專利名稱：基于數(shù)值仿真與決策樹算法的塑性成形工藝規(guī)則獲取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于數(shù)值仿真與決策樹(Decision Tree)算法的塑性成形工藝規(guī)則獲取方法，用于從塑性成形數(shù)值仿真結(jié)果中挖掘潛在的工藝規(guī)則，屬于塑性加工的知識(shí)工程技術(shù)領(lǐng)域。
背景技術(shù)：
工藝規(guī)則對(duì)于指導(dǎo)塑性加工的工藝設(shè)計(jì)至關(guān)重要，是建立塑性加工專家系統(tǒng)或其它智能化塑性成形工藝設(shè)計(jì)系統(tǒng)的基礎(chǔ)。目前，塑性成形工藝規(guī)則主要是通過已有的工藝設(shè)計(jì)手冊(cè)和領(lǐng)域?qū)＜依^承來獲得的。然而，原有的工藝設(shè)計(jì)手冊(cè)無法適應(yīng)日新月異的產(chǎn)品結(jié)構(gòu)更新；繼承領(lǐng)域?qū)＜医?jīng)驗(yàn)需要知識(shí)工程師和領(lǐng)域?qū)＜伊己玫暮献髋c艱苦的努力，而且很大程度上依賴于領(lǐng)域?qū)＜冶磉_(dá)能力。因此，工藝規(guī)則獲取一直是塑性加工工藝智能化設(shè)計(jì)領(lǐng)域的瓶頸。另一方面，數(shù)值仿真技術(shù)在塑性加工領(lǐng)域已經(jīng)廣泛應(yīng)用于工藝設(shè)計(jì)的驗(yàn)證，改變了傳統(tǒng)工藝設(shè)計(jì)的流程，極大地提高了設(shè)計(jì)效率和質(zhì)量。通過數(shù)值仿真技術(shù)可以預(yù)測金屬流動(dòng)過程和成形缺陷，應(yīng)力、應(yīng)變、溫度場分布規(guī)律。數(shù)值模擬產(chǎn)生了大量結(jié)果數(shù)據(jù)，這些數(shù)據(jù)是海量、復(fù)雜和抽象的，其中蘊(yùn)涵了大量隱含、潛在有用的知識(shí)，當(dāng)前對(duì)有限元結(jié)果的解釋大部分是依賴于計(jì)算機(jī)圖形學(xué)，通過科學(xué)計(jì)算可視化技術(shù)(VISC，Visualization in Scientific Computing)，將數(shù)據(jù)轉(zhuǎn)換為圖形或圖像，使研究者能觀察模擬過程，常用的方法如平面等值線圖、空間任意剖面等值線圖、彩色云圖等等(郭曉霞，劉建生，金屬塑性成形有限元后處理中的動(dòng)態(tài)云圖的研究，鍛壓技術(shù)，2000，512-15)。目前對(duì)于仿真結(jié)果中隱含的工藝規(guī)則鮮有研究，只是由專家根據(jù)自己的領(lǐng)域知識(shí)與經(jīng)驗(yàn)對(duì)可視化結(jié)果進(jìn)行解釋。由于對(duì)這類動(dòng)態(tài)、海量的數(shù)據(jù)缺乏有效的方法進(jìn)行深層次的分析，造成了大量有用知識(shí)的流失，不利于產(chǎn)品開發(fā)的創(chuàng)新需求。如何從這些數(shù)值模擬實(shí)例仿真數(shù)據(jù)中獲取知識(shí)來為產(chǎn)品與工藝設(shè)計(jì)所用，是學(xué)術(shù)界、工業(yè)界的迫切要求。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對(duì)目前塑性加工領(lǐng)域工藝規(guī)則獲取困難、同時(shí)又對(duì)塑性成形仿真所產(chǎn)生的結(jié)果數(shù)據(jù)開發(fā)利用不足，提出一種新的基于數(shù)值仿真與決策樹算法的塑性成形工藝規(guī)則獲取方法，對(duì)數(shù)值模擬結(jié)果數(shù)據(jù)蘊(yùn)涵的大量的潛在工藝知識(shí)進(jìn)行挖掘，獲取易于計(jì)算機(jī)表示與存儲(chǔ)的顯式規(guī)則，縮短工藝規(guī)則庫的建立周期，提高規(guī)則庫質(zhì)量，同時(shí)為仿真結(jié)果的深層次定向解釋提供有效途徑，將數(shù)值仿真從設(shè)計(jì)驗(yàn)證層次提升到設(shè)計(jì)驅(qū)動(dòng)層次。
為實(shí)現(xiàn)這樣的目的，本發(fā)明基于數(shù)值模擬技術(shù)與數(shù)據(jù)挖掘中的決策樹算法，提出一種新穎的數(shù)值仿真與決策樹算法相結(jié)合的塑性成形工藝規(guī)則獲取方法。首先建立塑性成形工藝過程數(shù)值仿真模型，在從工藝條件參數(shù)中選取條件屬性集合、確定評(píng)價(jià)成形性能的決策屬性集合后，進(jìn)行數(shù)值模擬試驗(yàn)設(shè)計(jì)，通過仿真試驗(yàn)得到大量計(jì)算結(jié)果數(shù)據(jù)，即塑性成形工藝信息源。對(duì)數(shù)值仿真結(jié)果數(shù)據(jù)進(jìn)行離散化預(yù)處理，形成以離散數(shù)據(jù)表示的決策表。對(duì)于決策表組成的數(shù)據(jù)集合，根據(jù)計(jì)算決策屬性關(guān)于整個(gè)集合的期望信息量、各條件屬性的期望信息量與信息熵(Entropy)，進(jìn)而計(jì)算各條件屬性的信息增益比。根據(jù)各條件屬性信息增益比的大小確定條件屬性對(duì)于集合的重要程度，按條件屬性重要程度依次確定決策樹的根節(jié)點(diǎn)與各級(jí)子節(jié)點(diǎn)，對(duì)數(shù)據(jù)表進(jìn)行劃分后得到初始的決策樹。通過比較子樹的預(yù)測錯(cuò)誤率和單獨(dú)一個(gè)子葉的預(yù)測錯(cuò)誤率的方法對(duì)決策樹進(jìn)行修剪。最后從修剪后的決策樹上從根到樹葉的各條路徑歸納得到工藝規(guī)則。
本發(fā)明方法的整個(gè)過程包括塑性成形過程數(shù)值仿真建模與計(jì)算、數(shù)值仿真結(jié)果數(shù)據(jù)的預(yù)處理、決策樹生成、決策樹的修剪獲取四個(gè)基本步驟1、塑性成形過程的數(shù)值仿真建模與計(jì)算根據(jù)產(chǎn)品的要求，從塑性成形工藝相關(guān)參數(shù)中選取條件屬性集合，確定評(píng)價(jià)成形性能的決策屬性集合；將設(shè)計(jì)參數(shù)與工藝參數(shù)作為設(shè)計(jì)變量進(jìn)行正交拉丁方的實(shí)驗(yàn)設(shè)計(jì)，得到一個(gè)用于數(shù)值模擬實(shí)驗(yàn)的設(shè)計(jì)參數(shù)與工藝參數(shù)的精簡集合。然后采用塑性成形數(shù)值模擬軟件建立塑性成形過程仿真模型，根據(jù)實(shí)驗(yàn)設(shè)計(jì)方案對(duì)產(chǎn)品塑性成形過程進(jìn)行數(shù)值仿真計(jì)算，獲得各種物理量在產(chǎn)品成形中分布演化的大量結(jié)果數(shù)據(jù)，也就是用于知識(shí)挖掘所需的塑性成形工藝信息源數(shù)據(jù)。這些數(shù)據(jù)是海量的，一般都以平面文件(Flat File)的形式存儲(chǔ)在計(jì)算機(jī)硬盤上。
2、數(shù)值仿真結(jié)果數(shù)據(jù)的預(yù)處理將數(shù)值仿真結(jié)果數(shù)據(jù)經(jīng)檢查、清理后集成到數(shù)據(jù)庫中，從仿真結(jié)果數(shù)據(jù)庫中提取相應(yīng)的設(shè)計(jì)特征與工藝特征，(比如沖壓產(chǎn)品的破裂、起皺等)。根據(jù)領(lǐng)域常識(shí)或采用自動(dòng)離散化方法(如等距離劃分、等頻率劃分、聚類分析、適應(yīng)性劃分等)對(duì)這些通常以浮點(diǎn)型表示的連續(xù)型數(shù)據(jù)進(jìn)行離散化處理，獲得離散型數(shù)據(jù)(如整型、字符串型、枚舉型等)，以便于為粗糙集算法所利用。以產(chǎn)品的設(shè)計(jì)特征和工藝特征作為條件屬性，產(chǎn)品評(píng)價(jià)特征作為決策屬性，建立決策表(Decision Table)，決策表中的數(shù)值用離散數(shù)據(jù)表達(dá)。通常條件屬性用數(shù)字1、2、3、…來表示不同的條件等級(jí)，決策屬性分別用具有描述意義的單詞來表示。
3、決策樹生成將決策表組成的數(shù)據(jù)集合作為論域，根據(jù)決策屬性的取值劃分計(jì)算整個(gè)論域的期望信息量；然后分別以每個(gè)條件屬性對(duì)決策屬性進(jìn)行分類，計(jì)算每個(gè)條件屬性期望信息量，然后計(jì)算每個(gè)條件屬性的信息熵，用以表示以該條件屬性為擴(kuò)展屬性分類后集合的不純度。以整個(gè)論域的期望信息量和各條件屬性的期望信息量之差作為各條件屬性的信息增益量，信息增益量與各自的期望信息量即為條件屬性的信息增益比。以信息增益比最大的條件屬性作為根屬性(即決策樹的根節(jié)點(diǎn))去劃分論域，得到若干個(gè)根屬性子集。在各個(gè)根屬性子集上計(jì)算其它條件屬性關(guān)于根屬性子集的信息增益比，以信息增益比最大的屬性作為第二級(jí)節(jié)點(diǎn)。在剩余條件屬性中取對(duì)于第二級(jí)節(jié)點(diǎn)屬性子集信息增益比最大的屬性作為第三級(jí)節(jié)點(diǎn)。依此類推，直到所有的條件屬性都成為決策樹節(jié)點(diǎn)。決策樹的各級(jí)節(jié)點(diǎn)反映了其對(duì)應(yīng)的條件屬性的重要程度，于是就按條件屬性重要程度完成了對(duì)數(shù)據(jù)決策表的劃分，得到初始的決策樹。
4、決策樹的修剪比較子樹的預(yù)測錯(cuò)誤率和單獨(dú)一個(gè)子葉的預(yù)測錯(cuò)誤率，如果單葉的錯(cuò)誤率并不比子樹的錯(cuò)誤率更高，就用子葉代替子樹。修剪后的決策樹上從根到樹葉的每條路徑對(duì)應(yīng)一條工藝規(guī)則，沿著路徑的每個(gè)屬性值組合形成規(guī)則前件(“IF”部分)，葉節(jié)點(diǎn)包含類預(yù)測，形成規(guī)則后件(“THEN”部分)。于是在修剪后的決策樹上從根到樹葉的各條路徑歸納得到工藝規(guī)則。
本發(fā)明基于數(shù)值仿真與決策樹算法獲取塑性成形工藝規(guī)則，一方面可以避免領(lǐng)域?qū)＜抑R(shí)獲取困難問題，擴(kuò)展塑性成形領(lǐng)域知識(shí)來源；另一方面提高了塑性成形仿真結(jié)果數(shù)據(jù)的利用價(jià)值，打破了數(shù)據(jù)和信息之間的鴻溝，將數(shù)據(jù)“墳?zāi)埂鞭D(zhuǎn)變?yōu)橹R(shí)“金塊”。通過本發(fā)明可以將數(shù)值模擬從設(shè)計(jì)驗(yàn)證層次上升至設(shè)計(jì)驅(qū)動(dòng)層次，是一種有效和簡捷的塑性成形工藝規(guī)則獲取新途徑。
本發(fā)明可用于塑性成形新產(chǎn)品新工藝的工藝規(guī)則獲取，可用于新型鋼板研發(fā)、汽車覆蓋件制造、電子沖壓件產(chǎn)品開發(fā)、飛機(jī)鈑金件制造、鋁型材擠壓等領(lǐng)域。


圖1為本發(fā)明實(shí)施例中方盒形零件拉深成形工藝過程的示意圖。
圖2為本發(fā)明實(shí)施例中方盒形零件拉深成形過程數(shù)值模擬示意圖。
圖3為本發(fā)明實(shí)施例中的初始決策樹。
圖4為本發(fā)明實(shí)施例中修剪一個(gè)子樹的決策樹。
圖5為本發(fā)明實(shí)施例中修剪后得到的最終決策樹。
具體實(shí)施例方式
為更好地理解本發(fā)明的技術(shù)方案，以下結(jié)合附圖和具體的實(shí)施例作進(jìn)一步描述。
在本發(fā)明實(shí)施中，首先建立塑性成形工藝過程數(shù)值仿真模型，在從各種工藝條件參數(shù)中選取條件屬性集合、確定評(píng)價(jià)成形性能的決策屬性集合后，進(jìn)行數(shù)值模擬試驗(yàn)設(shè)計(jì)，通過仿真試驗(yàn)得到大量計(jì)算結(jié)果數(shù)據(jù)。對(duì)數(shù)值仿真結(jié)果數(shù)據(jù)進(jìn)行離散化預(yù)處理，形成決策表，即塑性成形工藝信息源。對(duì)于決策表組成的數(shù)據(jù)集合，根據(jù)計(jì)算決策屬性關(guān)于整個(gè)集合的期望信息量、各條件屬性的期望信息量與信息熵，進(jìn)而計(jì)算各條件屬性的信息增益比。根據(jù)各條件屬性信息增益比的大小確定條件屬性對(duì)于集合的重要程度，按條件屬性重要程度依次確定決策樹的根節(jié)點(diǎn)與各級(jí)子節(jié)點(diǎn)，對(duì)數(shù)據(jù)表進(jìn)行劃分后得到初始的決策樹。通過比較子樹的預(yù)測錯(cuò)誤率和單獨(dú)一個(gè)子葉的預(yù)測錯(cuò)誤率的方法對(duì)決策樹進(jìn)行修剪。最后從修剪后的決策樹上從根到樹葉的各條路徑歸納得到工藝規(guī)則。工藝規(guī)則可以充實(shí)到產(chǎn)品的工藝規(guī)則庫，支持產(chǎn)品設(shè)計(jì)。
實(shí)施例方盒形零件拉深成形是一種具有代表性的塑性加工過程。本發(fā)明以圖1所示的方盒形零件拉深成形為例。板料為AKDQ鋼板，模具由沖頭、凹模、壓邊圈三部分組成，在壓邊圈四邊布置相等長度和深度的拉延筋。在本實(shí)施例中考慮的重要工藝參數(shù)包括壓邊力、板料與工具之間的摩擦系數(shù)、拉延筋距離中心線的距離、拉延筋長度和拉延筋的深度。本發(fā)明的具體實(shí)施步驟如下1、塑性成形過程的數(shù)值仿真建模與計(jì)算以壓邊力、摩擦系數(shù)、拉延筋距離中心線的距離、拉延筋長度以及拉延筋的高度作為條件屬性(分別由BHF、FC、ODB、LDB和DDB表示)，以沖壓過程常見的兩種成形缺陷---破裂與起皺(分別由Cracking和Wrinkling表示)作為決策屬性，以法蘭外緣法向最大高度差值衡量起皺程度，以厚度減薄率作為拉裂的判據(jù)。根據(jù)正交拉丁方的實(shí)驗(yàn)設(shè)計(jì)方法，共取52組不同的工藝、材料參數(shù)設(shè)置，建立如圖2所示的仿真模型，采用板材成形模擬軟件ETA-DYNAFORM對(duì)方盒件拉深成形進(jìn)行模擬。模擬實(shí)驗(yàn)設(shè)計(jì)及相應(yīng)的計(jì)算結(jié)果列于表1。
表1摩擦 拉延筋的 拉延筋距離編 壓邊力拉延筋長度 是否破裂是否起皺系數(shù) 高度 中心線的距號(hào) BHF(N)LDB(mm) CrackingWrinklingFC DDB(mm)離ODB(mm)1 5000 0.01 2 45 10 0 02 5000 0.03 2.548 15 0 1… … … … … … ……52 20000 0.25 65 35 1 0
2、數(shù)值仿真結(jié)果數(shù)據(jù)的預(yù)處理從仿真計(jì)算結(jié)果的數(shù)據(jù)文件中提取相關(guān)特征值(法蘭外緣法向最大高度差和厚度減薄率)作為決策屬性，以設(shè)計(jì)參數(shù)與工藝參數(shù)作為條件屬性，構(gòu)造決策表，決策表的每一行表示一個(gè)對(duì)象或?qū)嵗?，每一列表示一個(gè)屬性。通過數(shù)據(jù)聚類方法并結(jié)合領(lǐng)域常識(shí)，對(duì)數(shù)值仿真所產(chǎn)生的連續(xù)數(shù)據(jù)進(jìn)行離散化。條件屬性數(shù)據(jù)離散化標(biāo)準(zhǔn)如表2所示。在決策屬性中，是否破裂按減薄率劃分為兩個(gè)取值范圍safe，crack；是否起皺按起皺高度也劃分為兩個(gè)取值范圍safe，wrinkle。
表2離散取值 壓邊力 摩擦系數(shù) 拉延筋的 拉延筋距 拉延筋長BHF(N) FC高度 離中心線 度DDB(mm) 的距離 LDB(mm)ODB(mm)1 [5000，10000]
[2，3][40，50] [10，25]2 (10000，15000] (0.1，0.15] (3，4](50，60] (25，45]3 (15000，20000] (0.15，0.2] (4，5](60，70] (45，65)分別取值為1、2、3來表示各條件屬性取值的低、中、高程度。離散化后的結(jié)果形成決策表如表3所示。
表3

3、決策樹的生成將決策表組成的數(shù)據(jù)集合作為論域，根據(jù)決策屬性的取值類別劃分，可以將數(shù)據(jù)集合分成四類s1crack & safe(3)，s2crack & wrinkle(9)，s3safe & safe(15)，s4safe & wrinkle(13))，這四類數(shù)據(jù)分別在52個(gè)樣本中占3、9、15、13個(gè)樣本，比例分別為p1＝3/52，p1＝3/52，p1＝3/52，p1＝3/52，則整個(gè)論域完全分類的期望信息量為I(s1,s2,s3,s4)=-Σi=14pilog2(pi)=]]>I(3,9,15,13)=-552log2552-952log2952-2552log22552-1352log21352=1.7708]]>然后分別以每個(gè)條件屬性對(duì)決策屬性進(jìn)行分類，計(jì)算該條件屬性包含的信息量，以及該條件屬性各個(gè)值的信息量，進(jìn)而求得該屬性的信息熵。
以條件屬性壓邊力(BHF)為例說明，以條件屬性BHF對(duì)數(shù)據(jù)集合重新劃分并列于表4。
表4 屬性BHF三個(gè)取值上的樣本數(shù)分別為28、11和13，因此BHF包含的信息量為I(BHF)=I(28,11,13)=-2852log22852-1152log21152-1352log21352=1.455]]>BHF在三個(gè)取值(1、2、3)上的信息量分別為
I(s11,s21,s31,s41)=I(0,9,7,12)=-928log2928-728log2728-1228log21228=1.550199226]]>I(s12,s22,s32,s42)=I(1,0,9,1)=-111log2111-911log2911-111log2111=0.865857]]>I(s13,s23,s33,s43)=I(4,0,9,0)=-413log2413-913log2913=0.890492]]>于是屬性BHF的信息熵為E(BHF)=Σj=1vslj+...+smjsI(s1j,...,smj)=2852×1.55+1152×0.865857+1352×0.890492=1.24051]]>則根據(jù)BHF劃分集合的增益可由下式得出為Gain(BHF)＝I(s1，s2，s3，s4)-E(BHF)＝1.7708-1.24051＝0.530296其信息增益比可由下式得出GainRatio(BHF)=Gain(BHF)I(BHF)=0.5301.455=0.364]]>同理，可以得到其他四個(gè)條件屬性的增益比如下FCI(FC)＝1.248，Gain(FC)＝0.239 GainRatio(FC)＝0.192DDBI(DDB)＝1.57，Gain(DDB)＝0.171，GainRatio(DDB)＝0.109ODBI(ODB)＝1.491，Gain(ODB)＝0.151，GainRatio(ODB)＝0.101LDBI(LDB)＝1.273，Gain(LDB)＝0.203，GainRatio(LDB)＝0.159由于屬性BHF的信息增益比最大，因此將該屬性定為根屬性對(duì)數(shù)據(jù)集合進(jìn)行劃分。表5為BHF＝1分支對(duì)應(yīng)的子集表。在根屬性的各個(gè)分支對(duì)其余屬性進(jìn)一步劃分。
以BHF＝1這一分支為例，在BHF＝1這個(gè)分支，繼續(xù)計(jì)算剩余各屬性的信息增益比為I(FC)＝1.201，Gain(FC)＝0.082，GainRatio(FC)＝0.068I(DDB)＝1.577，Gain(DDB)＝0.115，GainRatio(DDB)＝0.073I(ODB)＝1.530，Gain(ODB)＝0.139，GainRatio(ODB)＝0.091I(LDB)＝1.379，Gain(LDB)＝0.395，GainRatio(LDB)＝0.286
LDB屬性的信息增益比最大，因此將其作為下一子節(jié)點(diǎn)，按LDB的取值繼續(xù)劃分子表。
依此類推，直到最后一個(gè)屬性劃分完畢，于是可以得到以屬性重要度依次對(duì)數(shù)據(jù)表劃分生成了的一個(gè)決策樹，如圖3所示(樹葉上面的a∶b表示樣例數(shù)與反例的個(gè)數(shù))。
表5

4、決策樹的修剪修剪決策樹是用一個(gè)葉子來代替整個(gè)子樹的過程。比較子樹的預(yù)測錯(cuò)誤率和單獨(dú)一個(gè)子葉的預(yù)測錯(cuò)誤率，如果單葉的錯(cuò)誤率并不比子樹的錯(cuò)誤率更高，就用子葉代替子樹。
以子樹BHF＝1 LDB＝1 ODB＝1為例，其上的樣例總數(shù)為7個(gè)，整個(gè)子樹的誤分類數(shù)為2個(gè)，如果將該子樹用其最頻繁項(xiàng)[Safe Wrinkle]代替，那么誤分類數(shù)仍為2個(gè)，錯(cuò)誤率并沒有降低，因此可以將該子樹用其最頻繁項(xiàng)[Safe Wrinkle]代替。于是決策樹可以簡化為圖4所示新的決策樹。
同理依次進(jìn)行，經(jīng)過這樣剪枝后，決策樹簡化為圖5所示的精簡決策樹。
修剪后的決策樹上從根到樹葉的每條路徑對(duì)應(yīng)一條工藝規(guī)則。沿著路徑的每個(gè)屬性值組合形成規(guī)則前件(“IF”部分)，葉節(jié)點(diǎn)包含類預(yù)測，形成規(guī)則后件(“THEN”部分)，圖5所示精簡決策樹對(duì)應(yīng)的規(guī)則為rule1IF DDB＝3 ODB＝1THEN safe wrinklerule2IF BHF＝1 LDB＝2THEN safe wrinklerule3IF ODB＝3 LDB＝1THEN safe saferule4IF BHF＝3 FC＝1 THEN safe saferule5IF BHF＝2 THEN safe saferule6IF BHF＝3 FC＝3 THEN crack saferule7IF BHF＝3 FC＝2 THEN crack saferule8IF BHF＝1 LDB＝3THEN crack wrinklerule9IF BHF＝1 ODB＝2 LDB＝1 THEN crack wrinkle將上述產(chǎn)生的顯式工藝規(guī)則添加進(jìn)原有工藝知識(shí)庫中，可以用于指導(dǎo)成形工藝設(shè)計(jì)，為以后的類似產(chǎn)品的設(shè)計(jì)提供決策支持。
本發(fā)明提出的基于數(shù)據(jù)模擬技術(shù)與決策樹算法的塑性成形工藝規(guī)則獲取方法，利用數(shù)值模擬獲取工藝信息數(shù)據(jù)源，通過決策樹方法進(jìn)行數(shù)據(jù)挖掘，獲取顯式的產(chǎn)生式工藝規(guī)則(IF-THEN形式)。通過這種技術(shù)可以大大拓展塑性成形工藝知識(shí)的來源，將數(shù)值模擬技術(shù)從技術(shù)驗(yàn)證層次提高到知識(shí)驅(qū)動(dòng)層次，促進(jìn)產(chǎn)品設(shè)計(jì)從經(jīng)驗(yàn)設(shè)計(jì)向科學(xué)設(shè)計(jì)飛躍。
權(quán)利要求
1.一種基于數(shù)值仿真與決策樹算法的塑性成形工藝規(guī)則獲取方法，其特征在于包括如下四個(gè)基本步驟1)塑性成形過程的數(shù)值仿真建模與計(jì)算根據(jù)產(chǎn)品的要求，從塑性成形工藝相關(guān)參數(shù)中選取條件屬性集合，確定評(píng)價(jià)成形性能的決策屬性集合，將設(shè)計(jì)參數(shù)與工藝參數(shù)作為設(shè)計(jì)變量進(jìn)行正交拉丁方的實(shí)驗(yàn)設(shè)計(jì)，得到一個(gè)用于數(shù)值模擬實(shí)驗(yàn)的設(shè)計(jì)參數(shù)與工藝參數(shù)的精簡集合，然后采用塑性成形數(shù)值模擬軟件建立塑性成形過程仿真模型，根據(jù)實(shí)驗(yàn)設(shè)計(jì)方案對(duì)產(chǎn)品塑性成形過程進(jìn)行數(shù)值仿真計(jì)算，獲得各種物理量在產(chǎn)品成形中分布演化的大量結(jié)果數(shù)據(jù)，即用于知識(shí)挖掘所需的塑性成形工藝信息源數(shù)據(jù)；2)數(shù)值仿真結(jié)果數(shù)據(jù)的預(yù)處理將數(shù)值仿真結(jié)果數(shù)據(jù)經(jīng)檢查、清理后集成到數(shù)據(jù)庫中，從仿真結(jié)果數(shù)據(jù)庫中提取設(shè)計(jì)特征與工藝特征數(shù)據(jù)，根據(jù)領(lǐng)域常識(shí)或采用自動(dòng)化離散方法，對(duì)數(shù)值仿真所產(chǎn)生的連續(xù)數(shù)據(jù)進(jìn)行離散化處理，獲得離散型數(shù)據(jù)，以產(chǎn)品的設(shè)計(jì)特征和工藝特征作為條件屬性，產(chǎn)品評(píng)價(jià)特征作為決策屬性，建立決策表，決策表中的數(shù)值用離散數(shù)據(jù)表達(dá)，條件屬性用數(shù)字來表示不同的條件等級(jí)，決策屬性用具有描述意義的單詞來表示；3)決策樹生成將決策表組成的數(shù)據(jù)集合作為論域，根據(jù)決策屬性的取值劃分計(jì)算整個(gè)論域的期望信息量；分別以每個(gè)條件屬性對(duì)決策屬性進(jìn)行分類，計(jì)算每個(gè)條件屬性期望信息量，然后計(jì)算每個(gè)條件屬性的信息熵，用以表示以該條件屬性為擴(kuò)展屬性分類后集合的不純度；以整個(gè)論域的期望信息量和各條件屬性的期望信息量之差作為各條件屬性的信息增益量，信息增益量與各自的期望信息量即為條件屬性的信息增益比；以信息增益比最大的條件屬性作為根節(jié)點(diǎn)去劃分論域，得到若干個(gè)根屬性子集；在各個(gè)根屬性子集上計(jì)算其它條件屬性關(guān)于根屬性子集的信息增益比，以信息增益比最大的屬性作為第二級(jí)節(jié)點(diǎn)，在剩余條件屬性中取對(duì)于第二級(jí)節(jié)點(diǎn)屬性子集信息增益比最大的屬性作為第三級(jí)節(jié)點(diǎn)，依此類推，直到所有的條件屬性都成為決策樹節(jié)點(diǎn)；根據(jù)決策樹的各級(jí)節(jié)點(diǎn)所反映的條件屬性的重要程度，完成對(duì)數(shù)據(jù)決策表的劃分，得到初始的決策樹；4)決策樹的修剪比較子樹的預(yù)測錯(cuò)誤率和單獨(dú)一個(gè)子葉的預(yù)測錯(cuò)誤率，如果單葉的錯(cuò)誤率并不比子樹的錯(cuò)誤率更高，就用子葉代替子樹；修剪后的決策樹上從根到樹葉的每條路徑對(duì)應(yīng)一條工藝規(guī)則，沿著路徑的每個(gè)屬性值組合形成規(guī)則前件，葉節(jié)點(diǎn)包含類預(yù)測，形成規(guī)則后件；在修剪后的決策樹上從根到樹葉的各條路徑歸納得到工藝規(guī)則。
2.根據(jù)權(quán)利要求1的基于數(shù)值仿真與決策樹算法的塑性成形工藝規(guī)則獲取方法，其特征在于在進(jìn)行步驟2的數(shù)值仿真結(jié)果數(shù)據(jù)預(yù)處理時(shí)采用的自動(dòng)離散化方法為等距離劃分、等頻率劃分、聚類分析或適應(yīng)性劃分方法，所獲得的離散型數(shù)據(jù)為整型、字符串型或枚舉型數(shù)據(jù)。
全文摘要
一種基于數(shù)值仿真與決策樹算法的塑性成形工藝規(guī)則獲取方法，首先建立數(shù)值仿真模型，從工藝條件參數(shù)中選取條件屬性集合、確定評(píng)價(jià)成形性能的決策屬性集合后，進(jìn)行數(shù)值模擬試驗(yàn)設(shè)計(jì)，通過仿真試驗(yàn)得到塑性成形工藝信息源，然后對(duì)仿真結(jié)果數(shù)據(jù)離散化預(yù)處理形成決策表。根據(jù)信息增益比的大小確定各條件屬性對(duì)于決策表數(shù)據(jù)集合的重要程度，依次確定決策樹的各級(jí)節(jié)點(diǎn)，形成初始決策樹。通過比較子樹和單獨(dú)子葉的預(yù)測錯(cuò)誤率的方法修剪初始決策樹，在修剪后的決策樹上從根到樹葉的各條路徑歸納得到工藝規(guī)則。采用本發(fā)明方法可以擴(kuò)展塑性成形領(lǐng)域知識(shí)來源，提高塑性成形仿真結(jié)果數(shù)據(jù)的利用價(jià)值，將數(shù)值仿真從設(shè)計(jì)驗(yàn)證層次上升至設(shè)計(jì)驅(qū)動(dòng)層次。
文檔編號(hào)G06F17/50GK1652120SQ200510024029
公開日2005年8月10日 申請(qǐng)日期2005年2月24日 優(yōu)先權(quán)日2005年2月24日
發(fā)明者鼓穎紅, 李大永, 尹紀(jì)龍, 王迎春 申請(qǐng)人:上海交通大學(xué)