基于KBE的串聯(lián)機器人智能分析系統(tǒng)初探

Preliminary study on intelligent analysis system for serial manipulator based on KBE

孫　宙，王君英，楊向東，陳　懇

SUN Zhou, WANG Jun-ying, YANG Xiang-dong, CHEN Ken

（清華大學(xué) 機械工程系，北京 100084）

?

基于KBE的串聯(lián)機器人智能分析系統(tǒng)初探

Preliminary study on intelligent analysis system for serial manipulator based on KBE

孫宙，王君英，楊向東，陳懇

SUN Zhou, WANG Jun-ying, YANG Xiang-dong, CHEN Ken

（清華大學(xué) 機械工程系，北京 100084）

摘 要：知識工程（KBE）是研究產(chǎn)品全生命周期中工程知識的技術(shù)和方法論，通過知識的獲取、表示和推理等過程來實現(xiàn)產(chǎn)品設(shè)計過程的自動化。以串聯(lián)機器人為例，探究基于KBE的智能分析系統(tǒng)，并在CAD平臺PRO/E中進(jìn)行了系統(tǒng)搭建。該系統(tǒng)引導(dǎo)工程師在產(chǎn)品設(shè)計過程中補充和完善設(shè)計知識，輔助工程師對裝配體中的零件進(jìn)行自動受力分析。介紹了系統(tǒng)基于用戶交互和幾何信息再提取的知識獲取途徑，以分析類CProAnalysis為例說明了知識表示方法，給出了系統(tǒng)中運動學(xué)方程的知識推理實現(xiàn)過程。該系統(tǒng)能減輕工程師的工作量，降低產(chǎn)品結(jié)構(gòu)分析的難度，從而縮短產(chǎn)品的開發(fā)周期。

關(guān)鍵詞：知識獲取；知識表示；知識推理；智能分析系統(tǒng)

0 引言

計算機輔助設(shè)計系統(tǒng)（CAD系統(tǒng)）具有強大的數(shù)值計算能力和圖形繪制能力[1]，極大的便利了工程師的設(shè)計工作，在現(xiàn)代機械設(shè)計領(lǐng)域已經(jīng)得到了廣泛應(yīng)用。然而，對于國內(nèi)大部分工程師，當(dāng)前的CAD系統(tǒng)僅僅是繪圖和建模工具，主要用于輔助設(shè)計產(chǎn)品幾何外形，而較少涉獵到產(chǎn)品設(shè)計過程中的物理特性分析。

工程師使用CAD軟件進(jìn)行設(shè)計，在準(zhǔn)確表示幾何信息的同時，往往忽略了大量的設(shè)計信息，例如在設(shè)計過程中，螺栓的預(yù)緊力、摩擦系數(shù)，電機的最大轉(zhuǎn)速、最大轉(zhuǎn)矩等是工程師重點關(guān)注的參數(shù)，而在CAD系統(tǒng)中螺栓和電機都是由點、線、面構(gòu)成的零件（part）文件，保留了幾何結(jié)構(gòu)參數(shù)，卻丟失了預(yù)緊力等設(shè)計參數(shù)。區(qū)別于零件的幾何參數(shù)，我們將預(yù)緊力等參數(shù)定義為設(shè)計知識。由于這些設(shè)計知識的丟失，在完成設(shè)計工作進(jìn)行校核分析時，大部分工程師需要重新添加設(shè)計知識，為得到準(zhǔn)確的分析結(jié)果增加了難度，同時這一過程也十分依賴工程師的經(jīng)驗和能力。

為降低工程師的分析難度、減少重復(fù)勞動量，提高產(chǎn)品設(shè)計分析的效率，項目引入了知識工程的概念。機械設(shè)計手冊已經(jīng)規(guī)范了大部分零部件（常用件、標(biāo)準(zhǔn)件等）的校核分析流程，工程師進(jìn)行分析時需要進(jìn)行大量的重復(fù)勞動，其工作負(fù)擔(dān)大大增加。

知識工程（Knowledge-Based Engineering，KBE）的概念是斯坦福大學(xué)計算機科學(xué)家B. A. Feigenbaum教授在第五屆國際人工智能會議上提出的。時至今日，知識工程仍然沒有明確而固定的定義，但知識工程涵蓋的內(nèi)涵基本一致。文獻(xiàn)[2]中按照時間順序羅列了知識工程在不同環(huán)境下的不同的定義，總體歸納起來，知識工程是涵蓋了計算機輔助設(shè)計（CAD）、人工智能（AI）等技術(shù)在內(nèi)的，研究產(chǎn)品全生命周期中工程知識的技術(shù)和方法論。KBE通過對設(shè)計知識的獲取、分析、推理和重用等過程來實現(xiàn)產(chǎn)品設(shè)計中重復(fù)工作的自動化，從而能夠有效減少產(chǎn)品設(shè)計階段的時間和經(jīng)濟成本。

知識工程（KBE）中，通常包含5個活動，分別是知識獲取、知識驗證、知識表示、知識推理和知識闡述，而知識獲取、知識表示和知識推理則是其中的關(guān)鍵。

知識獲取，是將設(shè)計知識轉(zhuǎn)化為可用的知識庫的過程，該過程為設(shè)計提供支持，是知識工程的基礎(chǔ)和前提。在機械設(shè)計領(lǐng)域，知識主要來源于標(biāo)準(zhǔn)規(guī)范和機械設(shè)計手冊等書籍、專家的設(shè)計經(jīng)驗和對成熟產(chǎn)品中知識的再挖掘等三個方面。知識表示則是知識獲取的延續(xù)，這一過程將已經(jīng)獲取的設(shè)計知識以一定的形式有效的組織起來，即將設(shè)計知識在計算機系統(tǒng)中進(jìn)行組織，方便設(shè)計知識的存儲、讀取、查詢和使用。

知識推理，是知識的應(yīng)用和知識的再生過程，是知識工程的核心和難點。這一過程將已有的設(shè)計知識按照規(guī)則進(jìn)行合理的推理演繹，得到相應(yīng)的結(jié)果反饋給用戶或者作為新的知識存儲在知識庫中。知識推理主要有四種形式，分別是規(guī)則推理（RBR），案例推理（CBR），演繹推理和歸納推理[3]。其中規(guī)則推理通過系統(tǒng)設(shè)定的規(guī)則來實現(xiàn)，案例推理則通過成熟產(chǎn)品等模板來實現(xiàn)。

知識工程KBE和CAD技術(shù)相比較，CAD技術(shù)側(cè)重于建立幾何模型并實現(xiàn)動態(tài)顯示，而KBE技術(shù)更加關(guān)注設(shè)計過程中，對于設(shè)計知識的綜合分析和應(yīng)用。從整個項目的角度考慮（如圖1[4]所示），單純使用CAD技術(shù)時，項目耗時的80%用于常規(guī)性設(shè)計，僅有20%的時間進(jìn)行創(chuàng)新設(shè)計，而采用KBE技術(shù)能夠?qū)⒊Ｒ?guī)性設(shè)計的時間成本最小化，為創(chuàng)新型設(shè)計提供充裕的時間，同時還能更好地控制項目整體的耗時和成本。

圖1　項目中CAD與KBE比較[4]

目前基于KBE的應(yīng)用主要集中在幾何建模方向，文獻(xiàn)[5]中提出了高等CAD模板（HLCt）概念，該方法同樣基于KBE，從幾何層面力求實現(xiàn)飛行器等設(shè)計過程的自動化；文獻(xiàn)[6]中則詳細(xì)介紹了在Pro/E中快速添加標(biāo)準(zhǔn)件的方法；他們都是從幾何尺寸中關(guān)鍵參數(shù)的角度，對符合國標(biāo)或者行業(yè)標(biāo)準(zhǔn)的零件（螺釘、銷、鍵、軸承等）進(jìn)行快速建模，減少大量的重復(fù)工作。

本文提出了基于KBE的串聯(lián)機器人智能分析系統(tǒng)，主要從設(shè)計知識的角度進(jìn)行研究與應(yīng)用，利用設(shè)計知識輔助設(shè)計過程中的物理計算，降低產(chǎn)品設(shè)計的難度，縮短產(chǎn)品設(shè)計周期。系統(tǒng)在CAD平臺Pro/E的基礎(chǔ)上進(jìn)行搭建，實現(xiàn)了輔助工程師完成關(guān)鍵零件的自動化受力分析的功能，為下游有限元分析等提供必要、準(zhǔn)確的前處理數(shù)據(jù)。

1 系統(tǒng)中的知識獲取

本文研究的串聯(lián)機器人智能分析平臺需要的設(shè)計知識可以分為兩類：通用知識和案例知識。對于前者，例如各類型零件受力分析規(guī)則、運動學(xué)方程計算方法等，系統(tǒng)直接將這類通用知識程序化，方便系統(tǒng)在不同案例中進(jìn)行使用。對于案例知識，該串聯(lián)機器人智能分析系統(tǒng)主要采用如下兩種方式：用戶交互和幾何數(shù)據(jù)重用。

1.1 用戶交互

使用圖形用戶界面和工程師進(jìn)行交互，來獲取知識，是最直接的案例知識獲取方式。該系統(tǒng)在后臺預(yù)存了不同功能類型的零件屬性，供用戶選擇后添加，部分零件的屬性如表1所示。

表1　各類零件的屬性

用戶在進(jìn)行零件裝配時，點擊“添加組件”按鈕后彈出如圖2所示對話框，在按照提示設(shè)置零件屬性值后，再選擇需添加的具體零件，定義約束并完成裝配。

圖2　用戶定義屬性值界面

1.2 幾何數(shù)據(jù)重用

幾何數(shù)據(jù)重用，即充分利用產(chǎn)品模型中的幾何信息，將其按照特定的規(guī)則以一定的形式進(jìn)行再組織，形成可被系統(tǒng)使用的新有效知識。裝配信息的再利用就是一個典型案例。

對于CAD系統(tǒng)，機械產(chǎn)品的裝配就是不斷將零件或組件（子裝配體）添加到組件中，并定義約束完成裝配的過程。這一過程中著重考慮的是兩個相關(guān)零部件之間的關(guān)系，而很少考慮零件和整體之間的關(guān)系。下圖，顯示的就是Pro/E中焊接機器人的裝配樹。

圖3　串聯(lián)機器人裝配樹

而對于上圖中的焊接機器人（屬于該系統(tǒng)研究的對象，串聯(lián)機器人），機器人學(xué)已經(jīng)建立了完善的“關(guān)節(jié)-連桿”模型，即從基座開始，經(jīng)過一系列的關(guān)節(jié)和連桿連接，最后作用在執(zhí)行端的近似線性串聯(lián)系統(tǒng)。基于該模型，可以十分方便的建立其運動學(xué)方程及動力學(xué)方程。該系統(tǒng)通過對零件約束關(guān)系的識別，以非剛性約束為分界點[7]，準(zhǔn)確地將圖中的無序裝配樹構(gòu)建出如圖所示的各連桿信息，可以看到基座、滑軌和絲杠零件都被劃分為連桿0，這和焊接機器人實際情況保持一致。此外，系統(tǒng)還充分利用機器人裝配樹新定義了零件負(fù)載模型，用以記錄串聯(lián)機器人中零件之間的先后順序。

圖4　連桿模型

此外，我們新定義關(guān)鍵約束（key constraint）概念，將原有模型中的幾何約束信息轉(zhuǎn)化為分析知識。零件進(jìn)行裝配時，通常定義1個約束集，約束集中包含若干個約束。如圖5所示，高亮零件通過mate-insert-insert三個約束構(gòu)成的約束集鎖定位置，其中mate類型表示了兩個零件實際接觸的表面，而兩個insert類型則起到輔助定位的作用。我們就將約束集中和實際零件接觸面對應(yīng)的約束定義為關(guān)鍵約束，并且要求工程師設(shè)置約束集時，始終首先定義關(guān)鍵約束。

圖5　關(guān)鍵約束定義

2 系統(tǒng)中的知識表示

對于已經(jīng)獲取的知識，我們需要在系統(tǒng)中將其有效的組織，方便存儲、訪問和使用。此處以用于受力分析的設(shè)計知識的組織結(jié)構(gòu)為例進(jìn)行說明。

該串聯(lián)機器人智能分析系統(tǒng)定義了分析類CProAnalysis，其UML圖如圖6所示。

圖6　CProAnalysis分析類UML圖

其中，anal_part用于記錄用戶指定的待分析零件在裝配體中的路徑，anal_part是該分析類的主關(guān)鍵字（用來唯一標(biāo)示分析對象）。屬性anal_parent_part則記錄分析零件的父零件路徑。屬性list_mass_prop通過鏈表的形式，完整記錄待分析零件負(fù)載的所有零件的質(zhì)量信息，質(zhì)量信息包括質(zhì)量、質(zhì)心坐標(biāo)、慣性張量等。同時，為了更加便利地訪問約束（減少遍歷次數(shù)），此處用anal_constrArray記錄下該零件的裝配約束集。屬性anal_comp_contour_edge_data和anal_asm_contour_edge_data則分別記錄組件和裝配件的接觸面的輪廓和邊界數(shù)據(jù)，該數(shù)據(jù)包含了零件接觸面的輪廓信息，以及該輪廓所有邊界構(gòu)成的鏈表，通過該數(shù)據(jù)可以十分方便的獲得接觸面的數(shù)學(xué)模型。center_point則記錄該接觸面的面心，方便后續(xù)的受力分析環(huán)節(jié)。

以圖7為例，若用戶指定圖中固定板為待分析零件，則CProAnalysis分析類中記錄的信息有：父零件連接塊，圖中固定板右側(cè)所有零件的質(zhì)量信息（即固定板所有負(fù)載的質(zhì)量信息），固定板和連接塊之間的約束集（如圖5所示），固定板接觸面輪廓和輪廓中所有的邊界（共9個）和連接塊接觸面輪廓和輪廓中所有的邊界（共17個）。以上這些知識為固定板的受力分析提供了必要的支持。

圖7　分析類CProAnalysis實例

3 系統(tǒng)中的知識推理

知識推理是整個設(shè)計系統(tǒng)的重點和難點，它體現(xiàn)在系統(tǒng)的各個方面。知識推理是對已有知識的充分應(yīng)用，同時由知識推理得到的結(jié)果也可以作為新的設(shè)計知識繼續(xù)運用在后續(xù)的推理中。此處簡要介紹零件的運動學(xué)方程的推理過程。

圖4中已經(jīng)給出了零件所屬連桿的信息，同時在已獲取的知識“關(guān)節(jié)-連桿”中還能得到如圖8所示的關(guān)節(jié)軸線信息。圖8中每一軸線Axis均有3個屬性：其中的Type代表軸線類型，Type屬性值為1表示轉(zhuǎn)動關(guān)節(jié)，屬性值為2表示移動關(guān)節(jié)；Point是軸線上點的世界坐標(biāo)；Vector表示軸線的方向向量；這3個屬性值完全確定關(guān)節(jié)。

依據(jù)機器人學(xué)的D-H參數(shù)法建模，以世界坐標(biāo)系作為連桿0（基座）的坐標(biāo)系，依次獲得相鄰連桿之間的D-H參數(shù)，并按照如下公式計算相鄰連桿之間的變換矩陣。

圖8　關(guān)節(jié)軸線信息

連桿n上的零件的變換矩陣為：

對于任意零件，將其自身坐標(biāo)系轉(zhuǎn)化為世界坐標(biāo)系下表示，再乘以其所屬連桿的變換矩陣即可得到該零件的運動學(xué)方程。

4 串聯(lián)機器人智能分析系統(tǒng)

該串聯(lián)機器人智能分析系統(tǒng)搭建在常用的CAD軟件Pro/E當(dāng)中，這一方面大大減輕了開發(fā)人員在幾何計算和圖形顯示上耗費的精力，開發(fā)人員可以將工作重心放在自動化受力分析上；另一方面工程師使用熟悉的界面和操作，回避了重新學(xué)習(xí)軟件的過程。工程師完成了串聯(lián)機器人的初步設(shè)計后，該智能分析系統(tǒng)輔助其完成零部件的受力分析，這一結(jié)果可以使得后續(xù)的零件強度剛度校核更為準(zhǔn)確。

該串聯(lián)機器人智能分析系統(tǒng)以知識工程為基礎(chǔ)，完成設(shè)計知識的獲取、驗證、表示、推理和闡述等多個過程，實現(xiàn)對串聯(lián)機器人中任一零件進(jìn)行自動化受力分析的功能。該智能分析系統(tǒng)的流程圖如圖9所示。

用戶首先按照預(yù)先定義的規(guī)則進(jìn)行模型和知識的輸入，完成輸入后系統(tǒng)自動完成模型知識的獲取和表示。此時，用戶可以進(jìn)入動力學(xué)模塊，用戶提供電機的運動參數(shù)，可以得到模型中任一零件的運動學(xué)和動力學(xué)方程，同時可以為零件受力模塊提供慣性力知識。若進(jìn)入受力分析模塊，用戶首先選擇待分析的零件和零件所屬類型。此后，系統(tǒng)依次顯示零件的前后負(fù)載關(guān)系和接觸面信息，由用戶交互修改并最終確認(rèn)。用戶明確接觸關(guān)系后，進(jìn)入受力分析計算，得到對應(yīng)結(jié)果進(jìn)行顯示和輸出。圖10就是系統(tǒng)對串聯(lián)機器人中一固定板完成的受力分析最終結(jié)果。

圖9　智能分析系統(tǒng)流程圖

圖10　零件受力分析結(jié)果

5 結(jié)束語

本文提出了基于KBE的串聯(lián)機器人智能分析原型系統(tǒng)，初步實現(xiàn)了其系統(tǒng)功能。系統(tǒng)以工程師的設(shè)計知識為基礎(chǔ)，一方面通過交互界面由工程師補充設(shè)計知識，另一方面按照一定規(guī)則充分挖掘和利用已有的設(shè)計知識，再對知識進(jìn)行合理的表示和演繹推理，得到目標(biāo)結(jié)果。系統(tǒng)旨在實現(xiàn)對設(shè)計產(chǎn)品中任一零件進(jìn)行自動化受力分析的功能，為進(jìn)一步的結(jié)構(gòu)校核提供更確切的邊界條件，這從很大程度上降低了對工程師進(jìn)行產(chǎn)品設(shè)計的能力需求，適應(yīng)了當(dāng)前市場對于設(shè)計分析一體化的要求，縮短了產(chǎn)品設(shè)計開發(fā)周期。

目前，該串聯(lián)機器人智能分析系統(tǒng)提供標(biāo)準(zhǔn)件和懸臂梁等典型零件的自動化受力分析模塊，后續(xù)會進(jìn)一步研究一般零部件的受力情況分析方法，不斷拓展并完善系統(tǒng)。

參考文獻(xiàn)：

[1] 肖人彬,周濟,查建中.智能設(shè)計——先進(jìn)設(shè)計技術(shù)的核心[J].機械設(shè)計,1997,4:3-5.

[2] Verhagen W J C,Bermell-Garcia P, van Dijk R E C, et al. A critical review of Knowledge-Based Engineering: An identifi cation of research challenges[J].Advanced Engineering Informatics, 2012,26(1):5-15.

[3] 鄧小龍.船舶智能總布置設(shè)計若干關(guān)鍵技術(shù)研究[D].上海交通大學(xué),2012.

[4] Skarka W.Application of MOKA methodology in generative model creation using CATIA[J].Engineering Applications of Artifi cial Intelligence,2007,20(5):677-690.

[5] Amadori K,Tarkian M, ?lvander J, et al. Flexible and robust CAD models for design automation[J].Advanced Engineering Informatics,2012,26(2):180-195.

[6] 卜慶珍,姜雄飛,張瑞亮,等.Pro/E二次開發(fā)在機械標(biāo)準(zhǔn)件設(shè)計中的應(yīng)用[J].煤礦機械,2014,1:089.

[7] 鄭登科,楊向東,孫宙,等.基于Pro/E的串聯(lián)機器人仿真平臺設(shè)計[J].制造業(yè)自動化,2014,36(14):137-141.

作者簡介：孫宙（1991 -），男，江蘇丹陽人，碩士研究生，研究方向為數(shù)字化設(shè)計與制造。

收稿日期：2015-10-16

中圖分類號：TP391,TH122

文獻(xiàn)標(biāo)識碼：A

文章編號：1009-0134(2016)01-0128-05