[发明专利]一种基于决策树和专家系统的数字化车间工艺决策方法

说明书

本发明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。

技术领域

本发明涉及数字化车间技术领域，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。

背景技术

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。

发明内容

针对现有技术的不足，本发明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。

本发明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；