发明内容
本发明将混凝土坝浇筑施工的管理与决策工作从传统模式推向了智能化模式,不仅有利于提高工作效率,更有利于克服传统模式中人工管理与决策可能发生的错误或不当之处,有效地提高了合理化水平和科学化程度,确保了混凝土坝浇筑施工的管理水平,提高了工程质量、加快了施工进度,提高了相关行业和部门的综合效益,对于发挥混凝土坝坝型的综合优势将发挥重要作用。
本发明采用的技术方案:
一种基于知识工程的混凝土坝浇筑施工智能决策***,该***包括工程信息库、施工规则库、智能推理***和功能模块***;工程信息库包括施工方案信息、施工现场信息和坝体模型信息三个方面的数据,工程信息库为***运行提供综合的基础数据支持;施工规则库则负责存储与管理混凝土坝浇筑施工的相关技术标准、技术要求以及行业内的专家经验及其它混凝土坝浇筑施工的规则知识;智能推理***模拟人类的思维过程,以施工规则库内的规则为推理依据,根据工程信息库内的相关数据,以数据为基础,推理得到相关的结论或施工操作;功能模块***包括仓位编排模块、机械调度模块、方案验证模块、进度模拟模块、备料计划模块、灌浆计划模块和通水方案模块。
上述的工程信息库具体包括施工环境特征参数、坝体结构特征参数、施工机械特征参数、施工技术要求参数、物质材料参数、施工方案参数和工程实施参数。
上述的施工环境特征参数包括降雨量、降雪量、水温和流量;坝体结构特征参数包括坝段结构参数、仓位空间参数、孔洞空间参数和混凝土性能参数;施工机械特征参数包括混凝土入仓施工机械的空间定位、工作性能、运行特征和工作范围;施工技术要求参数包括坝体混凝土浇筑施工高差限制、间歇时间限制和温控参数;物质材料参数包括坝体混凝土配合比、砂石生产及存储***和混凝土存储***;施工方案参数包括混凝土浇筑进度要求、机械编排和特殊技术要求;工程实施参数包括混凝土坝浇筑施工现场的已浇筑仓位、已灌浆/通水部位、各入仓机械当前位置。
上述的施工规则库具体包括坝体混凝土拌合技术要求、混凝土运输技术要求、坝体混凝土浇筑规则、混凝土通水冷却规则和坝体接缝灌浆规则。
上述的坝体混凝土拌合技术要求包括混凝土类型、制冷要求和拌合时间;混凝土运输技术要求包括运输过程中的自由跌落高度、转运次数和运输时间坝体混凝土浇筑规则包括混凝土浇筑过程中的高差限制、间歇时间和养护时间;混凝土通水冷却规则包括坝体混凝土通水的起止时间、触发条件、水温和流量;坝体接缝灌浆规则包括坝体混凝土配合比、砂石生产及存储***和混凝土存储***;施工方案参数包括坝体接缝灌浆的开始时间、触发条件和灌浆区域。
一种基于知识工程的混凝土坝浇筑施工智能决策***的决策方法,它包括如下步骤:
(一)常规形式表示知识的前提和结论的提取,
在目前的混凝土坝浇筑施工管理与决策过程中,某一仓位混凝土是否可以浇筑需要满足前后高差限制、左右高差限制、层间间歇时间限制、气象条件限制、相邻仓位施工约束这些限制与约束条件;当所有的前提条件满足时,这一仓位可以进行浇筑施工;从知识工程的产生式规则角度理解,这些限制与约束条件可以看做某一仓位是否可以浇筑这一规则的前提条件,“可以浇筑”则对应于这一规则的结论;
在知识提取的这一步骤中,在于将以常规形式表示的混凝土仓位是否可以浇筑这一判断工作转化为规则的前提部分、结论部分、可靠度形式;混凝土仓位是否可以浇筑的前提有前后高差、左右高差、间歇时间、气象条件、相邻施工5个方面;结论为可以浇筑或不可以浇筑,为0-1变量;根据混凝土坝浇筑施工规范,该规则是完全可靠的;
(二)规则前提、结论、可靠度的量化、分类、分级,
在第(一)步工作的基础上,将规则的前提、结论、可靠度进行量化、分类或分级;
前后高差:以绝对物理量值表示,即以前后仓位的实际高差表示,通过形式化语言表示为Height_Diff-FB_Bin(x,y);即仓位x和仓位y的前后高差,仓位x高于仓位y为正值,反之则为负值;
左右高差:以绝对物理量值表示,即以左右仓位的实际高差表示,通过形式化语言表示为Height_Diff-LR_Bin(x,y);即仓位x和仓位y的左右高差,仓位x高于仓位y为正值,反之则为负值;
间歇时间:以绝对物理量值表示,既以当前仓位的下部仓位浇筑完成时间加上规范要求或当前工程设定的间歇时间为基准,判断当前时间是否已经到达该时间段内;通过形式化语言可表示为Pause_time(x),其值为绝对的日历时间,其格式为“MM/dd/yyyyhh:mm;ss”;
气象条件:气象条件对当前仓位是否可以浇筑主要是从降雨量角度考虑,可以对降雨量进行分级,如暴雨、大雨、小雨、无雨;通过形式化语言可表示为Rain(t),此处“t”即为拟定浇筑计划的时间,Rain(t)的取值根据数据库中的气象预报参数确定;
相邻仓位施工约束:相邻仓位施工约束指的是当某仓位浇筑混凝土时,与之相邻的其他仓位因为排水、模板架设和入仓干扰原因无法同时进行混凝土浇筑施工;该约束为0-1变量约束,当存在有相邻仓位正在浇筑混凝土时,该仓位不能浇筑混凝土,该约束值为0;反之,与之相邻的所有仓位都不在浇筑混凝土,则当前仓位可以进行混凝土浇筑施工,该约束值为1;通过形式化语言可表示为Adjoin_Bin(x);至于哪些仓位是当前仓位的相邻仓位,根据坝体模型参数的三维空间关系确定;
结论:根据以上当前仓位是否可以浇筑系列条件的判断,结论为可以浇筑或不可以浇筑,为0-1变量;通过形式化语言,可以表示为FitPour-Bin(x);
可靠度:根据混凝土坝浇筑施工规范,该规则是完全可靠的,即可靠度为1:CF=1;
(三)产生式规则的形式化,
在基于知识工程的混凝土坝浇筑施工智能决策***中,通过第(二)步骤中规则前提、结论、可靠度的量化、分类、分级,以及形式化语言的表述,“混凝土坝浇筑施工过程中某一仓位混凝土在当前状态下是否可以浇筑”这一事件的判断可以表述为如下的产生式规则:
该规则的前提条件为同时满足前后高差、左右高差、间歇时间、气象条件、相邻仓位施工约束,即:P=Height_Diff-FB_Bin(x,y)∧Height_Diff-LR_Bin(x,y)∧Pause_time(x)∧Rain(t)∧Adjoin_Bin(x);该规则的结论为当前仓位可以浇筑混凝土,即:C=FitPour-Bin(x);规则的可信度为1;所以,当前规则可表述为:
Height_Diff-FB_Bin(x,y)∧Height_Diff-LR_Bin(x,y)∧Pause_time(x)∧Rain(t)∧Adjoin_Bin(x)→FitPour-Bin(x)(1)
(四)规则检验,
规则的检验是产生式规则获取工作的重要步骤,是对前述步骤所得知识的审查和把关;在这一步骤中,重点工作就在于通过反映各种施工情况的例子对该规则进行验证,查看其输出的结论是否正确;对于输出结论不正确的情况,需要详细查看其推理过程并寻找原因;规则检验中,特别需要通过一些特殊情况下的施工参数验证该规则的适应性和正确性;如果经过***检验后,未发现当前规则存在问题,则将该规则入库保存;如果发现存在问题,则需要对当前规则进行重新提取和形式化,即重复步骤(一)-步骤(三);
(五)重新提取或形式化,对于在检验过程中发现有推理不当之处的规则,重复步骤(一)-步骤(三),对该规则进行重新提取或形式化;
(六)入库,对于经过检验后合格的规则,将其存入规则库中,以关系数据库的形式保存。
本发明取得的技术效果:
1、本发明所建立的基于知识工程的混凝土坝浇筑施工智能决策方法和基于知识工程的混凝土坝浇筑施工智能决策***,在遵循混凝土坝浇筑施工技术规范和要求的前提下,通过知识工程的知识表示、知识获取和知识推理等方法的应用,通过智能推理***实现混凝土坝浇筑施工中的管理与决策工作。本发明建立的方法和***实现了混凝土坝浇筑施工管理与决策工作的集成化、自动化、智能化,提高了管理与决策的效率和科学性。
2、本发明建立的基于知识工程的混凝土坝浇筑施工智能决策***具有浇筑仓位编排、入仓机械调度、施工方案验证、浇筑进度模拟、混凝土备料计划、灌浆计划制定、通水方案制定等七个方面的功能,可满足混凝土坝浇筑施工的现场管理与决策的多项工作。且本***易于建立、使用便捷、维护简易、通用性强、可靠程度高。
3、本发明将混凝土坝浇筑施工的管理与决策工作从传统模式推向了智能化模式,不仅有利于提高工作效率,更有利于克服传统模式中人工管理与决策可能发生的错误或不当之处,有效地提高了合理化水平和科学化程度,确保了混凝土坝浇筑施工的管理水平,提高了工程质量、加快了施工进度,提高了相关行业和部门的综合效益,对于发挥混凝土坝坝型的综合优势将发挥重要作用。总地来说,本发明不仅具有良好的经济前景,更加具有良好的社会效益。
具体实施方式
下面结合附图对本发明的实施方式做进一步的说明。
参见图1、3、5、6、,一种基于知识工程的混凝土坝浇筑施工智能决策***,该***包括工程信息库、施工规则库、智能推理***和功能模块***;工程信息库包括施工方案信息、施工现场信息和坝体模型信息三个方面的数据,工程信息库为***运行提供综合的基础数据支持;施工规则库则负责存储与管理混凝土坝浇筑施工的相关技术标准、技术要求以及行业内的专家经验及其它混凝土坝浇筑施工的规则知识;智能推理***模拟人类的思维过程,以施工规则库内的规则为推理依据,根据工程信息库内的相关数据,以数据为基础,推理得到相关的结论或施工操作;功能模块***包括仓位编排模块、机械调度模块、方案验证模块、进度模拟模块、备料计划模块、灌浆计划模块和通水方案模块。
所述的工程信息库具体包括施工环境特征参数、坝体结构特征参数、施工机械特征参数、施工技术要求参数、物质材料参数、施工方案参数和工程实施参数。所述的施工环境特征参数包括降雨量、降雪量、水温和流量;坝体结构特征参数包括坝段结构参数、仓位空间参数、孔洞空间参数和混凝土性能参数;施工机械特征参数包括混凝土入仓施工机械的空间定位、工作性能、运行特征和工作范围;施工技术要求参数包括坝体混凝土浇筑施工高差限制、间歇时间限制和温控参数;物质材料参数包括坝体混凝土配合比、砂石生产及存储***和混凝土存储***;施工方案参数包括混凝土浇筑进度要求、机械编排和特殊技术要求;工程实施参数包括混凝土坝浇筑施工现场的已浇筑仓位、已灌浆/通水部位、各入仓机械当前位置。
所述的施工规则库具体包括坝体混凝土拌合技术要求、混凝土运输技术要求、坝体混凝土浇筑规则、混凝土通水冷却规则和坝体接缝灌浆规则。所述的坝体混凝土拌合技术要求包括混凝土类型、制冷要求和拌合时间;混凝土运输技术要求包括运输过程中的自由跌落高度、转运次数和运输时间坝体混凝土浇筑规则包括混凝土浇筑过程中的高差限制、间歇时间和养护时间;混凝土通水冷却规则包括坝体混凝土通水的起止时间、触发条件、水温和流量;坝体接缝灌浆规则包括坝体混凝土配合比、砂石生产及存储***和混凝土存储***;施工方案参数包括坝体接缝灌浆的开始时间、触发条件和灌浆区域。
该***的主要功能包括:
浇筑仓位编排模块:混凝土坝浇筑施工管理与决策过程中,需要根据当前坝体浇筑情况,频繁地制定各个坝段、各个仓位的浇筑顺序,即仓位编排;而仓位编排需要满足工程进度要求、形象进度要求,以及一系列的相关施工工艺约束;基于知识工程的混凝土坝浇筑施工智能决策***可以根据当前施工现场各方面的综合信息,在满足相关施工规范、坝体混凝土浇筑技术要求、进度与形象进度要求的前提下,推理***可制定尚未浇筑的各个仓位的浇筑顺序,即浇筑仓位编排工作;
入仓机械调度模块:在混凝土坝的浇筑施工过程中,通常需要多台门机、塔机、缆机、塔带机、皮带机等混凝土运输设备,将混凝土运输至仓面以完成后续工作,这其中就存在多台入仓机械的调度问题;与仓位编排相对应,在混凝土入仓机械的调度过程中,需要考虑其运输效率、运输能力、空间位置、臂长、正负扬程、空间尺寸、行走范围等参数,以及坝体混凝土浇筑的相关系列约束;基于知识工程的混凝土坝浇筑施工智能决策***可以根据当前施工现场各方面的综合信息,在满足相关施工规范、坝体混凝土浇筑技术要求、进度与形象进度要求的前提下,推理***可安排各混凝土浇筑入仓机械依次负责浇筑的仓位,以及每台套混凝土入仓设备的运行方式;
浇筑方案验证模块:对于***外(及***用户)输入的混凝土坝浇筑施工方案,包括浇筑进度计划、仓位编排方案、设备调度方案等,基于知识工程的混凝土坝浇筑施工智能决策***可以根据当前施工现场各方面的综合信息,在满足相关施工规范、坝体混凝土浇筑技术要求、进度与形象进度要求的前提下,验证该浇筑方案的可行性,如不可行则给出原因和解释;
施工进度(过程)模拟模块:基于当前施工现场综合情况的相关信息,基于知识工程的混凝土坝浇筑施工智能决策***可以在满足相关施工规范、坝体混凝土浇筑技术要求、进度与形象进度要求的前提下,制定未来一定时间段内的坝体混凝土浇筑进度计划或者剩余坝体混凝土浇筑的进度计划,以及相对应的备料计划、灌浆计划以及通水冷却方案,实现对混凝土浇筑施工进度的智能模拟;
备料计划模块:基于知识工程的混凝土坝浇筑施工智能决策***可以在本***拟定的施工进度计划的基础上,再结合坝体各个部位的混凝土配合比参数,推理计算得到未来施工期内的各类型水泥(依据参数划分类型)、骨料、外加剂等的需求量,供施工管理与决策使用;
坝体灌浆计划模块:根据混凝土坝的实际施工进度,即各仓位的浇筑完成时间、坝体浇筑顶部高程、上游水位等相关施工参数,根据相关技术规范和要求,基于知识工程的混凝土坝浇筑施工智能决策***可以推理得到坝体接缝灌浆的部位、推荐开始时间等施工参数,供施工管理与决策参考和使用;
冷却通水方案模块:根据混凝土坝的实际施工进度,即各仓位的浇筑完成时间及坝址所在地区的水文气象资料,根据相关技术规范和要求,基于知识工程的混凝土坝浇筑施工智能决策***可以推理得到坝体各区的初期通水、中期通水以及后期通水的起止时间、水温、流量等参数,供施工管理与决策使用。
参见图1-6,一种基于知识工程的混凝土坝浇筑施工智能决策***的决策方法,它包括如下步骤:
(一)常规形式表示知识的前提和结论的提取,
在目前的混凝土坝浇筑施工管理与决策过程中,某一仓位混凝土是否可以浇筑需要满足前后高差限制、左右高差限制、层间间歇时间限制、气象条件限制、相邻仓位施工约束这些限制与约束条件;当所有的前提条件满足时,这一仓位可以进行浇筑施工;从知识工程的产生式规则角度理解,这些限制与约束条件可以看做某一仓位是否可以浇筑这一规则的前提条件,“可以浇筑”则对应于这一规则的结论;
在知识提取的这一步骤中,在于将以常规形式表示的混凝土仓位是否可以浇筑这一判断工作转化为规则的前提部分、结论部分、可靠度形式;混凝土仓位是否可以浇筑的前提有前后高差、左右高差、间歇时间、气象条件、相邻施工5个方面;结论为可以浇筑或不可以浇筑,为0-1变量;根据混凝土坝浇筑施工规范,该规则是完全可靠的;
(二)规则前提、结论、可靠度的量化、分类、分级,
在第(一)步工作的基础上,将规则的前提、结论、可靠度进行量化、分类或分级;
前后高差:以绝对物理量值表示,即以前后仓位的实际高差表示,通过形式化语言表示为Height_Diff-FB_Bin(x,y);即仓位x和仓位y的前后高差,仓位x高于仓位y为正值,反之则为负值;
左右高差:以绝对物理量值表示,即以左右仓位的实际高差表示,通过形式化语言表示为Height_Diff-LR_Bin(x,y);即仓位x和仓位y的左右高差,仓位x高于仓位y为正值,反之则为负值;
间歇时间:以绝对物理量值表示,既以当前仓位的下部仓位浇筑完成时间加上规范要求或当前工程设定的间歇时间为基准,判断当前时间是否已经到达该时间段内;通过形式化语言可表示为Pause_time(x),其值为绝对的日历时间,其格式为“MM/dd/yyyyhh:mm;ss”;
气象条件:气象条件对当前仓位是否可以浇筑主要是从降雨量角度考虑,可以对降雨量进行分级,如暴雨、大雨、小雨、无雨;通过形式化语言可表示为Rain(t),此处“t”即为拟定浇筑计划的时间,Rain(t)的取值根据数据库中的气象预报参数确定;
相邻仓位施工约束:相邻仓位施工约束指的是当某仓位浇筑混凝土时,与之相邻的其他仓位因为排水、模板架设和入仓干扰原因无法同时进行混凝土浇筑施工;该约束为0-1变量约束,当存在有相邻仓位正在浇筑混凝土时,该仓位不能浇筑混凝土,该约束值为0;反之,与之相邻的所有仓位都不在浇筑混凝土,则当前仓位可以进行混凝土浇筑施工,该约束值为1;通过形式化语言可表示为Adjoin_Bin(x);至于哪些仓位是当前仓位的相邻仓位,根据坝体模型参数的三维空间关系确定;
结论:根据以上当前仓位是否可以浇筑系列条件的判断,结论为可以浇筑或不可以浇筑,为0-1变量;通过形式化语言,可以表示为FitPour-Bin(x);
可靠度:根据混凝土坝浇筑施工规范,该规则是完全可靠的,即可靠度为1:CF=1;
(三)产生式规则的形式化,
在基于知识工程的混凝土坝浇筑施工智能决策***中,通过第(二)步骤中规则前提、结论、可靠度的量化、分类、分级,以及形式化语言的表述,“混凝土坝浇筑施工过程中某一仓位混凝土在当前状态下是否可以浇筑”这一事件的判断可以表述为如下的产生式规则:
该规则的前提条件为同时满足前后高差、左右高差、间歇时间、气象条件、相邻仓位施工约束,即:P=Height_Diff-FB_Bin(x,y)∧Height_Diff-LR_Bin(x,y)∧Pause_time(x)∧Rain(t)∧Adjoin_Bin(x);该规则的结论为当前仓位可以浇筑混凝土,即:C=FitPour-Bin(x);规则的可信度为1;所以,当前规则可表述为:
Height_Diff-FB_Bin(x,y)∧Height_Diff-LR_Bin(x,y)∧Pause_time(x)∧Rain(t)∧Adjoin_Bin(x)→FitPour-Bin(x)(1)
(四)规则检验,
规则的检验是产生式规则获取工作的重要步骤,是对前述步骤所得知识的审查和把关;在这一步骤中,重点工作就在于通过反映各种施工情况的例子对该规则进行验证,查看其输出的结论是否正确;对于输出结论不正确的情况,需要详细查看其推理过程并寻找原因;规则检验中,特别需要通过一些特殊情况下的施工参数验证该规则的适应性和正确性;如果经过***检验后,未发现当前规则存在问题,则将该规则入库保存;如果发现存在问题,则需要对当前规则进行重新提取和形式化,即重复步骤(一)-步骤(三);
(五)重新提取或形式化,对于在检验过程中发现有推理不当之处的规则,重复步骤(一)-步骤(三),对该规则进行重新提取或形式化;
(六)入库,对于经过检验后合格的规则,将其存入规则库中,以关系数据库的形式保存。
结合说明书附图阐述本发明的具体实施方式,主要包括一种基于知识工程的混凝土坝浇筑施工智能决策***和方法的***构建流程、知识获取方法、知识表示方法、知识推理方法。应该指出的是,本处所描述的过程和实施方式并非对本发明的限制,而是为了更好地描述本发明内容、便于认识和了解本发明。
一、***构建流程
图2是一种基于知识工程的混凝土坝浇筑施工智能决策***的构建过程示意图。其构建过程分为四个步骤,分别为构建数据库、构建知识库、推理***设计、***集成与调试。各步骤的主要内容如下:
(1)构建数据库
数据库是一种基于知识工程的混凝土坝浇筑施工智能决策***运行的基础。概括而言,构建数据库的过程即在于将影响混凝土坝浇筑施工的施工机械、坝体特征、施工环境、技术要求等相关数据归类、整理、量化,并透过数据库表格存储,透过关系数据库管理***实现对数据库的管理和维护。数据库的具体内容如图3一种基于知识工程的混凝土坝浇筑施工智能决策***的工程信息库结构所示。
(2)构建知识库
知识库是一种基于知识工程的混凝土坝浇筑施工智能决策***进行推理的依据所在。知识库的构建过程分为两个方面的工作,一个方面是混凝土坝浇筑施工过程中相关知识(即规则)表示方法的建立,即建立混凝土坝浇筑施工知识的表示方法;另一个方面则是将以传统媒介保存或表示的知识,包括工程规范、技术要求、专家经验等,以本发明所建立的方式表示出来,即建立混凝土坝浇筑施工知识的获取方法。知识库的具体内容如图5一种基于知识工程的混凝土坝浇筑施工智能决策***的施工规则库结构所示。
这两方面的内容将在下文中的“知识表示方法”和“知识获取方法”中详细阐述。
(3)推理***设计
推理***设计是在所构建的数据库和知识库的基础上,实现从基础数据出发、通过知识库内知识的应用,推理得到未来施工进度计划或施工方案的推理过程。推理***设计包括基于规则的推理机制、基于规则的不确定性推理机制、基于规则的推理冲突消解策略三个方面内容,其具体内容将在“具体实施方式”中的“知识推理方法”中详细阐述。
(4)***集成与调试
在完成了数据库和知识库的构建以及推理***的设计以后,进行***的集成与调试。这一步骤的目的在于现实数据库、知识库、推理***三者之间的衔接,并使这三者协同工作,实现从混凝土坝浇筑施工基础数据到施工方案的推理。一种基于知识工程的混凝土坝浇筑施工智能决策***的***集成与调试的重点工作包括三个方面的内容:一是数据库内包含的数据能否为知识库提供前提条件,即产生式规则前提条件的完备性;二是规则之间的冲突性,即规则的一致性,这一部分内容将在基于规则推理的冲突消解策略中详细阐述;三是推理过程的解释,这一部分内容将在基于规则的推理设计中详细阐述。
完成了以上四项工作,即实现了一种基于知识工程的混凝土坝浇筑施工智能决策***的构建过程,在输入混凝土坝工程基础数据和施工过程中的实际数据以后,即可进行混凝土坝浇筑施工的管理与决策工作。
二、知识获取方法
如说明书附图中的图4一种基于知识工程的混凝土坝浇筑施工智能决策***的产生式规则获取流程示意图所示,获取混凝土坝浇筑施工相关规则主要分为以下六个方面工作。
下面以混凝土坝浇筑施工过程中某一仓位混凝土在当前状态下是否可以浇筑为例,说明混凝土坝浇筑施工的知识提取过程。
(1)常规形式表示知识的前提和结论的提取
在目前的混凝土坝浇筑施工管理与决策过程中,某一仓位混凝土是否可以浇筑需要满足前后高差限制、左右高差限制、层间间歇时间限制、气象条件限制、相邻仓位施工约束这些限制与约束条件。即当所有的前提条件满足时,这一仓位可以进行浇筑施工。从知识工程的产生式规则角度理解,这些限制与约束条件可以看做某一仓位是否可以浇筑这一规则的前提条件,“可以浇筑”则对应于这一规则的结论。
在知识提取的这一步骤中,工作重点在于将以常规形式表示的混凝土仓位是否可以浇筑这一判断工作转化为规则的前提部分、结论部分、可靠度形式。混凝土仓位是否可以浇筑的前提有前后高差、左右高差、间歇时间、气象条件、相邻施工5个方面;结论为可以浇筑或不可以浇筑,为0-1变量;根据混凝土坝浇筑施工规范,该规则是完全可靠的。
(2)规则前提、结论、可靠度的量化、分类、分级
在第一步工作的基础上,将规则的前提、结论、可靠度进行量化、分类或分级。以上述混凝土坝浇筑施工中的某一仓位当前是否可以浇筑这一问题为例,详细阐述该项工作的实现方式。
前后高差:以绝对物理量值表示,即以前后仓位的实际高差表示,通过形式化语言表示为Height_Diff-FB_Bin(x,y)。即仓位x和仓位y的前后高差,仓位x高于仓位y为正值,反之则为负值。
左右高差:以绝对物理量值表示,即以左右仓位的实际高差表示,通过形式化语言表示为Height_Diff-LR_Bin(x,y)。即仓位x和仓位y的左右高差,仓位x高于仓位y为正值,反之则为负值。
间歇时间:以绝对物理量值表示,既以当前仓位的下部仓位浇筑完成时间加上规范要求或当前工程设定的间歇时间为基准,判断当前时间是否已经到达该时间段内。通过形式化语言可表示为Pause_time(x),其值为绝对的日历时间,其格式为“MM/dd/yyyy hh:mm;ss”。
气象条件:气象条件对当前仓位是否可以浇筑主要是从降雨量角度考虑,可以对降雨量进行分级,如暴雨、大雨、小雨、无雨。通过形式化语言可表示为Rain(t),此处“t”即为拟定浇筑计划的时间,Rain(t)的取值根据数据库中的气象预报参数确定。在混凝土坝工程施工实践中,不同性能的混凝土对降雨量的要求不同;此外,有无防雨措施或防雨措施的完善程度对此项判断也有不同的影响,在具体工程中灵活处理,并设置相应的形式化语言作为判断依据。
相邻仓位施工约束:相邻仓位施工约束指的是当某仓位浇筑混凝土时,与之相邻的其他仓位(高程不一定相同)因为排水、模板架设、入仓干扰等原因无法同时进行混凝土浇筑施工。该约束为0-1变量约束,当存在有相邻仓位正在浇筑混凝土时,该仓位不能浇筑混凝土,该约束值为0;反之,与之相邻的所有仓位都不在浇筑混凝土,则当前仓位可以进行混凝土浇筑施工,该约束值为1。通过形式化语言可表示为Adjoin_Bin(x)。至于哪些仓位是当前仓位的相邻仓位,根据坝体模型参数的三维空间关系确定。
结论:根据以上当前仓位是否可以浇筑系列条件的判断,结论为可以浇筑或不可以浇筑,为0-1变量。通过形式化语言,可以表示为FitPour-Bin(x)。此处需要强调一点,这一规则只是根据仓位本身的综合条件判断当前仓位是否可以浇筑,并不一定意味着一定可以浇筑或者必须要浇筑。
可靠度:根据混凝土坝浇筑施工规范,该规则是完全可靠的,即可靠度为1:CF=1。
(3)产生式规则的形式化
在基于知识工程的混凝土坝浇筑施工智能决策***中,通过第二步骤中规则前提、结论、可靠度的量化、分类、分级,以及形式化语言的表述,“混凝土坝浇筑施工过程中某一仓位混凝土在当前状态下是否可以浇筑”这一事件的判断可以表述为如下的产生式规则:
该规则的前提条件为同时满足前后高差、左右高差、间歇时间、气象条件、相邻仓位施工约束,即:P=Height_Diff-FB_Bin(x,y)∧Height_Diff-LR_Bin(x,y)∧Pause_time(x)∧Rain(t)∧Adjoin_Bin(x)。该规则的结论为当前仓位可以浇筑混凝土,即:C=FitPour-Bin(x)。规则的可信度为1。所以,当前规则可表述为:
Height_Diff-FB_Bin(x,y)∧Height_Diff-LR_Bin(x,y)∧Pause_time(x)∧Rain(t)∧Adjoin_Bin(x)→FitPour-Bin(x)(1)
(4)规则检验
规则的检验是产生式规则获取工作的重要步骤,是对前述步骤所得知识的审查和把关。在这一步骤中,重点工作就在于通过反映各种施工情况的例子对该规则进行验证,查看其输出的结论是否正确。对于输出结论不正确的情况,需要详细查看其推理过程并寻找原因。规则检验中,特别需要通过一些特殊情况下的施工参数验证该规则的适应性和正确性。如果经过***检验后,未发现当前规则存在问题,则将该规则入库保存;如果发现存在问题,则需要对当前规则进行重新提取和形式化,即重复步骤1-步骤3。
(5)重新提取或形式化
对于在检验过程中发现有推理不当之处的规则,重复步骤1-步骤3,对该规则进行重新提取或形式化。
(6)入库
对于经过检验后合格的规则,将其存入规则库中,具体的产生式规则在规则库中的存储方式即知识表示方法将在“具体实施方式”的第三部分“知识表示方法”中详细说明。
三、知识表示方法
以某混凝土仓位是否可以浇筑为例,详细阐述一种基于知识工程的混凝土坝浇筑施工智能决策***的知识表示方法,即混凝土坝浇筑施工各类规则的表示方法。
如上所述,混凝土坝浇筑施工过程控制规则(即知识)是施工管理过程中各项活动之间因果关系的转换依据,适合用产生式规则表示。产生式规则是以“P→C(CF)”形式表示的语句。为利用成熟的关系数据库技术强大的数据存储、检索、组织及管理能力实现对规则知识的组织和管理,在一种基于知识工程的混凝土坝浇筑施工智能决策***中利用关系数据库存储、管理规则。一种基于知识工程的混凝土坝浇筑施工智能决策***中所有的规则保存在规则库(Rule Base)中。根据混凝土坝浇筑施工相关规则的特点,对混凝土坝浇筑规则的关系数据库表示方法进行了详细设计。
混凝土坝浇筑规则库分为字典子库(Dictionary sub-base)和规则子库(Rule sub-base)两部分。字典子库用于存放规则的前提条件和结论(统称为事实),以及事实的自然语言描述等内容。字典子库的结构为DICT_SB(Fact_ID,Fact,Nat_lang,CF)。其中Fact_ID是事实的编码,Fact是用形式语言描述的事实内容,Nat_lang是用自然语言描述的事实内容(用于向用户解释),CF是指事实的可信度,在***推理初始状态所有事实的CF都置为空。其中,Fact_ID为主键。一种基于知识工程的混凝土坝浇筑施工智能决策***中字典子库的片段如表1所示。
表1字典子库片段
说明:
(1)表1数据仅为规则库的字典字库的片段,实际***运行时所需要的规则数量较为庞大和复杂。
(2)表1中的部分事实反映为函数关系,其功能的实现需要依赖于本发明所建立***内的其他功能模块。例如:邻近仓位的判断、左右仓位的判断、前后仓位的判断,均需要借助于三维坝体模型及其空间参数确定。
(3)表1中的部分事实在推理过程中需要以现场信息库中的数据为依托进行推理。
规则子库用于存放规则,包括规则结构表和规则条件表。规则结构表的结构为RULE_STRU(Rule_ID,Num,Fact_ID,CF,Active)。其中Rule_ID为规则编号;Num为该规则所需要的条件项数;Fact_ID为结论的编号;CF为规则的可信度;Active表明本规则是否已经激活,避免规则的重复使用,提高推理效率。规则条件表的结构为RULE_Cond(Rule_ID,Fact_ID,Logic_relation,Active)。其中Rule_ID表示规则编号;Fact_ID表示条件编号,该规则有几个条件就有几条记录;Logic_relation为该项条件在推理中的逻辑关系,包括逻辑与“∧”(“AND”)运算和逻辑或“∨”(“OR”)运算两种运算形式,表示该项条件是必选条件或者是可选条件;Active为Fact_ID激活的标志,避免规则各项条件重复匹配。
规则的CF(可信度)是指依据规则条件得出结论的可靠程度。CF(P→C)∈[-1,1],CF的取值及含义如下:CF=+1表示如果P为真,C一定为真;CF=-1表示如果P为真,C一定为假;CF=0表示P的真假对C没有影响;CF∈(-1,0)表示如果P为真,C在一定程度上为假;CF∈(0,1)表示如果P为真,C在一定程度上为真。
规则子库中的规则结构表和规则条件表的片段分别如表2、表3所示,表中的片段反映了某仓位当前是否可以进行混凝土浇筑这一施工规则。
表2规则结构表片段
Rule_ID |
Num |
Fact_ID |
CF |
Active |
R0001 |
1 |
F0025 |
1 |
F |
R0002 |
2 |
F0032 |
0.9 |
F |
R0008 |
5 |
F0010 |
1 |
F |
… |
… |
… |
… |
|
表3规则条件表片段
Rule_ID |
Fact_ID |
Logic_relation |
Active |
R0008 |
F0002 |
AND |
F |
R0008 |
F0003 |
AND |
F |
R0008 |
F0006 |
AND |
F |
R0008 |
F0007 |
AND |
F |
R0008 |
F0009 |
AND |
F |
… |
… |
|
|
有了以上约定,就可以在自然语言表示的规则和关系数据库中的规则进行相互转化。依据表2、表3,规则R0008的形式如下:
Height_Diff-FB_Bin(x,y)∧Height_Diff-LR_Bin(x,y)∧Pause_time(x)∧Rain(t)∧Adjoin_Bin(x)→FitPour-Bin(x)(1)
再依据表1,规则R0008可进一步解释为:如果某一仓位“x”同时满足前后高差、左右高差、间歇时间、气象条件、相邻仓位施工5项约束,则该仓位可以进行混凝土浇筑,规则的可靠度为“1”。这样就建立了混凝土坝浇筑施工规范以及专家经验知识和计算机可以操作的规则知识之间的一一对应关系,实现了规则知识的计算机信息***内的智能表示与存储。
四、知识推理方法
知识推理是指从已有的基础数据出发,通过对各种产生式规则及知识的综合应用,经过推理得到***当前的决策或行动方案。具体到混凝土坝浇筑施工问题,是指根据混凝土坝当前的施工条件和施工环境,在遵循混凝土坝浇筑施工的相关规范和技术要求的前提下,推理得到当前混凝土坝浇筑施工方案的过程。
一种基于知识工程的混凝土坝浇筑施工智能决策***和方法的知识推理方法主要包括基于规则的不确定性推理机制、基于规则的推理模式设计、基于规则推理的冲突消解策略三个方面内容。
混凝土坝浇筑施工过程中的事实和规则都存在不确定性,以混凝土坝浇筑施工的不确定性事实和不确定性规则的表示和存储机制为基础,建立混凝土坝浇筑施工基于规则的不确定性推理机制,实现混凝土坝浇筑***的不确定性推理,即智能推理。
一种基于知识工程的混凝土坝浇筑施工智能决策***的不确定性推理机制采用C-F不确定性推理模型,C-F模型是不确定性推理中使用最早、简单而有效的一种推理方法。
一种基于知识工程的混凝土坝浇筑施工智能决策***中的不确定性推理算法包括四个部分,包括根据前提和规则的可信度求结论的可信度、两个独立前提导出的同一结论的可信度的合并、前提的合取、前提的析取,以此为基础就可进行各种各样的推理运算。其中CF(P)代表前提的可信度;CF(R)代表规则的可信度;CF(C)代表结论的可信度。
(1)根据前提和规则的可信度求结论的可信度
CF(C)=CF(R)×max{0,CF(P)}
若CF(P)>0,即规则前提以某种程度为真,则根据CF(P)和规则可信度CF(R)计算规则结论的可信度CF(C)=CF(R)×CF(P);
若CF(P)=0,即条件是真是假一无所知,则CF(C)=0,也就是说结论的真假也一无所知。
若CF(P)<0,即规则前提为假,说明该规则不能应用,则CF(C)=0。
(2)两个独立前提导出的同一结论的可信度的合并,也称新证据(前提)法则
在组合两个以上的独立前提导出的同一结论的可信度时,先合并其中两个,其结果再与第三个合并,依此类推。
(3)前提的合取
对于P=P1∧P2∧P3∧…∧Pn,有
CF(P)=CF(P1∧P2∧P3∧…∧Pn)=min{CF(P1),CF(P2),…,CF(Pn)}
由上式可见,多个前提的合取的CF为CF最小的那个前提的CF。
(4)前提的析取
对于P=P1∨P2∨P3∨…∨Pn,有
CF(P)=CF(P1∨P2∨P3∨…∨Pn)=max{CF(P1),CF(P2),…,CF(Pn)}
由上式可见,多个前提的析取的CF为CF最大的那个前提的CF。
对于不确定性推理,当某个结论的可信度不为1时,对于相同结论的其他规则仍然要进行推理,求出结论的可信度,并与已求出的该结论的可信度进行合并。
一种基于知识工程的混凝土坝浇筑施工智能决策***将不确定性推理规则作为元知识,单独置于推理模块,使之具有自动聚焦属性,即优先级别最高。这样就保证了两条具有相同结论的规则(具有不同可信度)在被其他规则触发之前就已经组合了。
如图6是一种基于知识工程的混凝土坝浇筑施工智能决策***的推理模式与工作流程所示,一种基于知识工程的混凝土坝浇筑施工智能决策***的推理机根据数据库中的数据,利用知识库中的规则,按一定的推理策略,去求解问题、解释外部输入的数据和事实,推导出结论并向用户解释,根据要求说明得出结论的理由。
一种基于知识工程的混凝土坝浇筑施工智能决策***属于设计、规划类的知识***,解空间很大,所以选用正向推理方式。
正向推理也称为数据驱动控制,是从已知的数据信息出发,正向使用规则,让规则的前件与数据库中的记录和事实相匹配,然后启用规则的结论部分。
正向推理首先由用户提供基本数据,存放在数据库中,然后推理机进行工作,其推理过程的主要步骤如下:
(1)推理机用这批事实与规则库中规则的前件进行匹配。如果只有一条匹配的规则,则选用该规则;如果有多条规则可用,则根据冲突消解策略选用其中的一条规则。
(2)将该规则的结论部分事实作为新事实加到动态数据库中。
(3)用更新后的数据库中的事实,重复(1)、(2)步。如此反复直到问题解决或给出不能解决的理由为止。
所谓冲突是指在混凝土坝浇筑施工方案制定推理过程中的某一步有多条规则可以使用。冲突消解是指从这些可用的多条规则中选择一条用于当前的推理;冲突消解策略就是如何从多条规则中选择最佳规则的策略或方法。
根据混凝土坝浇筑施工过程的特点:随着规则前提条件的增加,所得结论在当前条件下的针对性增强;规则可信度越高,所得结论越可靠。所以在基于知识工程的混凝土坝浇筑施工方案制定过程中,基于规则的不确定性推理过程中采用如下的冲突消解策略。
假设R1、R2为当前可使用的规则,则:
①GetNum(R1)、Num(R2)、CF(R1)、CF(R2)
②if Num(R
1)
Num(R
2)then first_use_rule=R
2goto⑤
③if Num(R
2)
Num(R
1)then first_use_rule=R
1goto⑤
④if CF(R1)≤CF(R2)then first_use_rule=R2else first_use_rule=R1
⑤end
其中Num(R1)、Num(R2)为R1、R2条件集,CF(R1)、CF(R2)为R1、R2可信度。当有两条以上的规则可用时,先利用该策略求得前两条规则中的优先使用规则,再将此规则与第三条规则比较,依次进行,直至找到最佳规则。