第一篇:人工智能与专家系统外文文献译文和原文
人工智能与专家系统外文文献译文和原文 ARTIFICIAL INTELLIGENCE AND EXPERT SYSTEM 1.History of AI The seed of AI were sown only two years after General Electric installed the first computer for business use.The year was 1956, and the term artificial intelligence(AI)was coined by john McCarthy as the theme of a conference held at Dartmouth College.That same year, the first AI computer program, called Logic Theorist was announced.Logic Theorist’s limited ability to the reason(proving calculus theorems)encourage researchers to develop another program called the General Problem Solver(GPS), which was intended to solve problems of all kinds.The task turned out to be more then the early pioneers could handle.AI research continued, but it took backseat to the less ambitious computer applications such as MIS and DSS.Over time, however, persistent research continued to push back the frontiers of using the computer for tasks that normally require human intelligence.2.Areas of AI AI is currently being applied in business in the form of knowledge systems, which use human knowledge to solve problems.The most popular type of knowledge-based system is the expert system.An expert system is a computer program that attempts to represent the knowledge of human expert in the form of heuristics is derived from the same Greek root as the word eureka, which means “to discover”.A heuristic is, therefore, a rule of good guessing.Heuristics do not guarantee results as absolutely as do conventional algorithms that are incorporated into DSSs, but they offer results that are specific enough most of the time to be useful.The heuristics allow the expert system to function in a manner consistent with a human expert, advising the user on how to solve a problem.Since the expert system functions as a consultant, the act of using it is called a consultation--the user consults the expert system for advice.In addition to expert system, AI includes work in the following areas: neural networks, perceptive systems, learning, robotics, AI hardware, and natural language processing.These areas are illustrated the way that one area can benefit the others.3.The Appeal of Expert System The concept of expert system is based on the assumption that an expert’s knowledge can be captured in computer storage and then applied by others when the need arises.An expert system offers unique capabilities as a decisions support system.First, an expert system offer the opportunity to make decisions that exceed the manager’s capabilities.For example, a new investment officer for a bank can use an expert system designed by a leading financial expert and, in doing so, incorporate the expert’s knowledge into his or reaching a particular solution.Very often, the explanation of how a solution was reached is more valuable than the solution itself.4.An Expert System Model The model of an expert system consists of four main parts.The knowledge base houses the accumulated knowledge of the particular problem to be solved.The inference engine provides the reasoning ability that interprets the contents of the knowledge base.The expert and the knowledge engineer use the development engine to create the expert system.1.The User interface The user interface enables the manager to enter instructions and information into the expert system and to receive information from it.The instructions specify the parameters that guide the expert system through its reasoning processing.The information is in the form of values assigned to certain variables.(1)Expert System Inputs The most popular interface format today is the graphical user interface, which features a Windows look.Some systems employ a custom interface tailored to the problem being solved.For example, the screen might display a drawing of a mechical assembly.(2)Expert System outputs Expert system are designed to recommend solutions.These solutions are supplemented by explanations.There are two types of explanation: Expert system are designed to recommend solutions.These solutions are supplemented by explanations while the expert system performs its reasoning.Perhaps the expert system will prompt the manager to enter some information.The manager asks why the information is needed.The expert system provides an explanation.Explanation of the problem solution.After the expert system provides a problem solution, the manager can ask for an explanation of how it was reached.The expert system will display each of the reasoning steps leading to the solution.Although the inner working of the expert system can be complex , the user interface is user-friendly.A manager accustomed to interacting with a computer should have no difficulty in using an expert system.2.The Knowledge base The knowledge base contains both facts that describe the problem area and knowledge representation techniques that describe how the facts fit together in a logical manager.The term problem domain is used to describe the problem area.(1)Rules A popular knowledge representation technique is the use of rules specifies what to do in a given situation technique is the use of rules.A rule specifies what to do in a given situation and consists of two parts: a condition that may or may not be true and an action to be taken when the condition is true.An example of a rule is: IF ECONOMIC.INDEX>1.20 AND SEASONAL.INDEX>1.30 THEN SALES.OUTLOOK=”EXCELLENT” All of the rules contained in an expert system are called the rule set.The rule set can vary from a dozen of rules.A dozen of rules for a simple expert system,and 500, 1,000, or 10,000 rules for a complex one.(2)Network of Rules The rules of a role set are not physically linked, but their logical relationships can be illustrated with a hierarchical diagram.The rules at the bottom of the hierarchy provide evidence for the rules on the upper levels.The evidence enables the rules on the upper levels to produce conclusions.The top level might consist of a single conclusion, indicating that the problem has only a single solution.The term goal variable is used to describe the solution, which can be a computed value, an action to be taken, or some other recommendation.For example, if an expert system is to advise top-level management on whether to enter a new market area, a value of Yes or Not would be assigned to the single-goal variable MARKET DECISION.It is also possible for the top level of the hierarchy to include multiple conclusions, indicting the possibility of more than one solution.An example is an expert system that makes recommendations concerning the best strategy to follow in reacting to increased competitive activity.The system might select from among possible strategies of improving the quality of the firm’s products, investing more in advertising, or lowering prices.3.The Inference Engine The inference engine is the portion of the expert system that performs reasoning by using the contents of the knowledge base in a particular sequence.During the consultation, the inference engine examines the rules of the knowledge base one at a time, and when a rule’s condition is true, the specified action is taken.In expert systems terminology, the rule is “fired” when the action is taken.Two main methods have been devised for the inference engine to use in examining the rules: forward reasoning and reverse reasoning.(1)Forward reasoning In forward reasoning, also called forward chaining, the rules are examined one after another in a certain order.The order might be the sequence in which the rules were entered in to the rule set, or it might be some other sequence specified by the user.As each rule is examined, the expert system attempts to evaluate whether the conditions true or false.RULE EVALUSTION.When the condition is true, the rule is fired and the next rule is examined.When the condition is false, the rule is not fired the next rule is examined.It is possible that a rule cannot be evaluated as true or false.Perhaps the condition includes one or more variables with unknown values.In that case, the rule condition is unknown.When a role condition is unknown, the rule is not fired and the next rule is examined.THE ITERAIIVE REASONING PROCESS.The process of examining one rule after the other continues until a complete pass has been made through the entire rule set.More than one pass usually is necessary to assign a value to the goal variable.Perhaps the information needed to evaluate one rule is produced by another rule that is examined subsequently.For example, after the eleventh rule is fired, the fifth rule can be evaluated on the next pass.The passes continue as long as it is possible to fire rules.When no more rules can be fired, the reasoning process ceases.(2)Reverse Reasoning In reverse reasoning, also called backward chaining, the inference engine selects a rule and regards it as a problem to be solved.Using the rule set as shown in figure 20-1.Rule 12 is the problem, since it assigns a value to the goal variable P.The inference engine attempts to evaluate Rule 12 but recognizes that Rule 10 or Rule 11 must be evaluated first.Rule 10 and 11 become sub problems of Rule 12.The inference engine then selects one of the subproblems to evaluate, and the selected subproblem becomes the new problem.Figure20-1 Rules set THE FIRST LOGCAL PATH IS PURSUED.We will assume that Rule 10 becomes the problem.The inference engine then determines that Rule 7 and 8 must be evaluated before Rule 10 can be evaluated.Rules 7and 8 become the subproblems in this manner, searching for a rule that can be evaluated.THE NEXT LOGICAL PATH IS PURSUED.When the expert system attempts to evaluate Rule 11, Rule 9 becomes the problem;it can be evaluated using the outcomes of Rules 4 and 5.Because both Rules 4 and 5 are true, Rule 9 can be evaluated as true without the need to examined Rule 6.Once Rule 9 is fired, Rule11 can be fired as well.This makes it possible to assign a value to goal variable P, since Rule 12 is fired if either Rule 10 or 11 is true.(3)Comparing Forward and Reverse Reasoning Reverse reasoning proceeds faster than forward reasoning, because it does not have to consider all of the rules and does not make multiple passes through the rule set.Reverse reasoning is especially appropriate when: l There are multiple goal variables.l There are many rules.l All or most all of the rule do not have to be examined in the process of reaching a solution.Some inference engines are designed to perform both forward and reverse reasoning.The user can specify which one to use.4.The Development Engine The forth major component of the expert system is the development engine, which is used to create the expert system.When the inference engine consists of rules, this process involves building the rule set.There are two basic approaches: programming languages and expert system shells.(1)Programming Language You can create an expert system using any programming language;however, two are especially well suited to the symbolic representation of the knowledge base: Lisp and Prolog.Lisp was developed in 1959 by john McCarthy(one of the members of that first AI meeting), and Prolog was begun by Alain Colmerauer at the University of Marseilles in 1972.(2)Expert System Shells One of the first expert systems was Mycin, developed by Edward Shotlffle and Stanley Cohen of Stanford University, with the help of Stanton Axline, a physician.Mycin was created to diagnose certain infectious diseases.When the success of Mycin had been established, the developers looked for other ways tailored to apply their accomplishments.They discovered that the Mycin inference engine could be tailored to another type of problem by replacing the Mycin knowledge base with one reflecting the other problem domain.This finding signaled the start of a new approach to building expert system: the expert system sell.An expert system sell is a ready-made processor that can be tailored to a specific problem domain through the addition of the appropriate knowledge base.Today, most of the interest in applying expert system to business problems involves the use of sells.An example of a problem domain that lends itself to an expert system shell is help desk support.A help desk is a unit with-in the organization that provides technical help to users as well as to their own information specialists.In its most basic form, the help desk consists of one or more technical experts who receive users’ telephone calls for help.The user explains the problem and the technical expert suggests ways to solve it, perhaps referring to product manuals or other written sources.The help desk problem is so pervasive that a Helpdesk Institute was formed to facilitate dialogue among firms and industries with help desk expert system shells.When a firm uses one of the shells, it must populate the knowledge base with data concerning its own hardware and applications software.A software vendor can populate its knowledge base with data describing its software products, and so on.When a help desk expert system is used, either the user or the help desk staff member communicates directly with the system, and the system attempts to resolve the problem.One test of the degree of sophistication of artificial intelligence is whether the user cannot determine if he or she is interfacing with a human or a computer.This test has been called the Turing Test, in honor of the great pioneers in computer science, Alan Turing.The help desk expert systems use a variety of knowledge representation techniques.A popular approach is called case-based reasoning(CBR), which uses historical data as the basis for identifying problems and recommending solutions.Some systems employ knowledge expressed in the form of a decision tree, a network-like structure that enables the user to progress from the root through the network of branches by answering questions relating to the problem.The path leads the user to a solution at the end of branch.Expert system shells have brought artificial intelligence within the reach of firms that do not have the resources necessary to develop their own systems using programming language.In the business area, expert system shells are the most popular way for firms to implement knowledge-base system.5.Advantages and Disadvantages of Expert Systems As with all computer applications, expert systems offer some real advantages;but there are also disadvantages.The advantages can accrue to both managers and the firm.1.The Advantages of Expert Systems to Managers l Managers use expert systems with the intention of improving their decision-making.The improvement comes from being able to: l Consider More Alternative.An expert system can enable a manager to consider more alternatives in the process of solving a problem.For example, a financial manager who has been able to track the performance of only thirty stocks because of the volume of data that must be considered can, with the help of an expert system, track 300.By being able to consider a greater number of possible investment opportunities, the likelihood of selecting the best ones is increased.l Apply a Higher Level of Logic.A manager using an expert system can apply the same logic as that of a leading expert in field.l Devote More Time to Evaluating Decision Results.The manager can obtain advice from the expert system quickly, leaving more time to weigh the possible results before action has to be taken.l Make More Consistent Decisions.The computer does not have good days and bad days as the human manager does, Once the reasoning is programmed into the computer, the manager knows that the same solution process will be followed for each problem.2.The Advantages of Expert Systems to the Firm l A firm that implements an expert system can expert: l Better Performance for the Firm.As the firm’s managers extend their problem solving abilities through the use of expert system, the form’s control mechanism is improved.The firm’s better able to meet its objectives.l To maintain Control over the Firm’s Knowledge.Expert systems afford the opportunity to make the experienced employees’ knowledge more available to newer, less experienced employees and to keep that knowledge in the firm longer—even after the employees have left.3.The Disadvantages of Expert systems Two characteristics of expert systems limit their potential as a business problem-solving tool.First, they cannot handle inconsistent knowledge.This is a real disadvantage because, in business, few things hold true all the time because of the variability in human performance.Second, expert systems cannot apply the judgment and intuition that are important ingredients when solving semistructured or unstructured problems.人工智能与专家系统 1.AI(人工智能)发展史 仅仅在通用电器公司开始将电脑应用于商业领域之后两年,即1956年,就出现了人工智能。人工智能这一术语是由John McCarthy在Ddartmouth大学的学术论坛上提出的。同年,第一个人工智能计算程序——Logic Theorist诞生了。Logic Theorist在推理方面的局限促使了研究人员开发另一个程序,那就是GPS(通用问题求解程序)。其目的是为了解决各种各样的问题,其解决问题的能力比前几代更强。
AI研究仍在继续,但与MIS和DDS等计算机应用相比,研究热情的减弱使人工智能的研究相对落后。然而,在研究方面的不断努力一定会推动计算机向人工智能化方向发展。
2.AI领域 AI现在已经以知识系统的形式应用于商业领域,既利用人类知识来解决问题。专家系统是最流行的基于知识的系统,他是应用计算机程序以启发方式替代专家知识。Heuristic术语来自希腊eureka,意思是“探索”。因此,启发方式是一种良好猜想的规则。
启发式方法并不能保证其结果如同DSS系统中传统的算法那样绝对化。但是启发式方法提供的结果非常具体,以至于能适应于大部分情况启发式方法允许专家系统能像专家那样工作,建议用户如何解决问题。因为专家系统被当作顾问,所以,应用专家系统就可以被称为咨询。
除了专家系统外,AI还包括以下领域:神经网络系统、感知系统、学习系统、机器人、AI硬件、自然语言处理。注意这些领域有交叉,交叉部分也就意味着这个领域可以从另一个领域中收益。
3.专家系统的吸引力 专家系统的概念是建立在专家知识能够存储在计算机中并能被其他人应用这一假设的基础上的。
专家系统作为一种决策支持系统提供了独无二的能力。首先,专家系统为管理者提供了超出其能力的决策机会。比如,一家新的银行投资公司可以应用先进的专家系统帮助他们进行选择、决策。其次,专家系统在得到一个解决方案的同时给出一步步的推理。在很多情况下,推理本身比决策的结果重要的多。
4.专家系统模型 专家系统模型主要由4个部分组成:用户界面使得用户能与专家系统对话;
知识库收藏了要特殊解决的问题;
推理引擎提供了解释知识库的能力;
专家和工程师利用开发引擎建立专家系统。
1.用户界面 用户界面能够方便管理者向专家系统中输入命令、信息,并接受专家系统的输出。命令中有具体化的参数设置,引导专家系统的推理过程。信息以参数形式赋予某些变量。
(1)专家系统输入 现在流行的界面格式是图形化用户界面格式,这种界面与Windows有些相同的特征。有些系统采用了与所要解决问题相称的个性化界面例如,屏幕可能会显示机械装配图。
(2)专家系统输出 专家系统一般是提供解决方案的。这些解决方案都是以如下两种方始输出的:
①解决方案解释。在专家系统提供了问题解决方案后,管理者可能还想知道是如何得到这种方案的。专家系统就会显示一步步到达结果的推理过程。
②问题解释。管理者可能希望得到专家系统对问题的推理过程。专家系统可能还需要管理者输入一些信息。管理者问为什么需要信息,然后专家系统就会提供解释。
虽然专家系统的内部工作很复杂,但是用户界面相当友好,方便使用。一个会用计算机的管理者,使用专家系统对他来说也肯定没有问题。
2.知识库 知识库即包括描述问题域,也包括以一定的逻辑描述事实的表示技术。术语“问题域”描述了所解决问题的业务领域。
(1)规则 规则是比较常用的表示技术。规则具体规定了在一种特定的情况下做什么。他有两部分组成:一是条件,有真和假;
二是方法,是指在条件为真的条件下采取的行动。以下是规则的一个例子:
IF ECONOMIC.INDEX>1.20ANDSEASONAL.INDEX>1.30 THEN SALES.OUTLOOK=”EXCELLENT” 包含在专家系统里的所有规则叫做规则集每个专家系统;
每个专家系统里的规则集数量是不一样的。一个简单的专家系统有几十条规则,复杂的专家系统有500或1 000甚至10 000条规则。
(2)规则网络 规则集里的规则再物理上并没有联系。但是他在逻辑上的关系可用层次图表示最底层的规则为上一级提供了依据。这些依据有助于上层的规则得出结论。
最顶层的可能只包含一个结论,这说明只有一个解决方案。目标变量是用来描述解决方案的。他可以是一个计算值一个可识目标,一种措施,或者一些建议。例如,如果一个专家系统是用来给管理者在是否要进入一个新市场决策上提供建议的,那么,单目标变量MARKET.DECISION的值就是Yes或No。
当然,也有可能在最高层得到多个结论,也就意味着有多种解决方案。例如,在关于提高市场竞争力战略决策中,专家系统可能就会提供所有可能的方案,如提高公司产品质量、增加广告投入量或降低价格。
3.推理引擎 推理引擎是专家系统的一部分,他根据特定顺序在知识库内容的基础上进行推理。
在咨询阶段,推理引擎挨个检查知识库规则,当某条规则的条件为真时就采取规定的行动。在专家系统中,当采取行动时,就称规则被激活。
在检查规则中,一般采用以下两种方法:正向推理和反向推理。
(1)正向推理 在正向推理(也称为正向连接)中,规则是按照一定顺序逐个检查的。这种顺序可能是输入到规则集中的顺序,也可能是由用户自己定义的顺序。当检查每个规则之后,专家系统开始求值,既为“真”还是为“假”。
规则求值。当条件为真时,规则就被激活,然后再检查下一个规则。当然还存在规则的值即非“真”又非“假”的情况。这种情况下,规则的条件是不知到的,这是,规则不被取消,继续检查下一条规则。
迭代推理过程。挨个检查规则集中的规则,直到规则集中所有的规则都检查完毕。有时为了设定一个目标变量值往往要通过好几轮测试。可能测试这个规则所需要的信息是来自另一个规则测试的结果。比如,在第11个规则被激活后,第5个规则才进行测试。只要有规则被激活了,测试就继续,直到规则没有激活推理过程才结束。
(2)反向推理 在反向推理(也称为反向连接)中,推理引擎将规则视为一个待解决的问题。如图20-1所视的规则集中,规则12是一个问题,因为他分配了一个值给目标变量P。推理引擎试图得出规则12的值,但是,有图中可知,我们必须先要知道规则10和11的结果。规则10和11是规则12的子问题。推理引擎先要对子问题进行求值。
图20-1 规则集 选择第一条逻辑路径。我们假设当前规则10是待解决的问题。推理引擎在解决问题前首先要确定规则7和8的值。现在规则7和8是子问题,同样要解决这个子问题,先要用之前讲过的方法细分问题域,直到能够求值。
选择下一条逻辑路径。当专家系统尝试对规则11求值时,规则9成为问题。利用规则4和5的结果来对其求值。因为规则4和5都为真,所以规则9的值也为真。没有必要对规则6进行求值了。
规则9被激活后。规则11也被激活了。因为只要规则10或规则11其中一个为真,就可以激活规则12了,目标变量P的值也就可以得知。
(3)正向推理和反向推理的比较 反向推理比正向推理要快。因为反向推理不必考虑所有的规则,也不用一轮一轮在规则中求值。反向推理尤其适用于以下几种情况:
①多个目标变量;
②有很多的规则;
③在求的问题结的过程中无须将所有的或几乎所有的规则都检查一便。
有些推理引擎即适合正向推理也适合反向推理,视具体情况而定。
4.开发引擎 专家系统的第4个重要组件就是开发引擎。他用来建造专家系统。当推理引擎包含许多规则时,建造专家系统的过程就涉及到建立规则集。有两种基本方法:程序语言或专家系统外壳程序。
(1)程序语言 你可以应用任何语言创建专家系统,但最适合符号化表示知识库的两种语言是:Lisp和Polog。Lisp是在1959年由McCarthy(首届AI会议的成员之一)开发的。Prolog是在1972年由Alain Colmerauer在Marseilles大学开发的。
(2)专家系统外壳程序 第一个专家系统是Mycin,是由Stanford大学的Edward Shortliffe和Stanley Cohen在物理学家Stanton Axline的帮助下开发的。Mycin是用来诊断某种传染病的。
当成功开发第一个专家系统Mycin后,开发者们试图在别的各个领域应用这个成果。他们发现如果将知识库更换成反映另一个问题的相关知识Mycin推理引擎能够适用于该类型的问题域。这种发现开创了建立专家系统的新方法:专家系统外壳程序。他是一段预先编写好的程序,只要增加相应的知识库就能够适用于一个具体的问题域。如今应用专家系统解决商业问题的焦点在于外壳程序的应用。
由问题域导出专家系统外壳程序,其中的一个例子就是桌面帮助支持。桌面帮助支持就是系统的一个单元,为用户提供技术帮助。信息服务单元典型的给用户和信息专家提供桌面帮助。桌面帮助最基本的形式就是一两个专家给用户进行电话答疑。用户提出问题,专家予以解答。
桌面帮助问题是如此的普遍,以致于再公司成立了桌面帮助部门以方便对话。在年会上,最重要的一项活动就是演示专家系统的外壳程序的桌面帮助。当一个公司应用其中一个外壳程序时,他必须扩充相关生产线的知识库。比如,信息服务单元应该扩充硬件和应用软件的相关数据,在软件的帮助库中扩充软件描述等。
当桌面帮助专家系统得以应用,用户以及桌面帮助员工就可以直接跟专家系统对话,系统就可以解决问题。人工智能的智能化程度的一个测试就是用户是否不能判别出 他是在跟机器还是在跟人对话,这种测试称为Turing测试。Alan Turing是计算机学伟大的先驱之一。
桌面帮助专家系统利用不同的信息表示技术。比较流行的方法是CBR(case-based reasoning,基于事实的推理)。他是根据历史数据作为识别问题的基础,然后提出解决方案。有些系统是以决策树的形式来表示的。他是一个网状结构,使用户能够回答与解决相关的问题。
专家系统外壳程序引入了人工智能,使公司没有必要开发他们自己的系统。在商业领域,公司经常使用专家系统外壳程序来实施基于知识的系统。
5.专家系统的优缺点 跟其他计算机应用一样,专家系统提供了一些实际利益,但也有一些不足之处。管理者和公司都可以从专家系统中收益。
1.家系统为管理者带来得好处 管理者应用专家系统改进决策。这些改进表现如下:
(1)提供更多的选择。在解决问题过程中专家系统能促使管理者考虑到更多的选择。比如,没有专家系统,由于考虑范围有限,财务经理只能跟踪30种股票的表现。但是有了专家系统,就可以跟踪300种股票。考虑的投资范围的扩大,也就增加了选择最佳方案的可能性。
(2)应用更高的逻辑层。管理者借助于专家系统,能够达到最先进的专家逻辑水平。
(3)倾注更多的时间于评估方案之上。管理者能够快速的从专家系统中得到建议,给管理者在行动之前留下更多选择和权衡的时间。
(4)决策更加一致。与管理者相比,计算机不会有搀杂个人情感的波动因素,一旦将推理输入到计算机,管理者就会得到确定的方案。
2.为公司带来得好处 专家系统为公司带来如下好处:
(1)公司有更好的业绩。因为管理者是借助于专家系统解决问题的,所以公司的管理机制得到大大的改善公司能够更好的接近目标。
(2)保持对公司知识的控制。专家系统为老员工传授丰富的经验给新员工创造了机会。即使员工离开后,也能够使知识自成一体。
6.专家系统的缺点 专家系统的两个特征限制了将其作为商务问题解决工具的潜能。第一,他们不能处理一致性知识的问题。这是一个实实在在的不足之处,因为在商业中,由于人为因素的可变性,没有事情时时正确。第二,专家系统不能应用判断和指导,而在解决结构化问题时他们是很重要的因素。
第二篇:4-外文文献译文
毕业设计(论文)外文文献原文及译文
毕业论文题目: 常用博客和论坛数据自动抓取系
统的设计与实现
文献中文题目: UbiCrawler:一种可扩展的全分布式
网络爬虫
文献英文题目: UbiCrawler: a scalable fully distributed Web crawler 专 业 软件工程 学
号 学 生 姓 名 指 导 教 师 答 辩 日 期 2015-06-25
哈尔滨工业大学 哈尔滨工业大学本科毕业设计(论文)(外文文献)
外文文献译文
UbiCrawler:一种可扩展的全分布式网络爬虫
1.引言
在本文中我们介绍ubicrawler的设计与实现,一种可扩展的,可容错的全分布式网络爬虫,并且我们从先验和后验两方面评估了它的性能。ubicrawler设计的整体结构在[1],[2]和[3]进行了描述。
这项工作是一个项目的一部分,其目的是收集大量的数据集,研究Web的结构。这是从统计分析特定的网络域[4]估计的分布经典参数,如页面排名 5]和重新设计阿里安娜发展的技术,最大的意大利搜索引擎等。
由于该项目的第一阶段,我们发现集中爬虫已不再是足够的在网络中抓取有意义的部分。事实上,它已经认识到,“作为网络的大小成长,成为爬行的过程并行化势在必行,为了完成下载页在一个合理的时间量[6,7]。
许多商业和研究机构运行他们的网络爬虫收集关于Web的数据。即使没有可用的代码,在一些情况下,基本的设计已被公开:这都是是案例,例如,墨卡托 [8](AltaVista爬虫),原来的谷歌爬虫[9],和一些在学术界的爬虫{10–12]。
尽管如此,几乎没有发表的作品实际上探讨了在爬行过程中所涉及的不同任务的并行化这个基本的问题。特别是,我们知道的所有的方法都是使用某种集中管理,决定去访问哪些网址,并存储已经被抓取的网址。最好,这些组件可以被复制,他们的工作可以被划分为静态。
相反,当设计ubicrawler,我们决定把每一项任务,具有明显的可扩展性和容错性方面的优势。
ubicrawler的基本特征: •平台独立性;
• 充分分配每一个任务(没有单一的故障点和没有集中协调); • 基于一致哈希的局部可计算的地址分配;
• 容忍故障:永久性以及短暂的优雅地处理故障; • 可扩展性。
哈尔滨工业大学本科毕业设计(论文)(外文文献)
• 网址的分布应该是平衡的,即,每个代理应该负责约相同数量的网址。在异构代理的情况下,网址的数目应该是成正比的代理的可用资源(如内存,硬盘容量等)。
可扩展性。每秒的页面数和代理应该是(几乎)独立的代理数量。换句话说,我们期望的吞吐量与代理的数量呈线性增长。
文雅性。一个平行的爬虫决不应该试图从一个给定的主机上获取一页以上的一页。此外,一个合适的延迟,应在随后的请求之间引入相同的主机。
容错性。一个分布式的爬虫应该能继续工作在崩溃故障下,这是当一些代理突然死亡的时候。在这种崩溃的存在下,没有行为可以被假定,除了有缺陷的代理停止通信;特别是,一个不能规定任何行动,一个崩溃的代理人,或恢复其状态之后。当一个代理崩溃,剩余的代理应继续满足就地平衡计算分配的要求:这意味着,在特定的URL,这架代理将被重新分配。
这有2个重要的后果。
• 不可能假设网址是静态分布。
• 由于“就地平衡计算任务的要求必须满足在任何时间”,在崩溃之后依靠分布式分配协议这是不合理的。事实上,在重新分配的要求将被破坏。
3.软件体系结构
ubicrawler由几个代理,自主协调它们的行为,在这样一种方式,每个人扫描其网络的共享。一个代理执行它的任务,通过运行多个线程,每一个单独的主机单独访问。更确切地说,每一个线程扫描一个主机使用广度优先访问。我们确保不同的线程访问不同的主机在同一时间,因此,每个主机不超载太多的要求。这是不是本地主机的给定样本被派遣到代理权,使其在页面被访问队列。因此,整体的Web访问是广度优先,但尽快达到一个新的主机,它是完全访问(可能有界深度达到或总页数),再次在广度优先的方式。
更先进的方法(可以考虑适当的优先级相关的网址,如,他们的排名)可以很容易地实现。然而,值得注意的是,有几个作者(见,例如,[13])认为,广度优先访问倾向于在爬取的时候找到高质量的网页。关于页面质量的一个更深入的讨论,在第6节中给出。
哈尔滨工业大学本科毕业设计(论文)(外文文献)
一个重要的优势是,每个主机广度优先访问DNS请求是罕见的。网络爬虫使用全球广度优先策略必须在DNS服务器的高延迟:这通常是由一个多线程缓存缓冲请求通过了。同样,没有缓存是由“机器人排除标准”[ 14 ]所需的robots.txt文件需要;事实上这样的文件可以下载,当主机访问开始。
代理的主机分配考虑到在每个代理的质量存储资源和带宽。这是目前所做的一个单一的指标,称为能力,这是作为一个权重的分配功能分配主机使用。在某些情况下,每一个代理的主机比例的比例,其容量的主机(见4节的一个精确的描述如何工作)。注意,即使每个主机的URL数量参差不齐,代理人之间的URL分布趋于均匀在大爬虫中。除此之外的经验统计的原因,也有其他的动机,如用于边界的最大数量的网页抓取的政策的使用和访问的最大深度。这样的政策是必要的,以避免(可能是恶意)网络陷阱。
最后,对ubicrawler必不可少的组成部分,是一个可靠的故障检测器[15]使用超时检测撞剂;可靠性是指一个撞剂最终会被每一个活性剂(通常称为故障探测器的理论完备性较强的属性)。故障检测器是ubicrawler唯一同步组件(即使用定时功能的唯一部件);所有其他的组件在一个完全异步的方式进行交互。
4.功能分配
在本节中我们描述的ubicrawler功能分配,和我们解释为什么这个功能可以实现每一个任务和实现容错的目标。
让A表示我们的代理标识符(即潜在的代理的名字),L ⊆ A是活着的代理设置:我们必须指定主机代理L.更确切地说,我们已经设置了功能δ,每个非空集合L活剂,和为每个主机H,代表的责任,取(URLs)H的代理δL(H)∈L。
下列属性是需求的功能分配。
1.平衡。每个代理应该得到大约相同数量的主机;换句话说,如果m是主机(总数),我们想要|δ−1L(a)| ∼ m/|L| 对于每一个 a ∈ L.2.逆变。分配给一个代理主机的设置应该就在失活和活剂激活设置在逆变方式转变。更确切地说,如果L ⊆ L 然后 δ−1 L(a)⊇ δ−1 L(a);也就是说,如果代理的数量增长,每一个代理的网页抓取的部分必须收缩。逆变具有根本性的后果:如果增加一个新的代理,没有旧的代理将
5哈尔滨工业大学本科毕业设计(论文)(外文文献)
引用 Boldi P, Codenotti B, SantiniM, Vigna S.Trovatore: Towards a highly scalable distributed web crawler.Poster Proceedings of the 10th International World Wide Web Conference, Hong Kong, China, 2001.ACM Press: New York, 2001;140–141.Winner of the Best Poster Award.2 Boldi P, Codenotti B, Santini M, Vigna S.Ubicrawler: Scalability and fault-tolerance issues.Poster Proceedings of the 11th International World Wide Web Conference, Honolulu, HI, 2002.ACM Press: New York, 2002.3 Boldi P, Codenotti B, Santini M, Vigna S.Ubicrawler: A scalable fully distributed web crawler.Proceedings of AusWeb02.The 8th Australian World Wide Web Conference, 2002.4 Boldi P, Codenotti B, Santini M, Vigna S.Structural properties of the African web.Poster Proceedings of the 11 International World Wide Web Conference, Honolulu, HI, 2002.ACM Press: New York, 2002.5 Page L, Brin S, Motwani R, Winograd T.The pagerank citation ranking: Bringing order to the web.Technical Report,Stanford Digital Library Technologies Project, Stanford University, Stanford, CA, 1998.6 Cho J, Garcia-Molina H.Parallel crawlers.Proceedings of the 11th International World Wide Web Conference, 2002.ACM Press: New York, 2002.7 Arasu A, Cho J, Garcia-Molina H, Paepcke A, Raghavan S.Searching the web.ACM Transactions on Internet Technology 2001;1(1):2–43.8 Najork M, Heydon A.High-performance web crawling.Handbook of Massive Data Sets, Abello J, Pardalos P, Resende M(eds.).Kluwer: Dordrecht, 2001.th哈尔滨工业大学本科毕业设计(论文)(外文文献)Brin S, Page L.The anatomy of a large-scale hypertextual web search engine.Computer Networks 1998;30(1/7):107–117.10 Yan H, Wang J, Li X, Guo L.Architectural design and evaluation of an efficient Web-crawling system.The Journal of Systems and Software 2002;60(3):185–193.11 Zeinalipour-Yazti D, Dikaiakos M.Design and implementation of a distributed crawler and filtering processor.Proceedings of NGITS 2002(Lecture Notes in Computer Science, vol.2382).Springer, 2002;58–74.12 Shkapenyuk V, Suel T.Design and implementation of a high-performance distributed web crawler.IEEE International Conference on Data Engineering(ICDE), 2002.IEEE Computer Society, 2002.13 Najork M,Wiener JL.Breadth-first search crawling yields high-quality pages.Proceedings of the 10th International World Wide Web Conference, Hong Kong, China, 2001.ACM Press: New York, 2001.14 Koster M.The Robot Exclusion Standard.http://www.xiexiebang.com/ [2001].15 Chandra TD, Toueg S.Unreliable failure detectors for reliable distributed systems.Journal of the ACM 1996;43(2): 225–267.16 Karger D, Lehman E, Leighton T, Levine M, Lewin D, Panigrahy R.Consistent hashing and random trees: Distributed caching protocols for relieving hot spots on the World Wide Web.Proceedings of the 29th Annual ACM Symposium on Theory of Computing, El Paso, TX, 1997.ACM Press: New York, 1997;654–663.17 Karger D, Leighton T, Lewin D, Sherman A.Web caching with consistent hashing.Proceedings of the 8th International World Wide Web Conference, Toronto, Canada, 1999.ACM Press: New York, 1999.18 Devine R.Design and implementation of DDH: A distributed dynamic hashing algorithm.Proceedings of the Foundations of
第三篇:人工智能与专家系统感想
姓名:万伟
学号:1120100924
人工智能与专家系统感想
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能技术导论这门课的学习,让我知道了人工智能从诞生发展到今天经历了一条漫长的路,许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家 建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起 研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真 人类的智能行为,至少看起来不太遥远。接下来的四十年里,尽管碰到许多阻碍,人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究; 从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统,人工智能的发展有目共睹。
人工智能经过几十年的发展,其应用在不少领域得到发展,在我们的日常生活和学习当中也有许多地方得到应用。我通过网络查找,知道了以下领域的人工智能的发展。
专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验,能够运用人类专家的知识和解决 问题的方法进行推理和判断,模拟人类专家的决策过程,来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个 方面,各种专家系统已遍布各个专业领域,取得很大的成功。根据专家系统处理的问题的类型,把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测 型、规划型、设计型和控制型等10种类型。具体应用就很多了,例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。为了实现专家系统,必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库),以及拥有类似于领域专家解决实际问题的 推理机制(构成推理机)。系统能对输入信息进行处理,并运用知识进行推理,做出决策和判断,其解决问题的水平达到或接近专家的水平,因此能起到专家或专家 助手的作用。
开发专家系统的关键是表示和运用专家知识,即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前,专家系统主要采用基于规则 的知识表示和推理技术。由于领域的知识更多是不精确或不确定的,因此,不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外,专家系统开发工 具的研制发展也很迅速,这对扩大专家系统的应用范围,加快专家系统的开发过程,将起到积极地促进作用。随着计算机科学技术整体水平的提高,分布式专家系 统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中,不但采用基于规则的推理方法,而且采用了诸如人工神经网络的方法与技术。
一、人工智能与专家系统应用领域 1在管理系统中的应用
人工智能应用于企业管理的意义主要不在于提高效率,而是用计算机实现人们非常需要做,但工业工程信息技术是靠人工却做不了或是很难做到的事情。智能教学系统(ITS)是人工智能与教育结合的主要形式,也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善,推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统,计算机智能教学系统就是其中的典型代表。它包含学生模块、教师模块,体现了教学系统开发的全部内容,拥有着不可比拟的优势和极大的吸引力。2在工程领域的应用
医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用,具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。目前,医学智能系统已通过其在医学影像方面的重要作用,从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。
3在技术研究中的应用 人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展,网络技术的安全是我们关心的重点,因此我们必须在传统技术的基础上进行网络安全技术的改进和变更,大力发展数据挖掘技术、人工免疫技术等高效的AI技术,开发更高级AI通用和专用语言,和应用环境以及开发专用机器,而与人工智能技术则为我们提供了可能性。4人工智能在现实中的应用。
AI系统是设计出的一种计算机程序,这种程序具有某些像人和动物智能一样的功能。在过去的30多年中,已经建立了一些具有一定“智能”的AI系统,例如下棋程序、定理证明系统、集成电路设计与分析系统、自然语言翻译系统、智能信息检索系统、疾病诊断系统等 在一年一度AT&T实验室举行的机器人足球赛中,每支球队的“球员”都装备上了AI软件和许多感应器,它们都很清楚自己该踢什么位置,同时也明白有些情况下不能死守岗位。尽管现在的AI技术只能使它们大部分时间处于个人盘带的状态,但它们传接配合的能力正在以很快的速度改进。5.机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程,用以完成这一过程的软件系统叫做机器翻译系统。几十年来,国内外许多专家、学者为 机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现,不过也取得了很大的进展,特别是作为人们的辅助翻译工 具,机器翻译已经得到大多数人的认可。目前,国内的机器翻译软件不下百种,根据这些软件的翻译特点,大致可以分为三大类:词典翻译类、汉化翻译类和专业翻 译类。词典类翻译软件代表是“金山词霸”了,堪称是多快好省的电子词典,它可以迅速查询英文单词或词组的词义,并提供单词的发音,为用户了解单词或词组含 义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”,它首先提出了“智能汉化”的概念,使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译系统,是面对专业或行业用户的翻译软件,但其专业翻译的质量与人们的实用性还有不少差距,有人评价说“满篇英文难不住,满篇 中文看不懂”,该说法虽然比较极端,但机译译文的质量确实却一直是个老大难问题。这里,我们不妨对现有的机译和人译过程作一比较,从中可以看出一些原因。
机器翻译:
1.一句一句处理,上下文缺乏联系;
2.对源语言的分析只是求解句法关系,完全不是意义上的理解;
3.缺乏领域知识,从计算机到医学,从化工到法律都通用,就换专业词典;
4.译文转换是基于源语言的句法结构的,受源语言的句法结构的束缚;
5.翻译只是句法结构的和词汇的机械对应。
人工翻译:
1.一般会先通读全文,会前后照应;
2.对源语言是求得意义上的理解;
3.只有专业翻译人员,而没有万能翻译人员;
4.译文是基于他对源语言的理解,不受源语言的句法结构的束缚;
5.翻译是一个再创造的过程。
在目前的情况下,计算机辅助翻译应该是一个比较好的实际选择。事实上,在很多领域中,计算机辅助人类工作的方式已经得到了广泛的应用,例如CAD软 件。如果计算机辅助技术用于语言的翻译研究,应该同样可以起到很大的辅助作用,这就是所谓的“计算机辅助翻译”。它集机器记忆式翻译、语法分析式翻译和人 际交互式翻译为一体,把翻译过程中机械、重复、琐碎的工作交给计算机来完成。这样,翻译者只需将精力集中在创造性的思考上,有利于工作效率的提高。
机器翻译研究归根结底是一个知识处理问题,它涉及到有关语言内的知识、语言间的知识、以及语言外的世界知识,其中包括常识和相关领域的专门知识。随 着因特网的普及与发展,机器翻译的应用前景十分广阔。作为人类探索自己智能和操作知识的机制的窗口,机器翻译的研究与应用将更加诱人。国际上有关专家分析 认为机器翻译要想达到类似人工翻译一样的流畅程度,至少还要经历15年时间的持续研究,但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判 断”的情况下,机器翻译要想达到100%的准确率是不可能的。
二、人工智能与专家系统的发展前景 1 人工智能的研究新课题
人工智能的长远目标是要理解人类智能的机器,用机器模拟人类的智能。这是一个十分漫长的过程,人工智能研究者奖通过多种途径、从不同的研究课题入手进行探索。
在近期,有几方面的研究课题可供选择:更完善更新的人工智能理论框架;自动或半自动的知识获取工具;能实现海量高速存储并具有学习功能的联想知识库;新型推理机制和推理机;分布式人工智能与协同式专家系统;智能控制与智能管理;智能机器人;人工智能机;新一代的脑模型。
2人机融合
人机融合是一个相当长的发展过程,它将伴随技术进步,逐级逐步地向前发展。首先实现的是低级和局部的融合,近几年人工智能科授的进步不断证实了这种趋势。如最近美国科学家就明确宣布,他们研制的“神经芯片”首先就是用于改善人的中枢神经功能,“使截瘫患者丢掉手杖”。随着人机融合的升级,最终将在地球上产生一种人机高度融合、高智慧、能自行繁殖(复制)的“新智体”(或曰“新人类”)。因此,文明人类的演化由于技术的影响将经历自然进化——人工促进人智能的进化——人机融合体(新智体)的自行进化的辩证发展过程。在人机融合时代,出于物理目标的不同,将存在多种多样、多层次的智能机(体),但具有怨茁级智能的应是人机融合体。当今人工智能科技和其他高科技的种种发展动向表明,在人类进入“信息社会”之后,将有一场规模巨大的“智能革命”,智能革命的环境是人工智能对人、对社会的广泛而深入的影响,就像今天的微电子技术对信息革命的影响一样。人工智能科技将渗透到社会各个领域,人类将对人工智能科技进行大规模的研究、开发和应用。
当今人工智能科技和其他高科技的种种发展动向表明,在人类进入“信息社会”之后,将有一场规模巨大的“智能革命”,智能革命的环境是人工智能对人、对社会的广泛而深入的影响,就像今天的微电子技术对信息革命的影响一样。人工智能科技将渗透到社会各个领域,人类将对人工智能科技进行大规模的研究、开发和应用。
总之,人工智能的应用前景一片的好,当然,挑战也很多,只有科学不断发展突破进步,我们才能真正的享受智能化带给我们的乐趣„
第四篇:外文文献翻译译文[定稿]
在激光作用下核压力容器钢焊接接头的显微组织和力学性能
摘要:设计间接热冲压工艺,利用有限元法对零件的几何尺寸和力学性能进行了预测。在间接热冲压过程的情况下,生产性能与适应车身部件,冷却路径造成扩散和扩散控制的相变。通过人脸的相变引起的体积膨胀为面心立方(FCC)为体心立方(BCC)和体心四方(BCT)马氏体的形成导致相变诱导株的整体应力热冲压的车身部件的计算是很重要的。计算的应力和应变状态正确,它是必要的模型的扩散和扩散控制的相变现象,考虑到间接热冲压过程的边界条件。现有的材料模型进行分析和扩展以提高计算铁氧体、珍珠岩的数量和分布,其预测的准确性,整个退火过程中贝氏体和马氏体。工业用新方法在有限元程序LS-DYNA 971实现
关键词: 核钢
稳压器 压水反应堆 反应堆压力容器 结构完整性 焊接韧性
SA508钢通常用于民用核反应堆的关键部件,如反应堆压力容器。核部件通常采用电弧焊接工艺,但与设计为未来的新建设项目超过60年的生活,新的焊接技术正在寻求。在这种探索性的研究,为第一时间,自体激光焊接6毫米厚的进行SA508 Cl.3钢板使用16千瓦激光系统在4千瓦的功率运行。这个
显微组织和力学性能(包括显微硬度、抗拉强度、延伸率等夏比冲击韧性)的特点和结构进行了比较电弧焊接。基于移动体热的三维瞬态模型源模型也发展到模拟激光焊接热循环,以估计冷却速率的过程。初步结果表明,激光焊接工艺可以无宏观缺陷的焊缝,激光焊接的强度和韧性在这项研究中的联合,得到的值,在焊接的母材条件。
反应堆压力容器的寿命和安全运行(RPV),这是核电站中最关键的部件之一。取决于高温压力容器材料的耐久性,高压力和放射性环境。具有较高强度,韧性和抗辐照脆化的材料的需要是上升的,由于增加的发电容量和核电厂的设计寿命[ 1 ],[ 2 ],[ 3 ],[ 4 ],[ 5 ],[ 7 ],[ 8 ]和[ 6 ]。SA508钢已经用于许多RPV?的压水反应堆制造因为他们提供的结合强度,延展性好,断裂韧性,相对于机械性能的均匀性,和他们的经济[ 9 ]、[ 10 ]、[ 11 ]和[ 12 ]。无人机是采用焊接厚环形锻件或SA508钢板在一起。这些通常是采用电弧焊接实现,其次是为焊后热处理以恢复在热影响区(HAZ)韧性。而电弧焊接技术以及建立这些组件,在高功率激光器的可用性增加,能够以较高的焊接速度,减少焊接变形中厚截面钢,提供激励考虑激光焊接焊接部件制造SA508钢提供任何优势.传统的焊接方法制造的核压力容器用钨极氩弧焊(GTAW)和埋弧焊(SAW)[ 13 ]、[ 14 ]和[ 15 ]。在版本óN et al.?的[ 14 ]研究评估应力释放在HAZ裂纹敏感性,多次看到来为每一个通过1.8 kJ /毫米的热输入焊接140毫米厚的SA508 2级钢。基姆等。[ 16 ]报道常规看到3 kJ /毫米每通过一个热输入SA 508级3钢的焊接。Murty等人。[ 13 ]发现,多通过SA533B钢埋弧焊接,焊缝金属的热影响区宽度,分别为26和12毫米,分别。locsdon [ 17 ]焊接64毫米厚的钢板SA533组环境2使用多道窄间隙钨极氩弧焊用10毫米宽的槽和1.6 kJ /毫米每通过一个热输入。可以看出,这些传统的焊接技术相比,激光焊接一般采用较高的热输入,这会增加热影响区宽度和焊后导致更大的扭曲和较高的残余应力。这将是复合的,如果更多的焊接通道和添加更多的填充材料是必需的,由于就业的更广泛的焊接槽,这些因素也可能有助于增加生产成本。
与传统的焊接技术相比,激光焊接具有其自身的优势,高功率密度等,以及相关的能力,具有窄的热影响区做一个窄的焊缝,采用较低的热输入和焊接速度高,达到较低水平的残余应力和变形,同时消耗更少的填充材料[ 18 ]和[ 19 ]。此外,激光焊接可以实现使用远程控制,因为激光束可以使用光纤和焊接头可以安装在一个工业机器人。这种特性使得激光焊接适合生产高质量的焊缝,所需的核环境。事实上,激光焊接到中等厚的部分奥氏体不锈钢的应用已经探讨过。张等。[ 20 ]首先报道了8毫米厚的316毫米厚的50毫米厚钢板的窄间隙焊接。elmesalamy等人。[ 21 ]成功焊接了20毫米厚的316不锈钢使用1千瓦IPG单模光纤激光器的超窄间隙(1.5 mm间隙宽度),双方采用多道窄间隙焊接的方法。尽管如此,没有被报道在SA508钢激光焊接特性。
在低合金钢焊接过程中发生的固态相变可能是非常复杂的,在某些钢中,它可以很难预测焊接接头的不同子区域的组织结构。冷却速率在不同的子区域将确定相变发生在连续冷却转变组合焊接过程中(CCT)在调查中对钢图。在焊接过程中的温度历史可以记录使用热电偶。然而,热电偶只能测量离散点的温度历史。它也很难保证测量位置的温度可以正确地记录下来。有限元建模是一种替代的方法,在焊接过程中的热循环调查。
在本研究中,单次自体激光焊接是参加SA508条款3钢板。自体GTA焊接的开展提供这种钢的激光焊接的基准。显微组织和力学性能,如拉伸强度、硬度、和在焊接条件下研究了冲击韧性的焊接构件。基于移动体积热源模型模拟也进行了量化的焊接热循环对微观结构的变化在自体激光焊接在SA508钢的影响。数值的解决方案是使用商业软件ANSYS生成,并与实验结果进行了比较,验证了数值模型。验证的模型,然后用于预测的激光焊接的热历史。本文介绍了实验和建模,并报告了这项工作所产生的初步结果。2。材料与实验程序
作为收到的基体材料(BM)在这项研究中使用的是调质SA508 Cl.3钢。SA508条款3钢的化学成分如表1。碳当量(CE)是一个参数,通常用于评价钢的焊接性,它被定义为合金元素除碳的碳当量浓度的百分比,从钢的淬透性的观点。根据参考文献[ 22 ]计算调查的钢的CE,并给出:
从表1看出,SA508 CE 0.60。MS(马氏体转变开始温度在420 C)°根据铃木?的连续冷却转变曲线(CCT)508级3图。条款1钢[ 23 ]。AC1和Ac3温度约700°C和800°C,分别。光学显微镜和扫描电子显微镜(SEM)对基地SA508钢的显微组织图像都显示在图1(a)和(b),分别。标本机械抛光和蚀刻在2%硝酸溶液。基体材料的微观结构(BM)是一个暴躁的上贝氏体结构。细小的析出物由不同的研究人员已经确定,他们是M7C3和M23C6 [ 6 ]、[ 12 ]和[ 24 ]。
作为收到SA508 Cl.3块切成几个6毫米和2毫米厚的板线放电加工(EDM)焊接试验。自体激光焊接材料的尺寸大约是6毫米,100毫米和50毫米××手动自体GTA焊接约2毫米50毫米100毫米××。
实验使用连续波光纤激光器进行(IPG yls-16000)与一个16千瓦的最大功率。光束参数乘积为10毫米毫弧度的处理纤维300μ米直径。从光纤的一端发射的激光束被准直由一个150毫米焦距的镜头,然后聚焦到试样表面用镜头用400毫米焦距。测得的聚焦尺寸和瑞利长度分别为0.8毫米和15毫米,分别。激光头安装在一个六轴库卡机器人。激光焊接的示意图如图所示。
350 GTA焊接电源是用于手动自体GTA焊接实验。在焊接前,样品被喷砂去除氧化物层。喷砂处理后,用丙酮清洗表面,然后将基体材料固定,以保证充分的约束。自体激光焊接和点焊进行。在焊接过程中保护熔池,用氩气保护试样的顶部和背面。
焊接接头的宏观结构和焊缝的微观结构是利用光学金相显微镜检查(KEYENCE vhx-500f)和飞利浦XL 30扫描电子显微镜(SEM)。表面硬度测量使用Struers duramin-2维氏显微硬度计进行。
在焊缝的显微硬度分布进行测量,分别位于顶部,在激光焊接接头的宏观截面中部和底部,并在焊接在板厚中间位置为手动GTA焊接接头。使用负载3公斤,停留一段时间10 s的维氏显微硬度机测试硬度(Struers duramin-2)。三测量每个缩进以最小化误差进行。硬度遍历进行跨焊缝在0.2毫米在熔合区和热影响区间隔的凹槽,并在BM 0.4毫米的间隔。
对接收的母材和焊接试样的静态拉伸强度评价标本根据ASTM E8M-04产生。子尺寸夏比冲击试验样品的制备在BS EN 10045-1:1990意图。缺口位于熔合区,以测试激光焊接样品的焊接金属的韧性。这些冲击试样的宽度是由板块焊接厚度的限制,即6毫米。每一个测试是重复的三个单独的和名义上相同的优惠券,以减少不确定性。夏比和交叉焊缝拉伸试样从电火花加工过程中使用的焊接稳定状态的区域提取。所提取的样品的基体材料和焊接样品的大小和形状如图3所示。焊接钢筋的脸和根部焊缝试样的地区由手工打磨砂纸在拉伸和夏比冲击试验进行删除。进行拉伸试验在Instron 4507号模型电子万能试验机在室温下。夏比冲击试验的基础材料和焊接的样品上进行兹维克Roell夏比冲击试验机在?40°C,?20°C、0 C和°室温。每一张优惠券在测试前的半小时内举行相关的测试,以确保整个样品的温度均匀一致。以下的拉伸强度和冲击韧性试验,所有的断裂面测试标本用Zeiss EVO 50 SEM设有X射线能谱仪(EDX),研究了断口形貌和确定断裂模式。
最初的试验进行了使用珠的板的配置,而不是加入两个不同的板,以优化焊接参数。的激光功率为4千瓦,选择和焊接速度从0.84米/分钟到1.08米/分钟不等。激光焦点设置在板的顶部表面的2毫米。使用氩气保护气体,气体流速为12升/分钟和8升/分钟,分别保护使用的顶部表面和在焊缝侧的焊缝。激光头由8个倾斜倾斜,以防止反射。
焊接后,焊缝被切割,并准备作为金相样品,以评估焊接珠的完整性。在图4中给出了不同焊接参数的结果。
检查的焊接参数的不同的焊接参数显示,可以接受的焊缝轮廓,实现与焊接速度为0.84米/分钟,0.96米/分钟,在顶部的焊缝金属区域的切边观察到1.02米/分钟的速度,并观察到在一个速度为1.08米/分钟。优化的焊接参数在表2中概述。自体激光对接焊接6毫米SA508钢采用这些优化的焊接参数进行。
350 GTA焊接电源是用于焊接2毫米厚的钢板508。手动自体GTA焊接进行提供最好的比较自体激光焊接。与2毫米的厚度板被用在GTA焊接固有的浅层渗透,双面焊接进行了。焊接参数在表3中概述。
3。结果
3.1。宏观结构特征
SA508钢焊接接头的自体激光对接结构,采用优化的参数,如图5所示。可以看出,焊缝两侧的熔合线几乎是平行的,这是小孔焊接的特点。没有任何证据的缺陷,如孔隙度或削弱。焊缝的宽度约为1.8毫米,和热影响区的宽度大约为0.8毫米。接头可以分为几个不同的区域,如冶金,熔合区(FZ)在中心,热影响区(HAZ)与基体材料(BM)。熔合区由粗大的柱状枝晶颗粒组成,其与垂直于熔合边界的方向对准。最大热流方向为垂直于熔合边界,晶粒趋向于向上生长最快,在熔合区内的柱状晶组织中有25和26。在光学显微镜下,它被观察到的晶粒尺寸随距离从焊缝中心线。焊接热影响区可进一步划分为三个不同的区域:粗晶热影响区(CGHAZ)(靠近熔合线),细晶热影响区(FGHAZ)和两相区(ICHAZ)相邻的BM。
一个宏观部分通过手工自体GTA焊接2毫米厚的SA508钢如图6所示。由于有限的穿透深度在GTA焊接,双面自手动GTA焊接应用。熔合区的宽度约为2.4毫米,和热影响区的宽度大约为2.8毫米。在熔合区和热影响区宽度大于6毫米厚的激光焊缝宽得多。
3.2。微观结构特征
焊接接头各子区域内的显微组织演变主要由焊接热循环过程中的峰值温度和每个相应的子区域的冷却速度[ 27 ]和[ 28 ]确定。作为焊接结构在6毫米厚的激光焊接2毫米厚的手册进行自体GTA焊接熔合区和在每一个不同的子区域内的热影响区(CGHAZ,FGHAZ ICHAZ)使用SEM结果在图7和图8分别给出了。对焊接工艺的焊接热影响区内的不同子带的结构是相似的。然而,更细小的析出物在GTA焊接热影响区的发现相比,激光焊接接头。在基姆等人的工作中。[ 29 ]和[ 30 ],细小的析出物被确定为高钼含量的M2C型碳化物。在焊缝,包括贝氏体组织在ICHAZ,marteniste和自回火马氏体。在FGHAZ组织包括汽车回火马氏体细晶粒马氏体。在粗晶区,显微组织由马氏体和回火马氏体粗粒度的汽车,而在融合区,粗大的马氏体和自动观察回火马氏体。3.3。显微硬度
作为焊接的显微硬度分布在激光焊接和手动GTA焊接如图9。可以看出,无论是激光在焊缝及热影响区的硬度(~ 430 HV0.3)和多伦多(~ 410 HV0.3)焊接试样高于基体材料的两倍(~ 200 HV0.3)。这是预期的焊接条件下的焊接。在熔合区的硬度略高于激光焊接试样的焊接热影响区。为GTA在熔合区和热影响区的硬度,焊接接头在410上下波动,峰值硬度HV0.3,发生在FGHAZ约430 HV0.3。在激光熔合区和热影响区的硬度焊接接头(~ 430 HV0.3)高于熔合区的GTA焊接接头(~ 410 HV0.3)。
3.4。室温拉伸行为
交叉焊缝的拉伸数据如表观屈服强度参数,拉伸强度和伸长率均明显,2毫米厚的钨极氩弧焊试样和6毫米厚的激光焊接试样总结在表4中,其中包括平均值和标准偏差。应该牢记的是,试样显然是不均匀的,因此,记录的屈服强度和伸长率的值是不真正代表任何特定的微观结构区,并且它们也将随选择的规范长度(在这种情况下,25毫米)。尽管如此,在这项研究中,测得的值被包括提供一个定性的比较,每个焊缝。明显的屈服强度(YS)、抗拉强度(UTS)和明显的伸长量估计为494 MPa、631 MPa和26.3%,对于6毫米厚的激光焊接试样。所有的拉伸破坏发生在远离焊接区域的。YS,为6毫米厚的基底材料的抗拉强度和延伸率分别为498 MPa、632 MPa和28.1%,分别。相比较而言,明显的屈服强度(YS)、抗拉强度(UTS)和2毫米厚的钨极氩弧焊试样明显伸长估计为498 MPa、633 MPa和17.1%,分别。所有的拉伸破坏发生在远离焊接区域的。YS,为2毫米厚的基底材料的抗拉强度和延伸率分别为501 MPa、633 MPa和19.3%,分别。
裂缝性的标本在图10。所记录的应力-应变曲线的基本材料和焊接试样的厚度为2毫米和6毫米,如图11所示。它可以从拉伸试验结果表明,激光和GTA焊接试样的拉伸性能有非常相似的基础材料在相应的厚度。然而,焊接试样的表观伸长率略低与那些相应基础材料相比。在图9中的硬度分布表明,在焊接条件下,焊接过程中所产生的材料已加强,所以很可能在拉伸试验过程中,焊接区域没有产生屈服,从而有助于降低延伸率。此外,它可以从拉伸试验结果表明,材料的厚度对屈服强度和断裂强度几乎没有影响,与2毫米厚,6毫米厚的材料呈现类似的屈服强度和断裂强度。令人好奇的是,材料的厚度,有一个显着的影响的伸长率,与较薄的材料(2毫米厚)提出较低的伸长率时相比,与6毫米厚的材料。
3.5。夏比冲击韧性,以不同的temperatures 《能源吸附的碱金属和焊缝的激光冲击下的冰plotted作为一个功能的温度在图13。《子尺寸试样断裂后shown夏比冲击试验是在图14。它可以看到,所有的paths破碎的激光焊接试样的试验开始的,然后deviate熔合区和HAZ的基体材料。测试结果的基础材料是repeatable,当测试结果的激光焊接试样的显着为低散射的测试temperatures(?40°C和?20°C),这可能是attributed的偏差,在断裂的裂纹。为了highlight的散射的结果对激光焊接specimens,这三个测试的结果是市场在每个温度图13和图14。许多研究人员已经reported,激光和电子束焊接过程中可能对目前的困难owing韧性试验区的两个窄融合在一起,有一个大学学位的高强度的高匹配接头[ 31 ],[ 32 ],[ 33 ]和[ 34 ]。reported倾向,艾略特的《deviate断裂成两个基地,而不是金属的熔合区propagate通CAN导线的两个结果misleading [ 35 ]
基本材料的结果显示一个整体的趋势:所吸收的能量的增加,在测试温度的增加。相比之下,激光焊接的结果中的散射意味着任何这样的趋势是不明显的。基础材料达到良好的韧性,吸收的能量与平均值约为70 J,95 J,97 J和105 J在?40°C对应的试验温度,?20°C、0 C和23 C°°,分别。它可以发现从夏比冲击试验结果的平均吸收的激光焊缝试样的能量相媲美的基础材料。对于激光焊接试样的平均吸收能量值分别约为92 J,80 J,100 J和98 J在?40°C对应的测试温度,?20°C、0 C和23 C°°,分别。然而,有孤立的低能量吸收值66 J在?40°C和45 J在?20°C为激光焊接的试样,但在这些温度约100 J这些孤立的低韧性值贡献了大量分散在吸收能量值的激光焊接试样在测试温度低平均值。
基体材料的宏观断口和激光焊接试样的冲击试验后如图15。为基料在?40°C测试(图15(a)),可以看出,裂纹传播从最初的韧性缺口之前继续通过脆性断裂试样的传播。韧性断裂的区域和随后的脆性断裂的区域之间的边界清楚地是在图15(1)。的脆性断裂区域跨越约60%的断裂面作为一个整体。激光焊接试样断裂在?40°C(图15(b))揭示了非常不同的两个断裂面:左边的样本提供了一个完全的韧性断裂表面实现了高吸收的能量(102 J),而右边的样本显示,裂纹开始传播之前的韧性继续传播在脆性的方式在大多数(~ 60%)的断裂面,和吸收的能量明显低于这个标本(66 J)。断裂的基础材料试件在?20°C完整呈现韧性断裂面在图15(c)。激光焊接试样断裂在?20°C测试(图15(d))又提出了两种非常不同的断裂面:左边的样本提供了一个完全的韧性断口(84 J),而右边的样本揭示了一个完全脆性断裂面(45 J)。在0°C和室温下测试的基本材料和激光焊接试件在所有剩余的情况下,如图15(电子)-(小时),在所有剩余的情况下,完全韧性断裂面。
断口的基体材料和激光焊接试样的冲击试验后,在图16中所示的高放大倍率。解理断裂被证实在这些基础材料和激光焊接试件的断裂与低吸收的能量在?40°C.对断裂的脆性解理断裂面显示为主和少量的韧窝(图16(a)和(c))。相比之下,激光焊接的试样,获得更高的能量吸收在?40°C显示韧性断裂表面的等轴韧窝(图16(b))。在?20°C,无论是基础材料和激光焊接的试样,达到更高的吸收能量呈现韧性断裂表面的等轴韧窝在图16(d)和(e),而较低的能量吸收了由解理断裂表面的激光焊接试样(图16(f))。所有基础材料和激光焊接试样在0°C,在室温下呈现韧性断裂的等轴韧窝在图16(g)–(J)。
3.6。三维有限元建模的自激光焊接工艺的制定和程序
这是理解激光自熔焊接SA508钢时的微观组织演化研究焊接过程的温度场的重要,这是特别是在焊接热影响区的情况。在构建一个数值模型来预测在不同的子区域的热历史,在焊接过程中,下面的假设,以简化的解决方案[ 36 ]:(1)
材料是各向同性的,并且环境温度和初始试样的温度均为20(2)
焊接熔池中液态金属的对流流动和小孔激光焊接中的汽化现象,可以忽略。(3)
在焊接过程中的热流量是由传导和对流的影响,即辐射的影响可以忽略。此外,在试样和环境之间的界面处的对流系数可以被假定为常数。(4)
由于焊接接头的对称性,可以应用于对称性,因此,只有必要的模拟焊接接头的一侧。
模型尺寸为50毫米,50毫米,6毫米。图17显示了网格配置。在三维实体模型,利用ANSYS软件生成的38337个节点和41040个单元(12.1版)。细网格中的熔合区附近的热影响区,陡峭的温度梯度可以预期,而较粗的网格被用来进一步远离焊缝和热影响区的坡度可能没那么严重。此外,随着距离的增加,元件的尺寸逐渐增大,最小的单元尺寸为0.5毫米0。5毫米0.5毫米。在这个模型中,X轴对应的焊接方向,Y轴是正常的焊接方向但在板的平面,和Z方向的平
面外方向。
使用温度依赖性的热性能进行热分析。瞬态温度,吨,被确定为一个函数的时间,吨,和空间(×,),通过求解下面的传热方程[ 37 ]和[ 38 ]
在这里,K(t)的热导率为在1 K W M??1温度的功能,ρ(t)是密度为3的魔芋葡甘聚糖?温度功能,CP(T)是在恒定的压力作为一个J 1 K 1公斤??温度函数的具体热,和QV是WM-3容积热通量 高功率激光束是一个高度集中的热源,热源模型通常用于在激光束焊接的数值分析中的各种穿透深度的功率密度的变化。在许多论文[ 39 ],[ 40 ]和[ 41 ],热源被假定为高斯分布的形式,但它通常是在实验研究的基础上修改。有一个公认的“钥匙孔”现象[ 39 ],[ 42 ]和[ 43 ],其中一些激光功率被吸收的离子蒸汽在钥匙孔,并转移到焊接熔池表面,这也是“小孔”边界。因此,一个体积热源模型通常用于模拟激光焊接过程。在体积热源模型,高斯热通量分布往往假定在径向方向和“钥匙孔”被认为是一个圆柱体或截断锥[ 39 ]。在本次调查中,一个旋转抛物面体积热源的温度场模拟。配电遵循高斯热流分布在每一层的旋转抛物面。热源可以被描述为[ 44 ]
其中,Q为旋转抛物面体积热源点的功率密度,并在热源效率,η,被认为是在热分析[ 38 ] 80%,泽是纵坐标上的parboloid最大的可能值,子是这个垂直坐标的最小可能值,H是抛物面的高度,再是抛物面的开口半径R0的抛物面的任何一点的半径,r是距离内任意点旋转抛物面体积热源的热源中心,P是输出的激光功率和Z是在平面方向坐标,相对于板,模型中的任何一点。所使用的材料的热物理性能的文献[ 45 ] 在热分析过程中,对流边界条件适用于所有自由表面的模型,除了对称的平面,其中一个绝热边界条件。方程(4)给出了模拟中的热边界条件。
在这里,T和T0在板被焊接的表面温度和环境温度,分别。空气的对流换热系数,hconv被假定为15周长1.2米 [ 38 ]。
为了验证模拟结果,无论是实验测得的热循环和熔合区形态进行了比较与那些从模拟所产生的预测。连续测量整个焊接过程采用K型热电偶在激光焊接试样的热循环。一个squirrel-2040系列数据记录器,用于在焊接过程中的热历史记录。热电偶点焊在板的顶面,分别位于不同距离焊缝中心线,在垂直于焊接方向和一半沿焊缝长度的线,如图18。
基于峰值温度的空间分布,焊缝形貌和尺寸可以预测。的纯激光焊接模拟横截面如图19。如果假定聚变边界对应于约1500°C的温度,那么它可以看出,预测的融合边界是大致平行的板的厚度方向,和焊缝的半宽度约为1毫米。计算出的焊缝几何尺寸和尺寸与实验结果吻合较好。
图20给出了在试样顶部表面点焊的热电偶的位置计算的热循环,并与实验结果进行了比较。每个位置的峰值温度都很好。预测的冷却速度也似乎是合理的在离焊缝中心线的距离为2.5毫米,虽然预测值与实测值之间的冷却速率大于3毫米的距离的差异。似乎有低估的趋势,冷却速度。然而,当预测焊接温度场图19与图5相比较,这有一个很好的相关性计算和试验焊缝形状。4讨论
4.1。冶金不同分带的微观组织转变
热分析的结果进行了验证,发现与实验结果吻合良好。由此产生的预测模型,可以用来推断的微观结构,有可能产生的激光焊接过程中。预测的热循环的位置,通过板的厚度的一半,但在不同的距离,从焊缝中心线,如图21所示。点从焊缝中心线下降0毫米和0.5毫米的距离,融合区内,而点在1毫米约恰逢融合线,并在1.5毫米的距离点有望在热影响区,而分在2毫米和2.5毫米的预期一致与ICHAZ和基材,分别。所预测的峰值温度在毫米,0.5毫米,1毫米,1.5毫米,2毫米和2.5毫米,2100毫米,1900°,1300°,°,920°,700°,°C,分别为0毫米、毫米和570°C。这些点的温度超过1500 C ~°有望熔合区内,而在2.5毫米的距离(母材)无固态相变的发生,因为在这个位置的峰值温度低于Ac1温度(700°C)。
根据连续冷却转变(CCT)508钢[ 23 ]图,为形成马氏体临界冷却速度为900°C/min(15°C/S)。根据模拟结果,在900和420°C(马氏体开始温度)之间的温度范围内的平均冷却速率,在0毫米,0.5毫米和1.5毫米的焊缝中心线的位置是675°c++,608°C和246°C /秒,分别。这些冷却速度比马氏体形成的临界冷却速度快得多。这意味着,熔合区和热影响区几乎肯定会转变为马氏体。根据仿真结果,从焊缝中心线的距离为2毫米,最高温度约为700°C(即AC1温度)。这一地区可能会接近ICHAZ的外边界。在距离焊缝中心线下2毫米,气温将高于700°C,但低于800°C(Ac3温度)。本区(ICHAZ)只能部分转变为奥氏体的焊接热循环过程中的。在随后的快速冷却过程中,任何新产生的奥氏体将被淬火形成马氏体。当马氏体转变停止,在这个温度仍会ICHAZ足够高的马氏体自回火。然而,其他未转化的材料(即材料不发生奥氏体化)将被保留,这可能采取的形式的过度回火铁氧体或贝氏体。在ICHAZ的最终组织将可能包括贝氏体和马氏体的混合了回火马氏体,如图7所示
(一)。
在焊缝中心线的距离为1.5毫米,峰值温度约为920°,根据模拟结果。的距离为1.5毫米,约1.8毫米之间的峰值温度将下降920°C和800°这区域对应FGHAZ之间。在FGHAZ峰值温度略高于Ac3温度(800°C)。材料是完全重新奥氏体化在这一地区,但有限的奥氏体晶粒生长由于相对较低的峰值温度和时间很短的时间在这个温度范围[ 28 ]和[ 46 ]。在下面的快速冷却过程中,这种细粒度的奥氏体转变为马氏体,在冷却过程中会有一定的马氏体。在FGHAZ最终组织将马氏体混合一些汽车回火马氏体。的微观结构和晶粒尺寸可以看到在图7(乙)组织在熔合区和热影响区的每个子带的GTA焊接接头几乎相同的激光焊接接头对应的子区域。然而,有更多的回火马氏体在每个子区域,由于较高的热输入和较慢的冷却速率与GTA焊接和激光焊接相比。4.2不同子带力学性能与微观结构的关系
MS(马氏体开始)SA508钢温度大约是420°C和马氏体的临界冷却速率约为15°C/S [ 23 ]。该钢的温度相对较高,马氏体形成的临界冷却速度相对较低。这可能导致GTA焊接熔合区和热影响区转变为马氏体。冷却速率在激光焊接熔合区和热影响区经历了比马氏体转变的临界冷却速度高出约20至40倍。这样的结果是所有的熔合区和热影响区向马氏体转变。具有高硬度马氏体是在激光焊接熔合区和热影响区的产生,以及在焊接条件下,激光的熔合区和热影响区的显微硬度焊缝超过一倍,相比于基体材料。这也发生在手动自体GTA焊接接头。这表明,508钢的情况下预热,GTA焊接在硬化焊接接头激光焊接具有相同的效果。如图7所示,从粗晶区各子区的显微组织变化(热)为细晶区(FGHAZ)然后一部分奥氏体化区(ICHAZ)随着距离的增加从熔合线。晶粒尺寸的变化,因为在不同的子带的不同的热循环。在焊接条件下,在粗晶区和细晶区变化在410 HV0.3的硬度,这是约的基础材料,双(200 HV0.3),而在ICHAZ的显微硬度明显低于~ 300 HV0.3。钢的强度和硬度之间有一个大致的比例关系,具有更高强度的材料,尽管这并不总是这种情况。熔合区的优势和热影响区各子区主要由马氏体碳化物沉淀在这些子区域和精细的改进。硬度测试结果表明,焊缝金属的屈服强度可以等于甚至超过的热影响区。在焊接热影响区的亚区的显微硬度分布与焊后热处理之前,在热影响区的亚区的屈服强度一致,如Lee等人的工作报告。[ 12 ]在SA508钢。他们表明,屈服强度超过1100兆帕的粗晶区和细晶区,也是基料约双屈服强度(500 MPa),而ICHAZ的屈服强度约600 MPa [ 12 ]。由于在ICHAZ材料只有部分转化为马氏体,在焊接过程中及其他未转化的材料保留,对ICHAZ的屈服强度低于粗晶区和细晶区的材料完全转变为马氏体。此外,由于较高的热输入和较慢的冷却速率与GTA焊接和激光焊接相比,更是自回火马氏体在冷却过程中,使硬度在GTA焊接接头熔合区和热影响区低于激光焊接接头。当然,我们必须牢记,SA508钢会一直进行焊后热处理焊后和大多数,如果不是所有的相变硬化,将逆转。不过值得建立在何种程度上的钢可能脆化的激光焊接工艺,和脆化的潜力一般会在焊接条件下最大。
与焊接过程中的硬化导致的焊接拉伸试验样品的基础材料,没有任何损失的强度。此外,窄熔合区是激光焊接的典型特征。这两个因素将有助于在激光焊接试样的夏比冲击试验的困难,即裂纹偏离焊缝为基料,从而误导冲击韧性的结果。一种激光焊接的夏比冲击试样失败具有较低的能量吸收值(66 J)进行测试时,在?40°这可能由于启动从缺口和偏离到基体材料中裂纹的发生,然后继续通过热影响区传播。此试样的裂纹路径可以在图14中看到。基体材料可以吸收一定的能量,但脆性区可以吸收较少的能量在骨折。另一个激光焊接试样失效具有更低的能量吸收值45,测试时在20?°这可能是由于启动从缺口裂纹并扩展直接通过热影响区。断裂路径(通过HAZ)此标本图14中可以看出(D)。脆性区不能吸收太多的能量在断裂之前。然而,还有其他两个激光焊接试样的断裂具有更高的吸收能量(约100 J)在?40°C和?20°C,分别。这可能是由于从缺口开始的裂缝,然后直接传播的基础材料。这些激光焊接试样的吸收的能量被发现要比那些在相应的测试温度下的基材料的更高。这可能归因于裂纹的弯曲的传播路径,从而增加了该地区的断裂面相比,从基底材料中提取的试样,从而增加了吸收的能量。曲线的旅行路径可以在图14中看到(乙)和(2)。所有的标本中提取的基础材料断裂的方式,与缺口对准,与一个相对直的路径,如图14所示。5结论
从这项工作中可以得出以下结论:(1)
激光焊接过程中产生的可接受的焊缝焊接6毫米厚的钢板508在较宽的范围内的焊接参数。焊缝无宏观缺陷。(2)
在焊接条件下,在一个6毫米厚钢板的激光焊接SA508机械性能类似于自体GTA焊接性能。焊缝拉伸试样断裂在母材远离焊接区。(3)
吸收能量的融合区的激光焊接被认为是比母材,基于子尺寸夏比冲击试样。(4)
为激光和GTA焊接试样在熔合区和热影响区的硬度,在焊接条件下,约为基体材料的双,为激光焊接稍高的测量值(~ 430 HV0.3)比GTA焊接(~ 410 HV0.3)。(5)
有限元模型的建立,在激光焊接过程中的冷却速率的情况下预热的20和40倍以上的马氏体形成的临界冷却速度。这表明,马氏体组织几乎总是在SA508钢作为激光焊接的后果。这些研究结果证实了实验工作,其中在激光熔合区和热影响区焊接焊接头的组织被发现包括马氏体混合一些自回火马氏体。(6)
而这些初步结果是令人鼓舞的,现在需要进一步的工作来评估在焊后热处理条件对SA508钢激光焊接性能,而且同样重要的是,这项工作扩展到评估在材料厚截面焊接接头激光性能。
参考文献
奥登《热冲压建模与仿真》(博士学位论文)吕勒奥理工大学(2006)
J.F.布雷迪,伦茨,美国所言,R.劳伦斯五《量身定制的性能,热成型的一个关键问题》 M.奥尔登堡,(主编),《第三届国际热金属片高性能钢形成诉讼》,卡塞尔(2011),页13–20施普林格出版社,柏林/海德堡/纽约(2002)贝谢,2003《钢–显微测定表观粒度》(2003)贝伦斯等,2012G.伯格曼,M.奥尔登堡
《由薄板淬火模拟热材料模型的验证热应力》(1997),页679–695 伯格曼和奥尔登堡,2004 《金属板材成形热机械分析的有限元模型》,59(2004),页1167–1186 ·乔治
《热点一个量身定制的性能–实验和建模实验室规模的B柱成形》 ·奥尔登堡(主编),《国际会议上的热金属片高性能钢》,奥尔巴赫(2011),页31–37 《有限元模拟DES》北德宝马集团,给姆比(主编),11。LS-DYNA论坛,乌尔姆,德国(2012),页84–86 M.默克莱因(主编),7。厄兰格车间埃朗根(2012),页133–151 《间接热冲压过程的相变动力学建模》 M.默克莱因,F.micari(主编),主题:钣金2013重要的工程材料,549卷(2013),页108–116瑞士
(博士学位论文)苏黎世联邦理工大学,苏黎世,瑞士(2012)侯德群,1938 A.侯德群
讨论“淬”冯射频研究物理。合金钢的淬透性(1938),页55–56施韦特费格,K.铁和铁碳合金的热力学性质:密度、热收缩 钢铁研究,62(1991),页24–33 《热冲压的回顾》J.S.柯卡尔迪,1997 《在低合金钢组织和淬透性预测》巴刻德斯坦(主编),对铁合金的相变国际会议(1983),页125–148 马尔堡,1959马伯格,R.E.《纯铁-碳合金和普通碳钢的奥氏体-马氏体相变的一般方程》金属学报,7(1959),页59–60 李等,2010 C.J.范泰恩
《端淬1045钢奥氏体分解动力学模型》工程,527(2010),页3186–3194 李等,1998 李红五,D.尼布尔,《一种钢的淬透性预测的计算模》1998),页661–672
第五篇:人工智能与专家系统课程设计解读
目录
1.设计任务 1.1 设计题目 1.2设计要求 1.3设计任务 2.方案设计 2.1原理
2.2 具体设计方法 3.系统实施
3.1 系统开发环境 3.2系统主要功能介绍 3.3处理流程图 3.4 核心源程序 3.5系统运行结果 4.开发心得
4.1设计存在的问题
4.2进一步改进提高的设想 4.3经验和体会 5.参考文献 1.设计任务 1.1 设计题目
在一个3*3的方棋盘上放置着1,2,3,4,5,6,7,8八个数码,每个数码占一格,且有一个空格。这些数码可以在棋盘上移动,该问题称八数码难题或者重排九宫问题。
1.2 设计要求
其移动规则是:与空格相邻的数码方格可以移入空格。现在的问题是:对于指定的初始棋局和目标棋局,给出数码的移动序列。
1.3 设计任务
利用人工智能的图搜索技术进行搜索,解决八数码问题来提高在推理中的水平,同时进行新方法的探讨。
2.方案设计 2.1 原理
八数码问题是个典型的状态图搜索问题。搜索方式有两种基本的方式,即树式搜索和线式搜索。搜索策略大体有盲目搜索和启发式搜索两大类。盲目搜索就是无“向导”的搜索,启发式搜索就是有“向导”的搜索。
2.2 具体设计方法
启发式搜索
由于时间和空间资源的限制,穷举法只能解决一些状态空间很小的简单问题,而对于那些大状态空间的问题,穷举法就不能胜任,往往会导致“组合爆炸”。所以引入启发式搜索策略。启发式搜索就是利用启发性信息进行制导的搜索。它有利于快速找到问题的解。由八数码问题的部分状态图可以看出,从初始节点开始,在通向目标节点的路径上,各节点的数码格局同目标节点相比较,其数码不同的位置个数在逐渐减少,最后为零。所以,这个数码不同的位置个数便是标志一个节点到目标节点距离远近的一个启发性信息,利用这个信息就可以指导搜索。即可以利用启发信息来扩展节点的选择,减少搜索范围,提高搜索速度。
启发函数设定。对于八数码问题,可以利用棋局差距作为一个度量。搜索过程中,差距会逐渐减少,最终为零,为零即搜索完成,得到目标棋局。
3.系统实施
3.1 系统开发环境
Windows操作系统、SQL Server 200X
3.2 系统主要功能介绍
该搜索为一个搜索树。为了简化问题,搜索树节点设计如下: struct Chess//棋盘
3.4 核心源程序
#include “stdio.h” #include “stdlib.h” #include “time.h” #include “string.h” #include
const int N=3;//3*3棋盘
const int Max_Step=30;//最大搜索深度
enum Direction{None,Up,Down,Left,Right};//方向 struct Chess//棋盘 { int cell[N][N];//数码数组
int Value;//评估值
Direction BelockDirec;//所屏蔽方向
struct Chess * Parent;//父节点 };
//打印棋盘
void PrintChess(struct Chess *TheChess){ printf(“----------n”);for(int i=0;i printf(“t”); for(int j=0;j { printf(“%dt”,TheChess->cell[i][j]); } printf(“n”);} printf(“tttt差距:%dn”,TheChess->Value);} break;case Left: t_j++; if(t_j>=N) AbleMove=false; break;case Right: t_j--; if(t_j<0) AbleMove=false; break;};if(!AbleMove)//不可以移动则返回原节点 { return TheChess;} if(CreateNewChess){ NewChess=new Chess(); for(int x=0;x { for(int y=0;y NewChess->cell[x][y]=TheChess->cell[x][y]; } } else NewChess=TheChess;NewChess->cell[i][j]=NewChess->cell[t_i][t_j];NewChess->cell[t_i][t_j]=0; return NewChess;} //初始化一个初始棋盘 struct Chess * RandomChess(const struct Chess * TheChess) p=NULL;queue do{ p1=(struct Chess *)Queue1.front(); Queue1.pop(); for(int i=1;i<=4;i++)//分别从四个方向推导出新子节点 { Direction Direct=(Direction)i; if(Direct==p1->BelockDirec)//跳过屏蔽方向 continue; p2=MoveChess(p1,Direct,true);//移动数码 if(p2!=p1)//数码是否可以移动 { Appraisal(p2,Target);//对新节点估价 if(p2->Value<=p1->Value)//是否为优越节点 { p2->Parent=p1; switch(Direct)//设置屏蔽方向,防止往回推 { case Up:p2->BelockDirec=Down;break; case Down:p2->BelockDirec=Up;break; case Left:p2->BelockDirec=Right;break; case Right:p2->BelockDirec=Left;break; } Queue1.push(p2);//存储节点到待处理队列 if(p2->Value==0)//为0则,搜索完成{ p=p2; i=5; } } else { //打印 if(T){ /*把路径倒序*/ Chess *p=T; stack while(p->Parent!=NULL) { Stack1.push(p); p=p->Parent; } printf(“搜索结果:n”); while(!Stack1.empty()) { PrintChess(Stack1.top()); Stack1.pop(); } printf(“n完成!”);}else printf(“搜索不到结果.深度为%dn”,Max_Step); scanf(“%d”,T);} 3.5 系统运行结果 4.开发心得 4.1 设计存在的问题 完全能解决简单的八数码问题,但对于复杂的八数码问题还是无能为力。4.2 进一步改进提高的设想 可以改变数码规模(N),来扩展成N*N的棋盘,即扩展为N数码问题的求解过程。 2、内存泄漏。由于采用倒链表的搜索树结 05.参考文献 [1]王汝传.计算机图形学[M].北京:人民邮电出版社,1999:123-130.[2]刘榴娣,刘明奇,党长民.实用数字图像处理[M].北京:北京理工大学出版,2000:12-25..[3]丁兆海.Delphi基础教程[M].北京:电子工业出版社,1999.[4]王小华.Delphi 5程序设计与控件参考[M].北京:电子工业出版社,1999:70-120.[5]赵子江.多媒体技术基础[M].北京:机械工业出版社,2001:118-130.[6]段来盛,郑城荣,曹恒.Delphi实战演练[M].北京:人民邮政出版社,2002:80-95. 读书的好处 1、行万里路,读万卷书。 2、书山有路勤为径,学海无涯苦作舟。 3、读书破万卷,下笔如有神。 4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文 5、少壮不努力,老大徒悲伤。 6、黑发不知勤学早,白首方悔读书迟。——颜真卿 7、宝剑锋从磨砺出,梅花香自苦寒来。 8、读书要三到:心到、眼到、口到 9、玉不琢、不成器,人不学、不知义。 10、一日无书,百事荒废。——陈寿 11、书是人类进步的阶梯。 12、一日不读口生,一日不写手生。 13、我扑在书上,就像饥饿的人扑在面包上。——高尔基 14、书到用时方恨少、事非经过不知难。——陆游 15、读一本好书,就如同和一个高尚的人在交谈——歌德 16、读一切好书,就是和许多高尚的人谈话。——笛卡儿 17、学习永远不晚。——高尔基 18、少而好学,如日出之阳;壮而好学,如日中之光;志而好学,如炳烛之光。——刘向 19、学而不思则惘,思而不学则殆。——孔子 20、读书给人以快乐、给人以光彩、给人以才干。——培根