不確定條件下復雜產(chǎn)品性能增強設計理論、方法及其應用研究.pdf_第1頁
已閱讀1頁,還剩158頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、針對復雜產(chǎn)品設計具有層次性、耦合性、模糊性、迭代性、認知性等固有特點,將性能設計與復雜產(chǎn)品設計過程進行融合,系統(tǒng)性地提出了不確定條件下復雜產(chǎn)品性能增強設計理論和方法,對期望性能辨識、行為性能均衡、結構性能適配以及預測性能評估等關鍵技術進行了深入研究,并根據(jù)研究成果開發(fā)了復雜產(chǎn)品性能設計系統(tǒng)集成平臺并實際工程應用,取得了良好的成果,驗證了本文方法的有效性與可行性。
  本文的研究內(nèi)容主要包括:
  第一章概述了復雜產(chǎn)品性能設計

2、的內(nèi)涵理解及其相關技術的研究現(xiàn)狀,并討論了產(chǎn)品性能增強設計與不確定設計的研究現(xiàn)狀,提出了不確定條件下復雜產(chǎn)品性能增強設計理論及方法,同時闡述了本文的研究內(nèi)容和總體結構框架。
  第二章提出了基于狀態(tài)感知的產(chǎn)品期望性能解析辨識技術。根據(jù)性能在產(chǎn)品全生命周期逐層演化的特點,構建了期望性能閉環(huán)解析的機理模型;提出了不確定條件下期望性能正向遞推解析與狀態(tài)感知反饋的期望性能反向計算方法,并采用模糊積分對意圖重要度函數(shù)進行補償修正,實現(xiàn)了需求

3、域與過程域影響下的性能重要度非線性融合辨識及度量。
  第三章提出了基于解耦計算的產(chǎn)品行為性能均衡求解技術。基于模糊不確定的產(chǎn)品行為關聯(lián)準則數(shù)據(jù),對產(chǎn)品構型的耦合強度進行計算;采用設計結構矩陣聚類對產(chǎn)品進行初次解耦規(guī)劃并計算解的行為單元性能指數(shù);以初次解耦行為單元為基礎,構建了以質(zhì)量穩(wěn)定性、維修成本與系統(tǒng)可用性為目標以及相關閾值為約束的行為性能模型;提出了基于隨機搜索的離散粒子群算法對性能模型進行多目標優(yōu)化求解,并采用熵權理想點排

4、序法識別最優(yōu)結果,從而獲得性能均衡的單元方案。
  第四章提出了基于約束傳遞的產(chǎn)品結構性能模糊適配技術。首先對結構性能的約束信息空間進行約簡并以隸屬度的方式對約束空間中的信息進行一致性轉(zhuǎn)換;以關聯(lián)相似度為依據(jù),提出了面向約束處理的二次過濾技術,實現(xiàn)性能約束驅(qū)動下的功能域到結構域的關聯(lián)映射;構建了以成本、質(zhì)量與物理相容性為目標及相關閾值為約束的數(shù)學模型,提出了基于約束水平的離散差分進化算法對帶約束的性能適配過程進行多目標優(yōu)化,同時采

5、用一種約束滿足偏差最小的方案決策方法選取結構性能最優(yōu)的適配結果。
  第五章提出了魯棒學習的產(chǎn)品預測性能可信評估技術。首先對樣本輸入數(shù)據(jù)進行預處理,采用互信息估計對設計變量進行篩選以降低預測模型的規(guī)模,采用k最近鄰法對數(shù)據(jù)樣本的異常點進行識別以提高其精度;對隱式的性能參數(shù)—設計變量響應模型進行回歸擬合獲得穩(wěn)健的性能校核預測模型;提出基于Bootstrap統(tǒng)計推斷的性能可信度分析方法,實現(xiàn)了預測結果對數(shù)據(jù)不確定性的處理,并通過靈敏度

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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。
  • 6. 下載文件中如有侵權或不適當內(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