仿真优化加速求解器研究与开发

论文摘要

仿真优化已成为复杂系统优化设计的重要手段,但在实际应用中,它存在一些缺陷。一方面,由于每次生成的设计参数都需要通过仿真系统进行目标评估,使得系统仅在仿真进程中就要消耗相当多的时间。如果设计参数的响应曲面比较复杂,规模比较大,则仿真优化的时间消耗将呈几何增长;另一方面,在制造单元控制中存在一类逆向求解问题,即根据用户提出的设计目标,由系统求解出仿真模型的各个设计参数,但传统仿真优化无法实现这种逆向求解功能。为了解决以上两方面问题,本文在分析前人成果的基础上,研究并开发了面向制造系统的仿真优化加速求解器,提高了仿真优化速度,实现了对制造系统仿真模型的逆向求解功能。论文的具体研究内容如下:论文首先提出了仿真优化加速求解器的理论框架和体系结构。该加速求解器的核心思想是以训练完成的神经网络替代实际仿真模型作为设计参数的目标输出,由于神经网络响应的瞬态性使得仿真优化所消耗的时间大大减少,实现了对仿真优化的加速功能,同时,设计了基于实例推理与基于规则推理相结合的逆向求解机制,实现了对制造系统仿真模型的逆向求解功能;其次,对该加速求解器所涉及的几项关键技术进行了研究,包括神经网络引擎和逆向求解机制的设计、样本数据的预处理及制造单元样本特性的设计等。最后,基于VC++6.0和Delmia公司的QUEST 5.0制造系统仿真平台,开发了仿真优化加速求解器,并通过具体实例对该加速求解器进行了应用验证。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题概述
• 1.1.1 研究背景
• 1.1.2 研究目的及意义
• 1.2 文献综述
• 1.2.1 人工神经网络综述
• 1.2.2 国内外研究现状及发展趋势
• 1.3 论文研究内容及组织结构
• 1.3.1 论文主要研究内容
• 1.3.2 论文组织结构
• 1.4 小结
• 第二章 仿真优化加速求解器框架研究
• 2.1 仿真优化加速求解器理论框架
• 2.1.1 仿真优化的基本原理
• 2.1.2 制造单元优化问题描述
• 2.1.3 仿真优化加速求解器理论框架
• 2.2 仿真优化加速求解器体系结构
• 2.3 神经网络引擎设计
• 2.4 制造系统仿真平台
• 2.5 小结
• 第三章 仿真优化加速求解器关键技术研究
• 3.1 神经网络设计
• 3.1.1 神经网络选型
• 3.1.2 BP 神经网络
• 3.1.3 网络拓扑结构设计
• 3.1.4 训练参数设计
• 3.2 算法设计
• 3.3 样本处理
• 3.3.1 制造单元样本特性设计
• 3.3.2 样本数据的预处理
• 3.4 逆向求解机制设计
• 3.4.1 CBR 与RBR 技术
• 3.4.2 CBR 与RBR 混和推理
• 3.4.3 实例检索方法
• 3.4.4 实例相似度计算
• 3.4.5 推理规则设计
• 3.4.6 具体实例举例
• 3.5 小结
• 第四章 仿真优化加速求解器开发
• 4.1 用户界面设计
• 4.1.1 界面设计软件简介
• 4.1.2 用户界面设计
• 4.2 数据库设计
• 4.2.1 数据库接口设计
• 4.2.2 数据库结构设计
• 4.3 正向加速器设计
• 4.3.1 建立网络模型
• 4.3.2 样本预处理
• 4.3.3 训练神经网络
• 4.3.4 验证及应用神经网络
• 4.3.5 其它功能设计
• 4.4 逆向求解器设计
• 4.4.1 数据接口设计
• 4.4.2 实例检索设计
• 4.5 小结
• 第五章 仿真优化加速求解器及应用实例
• 5.1 仿真优化加速求解器
• 5.2 功能模块介绍
• 5.3 应用实例
• 5.3.1 模型介绍
• 5.3.2 实验参数设置
• 5.4 结果分析
• 5.5 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间研究成果及发表学术论文