基于实例推理的枪械方案快速设计研究

王国新，石学海，阎艳，明振军，郝佳

（1.北京理工大学机械与车辆学院，北京100081；2.北京机电工程研究所，北京100074）

基于实例推理的枪械方案快速设计研究

王国新1，石学海2，阎艳1，明振军1，郝佳1

（1.北京理工大学机械与车辆学院，北京100081；2.北京机电工程研究所，北京100074）

为了提高基于实例推理方法在枪械方案设计领域的检索精度和设计知识重用程度，提出针对变型设计过程的基于实例推理的设计方案获取和方案修改方法。针对枪械设计过程，建立包括知识库、推理驱动引擎、实例检索模块和规则修改模块的实例推理流程；根据3类不同的指标需求形式设计了对应的相似度计算方法，提高检索精度；通过规则知识的定义和约束实现对设计方案进行定量化、适应性修改，获取最终的方案。开发了基于实例推理的枪械方案快速设计原型系统，并以枪管为例验证了该检索算法的精度，以及所提方法的有效性和实用性。

兵器科学与技术；基于实例推理；变型设计；实例修改；方案设计

0 引言

枪械产品设计过程中要开展大量的变型设计活动，尤其是在方案设计阶段，针对新的设计需求提取已有的设计方案并修改以获得新的解决方案是经常采用的策略，这一过程与基于实例推理（CBR）的原理非常一致［1］。近年来，对于基于CBR的研究主要集中在实例检索和实例修改两个方面，应用领域亦非常广泛。在实例检索方面，Hu等［2］提出了一种加权平均数方法与灰色关联分析方法相结合的K-近邻算法来实现相似实例的匹配过程，并将其应用于电源变压器的设计。Fan等［3］将实例属性进行分类并提出了它们的混合相似度计算方法以提高检索的精确性。胡良明［4］则尝试对实例库进行合理聚类后再进行索引。Guo等［5］将本体技术与CBR系统相结合提出了一种基于语义和数值的两级检索方法。文献［6］则将数据挖掘技术与CBR系统相结合对实例库进行组织和管理以提高系统的精确性和检索效率。Tung等［7］构建了诊断问题本体并采用基于规则的CBR方法建立方案检索系统，以解决复杂系统中难以快速准确地进行问题诊断并找到解决对应问题的专家的情况。在实例修改环节，Fuchs等［8］通过控制问题描述之间的微小差异为方案修改过程提供支持。Xie等［9］提出价值函数来衡量实例的语义相似度，为实例索引的相似度考量提供了新的思路。Peng等［10］将推理技术应用于夹具设计过程，提出了快速构建夹具概念设计方案的方法。Castro等［11］构建了收益与损失函数帮助用户选择最优的实例方案以保证出现错误时的损失最小。

在枪械设计领域，刘长毅等［12］针对枪械自动机方案设计特点开发了一套枪械自动机方案设计智能CAD原型系统。方峻等［13］提出了一种基于CBR的面向对象框架原型，并开发了一套枪械自动机方案设计原型系统。王永娟等［14］对枪械产品结构、配置、工作流程及版本管理进行了研究，建立了枪械设计协同工作小组以加快枪械设计过程。丁剑飞等［15］提出了一种分布式基于案例推理设计系统框架，通过本体服务器在分布式案例库之间建立共享本体以实现知识集成。胡良明等［16］采用XML技术表达设计实例，并采用权重邻近法和归纳推理法相结合的两级索引机制实现相似实例的索引。此外，胡良明等［17］在产品实例结构模型中提出了实例预选和实例匹配的两阶段实例检索策略，并将其应用于枪械自动机设计。田世英等［18］将CBR技术引入自行火炮武器系统故障诊断，建立了基于CBR的自行火炮故障诊断专家系统。楼俐等［19］将灰色系统理论应用于枪械设计方案的量化分析评价，研究了考虑评价指标权重以及灰色关联分析的设计方案优选决策理论，完成了加权灰色关联模型的关联度计算。上述研究尝试将基于CBR方法在枪械产品设计领域进行应用，侧重于结合专家系统，为枪械零部件选型和参数化设计提供支持。在相似实例的索引中尝试与领域本体结合，结合多种方法采用多级索引机制提高相似实例的精确度，而在设计方案的修改方面则略显薄弱，虽然提出了枪械设计领域中CBR的框架，但是对实例修改方法的研究较少。面对枪械设计领域中常见的变型设计需求，本文针对方案设计阶段提出了基于CBR的设计流程，针对枪械产品参数特点，对设计需求信息进行了分类并分别给出了相似度计算方法，进一步结合设计规则和领域知识提出了相似实例修改的流程，并以枪管为对象构建系统进行验证。

1 基于CBR的枪械方案快速设计流程

采用CBR方法利用以往的设计成果指导当前设计活动的开展，能够有效提高设计效率。图1构建了基于CBR的枪械方案快速设计流程，包括知识库、推理驱动引擎、实例检索子流程和规则修改子流程四个部分。

1）设计实例库和规则经验库。设计实例库保存了以往设计活动的设计实例，设计实例由设计需求、设计成果和成果评价三部分组成。需求信息是实例匹配中相似度计算的主要对象，设计成果是进行变型设计的主要修改对象，成果评价是产品满足性能和功能要求的反馈信息。规则经验库为枪械方案的修改提供知识支撑，其来源包括设计经验、设计手册等资料以及设计过程中遵循的标准规范。

2）推理驱动主流程。推理驱动主流程通过基于CBR方法快速产生设计方案。当明确战术技术要求后，推理主流程通过实例检索子流程获得超过相似度阈值指定数量的相似实例集，然后通过规则修改子流程，利用设计规则对相似实例参数进行修改，之后通过专家打分从中选择最符合当前设计需求的实例方案，设计人员可以在该方案的基础上进行进一步的设计活动并获得成熟的设计方案。此时，将该方案作为新的设计实例存储到实例库中，这一环节的重要意义在于它能够使实例库具备自增长性，使推理结果随着实例库的充实更加精确。

3）实例检索子流程。实例检索子流程是实例推理过程中获取相似实例集的重要步骤。在进行实例匹配检索之前，设计人员首先需要设定获取的相似实例个数和相似度阈值。推理驱动主流程将在获得战术技术指标以及各个指标对应的权重后索引实例库，计算并获取各个实例的相似度，并最终取相似度大于阈值的既定阈值的实例，构成相似实际集合。在实例检索过程中需要与设计实例库进行交互，设计实例库在为现有设计问题提供参考的同时也会吸收成熟的设计方案，不断积累新的设计知识。

4）规则修改子流程。基于实例推理方法不可避免地存在以往设计实例不能够完全满足现有设计需求的问题，实例修改的环节正是针对这一问题，将设计经验和设计原理以规则的形式对相似方案进行约束和修改，使相似实例更能够满足新问题的设计需求。

图1 基于CBR的枪械产品快速设计流程Fig.1 Flow chart of firearm rapid design based on case-based reasoning method

2 相似设计实例的获取与修改

2.1 获取相似实例集合

相似实例的获取是决定CBR效果的重要环节，实例提取的原则是获取尽可能少且相似度尽可能大的实例，相似度的计算直接决定了实例提取的结果。在枪械设计领域，需求信息以战术技术指标的形式表达，不同的指标以不同的形式出现，对需求信息进行分类并设计不同的相似度计算方法能够提高实例索引的精确性，获取合理的相似实例集合。本文将枪械产品战术技术指标分为字符型指标、数值型指标以及包含型指标，分别给出了相似度的计算方法。

1）字符型指标。字符型指标表征了产品某方面的性能预期，通常为文字描述形式。如对于轻武器材料性能、便携性等要求。字符型指标的相似度计算方法如下:

字符串a=a1…an和b=b1…bm的相似度SIMt（a，b）由二者之间的最小编辑距离dm，n决定，

式中:di，0=i，d0，j=j，1≤i≤m，1≤j≤n；wi、wd、ws分别为“插入代价”、“删除代价”和“替换代价。”

2）数值型指标。数值型指标通常是对某一指标的定量化描述，本文在文献［20］基础上改进，其相似度计算如下:

式中:MAXv、MINv分别为a、b取值范围的上下限；AdjustFactor是调整系数。

3）包含型指标。包含型战术技术指标用于约束产品对特定对象或功能的兼容性，例如“使用枪弹”约束了当前设计产品需要对指定种类的枪弹具有兼容性。指标A=｛a0，a1，…，am｝和B=｛b0，b1，…，bn｝，其相似度SIMc（A，B）定义为

式中:COUNT（A→B）表示A中元素在B中出现的次数的总和，A表示当前设计问题的战术技术需求指标，B表示实例库中实例的战术技术指标。

在单个战术技术指标相似度计算基础上，获取实例综合相似度。本文采用专家评价的方式对各战术技术指标进行评估并赋予权重值。实例C1和C2的综合相似度定义为

式中:Wt、Wn、Wc分别表示字符型、数值型以及包含型指标的相似度权重，且其和为1；wt，i表示第i个字符型指标的权重值，；同理，wn，j表示第j个数值型指标的权重；wc，k表示第k个包含型指标的权重；l、m、n分别表示字符型、数值型以及包含型指标的数量。

2.2 基于规则知识修改相似实例

本文基于规则知识对相似实例进行适应性修改，规则知识是指能够定量化描述设计参数，特别是结构参数的知识。

定义1:规则知识r=〈Obj，Int，Con，Des〉，其中: Obj是规则知识r所针对的参数对象，即规则知识r可以对其Obj产生影响；Int指规则知识r对其Obj产生约束的强弱，Int=｛Strong，Weak｝；Con是规则知识r能够产生影响的情境，即在满足Con的情况下r才能产生约束力；Des是规则知识r的内容。

规则知识依据其对修改对象的约束力大小分为原理型规则知识和推荐型规则知识两类。

1）原理型规则知识对修改对象具有强约束力，即r=｛〈Obj，Int，Con，Des〉|Int=Strong｝，将计算公式、校验程序、表格数据等整理为规则并运用于相似实例集的修改，能够避免设计人员频繁查阅设计手册，提高工作效率。

2）推荐型规则知识包括长期实践所积累的设计经验，总结大量试验数据所得的参考经验，以及以往设计成果反馈信息所得的规则知识。推荐型规则知识即r=｛〈Obj，Int，Con，Des〉|Int=Weak｝，其对方案修改产生的影响并不是必须的，当其与原理型规则知识产生冲突时，优先满足原理型设计知识，。

规则知识能够定义需求指标与设计参数、设计参数与设计参数之间的关系。图2所示为需求指标D=｛di，i=1，2，3，4｝与设计参数V=｛vi，i=1，2，…，7｝之间的映射关系示意图。二者由规则知识定义其映射关系，其中规则Rij=｛r1，r2，…｝即需求指标i与设计参数j之间的映射规则集合。此外，设计参数之间亦存在规则约束，规则R′ij=｛r′1，r′2，…｝是设计参数i与设计参数j之间的规则约束集合。

图2 需求指标与设计参数映射关系示意图Fig.2 Mapping relationship among requirement indexes and design variables

定义2:修改序列AS，AS=｛Ni|Ni=〈BVi，EVi，RSi〉，i=1，2，…｝.其中:N是修改单元，属性BV表示修改单元的前节点集合，EV是修改单元的作用节点，每个设计参数对应一个修改单元，RS=｛ri，i= 1，2，…｝是修改规则集。修改单元表示在前节点BV基础上，依据修改规则集RS对作用节点EV进行修改。图2中修改单元N6=〈｛v3，v4｝，｛v6｝，R36U R′46UR′36〉.修改序列是修改单元的集合，描述了需要修改的参数集合以及修改的优先级顺序。

图3是基于规则知识对相似实例集合Cs中的实例ck基于规则进行修改的过程，其具体步骤如下:

步骤1 获取相似实例。由上文实例推理方法获取相似实例集合Cs，提取其中的相似实例ck作为修改对象。

步骤2 需求指标与设计参数映射。表1为图2中需求指标与设计参数之间的映射关系表，Rij为需求指标di与设计参数vj间的关联规则知识集。逐项对比实例间的需求指标di，若指标存在差异，则通过表1将关联的设计参数归入待修改设计参数集合Va.图2中若ck和cc的需求指标d2和d3不一致，则通过步骤2可得到Va=｛v1，v2，v5，v6｝.

图3 基于规则知识的实例修改过程Fig.3 Case revise procedure on the base of rule knowledge

表1 需求指标与设计参数的映射关系表Tab.1 Mapping relationship among requirement indexes and design variables

步骤3 确定待修改参数集合V′a.设计参数之间存在关联规则，部分参数的改变会拓展到关联参数的变化。表2所示为图2中设计参数间的关联关系表，其中R′ij表示设计参数vi与vj之间的关联规则集。遍历步骤2所得Va中的参数，通过表2将关联参数补充至Va，最终得到待修改参数集合V′a.以图2为例，通过步骤3可得

表2 设计参数关联关系表Tab.2 Association relationship among design variables

步骤4 获取修改序列ASk.每个待修改参数对应一个修改单元，由表2的关联关系和表1的映射关系可以确定V′a中参数对应的修改单元。以图2为例，通过步骤4可得

式中:N1=〈Null，｛v1｝，R21〉；N2=〈｛v1｝，｛v2｝，R12UR22UR32UR′12〉；N3=〈｛v1｝，｛v3｝，R′13〉；N4=〈｛v1｝，｛v4｝，R′14〉；N5=〈｛v3｝，｛v5｝，R35UR′35〉；N6=〈｛v3，v4｝，｛v6｝，R36UR46UR′36UR′46〉.

步骤5 依据修改序列修改相似实例ck.步骤4所得修改序列ASk中修改单元Ni的前节点BVi表示修改某一参数时需要的已知参数，而修改规则集RSi则是修改依据的规则知识集合。因此，通过判断BVi可以得到参数修改的顺序，并依据RSi完成对实例的修改。以图2中BV=Ø的参数v1作为修改起点，可得参数的修改顺序为:｛v1｝→｛v2，v3，v4｝→｛v5，v6｝.

3 实例验证

本文以枪管方案设计为例，构建基于实例推理的枪管快速设计系统进行验证。枪管是枪械产品最基本的零件之一，其主要作用是赋予弹头一定的方向和初速度，其结构较为固定，以适应性调整部分参量的变型设计活动为主。图4是实例库中枪管实例的构成。在进行实例检索时，检索得到的每个实例包括了最初输入的需求战术技术指标、最终设计所得产品的实际战术技术指标以及枪管的具体设计参数。

图4 枪管实例构成Fig.4 A barrel case

枪管快速设计的起点是设计需求，即功能分解得到的战术技术指标，表3所示为输入的战术技术需求指标。将输入的需求信息将与实例库中已有设计实例的实际战术技术指标进行相似匹配，其中各项指标的权重值经过专家打分后设置如表4所示。

表4中“指标类型”表明了不同指标在进行匹配过程中的分类。另外，设置相似度阈值δ=0.6，候选方案数量为n=3，即匹配相似度大于等于0.6的前3个实例会构成相似实例集Cs.相似实例集结果在表5中列出。由于实例相似匹配过程所得的推理结果与实例的质量和数量有很大的关系，本文构建的实例库中实例数量有限，实例覆盖的产品范围也比较局限，故所得实例之间相似度差别不大。

表5中各个实例都有详细的相似度匹配信息，以排名第1的“某7.62 mm冲锋枪”为例，其详细匹配信息在表6中列出。

表5所示的相似实例匹配结果经过规则知识修改和专家参与的评价过程后所得结果如图5所示。最终形成如表7所示的推荐方案。该推荐方案是在实例“某7.62 mm冲锋枪”的方案基础上，针对当前的战术技术要求经过规则知识修改所得（设计人员也可以根据自己的经验直接修改参数，并给出修改理由）。如线膛横断面积，原方案值为47.86 mm2，经过原理型规则知识自动修改，获得推荐取值47.92 mm2，并提供修改理由。

图5 相似实例经规则知识修改后结果界面Fig.5 Interface of matching cases revised by rule knowledge

表3 输入的战术技术需求指标Tab.3 Tactical and technical specifications

表4 战术技术指标相似匹配权重Tab.4 Similarity matching weight of tactica l and technical indexes

表7所示是枪管内膛的部分结构参数，相似方案与当前战术技术需求指标中口径相同，故所得方案中部分参数不变。其中，弹膛部分参数主要由弹壳外形结构决定，所采用枪弹为膛压较大的53式7.62 mm普通弹，各锥体长度和锥体直径由枪弹外形决定，枪弹与内膛之间的配合间隙取相似实例中的对应值。线膛和膛线部分由于口径一致，其参数部分以使用枪弹为准，参考相似实例对应值。图6是依据修改后参数自动化生成的枪管模型。

表5 相似实例匹配结果列表Tab.5 Similarity case matching results

表6 “某7.62 mm冲锋枪”相似度详细信息Tab.6 Similarity details of one matching case

表7 最终推荐方案Tab.7 Corresponding solution to the requirement indexes

图6 自动化生成参数模型Fig.6 Automatically generated parameterized 3D barrel model

综上所述，从表3的战术技术指标需求获得了表7的枪管结构设计方案，运用该设计方案可以很快得到参数化的三维设计模型，设计人员在该模型基础上进行后续的设计工作，以往设计活动中找寻和参考相似设计成果的大量时间被节省了出来。

4 结论

本文针对枪械领域基于实例推理技术在方案设计阶段的应用现状，提出了基于CBR的枪械方案设计推理流程，对枪械领域的设计需求信息即战术技术指标进行分类，针对不同指标类型设计了相似度匹配算法以提高实例匹配精度，采用基于规则知识的方案修改方法对相似方案进行适应性修改，以完成变型设计过程，获得问题解决方案。以枪管为实例构建了快速设计原型系统对上述方法进行了验证，结果显示该方法能够有效缩短设计人员在方案设计过程中参考设计知识和获取方案及模型的时间，提高设计人员的设计效率。针对枪械设计过程中知识密集的特点，后续研究将对实例进行层次化建模，对实例的概念和范围进行粒度划分，讨论不同粒度的实例构建和应用。

（References）

［1］ Ramon L D M，Mcsherry D，Bridge D，et al.Retrieval，reuse，revision and retention in case-based reasoning［J］.Knowledge Engineering Review，2005，20（3）:215-240.

［2］ Hu J，Qi J，Peng Y H.New CBR adaptation method combining with problem-solution relational analysis for mechanical design［J］. Computers in Industry，2015，66:41-51.

［3］ Fan Z P，Li Y H，Wang X H，et al.Hybrid similarity measure for case retrieval in CBR and its application to emergency response towards gas explosion［J］.Expert Systems with Applications，2014，41（5）:2526-2534.

［4］ 胡良明.改进最近邻法在基于CBR的自动武器设计系统中的应用［J］.制造业自动化，2008，30（11）:93-95. HU Liang-ming.Application of improving nearest neighbor algorithmincase-basedreasoningsystemforautomaticweapon design［J］.Manufacturing Automation，2008，30（11）:93-95.（in Chinese）

［5］ Guo Y，Hu J，Peng Y H.A CBR system for injection mould design based on ontology:a case study［J］.Computer Aided Design，2012，44（6）:496-508.

［6］ Guo Y，Hu J，Peng Y H.Research on CBR system based on data mining［J］.Applied Soft Computing，2011，11（8）:5006-5014.

［7］ Tung Y H，Tseng S S，Weng J F，et al.A rule-based CBR approach for expert finding and problem diagnosis［J］.Expert Systems with Applications，2010，37（3）:2427-2438.

［8］ Fuchs B，Lieber J，Mille A，et al.Differential adaptation:an operational approach to adaptation for solving numerical problems with CBR［J］.Knowledge Based Systems，2014，68（3）:103-114.

［9］ Xie X L，Lin L，Zhong S S.Handling missing values and unmatched features in a CBR system for hydro-generator design［J］. Computer Aided Design，2013，45（6）:963-976.

［10］ Peng G L，Chen G F，Wu C W，et al.Applying RBR and CBR to develop a VR based integrated system for machining fixture design［J］.Expert Systems with Applications，2011，38（1）:26-38.

［11］ Castro J L，Navarro M，Sánchez J M，et al.Loss and gain functions for CBR retrieval［J］.Information Sciences，2009，179（11）:1738-1750.

［12］ 刘长毅，徐诚.枪械自动机方案设计智能CAD技术研究［J］.兵工学报，2001，22（1）:23-26. LIU Chang-yi，XU Cheng.Intelligent CAD in the design of automatic mechanism in small arms［J］.Acta Armamentarii，2001，22（1）:23-26.（in Chinese）

［13］ 方峻，刘长毅，徐诚.枪械方案设计系统中的基于实例推理框架研究［J］.兵工学报，2003，24（1）:128-132. FANG Jun，LIU Chang-yi，XU Cheng.Case based reasoning（CBR）framework for the scheme design of small arms［J］.Acta Armamentarii，2003，24（1）:128-132.（in Chinese）

［14］ 王永娟，赫雷，徐诚.面向枪械设计部门的产品数据管理系统研究［J］.兵工学报，2004，25（1）:124-128. WANG Yong-juan，HE Lei，XU Cheng.Product data management systems oriented to gun design departments［J］.Acta Armamentarii，2004，25（1）:124-128.（in Chinese）

［15］ 丁剑飞，何玉林，李成武.基于本体的分布式CBR设计系统［J］.计算机工程，2007，33（21）:183-185. DING Jian-fei，HE Yu-lin，LI Cheng-wu.Distributed CBR design system based on ontology［J］.Computer Engineering，2007，33（21）:183-185.（in Chinese）

［16］ 胡良明，徐诚，甘泉.基于实例推理的自动武器辅助设计系统［J］.机械设计与制造，2007（1）:56-58. HU Liang-ming，XU Cheng，GAN Quan.A case-based reasoning computer-aided design system for automatic weapons［J］.Machinery Design and Manufacture，2007（1）:56-58.（in Chinese）

［17］ 胡良明，徐诚，王永娟，等.面向对象的机械产品设计实例表示方法及检索策略研究［J］.南京理工大学学报:自然科学版，2009，33（1）:104-107. HU Liang-ming，XU Cheng，WANG Yong-juan，et al.Mechanical product case representation and case retrieval based on object oriented technique［J］.Journal of Nanjing University of Science and Technology:Natural Science，2009，33（1）:104-107.（in Chinese）

［18］ 田世英，胡良明，朱爱华.基于实例推理的自行火炮故障诊断［J］.兵工自动化，2007，26（4）:14-15. TIAN Shi-ying，HU Liang-ming，ZHU Ai-hua.Self-propelled gun fault diagnosis based on case reasoning［J］.Armament Automation，2007，26（4）:14-15.（in Chinese）

［19］ 楼俐，徐诚，张飞猛.灰色系统理论及量化分析法在枪械方案设计评价中的应用［J］.南京理工大学学报:自然科学版，2010，34（5）:581-585. LOU Li，XU Cheng，ZHANG Fei-meng.Application of grey system theory and quantitative analysis method to scheme design evaluation of small arms［J］.Journal of Nanjing University of Science and Technology:Natural Science，2010，34（5）:581-585.（in Chinese）

［20］ Zang M A，Gray A，Hobbs M，et al.Similarity assessment techniques［C］∥The 20th International Conference on Systems Research，Informatics and Cybernetics.Baden-Baden，Germany: the International Institute for Advanced Studies in Systems Research and Cybernetics，2008:67-79.

Rapid Scheme Design of Firearms Based on Case-based Reasoning

WANG Guo-xin1，SHI Xue-hai2，YAN Yan1，MING Zhen-jun1，HAO Jia1
（1.School of Mechanical Engineering，Beijing Institute of Technology，Beijing 100081，China；2.Beijing Research Institute of Electromechanical Engineering，Beijing 100074，China）

To improve the design knowledge reuse level and retrieval precision of case-based reasoning method in firearm scheme design，a design scheme and a revise method are proposed based on case-based reasoning for variant design process.A case-based reasoning framework is firstly established，including knowledge base，main reasoning engine，case retrieval module and rule-based revise module.For three different design requirements，a corresponding similarity calculation method is then proposed to improve the case retrieval accuracy.Similarity cases obtained in retrieval phase are quantifiably and adaptively revised to get the final design scheme by introducing the concept of rule knowledge.A firearm rapid scheme design prototype system is developed，and a barrel design example is presented to verify the accuracy of retrieval process and the effectiveness and practicality of the proposed method.

ordnance science and technology；case-based reasoning；variant design；case revisal； scheme design

TJ20

A

1000-1093（2016）07-1170-10

10.3969/j.issn.1000-1093.2016.07.003

2015-10-14

国防基础科研项目（JSJC201402）

王国新（1977—），男，副教授。E-mail:wangguoxin@bit.edu.cn