利用機(jī)器學(xué)習(xí)技術(shù)對(duì)夾具的概念設(shè)計(jì)

1、利用機(jī)器學(xué)習(xí)技術(shù)對(duì)夾具的概念設(shè)計(jì)利用機(jī)器學(xué)習(xí)技術(shù)對(duì)夾具的概念設(shè)計(jì)序言：夾具工件是指用來(lái)固定和穩(wěn)固工件的，用來(lái)對(duì)一個(gè)工件進(jìn)行大部分加工操作的固定工具。夾具的設(shè)計(jì)是一個(gè)復(fù)雜的和直觀的過(guò)程，這需要知識(shí)和經(jīng)驗(yàn)的積累。而自動(dòng)化夾具設(shè)計(jì)過(guò)程是困難的，這是因?yàn)檫@個(gè)問(wèn)題需要運(yùn)用設(shè)計(jì)的知識(shí)。人工智能領(lǐng)域最新的研究進(jìn)展表明，特別是在機(jī)械學(xué)習(xí)方面，提供了運(yùn)用設(shè)計(jì)的方法和知識(shí)。本文試圖運(yùn)用夾具工件學(xué)習(xí)技術(shù)的概念設(shè)計(jì)來(lái)提供案例研究關(guān)鍵詞:夾具設(shè)計(jì);知識(shí)型系統(tǒng);機(jī)器學(xué)習(xí)1介紹制造業(yè)目前正在向高度自動(dòng)化的制造系統(tǒng)發(fā)展，這通常導(dǎo)致較低的生產(chǎn)成本和更高的效率。對(duì)于加工一批復(fù)雜或精密零件、高度準(zhǔn)確的設(shè)備是必需的。這些設(shè)備在加工操

2、作時(shí)，可以用來(lái)穩(wěn)定和固定工件。由于啟發(fā)式知識(shí)要求的設(shè)計(jì)設(shè)備是復(fù)雜的，因此自動(dòng)化設(shè)計(jì)也是復(fù)雜的，象一些應(yīng)用于自動(dòng)化夾具設(shè)計(jì)過(guò)程的人工智能工具，又比如一些更常見(jiàn)的人工智能運(yùn)用于如專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)和遺傳算法等中。每一種都有其優(yōu)點(diǎn)和缺點(diǎn)。專家系統(tǒng)利用現(xiàn)有的規(guī)則，為夾具設(shè)計(jì)功能相對(duì)較好的初始模型。然而，他們太死板，不能隨著時(shí)間的推移，調(diào)整和改進(jìn)自己。一個(gè)神經(jīng)網(wǎng)絡(luò)具有良好的學(xué)習(xí)能力，但是建設(shè)合適的神經(jīng)網(wǎng)絡(luò)可能是非常復(fù)雜的。遺傳算法更像是優(yōu)化工具而非學(xué)習(xí)工具。機(jī)器學(xué)習(xí)是指具有學(xué)習(xí)和適應(yīng)改變的能力，因此它被選為此次夾具設(shè)計(jì)的研究對(duì)象。在隨后的章節(jié)中，如何開(kāi)發(fā)一個(gè)分類模型的裝置，以及如何學(xué)習(xí)使用機(jī)器程序，C4

3、.5將作為研究的內(nèi)容。在發(fā)展過(guò)程中遇到的問(wèn)題，以及提升分類模型的意義，將進(jìn)行詳細(xì)的討論。此案例的研究將演示如何使用分類模型以及如何提出夾具的概念設(shè)計(jì)。2. 方法論本研究是通過(guò)一個(gè)固定數(shù)量的屬性來(lái)描述表示數(shù)據(jù)的一種象征性方法。分類模型來(lái)源于這些數(shù)據(jù)的內(nèi)在規(guī)律，模型的發(fā)展可以分為兩個(gè)階段，即建設(shè)階段和生成分類規(guī)則的階段。2.1 夾具數(shù)據(jù)的描述所有使用的數(shù)據(jù)都可以分為若干案例，每個(gè)案例共由63個(gè)屬性和類組成，本課程內(nèi)容就屬于此案例。這些屬性主要描述了3個(gè)領(lǐng)域：夾具配置，工件特性和加工工藝條件。夾具配置起到了元件的穩(wěn)定，夾緊和固定作用。一般空間位置和所需的公差，以及工件的特征涉及工件表面的粗糙程度，顯

4、著的特性，大致的尺寸和重量。加工條件包括元件的批量大小，材料去除率，切削力的作用，和適合加工的區(qū)域。對(duì)于一個(gè)簡(jiǎn)單適用性的測(cè)試，其包含有概念性的夾具設(shè)計(jì)，多種類型的夾具和切削過(guò)程。此外，該類型的工件被認(rèn)為是僅限于棱鏡的研究。這些屬性都是離散的，平均34的浮動(dòng)值。2.2 建設(shè)的決策樹(shù)感應(yīng)理論是使用5,6的建設(shè)決策樹(shù)，即端的數(shù)據(jù)集是第一次計(jì)算。假設(shè)S表示一組病例可分為n類1 .病例數(shù)量的年代，屬于類C的頻率。2 .病例數(shù)量的年代是尋常的因此，案件的概率選擇是S在每個(gè)案例所傳達(dá)的信息是利用以上，預(yù)計(jì)所需的信息確定一個(gè)案例中的類將變成cy介啾asv1伊做(點(diǎn)叫小詠=2-K-log2(1)接下來(lái)，數(shù)據(jù)將被

5、每個(gè)屬性依次分析，由此產(chǎn)生了端的數(shù)據(jù)計(jì)算。通過(guò)墻的減少或數(shù)據(jù)的增加來(lái)計(jì)算出其差異并進(jìn)行比較。而屬性提供了最高的增益，然后形成決策樹(shù)的分支。這個(gè)過(guò)程將一直進(jìn)行到這部分的所有情況完成。然后分支停止增長(zhǎng)，最終形成一片樹(shù)葉。在樹(shù)完全成熟后，它將裁剪下來(lái)一個(gè)較小的尺寸通過(guò)刪除無(wú)關(guān)的屬性。決定哪些屬性刪除，而標(biāo)準(zhǔn)統(tǒng)計(jì)測(cè)試將被使用的情況下，任何分支可以分布到正確或錯(cuò)誤分類的案例中。因?yàn)橹挥袃蓚€(gè)主要類型的分類，剪枝方法解釋使用如圖表1。A=1;|B=LGood(!5V!)jB7;Gcod(1/0)|B-3:j|C三l:Good(6/0)|C-2:Good(9/0)|IC=3:Bad(170)A=2:Bad(3

6、2/0)圖表1修剪決策樹(shù)樹(shù)上有3個(gè)屬性(A,B,C)和2類(好的和壞的)。它有6葉，數(shù)字在括號(hào)的每片葉子中，(N/E)是注明數(shù)量的情況下覆蓋的葉，(N)是病例數(shù)錯(cuò)誤分類的葉，(E)是預(yù)測(cè)錯(cuò)誤率，可以用UCF(E,N)表示，CF是信心水平計(jì)算的誤差。通過(guò)使用N作為樣本大小、E/N作為示例。在錯(cuò)誤分類的情況下：U25%(E,N)可以推斷出75%的置信區(qū)間的比例?？紤]到子樹(shù)C=1:好(6/0)C=2:好(9/0)C=3:壞(1/0)第一葉，N=6和E=0、75%的置信區(qū)間是發(fā)現(xiàn)是0,0.206。保守誤差的上限比例使用，U25%(0,6)=0.206。同樣，對(duì)于剩余的葉子，U25%(0,9)=0.14

7、3和U25%(0,1)=0.75。最后，預(yù)測(cè)誤差這個(gè)子樹(shù)(6'0.206)+(9'0.143)+(1'0.75)=3.273。如果它的子樹(shù)有一個(gè)葉與類，它將覆蓋共有16例中1例的錯(cuò)誤。因此預(yù)測(cè)誤差16XU25%'(1.16)=16X0.157=2.512因?yàn)楝F(xiàn)有的子樹(shù)有更高的預(yù)測(cè)誤差，將刪除，導(dǎo)致樹(shù)見(jiàn)圖2。反過(guò)來(lái)，通過(guò)刪除每個(gè)屬性，重新計(jì)算新的錯(cuò)誤率，這些屬性的刪除會(huì)導(dǎo)致較低的估計(jì)錯(cuò)誤率，部分將會(huì)永久地修剪。因此，最后合成樹(shù)的應(yīng)該有一個(gè)總體上較低的估計(jì)錯(cuò)誤率。2.3代的分類規(guī)則每個(gè)路徑主要從樹(shù)上的一片葉子上來(lái)，然后轉(zhuǎn)化為一個(gè)分類規(guī)則。雖然決策樹(shù)已經(jīng)被簡(jiǎn)化，但進(jìn)一

8、步簡(jiǎn)化規(guī)則可能還有助于對(duì)降低出錯(cuò)率估計(jì)。比如一些條件，這可能適用于樹(shù)，也可能是冗余的規(guī)則。在證明這種情況下，使用以下規(guī)則：規(guī)則1:如果A二小B=大C=對(duì)D=是的E二沒(méi)有然后類負(fù)面規(guī)則2:如果A二小B=大C=錯(cuò)D=是的E二沒(méi)有然后類負(fù)面A=1：!B=l;Good(151/1)|B工2;Good(I/O)|Bt3:Good(16/1)A=2:Bad(32/0)圖表2修剪決策樹(shù)對(duì)于所有其他屬性，上面的規(guī)則是相同的，除了C(這可能需要只有值正確或者錯(cuò)誤)。因?yàn)樗锌赡艿闹档膶傩訡會(huì)被覆蓋，條件變得冗余和兩個(gè)規(guī)則C的可能。在一定條件下，已經(jīng)被簡(jiǎn)化了的規(guī)則，可能有重復(fù)，如上圖所示，這些規(guī)則將不再相互排斥。

9、因此，最小描述長(zhǎng)度(MDL)原理是用來(lái)過(guò)濾規(guī)則，不做出顯著貢獻(xiàn)的準(zhǔn)確性的規(guī)則集，MDL原理表明，最好的理論可誘導(dǎo)出要求最低數(shù)量的比特編碼理論，和它的異常都將其應(yīng)用到?jīng)Q策樹(shù)，可以在5,8發(fā)現(xiàn)。在這個(gè)原則下，平衡編碼規(guī)則和案例，這樣達(dá)到總成本將是一個(gè)最小的編碼。因此，一些規(guī)則則不會(huì)編碼，從而在許多情況下，不包括在最終的規(guī)則集。這些個(gè)案將被歸類在一個(gè)默認(rèn)的類，如出現(xiàn)最頻繁的類中發(fā)現(xiàn)病例。3 .夾具分類模型在這個(gè)研究中，共有兩個(gè)分類模型構(gòu)建，第一個(gè)是一個(gè)簡(jiǎn)單的模型包括12個(gè)夾具，26和14的工件，共有100例用于培訓(xùn)。這第一個(gè)模型用于幫助理解感應(yīng)過(guò)程和預(yù)期中可能會(huì)遇到的問(wèn)題。生成模型中，感應(yīng)過(guò)程應(yīng)用1

10、2次，每次對(duì)一個(gè)夾具屬性和這些屬性表1中列出。每個(gè)屬性取決于工件夾具，夾具流程和其他屬性。由此產(chǎn)生的誤差利率如圖表3和4所小。正如預(yù)期的那樣，結(jié)果誤差利率非常高，范圍從4%到44%的決策樹(shù)和0%57%的分類規(guī)則集。其原因在于，總空間覆蓋的屬性中的使用訓(xùn)練數(shù)據(jù)集太小?；鶄?cè)和最終定位器（夾具屬性1、2和3）依賴于各種屬性，因此這些導(dǎo)致更高的錯(cuò)誤率。止匕外，還有邊定位器。表1固定屬性?shī)A具編號(hào)夾具屬性1 基本定位器2 側(cè)定位器3 端定位器4 定位公差5 夾方向6 夾式7 夾具公差8 夾驅(qū)動(dòng)9 支持目的10 支持方向11 支持寬容圖表3第一個(gè)模型的決策樹(shù)的錯(cuò)誤率圖表4第一個(gè)模型的分類規(guī)則的錯(cuò)誤率這也依賴

11、于基礎(chǔ)定位，而最終定位依賴于兩個(gè)數(shù)據(jù)，這也催生了增加出錯(cuò)率。類似的結(jié)果在圖里觀察到3號(hào)，4號(hào)。它可能推斷出這個(gè)出錯(cuò)率的數(shù)量會(huì)有成正比的依賴屬性。止匕外，它提供決定屬性中描述不夠詳細(xì)的綜合模型。因此，修改所有的屬性是用于第二個(gè)模型。而第二個(gè)模型使用21夾具屬性，26件屬性以及一個(gè)16進(jìn)程總數(shù)為54000例的屬性。一個(gè)21個(gè)夾具的列表提出了基本屬性如表2。表2。葉子的數(shù)量和規(guī)則為每個(gè)夾具屬性固定屬性葉數(shù)的數(shù)目葉數(shù)的規(guī)則1。底向27962?；囟ㄎ?83年43。側(cè)面53364。側(cè)定位器27555。端面88966。端定位器313157?；?X110138。夾一X126139。夾+Y127910。夾2y

12、1271311。夾+Z116912。夾2z135913?；痱?qū)動(dòng)3214。支持+X185315。支持2X161316。支持+Y170317。支持2y166318。支持+Z172319。支持2z228320。支持體重219321。公差4310.00%8。%r，1367911 13 15 17 19 21固定屬性圖5,弟二個(gè)模說(shuō)的決策樹(shù)的錯(cuò)誤率錯(cuò)率由00%j4.00%2,00%0.00%Ha-丁口-這54000例，隨機(jī)抽取其中20%作為測(cè)試數(shù)據(jù)，而其余的被用于培訓(xùn)。第二個(gè)模型的結(jié)果顯示，對(duì)于決策樹(shù)有很大的改進(jìn)。錯(cuò)誤率（圖5）范圍從相對(duì)于簡(jiǎn)單的樹(shù)0%（200葉）變?yōu)?%相對(duì)復(fù)雜的樹(shù)（300葉）。在決策

13、樹(shù)結(jié)果的改進(jìn)預(yù)計(jì)中，由于樣本數(shù)量增加了，顯示的樹(shù)木可能更準(zhǔn)確。如圖5所示的錯(cuò)誤率，在訓(xùn)練過(guò)程中，使用的情況下，計(jì)算基礎(chǔ)上的測(cè)試與錯(cuò)6）。誤率培訓(xùn)的情況不同，從上面的最大值0.1%表明，用例遵循類似的分布測(cè)試與培訓(xùn)的情況下，因此是無(wú)偏的。這些更精確的樹(shù)，提高了分類規(guī)則與低錯(cuò)誤率設(shè)置的應(yīng)預(yù)期。不過(guò)，發(fā)現(xiàn)規(guī)則集的結(jié)果是個(gè)矛盾的預(yù)測(cè)（圖非常高的分類錯(cuò)誤率的原因是由于切除決策樹(shù)過(guò)度的瑣碎葉從表2中可以看出，平均決策樹(shù)約有100200葉，造成約2至15的規(guī)則。錯(cuò)誤率高（20%）。當(dāng)樹(shù)是非常大的時(shí)候（3001000葉），而由此產(chǎn)生的規(guī)則數(shù)?。?0）。這表明，在樹(shù)上有太多的分支被許多葉子覆蓋，只有少數(shù)病例，在

14、MDL原則下，較少的比特編碼所需這些情況，而不是規(guī)則本身。因此，這些規(guī)則遵從最終的規(guī)則集。無(wú)論他們?cè)瓉?lái)是什么類，需要發(fā)現(xiàn)案件然后分類。仔細(xì)看看夾具的屬性分類，其中“端”支持這一論點(diǎn)（圖7）060,00%國(guó)工第二個(gè)腥型的分類規(guī)則的錯(cuò)誤率錯(cuò)誤 率錯(cuò)誤分©(f)總汁413711477IBOi 2278 (aj : 1e581729 (bl r1446 9】:13671卻4 可士22 176B 17?Q tel ;2113 2113 (f|' 圖7 .分非規(guī)則集為表面沿性測(cè)定錯(cuò)猥的芳類：-z*素素大類類類類 君分分分分分X X Y Y z z»- + - + -2 9c 7

15、 809 3 9 4 8c7 9 9 9 9默認(rèn)為類的“端”是“2Z”。用字母表示（A）至（F）。矩陣顯示的情況下，其實(shí)際的類是在正確的分布。例如，在矩陣的第一行顯示的2278例病例中屬于類"+X”，只有473箱，1805箱，正確分類在默認(rèn)的類“2z”。最后一列在右邊顯示了比例的情況下，屬于一般錯(cuò)誤的類。顯然，實(shí)際上大多數(shù)10800測(cè)試情況是被默認(rèn)的類，而不是通過(guò)任何規(guī)則集中為“頂面”。這表明，太多的規(guī)則已經(jīng)被移除，這樣剩下的規(guī)則在不能正確分類的情況下，導(dǎo)致了一個(gè)非常高的出錯(cuò)率且超過(guò)70%。有幾種方法可以解決這個(gè)問(wèn)題的，第一個(gè)是使用更多的培訓(xùn)情況下，以前微不足道的規(guī)則將覆蓋更多的情況

16、，將不再被認(rèn)為是無(wú)關(guān)緊要的。第二種方法是在決策樹(shù)執(zhí)行更高最低數(shù)量。然而，考慮要給于最低數(shù)量，且仍然保持精度的決策樹(shù)。第三種方法是改進(jìn)規(guī)則生成過(guò)程。另外一點(diǎn)需要注意的是，這個(gè)研究是提出可能不反映實(shí)際精度錯(cuò)誤率的分類模型。對(duì)于一個(gè)給定的工件，沒(méi)有獨(dú)特的夾具方案。夾具的解決方案空間是一個(gè)對(duì)應(yīng)空間。但是，機(jī)器學(xué)習(xí)技術(shù)是基于一個(gè)多對(duì)一的對(duì)應(yīng)空間。這在處理工件產(chǎn)生問(wèn)題上，是關(guān)于一個(gè)或多個(gè)平面對(duì)稱的問(wèn)題。例如，當(dāng)本案涉及一個(gè)工件，是關(guān)于一個(gè)垂直平面的對(duì)稱中心，定位在左手邊的工件可能定位于右側(cè)。然而，該模型只能分類結(jié)果作為正確的一類。因此，如果模型分類定位從左邊是正確的，那么同樣的情況從定位右側(cè)將是錯(cuò)誤。一個(gè)

17、可行的夾具配置可以因此被歸類為錯(cuò)誤，導(dǎo)致更高的錯(cuò)誤率。另一方面，由于機(jī)器學(xué)習(xí)只有一個(gè)對(duì)應(yīng)的空間，它只能提供一個(gè)夾具配置是可行或是最好的，但可以不實(shí)用或有效的。因此，一個(gè)優(yōu)化工具必須結(jié)合其考慮因素如成本核算的固定裝置，裝卸效率等。只有這樣的模型才能用來(lái)提供配在這一部分中，如何分類模型的一個(gè)實(shí)例是可以用來(lái)幫助夾具的概念設(shè)計(jì)。在這個(gè)例子中，工件是一個(gè)主版2在底部的通孔，如圖8所示。要執(zhí)行的操作是通過(guò)另一個(gè)鉆孔邊上所示的方向并加工。顯示工件的值和過(guò)程屬性，還有與之對(duì)應(yīng)的主版的特點(diǎn)和加工操作。以上信息是用來(lái)作為輸入程序C4.5,和適當(dāng)?shù)膴A具的屬性值，如表5測(cè)定。固定屬性值可以作為一個(gè)指南，給予詳細(xì)的夾具

18、設(shè)計(jì)用戶。使用表5中的值，用戶可以使用一個(gè)基板對(duì)表面為基礎(chǔ)的定位，雙缸凸出于基板定位主版。帶夾緊是只有2個(gè)方向上的要求，并可液壓或氣動(dòng)的。支持柱塞在X方向的需要，不支持對(duì)重量工件的需要，屬于夾具公差元素，在一般情況下，以下這些指導(dǎo)方針，會(huì)造成概念上的夾具。如圖9所示。通過(guò)夾具屬性提供指南包括面，可以用來(lái)定位，夾緊和支持，但隨著夾具元件的適當(dāng)修改，這個(gè)夾具設(shè)計(jì)信息，僅僅會(huì)決定夾具元件的準(zhǔn)確位置，或要進(jìn)行必要的修改。表工工件的展件和僑值工作屬性價(jià)值工作屬性價(jià)值1重量輕14一*Y機(jī)孔不2.剛度大12Y表面平3+x表面平162Y步驟是4+x的步驟是142丫加工的孔不6+X機(jī)孔不19+Z表面平7+X表面

19、平20+Z的步驟是a+x步不21.+ZB*平均9+X公差平均2322表回平102X孔不加工242Z步驟沒(méi)有13.+y面平2&2Z公羞緊來(lái)4.過(guò)程中的屬性和值3過(guò)程中的屬性價(jià)值/27批量尺寸3大28加工中心中孫丈”29秘*XP30特征公差a緊Q31+X切削力7大3322X切削力*33十Y切削力.沒(méi)"觸342Y切削力3役一35+Z用目防。沒(méi)C362Z切削力v距37+X無(wú)阻礙的面積3大。382X無(wú)阻礙的面積2大。39、無(wú)阻礙的面積”小/40+Z無(wú)阻礙的面積一大一表5，：0固云每性，價(jià)值Q1基平面日-Zc_2基定位器平Q3惻面-Z。4測(cè)定住器，醫(yī)柱形15端向二Q0端定位競(jìng)“員柱形，7夾+X，NA-8夾*帶“9天1NA10夾-YpNA-11夾"NAp12夾-Z，N/W13。支攆面活塞14-X支撐面口NAp157支攆面"NAp16丫支攆面。NA，17+2支捱面/NA一18Z支理面NA19