基于知识的拖拉机前驱动桥智能化设计系统的研究

廖萍 韦丹 周临震

摘要：针对目前拖拉机前驱动桥设计中智能化程度不高、缺乏对已有设计资源的管理和利用等问题，将知识工程与前驱动桥设计的领域和经验知识相结合，对前驱动桥设计知识的获取、表示、推理和评价等关键技术进行研究，开发基于知识的智能化设计系统，加强对设计知识的继承和重用，实现拖拉机前驱动桥的智能化设计，为前驱动桥设计提供可靠的技术支持，最后详细介绍了系统的组成及实施的关键技术。

关键词：知识工程;知识重用;拖拉机;前驱动桥;智能化设计;产品设计;质量提升;自动化;快速化

中图分类号： S232.3;S219  文献标志码： A  文章编号：1002-1302（2019）11-0262-05

拖拉机是我国农业机械中保有量最多的动力机械，前驱动桥是拖拉机的重要组成部分，使用频繁且受力较大，其设计水平的高低在很大程度上决定了整车的性能水平[1]。目前许多拖拉机生产企业在前驱动桥的设计过程中都采用了CAX技术，在一定程度上提高了设计效率，但前驱动桥结构复杂、零部件众多，传统的产品设计不仅存在大量重复操作的问题，且当设计涉及到主要参数选择、设计方案确定、结果分析等方面时，需要相关设计人员的指导，因而设计人员的水平决定了前驱动桥的设计质量，而前驱动桥作为拖拉机的核心部件直接影响了整车的设计周期和设计质量。

知识工程[2]（knowledge based engineering，KBE）是一种工程设计方法，它融合了人工智能和CAD技术，知识工程的本质是“知识重用”。知识工程将产品设计和流程的知识嵌入在产品设计系统中（KBE系统），它能够解决传统CAD系统不能解决的工程问题，例如这个部件是否达到设计性能要求？这个部件是否能被顺利制造出来？

KBE作为以知识为研究对象的学科，受到国内外学者和研究机构普遍的重视，已广泛应用到产品设计、数据处理和工艺决策等领域。近年来很多机构针对机翼设计、齿轮设计和汽车发动机设计等多个特定对象的基于KBE的智能化系统应用进行了研究，并且已取得一定的成果。例如，意大利AVIO公司将KBE技术应用到飞机机翼的设计中，减少了93%的设计开发时间[3];同济大学研究并开发了基于UG的齿轮设计向导系统，实现了齿轮产品的快速化、智能化设計[4]。KBE技术的广泛使用大大提高了设计效率和准确性，能很好地解决产品开发过程中重复工作量大、过度依赖设计人员的经验、缺乏对已往设计知识的管理与利用等问题，并且在提高产品设计质量和促进产品设计的自动化和快速化方面有着十分重要的意义与价值。

1 前驱动桥

前驱动桥是传动与承载的主要部件，它不仅给拖拉机传递动力，而且支撑着拖拉机的荷重，其结构主要包括中央传动总成、驱动半轴、最终传动装置、立轴与转向装置、桥壳、前后摆座和托架等[5]，如图1所示。传统的前驱动桥设计首先得确定各部件的主要结构形式和主要参数，比如中央传动比、总

传动比、最大输入转速和最大输入扭矩等，然后参照已有的设计案例，提出其总体设计方案，在此基础上对主减速器、差速器、桥壳等部件进行设计，最后将设计好的各部件进行装配，生成完整的前驱动桥产品，但是这些操作对设计师经验的依赖性很大，而且需要设计人员在设计过程中查阅大量的资料，设计周期较长，一旦开发的产品不符合要求，需要花费大量时间和精力进行修改，严重影响企业研发新产品的周期，不利于产品的升级。这种设计方法已经难以满足快速多变的市场需求，因此本研究将KBE与前驱动桥设计相结合，研究基于知识的个性化产品智能化设计系统开发的基本规律和方法，充分重用已有的设计经验、专家知识及成熟设计实例，研制工程化、实用化、知识化的前驱动桥智能化设计系统，以提高前驱动桥设计效率、缩短设计周期、减轻设计人员的劳动强度和保证设计质量。

2 系统总体架构设计

2.1 系统框架结构

基于知识的拖拉机前驱动桥智能化设计系统采用4层的C/S体系结构，包括用户界面、功能实现层、知识数据库和最低层的操作系统、网络、计算机等。其总体框架结构简图如图2所示。

在前驱动桥的开发设计过程中，通常需要考虑中央传动、驱动半轴、最终传动等各个零部件之间的关系等。为了实现前驱动桥的重用设计，在功能实现层的知识管理系统中，针对不同零部件存在不同形式特点的领域知识，集成了多种形式的知识模型，同时，由于各零部件之间存在的层次性，形成了知识库中设计知识的层次性;为了实现前驱动桥在不同设计阶段能够提供专家决策，智能系统中集成了知识推理的功能，能够与领域专家“设计-评价-再设计”的过程相吻合;在设计过程中，为了能够重用设计经验、专家知识及成熟设计实例，需要将工程数据库与功能实现层的各系统进行合理的集成。

2.2 系统工作流程

针对前驱动桥设计过程的特点，前驱动桥智能化设计系统的工作流程如图3所示。在进行前驱动桥设计时，由于系统中内嵌了知识推理和过程引导机制，设计者只需根据过程向导输入前驱动桥的设计需求，例如轮距、前后支承座中心距、最大扭矩、最大转速、承受的满载载荷等主要参数，输入之后系统内部根据具体对象进行基于实例和基于规则的混合推理，从实例库中检索出与设计要求相似的实例，并进行相似度排序;设计人员在检索出的前驱动桥设计实例基础上，初步确定前驱动桥的配置形式、总体和关键零部件的结构尺寸等参数;接着参数设计系统主要对已有的最相似前驱动桥数字化模型进行参数化设计;最后性能分析系统是对前驱动桥进行分析，检验是否满足要求，由于前驱动桥桥壳的力学特性在很大程度上决定了前驱动桥甚至整车的品质，因此本系统中主要对前驱动桥桥壳的强度、刚度和稳定性问题进行仿真分析，将试验与分析结果和国家、农机行业标准进行对比，如果满足要求则直接输出设计结果，如不能满足要求则返回到人工智能系统进行基于规则的推理，修改设计方案，重复上述过程直到设计方案满足要求为止。

3 知识工程在系统中的应用

3.1 知识的获取

知识获取[6]是KBE系统的基础，是把设计知识从知识源中提取出来，经过提炼、整理与归纳，转换为计算机可以识别的形式，最终形成知识库的过程。知识获取的前提是先了解知识的来源，机械产品设计知识源主要包括专家经验、设计手册、产品说明书、图表、公式和产品设计流程等，设计手册、产品说明书、图表和公式等属于显性知识，获取相对容易，而专家经验和产品设计流程知识等属于隐性知识，获取这些知识有较大的难度。目前知识获取途径主要有以下3种方式：（1）查阅书本或相关文献， 从中获取所需知识;（2）通过与领

域专家进行交流获取解决问题的经验;（3）通过机器学习或者数据挖掘的方式提取隐藏在典型产品结构和产品设计过程中的相关知识，将其显性化，并进行整理总结以便设计人员使用。

前驱动桥零部件众多、结构复杂，设计知识形式多样，主要包括国家与行业标准和规范、设计原理、领域专家设计经验、企业以往生产实践中积累的设计实例等。因此本系统将3种方式相结合来获取前驱动桥设计的相关知识，比如前驱动桥的国家标准、机械及农机行业标准和设计原理等可通过查阅拖拉机前驱动桥设计手册和产品说明书获取;前驱动桥的设计经验则通过与相关领域专家座谈的方式获取，如经验公式、实践经验和设计诀窍等;前驱动桥设计的部分隐性知识需采用数据挖掘的方式获取，如前驱动桥设计流程性知识、不同车型前驱动桥外形和内部结构之间的异同等。

3.2 知识的表示

知识表示是把从知识源得到的关于事实、判断和推理的知识表示成计算机能够接受并且存储、处理、维护的符号。在前驱动桥设计过程中，目前常用的知识表示方法有产生式规则、框架、模板、面向对象、基于本体、程序、语义网络等[7]。知识的表示方法很多，每种知识表示方法均有各自的特点，适用于不同的领域。前驱动桥设计是一项复杂的工作，涉及到很多知识，若只采用某一种知识表示方法，难以准确地表达前驱动桥复杂的知识结构，因此，本研究将产生式规则表示、框架表示、模板表示和程序表示4种方法相结合来表示前驱动桥设计知识。

3.2.1 产生式规则表示 产生式规则表示是一种主要表示因果关系的方法，它在语义上表示为“IF（条件）Then（结论1）Else（结论2）的因果关系”，此方法适用于设计方案、设计原理与领域专家设计经验等知识的表示。比如选择联轴器类型的规则可表示如下：

3.2.2 框架表示 框架是把研究对象的所有相关知识组织在一起的数据结构，能够为描述前驱动桥零部件之间复杂关系提供层次结构，在具体表示时利用槽的概念能为框架创建的环境添加知识，例如，前驱动桥主要技术参数用框架表示如下：

3.2.3 模板表示 模板是指从一组具有相同功能、相似结构、相似属性的对象中提取出其共同几何特征，组成一个包含各种相关知识的、参数化的结构单元[8]。模板是产品设计知识的载体，可以将其嵌入到通用模型中来表达产品的功能结构。

拖拉机前驱动桥部分零部件的模板表示是先建立一个通用模型，然后将与零部件相关的设计知识比如设计规则、设计参数等集成在通用模型里，最后以模板的形式存贮在知识库中，供设计人员选择使用。例如，与主动圆锥齿轮相关的知识以模板的形式表示，如图4所示。构建的产品模板是开放性的，设计人员可以通过修改主要参数，如齿数、模数、分度圆直径等，实现主动圆锥齿轮的变型设计。

3.2.4 程序表示 程序表示是使用子程序或子函数来表示知识。对于一些需通过计算公式表示的设计原理知识，系统采用程序表示方法，比如主减速器齿轮强度校核的公式、桥壳的受力分析与强度计算的公式等。

3.3 知识库的构建

将设计实例、规则和模板等相关知识收集、整理和总结成一些规则和解决问题的策略，并存放在一个特定的文件夹或数据库中构成知识库[9]。知识库可以实现产品设计知识存储、分类和管理，以方便设计师重复使用，并在设计过程中为设计人员提供最佳的指导和建议。目前常见的KBE系统的知识库主要有实例知识库、规则知识库和模板库等。实例知识库主要存储产品设计方案、设计参数等;规则知识库主要存储产品设计规则如零部件选型规则、公式等;模板库主要包括整机、部件和零件的模板。

拖拉机前驱动桥设计是一项技术性较强和要求较高的工作，涉及到大量来源复杂和形式多样的设计知识，为了便于设计人员在产品设计时能够快速准确地查找到需要的设计知识，各类知识应分层存储。因此本系统采用层次模块化的方法将前驱动桥知识库进行分类，主要分为实例库、规则库、模板库、标准件库、通用件库、材料库和测试数据库，具体划分结果如图5所示。

3.4 知识的推理

知识推理[10]就是依据一定的原则从已有事实中推出结论的过程，目前常用的推理模式见表1。基于实例推理（case-based reasoning，CBR）是利用已有的成熟設计实例解决问题，相比于基于规则的推理（rule-based reasoning，RBR），CBR知识获取较容易，求解效率较高，但是对于前驱动桥设计这样一个复杂的系统，要想得出正确的结论，只凭实例和经验是远远不够的，还需要一些领域知识和原理知识，如前驱动桥设计规则等，因此在前驱动桥的设计过程中，需将基于实例推理和基于规则推理2种推理模式相结合，充分发挥两者的优势。比如在确定设计方案时先采用基于实例的推理，即对实例库里存放的众多设计方案进行检索与推理，推理出与客户需求相匹配的方案后再利用基于规则的推理进行实例的修改，生成符合要求的前驱动桥产品。

3.5 知识的评价

随着KBE技术的广泛应用，许多新的实例和规则等知识被不断地添加到系统知识库中供用户检索与使用。但是随之而来的就是知识库堆积着大量过时的、多余的知识，严重影响到知识的重用效率，这种情况下精确的知识评价显得尤为重要。目前知识评价方法主要有神经网络算法、层次分析法、模糊综合评价法等[11]。本系统根据前驱动桥的设计流程和设计特点，采用层次分析法（analytic hierarchy process，AHP）进行设计知识综合评价，AHP是一种定量与定性相结合的方法，能处理各种决策因素，可以解决满足不同设计需求的前驱动桥匹配设计方案的选择问题[12]。比如，对于前驱动桥中央传动方案的优化选择，先确定前驱动桥传动方案设计知识评价准则，主要分为传动效率、传动平稳性、经济性，然后通过设计专家给各评价指标赋权，再逐层建立各个评价指标的对比判断矩阵进行两两对比，最后计算出各个方案的综合权重值，进而选择出最优的传动方案。

4 系统实现

本系统利用Siemens NX提供的二次开发工具包进行开发，包括BlockStyler定制用户交互界面，MenuScript创新菜单和工具条，Journaling和NX Open捕捉设计知识和系统开发。系统主要包括5个文件夹：Startup、Application、Parts、KF、Configure，分别用于存放动态链接库文件（*.dll）、菜单脚本文件（*.men）和工具栏脚本文件（*.thr）;对话框文件（*.dlg）、工具圖标文件（*.bmp）和位图文件（*.ubm）;模型文件（*.prt）;设计知识文件（*.dfa）;系统配置文件（*.cfg）等。系统启动后，会自动加载菜单脚本文件，将前驱动桥设计菜单显示到NX系统菜单栏中，前驱动桥设计系统向导如图6所示。用户通过过程向导分别进行前驱动桥的总体设计、中央传动设计、驱动半轴设计、最终转动设计、立轴及转向设计、桥壳设计和前后摆座设计等。图7为主减速器设计界面，设计完成后将自动装配生成前驱动桥的三维数字化模型。图8为前驱动桥三维数字化模型。

5 结论

拖拉机前驱动桥零件众多，而且主减速器、差速器、桥壳等零部件结构复杂，使用传统的设计方法，不仅会耗费大量的时间，而且由于缺乏对已有资源合理有效的管理和利用，在设计过程中存在大量低水平重复劳动等问题。为了提高设计效率，将KBE技术引入到前驱动桥设计中，充分重用设计经验、专家知识及成熟设计实例等设计知识，开发基于知识的拖拉机前驱动桥智能化设计系统，能够加强对农业机械化相关领域知识的继承和重用，实现前驱动桥的快速化、自动化设计，提高前驱动桥设计效率，缩短产品设计周期和保证设计质量。

参考文献：

[1]全国农业可持续发展规划（2015—2030年）[R]. 北京：农业部，国家发展改革委，科技部，财政部，国土资源部，环境保护部，水利部，国家林业局，2015.

[2]彭颖红，胡 洁. KBE技术及其在产品设计中的应用[M]. 上海：上海交通大学出版社，2007：14-18.

[3]Corallo A，Laubacher R，Margherita A. Enhancing product development through knowledge-based engineering （KBE）[J]. Journal of Manufacturing Technology Management，2009，20（8）：1070-1083.

[4]张 鹏. 基于知识的发电机组智能设计系统的研发[D]. 镇江：江苏大学，2016.

[5]姚亮亮. 大功率拖拉机驱动桥自动建模系统的设计与开发[D]. 合肥：合肥工业大学，2010.

[6]Xie G，Yang L. Extension data mining knowledge representation[J]. Physics Procedia，2012，24（1）：240-246.

[7]Chandrasegaran S K，Ramani K，Sriram R D，et al. The evolution，challenges，and future of knowledge representation in product design systems[J]. Computer Aided Design，2013，45（2）：204-228.

[8]陆长明，蒋建东，张立彬. 基于模板的小型农业作业机产品信息模型研究[J]. 计算机集成制造系统，2008，14（6）：1101-1105，1147.

[9]Pham D T，Gourashi N S. Knowledge-based configuration design[C]//Proceedings of IEEE International Conference on Industrial Informatics. IEEE，2003：248-254.

[10]Policastro C A，Carvalho A C，Delbem A C. A hybrid case adaptation approach for case-based reasoning[J]. Applied Intelligence，2008，28（2）：101-119.

[11]Garces G A，Bonjour E，Rakotondranaivo A. New product acceptability evaluation and improvement model with knowledge reuse[J]. IFAC-Papers Online，2016，49（12）：1104-1109.

[12]刘朝亮. 层次分析法在农业系统中的应用研究[J]. 广东农业科学，2013，40（13）：228-232.