如表4所示，從中可以看出，經案例推理得到的各參數的取值基本與原有設計結果相符，能夠滿足復進機的變型設計要求，可以開展下一步的設計計算。

圖4 基于神經網絡的參數預測流程圖Fig.4 Flow chart of neural network-based parameter prediction

5 結論

本文通過分析自行火炮變型設計問題求解的需求，提出了一種混合案例推理技術。針對自行火炮設計案例中數據類型豐富及案例間的層次關系復雜的特征，采用基于本體的自行火炮設計案例表示方法，構建了自行火炮設計案例本體，實現了不同層次自行火炮設計案例的有效表示。在自行火炮設計案例表示的基礎上，針對自行火炮案例相似度計算中可能出現的5種不同情況，分別提出了對應的相似度計算方法，實現了自行火炮設計案例的有效檢索。最后，本文確定了采用BP神經網絡進行參數預測的流程，并以復進機變型設計問題為例驗證了混合案例推理技術在自行火炮變型設計問題求解過程中的可行性和有效性。

表3 部分相似案例Tab.3 Part of similar cases

表4 參數預測結果Tab.4 Parameter prediction results

（

）

［1］ 張相炎，鄭建國，楊軍榮.火炮設計理論［M］.北京:北京理工大學出版社，2005. ZHANG Xiang-yan，ZHENG Jian-guo，YANG Jun-rong.The theory of gun design［M］.Beijing:Beijing Institute of Technology Press，2005.（in Chinese）

［2］ 李海慶，殷國富，方輝.混合案例推理機制在變型設計中的應用［J］.四川大學學報:工程科學版，2007，39（2）:164-169. LI Hai-qing，YIN Guo-fu，FANG Hui.Application of hybrid case reasoning in variant design［J］.Journal of Sichuan University:Engineering Science Edition，2007，39（2）:164-169.（in Chinese）

［3］ 王生發，顧新建，郭劍鋒，等.面向實例推理的產品設計本體建模研究及應用［J］.機械工程學報，2007，43（3）:112-117. WANG Sheng-fa，GU Xin-jian，GUO Jian-feng，et al.Research and appliction of ontology modeling for product design based on case reasoning［J］.Journal of Mechanical Engineering，2007，43（3）:112-117.（in Chinese）

［4］ 王清，趙勇，韓守東.基于案例決策的產品概念設計方法［J］.計算機集成制造系統，2011，17（6）:1121-1127. WANG Qing，ZHAO Yong，HAN Shou-dong.Product conceptual design method based on case-based decision［J］.Computer Integrated Manufacturing Systems，2011，17（6）:1121-1127.（in Chinese）

［5］ 劉長毅，徐誠.基于案例推理與特征造型在身管設計中的應用研究［J］.機械設計，2000（1）:29-32. LIU Chang-yi，XU Cheng.Research and application of case-based reasoning and feature modeling in tube design［J］.Mechanical Design，2000（1）:29-32.（in Chinese）

［6］ Adela L，Eric T，Lee W B.An ontology-based similarity measurement for problem-based case reasoning［J］.Expert Systems with Applications，2009，36:6574-6579.

［7］ Rezayat M.Knowledge-based product development using XML and KCs［J］.Computer-Aided Design，2000，32（2）:299-309.

［8］ Guo Y，Hu J，Peng Y H.A CBR system for injection mould design based on ontology:a case study［J］.Computer-Aided Design，2012，44（6）:496-508.

［9］ 張曉麗，李鑫，郭智春，等.基于CBR的機械產品智能設計方法研究［J］.大連理工大學學報，2008，48（6）:835-840. ZHANG Xiao-li，LI Xin，GUO Zhi-chun，et al.Study of intelligent for mechanical engineering design method product based on CBR［J］.Journal of Dalian University of Technology，2008，48（6）: 835-840.（in Chinese）

［10］ 王軍，吳鳳和，張艷.基于產品結構特征參數的實例搜索與修改方法［J］.農業工程學報，2012，28（23）:19-25. WANG Jun，WU Feng-he，ZHANG Yan.Case search and adaptation based on feature parameters of products［J］.Transactions of the Chinese Society of Agricultural Engineering，2012，28（23）:19-25.（in Chinese）

［11］ 韓力群.人工神經網絡理論、設計及應用［M］.北京:化學工業出版社，2001:45-55. HAN Li-qun.Artifical neural network theory，design and application［M］.Beijing:Chemical Industry Press，2001:45-55.（in Chinese）

Research on Hybrid Case-based Reasoning Technique for Self-propelled Artillery Variant Design

YANG Liu1，QIAN Lin-fang1，DING Sheng-chun2，YIN Qiang1
（1.School of Mechanical Engineering，Nanjing University of Science and Technology，Nanjing 210094，Jiangsu，China；2.School of Economics and Management，Nanjing University of Science and Technology，Nanjing 210094，Jiangsu，China）

In order to improve the design quality and efficiency of self-propelled artillery in consideration of a large number of variant design problems existing in self-propelled artillery design，the case-based reasoning technology is introduced into the solution procedure for self-propelled artillery variant design problem.The process of hybrid case reasoning is determined according to the characteristics of self-propelled artillery design case and the requirements of variant design.The ontology-based case representation technique is studied，and a self-propelled artillery design case ontology is built.The similarity calculation formulas for different scenarios are determined for the self-propelled artillery case retrieval.On this basis，the solution of design parameters for variant design problem is achieved by using neural network-based parameter prediction technique.The feasibility and effectiveness of the proposed method are demonstrated by taking recuperator design for example.

ordnance science and technology；self-propelled artillery；variant design；case-based reasoning；ontology；neural network

TJ302

A

1000-1093（2015）11-2190-06

10.3969/j.issn.1000-1093.2015.11.026

2015-03-06

國防基礎科研項目（A2620130003）

羊柳（1989—），男，博士研究生。E-mail:ylnjust@126.com；錢林方（1961—），男，教授，博士生導師。E-mail:lfqian@vip.163.com