不確定條件下復(fù)雜產(chǎn)品性能增強(qiáng)設(shè)計(jì)理論、方法及其應(yīng)用研究.pdf

1、針對(duì)復(fù)雜產(chǎn)品設(shè)計(jì)具有層次性、耦合性、模糊性、迭代性、認(rèn)知性等固有特點(diǎn)，將性能設(shè)計(jì)與復(fù)雜產(chǎn)品設(shè)計(jì)過(guò)程進(jìn)行融合，系統(tǒng)性地提出了不確定條件下復(fù)雜產(chǎn)品性能增強(qiáng)設(shè)計(jì)理論和方法，對(duì)期望性能辨識(shí)、行為性能均衡、結(jié)構(gòu)性能適配以及預(yù)測(cè)性能評(píng)估等關(guān)鍵技術(shù)進(jìn)行了深入研究，并根據(jù)研究成果開(kāi)發(fā)了復(fù)雜產(chǎn)品性能設(shè)計(jì)系統(tǒng)集成平臺(tái)并實(shí)際工程應(yīng)用，取得了良好的成果，驗(yàn)證了本文方法的有效性與可行性。
　　本文的研究?jī)?nèi)容主要包括:
　　第一章概述了復(fù)雜產(chǎn)品性能設(shè)計(jì)

2、的內(nèi)涵理解及其相關(guān)技術(shù)的研究現(xiàn)狀，并討論了產(chǎn)品性能增強(qiáng)設(shè)計(jì)與不確定設(shè)計(jì)的研究現(xiàn)狀，提出了不確定條件下復(fù)雜產(chǎn)品性能增強(qiáng)設(shè)計(jì)理論及方法，同時(shí)闡述了本文的研究?jī)?nèi)容和總體結(jié)構(gòu)框架。
　　第二章提出了基于狀態(tài)感知的產(chǎn)品期望性能解析辨識(shí)技術(shù)。根據(jù)性能在產(chǎn)品全生命周期逐層演化的特點(diǎn)，構(gòu)建了期望性能閉環(huán)解析的機(jī)理模型;提出了不確定條件下期望性能正向遞推解析與狀態(tài)感知反饋的期望性能反向計(jì)算方法，并采用模糊積分對(duì)意圖重要度函數(shù)進(jìn)行補(bǔ)償修正，實(shí)現(xiàn)了需求

3、域與過(guò)程域影響下的性能重要度非線性融合辨識(shí)及度量。
　　第三章提出了基于解耦計(jì)算的產(chǎn)品行為性能均衡求解技術(shù)?；谀：淮_定的產(chǎn)品行為關(guān)聯(lián)準(zhǔn)則數(shù)據(jù)，對(duì)產(chǎn)品構(gòu)型的耦合強(qiáng)度進(jìn)行計(jì)算;采用設(shè)計(jì)結(jié)構(gòu)矩陣聚類(lèi)對(duì)產(chǎn)品進(jìn)行初次解耦規(guī)劃并計(jì)算解的行為單元性能指數(shù);以初次解耦行為單元為基礎(chǔ)，構(gòu)建了以質(zhì)量穩(wěn)定性、維修成本與系統(tǒng)可用性為目標(biāo)以及相關(guān)閾值為約束的行為性能模型;提出了基于隨機(jī)搜索的離散粒子群算法對(duì)性能模型進(jìn)行多目標(biāo)優(yōu)化求解，并采用熵權(quán)理想點(diǎn)排

4、序法識(shí)別最優(yōu)結(jié)果，從而獲得性能均衡的單元方案。
　　第四章提出了基于約束傳遞的產(chǎn)品結(jié)構(gòu)性能模糊適配技術(shù)。首先對(duì)結(jié)構(gòu)性能的約束信息空間進(jìn)行約簡(jiǎn)并以隸屬度的方式對(duì)約束空間中的信息進(jìn)行一致性轉(zhuǎn)換;以關(guān)聯(lián)相似度為依據(jù)，提出了面向約束處理的二次過(guò)濾技術(shù)，實(shí)現(xiàn)性能約束驅(qū)動(dòng)下的功能域到結(jié)構(gòu)域的關(guān)聯(lián)映射;構(gòu)建了以成本、質(zhì)量與物理相容性為目標(biāo)及相關(guān)閾值為約束的數(shù)學(xué)模型，提出了基于約束水平的離散差分進(jìn)化算法對(duì)帶約束的性能適配過(guò)程進(jìn)行多目標(biāo)優(yōu)化，同時(shí)采

5、用一種約束滿(mǎn)足偏差最小的方案決策方法選取結(jié)構(gòu)性能最優(yōu)的適配結(jié)果。
　　第五章提出了魯棒學(xué)習(xí)的產(chǎn)品預(yù)測(cè)性能可信評(píng)估技術(shù)。首先對(duì)樣本輸入數(shù)據(jù)進(jìn)行預(yù)處理，采用互信息估計(jì)對(duì)設(shè)計(jì)變量進(jìn)行篩選以降低預(yù)測(cè)模型的規(guī)模，采用k最近鄰法對(duì)數(shù)據(jù)樣本的異常點(diǎn)進(jìn)行識(shí)別以提高其精度;對(duì)隱式的性能參數(shù)—設(shè)計(jì)變量響應(yīng)模型進(jìn)行回歸擬合獲得穩(wěn)健的性能校核預(yù)測(cè)模型;提出基于Bootstrap統(tǒng)計(jì)推斷的性能可信度分析方法，實(shí)現(xiàn)了預(yù)測(cè)結(jié)果對(duì)數(shù)據(jù)不確定性的處理，并通過(guò)靈敏度