基于本體的注塑模改模知識表達與推理研究

王 毅 陳慶新 毛 寧

1.仲愷農(nóng)業(yè)工程學院，廣州，510225 2.廣東工業(yè)大學，廣州，510090

0 引言

注塑模具成形面復雜、結構多樣，且多為單件定制，即使正確應用通用的模具設計制造原則也難以確保一次試模成功。當一個制品產(chǎn)生缺陷后，多數(shù)企業(yè)都會傾向于以最經(jīng)濟且快速的方法消除缺陷，即首先調整注塑工藝，然后調整原材料或注塑機，在上述方法全部嘗試以后，才會考慮既費時又費力的更改制品結構或模具結構，然后制訂相應的模具修改方案。改模工程師制定改模方案時不僅需要傳統(tǒng)的模具制造工藝知識，還需要在實踐中積累的大量經(jīng)驗知識［1－3］。

改模工程師在描述改模知識時表達的隨意和不規(guī)范，造成改模知識不能在改模工程師之間共享和重用，更無法歸納其中蘊涵著的改模知識。很多學者結合不同類型模具的結構特點及各自知識應用系統(tǒng)的側重點，給出了不同的知識表達方式。文獻［4－6］分別對注塑模具設計知識、壓鑄模具知識、注塑模具改模知識進行了基于本體的知識分析與表達，但卻未能在此基礎上進行知識的推理和歸納。為此，本文在分析基于本體的改模知識歸納模型基礎上，結合實例提出了一種基于本體的分層表達改模知識模型，并在此基礎上給出了基于本體的知識推理方法。利用本體推理規(guī)則對從注塑模具制造企業(yè)中收集的改模方案進行知識表達和推理，驗證了提出的改模方案表達模型及其知識推理方法［7－8］。

1 基于本體的改模知識表達

本體是共享概念模型的明確的形式化規(guī)范說明，具有如下的一些優(yōu)點：①能規(guī)范化和清晰化相關領域的概念和術語，有利于知識的標準化；②具有豐富的概念間關系和概念間的各種約束，滿足改模知識復雜性和相關性的要求；③作為語義網(wǎng)的核心，為語義網(wǎng)系統(tǒng)提供知識組織和邏輯關系。本體的核心是在把握事物本質的基礎上，通過抽象事物類型及其關系約束的明確定義，實現(xiàn)復雜認知知識的規(guī)范描述。本體具有語義上的規(guī)范性，能在人與設備間清晰解釋，已經(jīng)廣泛應用于知識工程、信息技術、人工智能、醫(yī)藥工程和機械工程等領域［7－10］。

1.1 基于本體的改模知識表達模型

改模知識來源相當廣泛，有來自書本的知識，來自技術人員的經(jīng)驗知識。這些知識包括描述性知識、因果性知識、過程性知識、關聯(lián)性知識。描述性知識主要包括對一些概念的描述，如對模具結構的描述，它們的關系主要包括Is＿a（是…）和Part＿of（…的一部分）這樣一些層次性的關系；因果性知識主要包括一些概念之間的因果關系，如改模原因導致的改模問題，這類知識的概念之間的關系有Cause（導致）和Caused＿by（被引起）；過程性知識主要包括一些工藝性知識，如針對某一改模問題采取的改模方案，相關的概念間關系有Follow（采用）和Is＿followed＿by（被采用）；關聯(lián)性知識主要用于說明概念之間的聯(lián)系，如塑件上的某一位置有改模問題出現(xiàn)，那么該塑件位置和相對應的模具結構的關系是如何的等，相應的概念之間的關系有Cooperate with（有關聯(lián)）。利用本體技術可以把這些概念設計成為一個多層的改模知識表達模型［11－13］，見圖1。

1.2 概念的設計

通過前面的分析，可以把改模知識概念分為模具結構知識概念、塑件位置概念、改模問題概念、改模原因概念、改模操作方案概念。每個概念都由概念名稱、概念關系和概念屬性等特征來描述。本文用C表示改模知識中的概念，并采用C＝（N，R，P）的結構來表示，其中，N為改模概念的名稱或說明信息，R表示概念之間的關系，P表示概念的屬性［12－13］。各類概念的關系如圖2所示。

屬性主要包括 Concept＿ID、Synonym、Appearance Reason、Status、Action等。Concept＿ID代表概念的ID號。Synonym代表語義相同或相近的概念，包括一些等同和相關概念［14］，如改模問題中的批鋒與飛邊，模具知識領域中的三板模具和細水口模具等。Appearance Reason和Sta－tus屬性是針對改模問題和改模原因設置的。Action是為了表達一些過程性的知識而設計的，如改模操作中的一些操作概念（打磨、研配等）。

圖1 基于本體的多層改模知識表達圖

圖2 各類概念之間的關系

概念之間的關系主要包括Is＿a、Part＿of、Cause、Caused＿by、Follow、Is＿followed＿by、Coorperate＿with。Is＿a表示概念之間的層次關系，它將類與實例聯(lián)系起來；Part＿of表示模具結構的整體和部分之間的關系；Cause表示改模原因和改模問題之間的關系，即某種改模原因導致某種改模問題；Caused＿by表示改模原因和改模問題之間的關系，即某種改模問題由某種改模原因引起；Follow表示改模問題和改模方案之間的關系，即某種改模問題實施某種改模方案；Is＿followed＿by表示改模問題和改模方案之間的關系，即某種改模方案的實施是由某種改模問題導致的；Coorperate＿with表示塑件位置和模具結構的聯(lián)系，即某塑件位置出現(xiàn)了問題，與之相關的模具應該是在那個部位出現(xiàn)了問題，這是一種關聯(lián)關系［15－16］。

2 基于本體的改模知識推理

2.1 基于本體的單層改模知識推理設計

改模知識概念間關系推理規(guī)則：

其中，A、B、…代表改模知識概念名稱；∧表示與操作；?表示推理。描述性知識層的推理模型如圖3所示。

圖3 描述性改模知識推理模型

描述性知識層主要包含兩種類型的層次關系（Is＿a和Part＿of），如圖3所示，A 概念和B概念之間、B概念和C概念之間存在Is＿a的關系，利用上面的規(guī)則（1）可以推出概念A和概念C之間存在Is＿a的關系。同理，D概念和E概念之間、E概念和F概念之間存在關系Part＿of，利用規(guī)則（2）可以得出概念D和概念F之間暗含著關系Part＿of。D概念和E概念之間是Part＿of的關系，則意味著概念D是概念E的一部分，利用規(guī)則（4）可以得出E概念屬于D概念。

因果性知識層主要包含的是概念之間的因果性關系Cause和Caused＿by。如圖4所示，概念G和概念H之間、概念H和概念I之間存在Cause關系，利用規(guī)則（5）可以得出概念G和概念I之間存在Cause關系。利用規(guī)則（6）和規(guī)則（7）可以得出概念H和概念I之間存在關系Caused＿by。

圖4 因果性改模知識層推理模型

過程性改模知識層主要包含針對某一改模問題和改模原因所采取的改模方案，如圖5所示，概念J和概念K之間、概念K和概念L之間存在Follow關系，利用規(guī)則（8）可以推出概念J和L之間存在Follow關系。同理，利用規(guī)則（10）可以得出概念K和概念L之間存在Is＿Followed＿by關系，見圖5。

圖5 過程性改模知識層推理模型

關聯(lián)性改模知識層主要包含關聯(lián)性的知識概念之間的關系，如塑件某一位置發(fā)生了問題，則對應的模具位置應該是什么呢？對應的相關模具零部件又是哪些呢？與之相關的設計、制造問題又是哪些呢？所以關聯(lián)性改模知識層包含的關系是Coorperate＿with。如圖6所示，概念M和概念N之間、概念N和概念O之間是Coorperate＿with關系，利用規(guī)則（11）可以得出，概念 M和概念O之間存在Coorperate＿with關系。反之，利用規(guī)則（12）可以推出概念O和概念N之間存在Coorperate＿with關系，見圖6。

圖6 關聯(lián)性改模知識層推理模型

通過前面基于本體的單層改模知識的推理描述，可以把各單層改模知識概念間的關系推理總結成為推理算法，同時把其推理過程描述如下，如圖7所示：

（1）輸入單層改模知識本體，開始單層改模知識規(guī)則推理。

（2）檢查輸入的改模知識本體是否屬于描述性知識層，檢查概念之間的關系是否是Is＿a或Part＿of或 Has＿part（具有零部件），如果是，則轉入步驟（3）進行關系值的判斷，否則轉入步驟（4）。

（3）如果關系是Is＿a，執(zhí)行Is＿a關系的推理（規(guī)則1）；如果關系是Part＿of，執(zhí)行Part＿of關系的推理（規(guī)則2）；如果關系是 Has＿part，執(zhí)行Has＿part關系的推理（規(guī)則3）。

（4）檢查輸入的改模知識本體是否屬于因果性知識層，檢查概念之間的關系是否是Cause或Caused＿by，如果是，轉入步驟（5）進行關系名稱的判斷，否則轉入步驟（6）。

（5）如果關系是Cause，執(zhí)行Cause關系的推理（規(guī)則5）；如果關系是Caused＿by，執(zhí)行Caused＿by關系的推理（規(guī)則6和規(guī)則7）。

（6）檢查輸入的改模知識本體是否屬于過程性知識層，檢查概念之間關系是否是Follow或Is＿Follow＿by，如果是，轉入步驟（7）進行關系名稱的判斷，否則轉入步驟（8）。

（7）如果關系是Follow，執(zhí)行Follow關系的推理（規(guī)則8）；如果關系是Is＿Follow＿by，執(zhí)行Is＿Follow＿by關系的推理（規(guī)則9、規(guī)則10）。

（8）檢查輸入的改模知識本體是否屬于關聯(lián)性知識層，檢查概念之間的關系是否是Cooperate＿with，如果是，轉入步驟（9）進行關系名稱的判斷，否則，結束算法。

（9）如果關系是 Transitive（傳遞性），執(zhí)行Transitive關系的推理；如果關系是Symmetric（對稱性），執(zhí)行Symmetric的推理。

圖7 單層改模知識本體的推理算法

2.2 基于本體的層與層之間的改模知識推理設計

2.2.1規(guī)則描述

此處的規(guī)則主要是各層與層之間的推理規(guī)則，包括描述性知識層與因果性知識層之間的推理，如規(guī)則13；描述性知識層與過程性知識層之間的推理，如規(guī)則14；描述性知識層與關聯(lián)性知識層之間的推理，如規(guī)則15。

上述規(guī)則中，X、Y、Z等代表改模知識概念，符號“?”代表子集，符號“?”是一個存在量詞。

2.2.2描述性改模知識層和因果性改模知識層之間的規(guī)則推理模型

如圖8所示，概念X和概念Y之間存在因果關系Cause，概念Y和概念Z之間存在Part＿of的關系，利用規(guī)則（13）可以得出概念X和概念Z之間也存在因果關系Cause。

2.2.3描述性改模知識層和過程性知識層之間的規(guī)則推理模型

如圖9所示，概念U和概念V之間存在過程性關系Follow，概念V和概念W之間存在Part＿of的關系，利用規(guī)則（14）可以得出概念U和概念W之間存在著關系Follow。

圖8 描述性知識層與因果性知識層之間的推理模型

圖9 描述性知識層與過程性知識層之間的推理模型

2.2.4描述性知識層和關聯(lián)性知識層之間的規(guī)則推理模型

如圖10所示，概念R和概念S之間存在關聯(lián)性關系Cooperate＿with，概念S和概念T之間存在Part＿of的關系，利用規(guī)則（15）可以得出概念R和概念T之間存在關系Cooperate＿with。

圖10 描述性知識層與關聯(lián)性知識層之間的推理模型

通過前面基于本體的層與層之間的改模知識推理描述，可以把各層之間的改模知識概念間關系推理總結成為知識層與層之間的推理算法，流程如圖11所示：

（1）輸入跨層改模知識本體，如果改模知識本體包含了描述性知識層和因果性知識層，并且關系名稱是Part＿of和Cause，轉入步驟（2），否則轉入步驟（3）。

（2）執(zhí)行描述性知識層和因果性知識層的跨層規(guī)則推理。

（3）檢查輸入的改模知識本體是否包含了描述性知識層和過程性知識層，并且關系名稱是Part＿of和Follow，如果是，轉入步驟（4），否則轉入步驟（5）。

（4）執(zhí)行描述性知識層和過程性知識層的跨層規(guī)則推理。

（5）檢查輸入的改模知識本體是否包含了描述性知識層和關聯(lián)性知識層，并且關系是Part＿of和Cooperate＿with，，如果是，轉入步驟（6），否則，結束算法。

（6）執(zhí)行描述性知識層和關聯(lián)性知識層的跨層規(guī)則推理。

圖11 跨層改模知識本體推理流程圖

3 實例分析

3.1 多層改模知識本體的建立

描述性知識層主要描述的是模具領域知識，用各種關系描述出領域知識的層次關系，具體見圖12。

3.2 改模知識的推理

下面我們將以一個改模問題“批鋒”為例來說明改模知識概念之間關系的推理。“批鋒”是在試模過程中一種常見的改模問題，經(jīng)常會出現(xiàn)在分型面、頂出口附近及零件表面（型腔鑲塊處）。產(chǎn)生的原因經(jīng)常是制造誤差、設計選材的問題，或者塑料流動性過大，解決的辦法一般是通過打磨降低粗糙度、通過燒焊或更換零件縮小間隙等方法解決，具體見表1。

圖12 部分多層次改模知識本體模型

表1 改模問題“披鋒”的部分產(chǎn)生原因與解決辦法

3.2.1單層規(guī)則推理

下面以因果性知識層為例進行單層改模知識的推理。在因果性知識層中，概念鑲件材料問題和鑲件之間存在Cause關系，概念鑲件和有批鋒之間也存在Cause關系，利用推理規(guī)則可以得出鑲件材料問題和有批鋒之間也存在Cause關系。同理可得，批鋒和鑲件之間、鑲件和鑲件材料之間存在Caused＿by的關系，利用推理規(guī)則可得批鋒和鑲件材料之間存在Caused＿by的關系。具體推理見圖13。

圖13 因果性知識層的改模推理

3.2.2多層規(guī)則推理

下面以因果性知識層和描述性知識層之間的推理過程作為例子來說明推理過程，從圖14可以看出，概念鑲件材料問題和批鋒之間有Cause的關系，概念批鋒和概念外觀問題存在Part＿of的關系，利用前面的推理規(guī)則，可以得出概念鑲件材料問題和概念外觀問題之間存在關系Cause，即鑲件材料問題可以引發(fā)塑件的外觀問題，這和實際情況也是吻合的（如表1所示）。

圖14 改模問題與注塑領域知識層之間的推理

4 結語

針對注塑模具改模知識領域的實際需求，借鑒現(xiàn)有的本體構建方法，設計了一個基于本體的多層改模知識表達模型，實現(xiàn)了改模知識的統(tǒng)一形式化表達，構建了基于本體的單層改模知識推理和多層改模知識推理，并通過了一個基于“批鋒”問題的改模知識驗證了其正確性與可行性。本體構建過程中，注塑模具領域知識本體是整個知識表達、推理和語義檢索的基礎，如何建立全面而適當?shù)淖⑺苣＞哳I域知識本體是未來研究的一個重點。

［1］郁濱，鐘漢如.智能消除注塑制品缺陷的研究［J］.中國機械工程，2001，12（6）：624－628.Yu Bin，Zhong Hanru.Research on Intelligent Method of Defect Correction for Injection Part［J］.China Mechanical Engineering，2001，12（6）：624－628.

［2］金新明，朱學峰.一種用于注塑過程參數(shù)設定的智能方法［J］.中國機械工程，2001，12（10）：1162－1164.Jin Xinming，Zhu Xuefeng.An Intelligent Method for Setting of Injection Process Parameters［J］.China Mechanical Engineering，2001，12（10）：1162－1164.

［3］陳晨，毛寧，陳慶新.基于變精度粗糙集的改模知識分層遞階歸納［J］.計算機集成制造系統(tǒng)，2009，15（11）：2259－2265.Chen Chen，Mao Ning，Chen Qingxin.Knowledge Hierarchical Induction for Injection Mould Repairs Based on Variable Precision Rough Sets［J］.Computer Integrated Manufacturing Systems，2009，15（11）：2259－2265.

［4］沈衛(wèi)華，毛寧，陳慶新，等.基于客戶溝通與設計評審的模具設計知識管理系統(tǒng)［J］.模具工業(yè)，2006，32（1）：10－13.Shen Weihua，Mao Ning，Chen Qingxin，et al.Management System for the Mould Design Knowledge Based on Communication with Customer and Design Review［J］.Die ＆ Mould Industry，2006，32（1）：10－13.

［5］杜松晏，毛寧，陳慶新.基于OWL語言的注塑模改模知識表示方法［J］.中國制造業(yè)信息化，2010，39（9）：11－16.Du Songyan，Mao Ning，Chen Qingxin.The Representation of Knowledge for Injection Mould Modification Based on OWL［J］.Manufacture Information Engineering of China，2010，39（9）：11－16.

［6］熊平原，王毅，毛寧，等.基于壓鑄模本體的領域概念自動抽取方法研究［J］.機械設計與制造，2011（7）：224－225.Xiong Pingyuan，Wang Yi，Mao Ning，et al.Study on Automatic Domain Concept Extraction Based on Casting Mould Ontology［J］.Machinery Design ＆Manufacture，2011（7）：224－225.

［7］陳磊，潘翔，葉修梓，等.基于本體的產(chǎn)品知識表達和檢索技術研究［J］.浙江大學學報（工學版），2008，42（12）：2037－2042.Chen Lei，Pan Xiang，Ye Xiuzi，et al.Ontologybased Product Knowledge Representation and Retrieval［J］.Journal of Zhejiang University（Engineering Science），2008，42（12）：2037－2042.

［8］黃衛(wèi)東，王有遠，謝強，等.基于本體的設計知識檢索研究［J］.中國機械工程，2007，18（21）：2566－2569.Huang Weidong，Wang Youyuan，Xie Qiang，et al.Research on Management of Design Knowledge Based on Ontology in the Integrated Product Development［J］.China Mechanical Engineering，2007，18（21）：2566－2569.

［9］余旭，劉繼紅，何苗.基于領域本體的復雜產(chǎn)品設計知識檢索技術［J］.計算機集成制造系統(tǒng)，2011，17（2）：225－231.YuXu，Liu Jihong，He Miao.Design Knowledge Retrieval Technology Based on Domain Ontology for Complex Products［J］.Computer Integrated Manufacturing Systems，2011，17（2）：225－231.

［10］周揚，李青.飛機故障知識的本體建模及語義檢索［J］.計算機工程與應用，2011，47（8）：12－15.Zhou Yang，Li Qing.Ontology Modeling and Semantic Retrieval for Aircraft Fault Knowledge［J］.Computer Engineering and Application，2011，47（8）：12－15.

［11］Chen Yuh－Jen.Development of a Method for Ontology－based Empirical Knowledge Representation and Reasoning［J］.Decision Support Systems，2010，50：1－20.

［12］Guo T，Schwartz D G，Burstein F，et al.Codifying Collaborative Knowledge Using Wikipedia as a Basis for Automated Ontology Learning［J］.Knowledge Management Research ＆ Practice，2009（7）：206－217.

［13］Foguem B K，Coudert T，Béler C，et al.Knowledge Formalization in Experience Feedback Processes：An Ontology－based Approach［J］.Computers in Industry，2008，59（7）：694－710.

［14］Bradley J H，Paul R，Seeman E.Analyzing the Structure of Expert Knowledge［J］.Information＆ Management，2006，43（1）：77－91.

［15］Schulz S，Hahn U.Part－whole Representation and Reasoning in Formal Biomedical Ontologies［J］.Artificial Intelligence in Medicine，2005，34（3）：179－200.

［16］Xu W L，Kuhnert L，F(xiàn)oster K，et al.Object－oriented Knowledge Representation and Discovery of Human Ehewing Behaviors［J］.Engineering Applications of Artificial Intelligence，2007，20 （7）：1000－1012.