基于云理论的某伺服机构模糊装调研究

本科毕业设计（论文）开题报告课题名称：基于云理论的某伺服机构模糊装调研究学员姓名：徐开文学号：200509010221培养类型：学历合训类专业：机械工程及其自动化所属学院：指挥军官基础教育学院年级：2005级指导教员：李国喜职称：教授所属单位：机电工程与自动化学院机电工程系国防科学技术大学训练部制2主要内容：一、课题名称、来源、选题依据（一）课题名称本课题名称为基于云理论的某伺服机构模糊装调研究。（二）课题来源本课题来源于国防基础科研项目“XXXX精密装配技术研究”。某伺服机构为我军主战装备中的核心部件之一，该部件的装调质量成为左右装备战斗力形成的瓶颈。针对上述需求，本课题主要研究如何利用云理论技术，对装配试验数据以及装配技师经验进行分析，以发现其中的装调规律。（三）选题依据本课题的选题依据是由于某伺服机构的装调质量成为左右装备战斗力形成的瓶颈，而战斗力的一个重要因素就是此伺服机构的动态特性，动态特性包括谐振频率、超调、阻尼比、刚度等。本课题的伺服机构的装调质量就成为影响动态特性的关键因素，装配技师的经验直接左右着装配质量，不同的装配技师装配的产品，其性能也会不一样。在这种情况下，研究已有的装配工艺数据及技师经验的提取方法，发现其中的装调规律，形成典型装配工艺，就便于指导装配技师进行装配，从而提高装配质量和效率。二、本课题国内外研究现状及发展趋势（一）云理论研究现状及发展趋势1.研究现状云理论是由我国李德毅院士于1995年提出的，是用于处理不确定性的一种新理论。目前，云理论主要包括云模型、虚云、雾、云运算、不确定性推理、云变换和云函数等[1]。云理论建立在传统模糊集理论和概率统计基础上，是用自然语言值表示的某个定性概念与其定量表示之间的不确定转换模型。在表示和处理不确定性现象与事物中，随机性、模糊性最为关键，自然语言中的许多概念是不精确的、模糊的、随机的，有时甚至是不完全的。这些不确定概念，难以给出很精确的定义，尤其是这种不确定性知识的形式化表示问题。研究随机现象的主要工具是概率理论，3Zadeh博士1965年发表了模糊集合的论文后，模糊集合理论成为处理模糊不确定的主要工具。云模型是在这两种理论进行交叉渗透的基础上，通过特定构造的算法，形成定性概念与其定量表示之间的转换模型，并揭示随机性和模糊性的内在关联性，云模型充分表达了定性语言的模糊性和随机性，具有较大的客观性【2】。2.发展趋势目前，云理论已经运用于智能控制，成功地实现了对三级倒立摆的实时动平衡转换；用于数据挖掘，实现了对关联规则和预测知识的发现；用于跳频电台产生跳频序列码，还用于大系统效能评估等多个领域【3】。相信云方法作为知识表示和定性定量转换的有力工具，必将在更多的领域得到广泛应用。由于云理论本身目前仍处于迅速的发展与完善之中，所以本文所列的应用方面还远不是全部。相信随着这方面研究的拓宽和深入，一定还会产生更多、更有价值的应用领域，同时推动着云理论本身的进一步成熟。（二）不确定性人工智能研究现状及发展趋势1.研究现状1965年系统科学家L1A1Zadeh提出了隶属度、隶属函数、模糊集合等基本概念，1982年波兰数学家Z1Pawlak又提出粗糙集思想。100多年来统计学和40年来模糊学的蓬勃应用，今天我们可以说，认为定性认识必定是靠不住的，这种看法是大错特错了。正好相反，定性认识可能比定量认识更真实，因为有更多的潜在的事实能证明定性认识。实际上，探讨不确定性概念和知识的表示方式，不仅仅是人工智能领域的工作，还需要认知科学家、计算机科学、数学、控制学、语言学、心理学甚至哲学等领域的诸多专家，包括工程技术人员的共同努力[2]。2.发展趋势人工智能在模拟人类的确定性智能——逻辑思维方面，已经取得很大成就.但是，在人类不确定性智能的模拟方面始终没有太大的进展，而在模拟人类形象思维方面尚处在探讨阶段。因此，不确定性人工智能是人工智能中的研究热点，也是人工智能中的重大前沿课题。不确定性人工智能是人工智能进入21世纪的新发展，这个由计算机科学、物理学、数学、脑科学、心理学、认知学、生物学等自然科学和社会科学交叉渗透构成的新学科，必将使机器能够具备类似人脑的不确4定性信息和知识的表示能力、处理能力和思维能力【4】。（三）数据库中的知识发现（KDD，KnowledgeDiscoveryinDatabase）的研究现状及发展趋势1、研究现状数据库中的知识发现术语是在1989年的第一届KDD专题讨论会上被首次采用。这一研究领域兴起于八十年代初，它是一个众多学科诸如人工智能、机器学习、模式识别、统计学、数据库和知识库、数据可视化等相互交叉、融合所形成的一个新兴的且具有广阔前景的领域。现在主要应用领域如下：市场业利用数据挖掘技术进行市场定位和消费分析，辅助制定市场策略。金融业利用进行金融市场分析和预测、客户分类、银行担保和信用评估。天文学中利用决策树方法对上百万天体进行分类进而发现新的天体。制造业应用数据挖掘技术进行零部件故障诊断、资源优化、生产过程分析等。司法领域将数据挖掘用于案件调查、诈骗监测、洗钱认证、犯罪组织等分析。医疗卫生行业利用数据挖掘预测外科手术、医疗试验和药物治疗的效果。制药业通过挖掘巨大的化学物质和基因对疾病的影响的数据库来判断哪些物质可能对治疗某种疾病产生疗效等【5，6】。2、发展趋势随着KDD应用领域的拓展，提出了一些新的研究课题。如复杂数据类型挖掘的新方法、Web数据、数据挖掘中的隐私保护与信息安全等。其中复杂数据类型挖掘是数据挖掘中一项重要的前沿研究课题。虽然在地理空间挖掘、多媒体挖掘、时序挖掘、序列挖掘以及文本挖掘方面取得一些进展，但它们与实际应用的需要仍存在很大的距离。对此需要进一步的研究，尤其是把针对上述数据类型的现存数据分析技术与数据挖掘方法集成起来的研究【7】。（四）装配的研究现状及发展趋势1.研究现状众所周知，一个产品的形成过程离不开以下几大环节：产品的开发、设计产品的制造加工、产品的部件装配及最终装配。装配是按规定的技术要求，将零件或部件进行配合和联系，使之成为半成品或成品的工艺过程。因此，装配技术经5过了长时期的发展。装配生产水平直接影响着产品质量和性能。在装配生产中采用先进的生产方式和管理体系，在装配流水生产线中应用柔性化和自动化的生产技术，以适应不断变化的市场需求，增强企业的竞争力。现在，在装配生产中，尤其是大型企业如汽车装配，已经实现了装配生产模块化、装配生产自动化、装配生产管理信息化【8】。2.发展趋势传统装配工艺以装配图为全部依据，按设计目录来组织生产的。从现行的设计、工艺文件进行分析，对指导生产计划没有起到应有的作用，不能完全反映整个产品的装配结构、层次、顺序以及所需物料的数量【9】。现今国际上的技术发达国家如美国、日本等已经提出了制造业中优化生产计划的根本思想———按需求来组织生产【9】。虚拟制造（VM）是先进制造技术的研究热点之一，虚拟装配则是虚拟制造的核心技术之一，自从20世纪80年代虚拟现实概念提出以来，虚拟现实技术在工程、航空航天、军事、建筑等领域得到越来越广泛的应用。例如波音公司采用虚拟现实技术设计包含300万个零件的波音777飞机，使设计师能够穿行于虚拟飞机，可以随意调出其中任何一个零件，审视并修改飞机各项设计。在国内，虚拟制造技术研究和应用起步较晚，但在构建虚拟装配设计环境，并应用于汽车和航空航天等领域也取得了一定的经济和社会效益。例如北京航空航天大学计算机系对VR进行研究，实现了分布式虚拟环境网络设计【10】。三、课题在理论与实践上的意义（一）理论上的意义1．研究从大量的数据中智能地、自动地提取出有价值的知识和信息近些年来，各制造企业已经积累了大量的设计、生产、检验及使用数据，但是各种应用数据库及存储数据量急剧增长，已远远超过人类目前的分析和理解能力，因此如何从大量的数据中智能地、自动地提取出有价值的知识和信息的研究，即数据库知识发现，具有十分重要的意义。2．研究技师经验的提起方法并用来指导生产6目前很多机械设计、制造、装配、检验等过程大都是由技师根据经验和工厂的实际情况人工进行的，受经验、技术等很多不可控因素的影响，工艺过程质量和产品所达到的使用性能都会因人而异，所以需要将技师的技术及经验加以提取并用来指导生产。3．研究云模型在基于动态特性的机械装配中的应用以前认为，机构的装配对机构的动态特性影响不大，但近来研究否定了这种说法，本课题的伺服机构的装调质量就成为影响动态特性的关键因素。（二）实践上的意义本课题基于云理论的某伺服机构模糊装调研究，要研究的问题是利用云模型对给定装调数据提取装调规则，对技师的经验进行表达、提取，并且可以根据已经提取的规则对装配工作进行指导，分析装调对机构动态性能的影响。四、课题需要解决的关键理论问题和实际问题（一）关键理论问题2.研究机械装配工艺相关知识，了解装配工艺技术现状。装配是按规定的技术要求，将零件或部件进行配合和联系，使之成为半成品或成品的工艺过程。众所周知，一个产品的形成过程离不开以下几大环节：产品的开发、设计产品的制造加工、产品的部件装配及最终装配。传统装配工艺以装配图为全部依据，按设计目录来组织生产的。虚拟制造已经得到了发展和应用，虚拟装配则是虚拟制造的核心技术之一【10】，它在获得产品信息和产品装配工艺信息后，进行产品装配过程的仿真演示，并为装配工艺规划提供一种可视化的交互环境，从而有效地改善产品的装配工艺，改进装配质量。3.熟悉云理论及其规则发现方法，确定基于云模型的数据及知识表达方案，设计基于云模型的装调规则发现方案及验证云模型是用自然语言描述的某个定性概念与其数值表示之间的不确定性转换模型，云的基本概念是：设U是一论域U={X}，T是与U相联系的语言值，U中的元素X对于T所表达的定性概念的隶属度GT(X)是一个具有稳定倾向的随机数，隶属度在论域上的分布称为隶属云，简称为云。GT(X)在[01]中取值，云是从7论域U到区间[01]的映射，即GT(X)：U→[01]，Px∈U，x→GT(X)。云的数字特征用期望Ex(ExpectedValue)、熵En(Entropy)、超熵He(HyperEntropy)三个数值来表示，其中期望Ex是定性语言概念论域的中心值；熵En是定性概念模糊度的度量；超熵He反映了云滴的离散程度，反映了隶属度的随机性变化。云模型充分表达了定性语言的模糊性和随机性，具有较大的客观性。正态云模型是最重要的云模型，在表达语言值时最为有用，因为社会各个分支都已证明了正态分布的普适性，李德毅院士也证明了正态云模型的普适性。（二）实际问题本课题创新的研究装配对机构动态特性的影响，对于已经给定的装配试验数据及技师经验进行表达提取，基于云模型对装调数据进行聚类、挖掘，并且利用Matlab软件工具进行实现。由于云模型是一个研究定性和定量互换的模型，它研究的知识本身具有不确定性（如前面提到的模糊语言值少部分、基本上(原则上)、大多数、几乎都），并且在利用云模型进行知识表达、聚类、发现等过程中保持了这种不确定性，这是云模型一个优点，但也使结果具有了不确定性。因此课题需要解决的实际问题如下：1.熟悉给定伺服机构工作原理及装调难点，研究装调对伺服机构的动态特性的影响；2.研究实际给定伺服机构装配试验数据及技师经验的提取方法；3.对相关数据及经验用云模型表示，利用matlab实现；4.得出给定伺服机构装配试验数据及技师经验基于云模型的装调规则；5.进行结果分析；6.利用已经发现的知识、规则指导机构的实际装调。五、课题研究的基本方法、实验方案及技术路线的可行性论证（一）课题研究的基本方法1．理论准备熟悉给定伺服机构的工作原理和装调工艺，熟悉机构动态特性相关参数；研究试验数据及技师经验的数据处理方法和提取方法；研究数据库中的知识发现；8研究相关数据及经验的云模型表示方法；研究基于云模型进行知识的聚类、关联规则发现；学习利用Matlab软件实现云模型的知识聚类及规则发现。2．研究方法对于给定的伺服机构装配试验数据及技师经验进行预处理；利用云模型进行试验数据及经验的表