第4期 冯珊，等：面向复杂产品的多层智能推理框架 285 程包含了2个案例推理流程；1)以设计任务书整体 案例的差异 指标为参考的整体推理；2)基于约束规则的方法替 3)按照两者的具体差异参数从规则库中得到 换子系统，并对子系统的相似性质进行计算得到最 相应的约束关系，根据约束关系确定应该对案例部 相似结果，并在更换子系统后，对系统重新进行评 件中的哪些部件进行调整、修改.而根据实际产品归 价. 纳、整理出一个全面、完整的规则库以适应设计中各 1.2多层智能推理流程 种可能的设计参数约束需求是本步骤成功的关键. 多层案例推理与以往的案例推理的不同之处在 4)依靠案例总体与部件调整规则从案例库与 于不仅对案例整体进行推理，而且在案例的调整阶 部件库中检索出的相似案例总体及部件，调用计算 段对部件也同样进行推理.在方法论上属于同一方 模型方法计算更换子部件后案例的属性值并进行校 法的自我调用和重复.具体案例推理流程如图2.多 验，从而得到相应的调整策略、过程. 层智能案例推理具体实现流程可以按照以下步骤来 5)按照案例推理规则对这些选择的部件进行 进行 推理，并对更换、修改部件结果进行评价，更换子部 1)以整体性能指标为基础，采用相应匹配算法 件后案例的相似度，若该结果满足设计要求，得到一 获得整体指标上最相似的历史案例. 个与设计任务最相似的改造案例，则案例调整成功， 2)按照相应的评价方法对经过上次案例推理 结束所有推理过程；否则需要进行更多部件的更换 得到的案例集合进行分析，得到其案例与设计任务 和调整，返回2)进行下一轮的推理。 索 选择更换 基于模型 基于规则 新任务 子系统 的方法 的方法 基于约束 子系统 的方法 参数估计 推理条件 案例库 检索条件 设置 更换子系统 神经网绍 最近相邻 备选案例 系统整 L 算法 算法 子集 体评价 识导引法 案例推理 推理结果 神经网铬 最近相邻 条件显示 重新对比 算法 算法 划识 相似案例 导引法 是否满意 新方案上传 图2多层案例推理流程结构 Fig.2 Multilevel CBR process structure 2多层智能推理实例 约束调用子部件互换计算模型，在下一层部件中寻 找合适属性的部件，对更换部件的案例重新进行相 通过对某类复杂武器系统单层指标案例推理模 似度匹配计算，根据结果得出保留该次互换结果或 块进行改进和扩展实现的多层智能推理实例，说明 重新进行更换的判断依据，从而实现从总体向下进 基于案例的多层智能推理工作流程.在对该案例进 行逐层推理并返回总体进行匹配计算的循环过程， 行第一次总体性能指标推理得到可用案例集合作为 最终得到满足设计要求的案例总体及部件参数。 初始解的基础上，根据案例总体的设计约束和规则