知识驱动的机械课程智能教学系统设计
2024-04-08黎海兵叶姚良张忠波余伟朱文博
黎海兵 叶姚良 张忠波 余伟 朱文博
[摘 要] 针对机械产品设计方案多源异构特性导致的设计方案评价不准确、反馈不及时、相关设计知识关联度低等问题,设计了一种基于知识工程技术的智能教学系统,构建了由产品知识库模块、设计方案特征识别模块、方案推理引擎模块和设计方案反馈模块组成的具有设计方案识别、设计方案评估及设计方案反馈能力的个性化智能教学系统。该系统既能有效引导学生充分全面地掌握相应的基础知识,又能帮助教师提升教学效果,并且能够在一定程度上检验和评估学生的学习水平和能力。最终,以阶梯轴为实例验证了所设计的智能教学系统在机械产品设计实践教学过程中的高效性。
[关 键 词] 智能教学系统;知识工程;设计方案空间;阶梯轴
[中图分类号] G642 [文献标志码] A [文章编号] 2096-0603(2024)06-0061-04
突飞猛进的前沿技术、科技革命和产业升级促进工业化与信息化的相互融合,设计产业呈现出数字化、信息化、智能化的特征,对人才培养提出了新的要求[1]。在产品设计的基本概念及原理相对复杂且设计技术又随着新一代信息技术的进步而飞速发展的情况下,机械工程专业的学生在短时间内系统且全面地掌握好产品设计理论知识、实践中能正确熟练地运用机械设计专业技能是非常困难的[2]。
针对现有ITS在机械产品设计方案的评价及反馈方面存在的评价不准确、反馈不及时以及知识结构不系统等问题,本文在在线学习平台的基础上,构建了一个嵌入基于知识工程技术(Knowledge-Based Engineering, KBE)的ITS集成式智能教学框架,重点研究基于知识工程技术的ITS构建方法,充分发挥在线学习异步学习与智能教学系统辅助学习的特性,以期解决现有ITS在面对机械产品设计这类存在多源异构设计方案的教学问题,为学生提供不受时空限制的个性化学习引导,充分调动学生的自主学习兴趣,实现学生个性化学习与教师智能化教学的有机统一,进一步拓展ITS在高校教学实践中的应用范围及效果。
一、文献综述
ITS系统:ITS主要由学生模块、教师模块、领域知识库、人机交互模块组成,ITS通过设定学习目标、监控学生的学习行为、分析和评判该学生当前的学习情况,在此基础上,评价学生的学习效果,然后使用个性化推荐技术呈现符合学生当前学习特征的内容。如孙丽梅等通过数据挖掘技术结合学生行为分析设计出的ITS能提供智能化的教学环境,为学生提供更高效、更个性化的教学服务。[2]Eryilmaz等基于贝叶斯网络和模糊逻辑算法构建了一个适用于培养设计工程师的ITS,能在学生的学习过程中提供个性化的支持。[3]相比于在线学习仅仅提供学习资源给学习者,ITS更关注学习过程本身,能根据学习者的认知能力,发现学习过程中存在的问题,指导学习者获取正确的解决办法或设计方案。如陈凯泉等指出适应性反馈、人机协同是当下ITS的主要特性,通过对学习过程数据的全方位收集、分析与应用,为学生提供智能化的精准教学。[4]然而当前的研究注重对ITS的总体效果进行评价,从而发现系统设计中的不足,以此来优化ITS的设计。虽然当前ITS能根据学生资料库提供的學生模型智能生成适合于个性化教学的内容与策略,但是针对机械产品设计这类存在设计方案多源异构特性的教学实践,现有ITS基于真假、对错的评价模式无法对多个合理但构建原理不同的设计方案进行准确且及时的评价和反馈,导致学习及教学效果不够理想。
知识工程:KBE是一种与CAD技术紧密结合的智能设计方法,通过知识的继承、归纳、获取、创新、推理和判断为各种产品设计提供技术支持,被广泛应用于产品设计过程。因此,利用KBE技术进行产品设计受到众多学者的研究,如朱煜忻等将KBE技术与信息技术相结合,以产品的最小功能单元为核心,实现了机械产品复杂结构的快速高效设计,形成了一种新的机械产品结构设计方法。[5]郝佳等提出了一种知识与数据联合驱动的产品设计框架,并通过实例验证了防范的潜力和优势。[6]国外研究者如Lundun等通过KBE技术实现了产品组的重用设计。Anagnostakis等则研究了基于KBE技术的产品快速变形设计以及Vergnano等研究了内嵌知识的产品设计原型开发方法(即存储知识并支持设计人员选择和采用最合适的工作原则以满足项目要求的设计模板)。从上述的研究中可以发现,KBE技术可以快速高质量地将相关的设计知识集成到设计系统中(即产品设计知识库),有效引导设计人员进行产品设计。
二、面向机械产品设计的智能教学系统构建
为了使学习者可以随时随地单独获取学习材料并完成机械产品设计任务,本文提出了一个嵌入了ITS的在线智能学习框架。作为ITS核心的是一个KBE系统,该系统以Autodesk Inventor建模平台为基础,通过将人工智能技术与计算机辅助设计技术融合,实现多源异构设计方案的自动评价与实时反馈,帮助学生获取知识和技能,从而提高学生解决机械产品设计问题的能力。具体的框架结构主要由产品设计知识库、智能推理引擎、设计方案特征识别和方案反馈模块四部分组成。
机械产品设计知识库:机械产品设计知识库作为ITS的重要组成部分,主要解决教什么问题,包含教学领域的相关知识以及作为专家能够基于这些知识解决有关问题求解知识。知识库作为ITS全部知识的来源,为系统其他模块频繁调用,对ITS性能的优劣起决定性的作用。知识库的建立就是将教学专家的丰富知识规则化、数量化、形式化,使计算机能够理解和接受,进而产生教学策略规则、形成教学模型并完成教学过程。通常是由布置设计任务的教师输入的与设计任务密切相关的设计知识,如通用标准件、各类设计指南或者标准等。在该KBE系统中,这些知识会以设计目录(Design catalogue)的形式进行归类与标识,实现设计知识的显性表征。设计目录又称设计信息库,是由德国学者Roth提出的一种存储设计信息的方式。在对已有设计知识、设计经验以及经典设计案例等相关设计信息进行归纳总结的基础上,将设计过程中的各种信息如物理效应、功能需求、拓扑结构、材料等特征信息按一定规律进行分类汇编,并以Excel表的方式表达,提供具有某种综合性和不同具体化程度的设计解及其变形解,以便于设计者查询、选用。文末图1所示为常用连杆机构和传动的设计目录。
这样,通过对设计目录中不同功能原理解的合理组合,实现了面向设计任务设计方案空间的构建,为后续评价学生多源异构设计方案提供了依据。为清晰起见,以上阐述正式化表达如下:对于任意设计任务Q,假设其原理解在拓扑结构、传动方式、接触方式等方面有n个特征维度,每个维度i上有m个参数值(n、m均为≥1的正整数,1≤i≤n)。例如,传动方式有机械传动、流体传动等;接触方式有点接触、面接触、无接触等,则与该设计任务相对应的设计方案空间可以刻画成一个n×m矩阵。
Qn×m=q11 q21 … qj1 … qm1q12 q22 … qj2 … qm2… … … … … …q1i q2i … qji … qmi… … … … … …q1n q2n … qjn … qmn
对于任意一个正确的学生方案T,在Qn×m空间中一定存在某个特征参数系列qji(1≤i≤n;1≤j≤m)能与学生的设计方案相对应,从而构建了以问题或者任务为导向的设计方案空间。与此同时,教师会根据以往教学经验及专业知识,建立与设计目录类似的错误目录(Error catalogue),对可能出现的错误进行分类并给出可能的解决问题的途径(如错误类型、错误示例及应参考的标准、技术手册等),从而有效引导学生获取理想的设计方案。因此,设计知识库的构建实现了设计知识的系统化表征与管理,解决了现有ITS系统知识结构关联度不强、不全面等问题。
设计方案特征识别:设计方案特征识别作为系统与学生交互作用的接口,为学生上传设计方案提供了途径。设计方案特征识别是由Inventor 提供的VBA(Visual Basic for Applications)编程模块构建的宏(Macro)来完成的,目的是用来接收和转化学生上传的设计方案。学生在自己的电脑上完成设计任务后,通过该接口将相应的CAD模型上传到ITS系统中。而宏的作用则是读取学生上传的设计方案(CAD模型),识别模型中使用的标准件、几何结构等组成设计方案的特征元素,并将导入的CAD模型转换成一系列设计参数,然后以Excel表的形式储存并输入方案推理引擎中。
方案推理引擎:方案推理引擎是整个ITS的核心模块,其功能是通过对比知识库中的合理方案与学生上传的设计方案在设计参数、设计元素选用上的差异性,分析学生设计方案的合理性,并将分析结果输入反馈模块中。如图2所示,对任意学生设计方案Qi×j转化成的设计参数G(x),通过方案推理引擎与知识库中的特征参数F(x)进行相似度检测,根据相似度的大小判断设计方案是否满足设计需求。当相似度i=1时,说明该学生方案与知识库中的设计方案一致,不需要进一步修改就能满足当前设计要求;而最多的可能情况是相似度i<1,这时会设定一个阈值a,找到一个i≥a条件下的方案解集,在此基础上进行综合评价与决策,从而给出学生设计方案可能的优化路径(可能会出现多个优化途径),并将待优化的地方(如参数错误、结构错误或选型错误等)生成相应的错误报告并传递到方案反馈模块。如果在i≥a条件下,无法找到满足条件的设计方案,说明需要调整阈值a的大小或者学生设计方案存在较大的原理设计错误,不满足当前的设计需求,需要重新分析设计任务,构建新的模型。
评价反馈模块:评价反馈模块是负责引入设计方案知识库并将学生设计方案评价结果实时提供给学生的模块。一般来说,学生设计方案与检索出的相似实例之间的相似度都不可能是1,因此需要对其设计方案进行优化,以满足任务的设计需求。该模块根据学生设计方案的评价结果,生成实时的反馈报告,里面包含其设计方案的问题或缺陷并结合错误目录给出优化设计方案的途径。同时,该模块还通过记录学生设计方案的演化路径获取学生个性化特征信息(如学习效率、学习进度和知识储备等),并将这些信息反馈给教师,从而优化教师的教学策略。
上述ITS系统将嵌入在线学习平台之中,这样学生就可以不受时间和地点的限制,且根据自己的个性化偏好在线使用该系统。学生在Autodesk Inventor中完成任务后,可以将他们的 CAD设计方案上传到平台。在ITS的帮助下,立即分析设计方案并生成对应的反馈报告。学生可以根据反馈报告优化自己的设计方案,然后重复上述流程直至设计方案满足要求,学生学习的积极性会有较大程度的提升。而在线学习平台上提供的丰富的流媒体学习资源和学习资料能加快学生完成任务速度和提升效率。教师则可以使用ITS系统存储的数据跟踪学生的学习进度,从而发现学生普遍存在的错误,然后有针对性地调整课堂教学策略,提升课堂教学效率。另外,该系统具有可迁移性,能在具有类似建模功能的Catia、SolidWorks等软件平台上实现相同的功能。
三、实例验证
(一)设计任务设定
本文用于验证的设计任务是以变速箱中的阶梯轴设计为例,阶梯轴的断面中间粗两端细,不仅便于轴上零件的定位、固定和拆装,还能满足不同轴段的不同配合特性、精度和表面粗糙度等要求。其主要功用是支撑其他传动零件(如带轮、齿轮等),回转并传递运动和转矩,同时又通过轴承与变速箱箱体相连接。虽然阶梯轴各轴段截面的直径不同,但各轴段的强度相近,且有利于轴上零件的拆装和固定,因此阶梯轴在机械设计中的应用最为广泛。为此,学生需要设计一个便于加工的阶梯轴,轴上可以装配两个轴承和两个齿轮并将扭矩傳递到箱体外的小齿轮轴上,而为了固定轴承需要在轴的轴承座上为卡簧开槽,扭矩应通过键槽传递且键槽的大小取决于轴直径。针对该任务,学生须在Autodesk Inventor建模软件中创建阶梯轴CAD模型,该模型中需体现出轴上用来安装轴承与齿轮的功能表面应该置于何处,以及需要哪些标准件防止轴承和齿轮在传递扭矩过程中可能发生的轴向与周向滑动。而为了限制知识库中解决方案空间的大小并保证ITS中知识库的创建工作量可控,本例中轴承的载荷仅假定为径向力,且向学生提供了标准零件(如挡圈、平键等)的变型知识库。
(二)设计任务执行过程
设计任务的执行过程如图3所示。学生接到设计任务后,在充分分析产品的功能及结构需求的基础上,拆解设计目标并进行概念设计,然后在Inventor建模软件建立设计方案CAD细化模型,随后通过在线学习平台将设计方案上传到ITS系统中。在ITS系统中,根据阶梯轴设计任务分别构建了由挡圈变型库、平键变型库、轴承变型库、齿轮变型库等组成的设计方案知识库,基于VBA的设计特征识别宏命令,基于iLogic的设计方案评估算法。上传的设计方案会经历“方案识别—方案评估—方案反馈”的流程,并将生成的方案反馈文件(包含错误代码、解决途径等)反馈给学生。因此,学生能根据此文件优化设计方案,最终构建符合需求的设计方案。
通过将学生上传的阶梯轴设计方案与设计方案空间中的可行设计方案进行对比分析,反馈文件中的错误代码给出了设计方案不合理的地方及位置,并提供了相应的解决办法或者参考案例。随着学生尝试次数的累加,ITS系统能有效引导学生获取针对性的知识,并构建他们自己满足个性化要求的阶梯轴设计方案。与此同时,整个设计方案的迭代过程会生成过程信息文件,能较好地反馈每个学生的不同学习水平和状态,这样教师能快速把握学生对阶梯轴相关知识的掌握情况,快速提炼学生遇到的共性问题,从而精准调整线下课程的实施策略及教学内容,提高课堂效率。
四、结束语
为了实现机械产品设计教学的智能化,针对机械产品设计方案多源异构特性导致的设计方案评价不准确、反馈不及时、相关设计知识关联度低等问题,设计了包含设计方案识别、设计方案评估及设计方案反馈的ITS系统。该系统以KBE为基础,以设计目录的方式构建了面向设计任务的设计方案空间。进一步结合建模软件提供的API将学生方案进行功能结构的识别,同时将识别后的设计方案转化为一系列设计参数。最后根据设计参数与特征参数的相似性,评估学生设计方案的合理性及性能的优劣,并生成对应的反馈文件。这种考虑学生设计方案多源异构特性的ITS系统既能有效引导学生充分全面掌握相应的基础知识,又能帮助教师提升教学效果,并且能够在一定程度上检验和评估学生的学习水平和能力。最终,以阶梯轴为实例验证了所设计的ITS系统在机械产品设计实践教学过程中的智能教学能力。
同时应该注意到,该系统还存在一些不足之处。其目前只适用于低年级机械设计类学生使用,主要还是针对产品设计初学者易犯错误给出了智能提示和相应修改建议。对于有多年设计经验的高手来说就不合适了,这时就需要重新扩展知识库并丰富ITS的评估机制,让更多的人体会到ITS智能化、个性化教学的优点。
参考文献:
[1]马璐,张洁.国内外人工智能在基础教育中应用的研究综述[J].现代教育技术,2019(2):26-32.
[2]孙丽梅,张玉柳,邓三军.基于人工智能技术的智能教学系统的设计与研究[J].文化创新比较研究,2021,5(28):54-56,61.
[3]Ery?覦lmaz M, Adabashi A. Development of an intelligent tutoring system using Bayesian networks and fuzzy logic for a higher student academic performance[J]. Applied Sciences, 2020,10(19): 6638.
[4]陈凯泉,张春雪,吴玥玥,等.教育人工智能(EAI)中的多模态学习分析、适应性反馈及人机协同[J].远程教育雜志,2019,37(5):24-34.
[5]朱煜忻,王宇,丁航,等.知识工程在机械产品结构设计中的应用[J].航空制造技术,2015,495(S2):85-88,91.
[6]郝佳,王国新,阎艳,等.知识与数据融合驱动的智能设计技术[J].人工智能,2023,32(1):74-87.