导　　师： 陈庆新

学科专业： H0202

授予学位： 博士

作　　者： ;

机构地区： 广东工业大学

摘　　要： 模具作为一种重要的基础工业装备，其生产水平的高低在很大程度上决定了产品的质量、效益和新产品的开发能力。随着塑料工业的快速发展以及工业产品对轻量化的要求的提高，塑料模具在模具的产品结构中的比例有了很大的提高。注塑模具成型面复杂，结构多样，且多为单件定制，既使正确应用通用的模具设计制造原则也难以确保一次试模成功，不可避免地需要对模具进行修改（即改模），以提高塑件质量。 改模工程师制定改模方案时不仅需要传统的模具制造工艺知识，更需要实践中积累的大量经验知识。但由于改模工程师个人知识水平的差异，导致改模方案的表达因人而异，存在描述不规范和表达层次不一致的问题，这也使得改模方案中蕴含的知识难以在改模工程师之间共享，更不利于运用计算机技术进行智能处理。为此，研究改模方案表达方法及其改模知识发现方法成为有效挖掘改模知识的必要手段。改模知识发现方法的研究能够辅助模具制造企业建立企业改模知识库，为企业整体知识水平的提升提供理论和方法。 结合知识发现过程，本文主要的研究工作如下： （1）注塑模改模方案及知识分层递阶表达方法分析改模方案的构成，分别建立了以特征层次树为基础的改模特征层次树状模型和以概念层次树为基础的改模特征值层次树状模型，从而得到了基于非模糊数据的注塑模改模方案表达；结合粗糙隶属函数定义了有关特征值的新息，并建立了基于新息的改模特征值表达方法，从而得到了基于模糊数据的注塑模改模方案表达。结合对改模知识范畴的界定，构建了基于产生式规则表达及改模方案表达方法的两类改模知识（改模规则和复合改模规则）分层表达方法。 （2）基于非模糊数据的注塑模改模知识分层发现方法基于对改模特征值具体化、层次化和完整化处理算法研究，建立了一种基于非模糊数据的注塑模改模方案结构化处理方法。结合pawlak粗糙集方法和改模方案分层递阶表达模型构建了基于pawlak粗糙集的改模知识发现方法，包括基于pawlak粗糙集的改模特征分层约简算法和规则分层生成算法。为解决pawlak粗糙集方法中得到的改模规则集规模大且实用性不强的问题，通过引入分类误差/质量矩阵，提出了一种基于变精度粗糙集的改模知识分层发现方法，包括基于变精度粗糙集的改模特征分层约简算法和规则分层生成算法。 （3）基于模糊数据的注塑模改模知识分层发现方法从改模特征值模糊层次化和模糊完整化处理算法入手，构建了一种基于模糊数据的改模方案结构化处理方法。抽取有关特征值的新息构造了特征模糊相似矩阵，引入置信水平向量实现了对特征决策表的模糊等价划分。结合特征决策表的单一/复合特征模糊等价划分算法提出了一种基于模糊粗糙集的改模知识分层发现方法，包括基于模糊粗糙集的改模特征分层约简算法和规则分层生成算法，解决了从模糊描述的改模方案中归纳发现改模知识的问题。 （4）注塑模改模知识相容关系分析从逻辑学中相容关系的定义出发，研究了改模方案特征决策表信息系统的相容关系。在引入信息系统同态的定义后，将方案结构化处理等同于一个信息系统同态，分析表明利用特征决策表同态构建的改模方案特征决策表间具有相容关系。利用信息系统同态不变的特征，分析特征约简与信息系统同态不变的关系，可知特征约简操作保持了改模方案特征决策表之间的相容关系，进而得出不同方案层次级别下的注塑模改模知识之间具有相容关系（即改模知识之间不会存在矛盾）的结论，阐明了改模方案分层递阶表达模型及文中提出的粗糙集知识发现方法的合理性。 （5）注塑模改模知识发现系统设计与实现结合注塑模改模知识发现流程和模具企业实际需求，研究了本文中提出的各类相关知识发现算法的实现方法。以microsoft visual studio2005为开发平台，选用面向对象编程语言c＃及asp.net技术，采用microsoft sql server2000数据库管理平台，构建基于浏览器/服务器模式的软件系统架构模式，通过对知识发现流程的分析及大量算法设计实现了基于粗糙集的注塑模改模知识发现系统。知识发现系统已成功应用到模具制造企业，取得了良好的效果。 通过上述研究和应用工作，解决了改模方案及知识的规范表达、基于非模糊数据和模糊数据的改模知识发现、相关理论分析方法的合理性论证问题。论文相关研究和应用结论能够为模具制造企业有效地挖掘改模方案中蕴含的改模知识提供相关理论和方法。

关 键 词： 注塑模 改模知识 知识发现 粗糙集 分层递阶 塑料工业

分 类 号： [TG76 TQ320.662]

领　　域： [金属学及工艺] [化学工程]