机械产品概念设计方案生成及评价方法研究

论文摘要

概念设计是产品设计过程的起点,也是产品创新的关键阶段,它已成为产品开发创新的核心环节,也是提高产品质量、降低成本和增强企业竞争力的主要手段。从概念设计的过程来看,机械产品概念设计主要包括概念设计方案生成和概念设计方案评价两个主要阶段。随着对概念设计研究的深入,出现了一大批有关这两个方面的解决技术和解决工具,但概念设计过程的智能化一直是制约其发展的瓶颈。近年来,计算智能等智能优化技术得以长足发展,为尝试解决高度智能化、非线性的概念设计的方案生成与评价等关键问题奠定了理论基础。 本文在前人工作的基础上,从机械产品概念设计的一般过程出发,借助模糊逻辑、神经网络和遗传算法等计算智能技术及物理规划等智能优化技术对概念设计的方案生成,尤其是对不同条件下的概念设计方案评价方法进行了深入的研究,主要内容如下: (1)对机械产品概念设计方案生成技术进行了研究。针对简单遗传算法收敛速度慢且容易陷入局部收敛等问题,根据已有文献研究,提出了一种改进的自适应遗传算法。在机械产品功能分析及原理方案组合形态学矩阵的基础上,构建基于改进的自适应遗传算法和BP神经网络的概念设计方案生成的混合优化模型,用改进的自适应遗传算法进行设计空间内解的搜索,并用BP神经网络实现改进遗传算法中解群体的适应度评价,从而避免传统形态学综合过程的组合爆炸和知识表达求解过程困难的问题。 (2)对评价指标可以量化时的概念设计方案评价和决策问题进行了研究和探讨。针对传统决策矩阵法中权值确定的主观性缺陷,采用Messac教授提出的线性物理规划多属性评价模型对评价指标可以量化时的概念设计方案进行评价和决策,在给定各设计目标满意程度区间的基础上,综合目标函数中使用的权值及各方案的总评价值由线性物理规划决策模型自动计算。 (3)对评价指标无法量化时的的概念设计方案评价和决策问题进行了研究。针对概念设计过程信息的不完全、不确定及不精确等特点,提出了一种基于RAOGA的模糊神经网络模型对评价指标值无法量化时的概念设计方案进行评价和决策。模糊神经网络模型运用前馈神经网络构造网络结构,利用基于RAOGA的模糊神经网络训练算法来确定神经网络的连接权值和阈值。模糊神经网络评价模型根据模糊集理论对评价指标进行模糊化处理,然后按照一定的推理规则进行模糊决策。 (4)对评价指标众多,而且评价指标间具有层次结构的概念设计方案评价和决策问题进行了研究。分析了基于线性物理规划的多属性评价模型和基于RAOGA的模糊神

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 概念设计
• 1.1.1 概念设计的定义
• 1.1.2 概念设计的特点
• 1.2 机械产品概念设计的研究现状
• 1.2.1 概念设计方案生成
• 1.2.2 概念设计方案评价
• 1.3 课题的选题依据、来源及意义
• 1.3.1 选题的科学依据
• 1.3.2 课题的来源
• 1.3.3 课题的研究意义
• 1.4 论文的主要内容及总体结构
• 1.4.1 论文的主要研究工作
• 1.4.2 论文的总体结构
• 1.5 本章小结
• 2 概念设计与计算智能技术
• 2.1 概念设计过程
• 2.1.1 概念设计的一般过程
• 2.1.2 概念设计过程的实现机理
• 2.2 计算智能技术
• 2.2.1 模糊集的基本理论
• 2.2.2 神经网络
• 2.2.3 遗传算法
• 2.3 本章小结
• 3 概念设计方案生成的混合优化模型
• 3.1 概念设计的形态综合法
• 3.2 概念设计方案生成的混合优化模型
• 3.2.1 改进的自适应遗传算法
• 3.2.2 神经网络适应度评价
• 3.2.3 混合优化模型的实现
• 3.3 设计实例一：镗孔夹具的概念设计
• 3.3.1 设计要求
• 3.3.2 机床夹具系统的功能分析
• 3.3.3 形态学矩阵构造
• 3.3.4 设计方案求解过程
• 3.4 设计实例二：起重机起升机构的概念设计
• 3.4.1 设计要求
• 3.4.2 功能分析
• 3.4.3 形态学矩阵构造
• 3.4.4 设计方案求解
• 3.5 本章小结
• 4 基于线性物理规划的多属性方案评价模型
• 4.1 物理规划
• 4.1.1 偏好函数
• 4.1.2 OVO准则
• 4.1.3 偏好函数的构造
• 4.1.4 物理规划的数学模型及实施步骤
• 4.1.5 物理规划的特点
• 4.2 线性物理规划
• 4.3 基于线性物理规划的方案评价和决策模型
• 4.3.1 模型描述
• 4.3.2 方案评价和决策的实现
• 4.4 应用实例
• 4.4.1 实例一
• 4.4.2 实例二
• 4.5 本章小结
• 5 基于RAOGA的模糊神经网络方案评价模型
• 5.1 模糊神经网络
• 5.1.1 模糊神经网络简介
• 5.1.2 用模糊神经网络进行方案评价的可行性分析
• 5.2 方案评价的模糊神经网络模型
• 5.2.1 评价模型结构
• 5.2.2 模糊数的运算和模糊输出
• 5.3 改进的自适应遗传算法
• 5.3.1 适应度函数的确定
• 5.3.2 遗传算法的编码
• 5.3.3 RAOGA
• 5.4 基于RAOGA的神经网络训练
• 5.5 方案排序的模糊重心法
• 5.6 应用实例
• 5.6.1 实例一：模糊规则学习
• 5.6.2 实例二：坦克发动机方案评价
• 5.7 本章小结
• 6V基于NFWA和模糊折衷决策的多级方案评价模型
• 6.1 NFWA方案评价法
• 6.2 基于模糊层次分析法和NFWA的方案评价
• 6.2.1 模糊Delphi层次分析法
• 6.2.2 改进的均值——标准差法
• 6.2.3 方案评价过程的实现
• 6.2.4 应用实例
• 6.3 基于NFWA和模糊折衷决策的多级评价模型
• 6.3.1 多级评价模型的构建
• 6.3.2 应用实例：镗孔夹具方案评价
• 6.4 本章小结
• 7 结论和展望
• 7.1 全文总结
• 7.2 展望
• 参考文献
• 攻读博士学位期间发表学术论文情况
• 致谢
• 大连理工大学学位论文版权使用授权书