知识工程KE1介绍
第一讲-知识工程与知识管理
1969年，成立了国际人工智能联合会议（ International Joint Conferences on Artificial Intelligence-IJCAI）。
这一阶段的特点： 重视了知识，开始了专家系统的研究，使人工智 能走向实用化。
4．人工智能的主要研究领域
F.Hayes－Roth总结人工智能的主要研究领域为三大方面： 自然语言处理；视觉和机器人学；知识工程。
（1） 自然语言处理：语音的识别与合成，自然语言的理解和
（2） 机器人学：从操纵型、自动型转向智能型。在重、难、 险、害等工作领域中推广使用机器人。日本在机器人研究中 走在前列，我国机器人研究在发展：如国防科技大学的两足 步行机器人和哈尔滨工业大学的焊接机器人等。
（2）实际知识系统的开发研究
实际知识系统的开发强调建造知识系统过程中的 实际技术问题，它以知识系统的实用化和商品化 为最终目标。
研究内容有：实用知识获取技术，知识系统体系 结构，实用知识表示方法和知识库结构，实用推 理和解释技术，实用知识库管理技术，知识系统 调试、分析与评价技术，知识系统的硬件环境等 。
1969年Minsky和Papert在“感知机（Perceptron）”一书中证明了 感知机不适合于非线性样本而使神经网络走向低潮。
1967年，J.D.Baglay首次提出了“遗传算法”这一术语和 选择、交叉和变异操作的概念。
1975年，J.H.Holland提出的模式理论为遗传算法奠定了 理论基础。
造专家系统的一门工程性学科。 知识工程的目标：构造高性能的知识系统，专家系
统只是知识系统的一种类型。
知识工程的定义具体为： 知识工程是以知识为处理对象，研究知识系统的知
知识工程与知识管理
知识工程与知识管理
第一章知识工程与知识管理概述
一、知识工程
1.知识工程概念
知识工程是以知识为处理对象，研究知识系统的知识表示、处理和应用的方法和开发工具的学科。
主要研究知识获取、知识表示、推理策略和开发方法及环境，是人工智能、知识库、数理逻辑、认知科学和心理学等多学科交叉发展的结果。
知识系统包括专家系统、知识库系统、智能决策系统等。
专家系统是利用专家知识解决特定领域问题的计算机程序系统。
知识库系统是把知识以一定的结构存入计算机，进行知识的管理和问题的求解，实现知识的共享。
智能决策系统是智能化决策支持系统，由数据库、模型库、知识库、人机交互等组成的系统，为解决半结构化决策问题，提高科学决策水平。
2．知识工程研究内容
（1）基础研究
包括知识工程中的基本理论和方法的研究。
如知识的本质、分类、结构、效用、表示方法、获取和学习方法等。
（2）实际知识系统的开发研究
强调建造知识系统过程中的实际技术问题，以知识系统的实用化和商品化为目标，研究实用知识获取技术、知识系统体系结构、实用知识表示方法和知识库结构，实用推理和解释技术，使用知识库管理技术，知识系统调试、分析与评价技术，知识系统的硬件环境等。
（3）知识工程环境研究
主要为实际系统的开发提供一些良好的工具和手段。
知识工程名词解释
知识工程名词解释
知识工程（Knowledge Engineering）是指一门研究如何结合人类知识和技能，使其可以被计算机中的程序来表示和利用的科学。
它更侧重于研究知识如何表示和维护，以及如何使用合理的方法集成知识和技能建模，以便更好地支持人类的决策和行为。
关键术语：
1. 知识工程：知识工程是一门研究如何结合人类知识和技能，使其可以被计算机中的程序来表示和利用的科学。
2. 知识表示：知识表示是用程序表示人类知识的一种方法。
它研究如何使用有限的语言来准确描述知识，这些语言可以被计算机处理。
3. 知识维护：知识维护指的是知识表示中的管理知识的过程：存储，维护和管理知识。
4. 集成：集成是将多个知识模型或技能模型组合在一起的过程，以便在实际应用中支持人类的决策和行为。
5. 模型：模型是一种抽象方法，用来表达、表示和分析人类知识和技能。
知识工程与专家系统
知识工程与专家系统1 .知识是什么所谓知识，是人们对自然现象的认识和从中总结出的规律、经验。
人类的知识是极其丰富与庞杂的，如何规范描述这些认识、规律、经验一直是人们所探讨的问题，至今没有一个统一模式，但常用K = F + R + C来表述，其中K 表示知识项(Knowledge Items ) ;F 表示事实(Facts ) ，是指人类对客观世界、客观事物的状态、属性、特征的描述，以及对事物之间的关系的描述;R 表示规则(Rules ) ，是指能表达在前提与结论之间的因果关系的一种形式;C 表示概念(ConcePts ) ，主要指事实(术语)的含义、规则的语义说明等。
知识的层次关系描述如图6 一30 所示，其中再生知识是指人们在对客观世界、客观事物认识和总结的基础上，升华提高的系统的专业知识，这些知识被人们学习、传授、再提高、再扩充，最终为人类的需要服务。
2 .知识工程人类智能的衡量反映在对问题的求解、推理能力，学习能力，联想能力上，这就是所谓的“智能三要素”。
如何用计算机系统来实现这些能力，那就是知识工程(Knowledge Based Engineer -ing , KBE )所要解决的问题。
此外，如何通过知识库获得新的知识、新的结论、新的规律等;知识处理系统和知识库的工程设计与实现等间题;人与知识处理系统、知识库之间的界面如何进行交互作用，各种知识处理系统之间的关系问题，以及对知识结构、知识库的研究，这些问题及其实现方法和技术就构成了“知识工程”，或称“知识处理学”。
知识工程是获取特定领域知识并将它送到知识库中去的过程，它是一种设计方法学，使用启发式的设计规则，涵盖构件、装配和系统的开发，系统存储的产品信息模型包含了几何和非几何信息，以及描述产品如何设计、分析和制造的工程准则。
比起其他基于知识的系统，知识工程更加专注于工程设计以及后继的制造、销售等活动。
对知识的处理至少包括以下几个方面：l )知识的表示如何把这些知识用计算机所能接受的形式表示出来，这就是知识表示要研究的问题，应能提供给用户一种或多种知识表示方法，目前已有的知识表达方法有谓词逻辑方法，以框架为基础的知识表示方法，产生式规则，语义网络方法，脚本方法，过程式方法，直接表示法等.同时，一个良好的知识表示方法应该具有充分表达、有效推理、便于管理和易于理解等性能。
知识与知识工程
知识与知识工程世界华人首富李嘉诚曾说：“在知识经济时代，如果你有资金，但是缺乏知识，没有最新的信息，无论何种行业，你越拼搏，失败的可能性越大；但是你有知识，没有资金的话，小小的付出就能够有回报，并且很可能达到成功。
现在跟数十年前相比，知识和资金在成功的道路上所起的作用完全不同了。
”在知识经济时代，企业实现可持续发展依赖于知识的生产、扩散和应用。
既然知识如此重要，它究竟是什么？具有什么特征？如何管理与应用？大批的管理学者和企业研究人员投身于此，下面我们从几个方面来看看相关的理念和实践状况。
一、知识的定义古希腊的哲学家柏拉图将知识定义为：被确证的真实的信仰（justified true belief）。
根据知识是否已经被验证，可以将知识分类为先验的和后验的；根据知识被验证和信仰的程度，可以分类为强知识和弱知识。
迈克尔·波兰尼（Michael Polanyi，1891-1976）在1958年，从哲学领域提出了“隐性知识”这个概念，从知识能否清晰地表述和有效的转移的角度，对知识进行分类，这个分类对于知识管理的相关理念发展有重大意义，野中郁次郎的SECI循环，又把东方哲学对隐性知识的管理理念推到极致，足以与西方哲学测中的显性知识管理相媲美。
关于知识的话题，还有另一个视角，就是DIKW模型。
这个模型源于诺贝尔文学奖得主艾略特的一首诗《岩石》：Where is the wisdom we have lost in knowledge? Where is the knowledge we have lost in information？译为中文就是：我们在哪里丢失了知识中的智慧？又在哪里丢失信息中的知识？1982年，Harlan Cleland根据这首诗，在《未来家》杂志上首先提出这个模型，之后Zeleny和Ackoff不断完善了这个模型。
D代表Data，即数据，通常是观察、测量直接所得，如文本、规约、实践的记录。
知识工程KE1介绍
CATIA V5 Training
1、创建知识顾问 law
1
点击fog图标
2
给 law命一个名字
4
输入 law 的定义公式
Y=5*sin(10*PI*1rad*x)+10
3
创建一个law应用 的公式参数
参数类型应为实 数
5
点 OK
6
law 将会出现在树形图在的 « relations» 组下面
- Single value (continuous) or multiple values (discrete)
内在参数
CATIA V5 Training
创建用户参数(2/4)
创建一个实数型(Real)的单值(Single Value)用户参数
2 1 点击f(x)图标 公式显示面板 选择 Real 参数类型 ，在后一栏内选 Single Value ,然后点击 New Parameter of type按钮
CATIA V5 Training
主要内容
Parameter（参数）
Formula（公式）
Law（规律）
w （Fog规律）
DesignTable
Konwledge Inspector(知识监察）
PowerCopy
CATIA V5 Training
Parameter（参数）
新建参数型式 数值种类︰ Single Value ︰即任意修改数值 Multiple Value ︰ 可指定可用数种数值，不可任意修改，输入完后直 按Enter 后就自动加入下方的对话框中
CATIA V5 Training
创建用户参数(4/4)
简单的创建过程如下图所示
《专家系统与知识工程》复习要点
《专家系统与知识工程》复习要点知识工程是人工智能技术与专家系统发展相结合的产物，它是数据工程的高级阶段。
知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
数据库技术是构成数据工程的中心和基础，数据库工程也就是数据工程。
通常数据工程的设计与实现包括三个基本环节：概念数据模型的分析与设计、逻辑数据模型分析与设计、物理数据模型的设计。
知识是数据和信息集合的整体。
只有当信息被系统地、有目的地积累起来时，才能转变成知识。
知识是由信息描述的，信息则是用数据来表达的；知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
知识工程处理的对象是知识，知识种类及知识的表示方式：1.）第一类：关于事实和现象的知识。
（Know_what）第二类：自然原理和领域规律性知识。
（Know_why）第三类：关于技能和能力的知识。
（Know_how）第四类：关于谁的知识。
（Know_who）2.）产生式、函数式、逻辑式、对象式、语义网络、框架结构、状态过程等多种形式。
数据信息知识三者的关系：数据是指客观事物的属性、数量、位置及其相互关系的符号描述。
信息是数据在特定场合下的具体含义，信息是对数据的解释。
知识是一个或多个信息关联在一起形成的有价值的信息结构，是对客观规律的认识，是高层次的信息。
也就是说，知识是数据和信息集合的整体。
由此可见，数据是记录信息的符号，信息是对数据的解释，知识是信息的概括和抽象；数据经过解释处理形成了信息，信息又经过加工过程形成了知识；知识是由信息描述的，信息则是用数据来表达的；从数据到信息的转换是一个数据处理过程，从信息到知识的转换是一个认知的过程。
这就是数据、信息和知识之间的相互依存的辨证关系。
知识工程是一个远比数据工程复杂的多的领域，也是一个比数据工程更富于挑战性的领域，表现在：1、知识种类比较多2、知识的表示方式比较多3、要有一个较好的知识表示方式和知识管理机制在知识工程中，最为困难的问题是知识获取，一般来说，获取知识的方法有两种情况：1、由知识工程师从领域专家那里获取知识，即：人工获取。
知识工程方案
知识工程方案一、背景介绍知识工程是指将人类知识进行结构化、形式化并用计算机进行处理和利用的一门交叉学科，它融合了计算机科学、人工智能、认知科学、语言学、逻辑学等学科的知识。
知识工程的目的是用计算机来模拟人类的智能，使计算机能够理解、处理和应用知识，为人类提供更智能、更高效的服务。
在信息时代背景下，随着海量数据的涌入和信息技术的快速发展，知识工程越来越受到人们的重视。
知识工程技术的应用范围也越来越广泛，涉及到各个行业和领域。
比如，在医疗健康领域，知识工程可以帮助医生提高诊断效率和准确率；在金融领域，知识工程可以帮助银行和保险公司建立智能风控系统；在智能制造领域，知识工程可以帮助企业实现智能制造和自动化生产。
为了有效利用知识工程技术，我们需要构建一个完整的知识工程方案，从而实现知识的获取、表示、存储、推理、检索和应用等功能。
本文将围绕知识工程的相关技术和应用展开讨论，提出一个完善的知识工程方案。
二、知识工程技术1. 知识获取知识获取是知识工程的第一步，它是指从各种信息源中获取所需的知识。
知识获取的方式多种多样，包括数据挖掘、文本分析、网络爬虫、专家采访等。
在知识获取过程中，我们需要解决信息源的异构性、不完整性、不可靠性等问题，从而保证获取的知识的质量和准确性。
2. 知识表示知识表示是指将获取到的知识进行逻辑化、结构化和形式化的表示。
常用的知识表示方式包括本体、知识图谱、规则等。
本体是一种用于描述领域知识的形式化语言，它可以描述领域的概念、属性、关系等，从而使计算机能够理解和推理领域知识。
知识图谱是一种用于描述实体与实体之间关系的图形结构，它可以帮助人们更直观地理解知识之间的联系。
规则是一种用于表达知识推断规则的形式化语言，它可以帮助计算机进行逻辑推理和决策。
3. 知识存储知识存储是指将获取到的知识进行存储和管理。
知识存储的方式有很多种，包括图数据库、关系数据库、文档数据库等。
在知识存储过程中，我们需要解决数据的一致性、完整性、安全性等问题，确保知识能够被有效保存和管理。
知识工程
在知识工程的探索中，我们不仅看到了机器与人类智慧的交融，更看到了未来可能的模样。这是 一场人类智慧的盛宴，是一次知识探索的冒险，是一场科技与人文的对话。知识工程，让我们看 到了科技的力量，也看到了人文的温暖。它既是一个强大的工具，也是一个富有诗意的梦想。
本体研究的出现为知识工程的研究注入了新的活力，但是本体在知识工程中究竟扮演什么样的角 色呢?本体是知识表示的一种方式?本体工程将取代知识工程?本体(ontology)其实就是一种充分 复杂的词表，有了本体固然可以解决很多问题，但本体如何来获取仍然是一大难点，正如知识获 取一直是人工智能的瓶颈问题。本体的获取有三种方式：手工构建、词表转换、自动获取。而本 体论(Ontology)是一种认知论。本体的表示语言比知识表示语言更具体，具有更强的可操作性。
知识管理中的知识组织以知识的序化为主，包括分类、检索、排序等操作。传统的知识组织借助 文献单元的方法，依据检索语言中的结构模式，采用分类法、标题法、单元词法、关键词法和叙 词法，并在这些方法的基础上编制出各种目录、索引、文献等。以关键词或主题词来实现知识从 物理层次的文献单元向认知层次的知识单元转化是不现实的，因为词单元不足以完整地反映知识， 能够完整地反映知识应该至少是句子层次的。知识地图揭示知识源以及知识之间的关系，它指向 知识而不包含知识本身，是一个向导而不是一个知识的集合。所以知识地图实际上是知识的索引。 但是知识地图不具备地理坐标这一基本属性。
提出
知识工程的概念是1977年美国斯坦福大学计算机科学家费根鲍姆教授(E．A．Feigenbaum)在第 五届国际人工智能会议上提出的。
知识工程基本技术
知识工程基本技术
知识工程是一种将人类知识转化为计算机可处理形式的技术。
它涉及
到多个领域的技术，包括人工智能、自然语言处理、机器学习、语义网、
专家系统等。
以下是知识工程的基本技术：1.知识表示：将人类知识转化
为计算机可处理的形式，如本体、知识图谱等。
2.知识获取：从不同来源
获取知识，如文本、图像、语音等。
3.知识推理：基于已有的知识进行推理，生成新的知识。
4.知识存储：将知识存储在计算机中，以便后续使用。
5.知识查询：通过查询语言或搜索引擎等方式，从知识库中检索所需的知识。
6.知识应用：将知识应用于实际问题中，如智能问答、推荐系统、智
能客服等。
7.知识评估：评估知识的质量和有效性，以便不断优化和改进
知识库。
以上是知识工程的基本技术，它们相互关联、相互作用，共同构
成了知识工程的核心。
超全知识工程体系解决方案
财富
知识用时方显匮乏
正确、准确、适量的知识自动推送至使用者
知识匮乏
理想状态
知识管理已经成为时代的要求
21世纪，知识已成为企业最重要的生产资源要素之一。美国《财富》杂志调查：世界500强企业中，80%以上的企业正通过IT系统实施知识管理，以提高企业决策与经营质量。军工科研院所属于高科技、高风险、高投入行业，重视知识与知识管理、促进知识创新是其提高核心竞争力的有效手段。
知识的分类
人类的知识有两种。通常被描述为知识的，即以书面文字、图表和数学公式加以表述的，只是一种类型的知识，可以称为显性知识（Explicit knowledge）。未被表述的知识，例如我们在做某事的时候所拥有的知识，是另一种知识，可以称为隐性知识（Tacit knowledge）。——（英）Michael Polanyi
总有一天，我们不必再重复发明任何东西。我们会有一个巨大的数据库来储存、检索、共享人们的创意(idea)。如果这样，人们就不必再浪费时间去钻研别人已有的创意，只须利用这些创意来设计新产品即可。‘知识工程’ 暨为实现这个构想的第一步，他所要做的是开始积累人们的创意。——CATIA之父Francis Bernard
知识工程的理念和核心思想
知识工程的理念将知识作为一种宝贵资源，应用基于数理统计的方法对知识全生命周期进行管理。覆盖企业技术和产品全生命期，提供对知识的产生、聚集、表达、组织、共享、检索、应用和更新等“采、存、管、用”全过程的支持。知识工程的核心思想把企业内部及外部的各类知识资源整合在一起，并将最有效的知识与企业各业务活动相互关联，形成一个系统的围绕业务进行应用与创新的知识循环。
信息管理侧重对现有数据、信息的收集、整理和相关技术。
响应方式
知识管理侧重人机交互，强调人员的参与和交互协同，通过语义加工、知识关联可以主动的向员工提供知识推送服务。
知识工程1
例子：第谷测了一辈子的行星运动轨迹，记录的数据汗如牛毛，他 的学生开普勒用将近一辈子的时间整理了三大定律，数据相对变小； 而到了牛顿时期一个平方反比的万有引力定律就把一大屋子带的数 据都给说透了。体现了大数据背后的小。
知识工程与人工智能的关系
知识工程的星期是人工智能发展的产物
97年费根鲍姆教授在第五届国际人工智能会议上提出了“知识 工程”，他认为，知识工程是用人工智能的原理和方法，为那些需要 专家知识才能解决的应用难题提供求解的手段。
（2)处理规模和方式从封闭式扩大为开放式，从小手工作坊式的知 识工程扩大为能进行海量知识处理的大规模工程。
知识工程的发展变化
知识工程与大数据的关系
大数据只是一种对信息爆炸时代的表象认识，并没有深入本质层 面。北京亿维讯公司总工程师谭培波认为：知识才是“大”数据背 后的“小”，而知识工程是构建企业“天生的”学习和适应能力。
机器学习知识：机器通过视觉听觉了解世界，获得理性或感性的知识或通过经验推理演 绎得到新知识。
知识的表示：通过框架表示法、过程表示法和面向对象表示法等不同的知识使用不同的 方法得意表示。
知识的运用和处理：包括知识的搜索以及推理。
知识搜索：确定在什么情况下需要什么样的知识，是否满足当前需求，进行推理得出结 果。
知识可以分为显性知识和隐性知识 显性知识（也称有形的知识）可以通过文字、图片、声音、影响等 方式记录和传播的知识。
隐性知识（也称无形的知识）包括技术、认知、经验、情感和信仰 等难以用文字记录和传播的知识
知识工程的三要素
知识的获取包括非自动知识获取、知识抽取、机器学习知识。
非自动知识获取：有工程师通过阅读专家交流分析、归纳形成用自然语言表述的知识输 入到数据库。 知识抽取：对文本中蕴含的知识进行筛选、格式化然后以某种格式存入知识库。
CATIA配置包介绍(CPE)
CATIA V5模块详细介绍代号简单介绍详细说明CAT CATIA Team PLM CATIA PLM EXPRESS基础包TDM CATIA - Team PDM CATIAPDM团队CATIA TEAM PLM在6类不同角色基础上提供了44种高价值的选项，使得其能够适应工业界所有的业务，CATIA TEAM PLM作为一个平台，已经成为企业成长的引擎。
CC1CATIA - CADAMIntegration1 CADAM接口1CADAM接口1（CC1），提供集成化工具，可使V5工程绘图产品能够重复使用CATIA-CADAM工程绘图产品(CCD)生成2D绘图信息。
这种集成功能可使目前的CCD用户能够灵活并且容易地在其工作环境中集成CATIA V5的产品,并继承他们的工程实践经验。
CD1CATIA - CollaborativeDesign 1 即时协同设计CATIA协同设计（CD1）,作为突破，即时协同设计使零件或曲面在各个领域中的并行设计成为可能。
设计者能共享特征，从而能并行地创建零件，或在同步或异步模式下交换信息。
即时协同设计是完全可扩展的，从局部的点到点通信应用，到标准通信解决方案集成中的客户端/服务器模式。
ID1CATIA - Interactive Drafting1 交互式绘图1交互式工程绘图1（ID1），可以满足二维设计和工程绘图的需求。
本模块提供了高效、直观和交互的工程绘图系统。
通过集成2D交互式绘图功能和高效的工程图修饰和标注环境，交互式工程绘图模块也丰富了创成式工程绘图模块。
IG1 CATIA - IGES Integratoin 1IGES 接口1IGES 接口1（IG1），可帮助多个CAD/CAM系统并存的用户通过中间的标准数据格式进行数据交换。
用户可以在两个完全不同的系统之间直接进行可靠的双向数据交换,也可以自动存取IGES文件。
该产品能够处理3D线架元素、曲面和剪裁曲面元素、等距偏置曲线、表皮和表皮边界、二次曲线和颜色。
知识工程的概念
知识工程的概念知识工程，这听起来是不是有点高大上呢？其实啊，没那么神秘。
就好比咱们盖房子，知识工程呢，就是在知识的世界里盖房子。
咱们先说说知识工程里的知识获取吧。
这就像咱们去收集盖房子的材料。
你想啊，要是盖房子没有砖头、水泥这些材料，那房子能盖起来吗？肯定不能啊。
知识获取也是这样，得从各种各样的地方把知识找出来。
比如说，从书本里、从专家的脑袋里、从实际的经验里。
这就像你到处去找质量好又便宜的建筑材料一样。
你不能光盯着一个地方找，得多处寻觅。
而且啊，获取知识的时候可不能马马虎虎的，就像你挑建筑材料得精挑细选，要是有坏的砖头，那房子的质量可就没保障了。
知识表示呢，这就像是把找来的材料按照一定的方式堆放好，准备盖房子。
你得让这些知识有条有理的，不能乱成一团。
比如说，你可以把知识用图表表示出来，就像把砖头按照形状和用途分类摆放一样。
或者用一些专门的语言来描述知识，这就好比给不同的建筑材料贴上标签，让你一眼就能知道这个知识是干什么用的。
要是知识表示得不好，就像建筑材料乱堆乱放，到用的时候你就找不到，那多麻烦啊。
知识推理啊，这就像在盖房子的时候，根据现有的结构和材料去推断下一步该怎么做。
比如说，你看到房子的一面墙已经砌好了，那你就能推断出接下来应该在哪里留窗户，在哪里安门。
在知识工程里呢，就是根据现有的知识去推断出新的知识。
这就像一个聪明的工匠，看着手里的材料和已经盖好的部分，就能想出怎么把房子盖得更漂亮更结实。
要是没有这个知识推理的能力，那就像一个工匠只会按照别人的吩咐做，自己一点都不会动脑子，那房子能盖得好吗？肯定盖不好啊。
再说说知识的运用吧。
这就像房子盖好了，咱们得住在里面享受生活一样。
知识获取了，也表示好了，推理出了新的知识，那这些知识得有用啊。
比如说，企业根据知识工程得到的知识来改进生产流程，提高产品质量。
这就像住在好房子里，舒服又安心。
要是知识获取了一大堆，却不知道怎么用，那就像盖了一座漂亮的房子，却空在那里没人住，多浪费啊。
知识工程——人类智能时代的领先科学
作者： 陈志良
出版物刊名： 中国远程教育
页码： 2-49页
主题词： “知识工程”;人类智能;电脑专家;专家系统;智能行为;人工智能;知识获取;行为科学;启发式知识;知识的表示
摘要： <正>人类正在进入一个以智能为标志的新时代,知识工程便是智能时代的带头学科.知识工程是以人工智能的原理和方法去构成高性能的知识系统即专家系统,并且研究人工智能的基础技术,如知识的表示及获取、推理、学习等问题的新兴学科.这是一门把哲学、思维科学、逻辑学、人工智能、行为科学和现代技术综合运用的新的“知识技术”、“思维技术”.它的创始人是美国电脑专家费吉鲍姆和行为科学创立者、诺贝尔经济奖获得者西蒙.“知识工程”的产生不仅将使电脑发生第二次革命,使电脑从计算机成为“知识—信息机”、“智能机”,而且它将改变人类的思维方式、行为方式和生活方式,它的意义对于人类将是革命性的.。
知识工程概述
方式与方法的研究。研究如何从一个浩翰的对象（包括知识本身）空间中搜索（或探索）满 足给定条件或要求的特定对象。知识的管理及维护包括对知识库的各种操作（如检索、增加、 修改或删除），以保证知识库中知识的一致性和完整性约束等的方法和技术。匹配和识别指 在数据库或其他对象集合中，找出一个或多个与给定“模板”匹配的数据或对象的各种原理和 方法，以及在仅有不完全的信息或知识的环境下，识别各种对象的原理与方法。
总之人们在解题的过程中首先运用已有的知识开始进行启发式的解题并在解题中不断修正旧知识获取新知识从而丰富和深化已有的知识然后再在一个更高的层次上运用这些知识求解问题如此循环往复螺旋式上升直到把问题解决为止
知识工程
知识工程这个术语最早由美国人工智能专家 E.A.费根鲍姆提出。由于在建立专家系统时所要 处理的主要是专家的或书本上的知识，正像在数据处理中数据是处理对象一样，所以它又称 知识处理学。其研究内容主要包括知识的获取、知识的表示以及知识的运用和处理等三大方 面。 knowledge based engineering
知识 以各种方式把一个或多个信息关联在一起的信息结构。如果把“不与任何其他信息
关联”也认为是一种特殊的关联方式（不关联），则单个的信息也可以认为是知识的特例，我 们称之为“原子事实”。例如“天很阴且闪电频繁”，“天要下雨”等都是一些孤立的信息或“原子 事实”。然而，如果把这两个信息用“如果，则”这种因果关系联系起来就成了一条知识：如
在知识处理中，更复杂的一类知识被称为理论。理论是一种知识的体系，是由上述 各种知识构成的更高一层的知识。理论也称知识空间，形式上，它由一组概念，若干条公理 （事实），若干条推理规则（法则）和一组解题方法和环境约束组成。因此，一个理论 T， 不妨用一个五元组来表示：T＝｛C，A，R，M，E｝。其中 C，A，R，M 和 E 分别表示一个概 念的集合，一个公理的集合，一组推理规则，一组解题方法和一组环境约束。一般说，一个 具体的理论总是面向一个特定领域的，因此，其中 5 个元素，特别是概念与解题方法，都应 该反映该领域的特征。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
3
4
你可以重新命名这个参数的名字 ,并且可以修改这个参数的值
这个新参数的默认名字是 (Real.1) 、默认值是0
创建用户参数(3/4)
CATIA V5 Training
编辑所选取的 “参数的名称” 及 “数值”
建立新参数 (选择 参数型式 、 数值的种类) , 决定好 参数型式及数值种类后按下 New Parameter of type 新参数即建立完成，并自动选取， 可在上方的对话框中更名及其数值
3、 运算符号
在字典里，可以查到CATIA的Operators运算符号及各种参数 等号 = = （ 两个等号！要等于一个 字符型String值时） 例：当x=0.4时，表示为 if x= =0.4 乘号** 例：x的平方 x**2 x的3次方 x**3
大于或小于号 、and
例 ：0<x<0.5表示为 x>0 and x<0.5 选择号 or 例： x<0 或x>1表示为 x<0 or x>1
输入点坐标
CATIA V5 Training
3、作Definition（定义）线
按照Reference线的作法，作出Definition线
此方法作出的参考线与定义线属于law特征
CATIA V5 Training
4、 有效区域
若定义线在参考线的投影不是正好在原点与终点，则law的有效区域如下图 所示
CATIA V5进阶培训
知识工程 KE1介绍 formula、fog、law、DesignTable、Powercopy
CATIA V5 Training
知识工程 Knowledge
知识工程是CATIA V5 的精髓之一，熟练运用知识工程
工具能快速提高设计效率，
优化设计流程
Know-how
Refer the know-how
有效区域
无效区域
CATIA V5 Training
5、 x参数在定义线上
两条曲线a、b，当x在a，y在b线时，不满足每个x值与唯一的y值 相对应的条件。可以通过改变x所在的线段来满足
规律曲线图 勾选这里
CATIA V5 Training
6、 scale 缩放
规律的X值Y值的对应关系随 着Scale的变化而变化。当 Scale的值为1时，X、Y是1对 1的关系；当Scale的值是2， X、Y是1对2关系，即在X轴一 单位的值是1，那么在Y轴上 一单位的值就是2.
新建参数型式 数值种类︰ Single Value ︰即任意修改数值 Multiple Value ︰ 可指定可用数种数值，不可任意修改，输入完后直 按Enter 后就自动加入下方的对话框中
CATIA V5 Training
创建用户参数(4/4)
简单的创建过程如下图所示
1
3 2
4
CATIA V5 Training
齿顶圆半径rk=`分度圆半径r` +`模数m` *1mm
CATIA V5 Training 1、在一个参数上创建Formula（公式）
2 1 在树形图的参数上击右键 ，选择 „Edit formula‟ (你也可以在创建参数时 点击Add Formula 按钮)
公式编缉器面板
4
3
树形图上将会出 现公式特征 f(x)Formula
长度型单值参数
创建参数时，可以选择不同的参数类型type，参数值的数量（Single or Multiple） 系统默认参数类型为real即实数型，实数型参数与长度型参数的转换单位是m，例如，创建 圆的半径R为5，那么，半径就是5m。（见前一页图） 创建时如选择的是长度型Length参数，系统的默认单位为mm，例如，创建L为长度型参 数，值为15，那么L的长度就是15mm
CATIA V5 Training
删除参数
点选参数Delete Parameter即可刪除不需要的参数
CATIA V5 Training
Parameter（参数） Formula（公式） Law（规律） w （Fog规律） DesignTable Konwledge Inspector(知识监察） PowerCopy
CATIA V5 Training
Formula（公式）
Formula(公式)可以让相互独立的的Parameter产生约束关系
如：齿轮中 分度圆半径r=`模数m` *`齿数z` /2*1mm 基圆半径rb=`分度圆半径r` *cos(`压力角a` ) 齿根圆半径rf=`分度圆半径r` -1.25*`模数m` *1mm
正确
沒有唯一值，错误
空间线，错误
CATIA V5 Training
2、 create law 创建规律
方法1：先草绘，再点击Law
在yz平面作一条spine线
CATIA V5 Training
方法2：先点击Law，再作草绘
作Reference（参考）线
依上面的方法， 再做另一個點， 系統自動連成一 條線
DesignTable
Konwledge Inspector(知识监察）
PowerCopy
CATIA V5 Training
fog 规律
1、 fog规律的变化量有一个，并且从0到1变化 2、 fog可以使用已有的Law，但law要求赋值，即Evaluate() 3 、fog可以用if 、else等语句
CATIA V5 Training
6、 先定义，后使用
公式里的参数都必须是先定义的(即在Members of All 里能查到),否则参数不能被使 用
此处没有参数X
CATIA V5 Training
7、Delete 刪除公式
（1） 用公式刪除工具“Erases the text field” 2 用键盘的“Backspace”键或“Delete”键逐个刪除 一次全刪除
两种类型参数: 参数: 文档的内在属性参数 用户参数: 额外添加在文档中的信息. 可定义 在不同的级别 - Part级别
用户参数
Part level
- Product级别
- feature 级别l - 参数类型:Real, Integer, String, Boolean, Length, Mass, etc. Feature level
注意：两数相乘，*不能省略。如a乘b，不能写成ab，一定要写成a*b
CATIA V5 Training 4、 数学函数 求平方根 sqrt(Real) 例：求4的平方根，sqrt(4)
求d的平方根，
sqrt(d)
求最大值： max(arg1:Real,arg2:Real) 例：求实数a,b,c,d的最大 值 max(a,b,c,d) 当a=19, b=15, c=18, d=16 则g=19=max(a,b,c,d)
开立方根Y=X**(1/3)
CATIA V5 Training
5、formula 公式
（1） 长方形的周长等于：长+宽乘于2
（2） 圆的面积等于：PI乘于R的平方 注意：PI一定要大写
CATIA V5 Training 注：为了避免输入错误，特別是参数比较复杂时，参数的选择尽可能用mouse点 选，在产品目录树里选择与在“Members of All”选择是同效的
CATIA V5 Training
主要内容
Parameter（参数）
Formula（公式）
Law（规律）
w （Fog规律）
DesignTable
Konwledge Inspector(知识监察）
PowerCopy
CATIA V5 Training
Parameter（参数）
如右图所示，Scale的值由 1变成10，原点Y的值由 5.49929变成54.9929，放 大了10倍
CATIA V5 Training
7、 Law应用举例
CATIA V5 Training
Parameter（参数）
Formula（公式）
Law（规律）
w （Fog规律）
注：设定好后﹐不会自动出现在树形图上﹐只有你建立参数 后才会出现
CATIA V5 Training 2、在结构树中显示value、formula，设置如下图
CATIA V5 Training
3、激活结构树节点，显示Parameters和Relations
CATIA V5 Training
创建用户参数(1/4)
CATIA V5 Training
1、创建知识顾问 law
1
点击fog图标
2
给 law命一个名字
4
输入 law 的定义公式
Y=5*sin(10*PI*1rad*x)+10
3
创建一个law应用 的公式参数
参数类型应为实 数
5
点 OK
6
law 将会出现在树形图在的 « relations» 组下面
Knowledge DB
Kaizen Kaizen
beginner
EXPERT
CATIA V5 Training
参数化设计和知识工程
参数化设计的基本思想是以约束来表达产品模型的形状特征，通过从模型中提取一些 主要的定形、定位或装配尺寸作为自定义变量，修改这些变量的同时由一些公式计算 出来并变动其他相关尺寸，从而方便地创建一系列形状相似的零件。 传统参数化的不足之处： 1、自定义变量只能驱动几何尺寸，即通过一些公式来修改零件的几何尺寸，而零件的 形状已基本明确，即零件的特征基本给定，几乎不能改变。 2、自定义变量之间相互独立，不便建立任何函数关系，也不便对每个变量做约束。这 使得当某些变量的修改量比较大时，某些特征出现严重变形，甚至使该特征和与它相 关联的其他特征失去约束，出现悬空状态的特征，造成信息的丢失。 基于CATIA V5的参数化： 在产品设计过程中把涉及产品设计的所有信息集合起来，包括行业设计标准、产品的 尺寸关联、尺寸约束、特征关联和工艺顺序等组成一个产品的知识库。把知识工程的 参数化设计有机结合起来，它用较完整的面向对象的高级语言来描述特征，并在特征 造型中使用参数化的同时，对利用结构化的高级语言参数化的变对尺寸和特征。它不 仅可以随时调整产品的形状和尺寸，而且可以随时调 整产品的结构和特征，同时实现 尺寸驱动和特征驱动。它又能实时地监督设计过程，检验是否符合要求，并提出适当 的建议，实现人机对化。