[发明专利]机器智能参与设计决策的冷挤压件智能设计系统

权利要求书

1.一种机器智能参与设计决策的冷挤压件智能设计系统，其特征在于：

所述智能设计系统包括：

设计型专家系统模块，内部含有大量的冷挤压成形领域专家水平的知识与经验，利用人类专家的知识和解决问题的方法来处理冷挤压成形领域问题，利用所述知识和经验，进行推理和判断，模拟人类专家的决策过程，所述设计型专家系统模块包括：

知识库，集合用于设计冷挤压件的领域知识以及专家的实际经验，包括产品实例库、设计规则库、设计参数库和数值方法库；产品实例库是设计人员工作中长期累积下来的实例的集合，用于基于实例推理时产生新的目标模型，同时作为原始学习模型以便设计中需要时调用；设计规则库是与冷挤压件有关的知识和经验存储的主要场所，将知识和经验转化为计算机可以处理的符号形式以便于描述和编辑；设计参数库主要存放着各种冷挤压模具材料的化学成分、物理性能、推荐的热加工和热处理工艺参数及相应的力学性能技术资料；数值方法库存放着智能设计方法会用到的各类数值算法知识；

推理机，用于在用户输入冷挤压件的性能要求后，由推理机制根据推理策略对知识库进行搜索；

动态数据库，用于在工作时动态存储设计过程中的信息，包括冷挤压件的初始设计要求、中间结果及最终方案，由推理机制控制其刷新；

解释机制，用于对用户或工程师所提出的问题，给出一个回答；工程分析模块，用于建立冷挤压件初始设计方案的设计变量和优化目标之间的函数关系，然后对初始设计方案作优化，并绘制出优化后的图形信息，包括：

仿真分析单元，以有限元软件作为工具模拟出多组有代表性的试验数据，以作为后续建立非线性映射时的训练样本；

计算优化单元，用于将这多组试验数据作为训练数据，采用支持向量机的方法建立设计参数和优化目标之间的映射，利用这一映射再预测出多组试验数据，利用原有和预测出的多组数据拟合出设计参数和优化目标之间的函数关系，将这一函数用于计算优化，采用遗传算法优设计参数，将优化后的设计参数代入参数化的初始设计方案，得到优化后的冷挤压件设计方案；

参数化绘图单元、用于将图纸信息存入产品实例库；

产品性能评价模块，用于评价优化后模型是否符合设计要求，通过判断成形载荷、金属流动、应力应变分布、成形缺陷和模具填充情况来评价成形件的质量，对每一项评价对象都会定义相应的准则以供评价。

2.如权利要求1所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征在于：所述产品性能评价模块中，通过有限元软件后处理模拟成形后的零件，导出应力、形变结果到第三方后处理程序，该后处理程序由开发人员根据定义的评价准则编写，通过该程序完整可信地评价产品的整体性能，如果产品经该评价不合格，则重新返回到优化阶段，重新迭代优化，最终获得优化解。

3.如权利要求1或2所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征在于：所述推理机的推理机制有四类：基于实例推理、基于规则推理、基于支持向量机推理和遗传算法。

4.如权利要求3所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征在于：所述基于支持向量机推理，用于根据几组典型有限元分析结果建立有限元结果预测模型，通过寻求结构化风险最小，能够实现经验风险和置信范围的最小化；最终转化成为一个二次型寻优问题，得到的将是全局最优点，而且将实际问题通过非线性变换转换到高维的特征空间，在高维空间中构造线性决策函数来实现原空间中的非线性决策函数。

5.如权利要求3所述的机器智能参与设计决策的冷挤压件智能设计系统，其特征在于：所述遗传算法，用于优化冷挤压件设计参数，其以设计参数的编码而不是值作为运算对象使得计算优化过程可以借鉴生物学中的染色体和基因概念，模仿自然界中生物的遗传和进化机理，以目标函数值作为搜索信息，同时使用多个搜索点的搜索信息。