基于塑性成形數(shù)值仿真的知識繁衍技術(shù)研究.pdf

1、領(lǐng)域知識對于指導(dǎo)塑性成形工藝與產(chǎn)品設(shè)計至關(guān)重要，是建立塑性成形基于知識的工程(KBE)系統(tǒng)的基礎(chǔ)。數(shù)值仿真技術(shù)在塑性加工領(lǐng)域的廣泛應(yīng)用極大地改變了傳統(tǒng)的工藝設(shè)計流程，提高了設(shè)計效率和質(zhì)量，降低了開發(fā)費用。然而()數(shù)值模擬產(chǎn)生的結(jié)果數(shù)據(jù)是海量、復(fù)雜和抽象的，其中蘊涵了大量隱含、潛在有用的知()前對有限元結(jié)果的解釋主要依賴科學(xué)計算可視化技術(shù)，由設(shè)計者根據(jù)自身知識與經(jīng)驗決策()而對于仿真結(jié)果中存在的隱含工藝知識卻鮮有研究，造成了大量有用知識的

2、流失，不利于產(chǎn)品開發(fā)的創(chuàng)新需求。如何基于塑性成形數(shù)值仿真結(jié)果數(shù)據(jù)進行知識繁衍為工藝與產(chǎn)品的設(shè)計服務(wù)，是學(xué)術(shù)界和工業(yè)界的迫切需求。 本文在對塑性成形過程數(shù)值仿真及塑性工程領(lǐng)域KBE技術(shù)發(fā)展現(xiàn)狀進行全面回顧和分析的基礎(chǔ)之上，借鑒數(shù)據(jù)挖掘技術(shù)在商業(yè)、金融等領(lǐng)域的成功經(jīng)驗，將知識繁衍技術(shù)引入塑性成形智能設(shè)計領(lǐng)域。在分析總結(jié)數(shù)值仿真數(shù)據(jù)知識獲取的特點的基礎(chǔ)上，結(jié)合塑性成形產(chǎn)品的設(shè)計流程，建立了基于塑性成形數(shù)值仿真結(jié)果數(shù)據(jù)的知識繁衍原型系統(tǒng)

3、KDFNS，并對系統(tǒng)的關(guān)鍵技術(shù)進行了較為深入的研究。 本文提出并構(gòu)造了基于STEP標(biāo)準(zhǔn)的有限元仿真數(shù)據(jù)集成模型，建立了有限元數(shù)據(jù)的EXPRESS-G圖示和EXPRESS語言的數(shù)據(jù)表示模型，提出了其與關(guān)系數(shù)據(jù)庫之間的數(shù)據(jù)類型映射方法，采用C++語言通過早綁定技術(shù)編譯并連接后，建立SDAI接口，完成對仿真數(shù)據(jù)的訪問。 研究了仿真數(shù)據(jù)特征的提取技術(shù)，建立了仿真數(shù)據(jù)對象之間的相似性判別特征、部件成形性能特征、有限元模型中的曲線特

4、征等。提出了基于PCA算法的特征構(gòu)造技術(shù)，并通過模糊集理論描述塑性成形范疇中不明確的概念類。針對基于單特征和多特征的概念構(gòu)造，提出分別采用FCM算法和PCA-FCM算法獲取對象的模糊隸屬度，并通過汽車部件相似性歸類和沖壓回彈質(zhì)量等級評定兩個具體實例說明了該方法的有效性。 基于模糊集理論和粗糙集理論，定義了對象間的模糊不可區(qū)分關(guān)系；在此基礎(chǔ)之上，擴展了Pawlak經(jīng)典粗糙集理論，創(chuàng)新性地建立了模糊粗糙近似模型，提出了模糊-粗糙集算

5、法。同時，定義了一個新的知識質(zhì)量度量—規(guī)則可靠度，以便更準(zhǔn)確地描述所獲取知識的可信程度，便于規(guī)則調(diào)度與知識推理。 本文將知識繁衍技術(shù)引入工程設(shè)計優(yōu)化中，較為有效地解決了目前基于數(shù)值仿真的最優(yōu)化過程所存在的迭代次數(shù)多、仿真時間長及易陷入局部最優(yōu)等問題，創(chuàng)新性地提出了針對不同仿真規(guī)模的基于歸納學(xué)習(xí)與局部搜索的混合智能優(yōu)化方法以及基于歸納學(xué)習(xí)與響應(yīng)面設(shè)計的智能優(yōu)化方法，有利于提高設(shè)計效率與設(shè)計質(zhì)量。 基于對上述關(guān)鍵技術(shù)的研究，