活塞头部件的变型产品模型设计

本文以Ｓｉｇｒａｐｈ－ｄｅｓｉｇｎ为支持软件,运用面向对象的建模原理,研究活塞头部件中各个零件的元对象模型,以其装配形式进行对象类的形状定义,建立基于物特性表的对象类变换产品模型。通过活塞头部件的对象类变型产品模型的属性的不同取值得到重用下的一个个实例对象,从而有效地表达了具有相同功能,相同结构,但物理形状不同的一类活塞头部件。     

活塞头部件的变型产品模型设计

本文以Ｓｉｇｒａｐｈ－ｄｅｓｉｇｎ为支持软件,运用面向对象的建模原理,研究活塞头部件中各个零件的元对象模型,以其装配形式进行对象类的形状定义,建立基于事物特性表的对象类变型产品模型。通过活塞头部件的对象类变型产品模型的属性的不同取值得到重用状态下的一个个实例对象,从而有效地表达了具有相同功能、相同结构,但物理形状不同的一类活塞头部件。     

一个面向产品变型设计过程的知识处理方法模型

变型设计是在产品工作原理、基本功能定义不变的情况下,通过对现有产品局部结构型式和尺寸的变异来满足不同工作性能需求的一类设计行为.与创造性设计和适应性设计比较,产品变型设计是一种相对刻板、固定同时应用又十分广泛的设计行为.本文在分析了产品变型设计的基本求解流程之后,提出了一个以基于实例的推理为核心,综合运用规则推理和约束满足方法的知识处理方法模型,并且,结合所开发的"细纱机模块化变型设计系统",从知识表达模式和推理过程两方面对其特点和应用作出了介绍.     

智能变型设计系统中产品设计模型的研究

本文将基于实例的推理技术用于智能变型设计中 ,提出了一种可支持智能变型设计中实例库的建立的产品设计模型 ,并对其中的产品动态模型和产品设计过程模型作了详细的介绍。     

回归分析及其在产品变型设计中的应用

分析变型设计的基本特点与存在问题，提出用回归分析的方法解决变型设计中设计变量之间的隐含不确定的关系．应用实例表明，回归分析是一种能够缩短变型设计周期、提高产品质量的有效分析方法．     

基于特征技术的变型设计与产品装配建模

论述了特征技术在产品变型设计中的应用，讨论了装配模型及其建模技术。把特征技术变形设计理论以及实例推理技术应用于产品的装配模型的建模中。并给出了具体的建模方法。     

PDM/CAx产品变型设计系统

采用基于消息驱动的星型集成模式实现PDM/CAx系统的紧密集成,将事物特性表(SML)技术与参数化CAx技术相结合,支持从管理层面到实现层面的快速变型设计.在PDM系统中利用SML建立产品族信息模型,支持产品族数据的存储、查询、识别、比较和选择,在CAx系统中实施尺寸驱动、工艺规程派生等变型功能.目前该软件系统已经应用于汽车企业、邮电设备企业.     

参数化变型设计中工程图调整技术优化研究

针对工程图调整技术所存在的方法不完善,耗时长,过程繁杂等不足,对其进行了优化.分析了常用视图比例调整方法的优缺点,完善了其调整过程.研究了模型边线的伸缩规律,提出了尺寸直角的概念,并通过绘制基于尺寸直角的装配布局草图,简化了视图位置调整过程.提出了标注约束元的概念,论述了其对尺寸、注释位置变化的影响,并通过采用基于标注...     

面向柔性客户需求的产品变型设计方法

针对柔性的客户定制需求,提出充分重用零件实例的产品变型设计方法.通过分析零件实例重用引起的尺寸约束冲突,提出基于尺寸变化概率和零件变型需求的尺寸约束冲突转移与延迟解决方案,并给出了尺寸变化概率和零件变型需求的统计模型;然后针对零件实例重用引起的客户需求损失提出定制特征指标的补偿作用,并以田口质量损失函数为基础构建了改进的客户需求损失综合模型.最后通过一个实例进行了验证,结果表明在产品变型设计过程中,选择对客户需求影响小的零件实例作为重用对象,可以实现在满足客户需求的同时有效地降低定制产品的成本、缩短交货期.     

用于变型设计的派生式CAD方法

本文将CAPP方法移植到CAD技术中，实现了用于变型设计方案的派生式CAD方法，讨论了派生式CAD在功能变型设计和结构变型设计的应用。文中详细比较了派生式CAPP与产品变型设计的工作过程，给出了基于相似性原理的产品分类编码方法，提供了一套相对独立的产品变型设计特性代码操作机制。     

人工免疫系统研究的新进展

综述了人工免疫系统的最新研究成果。首先简述了生物免疫系统的信息处理机理，其次介绍了独特型人工免疫网络、多值免疫网络、免疫联想记忆等人工免疫模型，以及反向选择、免疫遗传、克隆选择等五类免疫学习算法，最后介绍了人工免疫系统的应用，并展望了该领域的进一步研究方向。     

工程免疫计算:基本概念与研究框架

人工免疫系统（artificial immune system，AIS）是目前人工智能领域的研究前沿之一．分析了AIS所要解决的各种工程实际问题的共性特点和聚类特征，将工程领域中的各种AIS应用问题聚类归纳为若干类别的典型工程问题，存此基础上提炼形成了工程免疫计算（engineering immune computing，EIC）的概念．给出了EIC的定义，对其概念内涵进行了阐释，说明了EIC和AIS之间的关系；构建提出了EIC的研究框架，包括基本原理、实现技术、工程应用以及理论分析和实现方法等5个部分，并对这些组成部分进行了详细阐述．从面向问题求解的免疫设计和面向产品演化的免疫设计2个方面对基于EIC的产品设计方法进行了阐述，以产品设计为例，对基于EIC的工程应用展开了进一步说明．结合AIS在工程领域中的应用现状及其存在的问题，展望了EIC的发展方向，着重论述了其在产品设计领域中的应用前景．EIC概念的提出充实和发展了AIS的研究范畴，可为更好地利用AIS解决工程实际中的诸多复杂问题提供有效的方法指导．     

一类用于函数优化的基于混沌搜索的免疫算法

将混沌优化算法与克隆选择算法相结合,提出了一类基于混沌搜索的免疫算法．首先利用解空间变换将优化变量表示为混沌变量,并将混沌变量编码为抗体．然后,利用混沌变量的遍历性和随机性特点,通过在高亲和力抗体的邻域内进行混沌搜索以实现局部寻优,通过在整个解空间内的混沌搜索来避免陷入局部最优解．数值仿真结果表明该算法具不易陷入局部最优、解的精度高和操作简单等优点．     

求解多目标问题的Memetic免疫优化算法

将基于Pareto支配关系的局部下山算子和差分算子引入免疫多目标优化算法之中,提出了一种求解多目标问题的Memetic免疫优化算法(Memetic immune algorithm for multiobjective optimization,简称MIAMO).该算法利用种群中抗体在决策空间上的位置关系设计了两种有效的启发式局部搜索策略,提高了免疫多目标优化算法的求解效率.仿真实验结果表明,MIAMO与其他4种有效的多目标优化算法相比,不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且算法的收敛速度与免疫多目标优化算法相比明显加快.     

基于正交试验设计的克隆选择函数优化

将正交试验设计引入到克隆选择操作中,设计出基于正交试验的克隆选择操作(clonal selection operation based on orthogonal experiment design,简称CSO-OED),并将其加入到典型的克隆选择算法中,设计出并联式的 CSO+CSO-OED(I)算法和串联式的CSO+CSO-OED(II)算法.将新设计的算法用于9 个经典的测试函数和6 个复杂 的测试函数进行对比测试,实验结果表明,CSO-OED 能够有效地保持种群的多样性,避免算法不成熟收 敛.CSO+CSO-OED(I)和CSO+CSO-OED(II)将全局搜索和局部搜索分开进行优化,对比实验表明,这种搜索策略不 但能够保证算法的收敛性,还能有效地提高搜索解的精度,增强算法的鲁棒性.     

基于人工免疫算法的多目标函数优化

提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Paret。最优面,并且把算法与某些混合遗传算法进行了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。     

面向创新设计的产品实例种群基因研究

借鉴生物工程思想和方法,面向产品创新设计,对产品实例种群基因进行详细论述和研究。通过对产品实例种群的定义和划分,构建产品实例种群表达模型对产品基因进行描述,通过产品实例分解层次树和产品实例种群基因树,进而获得了产品实例种群基因,并对产品实例种群基因进行表达。这种产品基因获取和表达方法有助于设计知识的规范、积累和重用,最后结合锁扣把手产品实例,对产品实例基因的获取、表达进行详细说明。     

一类自适应免疫进化算法

基于免疫系统中的进化机理，提出一种自适应免疫进化算法，通过定义扩展半径和突交半径两个新算法参数构造了较小和较大两个邻域，分别利用这两个邻域进行局部和全局搜索，从而形成两层领域搜索机制，以保证算法的全局和局部搜索能力，定义了群体的多样度，并以此自适应调节算法参数以提高算法性能，给出了算法的全局收敛性证明，仿真结果表明，该算法收敛速度快，具有良好的全局寻优和局部求精能力。     

基于改进的AIA优化ANN的多移动机器人追捕研究

建立了一个包含多个捕猎机器人和单个猎物机器人的动态空间模型,并构建了捕猎机器人的AIAE-ANN行为决策系统。人工神经网络(ANN)所有的连接权值采用改进型人工免疫算法(AIAE)进行优化,使神经网络的性能不断得到进化,最终可生成一个性能优良的行为决策系统,从而完成捕猎机器人的围捕。仿真实验表明:用AIAE训练,能有效地应用于追捕系统的多移动机器人研究。     

基于自适应免疫进化算法的逻辑电路设计*

针对现有进化算法在进行逻辑电路设计时存在的进化缓慢和容易陷入局部解等问题,提出一种自适应免疫进化算法（adaptive immune evolutionary algorithm,AIEA）。该算法引入了免疫记忆机制和抗体差异调节算子,能够很好地保证个体的多样性,有利于跳出局部最优解;通过采用自适应交叉率和变异率,提高了算法的搜索能力和收敛速度。通过与多目标进化算法（MOEA）、简单免疫算法（SIA）的实验比较,证明了该自适应免疫进化算法的有效性。