基于Apriori算法的復雜機電產(chǎn)品功能與結(jié)構(gòu)關(guān)聯(lián)知識獲取方法*

李少波，張喜根，楊觀賜

(貴州大學 a.現(xiàn)代制造技術(shù)教育部重點實驗室；b.機械工程學院，貴陽 550025)

基于Apriori算法的復雜機電產(chǎn)品功能與結(jié)構(gòu)關(guān)聯(lián)知識獲取方法*

李少波a,b，張喜根a，楊觀賜a

(貴州大學a.現(xiàn)代制造技術(shù)教育部重點實驗室；b.機械工程學院，貴陽 550025)

功能特征是控制整個設(shè)計過程的基本特征，建立產(chǎn)品功能與產(chǎn)品結(jié)構(gòu)間的知識關(guān)聯(lián)，是實現(xiàn)產(chǎn)品設(shè)計知識獲取的有效途徑。該研究通過構(gòu)建產(chǎn)品設(shè)計過程中功能-結(jié)構(gòu)映射模型，提取復雜機電產(chǎn)品設(shè)計過程中的功能與結(jié)構(gòu)知識，建立功能-結(jié)構(gòu)訓練集，采用Apriori算法提取能-結(jié)構(gòu)之間的關(guān)聯(lián)規(guī)則，獲得功能-結(jié)構(gòu)之間的關(guān)聯(lián)知識，以輔助產(chǎn)品的快速創(chuàng)新設(shè)計。論文以包裝機為例，驗證了該方法的有效性。

產(chǎn)品功能；產(chǎn)品結(jié)構(gòu)；Apriori算法；關(guān)聯(lián)規(guī)則；知識獲取

0 前言

當今世界正處在一個知識經(jīng)濟興起并迅速發(fā)展的時代，創(chuàng)新是經(jīng)濟發(fā)展的重要推進劑。復雜機電產(chǎn)品創(chuàng)新是一個以知識為基礎(chǔ)的創(chuàng)造過程，因此，知識獲取作為整個創(chuàng)新過程的前提和基礎(chǔ)，是影響復雜機電產(chǎn)品創(chuàng)新的關(guān)鍵因素和瓶頸。

產(chǎn)品的概念設(shè)計階段是產(chǎn)品創(chuàng)新設(shè)計的核心，其主要包含功能結(jié)構(gòu)設(shè)計和原理方案設(shè)計這兩個任務(wù)[1]。目前，在對功能結(jié)構(gòu)設(shè)計進行研究的過程中，如劉曉敏[2]將1種基于作用流的建模方法應用到產(chǎn)品創(chuàng)新概念設(shè)計的功能結(jié)構(gòu)特征中進行建模；曹國忠[3]將功能創(chuàng)新關(guān)鍵使能技術(shù)與功能設(shè)計過程融合建立功能創(chuàng)新過程模型；QYin[4]等人提出了一種基于功能結(jié)構(gòu)的大規(guī)模定制產(chǎn)品的功能結(jié)構(gòu)的配置方法；BYang[5]等人將功能單元和結(jié)構(gòu)單元作為基本操作單元，提出一種基于單元模型的產(chǎn)品結(jié)構(gòu)概念設(shè)計方法等，大多只是局限于對其過程進行描述，而對功能與結(jié)構(gòu)關(guān)聯(lián)知識獲取方面的研究幾乎沒有。復雜機電產(chǎn)品創(chuàng)新對知識的依賴度非常大，對功能與結(jié)構(gòu)關(guān)聯(lián)知識的獲取是當前研究的重點，基于此，本文把獲取知識良好手段的數(shù)據(jù)挖掘技術(shù)運用到復雜機電產(chǎn)品功能與結(jié)構(gòu)關(guān)聯(lián)知識的獲取當中，使用關(guān)聯(lián)規(guī)則Apriori算法對復雜機電產(chǎn)品中的功能和結(jié)構(gòu)知識建立起關(guān)聯(lián)關(guān)系，進行知識挖掘獲取研究，輔助產(chǎn)品的快速創(chuàng)新設(shè)計。

1 產(chǎn)品設(shè)計知識

功能設(shè)計是產(chǎn)品設(shè)計的重要階段[6]。在這一階段，產(chǎn)品功能、結(jié)構(gòu)之間存在著密切聯(lián)系：①功能反應的是顧客對產(chǎn)品需求的一種表述，對功能分析求解的過程當中，把功能劃分為總功能，然后把其分為相應的各個子功能，直至分解為能夠達到相應結(jié)構(gòu)的子功能為止。②產(chǎn)品結(jié)構(gòu)的完整表達寓意著整個產(chǎn)品設(shè)計過程的完成，能夠很好的表達設(shè)計者的思考方式和意圖，所以產(chǎn)品的設(shè)計過程全程是圍繞著功能、結(jié)構(gòu)特征進行實現(xiàn)的。

1.1 產(chǎn)品設(shè)計過程的功能-結(jié)構(gòu)映射模型

產(chǎn)品的設(shè)計過程本質(zhì)上是由功能驅(qū)動的設(shè)計過程，即是面向功能的設(shè)計[7]。功能求解分析是否得到解是設(shè)計的最本質(zhì)的評價指標，而結(jié)構(gòu)是功能解的最終表現(xiàn)形式，因此整個產(chǎn)品的設(shè)計過程就是功能到結(jié)構(gòu)的求解過程。

既然產(chǎn)品的設(shè)計過程就是功能到結(jié)構(gòu)的求解過程，那我們就有必要建立起功能-結(jié)構(gòu)映射模型。功能-結(jié)構(gòu)映射模型可以看作為將設(shè)計過程抽象為在滿足約束條件的前提下，由功能到結(jié)構(gòu)的映射過程[8]。即認為將映射模型看成是兩個域的關(guān)聯(lián)：功能域與結(jié)構(gòu)域。通過深入研究兩種域之間的對應關(guān)系，找到之間的映射集。圖1所示為功能-結(jié)構(gòu)映射模型。功能-結(jié)構(gòu)映射模型設(shè)計的主要過程是功能域和結(jié)構(gòu)域之間的反復對應過程，即首先是建立起功能模型，然后選擇功能的分解策略，最后就是功能域到結(jié)構(gòu)域的匹配及組合優(yōu)化。

圖1 功能-結(jié)構(gòu)映射模型

1.2 功能-結(jié)構(gòu)映射模型的復雜機電產(chǎn)品設(shè)計知識表達

復雜機電產(chǎn)品是集機、電、液于一體的大型系統(tǒng)，涉及到多學科的交叉融合，大體上由驅(qū)動系統(tǒng)、傳動系統(tǒng)、檢測系統(tǒng)、控制系統(tǒng)、輔助系統(tǒng)組成，各部分的功能定義如下所示：

(1)驅(qū)動系統(tǒng)：是為機械系統(tǒng)的運動提供動力，實現(xiàn)能量間相互轉(zhuǎn)換的部分。

(2)傳動系統(tǒng)：是將動力機的動力和運動傳遞給執(zhí)行系統(tǒng)的中間裝置。

(3)檢測系統(tǒng)：是用來保證機電一體化產(chǎn)品的位移、旋轉(zhuǎn)、速度的精度的裝置。

(4)控制系統(tǒng)：保證各系統(tǒng)間彼此協(xié)調(diào)運行，并準確可靠地完成整機功能的裝置。

(5)輔助系統(tǒng)：是除上述三部分之外的其他裝置。

根據(jù)構(gòu)建的功能-結(jié)構(gòu)映射模型，按照復雜機電產(chǎn)品的組成特點，本文將復雜機電產(chǎn)品的總功能分解為驅(qū)動功能、傳動功能、檢測功能、控制功能、輔助功能，然后其中每個功能又分解為能夠得到結(jié)構(gòu)表示的子功能為止，從而完成各個系統(tǒng)的設(shè)計，如圖2所示。

圖2 復雜機電產(chǎn)品設(shè)計知識的功能-結(jié)構(gòu)映射模型

2 基于Apriori算法的復雜機電產(chǎn)品設(shè)計知識獲取方法

關(guān)聯(lián)規(guī)則屬于數(shù)據(jù)挖掘技術(shù)的重要研究課題，其先是通過最小支持度從所建立的數(shù)據(jù)集中發(fā)現(xiàn)所有的頻繁項目集，再根據(jù)最小置信度在頻繁項目集中找出關(guān)聯(lián)規(guī)則。目前，挖掘關(guān)聯(lián)規(guī)則的算法有Apriori和Fp-growth兩種算法，其中Fp-growth算法采取模式增長的遞歸策略，需要頻繁地構(gòu)造大量的conditionalFP-tree，不僅費時而且要占用大量的空間，挖掘效率不好[9]，而Apriori算法挖掘過程中不構(gòu)造conditionalFP-tree，因此，本文采用Apriori算法進行復雜機電產(chǎn)品功能-結(jié)構(gòu)關(guān)聯(lián)知識進行挖掘。

2.1 Apriori算法

將一個頻繁n項集用Ln來表示，其由若干個n元集合組成：

該算法的基本思想是反復對數(shù)據(jù)集進行掃描，根據(jù)一個頻繁集的任意子集都是頻繁集的原理，可以從長度為k-1的頻繁集迭代地產(chǎn)生長度為k的候選集，再掃描數(shù)據(jù)集以驗證其是否為頻繁集。

算法的流程如下：

①根據(jù)最小支持度閥值Vsupt從n個數(shù)據(jù)集中找出頻繁1項集L1。

②根據(jù)生成的頻繁n項集，產(chǎn)生候選(n+1)項集tempLn+1。對任意的Setn+1tempLn+1，其所有的n項子集Setn，都必須滿足：SetnLn。

③計算各項tempLn+1中的支持度，與設(shè)置的最小支持度閥值Vsupt進行比較，得到頻繁(n+1)項集。

④返回步驟②，循環(huán)，直到得到的Ln或tempLn為空集時，終止算法。

Support(A)，定義為一個項集在整個數(shù)據(jù)集中所出現(xiàn)頻度記錄所占的比例；Confidence(AB)，表示關(guān)聯(lián)規(guī)則AB的可信度。在從所建立的數(shù)據(jù)集中挖掘出所有的頻繁項集后，就可以得到其相應的關(guān)聯(lián)規(guī)則。Apriori算法生成關(guān)聯(lián)規(guī)則，就是要滿足設(shè)置的最小支持度(Support_Mini)閥值和最小置信度(Confidence_Mini)閥值的強關(guān)聯(lián)規(guī)則，可以用以下定義的公式來計算：

最小支持度：Support(AB)=P(A∪B)

最小置信度：Confidence(AB)=P(B/A)=Support(A∪B)Support(A)

2.2 基于Apriori算法的功能-結(jié)構(gòu)關(guān)聯(lián)知識的獲取

圖3 基于Apriori算法獲取功能-結(jié)構(gòu)關(guān)聯(lián)規(guī)則知識的流程圖

根據(jù)Apriori算法的原理，首先對產(chǎn)品的各項功能和結(jié)構(gòu)進行預處理，構(gòu)成功能-結(jié)構(gòu)數(shù)據(jù)集合，然后運用設(shè)定好的最小支持度閥值，找出功能-結(jié)構(gòu)的頻繁項集，接著根據(jù)設(shè)定好的最小置信度閥值，從找到的頻繁項集里面生成功能-結(jié)構(gòu)的關(guān)聯(lián)規(guī)則，最后將生成的關(guān)聯(lián)規(guī)則用于產(chǎn)品設(shè)計，如圖3所示。

具體步驟如下：

(1)輸入產(chǎn)品功能-結(jié)構(gòu)的數(shù)據(jù)集合：將產(chǎn)品集分為訓練集和被測集，從訓練集中提取出構(gòu)建的功能-結(jié)構(gòu)映射模型，建立功能-結(jié)構(gòu)數(shù)據(jù)集合。

(2)獲取頻繁項集：利用Apriori算法原理，從1項集開始計算置信度，將其與設(shè)置的最小支持度進行比較：若大于設(shè)置的最小支持度，便得到頻繁1項集集合，記為L1，同理得到頻繁2項集的集合，記為L2，如此循環(huán)下去直到找不到頻繁k項集為止。在此過程中，Apriori算法為了最大可能減少項集的組合和掃描次數(shù)，應用了基本原理：頻繁項集的所有非空子集也都是頻繁的。

(3)生成關(guān)聯(lián)規(guī)則：逐個計算第(2)步找出的各頻繁項集中關(guān)聯(lián)規(guī)則的置信度，將其與設(shè)置的最小置信度進行比較：若大于設(shè)置的最小置信度，便可判斷k項集中含有強關(guān)聯(lián)規(guī)則，則認為這k個功能-結(jié)構(gòu)規(guī)則是較優(yōu)的規(guī)則，停止計算與檢驗，輸出功能-結(jié)構(gòu)規(guī)則項；否則轉(zhuǎn)入對k-1項集進行計算、檢驗。

(4)輸出“功能-結(jié)構(gòu)”規(guī)則表：經(jīng)過(1)～(3)，從訓練集中獲得匹配的產(chǎn)品功能-結(jié)構(gòu)規(guī)則項。最終，模型輸出的結(jié)果為產(chǎn)品功能-結(jié)構(gòu)規(guī)則表。

3 應用實例

本文采用了7個典型的機電產(chǎn)品作為訓練集，根據(jù)建立的功能-結(jié)構(gòu)映射模型對這7個典型的機電產(chǎn)品進行分析，找出功能-結(jié)構(gòu)的對應關(guān)系，應用Weka數(shù)據(jù)挖掘軟件對Apriori算法進行實現(xiàn)，從而找出功能-結(jié)構(gòu)的關(guān)聯(lián)規(guī)則，最后一步就是通過一個典型的機電產(chǎn)品包裝機為測試集，來運用找出的關(guān)聯(lián)規(guī)則進行創(chuàng)新設(shè)計，從而驗證方法的正確性。

Step1:建立7個典型的機電產(chǎn)品的功能-結(jié)構(gòu)數(shù)據(jù)集合

根據(jù)建立的復雜機電產(chǎn)品設(shè)計知識功能-結(jié)構(gòu)映射模型，對7個典型的機電產(chǎn)品進行功能-結(jié)構(gòu)的拆分，直至拆分后的子功能能夠找到相應的結(jié)構(gòu)為止。由于子功能和結(jié)構(gòu)的描述通常是自然語言，運用Apriori算法進行求解時通常采用的是符號表，所以對子功能和結(jié)構(gòu)建立了相應的符號表，如表1所示。子功能表示如A1表示提供較大的啟動轉(zhuǎn)矩，A2表示提供較小的轉(zhuǎn)動慣量驅(qū)動，A3表示提供較大轉(zhuǎn)速驅(qū)動，A4表示實現(xiàn)轉(zhuǎn)速可調(diào)驅(qū)動，A5表示保證精度高驅(qū)動，A6表示實現(xiàn)較高的可靠性驅(qū)動，A7表示提供較大的傳動比，A8表示實現(xiàn)精確的傳動比，A9表示提供較高效率的傳動，A10實現(xiàn)較高的定位精度，A11實現(xiàn)傳動可靠性好，A12改變傳動方向，A13保證精確的位置，A14保證穩(wěn)定的速度，A15對力進行測量，A16對溫度進行測量，A17對紅外進行檢測，A18計算精度高，處理速度快，A19用于實現(xiàn)工業(yè)控制的要求，A20對各個元件進行連接，A21用于分水，A22潤滑氣動元件，A23調(diào)節(jié)壓力大?。唤Y(jié)構(gòu)表示如B直流伺服電機，C交流伺服電機，D變頻主軸電機，E交流調(diào)速電機，F(xiàn)步進電機，G異步電動機，H諧波傳動，I齒輪傳動，J同步帶傳動，K滾珠絲桿螺母副，L滾動導軌，M渦輪傳動，N位置傳感器，O速度傳感器，P力傳感器，Q溫度傳感器，R紅外傳感器，S專用的微機控制系統(tǒng)結(jié)構(gòu)，T可編程控制器，U油管和管接頭，V過濾器，W油霧器，X調(diào)壓器,整理后的數(shù)據(jù)集合如表2所示。

表1 機電產(chǎn)品功能-結(jié)構(gòu)的符號表

表2 機電產(chǎn)品功能-結(jié)構(gòu)的數(shù)據(jù)集合

Step2:應用Weka數(shù)據(jù)挖掘軟件對建立的數(shù)據(jù)集合進行Apriori算法實現(xiàn)

將已經(jīng)建立機電產(chǎn)品的功能-結(jié)構(gòu)的數(shù)據(jù)集合輸入到Excel表格中，然后另存為后綴為.csv的文件。打開Weka軟件，將所建立的文件導入到Weka軟件中，設(shè)置Apriori算法的最小支持度為0.04，置信度為0.9，如圖5所示。然后點擊Start運行，得到運行結(jié)果如圖6所示。

圖5 Apriori算法參數(shù)設(shè)置

圖6 Weka數(shù)據(jù)挖掘軟件運行結(jié)果

Step3:生成機電產(chǎn)品功能-結(jié)構(gòu)的關(guān)聯(lián)規(guī)則表

根據(jù)Weka數(shù)據(jù)挖掘軟件得到的運行結(jié)果，我們可以得出14條輔助機電產(chǎn)品創(chuàng)新設(shè)計的關(guān)聯(lián)規(guī)則知識表，如表3所示。

表3 關(guān)聯(lián)規(guī)則知識表

規(guī)則1表示如果需要提供較大的啟動轉(zhuǎn)矩，則選擇直流伺服電機，支持度為4%，置信度為100%，說明要實現(xiàn)提供較大地啟動轉(zhuǎn)矩這個功能，可以選擇直流伺服電機這個機構(gòu)來實現(xiàn)，它們之間存在一定的關(guān)聯(lián)，可以作為機電產(chǎn)品設(shè)計過程的知識進行快速創(chuàng)新設(shè)計。同理其它規(guī)則知識可以得到其它功能可以用相應的結(jié)構(gòu)來進行實現(xiàn)，設(shè)計者可以根據(jù)這些知識對機電產(chǎn)品進行創(chuàng)新設(shè)計，從而快速更好的完成設(shè)計過程。

Step4:以包裝機的設(shè)計為例驗證方法的正確性

包裝機屬于典型的機電產(chǎn)品，對包裝機進行設(shè)計時，首先根據(jù)構(gòu)建的功能-結(jié)構(gòu)映射模型對包裝機總功能進行分解，直至分解為可以和得到的關(guān)聯(lián)規(guī)則知識表對應的子功能為止，然后利用得到的功能與結(jié)構(gòu)的關(guān)聯(lián)知識得到相應的結(jié)構(gòu)解，最后得到滿足包裝機所有子功能的結(jié)構(gòu)，完成包裝機的設(shè)計，如圖7所示。

圖7 包裝機的功能-結(jié)構(gòu)映射模型

圖7中，包裝機通過功能-結(jié)構(gòu)映射模型進行功能分解直至得到結(jié)構(gòu)解，其中應用到的功能與結(jié)構(gòu)的關(guān)聯(lián)知識有規(guī)則2，規(guī)則3，規(guī)則5，規(guī)則6，規(guī)則7，規(guī)則8，規(guī)則11，規(guī)則12，規(guī)則13和規(guī)則14，很好的滿足了包裝機各功能的需求，完成了設(shè)計要求，驗證了方法的正確性。

4 結(jié)論

本文通過Apriori算法獲取的復雜機電產(chǎn)品設(shè)計知識，能夠有效的為設(shè)計人員進行創(chuàng)新設(shè)計，達到滿足功能需要的產(chǎn)品，論文提出了復雜機電產(chǎn)品的功能-結(jié)構(gòu)映射模型，構(gòu)建出Apriori算法挖掘復雜機電產(chǎn)品功能-結(jié)構(gòu)的流程圖，通過7個典型的機電產(chǎn)品的功能-結(jié)構(gòu)作為測試集，在Weka數(shù)據(jù)挖掘軟件上實現(xiàn)Apriori算法，得到機電產(chǎn)品的設(shè)計知識。論文以包裝機為案例，驗證了模型的正確性。在研究中，發(fā)現(xiàn)所選的測試集不同，可能會對規(guī)則的生成產(chǎn)生影響。云設(shè)計環(huán)境中知識的獲取方法、相關(guān)設(shè)計關(guān)聯(lián)規(guī)則等還有待作進一步的研究。

[1] 陳泳, 馮培恩, 潘雙夏,等. 基于共生進化原理的功能結(jié)構(gòu)設(shè)計[J]. 機械工程學報, 2005, 41(6):19-24.

[2] 劉曉敏, 簡兆輝, 王自偉,等. 產(chǎn)品創(chuàng)新功能結(jié)構(gòu)特征建模方法[J]. 中國工程機械學報, 2011, 9(1):7-13.

[3] 曹國忠, 郭海霞, 檀潤華,等. 面向功能創(chuàng)新的功能進化、組合與失效研究[J]. 機械工程學報, 2012, 48(11):29-38.

[4]YinQ,SunYJ,ZhouWZ,etal.ResearchonConfigurationDesignMethodofMassCustomizationProductBased-onFunction-StructureModel[J].AppliedMechanics&Materials, 2011, 88-89:204-208.

[5]BoY,GaoCQ,WangXZ,etal.Cellbasedproductstructureconceptualdesign[J].JisuanjiJichengZhizaoXitong/computerIntegratedManufacturingSystemsCims, 2014, 20(3):471-485.

[6] 曹國忠, 檀潤華, 孫建廣. 基于擴展效應模型的功能設(shè)計過程及實現(xiàn)[J]. 機械工程學報, 2009, 45(7):157-167.

[7] 楊波, 高常青, 尹曉玲,等. 面向概念設(shè)計的擴展功能建模方法[J]. 機械工程學報, 2013, 49(15):153-162.

[8] 張曉麗. 面向復雜機電產(chǎn)品系統(tǒng)層設(shè)計功能到結(jié)構(gòu)的映射[D]. 杭州:浙江大學, 2012.

[9] 何中勝, 莊燕濱. 基于Apriori&Fp-growth的頻繁項集發(fā)現(xiàn)算法[J]. 計算機技術(shù)與發(fā)展, 2008, 18(7):45-47.

[10] 劉燕楚. 基于APRIORI算法的個人貴賓客戶交叉銷售實證分析[J]. 農(nóng)銀學刊, 2015(4):65-68.

(編輯 李秀敏)

Association Knowledge Acquisition of Complex Electromechanical Product Function and Structure Based on Apriori Algorithm

LIShao-boa,b,ZHANGXi-gena,YangGuan-cia

(a.KeyLaboratoryofAdvancedManufacturingtechnology,MinistryofEducation;b.SchoolofMechanicalEngineering,GuizhouUniversity,Guiyang550025,China)

Functionalcharacteristicsarethebasiccharacteristicsofcontrolovertheentiredesignprocess,establishproductfunctionandtheknowledgeofaconnectionbetweenproductstructure,whichisaneffectivewaytorealizeproductdesignknowledgeacquisition.Byextractingthefunctionandstructureintheprocessofproductdesign,function-thestructureofthetrainingsetisestablished,usestheApriorialgorithmtoextracttheassociationrulesbetweenthem,therelationshipbetweentheknowledgefunction-structurewasobtained,toassistthecontinuousinnovationofproductdesign.Andpackingmachineasanexampleisgiventodemonstratetheeffectivenessofthemethod.

productfeatures;productstructure;apriorialgorithm;associationrules;knowledgeacquisition

1001-2265(2016)12-0027-04DOI:10.13462/j.cnki.mmtamt.2016.12.008

2016-02-27；

2016-04-01

國家自然科學基金項目(51475097)；貴州省科技項目(黔科合JZ字[2014]2001)；黔科合重大專項(字[2012]6008)

李少波(1973—),男,湖南岳陽人,貴州大學教授,博士生導師，研究方向為創(chuàng)新設(shè)計、智能制造，(E-mail)lishaobo@gzu.edu.cn；通訊作者：張喜根(1991—),男,江西高安人, 貴州大學碩士研究生,研究方向為復雜機電產(chǎn)品的計算機輔助創(chuàng)新設(shè)計，(E-mail)1432504403@qq.com。

TH161;TG

A