不确定视角下产品结构性能优化设计综述与展望

目的 复杂产品在工程装备、航空航天等我国优先发展的战略领域中扮演着不可替代的重要角色,在其结构设计过程中普遍存在着各种不确定性,导致产品结构性能很难实现最优,甚至出现重大故障。方法 针对复杂产品设计过程中的多粒度模糊不确定、随机不确定、不完备区间不确定和高维混合不确定等特点,将不确定性理论与产品结构设计过程相结合,系统地构建了不确定视角下产品结构性能优化设计理论体系,提出了多粒度模糊不确定下产品质量特性精准提取、随机不确定下产品功能结构模块化求解、不完备区间不确定下产品结构方案多属性决策、高维混合不确定下产品关键结构可靠性优化等关键技术,并指出了产品结构性能优化设计的未来发展方向。结论 此设计理论能够充分适应和利用产品设计过程的多种不确定信息,为在结构设计环节切实提升产品性能提供了有力参考。     

一种弧长参数曲线及其计算机实现

本文提出了一种弧长参数曲线的数值算法，这种算法具有收敛迅速，迭代过程自动确定等优点。     

多变量模糊优化信息可视化研究

本文针对复杂工程系统的多变量模糊优化问题进行了可视化方法研究，提出了模糊子域的绘制与运算算法，并在此基础上，对多变量模糊优化问题进行了数学分析，直观显示出了模糊可行域在设计空间上的分布规律．     

一个基于图基的参数化设计方法

文中提出一个基于图基高层次图素的产品参数化设计方法,对图基及图基骨架的概念和定义作了阐述了,讨论了图基的性质及其分类,提出了一系列图基的构造算子,给出了一个基于图基骨架自组织的算法和信息模型,得出一个利用尺寸的约束树把不 基线素之间的尺寸约束向其中某一图基内部尺寸的约束的转方法。     

产品开发方案优化的模糊机会约束规划模型及求解

为解决项目网络计划中产品开发方案的时间、成本、质量的不确定优化问题,在模糊机会约束规划的框架下分别建立了基于关键路线的项目周期优化模型、基于资源使用的项目周期-成本优化模型和基于质量功能展开(QFD)的产品周期-质量优化模型,在此基础上构建了项目周期-成本-质量多目标优化模型;在使用模糊模拟技术处理3个目标函数约束的过程中,构建了一个基于遗憾度的适应度函数,然后利用离散微粒群算法对多目标优化模型进行求解.最后,以滚珠丝杆副产品开发项目的方案优化为例验证了文中模型的合理性和算法的有效性;实验结果表明,周期-成本-质量多目标优化模型的求解得到的方案能够取得时间、成本和质量的平衡优化,为产品开发项目的规划提供了定量、可靠的决策依据.     

基于图形约束的工程图纸扫描图象表面粗糙度的自动识别

本文通过分析现有工程图纸扫描图象的识别与理解系统，提出了表面粗造度的自动识别算法，从而弥补了以往系统的不足，基于图形约束的表面粗造度整体识别算法符合技术人员的读图规律，处理速度快，可靠性高，该算法已在微机上调试成功。     

基于TLBO算法的不确定性条件下复杂产品协同设计的可靠性拓扑优化（英文）OA

复杂产品的拓扑优化设计可以显著节省材料和节能,有效地降低惯性力和机械振动。本研究以一种大吨位液压机作为典型的复杂产品,用于阐述该优化方法。本文提出了一种基于可靠性与优化解耦模型和基于教学学习的优化（TLBO）算法的可靠性拓扑优化方法。将由板结构形成的支撑物作为拓扑优化对象,重量轻、稳定性好。将不确定性下的可靠性优化和结构拓扑优化协同处理。首先,利用有限差分法将优化问题中的不确定性参数修正为确定性参数。然后,将不确定性可靠性分析和拓扑优化的复杂嵌套解耦。最后,利用TLBO算法求解解耦模型,该算法参数少,求解速度快。TLBO算法采用了自适应教学因子,在初始阶段实现了更快的收敛速度,并在后期进行了更精细的搜索。本文给出了一个液压机基板结构的数值实例,说明了该方法的有效性。     

组件化虚拟样机单元协同装配技术研究

为快速建立集成化虚拟样机模型,提出了一种组件化协同装配方法.在该方法中,采用基于端口的建模方法,建立虚拟样机单元的组件化表达.在此基础上,构建组件化协同装配体系框架,将协同装配分解为连接元抓取拖动、装配预处理、组件装配3个基本过程,简化了装配过程,提高了组件装配建模速度.最后对组件协同装配解空间进行了分析.     

VMI模式下成本控制优化与物料配送研究

在VMI模式下对库存成本控制与物料配送进行了深入研究,建立了基于时间发货策略的库存成本控制与物料配送模型。对库存成本进行分解得到了完整的总成本表达式,通过优化方法对模型进行求解得到了最优化发货周期、补货数量与最小库存成本。研究结果有助于增强企业快速响应市场需求的能力,降低企业的投入成本,提高企业的竞争能力。模型在企业分销系统中得到了实例应用。     

基于强度Pareto进化的注塑机注射性能多目标优化

为实现大型注塑机注射性能的优化设计,构建了注射压力、注射速率和注射功率优化模型,应用多目标进化算法,系统分析了影响注射性能的各方面因素.改进强度Pareto进化算法,引入模糊C均值聚类,加快外部种群的聚类过程.采用约束Pareto支配和浮点数、二进制混合染色体编码策略,一次运行就能求得分布均匀的Pareto最优解集,并使用基于集合理论的方法选择一个最优解.试验分析表明:结合了强度Pareto进化算法与模糊C均值聚类方法的混合算法在提高注射综合性能的同时,能够获得比线性加权法分布性更好的Pareto前沿;且与强度Pareto进化算法相比,显著缩短了运算时间,具有较高的效率与鲁棒性.