【導讀】了產品的質量、效益和新產品的開發(fā)能力。隨著塑料工業(yè)的快速發(fā)展以及工業(yè)產。品對輕量化的要求的提高，塑料模具在模具的產品結構中的比例有了很大的提高。計制造原則也難以確保一次試模成功，不可避免地需要對模具進行修改（即改模），以提高塑件質量。改模工程師制定改模方案時不僅需要傳統(tǒng)的模具制造工藝。知識，更需要實踐中積累的大量經驗知識。但由于改模工程師個人知識水平的差。異，導致改模方案的表達因人而異，存在描述不規(guī)范和表達層次不一致的問題，機技術進行智能處理。有效挖掘改模知識的必要手段。建立企業(yè)改模知識庫，為企業(yè)整體知識水平的提升提供理論和方法。非模糊數(shù)據(jù)的注塑模改模方案表達；結合粗糙隸屬函數(shù)定義了有關特征值的新息，結合Pawlak粗糙集方法和改模方案分層遞階表達模型構建了基于。簡算法和規(guī)則分層生成算法。為解決Pawlak粗糙集方法中得到的改模規(guī)則集規(guī)。在引入信息系統(tǒng)同態(tài)的定義后，將方案結構化處理等同于一個信

　　

【正文】 主要的研究工作如下： （ 1）注塑模改模方案及知識分層遞階表達方法分析改模方案的構成，分別建立了以特征層次樹為基礎的改模特征層次樹狀模型和以概念層次樹為基礎的改模特征值層次樹狀模型，從而得到了基于非模糊數(shù)據(jù)的注塑模改模方案表達；結合粗糙隸屬函數(shù)定義了有關特征值的新息，并建立了基于新息的改模特征值表達方法，從而得到了基于模糊數(shù)據(jù)的注塑模改模方案表達。結合對改模知識范疇的界定，構建了基于產生式規(guī)則表達及改模方案表達 方法的兩類改模知識（改模規(guī)則和復合改模規(guī)則）分層表達方法。 （ 2）基于非模糊數(shù)據(jù)的注塑模改模知識分層發(fā)現(xiàn)方法基于對改模特征值具體化、層次化和完整化處理算法研究，建立了一種基于非模糊數(shù)據(jù)的注塑模改模方案結構化處理方法。結合 Pawlak 粗糙集方法和改模方案分層遞階表達模型構建了基于Pawlak 粗糙集的改模知識發(fā)現(xiàn)方法，包括基于 Pawlak 粗糙集的改模特征分層約簡算法和規(guī)則分層生成算法。為解決 Pawlak 粗糙集方法中得到的改模規(guī)則集規(guī)模大且實用性不強的問題，通過引入分類誤差 /質量矩陣，提出了一種基于變精度粗糙 集的改模知識分層發(fā)現(xiàn)方法，包括基于變精度粗糙集的改模特征分層約簡算法和規(guī)則分層生成算法。 （ 3）基于模糊數(shù)據(jù)的注塑模改模知識分層發(fā)現(xiàn)方法從改模特征值模糊層次化和模糊完整化處理算法入手，構建了一種基于模糊數(shù)據(jù)的改模方案結構化處理方法。抽取有關特征值的新息構造了特征模糊相似矩陣，引入置信水平向量實現(xiàn)了對特征決策表的模糊等價劃分。結合特征決策表的單一/復合特征模糊等價劃分算法提出了一種基于模糊粗糙集的改模知識分層發(fā)現(xiàn)方法，包括基于模糊粗糙集的改模特征分層約簡算法和規(guī)則分層生成算法，解決了從模糊描述的改模方案中 歸納發(fā)現(xiàn)改模知識的問題。 （ 4）注塑模改模知識相容關系分析從邏輯學中相容關系的定義出發(fā)，研究了改模方案特征決策表信息系統(tǒng)的相容關系。在引入信息系統(tǒng)同態(tài)的定義后，將方案結構化處理等同于一個信息系統(tǒng)同態(tài)，分析表明利用特征決策表同態(tài)構建的改模方案特征決策表間具有相容關系。利用信息系統(tǒng)同態(tài)不變的特征，分析特征約簡與信息系統(tǒng)同態(tài)不變的關系，可知特征約簡操作保持了改模方案特征決策表之間的相容關系，進而得出不同方案層次級別下的注塑模改模知識之間具有相容關系（即改模知識之間不會存在矛盾）的結論，闡明了改模方案分層遞階表 達模型及文中提出的粗糙集知識發(fā)現(xiàn)方法的合理性。 （ 5）注塑模改模知識發(fā)現(xiàn)系統(tǒng)設計與實現(xiàn)結合注塑模改模知識發(fā)現(xiàn)流程和模具企業(yè)實際需求，研究了本文中提出的各類相關知識發(fā)現(xiàn)算法的實現(xiàn)方法。以 Microsoft Visual Studio2020 為開發(fā)平臺，選用面向對象編程語言 C＃及 技術，采用 Microsoft SQL Server2020 數(shù)據(jù)庫管理平臺，構建基于瀏覽器 /服務器模式的軟件系統(tǒng)架構模式，通過對知識發(fā)現(xiàn)流程的分析及大量算法設計實現(xiàn)了基于粗糙集的注塑模改模知識發(fā)現(xiàn)系統(tǒng)。知識發(fā)現(xiàn)系統(tǒng)已成功 應用到模具制造企業(yè)，取得了良好的效果。 通過上述研究和應用工作，解決了改模方案及知識的規(guī)范表達、基于非模糊數(shù)據(jù)和模糊數(shù)據(jù)的改模知識發(fā)現(xiàn)、相關理論分析方法的合理性論證問題。論文相關研究和應用結論能夠為模具制造企業(yè)有效地挖掘改模方案中蘊含的改模知識提供相關理論和方法。 模具作為一種重要的基礎工業(yè)裝備，其生產水平的高低在很大程度上決定了產品的質量、效益和新產品的開發(fā)能力。隨著塑料工業(yè)的快速發(fā)展以及工業(yè)產品對輕量化的要求的提高，塑料模具在模具的產品結構中的比例有了很大的提高。注塑模具成型面復雜，結構多樣，且多為 單件定制，既使正確應用通用的模具設計制造原則也難以確保一次試模成功，不可避免地需要對模具進行修改（即改模），以提高塑件質量。 改模工程師制定改模方案時不僅需要傳統(tǒng)的模具制造工藝知識，更需要實踐中積累的大量經驗知識。但由于改模工程師個人知識水平的差異，導致改模方案的表達因人而異，存在描述不規(guī)范和表達層次不一致的問題，這也使得改模方案中蘊含的知識難以在改模工程師之間共享，更不利于運用計算機技術進行智能處理。為此，研究改模方案表達方法及其改模知識發(fā)現(xiàn)方法成為有效挖掘改模知識的必要手段。改模知識發(fā)現(xiàn)方法的研究能 夠輔助模具制造企業(yè)建立企業(yè)改模知識庫，為企業(yè)整體知識水平的提升提供理論和方法。 結合知識發(fā)現(xiàn)過程，本文主要的研究工作如下： （ 1）注塑模改模方案及知識分層遞階表達方法分析改模方案的構成，分別建立了以特征層次樹為基礎的改模特征層次樹狀模型和以概念層次樹為基礎的改模特征值層次樹狀模型，從而得到了基于非模糊數(shù)據(jù)的注塑模改模方案表達；結合粗糙隸屬函數(shù)定義了有關特征值的新息，并建立了基于新息的改模特征值表達方法，從而得到了基于模糊數(shù)據(jù)的注塑模改模方案表達。結合對改模知識范疇的界定，構建了基于產生式規(guī)則表達及改 模方案表達方法的兩類改模知識（改模規(guī)則和復合改模規(guī)則）分層表達方法。 （ 2）基于非模糊數(shù)據(jù)的注塑模改模知識分層發(fā)現(xiàn)方法基于對改模特征值具體化、層次化和完整化處理算法研究，建立了一種基于非模糊數(shù)據(jù)的注塑模改模方案結構化處理方法。結合 Pawlak 粗糙集方法和改模方案分層遞階表達模型構建了基于Pawlak 粗糙集的改模知識發(fā)現(xiàn)方法，包括基于 Pawlak 粗糙集的改模特征分層約簡算法和規(guī)則分層生成算法。為解決 Pawlak 粗糙集方法中得到的改模規(guī)則集規(guī)模大且實用性不強的問題，通過引入分類誤差 /質量矩陣，提出了一種基于 變精度粗糙集的改模知識分層發(fā)現(xiàn)方法，包括基于變精度粗糙集的改模特征分層約簡算法和規(guī)則分層生成算法。 （ 3）基于模糊數(shù)據(jù)的注塑模改模知識分層發(fā)現(xiàn)方法從改模特征值模糊層次化和模糊完整化處理算法入手，構建了一種基于模糊數(shù)據(jù)的改模方案結構化處理方法。抽取有關特征值的新息構造了特征模糊相似矩陣，引入置信水平向量實現(xiàn)了對特征決策表的模糊等價劃分。結合特征決策表的單一/復合特征模糊等價劃分算法提出了一種基于模糊粗糙集的改模知識分層發(fā)現(xiàn)方法，包括基于模糊粗糙集的改模特征分層約簡算法和規(guī)則分層生成算法，解決了從模糊描述的 改模方案中歸納發(fā)現(xiàn)改模知識的問題。 （ 4）注塑模改模知識相容關系分析從邏輯學中相容關系的定義出發(fā)，研究了改模方案特征決策表信息系統(tǒng)的相容關系。在引入信息系統(tǒng)同態(tài)的定義后，將方案結構化處理等同于一個信息系統(tǒng)同態(tài)，分析表明利用特征決策表同態(tài)構建的改模方案特征決策表間具有相容關系。利用信息系統(tǒng)同態(tài)不變的特征，分析特征約簡與信息系統(tǒng)同態(tài)不變的關系，可知特征約簡操作保持了改模方案特征決策表之間的相容關系，進而得出不同方案層次級別下的注塑模改模知識之間具有相容關系（即改模知識之間不會存在矛盾）的結論，闡明了改模方案 分層遞階表達模型及文中提出的粗糙集知識發(fā)現(xiàn)方法的合理性。 （ 5）注塑模改模知識發(fā)現(xiàn)系統(tǒng)設計與實現(xiàn)結合注塑模改模知識發(fā)現(xiàn)流程和模具企業(yè)實際需求，研究了本文中提出的各類相關知識發(fā)現(xiàn)算法的實現(xiàn)方法。以 Microsoft Visual Studio2020 為開發(fā)平臺，選用面向對象編程語言 C＃及 技術，采用 Microsoft SQL Server2020 數(shù)據(jù)庫管理平臺，構建基于瀏覽器 /服務器模式的軟件系統(tǒng)架構模式，通過對知識發(fā)現(xiàn)流程的分析及大量算法設計實現(xiàn)了基于粗糙集的注塑模改模知識發(fā)現(xiàn)系統(tǒng)。知識發(fā)現(xiàn) 系統(tǒng)已成功應用到模具制造企業(yè)，取得了良好的效果。 通過上述研究和應用工作，解決了改模方案及知識的規(guī)范表達、基于非模糊數(shù)據(jù)和模糊數(shù)據(jù)的改模知識發(fā)現(xiàn)、相關理論分析方法的合理性論證問題。論文相關研究和應用結論能夠為模具制造企業(yè)有效地挖掘改模方案中蘊含的改模知識提供相關理論和方法。 《《《特別提醒》》》：正文內容由 PDF文件轉碼生成，如您電腦未有相應轉換碼，則無法顯示正文內容，請您下載相應軟件，下載地址為 。如還不能顯示，可以聯(lián)系我 q q 1627550258 ，提供原格式文檔。 垐垯櫃 換燙梯葺銠 ? endstream endobj 2 x滌 ?`U 39。閩 AZ箾 FTP 鈦 X飼 ?狛 ]P ?燚\? 琯嫼 b?袍 *﹁甒 ?]颙嫯 39。??4)=r宵 ?i?]j彺帖 B3锝檡骹 笪 yLrQ?0鯖 l壛枒 l壛枒 l壛枒 l 壛枒 l壛枒 l 壛枒 l壛枒 l 壛枒 l壛枒 l 壛枒 l壛枒 l 壛 渓 ?@擗?? € 綫 G劌 K 芿 ${` ? ? ~??Wa 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 皗 E|?pDb 癳 $[Fb 癳 $[Fb 癳$[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb 癳 $[Fb癳 $[Fb 癳 $[F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵 秾腵薍秾腵 % ?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾 腵薍秾腵薍秾腵薍秾腵薍 G??螪 t俐 猻覎 ? 烰 :X=[勢 } ) [趯飥 ?媂 ^s 劂/ x?矓 w豒庘 q?唙 ?鄰爖媧 \ㄤ A|Q 趗擓 蒚 ?緱 ^ ~鱔嗷 P?笄 nf( 鱂匧 叺 9 就菹 $