面向并行設(shè)計的建模方法研究.pdf_第1頁
已閱讀1頁,還剩142頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、在綜合分析并行協(xié)同設(shè)計研究的歷史和現(xiàn)狀后,針對當(dāng)前復(fù)雜產(chǎn)品設(shè)計研究中的過程建模、產(chǎn)品建模、CAX集成建模、控制規(guī)劃建模等關(guān)鍵問題,對并行建模和并行優(yōu)化求解進行了一些有益的嘗試,主要研究進展體現(xiàn)在以下七個方面: 一、基于設(shè)計支持模型動態(tài)擴張的復(fù)雜產(chǎn)品求解方法研究為解決并行設(shè)計中面向下游的知識沖突和設(shè)計反饋問題,提出了產(chǎn)品設(shè)計的全過程策略:基于產(chǎn)品信息擴張和模型動態(tài)重組的動態(tài)求解知識框架。以知識集成、潛真擴展為特征重組設(shè)計模型,建立

2、面向設(shè)計進程的潛知識表達方式;構(gòu)建柔性建模機制,支持設(shè)計模型的及時更新;以螺旋進程為設(shè)計推進模式,降低設(shè)計風(fēng)險,提高設(shè)計效率。 二、基于潛模型理論的的潛知識表達方法研究首先進行了動態(tài)知識表達的理論探索:以傳統(tǒng)邏輯論和信息論中處理不完全信息的潛模型理論為基礎(chǔ),結(jié)合復(fù)雜技術(shù)產(chǎn)品設(shè)計進程中變量、目標(biāo)與約束等信息的擴張過程,提出了產(chǎn)品設(shè)計潛知識表達理論,描述了具有層次性、集成性和動態(tài)性的動態(tài)知識表達方式,將傳統(tǒng)的面向單點的產(chǎn)品知識轉(zhuǎn)變?yōu)?/p>

3、面向進程的知識框架,使模型能響應(yīng)設(shè)計進程從潛真狀態(tài)逐漸向全真狀態(tài)逼近。用挖掘機設(shè)計中的設(shè)計知識進行了實例改造。 三、基于動態(tài)知識表達的柔性設(shè)計支持模型研究在闡述了產(chǎn)品動態(tài)知識框架的基礎(chǔ)上,構(gòu)造了復(fù)合知識模型,闡述了復(fù)合知識模型由知識源和模型重組機制組成的本質(zhì)。知識源具有潛真性、靈活性、感應(yīng)性和設(shè)計導(dǎo)向性等潛知識特征,設(shè)計者在同步知識源所組成的公共知識塊的基礎(chǔ)上進行并行建模,包括約束網(wǎng)絡(luò)、優(yōu)化模型、分析模型和評價模型等,降低模型間

4、的知識沖突,實現(xiàn)模型的及時重組和動態(tài)響應(yīng)反饋。提出了以層次型設(shè)計需求、未知變量敏度和函數(shù)完整度三種方式共同作用的設(shè)計導(dǎo)向機制,協(xié)助設(shè)計者優(yōu)選設(shè)計路徑。 四、螺旋設(shè)計進程研究建立了基于復(fù)合知識模型的螺旋設(shè)計進程,提出了以擴張的設(shè)計模型、分析模型、評價模型、優(yōu)化模型支持的四個設(shè)計階段循環(huán)漸進的推進策略,以漸進的進程模式和逐步擴張的產(chǎn)品模型代替以往的固化方式,同時增加柔性約束網(wǎng)絡(luò)進行沖突風(fēng)險檢測,以產(chǎn)品性能目標(biāo)的擴展和漸進驅(qū)動設(shè)計進程

5、。在設(shè)計反饋中引入了以后期產(chǎn)品信息修正前期設(shè)計模型的方式,降低了模型假設(shè)和簡化帶來的設(shè)計沖突,提高設(shè)計效率和效果。以挖掘機優(yōu)化設(shè)計為例,進行了實例驗證。 五、面向分析的集成建模技術(shù)研究針對CAD/CAE集成困難的現(xiàn)狀,提出了利用CAD參數(shù)化技術(shù)對CAE仿真模型進行自動建模,解決CAE軟件自身無法克服的建模難、優(yōu)化難問題。以面向廣義優(yōu)化的參數(shù)化建模、基于布局與骨架的整機建模及裝配技術(shù)、ADAMS與PRO/E聯(lián)合建模技術(shù)為基礎(chǔ),建立

6、了面向分析反饋的CAD/CAE一體化模型。該方法提高了CAE與CAD技術(shù)的集成度,使CAE結(jié)果快速響應(yīng)到設(shè)計進程中,有效提高了產(chǎn)品設(shè)計的并行性。以挖掘機建模為例進行了驗證。 六、基于優(yōu)化算法的軌跡規(guī)劃建模研究以既能達到良好的軌跡規(guī)劃精度,又有優(yōu)良的操縱平穩(wěn)性及節(jié)能效果為目標(biāo),提出了一種挖掘機器人的多領(lǐng)域協(xié)同軌跡規(guī)劃方法。以挖掘姿態(tài)角為優(yōu)化變量,油缸進程和加速度梯度為雙目標(biāo),位置盲角和最佳切削范圍為約束建立優(yōu)化數(shù)學(xué)模型,采用遺傳算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論