復雜產(chǎn)品設(shè)計知識模型構(gòu)建及其重用方法研究.pdf

1、隨著知識經(jīng)濟時代的到來，知識已成為產(chǎn)品創(chuàng)新和創(chuàng)造價值的源泉。特別是以大型裝備為代表的復雜產(chǎn)品在分布式知識資源獲取和重用方面的需求更尤為突出。為此，本文開展了對復雜產(chǎn)品設(shè)計知識進行合理有效地挖掘和重用的研究。
　　 對本文相關(guān)研究領(lǐng)域：知識工程、知識管理、產(chǎn)品設(shè)計過程、知識建模技術(shù)和設(shè)計知識重用方法的國內(nèi)外研究現(xiàn)狀進行了全面綜述，總結(jié)并提出了這些領(lǐng)域目前存在的問題和未來發(fā)展趨勢，明確了論文重點研究的內(nèi)容：
　　 1、針對復

2、雜產(chǎn)品協(xié)同設(shè)計中對知識資源產(chǎn)生的更深層次需求，提出了以面向復雜產(chǎn)品設(shè)計過程關(guān)鍵階段的知識挖掘、知識模型構(gòu)建及重用為核心的基于知識模型驅(qū)動的復雜產(chǎn)品設(shè)計方法，從總體角度論述了該方法實施的基本思想、體系框架及其各個子系統(tǒng)的基本職能。
　　 2、針對復雜產(chǎn)品設(shè)計過程關(guān)鍵階段隱性知識的特點，提出了相應的知識挖掘方法。在需求分析階段，通過粗糙集、QFD和DSM的集成，充分融合了用戶需求，提高了復雜產(chǎn)品設(shè)計任務(wù)規(guī)劃的準確性和合理性；在概念設(shè)

3、計階段，提出了基于粗糙集理論和貝葉斯決策的概念設(shè)計知識挖掘方法，對其中的一些數(shù)據(jù)挖掘算法進行了適應性改進，進一步提升了該挖掘方法的質(zhì)量和效果；在詳細設(shè)計階段，提出了基于數(shù)值仿真結(jié)果的知識發(fā)現(xiàn)與繁衍方法，利用從大量仿真數(shù)據(jù)得出的回歸模型和設(shè)計規(guī)則來指導方案的調(diào)整，有助于提高調(diào)整的正確性和效率。
　　 3、以實現(xiàn)知識的重用、共享、和集成為主導思想，對基于本體的知識建模方法進行了研究，定義了頂層復雜產(chǎn)品知識模型的概念實體及其關(guān)系，并構(gòu)

4、建出復雜產(chǎn)品需求分析、領(lǐng)域知識和過程知識的模型框架。
　　 4、開展了基于實例推理的知識模型重用方法研究，重點對模型的檢索機制、相似模型匹配算法和調(diào)整機制進行了研究。建立復雜產(chǎn)品的擴展產(chǎn)品知識模型數(shù)組，以遍歷該數(shù)組的方式實現(xiàn)模型檢索；采用基于差異度的相似性度量方法來匹配相似模型，提高了檢索效率和質(zhì)量。提出了基于敏感性分析的屬性權(quán)重算法，有助于更加準確地檢索出相似模型；采用基于回歸分析和規(guī)則推理的知識模型調(diào)整機制，降低了模型調(diào)整的