1.一种挤压铸造工艺参数的案例推理设计方法，其特征在于，所述方法包括如下步骤：步骤1：根据挤压铸造工艺数据的特点，对挤压铸造工艺数据的案例库进行问题识别和知识表示，并根据待设计的工艺参数确定其影响因素；

步骤2：通过挤压铸造工艺数据的特点，将连续数据离散化，搜索工艺参数的马尔可夫毯，构建工艺影响因素与工艺参数之间的不确定性网络结构，即马尔可夫毯结构，完成对工艺影响因素的约简，为去除冗余属性；

步骤3：基于信息熵计算工艺影响因素的权值，根据工艺参数与工艺影响因素之间的马尔可夫毯结构对权值进行优化；

步骤4：基于案例间的相似度，将最相似案例的工艺参数值作为推荐值；

步骤5：将预测的工艺参数值及其工艺影响因素存入案例库中作为新的案例。

2.根据权利要求1所述的一种挤压铸造工艺参数的案例推理设计方法，其特征在于：步骤1中的具体过程为，挤压铸造的工艺参数受铸件材料成分及其几何形状的影响，同时也受挤压铸造方式，即为直接挤压铸造和间接挤压铸造的影响，当采用直接挤压铸造且形状简单壁厚度厚时，采用较低的浇注温度，挤压压力会影响挤压铸件凝固时间，进而影响保压时间，以材料成分为主，铸件的材料成分、几何形状和挤压铸造方式共同构成了挤压铸造工艺参数设计的案例情景，与工艺参数一起共同构成案例特征，收集的挤压铸造的工艺数据集包含工艺参数变量、材料成分和铸件性能参数数据，直接将基于工艺参数案例特征相关的规范收集的挤压铸造工艺数据作为案例集，设定挤压铸造工艺数据案例通过三部分来描述：案例编号，工艺参数和工艺影响因素，工艺参数包括温度参数、压力参数、时间参数和速度参数，温度参数包括浇注温度和模具预热温度，工艺影响因素包括材料成分、铸造方式、形状复杂度、壁厚和等效厚度，工艺参数为连续变量，材料设定通过材料成分数值来描述，铸造方式用0、1分别代表直接和间接挤压铸造，铸件形状根据铸件的结构形状复杂度等级来描述；

令case＝(Si，Xk，Yj)表示挤压铸造工艺数据案例集，其中S表示案例编号Si＝{S1，S2，...，Sm}(i＝1，2，...，m)，m表示案例的个数；X表示工艺影响因素Xk＝{X1，X2，...，Xt}，(k＝1，2，...，t)，t表示工艺影响因素的个数；Y表示工艺参数集Yj＝{Y1，Y2，...，Yn}(j＝1，

2，...，n)，n表示工艺参数的个数。

3.根据权利要求1所述的一种挤压铸造工艺参数的案例推理设计方法，其特征在于：步骤2的具体过程为，挤压铸造工艺数据案例case＝(Si，Xk，Yj)中各个变量之间的关系全部或部分未知，通过获取其马尔可夫毯，可以剔除冗余因素，得到工艺参数Yj的λj(λj

2

(2)利用G条件独立性测试去除与待预测工艺参数Yj无信息传递的工艺影响因素；

(3)根据马尔可夫毯的定义，搜索待预测工艺参数Yj的马尔可夫毯集；根据Yj的马尔可夫毯集中的V结构，得到待预测工艺参数Yj马尔可夫毯集中的指向关系，设X1是Y1的马尔可夫毯集中的父子节点，Y1是X2马尔可夫毯的父子节点，X1不是X2的父子节点，且在Y1与X1、X2的所有条件集的并集下X1、X2相互独立，那么在Y1的马尔可夫毯中存在X1→Y1←X2的指向结构；

(4)得到待预测工艺参数Yj的马尔可夫毯，输出结构图。

4.根据权利要求3所述的一种挤压铸造工艺参数的案例推理设计方法，其特征在于，利2

用G条件独立性测试去除与待预测工艺参数Yj无信息传递的工艺影响因素的过程为：挤压铸造工艺数据中存在离散数据和连续数据，首先采用Canopy K‑means算法对挤压铸造中的连续数据进行离散化；

(i) (i)

对case＝(Si，Xk，Yj)，设定都已离散化，令vk 表示离散变量Xk＝xik的次数，vj 表示Yj＝yij的次数，若Xk与Yj无条件相互独立，则随机变量XkYj的期望值为：令{case‑Yj‑Xk}为它们的条件集，表示为Cu，且Cu＝{ciu}，若Xk与Yj在Cu下条件独立，则随机变量XkYjCu的期望值为：(i) (i) (i)

式中：vu 为Cu＝ciu的次数，vku 为case中Xk＝xik同时Cu＝ciu的次数，vju 为case中Yj＝yij同时Cu＝ciu的次数；

构造两个离散变量的卡方统计量

该卡方统计量服从自由度为f：

f＝(rk‑1)(rj‑1)    (4)

式中：rk为Xk可能取值的类别，rj为Yj可能取值的类别，如X1表示铸造方式，X1可能的取值为0或1，分别表示直接挤压铸造和间接挤压铸造，则rk＝2；

通过卡方统计量和自由度f，对应卡方值下的p值查表，若p值小于显著性水平，则两个离散变量相互独立；

2 2

构造条件独立性G统计量来检验Xk与Yj在Cu下条件独立性，若G统计量的值大于给定自2

由度f下的卡方值，则p值小于显著性水平，表示Xk与Yj条件独立，条件独立性测试G统计量为：代入式(2)，则式(5)为：

根据式(4)，条件独立性测试下的自由度为：

式中：ru为Cu可能取值的类别，|Cu|为Cu中变量的个数，即Cu的维度。

5.根据权利要求4所述的一种挤压铸造工艺参数的案例推理设计方法，其特征在于：采用Canopy K‑means算法对挤压铸造中的连续数据进行离散化的具体过程为，(1)使用K‑fold cross validation算法交叉验证确定Canopy算法的超参数T1，T2；

(2)使用Canopy算法进行多次聚类迭代，输出聚类中心的个数的集合{K}，和多个聚类中心集，选择轮廓系数最接近于1的聚类个数Koptimum和聚类中心；

(3)使用K‑means算法，将Koptimum个聚类中心点作为初始中心点进行聚类，对输入的各变量的离散数据进行聚类完成数据的转化。

6.根据权利要求1所述的一种挤压铸造工艺参数的案例推理设计方法，其特征在于，步骤3的具体过程为，待预测工艺参数的工艺影响因素的权重将直接影响案例推理的准确性，由于案例为数据集，故基于数据及待预测工艺参数的马尔可夫毯，采用信息熵对该特定工艺参数的影响因素进行赋权，方法如下：对连续取值的数据，挖掘待预测工艺参数Yj与工艺影响因素Xk之间的关系，将已有的工艺参数与其约简后的影响因素组成一个新的矩阵V*：采用极差化法将V*标准化， 进行归一化处理 对于取离散

值的工艺数据，令

案例中第k个影响因素的信息熵定义为：

基于马尔可夫毯对待预测工艺参数Yj的工艺影响因素约简后，得到Yj的λj个工艺影响因素 权重需要根据Xη与λj‑1个工艺影响因素之间存在信息传递调整，则设定工艺影响因素Xη对工艺参数Yj的影响权重为：

式中：α为工艺影响因素之间的依赖或独立关系，即 主要存在3种情形，分别为：

(a)工艺影响因素Xη之间相互独立，α＝0；

(b)工艺影响因素Xη与存在信息传递的影响因素之间的关系为：Xη→{X1，X2，...，Xλj‑1}，则α＝‑1；

(c)工艺影响因素Xη与存在信息传递的影响因素之间的关系为：Xη←{X1，X2，...，Xλj‑1}，则α＝1。

7.根据权利要求1所述的一种挤压铸造工艺参数的案例推理设计方法，其特征在于，步骤4的具体过程为，采用最近邻策略计算案例的相似度，目标案例Sl与源案例Si的相似度计算公式为：然后将与目标案例相似度得分最高的源案例的结果赋与目标案例，实现新铸件挤压铸造工艺参数的设计。