機(jī)械產(chǎn)品概念設(shè)計(jì)方案生成及評(píng)價(jià)方法研究.pdf

1、概念設(shè)計(jì)是產(chǎn)品設(shè)計(jì)過(guò)程的起點(diǎn)，也是產(chǎn)品創(chuàng)新的關(guān)鍵階段，它已成為產(chǎn)品開(kāi)發(fā)創(chuàng)新的核心環(huán)節(jié)，也是提高產(chǎn)品質(zhì)量、降低成本和增強(qiáng)企業(yè)競(jìng)爭(zhēng)力的主要手段。從概念設(shè)計(jì)的過(guò)程來(lái)看，機(jī)械產(chǎn)品概念設(shè)計(jì)主要包括概念設(shè)計(jì)方案生成和概念設(shè)計(jì)方案評(píng)價(jià)兩個(gè)主要階段。隨著對(duì)概念設(shè)計(jì)研究的深入，出現(xiàn)了一大批有關(guān)這兩個(gè)方面的解決技術(shù)和解決工具，但概念設(shè)計(jì)過(guò)程的智能化一直是制約其發(fā)展的瓶頸。近年來(lái)，計(jì)算智能等智能優(yōu)化技術(shù)得以長(zhǎng)足發(fā)展，為嘗試解決高度智能化、非線性的概念設(shè)計(jì)的方

2、案生成與評(píng)價(jià)等關(guān)鍵問(wèn)題奠定了理論基礎(chǔ)。 本文在前人工作的基礎(chǔ)上，從機(jī)械產(chǎn)品概念設(shè)計(jì)的一般過(guò)程出發(fā)，借助模糊邏輯、神經(jīng)網(wǎng)絡(luò)和遺傳算法等計(jì)算智能技術(shù)及物理規(guī)劃等智能優(yōu)化技術(shù)對(duì)概念設(shè)計(jì)的方案生成，尤其是對(duì)不同條件下的概念設(shè)計(jì)方案評(píng)價(jià)方法進(jìn)行了深入的研究，主要內(nèi)容如下： (1)對(duì)機(jī)械產(chǎn)品概念設(shè)計(jì)方案生成技術(shù)進(jìn)行了研究。針對(duì)簡(jiǎn)單遺傳算法收斂速度慢且容易陷入局部收斂等問(wèn)題，根據(jù)已有文獻(xiàn)研究，提出了一種改進(jìn)的自適應(yīng)遺傳算法。在機(jī)械產(chǎn)品

3、功能分析及原理方案組合形態(tài)學(xué)矩陣的基礎(chǔ)上，構(gòu)建基于改進(jìn)的自適應(yīng)遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的概念設(shè)計(jì)方案生成的混合優(yōu)化模型，用改進(jìn)的自適應(yīng)遺傳算法進(jìn)行設(shè)計(jì)空間內(nèi)解的搜索，并用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)改進(jìn)遺傳算法中解群體的適應(yīng)度評(píng)價(jià)，從而避免傳統(tǒng)形態(tài)學(xué)綜合過(guò)程的組合爆炸和知識(shí)表達(dá)求解過(guò)程困難的問(wèn)題。 (2)對(duì)評(píng)價(jià)指標(biāo)可以量化時(shí)的概念設(shè)計(jì)方案評(píng)價(jià)和決策問(wèn)題進(jìn)行了研究和探討。針對(duì)傳統(tǒng)決策矩陣法中權(quán)值確定的主觀性缺陷，采用Messac教授提出的線性物

4、理規(guī)劃多屬性評(píng)價(jià)模型對(duì)評(píng)價(jià)指標(biāo)可以量化時(shí)的概念設(shè)計(jì)方案進(jìn)行評(píng)價(jià)和決策，在給定各設(shè)計(jì)目標(biāo)滿(mǎn)意程度區(qū)間的基礎(chǔ)上，綜合目標(biāo)函數(shù)中使用的權(quán)值及各方案的總評(píng)價(jià)值由線性物理規(guī)劃決策模型自動(dòng)計(jì)算。 (3)對(duì)評(píng)價(jià)指標(biāo)無(wú)法量化時(shí)的的概念設(shè)計(jì)方案評(píng)價(jià)和決策問(wèn)題進(jìn)行了研究。針對(duì)概念設(shè)計(jì)過(guò)程信息的不完全、不確定及不精確等特點(diǎn)，提出了一種基于RAOGA的模糊神經(jīng)網(wǎng)絡(luò)模型對(duì)評(píng)價(jià)指標(biāo)值無(wú)法量化時(shí)的概念設(shè)計(jì)方案進(jìn)行評(píng)價(jià)和決策。模糊神經(jīng)網(wǎng)絡(luò)模型運(yùn)用前饋神經(jīng)網(wǎng)絡(luò)構(gòu)

5、造網(wǎng)絡(luò)結(jié)構(gòu)，利用基于RAOGA的模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法來(lái)確定神經(jīng)網(wǎng)絡(luò)的連接權(quán)值和閾值。模糊神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型根據(jù)模糊集理論對(duì)評(píng)價(jià)指標(biāo)進(jìn)行模糊化處理，然后按照一定的推理規(guī)則進(jìn)行模糊決策。 (4)對(duì)評(píng)價(jià)指標(biāo)眾多，而且評(píng)價(jià)指標(biāo)間具有層次結(jié)構(gòu)的概念設(shè)計(jì)方案評(píng)價(jià)和決策問(wèn)題進(jìn)行了研究。分析了基于線性物理規(guī)劃的多屬性評(píng)價(jià)模型和基于RAOGA的模糊神經(jīng)網(wǎng)絡(luò)方案評(píng)價(jià)模型在處理評(píng)價(jià)指標(biāo)具有層次結(jié)構(gòu)的評(píng)價(jià)問(wèn)題方面的不足。在Vanegas和Labib工作的

6、基礎(chǔ)上，提出了一種基于NFWA和模糊折衷決策方法的多級(jí)方案評(píng)價(jià)模型，運(yùn)用基于模糊Delphi法的群組層次分析法來(lái)確定各評(píng)價(jià)指標(biāo)權(quán)重的模糊數(shù)，并運(yùn)用NFWA方法和模糊折衷決策方法對(duì)評(píng)價(jià)指標(biāo)具有分級(jí)層次結(jié)構(gòu)的復(fù)雜概念設(shè)計(jì)問(wèn)題進(jìn)行有效評(píng)價(jià)和決策。評(píng)價(jià)模型中，模糊Delphi層次分析法的使用可保證更好地將多個(gè)專(zhuān)家知識(shí)反映到?jīng)Q策過(guò)程中，使決策過(guò)程更加符合實(shí)際；模糊折衷決策方法通過(guò)計(jì)算各方案與模糊理想解之間的相對(duì)貼近度，可有效提高評(píng)價(jià)模型對(duì)方案優(yōu)劣