面向可拓實(shí)例推理的產(chǎn)品設(shè)計(jì)演化方法.pdf

1、當(dāng)前產(chǎn)品更新日新月異，市場(chǎng)競(jìng)爭(zhēng)日益激烈，為迎合客戶(hù)需求，制造企業(yè)必須對(duì)產(chǎn)品進(jìn)行不斷地創(chuàng)新，而掌握一種產(chǎn)品設(shè)計(jì)演化方法能夠讓企業(yè)準(zhǔn)確把握市場(chǎng)方向，同時(shí)也能夠加快企業(yè)的產(chǎn)品創(chuàng)新設(shè)計(jì)?？赏貙?shí)例推理技術(shù)正是一種比較成熟的產(chǎn)品設(shè)計(jì)演化方法，它利用以前的設(shè)計(jì)知識(shí)來(lái)解決當(dāng)前產(chǎn)品設(shè)計(jì)中遇到的問(wèn)題，是一種基于先前實(shí)例的設(shè)計(jì)方法?？赏貙?shí)例推理的主要環(huán)節(jié)包含實(shí)例表達(dá)、實(shí)例匹配、實(shí)例修改和實(shí)例評(píng)價(jià)，本文在此基礎(chǔ)上增加一個(gè)實(shí)例分類(lèi)環(huán)節(jié)，并將多維關(guān)聯(lián)函數(shù)應(yīng)用于實(shí)例

2、匹配當(dāng)中，主要工作包含以下內(nèi)容:
　　實(shí)例表達(dá)與實(shí)例匹配是產(chǎn)品設(shè)計(jì)演化的基礎(chǔ)，本文首先利用可拓基元構(gòu)建產(chǎn)品實(shí)例與客戶(hù)需求信息模型，并根據(jù)客戶(hù)需求計(jì)算產(chǎn)品屬性最優(yōu)值與可拓域。其次，針對(duì)多屬性產(chǎn)品設(shè)計(jì)的實(shí)例匹配過(guò)程，提出一種基于多維關(guān)聯(lián)函數(shù)的匹配算法，通過(guò)對(duì)二維與三維關(guān)聯(lián)函數(shù)計(jì)算方法的總結(jié)，構(gòu)建了多維關(guān)聯(lián)函數(shù)的數(shù)學(xué)模型，并在此基礎(chǔ)上，計(jì)算得到產(chǎn)品實(shí)例的相似度值。最后，通過(guò)實(shí)例應(yīng)用和算法對(duì)比分析，驗(yàn)證了此算法的可靠性與正確性。
　

3、　為使產(chǎn)品設(shè)計(jì)演化效率更高，演化對(duì)象更具體，提出一種基于BP神經(jīng)網(wǎng)絡(luò)的產(chǎn)品實(shí)例分類(lèi)算法。根據(jù)產(chǎn)品分類(lèi)特點(diǎn)，優(yōu)化BP神經(jīng)網(wǎng)絡(luò)誤差計(jì)算方法以改善收斂速度慢的問(wèn)題，并對(duì)其訓(xùn)練樣本進(jìn)行預(yù)處理以提高分類(lèi)的準(zhǔn)確率。最后以此BP神經(jīng)網(wǎng)絡(luò)為平臺(tái)，根據(jù)相似度值、不匹配屬性數(shù)量以及不匹配子特征屬性對(duì)產(chǎn)品實(shí)例進(jìn)行多層次分類(lèi)。
　　實(shí)例修改是產(chǎn)品設(shè)計(jì)演化的最終實(shí)現(xiàn)途徑，首先，構(gòu)建產(chǎn)品特征屬性與結(jié)構(gòu)之間的映射模型，通過(guò)映射模型推理得到相似實(shí)例不相容核問(wèn)題。