王國新，石學海，閻艷，明振軍，郝佳

（1.北京理工大學機械與車輛學院，北京100081；2.北京機電工程研究所，北京100074）

基于實例推理的槍械方案快速設(shè)計研究

王國新1，石學海2，閻艷1，明振軍1，郝佳1

（1.北京理工大學機械與車輛學院，北京100081；2.北京機電工程研究所，北京100074）

為了提高基于實例推理方法在槍械方案設(shè)計領(lǐng)域的檢索精度和設(shè)計知識重用程度，提出針對變型設(shè)計過程的基于實例推理的設(shè)計方案獲取和方案修改方法。針對槍械設(shè)計過程，建立包括知識庫、推理驅(qū)動引擎、實例檢索模塊和規(guī)則修改模塊的實例推理流程；根據(jù)3類不同的指標需求形式設(shè)計了對應的相似度計算方法，提高檢索精度；通過規(guī)則知識的定義和約束實現(xiàn)對設(shè)計方案進行定量化、適應性修改，獲取最終的方案。開發(fā)了基于實例推理的槍械方案快速設(shè)計原型系統(tǒng)，并以槍管為例驗證了該檢索算法的精度，以及所提方法的有效性和實用性。

兵器科學與技術(shù)；基于實例推理；變型設(shè)計；實例修改；方案設(shè)計

0 引言

槍械產(chǎn)品設(shè)計過程中要開展大量的變型設(shè)計活動，尤其是在方案設(shè)計階段，針對新的設(shè)計需求提取已有的設(shè)計方案并修改以獲得新的解決方案是經(jīng)常采用的策略，這一過程與基于實例推理（CBR）的原理非常一致［1］。近年來，對于基于CBR的研究主要集中在實例檢索和實例修改兩個方面，應用領(lǐng)域亦非常廣泛。在實例檢索方面，Hu等［2］提出了一種加權(quán)平均數(shù)方法與灰色關(guān)聯(lián)分析方法相結(jié)合的K-近鄰算法來實現(xiàn)相似實例的匹配過程，并將其應用于電源變壓器的設(shè)計。Fan等［3］將實例屬性進行分類并提出了它們的混合相似度計算方法以提高檢索的精確性。胡良明［4］則嘗試對實例庫進行合理聚類后再進行索引。Guo等［5］將本體技術(shù)與CBR系統(tǒng)相結(jié)合提出了一種基于語義和數(shù)值的兩級檢索方法。文獻［6］則將數(shù)據(jù)挖掘技術(shù)與CBR系統(tǒng)相結(jié)合對實例庫進行組織和管理以提高系統(tǒng)的精確性和檢索效率。Tung等［7］構(gòu)建了診斷問題本體并采用基于規(guī)則的CBR方法建立方案檢索系統(tǒng)，以解決復雜系統(tǒng)中難以快速準確地進行問題診斷并找到解決對應問題的專家的情況。在實例修改環(huán)節(jié)，F(xiàn)uchs等［8］通過控制問題描述之間的微小差異為方案修改過程提供支持。Xie等［9］提出價值函數(shù)來衡量實例的語義相似度，為實例索引的相似度考量提供了新的思路。Peng等［10］將推理技術(shù)應用于夾具設(shè)計過程，提出了快速構(gòu)建夾具概念設(shè)計方案的方法。Castro等［11］構(gòu)建了收益與損失函數(shù)幫助用戶選擇最優(yōu)的實例方案以保證出現(xiàn)錯誤時的損失最小。

在槍械設(shè)計領(lǐng)域，劉長毅等［12］針對槍械自動機方案設(shè)計特點開發(fā)了一套槍械自動機方案設(shè)計智能CAD原型系統(tǒng)。方峻等［13］提出了一種基于CBR的面向?qū)ο罂蚣茉?，并開發(fā)了一套槍械自動機方案設(shè)計原型系統(tǒng)。王永娟等［14］對槍械產(chǎn)品結(jié)構(gòu)、配置、工作流程及版本管理進行了研究，建立了槍械設(shè)計協(xié)同工作小組以加快槍械設(shè)計過程。丁劍飛等［15］提出了一種分布式基于案例推理設(shè)計系統(tǒng)框架，通過本體服務(wù)器在分布式案例庫之間建立共享本體以實現(xiàn)知識集成。胡良明等［16］采用XML技術(shù)表達設(shè)計實例，并采用權(quán)重鄰近法和歸納推理法相結(jié)合的兩級索引機制實現(xiàn)相似實例的索引。此外，胡良明等［17］在產(chǎn)品實例結(jié)構(gòu)模型中提出了實例預選和實例匹配的兩階段實例檢索策略，并將其應用于槍械自動機設(shè)計。田世英等［18］將CBR技術(shù)引入自行火炮武器系統(tǒng)故障診斷，建立了基于CBR的自行火炮故障診斷專家系統(tǒng)。樓俐等［19］將灰色系統(tǒng)理論應用于槍械設(shè)計方案的量化分析評價，研究了考慮評價指標權(quán)重以及灰色關(guān)聯(lián)分析的設(shè)計方案優(yōu)選決策理論，完成了加權(quán)灰色關(guān)聯(lián)模型的關(guān)聯(lián)度計算。上述研究嘗試將基于CBR方法在槍械產(chǎn)品設(shè)計領(lǐng)域進行應用，側(cè)重于結(jié)合專家系統(tǒng)，為槍械零部件選型和參數(shù)化設(shè)計提供支持。在相似實例的索引中嘗試與領(lǐng)域本體結(jié)合，結(jié)合多種方法采用多級索引機制提高相似實例的精確度，而在設(shè)計方案的修改方面則略顯薄弱，雖然提出了槍械設(shè)計領(lǐng)域中CBR的框架，但是對實例修改方法的研究較少。面對槍械設(shè)計領(lǐng)域中常見的變型設(shè)計需求，本文針對方案設(shè)計階段提出了基于CBR的設(shè)計流程，針對槍械產(chǎn)品參數(shù)特點，對設(shè)計需求信息進行了分類并分別給出了相似度計算方法，進一步結(jié)合設(shè)計規(guī)則和領(lǐng)域知識提出了相似實例修改的流程，并以槍管為對象構(gòu)建系統(tǒng)進行驗證。

1 基于CBR的槍械方案快速設(shè)計流程

采用CBR方法利用以往的設(shè)計成果指導當前設(shè)計活動的開展，能夠有效提高設(shè)計效率。圖1構(gòu)建了基于CBR的槍械方案快速設(shè)計流程，包括知識庫、推理驅(qū)動引擎、實例檢索子流程和規(guī)則修改子流程四個部分。

1）設(shè)計實例庫和規(guī)則經(jīng)驗庫。設(shè)計實例庫保存了以往設(shè)計活動的設(shè)計實例，設(shè)計實例由設(shè)計需求、設(shè)計成果和成果評價三部分組成。需求信息是實例匹配中相似度計算的主要對象，設(shè)計成果是進行變型設(shè)計的主要修改對象，成果評價是產(chǎn)品滿足性能和功能要求的反饋信息。規(guī)則經(jīng)驗庫為槍械方案的修改提供知識支撐，其來源包括設(shè)計經(jīng)驗、設(shè)計手冊等資料以及設(shè)計過程中遵循的標準規(guī)范。

2）推理驅(qū)動主流程。推理驅(qū)動主流程通過基于CBR方法快速產(chǎn)生設(shè)計方案。當明確戰(zhàn)術(shù)技術(shù)要求后，推理主流程通過實例檢索子流程獲得超過相似度閾值指定數(shù)量的相似實例集，然后通過規(guī)則修改子流程，利用設(shè)計規(guī)則對相似實例參數(shù)進行修改，之后通過專家打分從中選擇最符合當前設(shè)計需求的實例方案，設(shè)計人員可以在該方案的基礎(chǔ)上進行進一步的設(shè)計活動并獲得成熟的設(shè)計方案。此時，將該方案作為新的設(shè)計實例存儲到實例庫中，這一環(huán)節(jié)的重要意義在于它能夠使實例庫具備自增長性，使推理結(jié)果隨著實例庫的充實更加精確。

3）實例檢索子流程。實例檢索子流程是實例推理過程中獲取相似實例集的重要步驟。在進行實例匹配檢索之前，設(shè)計人員首先需要設(shè)定獲取的相似實例個數(shù)和相似度閾值。推理驅(qū)動主流程將在獲得戰(zhàn)術(shù)技術(shù)指標以及各個指標對應的權(quán)重后索引實例庫，計算并獲取各個實例的相似度，并最終取相似度大于閾值的既定閾值的實例，構(gòu)成相似實際集合。在實例檢索過程中需要與設(shè)計實例庫進行交互，設(shè)計實例庫在為現(xiàn)有設(shè)計問題提供參考的同時也會吸收成熟的設(shè)計方案，不斷積累新的設(shè)計知識。

4）規(guī)則修改子流程?；趯嵗评矸椒ú豢杀苊獾卮嬖谝酝O(shè)計實例不能夠完全滿足現(xiàn)有設(shè)計需求的問題，實例修改的環(huán)節(jié)正是針對這一問題，將設(shè)計經(jīng)驗和設(shè)計原理以規(guī)則的形式對相似方案進行約束和修改，使相似實例更能夠滿足新問題的設(shè)計需求。

圖1 基于CBR的槍械產(chǎn)品快速設(shè)計流程Fig.1 Flow chart of firearm rapid design based on case-based reasoning method

2 相似設(shè)計實例的獲取與修改

2.1 獲取相似實例集合

相似實例的獲取是決定CBR效果的重要環(huán)節(jié)，實例提取的原則是獲取盡可能少且相似度盡可能大的實例，相似度的計算直接決定了實例提取的結(jié)果。在槍械設(shè)計領(lǐng)域，需求信息以戰(zhàn)術(shù)技術(shù)指標的形式表達，不同的指標以不同的形式出現(xiàn)，對需求信息進行分類并設(shè)計不同的相似度計算方法能夠提高實例索引的精確性，獲取合理的相似實例集合。本文將槍械產(chǎn)品戰(zhàn)術(shù)技術(shù)指標分為字符型指標、數(shù)值型指標以及包含型指標，分別給出了相似度的計算方法。

1）字符型指標。字符型指標表征了產(chǎn)品某方面的性能預期，通常為文字描述形式。如對于輕武器材料性能、便攜性等要求。字符型指標的相似度計算方法如下:

字符串a(chǎn)=a1…an和b=b1…bm的相似度SIMt（a，b）由二者之間的最小編輯距離dm，n決定，

式中:di，0=i，d0，j=j，1≤i≤m，1≤j≤n；wi、wd、ws分別為“插入代價”、“刪除代價”和“替換代價?！?/p>

2）數(shù)值型指標。數(shù)值型指標通常是對某一指標的定量化描述，本文在文獻［20］基礎(chǔ)上改進，其相似度計算如下:

式中:MAXv、MINv分別為a、b取值范圍的上下限；AdjustFactor是調(diào)整系數(shù)。

3）包含型指標。包含型戰(zhàn)術(shù)技術(shù)指標用于約束產(chǎn)品對特定對象或功能的兼容性，例如“使用槍彈”約束了當前設(shè)計產(chǎn)品需要對指定種類的槍彈具有兼容性。指標A=｛a0，a1，…，am｝和B=｛b0，b1，…，bn｝，其相似度SIMc（A，B）定義為

式中:COUNT（A→B）表示A中元素在B中出現(xiàn)的次數(shù)的總和，A表示當前設(shè)計問題的戰(zhàn)術(shù)技術(shù)需求指標，B表示實例庫中實例的戰(zhàn)術(shù)技術(shù)指標。

在單個戰(zhàn)術(shù)技術(shù)指標相似度計算基礎(chǔ)上，獲取實例綜合相似度。本文采用專家評價的方式對各戰(zhàn)術(shù)技術(shù)指標進行評估并賦予權(quán)重值。實例C1和C2的綜合相似度定義為

式中:Wt、Wn、Wc分別表示字符型、數(shù)值型以及包含型指標的相似度權(quán)重，且其和為1；wt，i表示第i個字符型指標的權(quán)重值，；同理，wn，j表示第j個數(shù)值型指標的權(quán)重；wc，k表示第k個包含型指標的權(quán)重；l、m、n分別表示字符型、數(shù)值型以及包含型指標的數(shù)量。

2.2 基于規(guī)則知識修改相似實例

本文基于規(guī)則知識對相似實例進行適應性修改，規(guī)則知識是指能夠定量化描述設(shè)計參數(shù)，特別是結(jié)構(gòu)參數(shù)的知識。

定義1:規(guī)則知識r=〈Obj，Int，Con，Des〉，其中: Obj是規(guī)則知識r所針對的參數(shù)對象，即規(guī)則知識r可以對其Obj產(chǎn)生影響；Int指規(guī)則知識r對其Obj產(chǎn)生約束的強弱，Int=｛Strong，Weak｝；Con是規(guī)則知識r能夠產(chǎn)生影響的情境，即在滿足Con的情況下r才能產(chǎn)生約束力；Des是規(guī)則知識r的內(nèi)容。

規(guī)則知識依據(jù)其對修改對象的約束力大小分為原理型規(guī)則知識和推薦型規(guī)則知識兩類。

1）原理型規(guī)則知識對修改對象具有強約束力，即r=｛〈Obj，Int，Con，Des〉|Int=Strong｝，將計算公式、校驗程序、表格數(shù)據(jù)等整理為規(guī)則并運用于相似實例集的修改，能夠避免設(shè)計人員頻繁查閱設(shè)計手冊，提高工作效率。

2）推薦型規(guī)則知識包括長期實踐所積累的設(shè)計經(jīng)驗，總結(jié)大量試驗數(shù)據(jù)所得的參考經(jīng)驗，以及以往設(shè)計成果反饋信息所得的規(guī)則知識。推薦型規(guī)則知識即r=｛〈Obj，Int，Con，Des〉|Int=Weak｝，其對方案修改產(chǎn)生的影響并不是必須的，當其與原理型規(guī)則知識產(chǎn)生沖突時，優(yōu)先滿足原理型設(shè)計知識，。

規(guī)則知識能夠定義需求指標與設(shè)計參數(shù)、設(shè)計參數(shù)與設(shè)計參數(shù)之間的關(guān)系。圖2所示為需求指標D=｛di，i=1，2，3，4｝與設(shè)計參數(shù)V=｛vi，i=1，2，…，7｝之間的映射關(guān)系示意圖。二者由規(guī)則知識定義其映射關(guān)系，其中規(guī)則Rij=｛r1，r2，…｝即需求指標i與設(shè)計參數(shù)j之間的映射規(guī)則集合。此外，設(shè)計參數(shù)之間亦存在規(guī)則約束，規(guī)則R′ij=｛r′1，r′2，…｝是設(shè)計參數(shù)i與設(shè)計參數(shù)j之間的規(guī)則約束集合。

圖2 需求指標與設(shè)計參數(shù)映射關(guān)系示意圖Fig.2 Mapping relationship among requirement indexes and design variables

定義2:修改序列AS，AS=｛Ni|Ni=〈BVi，EVi，RSi〉，i=1，2，…｝.其中:N是修改單元，屬性BV表示修改單元的前節(jié)點集合，EV是修改單元的作用節(jié)點，每個設(shè)計參數(shù)對應一個修改單元，RS=｛ri，i= 1，2，…｝是修改規(guī)則集。修改單元表示在前節(jié)點BV基礎(chǔ)上，依據(jù)修改規(guī)則集RS對作用節(jié)點EV進行修改。圖2中修改單元N6=〈｛v3，v4｝，｛v6｝，R36U R′46UR′36〉.修改序列是修改單元的集合，描述了需要修改的參數(shù)集合以及修改的優(yōu)先級順序。

圖3是基于規(guī)則知識對相似實例集合Cs中的實例ck基于規(guī)則進行修改的過程，其具體步驟如下:

步驟1 獲取相似實例。由上文實例推理方法獲取相似實例集合Cs，提取其中的相似實例ck作為修改對象。

步驟2 需求指標與設(shè)計參數(shù)映射。表1為圖2中需求指標與設(shè)計參數(shù)之間的映射關(guān)系表，Rij為需求指標di與設(shè)計參數(shù)vj間的關(guān)聯(lián)規(guī)則知識集。逐項對比實例間的需求指標di，若指標存在差異，則通過表1將關(guān)聯(lián)的設(shè)計參數(shù)歸入待修改設(shè)計參數(shù)集合Va.圖2中若ck和cc的需求指標d2和d3不一致，則通過步驟2可得到Va=｛v1，v2，v5，v6｝.

圖3 基于規(guī)則知識的實例修改過程Fig.3 Case revise procedure on the base of rule knowledge

表1 需求指標與設(shè)計參數(shù)的映射關(guān)系表Tab.1 Mapping relationship among requirement indexes and design variables

步驟3 確定待修改參數(shù)集合V′a.設(shè)計參數(shù)之間存在關(guān)聯(lián)規(guī)則，部分參數(shù)的改變會拓展到關(guān)聯(lián)參數(shù)的變化。表2所示為圖2中設(shè)計參數(shù)間的關(guān)聯(lián)關(guān)系表，其中R′ij表示設(shè)計參數(shù)vi與vj之間的關(guān)聯(lián)規(guī)則集。遍歷步驟2所得Va中的參數(shù)，通過表2將關(guān)聯(lián)參數(shù)補充至Va，最終得到待修改參數(shù)集合V′a.以圖2為例，通過步驟3可得

表2 設(shè)計參數(shù)關(guān)聯(lián)關(guān)系表Tab.2 Association relationship among design variables

步驟4 獲取修改序列ASk.每個待修改參數(shù)對應一個修改單元，由表2的關(guān)聯(lián)關(guān)系和表1的映射關(guān)系可以確定V′a中參數(shù)對應的修改單元。以圖2為例，通過步驟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〉.

步驟5 依據(jù)修改序列修改相似實例ck.步驟4所得修改序列ASk中修改單元Ni的前節(jié)點BVi表示修改某一參數(shù)時需要的已知參數(shù)，而修改規(guī)則集RSi則是修改依據(jù)的規(guī)則知識集合。因此，通過判斷BVi可以得到參數(shù)修改的順序，并依據(jù)RSi完成對實例的修改。以圖2中BV=?的參數(shù)v1作為修改起點，可得參數(shù)的修改順序為:｛v1｝→｛v2，v3，v4｝→｛v5，v6｝.

3 實例驗證

本文以槍管方案設(shè)計為例，構(gòu)建基于實例推理的槍管快速設(shè)計系統(tǒng)進行驗證。槍管是槍械產(chǎn)品最基本的零件之一，其主要作用是賦予彈頭一定的方向和初速度，其結(jié)構(gòu)較為固定，以適應性調(diào)整部分參量的變型設(shè)計活動為主。圖4是實例庫中槍管實例的構(gòu)成。在進行實例檢索時，檢索得到的每個實例包括了最初輸入的需求戰(zhàn)術(shù)技術(shù)指標、最終設(shè)計所得產(chǎn)品的實際戰(zhàn)術(shù)技術(shù)指標以及槍管的具體設(shè)計參數(shù)。

圖4 槍管實例構(gòu)成Fig.4 A barrel case

槍管快速設(shè)計的起點是設(shè)計需求，即功能分解得到的戰(zhàn)術(shù)技術(shù)指標，表3所示為輸入的戰(zhàn)術(shù)技術(shù)需求指標。將輸入的需求信息將與實例庫中已有設(shè)計實例的實際戰(zhàn)術(shù)技術(shù)指標進行相似匹配，其中各項指標的權(quán)重值經(jīng)過專家打分后設(shè)置如表4所示。

表4中“指標類型”表明了不同指標在進行匹配過程中的分類。另外，設(shè)置相似度閾值δ=0.6，候選方案數(shù)量為n=3，即匹配相似度大于等于0.6的前3個實例會構(gòu)成相似實例集Cs.相似實例集結(jié)果在表5中列出。由于實例相似匹配過程所得的推理結(jié)果與實例的質(zhì)量和數(shù)量有很大的關(guān)系，本文構(gòu)建的實例庫中實例數(shù)量有限，實例覆蓋的產(chǎn)品范圍也比較局限，故所得實例之間相似度差別不大。

表5中各個實例都有詳細的相似度匹配信息，以排名第1的“某7.62 mm沖鋒槍”為例，其詳細匹配信息在表6中列出。

表5所示的相似實例匹配結(jié)果經(jīng)過規(guī)則知識修改和專家參與的評價過程后所得結(jié)果如圖5所示。最終形成如表7所示的推薦方案。該推薦方案是在實例“某7.62 mm沖鋒槍”的方案基礎(chǔ)上，針對當前的戰(zhàn)術(shù)技術(shù)要求經(jīng)過規(guī)則知識修改所得（設(shè)計人員也可以根據(jù)自己的經(jīng)驗直接修改參數(shù)，并給出修改理由）。如線膛橫斷面積，原方案值為47.86 mm2，經(jīng)過原理型規(guī)則知識自動修改，獲得推薦取值47.92 mm2，并提供修改理由。

圖5 相似實例經(jīng)規(guī)則知識修改后結(jié)果界面Fig.5 Interface of matching cases revised by rule knowledge

表3 輸入的戰(zhàn)術(shù)技術(shù)需求指標Tab.3 Tactical and technical specifications

表4 戰(zhàn)術(shù)技術(shù)指標相似匹配權(quán)重Tab.4 Similarity matching weight of tactica l and technical indexes

表7所示是槍管內(nèi)膛的部分結(jié)構(gòu)參數(shù)，相似方案與當前戰(zhàn)術(shù)技術(shù)需求指標中口徑相同，故所得方案中部分參數(shù)不變。其中，彈膛部分參數(shù)主要由彈殼外形結(jié)構(gòu)決定，所采用槍彈為膛壓較大的53式7.62 mm普通彈，各錐體長度和錐體直徑由槍彈外形決定，槍彈與內(nèi)膛之間的配合間隙取相似實例中的對應值。線膛和膛線部分由于口徑一致，其參數(shù)部分以使用槍彈為準，參考相似實例對應值。圖6是依據(jù)修改后參數(shù)自動化生成的槍管模型。

表5 相似實例匹配結(jié)果列表Tab.5 Similarity case matching results

表6 “某7.62 mm沖鋒槍”相似度詳細信息Tab.6 Similarity details of one matching case

表7 最終推薦方案Tab.7 Corresponding solution to the requirement indexes

圖6 自動化生成參數(shù)模型Fig.6 Automatically generated parameterized 3D barrel model

綜上所述，從表3的戰(zhàn)術(shù)技術(shù)指標需求獲得了表7的槍管結(jié)構(gòu)設(shè)計方案，運用該設(shè)計方案可以很快得到參數(shù)化的三維設(shè)計模型，設(shè)計人員在該模型基礎(chǔ)上進行后續(xù)的設(shè)計工作，以往設(shè)計活動中找尋和參考相似設(shè)計成果的大量時間被節(jié)省了出來。

4 結(jié)論

本文針對槍械領(lǐng)域基于實例推理技術(shù)在方案設(shè)計階段的應用現(xiàn)狀，提出了基于CBR的槍械方案設(shè)計推理流程，對槍械領(lǐng)域的設(shè)計需求信息即戰(zhàn)術(shù)技術(shù)指標進行分類，針對不同指標類型設(shè)計了相似度匹配算法以提高實例匹配精度，采用基于規(guī)則知識的方案修改方法對相似方案進行適應性修改，以完成變型設(shè)計過程，獲得問題解決方案。以槍管為實例構(gòu)建了快速設(shè)計原型系統(tǒng)對上述方法進行了驗證，結(jié)果顯示該方法能夠有效縮短設(shè)計人員在方案設(shè)計過程中參考設(shè)計知識和獲取方案及模型的時間，提高設(shè)計人員的設(shè)計效率。針對槍械設(shè)計過程中知識密集的特點，后續(xù)研究將對實例進行層次化建模，對實例的概念和范圍進行粒度劃分，討論不同粒度的實例構(gòu)建和應用。

（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.改進最近鄰法在基于CBR的自動武器設(shè)計系統(tǒng)中的應用［J］.制造業(yè)自動化，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］ 劉長毅，徐誠.槍械自動機方案設(shè)計智能CAD技術(shù)研究［J］.兵工學報，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，劉長毅，徐誠.槍械方案設(shè)計系統(tǒng)中的基于實例推理框架研究［J］.兵工學報，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，徐誠.面向槍械設(shè)計部門的產(chǎn)品數(shù)據(jù)管理系統(tǒng)研究［J］.兵工學報，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］ 丁劍飛，何玉林，李成武.基于本體的分布式CBR設(shè)計系統(tǒng)［J］.計算機工程，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，徐誠，甘泉.基于實例推理的自動武器輔助設(shè)計系統(tǒng)［J］.機械設(shè)計與制造，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，徐誠，王永娟，等.面向?qū)ο蟮臋C械產(chǎn)品設(shè)計實例表示方法及檢索策略研究［J］.南京理工大學學報:自然科學版，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，朱愛華.基于實例推理的自行火炮故障診斷［J］.兵工自動化，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］ 樓俐，徐誠，張飛猛.灰色系統(tǒng)理論及量化分析法在槍械方案設(shè)計評價中的應用［J］.南京理工大學學報:自然科學版，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

國防基礎(chǔ)科研項目（JSJC201402）

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