一种基于决策树和专家系统的数字化车间工艺决策方法技术方案

本发明专利技术涉及一种基于决策树和专家系统的数字化车间工艺决策方法，针对工艺生产数据进行分箱处理，生成区间化的模糊工艺生产数据；基于决策树算法来针对模糊工艺生产数据进行训练学习，生成模糊规则，并导入模糊规则库中；推理机基于工艺实时监测数据库中的实时参数数据，通过与模糊规则库的交互来进行模糊推理，生成工艺决策。本发明专利技术针对数字化车间工艺生产数据进行训练学习，生成知识规则，进而实现从数字化车间日常工艺生产数据中发现工艺决策规律，克服专家经验知识的获取瓶颈；在推理过程中，仅将事实库中新增的模糊事实与模糊规则库中的模糊规则前件进行匹配，提高了推理速度，尽量避免知识规则数目较多时，推理效率低下的问题。

A decision making method for digital workshop based on decision tree and expert system

The invention relates to a digital workshop process decision making method based on decision tree and expert system. The process production data is divided into box processing to generate the interval fuzzy process production data. Based on the decision tree algorithm, the fuzzy rules are generated and the fuzzy rules are generated and the fuzzy rules are introduced. In the library, the reasoning machine monitors real-time parameter data in the database based on the process, and makes fuzzy reasoning through the interaction with the fuzzy rule base to generate the process decision. The invention is aimed at the training and learning of the process data of the digital workshop, generates knowledge rules, and then realizes the process decision rule from the daily process production data of the digital workshop and overcomes the bottleneck of the expert experience knowledge. In the process of reasoning, only the new fuzzy facts and the fuzzy rule base are added to the fact library. The matching of fuzzy rule antecedents improves the reasoning speed and avoids the low efficiency of inference when the number of knowledge rules is large.

【技术实现步骤摘要】
一种基于决策树和专家系统的数字化车间工艺决策方法
本专利技术涉及数字化车间
，具体地说是一种基于决策树和专家系统的数字化车间工艺决策方法。
技术介绍
数字化车间是数字化、网络技术在生产车间的综合应用，它将数控设备与工艺设计系统、生产组织系统和其他管理系统的信息进行集成，形成综合信息流自动化的集成制造系统。由于数字化车间工艺具有产品规格繁多、结构复杂、技术难度大等行业特点，对数字化车间工艺决策的高效性、稳定性和可靠性提出了更高的要求，而智能决策技术为这种要求开辟了新途径，智能决策主要包括生产决策调整、故障检测与诊断等，将智能决策技术应用于数字化车间工艺决策具有很高的价值。随着人工智能技术的不断发展，智能决策已经进入了一个新的阶段，而专家系统技术作为人工智能领域很活跃的一个分支，取得了广泛的应用。这种方法不依赖于系统的数学模型，它根据领域专家总结的经验知识，进行推理和判断，模拟人类专家的决策过程，来解决那些需要人类专家处理的复杂问题。由此可见，专家系统技术建立并维护知识库，模拟人类的思维方式进行智能决策，不仅能大大提高决策的准确性和可靠性，而且减少了对人类专家经验的依赖，提高了智能决策的自动化程度。目前的专家系统技术大多依赖于从领域专家总结的经验知识，容易碰到知识获取瓶颈，并且缺少从数字化车间日常工艺生产数据中发现规律的机制，知识库的完备性不易保障；另一方面，在知识规则数目较多时，推理机运行效率容易低下，不利于数字化车间工艺决策的高效实时应用。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于决策树和专家系统的数字化车间工艺决策方法，利用决策树算法来针对数字化车间工艺生产数据进行训练学习，生成知识规则，进而实现从数字化车间日常工艺生产数据中发现工艺决策规律，克服专家经验知识的获取瓶颈；在推理过程中，仅将事实库中新增的模糊事实与模糊规则库中的模糊规则前件进行匹配，提高了推理速度，尽量避免知识规则数目较多时，推理效率低下的问题。本专利技术为实现上述目的所采用的技术方案是：一种基于决策树和专家系统的数字化车间工艺决策方法，包括以下步骤：步骤1：针对工艺生产数据进行分箱处理，生成区间化的模糊工艺生产数据；步骤2：基于决策树算法来针对模糊工艺生产数据进行训练学习，生成模糊规则，并导入模糊规则库中；步骤3：推理机基于工艺实时监测数据库中的实时参数数据，通过与模糊规则库的交互来进行模糊推理，生成工艺决策。所述分箱处理过程为：通过日常工艺运行情况，自定义各个工艺参数的分箱区间，并根据分箱区间的命名生成区间化的模糊工艺生产数据。所述生成模糊规则的过程为：步骤1：对数据化车间工艺生产效率进行统计分析，选取工艺生产效率大于生产效率阈值的时间区间内的模糊工艺生产数据作为决策树的训练样本；步骤2：基于决策树C4.5算法来针对筛选过工艺生产效率的模糊工艺生产数据进行决策树的训练学习，用信息增益率来选择属性分裂，并且在构造树的过程中进行剪枝；步骤3：根据决策树的各个分支，生成模糊规则；步骤4：为生成的模糊规则分配模糊规则可信度，并将模糊规则导入模糊规则库。所述模糊规则库用于存储模糊规则，模糊规则采用面向对象的产生式模糊规则表示法，对产生式模糊规则进行面向对象的封装，将模糊规则绑定到数字化车间工艺上。所述模糊推理过程为：步骤1：推理机以工艺实时监测数据库中的工艺参数数据为输入，并针对工艺参数数据进行模糊化，生成模糊事实，存入到事实库中；步骤2：将事实库中新增的模糊事实与模糊规则库中的模糊规则前件进行匹配，如果匹配成功，则执行步骤3，否则执行步骤4；步骤3：激活模糊规则，并生成新激活结论，基于Mamdani模糊推理法来合成新激活结论的可信度，将新激活结论作为结论事实存入事实库，并返回步骤2；步骤4：判断是否有已激活结论，如果是，则采用重心法来对激活结论进行去模糊化处理，生成工艺决策，推理结束；否则推理结束。所述事实库仅用于存储输入参数数据模糊化生成的模糊事实和推理激活的结论事实。本专利技术具有以下有益效果及优点：1.本专利技术针对工艺生产数据进行分箱处理时，充分结合工艺特点和日常工艺运行情况，来各个工艺参数分箱区间的自定义，使得生成的模糊工艺生产数据更符合实际工艺，提高了后续基于决策树生成的模糊规则的工程实用性；2.本专利技术基于决策树算法来针对模糊工艺生产数据进行训练学习时，选取工艺生产效率较高的时间区间内的模糊工艺生产数据作为决策树的训练样本，提高了样本质量，使得生成的模糊规则更符合高生产效率标准；3.本专利技术在推理过程中，仅将事实库中新增的模糊事实与模糊规则库中的模糊规则前件进行匹配，减少了匹配运算量，提高了推理速度，同时又保障推理的完备性。附图说明图1是本专利技术的数字化车间工艺决策方法流程图；图2是本专利技术铝水平数据分布图；图3是本专利技术电解温度数据分布图；图4是本专利技术电解槽日出铝量数据分布图。具体实施方式本专利技术涉及一种基于决策树的数字化车间工艺决策专家系统，其工作流程如下：步骤一、工艺生产数据的分箱处理；步骤二、基于决策树算法的模糊规则生成；步骤三、基于知识获取模块的模糊规则自动导入；步骤四、基于推理机的工艺决策生成。与现有的专家系统技术相比，本专利技术采用决策树算法生成模糊规则，实现从数字化车间日常工艺生产数据中发现工艺决策规律，提高了知识库的完备性；通过在推理过程中，仅将事实库中新增的模糊事实与模糊规则库中的模糊规则前件进行匹配，提高了推理速度。按照本专利技术设计的专家系统不仅效率高、准确性高，而且可以数字化车间日常工艺生产数据不断地优化完善模糊规则库，为工程应用提供了一种更加实用和可靠的数字化车间工艺决策系统。本专利技术可应用于数字化车间制造领域，对本专利技术提出的基于决策树的数字化车间工艺决策专家系统进行软件实现，然后以铝电解数字化车间现场的PC机、服务器或者工控机为载体进行软件安装，软件以现场的电解温度、铝水平等状态参数为输入进行推理，通过在线方式来实现铝电解数字化车间的日出铝量工艺决策分析。如图1所示，本专利技术的技术方案，具体设计步骤如下：步骤一：工艺生产数据的分箱处理，具体方法为：数字化车间工艺专家根据工艺特点和日常工艺运行情况，来自定义各个工艺参数的分箱区间，并为分箱区间命名，以生成区间化的模糊工艺生产数据。步骤二：基于决策树算法的模糊规则生成，具体方法为：1)对数据化车间工艺生产效率进行统计分析，选取工艺生产效率较高的时间区间内的模糊工艺生产数据作为决策树的训练样本；2)基于决策树C4.5算法来针对筛选过工艺生产效率的模糊工艺生产数据进行决策树的训练学习，用信息增益率来选择属性分裂，并且在构造树的过程中进行剪枝；3)根据决策树的各个分支，生成模糊规则，工艺专家根据实际情况对模糊规则进行精简化，以避免过拟合问题；4)为了生成的模糊规则分配初始模糊规则可信度。模糊规则可以按如下表示：R:IFA1(f1,t1)andA2(f2,t2)and...andAn(fn,tn)THENB(tB)CFA1,A2,...,An为知识前件部分，B为结论，他们均为工艺参数和模糊量词的组合，我们以“PF”来表示，“P”为参数名称，“F”为模糊量词，如“电解温度过高”等，f1,f2,...,fn为规则前件的隶属度函数，隶属度函数的参数选定是与它的前件相对应，隶属本文档来自技高网...

【技术保护点】
1.一种基于决策树和专家系统的数字化车间工艺决策方法，其特征在于：包括以下步骤：步骤1：针对工艺生产数据进行分箱处理，生成区间化的模糊工艺生产数据；步骤2：基于决策树算法来针对模糊工艺生产数据进行训练学习，生成模糊规则，并导入模糊规则库中；步骤3：推理机基于工艺实时监测数据库中的实时参数数据，通过与模糊规则库的交互来进行模糊推理，生成工艺决策。

【技术特征摘要】
1.一种基于决策树和专家系统的数字化车间工艺决策方法，其特征在于：包括以下步骤：步骤1：针对工艺生产数据进行分箱处理，生成区间化的模糊工艺生产数据；步骤2：基于决策树算法来针对模糊工艺生产数据进行训练学习，生成模糊规则，并导入模糊规则库中；步骤3：推理机基于工艺实时监测数据库中的实时参数数据，通过与模糊规则库的交互来进行模糊推理，生成工艺决策。2.根据权利要求1所述的基于决策树和专家系统的数字化车间工艺决策方法，其特征在于：所述分箱处理过程为：通过日常工艺运行情况，自定义各个工艺参数的分箱区间，并根据分箱区间的命名生成区间化的模糊工艺生产数据。3.根据权利要求1所述的基于决策树和专家系统的数字化车间工艺决策方法，其特征在于：所述生成模糊规则的过程为：步骤1：对数据化车间工艺生产效率进行统计分析，选取工艺生产效率大于生产效率阈值的时间区间内的模糊工艺生产数据作为决策树的训练样本；步骤2：基于决策树C4.5算法来针对筛选过工艺生产效率的模糊工艺生产数据进行决策树的训练学习，用信息增益率来选择属性分裂，并且在构造树的过程中进行剪枝；步骤3：根据决策树的各个分支，生成模糊规则；步骤4：为生成的模糊规则分配模糊规则...

【专利技术属性】
技术研发人员：史海波，潘福成，里鹏，于淼，段彬，胡国良，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁,21