模具設計中的KBE技術研究

許艷華 顏文煅

摘要：高質量的設計系統可以用標準的科學化流程實現對設計活動的效率升級。基于此，本文以模具設計作為研究對象，首先對KBE技術的概念和特征進行框架解讀。其次，分為知識獲取、知識表示和知識推理三個步驟，對KBE技術的關鍵要點展開通用性分析。再次，根據模具設計的基本需要，對設計過程中的考慮因素和難點進行分析。最后，針對模具設計中比較常見的鍛模、沖模、擠壓模三個類別，對模具設計中KBE技術的應用模式展開研究。

關鍵詞：KBE技術;模具設計;知識推理

中圖分類號：TG76 文獻標識碼：A 文章編號：1007-9416（2020）09-0121-03

0 引言

世界領域內各大技術種類的發展，都建立在學科交叉、知識借鑒的知識集成模式下，知識集成明顯已經成為驅動技術發展的重要動力。而隨著制造行業內產品品類的不斷增加，若要在制造業內占領有力競爭地位，快速產出具有創新意味的新商品，成為了制造業提升競爭力的關鍵方法。模具行業是制造業內的重要構成，該行業對參與者的知識經驗具有較高的要求。在一些大型制造類企業中，模具設計人員的創新能力和知識經驗，甚至可以直接決定企業未來的發展活力和核心動力。因此，為了提升模具設計的整體速率，一些企業會利用設計軟件來提升產品從預想到實現的中間效率。但實際上，使用技術工具只能提升某個階段的效率，且在脫離了專業知識經驗的基礎上，傳統技術工具很難勝任模具開發的創新性技術要求。基于此，世界模具設計領域不斷優化和更新相關技術原理，并有效得出利用集成系統全面提升模具設計整體速率的方法。也就是將模具CAD技術、計算機輔助CAE技術、ES專家系統集成所構成的KBE（知識庫工程）技術[1]。

1 KBE技術解讀

1.1 KBE的概念

KBE技術也稱知識庫工程技術，技術概念最早在上世紀70年代被提出。當時的斯坦福大學本意是要對人工智能的技術概念進行推理性設想，但為了完善設想而提出了知識庫的相關概念。專家教授們表示，要實現完善的計算機邏輯推理，科學家們就必須要建構一種完善的數據庫，以保證技術可供“智能”們隨時求解。這里的知識庫概念的服務對象是人工智能對象，但實際上任何一個產業如果能夠塑造出一個完善的數據庫，并且賦予行業某種可以進行邏輯思考、不斷求解的技術，那么該行業的行進速率便能夠得到高效升級。故而，知識庫概念在此后不斷被各個領域的專家用于行業更新設想的過程中，逐漸成為了一種以知識系統為核心概念的重要技術研究方向。

1.2 KBE技術的特征

KBE技術作為典型的知識庫工程類技術，具有三種典型的技術特征。首先是知識性，KBE技術誕生于知識庫概念基礎上，因此該技術的所有核心構成都以知識為基準。其次是領域性，KBE技術有著明顯的領域獨特性，就是針對于某個具體專業領域而被設立。不存在多專業領域通用的技術特征。最后是智能性，KBE技術可以在人力輔助的作用下不斷升級作用范圍。例如優化學習能力、知識提取能力、數據計算能力等等。且面對不同的設計需求，KBE技術還可以吸收設計案例，形成良好的預判邏輯推理能力[2]。

2 KBE關鍵技術分解

2.1 知識獲取

KBE技術的整體運作邏輯是知識獲取-知識表示-知識推理。而最初階段的知識獲取，以自動的形式為主。人類專家建立定向的知識庫，內含豐富且具有行業領先價值的專業領域知識。隨后，專家人員通過設定專門的信息檢索算法，令知識庫具有沿著某個需求獲取信息、處理信息診斷信息的能力[3]。例如，基于神經元的信息搜集算法、基于即時數據采集的算法、大數據定向挖掘算法等等。這些算法分別負責不同的信息領域，可以在短時間內完成定向的數據獲取與分類，進而展開知識分析和知識創造等步驟。從理論角度看，KBE技術的知識獲取技術具有完善的行為邏輯。但實際上，當前KBE技術的發展難點也正在于知識獲取的這一流程之內。技術處理的需求五花八門，協調需求代表著算法之間也需要進行充分的協調。但當下相關技術的發展尚未達到理想高度，技術欠缺導致知識獲取技術的工程實踐也面臨著處理效率不高的問題。

2.2 知識表示

知識表示指的是如何將知識獲取階段所“獲取”到的可用知識進行存儲，繼而為后期計算機的處理做好鋪墊工作。目前為止，KBE技術系統中知識表示的常用技術有三種，按照性質可分類為一階謂詞邏輯、產生式、框架式這三種表達法。一階謂詞以啟發為主，是KBE技術初期問世階段的常用方法，技術處理過程冗長故而在近期內已經很少被應用。產生式方法以規則為技術核心，具有靈活自然通用性強的技術優勢。框架式方法屬于數據結構的一種方法，善于突出結構性知識。目前來講，雖然產生式方法的優勢更加突出，但單憑一種方法難以實現規模性的需求。因此多數情況下技術人員會將三種方法結合使用，以此來有效完成知識表示的整體訴求。

2.3 知識推理

知識推理中規則推理和實例推理是比較常用的推理模式。規則推理的技術優勢是邏輯清晰、表達相對直觀。實例推理的穩定性較強，但知識的創新和再造能力較弱。一般情況下知識推理的流程共分為檢索、重用、修正、保存這四個步驟。首先，檢索過程是將亟待解決的問題進行簡單的要求規劃和特殊描述，ES專家系統會結合相關信息對知識庫內容知識進行采集、篩選。篩選原則為，注重選擇與當前問題高度一致或高度相似的數據集。其次，重用階段需結合人工給出的新問題，將檢索階段的知識體系代入到問題之中。再次，修正階段要把知識體系進行重新修改，令其內容更適用于新問題。最后，需要將修改后的內容加以應用，并存入到系統自身的學習庫存中，作為提升知識推理能力的關鍵素材。

3 模具設計考慮因素和設計難點

3.1 考慮因素

模具設計對產品精度的要求很高，因此設計過程中要嚴格設定設計依據、設計程序、型腔、分型面、制作系統、加工方式等因素。設計依據指的是產品尺寸的具體參數、精度以及尺寸的正確性，需要根據產品的具體功能來確定尺寸;設計程序沿形狀尺寸、公差和行業設計基準進行，一切行為嚴格參照國家規定的尺度標準;模具型腔的數量、排列、布置，型芯的設計也需要按照模具外形尺寸進行調整;分型面需要以維護產品精度為目的進行調整，務必確保開模階段的穩定性;澆注系統的澆口位置應盡量處于分型面之上，距離型腔各個部位的距離均等;排氣系統的排氣槽的間隙應盡可能做大，從而避免塑料材質出現飛邊現象;模具設計也需要考慮不同零件的加工方式，如刀具類型、應用范圍等等。這些因素屬于比較常見且基本的內容，也同樣都是KBE技術需要去處理的邏輯范圍。

3.2 設計難點

一般情況下，一套模具的設計流程只能由一個設計團隊從頭到尾負責所有的工作。這其中涉及到三個難點，即知識范圍、工具選擇、方法以及人員的應對。首先，從上文來看模具設計過程中需要考量的內容較多，范圍較雜且包含許多交叉知識點。設計團隊很難顧全所有的理論知識，也很難擁有相對完善的知識經驗。其次，目前三維設計工具的應用難度較大，單憑人力進行設計雖然可保證質量，但整體效率較低不符合快速設計的要求。最后，團隊設計導致人員的工作強度較大，工作人員極易產生煩躁心態，繼而影響模具設計的效果。基于此，應用KBE技術可以提升基礎準備的整體質量，避免出錯對模具壽命造成不良影響。

4 模具設計中的KBE技術應用分析

4.1 鍛模設計

哥倫布實驗室所設計的幾何尺寸衡量系統，是鍛模設計過程中應用KBE技術的典型案例。實驗室成員們整合了常用幾何的拓撲關系，將其整理為某種具有定向含義的符號，并配置相應的數據處理算法，構建出了性能良好的幾何尺寸設計專家系統。系統可以按照不同的設計需求，計算出相應的模擬數值。數值與需求整合再建立出基本構件，實驗室成員們可以通過互動頁面決定是否鍛造該構件。如若設計成果不符合預期，可以返回到第一階段增補或改良需求。我國西北工業大學在幾何尺寸衡量系統的基礎上，采用了人工神經網絡ANN（Artificial Neural Network）技術，優化了設計系統的自適應性。該系統可以自發完成對設計需求的缺陷預測，有效提升了模具設計的整體速率。

4.2 沖模設計

以沖模設計為主的KBE技術應用中，美國普渡大學的加工實驗室所設計的深加工自動設計系統（軸對稱性質）比較具有代表性。該系統基于生成設計、測試匹配度、校閱適應性作為行為邏輯，是智能性較好的自動設計系統。該系統內預設軸對稱深加工的相關知識譜系，由ES專家系統在程序外圍進行智能控制。人工輸入尺寸、槽的類別及數目等工藝需求后，系統會依照已有的設計經驗給出IT序，專家系統負責測試和校閱。初期階段該系統的設計成效和設計質量一般，但隨著不斷積累排樣規則擴充知識庫，該軟件的速率提高了5倍。并且還實現了知識的有序傳遞，減少了新設計者犯老錯誤的次數。

4.3 擠壓模設計

FORMEX系統是擠壓模設計的經典系統，該系統結合了人工智能技術，可以將設計、知識推理、工藝規劃等一系列工序整合，以自動形式展開工作[4]。后期也有人針對這一系統提出了增加功能的設想，即加入成本估算功能，充分利用工藝規劃自動化的技術優勢。但一部分學者指出，該系統的ES專家系統結構的集成性不高，提出應該利用人工神經網絡和有限元（Finite Element Method）技術對專家系統進行優化。人工神經網絡可以模擬人的思維模式，而有限元技術可以令模擬運算的誤差達到最小值。基于該系統后產生的冷擠壓工藝設計系統，更是在知識庫的基礎上擴展了規則庫，實現了算法的自動排序。系統可以根據所選材料的基本參數和工件的基礎信息來確認相應規則，繼而確立成形工序和分配載荷。

5 結語

綜上，KBE技術在模具設計中的應用優勢十分顯著。但考慮到未來功用的持續更迭，建議模具設計研究者們從三個方向持續優化KBE技術：首先，完善KBE技術中的推理能力。即從簡單的文字邏輯推理，逐漸過渡為圖片推理或圖文推理。其次，要建立具有一定規模的知識系統，該系統應妥善處理設計相關的理論系統，升級知識應用的資源背景。最后，要持續完善相關算法的嚴密性，強化ES專家系統的有效性和實用性。

參考文獻

[1] 彭穎紅，趙震.模具設計中的KBE技術[J].世界科學，2000（7）：30-31.

[2] 張賽軍，劉文娟，阮鋒，等.基于KBE技術的互感器模具設計[J].電力自動化設備，2005（8）：87-89.

[3] 吳小江.塑料模具設計中KBE技術的應用研究[J].橡塑技術與裝備，2016，42（4）：13-14.

[4] 李震，李強.基于UG—NX4平臺KBE技術在汽車覆蓋件模具設計中應用[J].機械設計與制造，2010（4）：242-244.