汽车机械系统的智能设计

    3 推理过程中需解决的关键问题

    应用CBR和RBR两者结合的推理模式，需要解决案例定位和案例相似度两方面的问题。解决案例相似度问题之前，先假定案例参数：已存在案例C＝（c1，c2，…，c n），需要解决问题案例p＝（p1，p2，…，p n），已存在案例对象ci＝（c1，c2，…，cm），问题案例对象pi＝（f1，f2，…，fm），以上述假定为基础定义相似度，见式（1）和式（2）。

图 4 工艺知识数据库逻辑关系

    式中：sim（P，C）为需要解决问题案例和已经存在案例的相似度；pi为问题的第i个对象；ci为案例中第i个对象；wi为权重，指第i个描述符对案例的重要性；sim（pi，ci）为问题和案例中第i个对象的相似度；fi，bi分别为案例C中第i个对象的第i个属性值和问题案例P中第i个对象的第i个属性值；di为属性权重。

    案例定位问题主要是指零件单元案例在汽车机械系统中的位置分布。设计师通过检索将案例或组件调入工位进行总成装配时，能否正确确定装配位置至关重要，在这个过程中需要对单元案例坐标和汽车车身机械坐标进行转换。因此，如何正确变换汽车车身机械坐标和单元案例坐标是目前需要解决的问题。本文中坐标的变换分为2步：1）对坐标系进行平移，让它和新的坐标原点重合；2）进行旋转变换，和坐标轴实现重合。

    坐标转换用矩阵表示如下：

    （x1，y1，z1，1）＝（x2，y2，z2，2）·A·B （3）

    式中：A为平移矩阵；B为旋转矩阵。

    其中（x0，y0，z0）为新坐标系原点。

    矩阵B中（i＝x，y，z；j＝1，2，3）是新坐标系原点。

    4 结论

    本文设计的汽车机械智能设计系统，采用CBR和RBR的混合推理流程对汽车机械系统进行设计，应用前景十分广阔。在今后的研究中，将进一步完善汽车机械智能设计系统的知识库和案例数据库，为使用者提供更多符合需求的汽车机械系统知识，从而更好地完成汽车机械系统的设计，获取更加精准的检索实例。