面向可拓實例推理的產(chǎn)品設計演化方法.pdf

1、當前產(chǎn)品更新日新月異，市場競爭日益激烈，為迎合客戶需求，制造企業(yè)必須對產(chǎn)品進行不斷地創(chuàng)新，而掌握一種產(chǎn)品設計演化方法能夠讓企業(yè)準確把握市場方向，同時也能夠加快企業(yè)的產(chǎn)品創(chuàng)新設計。可拓實例推理技術正是一種比較成熟的產(chǎn)品設計演化方法，它利用以前的設計知識來解決當前產(chǎn)品設計中遇到的問題，是一種基于先前實例的設計方法。可拓實例推理的主要環(huán)節(jié)包含實例表達、實例匹配、實例修改和實例評價，本文在此基礎上增加一個實例分類環(huán)節(jié)，并將多維關聯(lián)函數(shù)應用于實例

2、匹配當中，主要工作包含以下內(nèi)容:
　　實例表達與實例匹配是產(chǎn)品設計演化的基礎，本文首先利用可拓基元構建產(chǎn)品實例與客戶需求信息模型，并根據(jù)客戶需求計算產(chǎn)品屬性最優(yōu)值與可拓域。其次，針對多屬性產(chǎn)品設計的實例匹配過程，提出一種基于多維關聯(lián)函數(shù)的匹配算法，通過對二維與三維關聯(lián)函數(shù)計算方法的總結，構建了多維關聯(lián)函數(shù)的數(shù)學模型，并在此基礎上，計算得到產(chǎn)品實例的相似度值。最后，通過實例應用和算法對比分析，驗證了此算法的可靠性與正確性。
　

3、　為使產(chǎn)品設計演化效率更高，演化對象更具體，提出一種基于BP神經(jīng)網(wǎng)絡的產(chǎn)品實例分類算法。根據(jù)產(chǎn)品分類特點，優(yōu)化BP神經(jīng)網(wǎng)絡誤差計算方法以改善收斂速度慢的問題，并對其訓練樣本進行預處理以提高分類的準確率。最后以此BP神經(jīng)網(wǎng)絡為平臺，根據(jù)相似度值、不匹配屬性數(shù)量以及不匹配子特征屬性對產(chǎn)品實例進行多層次分類。
　　實例修改是產(chǎn)品設計演化的最終實現(xiàn)途徑，首先，構建產(chǎn)品特征屬性與結構之間的映射模型，通過映射模型推理得到相似實例不相容核問題。