汽車發(fā)動(dòng)機(jī)零部件DVP輔助生成方法研究

張 云，盛步云，肖忠祥

（武漢理工大學(xué)機(jī)電工程學(xué)院湖北省數(shù)字制造重點(diǎn)實(shí)驗(yàn)室，湖北 武漢 430070）

1 引言

在汽車發(fā)動(dòng)機(jī)產(chǎn)品設(shè)計(jì)研發(fā)過程中，發(fā)動(dòng)機(jī)的零部件設(shè)計(jì)驗(yàn)證是保證發(fā)動(dòng)機(jī)達(dá)到設(shè)計(jì)要求的必要環(huán)節(jié)。零部件設(shè)計(jì)驗(yàn)證計(jì)劃（Design Verification Plan，DVP）的制定是一項(xiàng)知識(shí)密集型工作，產(chǎn)品DV工程師既要參考零部件的工程技術(shù)規(guī)范、法規(guī)要求、企業(yè)標(biāo)準(zhǔn)等標(biāo)準(zhǔn)規(guī)范類知識(shí)，又要熟悉客戶需求并結(jié)合設(shè)計(jì)失效分析等文檔，然后才能制定出各零部件合理的設(shè)計(jì)驗(yàn)證計(jì)劃。

發(fā)動(dòng)機(jī)產(chǎn)品系統(tǒng)結(jié)構(gòu)復(fù)雜、零部件種類多，依靠人工編制發(fā)動(dòng)機(jī)各種零部件的設(shè)計(jì)驗(yàn)證計(jì)劃不僅費(fèi)時(shí)費(fèi)力，且質(zhì)量不能保證。

零部件設(shè)計(jì)驗(yàn)證計(jì)劃是網(wǎng)絡(luò)進(jìn)度計(jì)劃的一種，目前企業(yè)使用較多的網(wǎng)絡(luò)進(jìn)度計(jì)劃管理軟件，如P6、Project等都沒有提供針對性的輔助生成方法［1］。

基于知識(shí)的網(wǎng)絡(luò)進(jìn)度計(jì)劃生成技術(shù)多位國內(nèi)學(xué)者做了研究，文獻(xiàn)［1］將目前有關(guān)的研究方法和模型歸類為基于模塊和基于案例的方法、基于知識(shí)的網(wǎng)絡(luò)進(jìn)度計(jì)劃、基于信息軟件的動(dòng)態(tài)仿真三種方法，并對各類方法進(jìn)行了評述。文獻(xiàn)［2］引入了本體論的概念，通過融合專家經(jīng)驗(yàn)、工程案例、模板、三維模型等多源知識(shí)，提出基于多知識(shí)源的網(wǎng)絡(luò)進(jìn)度計(jì)劃輔助生成方法。文獻(xiàn)［6］結(jié)合模糊數(shù)學(xué)邏輯理論，利用專家系統(tǒng)開發(fā)工具，設(shè)計(jì)并實(shí)現(xiàn)了模糊推理知識(shí)庫系統(tǒng)，提出了基于智能體的任務(wù)分解算法。文獻(xiàn)［7］對工程網(wǎng)絡(luò)進(jìn)度計(jì)劃的檢索和保存進(jìn)行研究，將知識(shí)庫中存儲(chǔ)的工程進(jìn)度計(jì)劃分為案例和模板兩種保存形式，提高了工程類型的存儲(chǔ)與檢索的靈活性。

上述研究方法對實(shí)現(xiàn)網(wǎng)絡(luò)進(jìn)度計(jì)劃的生成做出了積極的探索和研究，但多數(shù)針對工程建設(shè)領(lǐng)域，還不能很好的適用于機(jī)械產(chǎn)品DVP的制定。這里在現(xiàn)有研究的基礎(chǔ)上，提出了一種汽車發(fā)動(dòng)機(jī)零部件DVP輔助生成方法。

采用框架表示法將零部件設(shè)計(jì)驗(yàn)證知識(shí)進(jìn)行了規(guī)范化和統(tǒng)一化處理，建立了設(shè)計(jì)驗(yàn)證的案例庫和規(guī)則庫；對案例特征屬性進(jìn)行分類，結(jié)合相似度計(jì)算理論，給出了不同類別屬性的相似度計(jì)算方法；最后提出的兩階段案例檢索方法，實(shí)現(xiàn)快速精確檢索，依據(jù)相似度所在閾值區(qū)間，采取不同決策實(shí)現(xiàn)零部件DVP的輔助生成。

這里方法極大地減少了DVP編制人員的工作量，有效提高了DVP編制效率。

2 DVP輔助生成系統(tǒng)框架構(gòu)建

CBR（案例推理）和RBR（規(guī)則推理）的結(jié)合可以有效的利用歷史案例知識(shí)與專家經(jīng)驗(yàn)，解決產(chǎn)品變形和系列化設(shè)計(jì)過程中的設(shè)計(jì)驗(yàn)證問題?；贑BR和RBR的汽車發(fā)動(dòng)機(jī)產(chǎn)品零部件DVP輔助生成系統(tǒng)框架，如圖1所示。

圖1 系統(tǒng)架構(gòu)Fig.1 System Architecture

2.1 應(yīng)用層

通過人機(jī)交互接口為汽車發(fā)動(dòng)機(jī)零部件DVP管理人員提供案例檢索與知識(shí)庫維護(hù)服務(wù)，DVP輔助生成根據(jù)用戶輸入的新問題特征屬性，依據(jù)設(shè)定的推理規(guī)則進(jìn)行集成推理；知識(shí)庫維護(hù)用于零部件設(shè)計(jì)驗(yàn)證相關(guān)知識(shí)的存儲(chǔ)與更新。

2.2 知識(shí)層

根據(jù)發(fā)動(dòng)機(jī)產(chǎn)品設(shè)計(jì)驗(yàn)證領(lǐng)域知識(shí)并結(jié)合知識(shí)表示技術(shù)構(gòu)建領(lǐng)域知識(shí)表示框架，定義案例的組織結(jié)構(gòu)，概念關(guān)系，根據(jù)領(lǐng)域知識(shí)表示框架構(gòu)建案例庫和規(guī)則庫，設(shè)計(jì)驗(yàn)證案例庫存放的是現(xiàn)有的發(fā)動(dòng)機(jī)各類零件的設(shè)計(jì)驗(yàn)證案例，DVP規(guī)則庫存放的是與設(shè)計(jì)驗(yàn)證的相關(guān)的規(guī)則。

2.3 推理層

推理層是實(shí)現(xiàn)發(fā)動(dòng)機(jī)零部件DVP輔助生成的核心，主要結(jié)合設(shè)計(jì)驗(yàn)證案例庫，利用CBR技術(shù)實(shí)現(xiàn)案例的檢索與重用。

在此基礎(chǔ)上，針對新問題與歷史案例關(guān)聯(lián)屬性中存在的差異，再利用RBR 實(shí)現(xiàn)對檢索結(jié)果的補(bǔ)充與修正，達(dá)到滿意的結(jié)果。

3 設(shè)計(jì)驗(yàn)證知識(shí)的表達(dá)

3.1 設(shè)計(jì)驗(yàn)證案例表示與特征屬性選擇

發(fā)動(dòng)機(jī)零部件設(shè)計(jì)驗(yàn)證案例作為知識(shí)傳遞的載體，對其合理的表示是進(jìn)行案例推理與檢索的基礎(chǔ)。

案例表示的關(guān)鍵步驟是對案例主要特征的提取，包括關(guān)鍵概念、屬性值等，這些特征是案例檢索及管理的依據(jù)。

框架表示法常被用于表示經(jīng)驗(yàn)性知識(shí)，可以更好的表達(dá)知識(shí)內(nèi)部的邏輯結(jié)構(gòu)。

框架表示法的結(jié)構(gòu)通常為“槽-側(cè)面-值”的方式展開，槽與側(cè)面、側(cè)面與值的對應(yīng)關(guān)系根據(jù)零部件具體案例進(jìn)行選擇，發(fā)動(dòng)機(jī)產(chǎn)品零部件設(shè)計(jì)驗(yàn)證案例框架的一般結(jié)構(gòu)以巴克斯范式BNF（BackusNaur Form）表示。

其中零部件設(shè)計(jì)驗(yàn)證案例特征屬性框架，如表1所示。零部件設(shè)計(jì)驗(yàn)證案例結(jié)果框架，如表2所示。

表1 案例特征屬性框架的BNF表示Tab.1 BNF Framework Representation of the Case’s Characteristic Attributes

表2 案例結(jié)果方案框架的BNF表示Tab.2 BNF Framework Representation of Case’s Plan

案例特征屬性分為基本信息屬性和案例關(guān)聯(lián)屬性，其中基本信息屬性確定了零部件的主要參數(shù)和所屬分類，主要包括零部件名稱、參考標(biāo)準(zhǔn)編號(hào)、所屬系統(tǒng)、零部件等級等子側(cè)面。

案例關(guān)聯(lián)屬性確定了制定零部件DVP的參考依據(jù)來源，包括設(shè)計(jì)失效分析、技術(shù)標(biāo)準(zhǔn)、客戶要求等側(cè)面，其中零部件的技術(shù)標(biāo)準(zhǔn)規(guī)定了產(chǎn)品的使用條件、基本要求、性能指標(biāo)、功能、環(huán)境承受能力、檢驗(yàn)規(guī)則、運(yùn)輸存儲(chǔ)等屬性信息。

DVP 結(jié)果方案分為ANALYSIS/INSPECTION 和TESTING/MAPPING兩個(gè)子側(cè)面，分別表示設(shè)計(jì)驗(yàn)證計(jì)劃的分析檢查和設(shè)備測試兩個(gè)階段。

其中分析檢查是驗(yàn)證計(jì)劃的第一階段，目的是確認(rèn)零件模型是否符合設(shè)計(jì)圖紙的基本要求和規(guī)范，例如：圖紙模型匹配檢查，安裝間隙檢查，螺栓安裝校核，線束匹配檢查。

設(shè)備測試在分析檢查之后，主要完成對零部件的性能進(jìn)行測試，不同的零部件根據(jù)設(shè)計(jì)要求和規(guī)范的不同安排不同的試驗(yàn)。

每一項(xiàng)設(shè)計(jì)驗(yàn)證試驗(yàn)任務(wù)包含了Orign、Method、Task-Description、Acceptance Criteria 等子側(cè)面，表示每個(gè)試驗(yàn)任務(wù)的試驗(yàn)來源、試驗(yàn)方法、試驗(yàn)描述、通過標(biāo)準(zhǔn)等內(nèi)容。

案例之間的屬性比較主要是類比槽1及槽2的各個(gè)子側(cè)面及其側(cè)面值，根據(jù)設(shè)計(jì)驗(yàn)證案例中屬性值表示的不同將以上屬性分為兩類：

（1）可以用數(shù)值、區(qū)間數(shù)、字符等進(jìn)行確定性表示的屬性，如零件名稱、零件編號(hào)、零件級別、所屬系統(tǒng)、系統(tǒng)編號(hào)、參考標(biāo)準(zhǔn)等；

（2）通過文本描述的模糊表示的屬性，如零部件的技術(shù)標(biāo)準(zhǔn)中使用條件、基本要求、性能指標(biāo)、功能、環(huán)境承受能力、檢驗(yàn)規(guī)則等。

所有屬性信息通過發(fā)動(dòng)機(jī)產(chǎn)品零部件設(shè)計(jì)過程文檔的信息抽取、PDM數(shù)據(jù)庫數(shù)據(jù)及人機(jī)交互界面獲取。

3.2 RBR推理規(guī)則設(shè)計(jì)

RBR將汽車發(fā)動(dòng)機(jī)零部件設(shè)計(jì)驗(yàn)證規(guī)范知識(shí)以規(guī)則的形式表示，通過匹配和推斷知識(shí)獲得問題的解決方案，一個(gè)RBR系統(tǒng)一般由規(guī)則知識(shí)庫、推理機(jī)和數(shù)據(jù)庫構(gòu)成。

汽車發(fā)動(dòng)機(jī)產(chǎn)品零部件設(shè)計(jì)驗(yàn)證計(jì)劃輔助生成可抽象為零部件的特征屬性為前提條件，而設(shè)計(jì)驗(yàn)證計(jì)劃內(nèi)容為結(jié)論。

以《發(fā)動(dòng)機(jī)裝配技術(shù)規(guī)范》等企業(yè)標(biāo)準(zhǔn)為基礎(chǔ)，根據(jù)產(chǎn)生式規(guī)則定義，構(gòu)建以“變量-標(biāo)準(zhǔn)-規(guī)則”為體系的三級知識(shí)體系。將規(guī)則庫分為變量知識(shí)、標(biāo)準(zhǔn)知識(shí)和規(guī)則知識(shí)三部分。

（1）變量知識(shí)：2.1節(jié)確定的所有子側(cè)面（所屬系統(tǒng)、零件類別、零件名稱，基本要求等）即為變量性知識(shí)，構(gòu)成規(guī)則庫的底層；

（2）標(biāo)準(zhǔn)知識(shí)：《發(fā)動(dòng)機(jī)裝配技術(shù)規(guī)范》等標(biāo)準(zhǔn)規(guī)范中涉及的狀態(tài)量之間的聯(lián)系確定為標(biāo)準(zhǔn)性知識(shí)，如“安裝間隙檢查”、“線束檢查”等內(nèi)容；

（3）規(guī)則知識(shí)：建立標(biāo)準(zhǔn)性知識(shí)與事實(shí)之間的關(guān)聯(lián)，如規(guī)則J-2等。

為了更好的描述規(guī)則庫中的關(guān)系模型，將零部件DVP相關(guān)規(guī)則描述為以下四元組形式：

R=＜ID，Name，PS，CS ＞

式中：ID—規(guī)則編號(hào)；Name—規(guī)則類型名稱；PS—前提集合；CS—

結(jié)論集合。前提與結(jié)論的因果關(guān)系通過if和then的形式連接，其一般形式如下：

if條件1 and 條件2and…and條件M

＜條件滿足＞

Then結(jié)論1 and 結(jié)論2and…and結(jié)論N

＜執(zhí)行動(dòng)作＞

End if

例如規(guī)則J-2：“if：所屬系統(tǒng)=“電氣系統(tǒng)”；Then：線束匹配檢查，檢查線束與接插件是否能正確匹配”。

4 DVP輔助生成模型的建立

4.1 案例相似度計(jì)算方法

案例檢索技術(shù)是案例推理在實(shí)際應(yīng)用中的關(guān)鍵技術(shù)，案例相似度計(jì)算方法的合理性決定了案例檢索的速度和準(zhǔn)確性，根據(jù)2.1將案例的特征屬性分為確定性表示屬性和模糊性表示屬性兩類，相似度計(jì)算方法如下。

4.1.1 屬性相似度計(jì)算

（一）模糊性表示屬性相似度計(jì)算

對于文本描述的模糊性表示屬性，進(jìn)行文本分詞和詞的向量化預(yù)處理后，設(shè)計(jì)了基于詞性加權(quán)語句向量的余弦相似度算法，以提高模糊表示屬性相似度計(jì)算的準(zhǔn)確性。詞向量是將詞語表示為由數(shù)字組成的向量，映射到一個(gè)低維的空間中。詞向量作為深度學(xué)習(xí)模型中詞語的一種分布式表達(dá)方式，能夠很好的表達(dá)詞語在文本中的特征和語義信息?；谠~性加權(quán)語句向量的模糊性表示屬性相似度計(jì)算過程如下。

（1）文本分詞表示與詞性標(biāo)注。將屬性的描述文本劃分為有效的n個(gè)詞語集合，則文本表示的模型為表示為：

（2）詞的向量化表示。采用谷歌開源Word2vec語言模型對采集的試驗(yàn)語料進(jìn)行詞向量訓(xùn)練學(xué)習(xí)，向量維度為64維。在詞向量集合中檢索得到（1）所得文本分詞結(jié)果中各詞語的詞向量。

（3）獲取文本特征向量。文本的向量可以表示為將各特征詞語的詞向量的累加，考慮各詞語在文本語義表達(dá)中的重要性不同，在此基礎(chǔ)上使用加權(quán)的方式表示對文本相似度計(jì)算的重要度的不同。根據(jù)詞語在文本中詞性的不同賦予不同的權(quán)重的方法進(jìn)行加權(quán)，具體定義如下：

描述文本的特征向量表達(dá)式為：

式中：v（d）—文本d的特征向量表示；v（wi）—文本中第i個(gè)特征詞的詞向量；ω（wi，d）—第i個(gè)特征詞在文本d中的重要性。

（4）文本相似度計(jì)算。對于兩個(gè)不同的文本A和文本B，通過以上步驟得到文本的特征向量va，vb，文本的相似度通過兩個(gè)文本的特征向量之間的夾角θ余弦值大小來度量。計(jì)算公式如下：

（二）確定性表示屬性相似度計(jì)算

對于用集合表示屬性，如｛QC/T14311，QC/T14269｝，相似度計(jì)算公式為：

式中：xa，ya—案例x，y的屬性項(xiàng)a的值；分子為集合xa與集合ya交集中元素的個(gè)數(shù)，分母為集合xa與集合ya中元素個(gè)數(shù)的最大值。

對于用概念或符號(hào)表示的確定性屬性，如“電氣系統(tǒng)”、“ISZ”等，相似度計(jì)算公式為：

Sim( )

s1，s2=s1==s2？1：0 （6）

若s1=s2，則相似度為1，否則為0。

4.1.2 全局/局部相似度計(jì)算

在計(jì)算兩個(gè)案例各個(gè)特征屬性之間的相似度以后，將各屬性相似度進(jìn)行加權(quán)之后得到兩個(gè)案例之間的全局/局部相似度。

式中：Sim（Ci）—設(shè)計(jì)案例與案例庫中第i個(gè)案例的相似度；m—案例特征屬性個(gè)數(shù)；ωj—第j個(gè)特征屬性在參與匹配檢索的指標(biāo)中所占的權(quán)重，權(quán)重值的確定采用AHP算法。Sim（Cij）表示案例庫中第i個(gè)案例的第j個(gè)屬性特征與目標(biāo)問題案例的第j個(gè)屬性特征的相似度。

4.2 集成推理的DVP輔助生成方法

案例庫中案例容量的數(shù)量級為幾K，通過全局相似度計(jì)算進(jìn)行檢索的效率低下。為提高檢索效率，設(shè)計(jì)了兩階段案例檢索與RBR修正融合的集成推理模型。

首先進(jìn)行案例基本信息屬性相似度計(jì)算快速縮小案例范圍，然后采用案例關(guān)聯(lián)屬性相似度計(jì)算提高檢索精確度，最后對相似度在設(shè)定閾值范圍的案例通RBR進(jìn)行修正。案例檢索與修正方法流程圖，如圖2所示。

圖2 案例檢索與修正流程Fig.2 Case Retrieval and Revision Process

具體步驟如下。

（1）提取目標(biāo)案例的特征屬性值。利用前文的案例表示框架中槽1與槽2對當(dāng)前零部件設(shè)計(jì)驗(yàn)證案例進(jìn)行特征描述，Cnew=｛P1，P2｝。

（2）計(jì)算案例間的基本信息屬性相似度值。遍歷案例庫中案例，利用前文的局部相似度計(jì)算公式計(jì)算案例庫中各案例與目標(biāo)案例在槽1的局部相似度，得到相似度集合｛α1，…αm｝，并選擇相似度最大的k個(gè)案例作為候選案例庫，設(shè)定k=5。

（3）計(jì)算案例間的關(guān)聯(lián)信息屬性相似度值。遍歷（2）所得候選案例庫，利用前文的局部相似度計(jì)算公式計(jì)算候選案例庫中各案例與目標(biāo)案例在槽2的局部相似度，得到相似度集合｛β1，…βk｝，選擇最大的相似度值λ=max｛β1，…βk｝。

（4）設(shè)置案例匹配相似度閾值（γ1，γ2），根據(jù)經(jīng)驗(yàn)，設(shè)定閾值為（0.85，0.95）。若λ＜γ1，表明檢索得到的案例不具有指導(dǎo)意義，轉(zhuǎn)至（5）；若γ1≤λ≤γ2，表明檢索得到的案例可以借鑒重用，轉(zhuǎn)至（6）；若λ≥γ2，表明檢索得到的案例可以應(yīng)用，轉(zhuǎn)至（7）。

（5）重新定制零部件的DVP。工程師根據(jù)收集的技術(shù)材料與信息，按照相關(guān)標(biāo)準(zhǔn)制定新的設(shè)計(jì)驗(yàn)證計(jì)劃，并以3.1中案例表示框架的形式存入案例庫中。轉(zhuǎn)至（7）。

（6）案例修正。根據(jù)目標(biāo)案例的特征屬性，采用RBR 的規(guī)則庫對案例進(jìn)行修正，得出需要補(bǔ)充的試驗(yàn)項(xiàng)，使其滿足當(dāng)前問題。轉(zhuǎn)至（7）。

（7）輸出結(jié)果R=｛P1，P2，…，Pn｝。其中，P為各試驗(yàn)項(xiàng)。

5 算例與性能分析

5.1 算例分析

汽車發(fā)動(dòng)機(jī)產(chǎn)品研發(fā)過程的設(shè)計(jì)驗(yàn)證涉及電氣系統(tǒng)、配氣機(jī)構(gòu)、冷卻系統(tǒng)、潤滑系統(tǒng)、燃料供給系統(tǒng)等多個(gè)子系統(tǒng)及零部件。本節(jié)以某型汽車發(fā)動(dòng)機(jī)的電氣系統(tǒng)中的ISZ高邊開關(guān)為例對其設(shè)計(jì)驗(yàn)證計(jì)劃的制定過程進(jìn)行分析。目標(biāo)案例T的部分屬性為已知條件。

（1）根據(jù)用戶輸入，獲取目標(biāo)案例的特征屬性值，如表1所示。

（2）計(jì)算目標(biāo)案例T與案例庫中各案例的基本屬性相似度。以案例S-20為例，根據(jù)2.3節(jié)計(jì)屬性相似度算式（7），各基本信息屬性的相似度，如表3所示。根據(jù)2.3節(jié)局部相似度計(jì)算公式，目標(biāo)案例T與案例S-21 的基本屬性相似度Sim1( )

表3 基本屬性相似度算例Tab.3 Calculation Example of Basic Attribute Similarity

T，S- 20 = 1 ×0.15 + 0 × 0.15 + 1 × 0.3 + 1 × 0.25 + 1 × 0.15 = 0.85。同樣可得相似度集合｛0.70，0.85，…，0.70，0.55｝，選取相似度最大的5個(gè)案例最為候選案例庫。候選案例庫集合為｛S-2，S-13，S-20，S-22，S-33｝。

（3）計(jì)算目標(biāo)案例T與候選案例庫中各案例的關(guān)聯(lián)屬性相似度。以案例S-21為例，根據(jù)前文計(jì)屬性相似度算公式，部分關(guān)聯(lián)信息屬性的相似度，如表4所示。

表4 關(guān)聯(lián)屬性相似度算例Tab.4 Example of Similarity of Related Attributes

根據(jù)前文局部相似度計(jì)算式（7），目標(biāo)案例T與案例S-20的關(guān)聯(lián)屬性相似度Sim2( )

T，S- 20 = 0.96 × 0.09 + 1 × 0.15 +0.85 × 0.15 + … + 0.1 × 0.15 = 0.96。同樣可計(jì)算得到目標(biāo)案例T與候選案例庫中案例的關(guān)聯(lián)屬性相似度集合｛0.70，0.72，0.96，0.80，0.90｝。選取相似度最大的案例S-20，相似度λ=0.96。

（4）目標(biāo)案例T與檢索所得案例S-20的相似度λ=0.96大于設(shè)定相似度閾值γ2=0.95，所以案例S-20的試驗(yàn)計(jì)劃可以直接用于目標(biāo)案例。生成的ISZ高邊開關(guān)的DVP的部分試驗(yàn)項(xiàng)，如圖3所示。

圖3 ISZ高邊開關(guān)DVP部分內(nèi)容Fig.3 Part of DVP for the ISZ High-Side Switch

5.2 性能分析

這里采用的案例來源于一家發(fā)動(dòng)機(jī)設(shè)計(jì)制造企業(yè)，為驗(yàn)證上述方法的有效性，設(shè)計(jì)了以下試驗(yàn)。首先以該企業(yè)歷史案例為基礎(chǔ)構(gòu)建設(shè)計(jì)驗(yàn)證知識(shí)庫，選取該企業(yè)最新發(fā)布的不同分類的汽車發(fā)動(dòng)機(jī)零部件設(shè)計(jì)驗(yàn)證案例40項(xiàng)，使用這里提供方法輔助生成零部件DVP，并對模型的檢索與修正的結(jié)果進(jìn)行了統(tǒng)計(jì)和分析，統(tǒng)計(jì)結(jié)果，如表5所示。

表5 DVP輔助生成方法有效性分析Tab.5 Effectiveness Analysis of Aided Generation Method of DVP

通過對試驗(yàn)結(jié)果的統(tǒng)計(jì)進(jìn)行分析可知，通過這里的DVP輔助生成方法，能夠通過檢索直接重用生成的DVP占比約32.5%，檢索相似案例通過規(guī)則修正生成的DVP占比約45.0%，相比零部件DVP的人工編制方式，綜合可減少約77%的工作量。

6 結(jié)語

針對汽車發(fā)動(dòng)機(jī)零部件DVP編制工作知識(shí)密集，效率低的問題，結(jié)合零部件設(shè)計(jì)驗(yàn)證知識(shí)特點(diǎn)，建立了發(fā)動(dòng)機(jī)零部件設(shè)計(jì)驗(yàn)證案例知識(shí)的表達(dá)模型，規(guī)范和統(tǒng)一了發(fā)動(dòng)機(jī)零部件設(shè)計(jì)驗(yàn)證領(lǐng)域的概念和術(shù)語，實(shí)現(xiàn)了設(shè)計(jì)驗(yàn)證案例在語義層上的統(tǒng)一表達(dá)；給出了設(shè)計(jì)驗(yàn)證案例屬性的分類及其相似度計(jì)算方法，提出了分段案例檢索與規(guī)則推理修正融合的集成推理模型實(shí)現(xiàn)DVP的輔助生成。

通過實(shí)例計(jì)算與對輔助生成結(jié)果的統(tǒng)計(jì)分析表明，基于集成推理的DVP輔助生成方法切實(shí)提高了汽車發(fā)動(dòng)機(jī)零部件DVP編制效率。在未來工作中，還將進(jìn)一步結(jié)合發(fā)動(dòng)機(jī)開發(fā)過程，綜合考慮相關(guān)試驗(yàn)資源和項(xiàng)目進(jìn)度的約束，對設(shè)計(jì)驗(yàn)證任務(wù)的在時(shí)間序列上進(jìn)行進(jìn)一步優(yōu)化，提高發(fā)動(dòng)機(jī)零部件DVP整體的質(zhì)量和效率。