肖尚勤 何 剛 黃金鋒 馮 濤

1 中國艦船研究設(shè)計中心，湖北 武漢 430064 2 南京大學(xué) 軟件學(xué)院，江蘇 南京 210046

1 引言

船舶工業(yè)是為國防建設(shè)、航運(yùn)交通和海洋開發(fā)提供主要裝備的戰(zhàn)略性產(chǎn)業(yè)，是保障國家安全、發(fā)展國民經(jīng)濟(jì)和維護(hù)海洋權(quán)益的重要工業(yè)基礎(chǔ)。加快發(fā)展船舶工業(yè)，對于加強(qiáng)國防現(xiàn)代化建設(shè)、加快海洋開發(fā)、振興裝備制造業(yè)、促進(jìn)相關(guān)產(chǎn)業(yè)發(fā)展、擴(kuò)大船舶出口等具有重要的戰(zhàn)略意義［1-2］。

我國船舶工業(yè)經(jīng)過五十多年的發(fā)展，經(jīng)歷了以軍為主到軍民結(jié)合的發(fā)展歷程，走過了一條從小到大的成長之路。特別是改革開放以來，經(jīng)過三十年來的不懈努力，我國船舶工業(yè)得到了快速的發(fā)展，造船效率明顯提高、造船成本明顯下降，根據(jù)國際造船業(yè)的發(fā)展趨勢，我國船舶工業(yè)要實現(xiàn)發(fā)展成為世界第一造船大國、強(qiáng)國的跨越式發(fā)展目標(biāo)，必須加快造船企業(yè)的信息化建設(shè)步伐，建立數(shù)字化設(shè)計、制造、管理及配套等完整的數(shù)字化造船體系，全面實現(xiàn)數(shù)字化造船［3］。

艦船設(shè)計是一個多專業(yè)、多系統(tǒng)、大規(guī)模的協(xié)同工作過程，周期長，流程復(fù)雜。設(shè)計人員必須在分布式環(huán)境下協(xié)同工作，利用數(shù)據(jù)的并發(fā)處理和控制功能及時獲取同步的產(chǎn)品數(shù)據(jù)信息，協(xié)調(diào)設(shè)計過程中的各種關(guān)系，對設(shè)計過程實施并行、動態(tài)、實時控制［4］。目前，這些工作均由技術(shù)人員根據(jù)豐富經(jīng)驗，結(jié)合歷史數(shù)據(jù)完成，存在著勞動強(qiáng)度大，精度不高等缺陷。通過建立知識庫輔助艦船設(shè)計，根據(jù)總體指標(biāo)自動對發(fā)生沖突的各分項指標(biāo)進(jìn)行權(quán)衡和優(yōu)化，將分析所得到的知識集成到業(yè)務(wù)信息系統(tǒng)的組織結(jié)構(gòu)中可以大幅提高設(shè)計質(zhì)量，減少設(shè)計差錯，提高研發(fā)效率，增強(qiáng)并行協(xié)同設(shè)計制造能力，保證艦船設(shè)計的總體最優(yōu)，進(jìn)而提高整個造船工業(yè)的設(shè)計制造水平。

2 面向艦船設(shè)計的知識庫結(jié)構(gòu)

知識庫［5］是知識工程中結(jié)構(gòu)化，易操作，易利用，全面有組織的知識集群，是合理組織的關(guān)于某一特定領(lǐng)域的陳述性知識和過程性知識的集合，采用某種知識表示方式進(jìn)行存儲、組織、管理和使用，知識庫中通常蘊(yùn)含著客觀規(guī)律、理論知識、事實數(shù)據(jù)之類的底層信息，或是由專家經(jīng)驗得到的啟發(fā)式信息，通過簡單的查詢和搜索不能獲取這些信息，需要在海量數(shù)據(jù)的基礎(chǔ)上，經(jīng)過分析推理等方法提煉出來。

隨著信息化技術(shù)的不斷發(fā)展，艦船設(shè)計廣泛采用數(shù)字化工具建模，所存儲和處理的數(shù)據(jù)與日俱增，當(dāng)這些數(shù)據(jù)累計到一定程度時，就會產(chǎn)生一些規(guī)律性的結(jié)論。通過知識工程的方法積累和重用現(xiàn)有艦船設(shè)計的數(shù)據(jù)，進(jìn)行研發(fā)創(chuàng)新，以更低的成本、更少的時間設(shè)計出更加優(yōu)異的船舶產(chǎn)品，對于企業(yè)保持快速研發(fā)反應(yīng)能力和競爭優(yōu)勢至關(guān)重要。

知識庫來源于數(shù)據(jù)庫，但不僅僅是數(shù)據(jù)庫，它不僅使用數(shù)據(jù)庫中的事實數(shù)據(jù)來表達(dá)知識，而且使用數(shù)據(jù)庫的邏輯蘊(yùn)含來反映知識規(guī)則的因果關(guān)系，以實現(xiàn)知識庫的推理功能［6］。基于艦船設(shè)計的知識庫結(jié)構(gòu)均為確定性的知識，將知識庫中的產(chǎn)生式規(guī)則表達(dá)引入數(shù)據(jù)庫，并根據(jù)數(shù)據(jù)庫的特點，對產(chǎn)生式進(jìn)行特定的表達(dá)。

本文采用實體—屬性—聯(lián)系模型，其數(shù)據(jù)模型表示為：實體＜Entity＞，屬性＜Attribute＞，聯(lián)系＜Relationship＞，通常規(guī)則采用多元組的形式表示，即 E（A，R），其中，E表示實體，A表示實體 E的屬性，R表示與實體E相關(guān)的聯(lián)系，通常一個實體包含多個屬性與多個聯(lián)系，屬性和聯(lián)系分別可以表示為 A｛A1，A2，…，Am｝，R｛R1，R2，…，Rn｝。

以艦船設(shè)計中某一專業(yè)范疇的設(shè)計參數(shù)為屬性，相關(guān)參數(shù)之間關(guān)聯(lián)所具有的制約和依存規(guī)則為聯(lián)系，例如某管路設(shè)計，其屬性包括長度、直徑、材料等，其聯(lián)系包括附加閥門、傳輸燃油等信息，則可表示為：

管路（｛長度，直徑，材料…｝，｛附加閥門，傳輸燃油…｝）

通過數(shù)學(xué)建模，將多專業(yè)多學(xué)科數(shù)據(jù)聯(lián)系起來，形成多維的艦船設(shè)計集成與優(yōu)化知識庫，其結(jié)構(gòu)如圖1所示。

圖1 艦船設(shè)計集成與優(yōu)化知識庫結(jié)構(gòu)

該知識庫最底層為艦船設(shè)計各專業(yè)與學(xué)科基礎(chǔ)數(shù)據(jù)，中間層是經(jīng)過分類與組合后的模型庫，最高層是將設(shè)計與仿真分析相關(guān)數(shù)據(jù)集成優(yōu)化后的知識庫。以中間層模型庫為控制對象，因此知識庫的基本結(jié)構(gòu)是層次結(jié)構(gòu)，是由其知識本身的特性所確定的［7］。在知識庫中，數(shù)據(jù)層之間通常都存在相互依賴的關(guān)系，設(shè)計模型庫（DMB）和仿真試驗?zāi)Ｐ蛶欤‥MB）是集成與優(yōu)化知識庫（KBOI）的基礎(chǔ)核心內(nèi)容，包括各專業(yè)模型庫數(shù)據(jù)，兩者建立統(tǒng)一的索引及通用接口，可以對集成與優(yōu)化知識庫進(jìn)行訪問與操作，索引以關(guān)系方式進(jìn)行組織，通過關(guān)鍵字或模型字典表達(dá)各個基本模型元數(shù)據(jù)之間的關(guān)系。

3 多維數(shù)據(jù)關(guān)聯(lián)與分類規(guī)則

3.1 多維數(shù)據(jù)關(guān)聯(lián)定義

為了能夠有效管理知識庫中的海量數(shù)據(jù)，并快速分析出其中有用的信息，需要對多維的數(shù)據(jù)模型進(jìn)行關(guān)聯(lián)與分類，如為了實現(xiàn)節(jié)能減排，設(shè)計時需要考慮結(jié)構(gòu)、管路、電力、動力等多個方面的優(yōu)化措施。這是一個在數(shù)據(jù)中進(jìn)行推理匹配的過程，挖掘關(guān)聯(lián)規(guī)則首先是挖掘出頻繁項目集，其次是生成關(guān)聯(lián)規(guī)則，然后去除冗余規(guī)則，這一過程隨著數(shù)據(jù)類型的多樣化，計算復(fù)雜度較高。根據(jù)艦船設(shè)計知識庫多專業(yè)的特點，本文根據(jù)Apriori算法［8-10］提出根據(jù)問題支持度生成決策集，從而確定數(shù)值型與類別型屬性概念層次的方法，提高了算法的計算效率以及可擴(kuò)展性。

設(shè)屬性集為 A= ｛A1，A2，…，Am｝，關(guān)系集為R= ｛R1，R2，…，Rn｝，Z 為事務(wù)數(shù)據(jù)庫，也即是設(shè)計過程中，對每一個邏輯單元執(zhí)行的一系列操作，X，Y?A×R是由屬性及關(guān)系構(gòu)成的項目集合，稱為項目集，也即是多維數(shù)據(jù)集。

如果項目集X中包含k個事務(wù)，則稱其為k-項目集。項目集X有兩個重要性質(zhì)：若X為頻繁項目集，則X的所有子集都是頻繁項目集；若X為非頻繁項目集，則X的所有超集均為非頻繁項目集。

設(shè)X∩Y＝φ，多維多層模式X∪Y為關(guān)聯(lián)規(guī)則，記做X→Y。

如果事務(wù)數(shù)據(jù)庫Z中有s%的事務(wù)包含X，則稱項目集X的支持度為s%，記為s%＝support（X，R）。則可以定義，如果對X∪Y的支持度大于用戶給定的最小支持度閾值，就稱該項目集是頻繁項目集，記為minsupp≤support（X∪Y，R），事務(wù)數(shù)據(jù)庫Z中支持X∪Y的事務(wù)數(shù)與支持X事務(wù)數(shù)的比值稱為該關(guān)聯(lián)規(guī)則的支持度閾值，記為minsupp≤support（X∪Y，R）／support（X，R）。

多維數(shù)據(jù)關(guān)聯(lián)與分類過程如下：

1）首先掃描事務(wù)數(shù)據(jù)庫Z，根據(jù)實際應(yīng)用地意義對概念層次結(jié)構(gòu)進(jìn)行重組，分割屬性類型集和取值區(qū)間，計算出所有1-項目集的支持度，從而得到滿足minsupp的頻繁項目集X1；

2）通過k-1頻繁項目集Xk-1與X1的相互組合，擴(kuò)充到后選k-頻繁項目集Xk，當(dāng)后選k-項目集的某個k-1的子集不屬于Xk-1時，則該子集對于頻繁項目集Xk而言是冗余規(guī)則，可以去除；

3）計算Xk中各個項目集的支持度s%，刪除不滿足支持最小支持度s%的項目集，形成簡約完整的頻繁項目集。循環(huán)迭代后，找出所有的頻繁項目集，可計算出關(guān)聯(lián)規(guī)則的支持度minconf；

4）支持度minconf也即是該優(yōu)化方案的可執(zhí)行度，設(shè)計時，根據(jù)支持度選擇相應(yīng)最優(yōu)化的參數(shù)。

3.2 支持度閾值設(shè)定

在實際艦船設(shè)計知識庫的應(yīng)用中，不同專業(yè)項目關(guān)聯(lián)支持的概率差異非常大，如果采用較大的單一支持度，很多相關(guān)的有價值信息將丟失，如果采用較小的單一支持度則會產(chǎn)生很多冗余規(guī)則。所以，為不同專業(yè)設(shè)置合理的支持度閾值非常重要。如在船體型線設(shè)計中，中橫剖面系數(shù)Cm為中橫剖面在設(shè)計水線下的型面積Am與其相對應(yīng)設(shè)計水線寬B和設(shè)計吃水T的乘積，可以表示為：

內(nèi)河船和大型運(yùn)輸船的中橫剖面系數(shù)較大，中橫剖面較豐滿；快速船和中小型船的中橫剖面系數(shù)則較小，因此，在實際應(yīng)用中，可以針對所設(shè)計船的種類，設(shè)定中橫剖面系數(shù)Cm的支持度閾值，得到最為相關(guān)的取值，則可以方便計算出Am＝Cm×B×T，并可挖掘與之相關(guān)的信息，如總長、垂線間長、型深等參數(shù)，計算船體重心浮心，提高設(shè)計精度和準(zhǔn)度。

4 基于集成的數(shù)據(jù)分析

4.1 艦船綜合性能分析架構(gòu)

知識庫系統(tǒng)具有完整的數(shù)據(jù)管理功能，能夠提供原始數(shù)據(jù)，又能動態(tài)組合復(fù)合數(shù)據(jù)，提高了設(shè)計的靈活性和擴(kuò)展性，降低了設(shè)計難度，不僅側(cè)重于數(shù)學(xué)模型的分析，對于評價、規(guī)劃和預(yù)測類的分析也提出了更高的要求。數(shù)據(jù)倉庫、聯(lián)機(jī)分析技術(shù)的發(fā)展為數(shù)據(jù)分析提供了更加有效的支持。以多維數(shù)據(jù)模型為核心的數(shù)據(jù)倉庫和聯(lián)機(jī)分析技術(shù)相結(jié)合，能夠從不同的角度分析數(shù)據(jù)，不僅提高了總體性能分析的決策能力，有利于數(shù)據(jù)分析的多目標(biāo)性，也為數(shù)據(jù)分析的有效性提供了有力支持。

在艦船綜合性能分析系統(tǒng)結(jié)構(gòu)框架中，將定性分析與定量分析相結(jié)合，基于集成模型的方法實現(xiàn)知識的自動獲取，以多知識庫集成模型數(shù)據(jù)分析為主體，構(gòu)建一個綜合性能分析系統(tǒng)架構(gòu)模式如圖2所示。

艦船設(shè)計綜合性能分析系統(tǒng)以集成模型庫和知識庫為核心，將多維數(shù)據(jù)挖掘與分類、知識推理、數(shù)據(jù)倉庫以及聯(lián)機(jī)分析技術(shù)的有機(jī)結(jié)合，將以模型驅(qū)動為基礎(chǔ)的分析模式提升為數(shù)據(jù)驅(qū)動的分析模式，從大量的數(shù)據(jù)中發(fā)現(xiàn)知識并驗證知識，并將知識輔助和用于設(shè)計分析，實現(xiàn)了綜合的決策融合，大大增強(qiáng)了數(shù)據(jù)分析基礎(chǔ)，具有更好的智能決策支持能力。

其中，海量數(shù)據(jù)倉庫用于存儲和組織歷史設(shè)計數(shù)據(jù)，包括船體、動力、電力、結(jié)構(gòu)、管路等多學(xué)科多專業(yè)的設(shè)計資料和文檔資料，通過對底層數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行集成、轉(zhuǎn)換和歸類，重新組織成面向全局的多維數(shù)據(jù)試圖，為模型集成、聯(lián)機(jī)數(shù)據(jù)分析提供數(shù)據(jù)支持。

聯(lián)機(jī)數(shù)據(jù)分析處理從海量數(shù)據(jù)倉庫中構(gòu)建面向分析的多維數(shù)據(jù)模型，再通過多維分析方法從不同的視角對多維數(shù)據(jù)進(jìn)行分析、比較和解釋，行成可讀信息。

數(shù)據(jù)挖掘以海量數(shù)據(jù)倉庫中的大量數(shù)據(jù)為基礎(chǔ)，自動發(fā)現(xiàn)數(shù)據(jù)中潛在模式，為各個環(huán)節(jié)提供知識支持并以這些模式為基礎(chǔ)實現(xiàn)決策支持。主要包括兩個方面：一是從大量歷史數(shù)據(jù)中發(fā)現(xiàn)設(shè)計優(yōu)化特性、性能優(yōu)化特性等相關(guān)知識，支持艦船設(shè)計制造過程中各個環(huán)節(jié)的進(jìn)行；另一方面發(fā)現(xiàn)設(shè)計優(yōu)化的典型模式和潛在規(guī)律，建立艦船綜合性能分析模型，提升設(shè)計質(zhì)量。

知識庫及知識推理用于存放和管理由數(shù)據(jù)分析得到的各種知識，為集成與決策建立了基礎(chǔ)，在決策過程中為模型的順利運(yùn)行提供知識推理和規(guī)則調(diào)用，并可根據(jù)模型運(yùn)行情況來改進(jìn)集成模型庫中的模型，從而提高模型庫的智能性。

集成模型庫用于通過知識經(jīng)驗規(guī)則協(xié)助用戶建立、存儲和管理多種綜合應(yīng)用模型，實現(xiàn)多知識庫模型集成決策融合。

信息融合有兩個外部交互接口，一個是與知識庫通信的接口，通過專家經(jīng)驗知識或從數(shù)據(jù)庫中進(jìn)行數(shù)據(jù)挖掘等渠道來建立知識庫；另一個是用戶接口，與用戶進(jìn)行中間交互，返回分析運(yùn)行結(jié)果等。

4.2 應(yīng)用數(shù)據(jù)分析

在具體艦船設(shè)計的應(yīng)用中，首先對決策問題進(jìn)行數(shù)學(xué)建模描述，然后系統(tǒng)對問題進(jìn)行分析推理，通過模型集成庫的智能性判斷及模型選擇優(yōu)化，實施模型的優(yōu)化運(yùn)行、評價、模型的求解和結(jié)果顯示輸出。根據(jù)艦船設(shè)計多年的歷史數(shù)據(jù)積累，進(jìn)行仿真測試與應(yīng)用開發(fā)，提高設(shè)計質(zhì)量和設(shè)計效率。

耐波性是艦船設(shè)計中一個非常重要的數(shù)據(jù)，涉及到船在波浪上各種運(yùn)動及其后果的復(fù)雜現(xiàn)象。與耐波性相關(guān)的參數(shù)有很多，以某排水量2 580 t船的設(shè)計數(shù)據(jù)集為基礎(chǔ)，對其中的某些參數(shù)進(jìn)行數(shù)據(jù)挖掘測試，該船所處海域為我國南方海域，涌長約為60m，波浪周期為6 s，該船總長度為 108m，最大船寬 14m，設(shè)計吃水 3.8m，其主要船型系數(shù)中，方形系數(shù)Cb＝0.489，水線面系數(shù)Cwp＝0.744，多維數(shù)據(jù)關(guān)聯(lián)規(guī)則的目標(biāo)是發(fā)現(xiàn)對耐波性影響較大的屬性，表1為數(shù)據(jù)挖掘后的結(jié)果，可以分析出相關(guān)屬性個數(shù)、挖掘時間、支持度與頻繁項目集之間的關(guān)系。

表1 耐波性參數(shù)挖掘

由表1可以看出，對于同一個參數(shù)，關(guān)聯(lián)屬性數(shù)量不同，挖掘時間也不同，對耐波性影響最大的幾個參數(shù)分別是船長、水線面系數(shù)、涌長與船寬。事實上，艦船設(shè)計過程中，一個參數(shù)的改變將引起其他參數(shù)做出相應(yīng)的變化，因此對耐波性的影響應(yīng)該做出綜合考慮，隨著數(shù)據(jù)規(guī)模的增加，算法的復(fù)雜度大大增加，為了挖掘更大規(guī)模的數(shù)據(jù)集，可以采用分塊的思想對大規(guī)模數(shù)據(jù)集進(jìn)行多維關(guān)聯(lián)規(guī)則挖掘，以期得到更好的設(shè)計參數(shù)。

5 結(jié)束語

將設(shè)計模型庫和仿真分析模型庫進(jìn)行有效的集成優(yōu)化，形成多維設(shè)計信息知識庫，在其基礎(chǔ)上結(jié)合數(shù)據(jù)挖掘和聯(lián)機(jī)分析，可以解決目前艦船設(shè)計中模擬預(yù)測分析等關(guān)鍵性的核心問題，充分高效地利用已有的知識和模型進(jìn)行研發(fā)設(shè)計。

通過建立基于知識庫的艦船智能化設(shè)計系統(tǒng)，將艦船設(shè)計研發(fā)相關(guān)的技術(shù)、流程、經(jīng)驗和數(shù)據(jù)等資源進(jìn)行有效管理，采用知識工程手段將零散的資源整合，提取出潛在有用的信息，隨著工作的持續(xù)進(jìn)行，一方面提高了企業(yè)的研發(fā)水平，另一方面也為企業(yè)積累了異常珍貴的智力資產(chǎn)。圍繞船舶工業(yè)的發(fā)展目標(biāo)，大力發(fā)展艦船數(shù)字化設(shè)計技術(shù)、整合優(yōu)勢資源、推廣現(xiàn)代造船模式，對于提升我國船舶行業(yè)數(shù)字化造船水平，增強(qiáng)國際市場競爭能力具有重要意義。

［1］曹玉姣.我國數(shù)字化造船發(fā)展現(xiàn)狀［J］.船舶工程，2008，30（3）：6-9.

［2］黃迪.數(shù)字化造船：中國造船工業(yè)的必然選擇［J］.中國水運(yùn)，2008（10）：44-45.

［3］喬珊，應(yīng)文燁，何剛.艦船數(shù)字化設(shè)計應(yīng)用研究［J］.中國艦船研究，2007，2（4）：20-25.

［4］吳廣明.CAE在船舶結(jié)構(gòu)設(shè)計中的應(yīng)用及展望［J］.中國艦船研究，2007，2（6）：30-34.

［5］王忠祥，郭寶恩.基于數(shù)據(jù)庫的知識表達(dá)與推理研究［J］.機(jī)械設(shè)計與制造，2005（9）：152-154.

［6］徐循.數(shù)據(jù)挖掘算法與應(yīng)用［M］.北京：北京大學(xué)出版社，2007.

［7］LEE K H，KIM K S，et al.Development of enhanced data mining system to approximate empirical formula for Ship design［J］.Lecture Notes in Computer Science，2007（11）：425-436.

［8］AUBRT D，NOVELLI N，MELANCON G.Visually mining the datacube using a pixel-oriented technique［C］//11th International Conference on Information Visualization，Zurich，2007.

［9］SHAHRABI J，NEYESTANI R.Discovering iranians’ shopping culture by considering virtual items using data mining techniques ［J］.Journal of Applied Sciences，2009 （13）：2351-2361.

［10］CHEN M.Raning discovered rules from data mining with multiple criteria by data envelopment analysis ［J］.Expert Systems with Applications，2007（33）：1110-1116.