CN105930556B - 一种面向产品设计更改的传染病动力学演化建模方法 - Google Patents
一种面向产品设计更改的传染病动力学演化建模方法 Download PDFInfo
- Publication number
- CN105930556B CN105930556B CN201610223551.3A CN201610223551A CN105930556B CN 105930556 B CN105930556 B CN 105930556B CN 201610223551 A CN201610223551 A CN 201610223551A CN 105930556 B CN105930556 B CN 105930556B
- Authority
- CN
- China
- Prior art keywords
- matrix
- feature
- relationship
- product
- changed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种面向产品设计更改的传染病动力学演化建模方法,包括以下步骤:S1:将复杂产品划分为多个零件,建立复杂产品中零件之间的关系矩阵;S2:根据关系矩阵,建立两个零件中特征之间关系的相关特征矩阵;S3:根据每个零件中各特征之间关系建立自特征矩阵;S4:获取复杂产品中发生变化的零件,以及发生变化的零件中对应更改的特征,建立传染矩阵;S5:将传染矩阵和相关特征矩阵相乘后获得相关痊愈矩阵,将传染矩阵和自特征矩阵相乘后获得自痊愈矩阵。与现有技术相比,本发明利用传染矩阵等数学公式定量描述复杂产品,从零件级和装配级两个方面计算产品信息量,简化传统产品模型设计的复杂度,达到智能设计与进化的目的。
Description
技术领域
本发明涉及计算机应用领域、工程设计开发领域以及产品智能设计领域,尤其是涉及一种面向产品设计更改的传染病动力学演化建模方法。
背景技术
产品系统是一个开放系统,它能接受外界的能量和物质,从而在系统失去平衡时能进行自我调整、自我修复。当外界环境对产品的功能或者结构做出调整时,产品系统的稳定性被破坏,它能及时的进行自恢复,经过系统内部各类协同操作,从失衡态转变为另一种稳定态。所以,产品系统具有稳定态和恢复态。当产品处于稳定态时,系统的有序化程度是最高的;当产品处于恢复态时,系统的无序化程度较高。复杂产品设计更改的传播是一个系统特征量,可以作为复杂产品设计的评鉴指标。
复杂产品的设计更改关系网络的本质是一个复杂网络。就是把的复杂产品所划分的产品种群对应成一个复杂网络,产品种群中的子元素定义成复杂网络中的顶点,而子元素之间的设计更改传播关系则定义为复杂网络中的有向边。
虽然产品设计过程和复杂系统的研究己日趋成熟,但二者的结合一一复杂产品的设计过程方面研究并不深入。无论是基于知识模板的复杂产品设计重用方法、基于结构建模方法的复杂产品设计过程规划、还是面向复杂产品设计的基于组件的概念模型,都是以功能为核心,通过功能引导结构的方式建模,并没有考虑中问过程,即在设计过程中逐步添加和更改功能时会引起怎样的复杂性演化。在设计类似产品时,也就无法做到设计方法和经验的借鉴,降低了设计效率。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向产品设计更改的传染病动力学演化建模方法,利用传染矩阵等数学公式定量描述复杂产品,从零件级和装配级两个方面计算产品信息量,简化传统产品模型设计的复杂度,达到智能设计与进化的目的。
本发明的目的可以通过以下技术方案来实现:
一种面向产品设计更改的传染病动力学演化建模方法包括以下步骤:
S1:将复杂产品划分为多个零件,建立复杂产品中零件之间的关系矩阵,关系矩阵中每个元素表示零件之间是否存在关系;
S2:根据关系矩阵,建立两个零件中特征之间关系的相关特征矩阵,相关特征矩阵中每个元素表示两个零件中相应特征之间的关系;
S3:根据每个零件中各特征之间关系建立自特征矩阵,自特征矩阵中每个元素表示单个零件中相应特征之间的关系;
S4:获取复杂产品中发生变化的零件,以及发生变化的零件中对应更改的特征,建立传染矩阵,满足以下公式:
式中,VMi表示发生变化的第i个零件vi的传染矩阵,mi表示vi中特征的个数,V1,p表示vi中第p个特征是否更改,V1,p=0表示特征未更改,V1,p=1表示特征发生更改;
S5:将传染矩阵和相关特征矩阵相乘后获得相关痊愈矩阵,相关痊愈矩阵中非零值的元素与受影响的零件中所需更改的特征相对应,将传染矩阵和自特征矩阵相乘后获得自痊愈矩阵,自痊愈矩阵中非零值的元素与发生变化的零件中所需更改的特征相对应。
以上构建的相关特征矩阵、自特征矩阵、传染矩阵、相关痊愈矩阵和自痊愈矩阵构成传染病动力学演化模型。
所述复杂产品中零件与零件之间的关系矩阵RM满足以下公式:
RM=[Ri,j]n×n,1≤i≤n,1≤j≤n
式中,n表示复杂产品内零件的个数,Ri,j表示第i个零件vi与第j个零件vj之间的关系<vi,vj>,0表示两个零件之间无直接关系,1表示两个零件之间存在直接关系,E(G)表示复杂产品内零件之间的边集。
所述第i个零件vi与第j个零件vj中特征之间关系的相关特征矩阵CMij满足以下公式:
且<vi,vj>∈E(G)
式中,mj表示vj中特征的个数,Wp,q表示vi中第p个特征与vj中第q个特征之间的关系,Wp,q=0表示两个特征之间无直接关系,Wp,q≠0表示两个特征之间有定量关系,<vi,vj>表示第i个零件vi与第j个零件vj之间的关系,E(G)表示复杂产品内零件之间的边集;
所述第i个零件vi中各特征之间关系的自特征矩阵TMi满足以下公式:
式中,wa,b表示vi中第a个特征与第b个特征之间的关系,wa,b=0表示两个特征之间无直接关系,wa,b≠0表示两个特征之间有定量关系。
所述两个特征之间的定量关系包括相邻、共面交、非共面交、共面含、非共面含和From-To。
所述步骤S5之后还包括步骤S6:根据相关痊愈矩阵获得受影响的零件中所需更改的特征,根据自痊愈矩阵获得发生变化的零件中所需更改的特征,对获得的受影响的零件中所需更改的特征和发生变化的零件中所需更改的特征进行更改,重复步骤S4和S5,遍历到复杂产品中的所有零件后结束。
与现有技术相比,本发明具有以下优点:
1)为了降低传统产品模型设计的复杂度,本发明在传染病动力学演化模型中对产品复杂网络的传播模式做出更改,并给出相关特征矩阵、自特征矩阵、传染矩阵、相关痊愈矩阵和自痊愈矩阵等定义,利用传染矩阵等数学公式定量描述复杂产品,进而反应产品元在物质、能量、信息的交换和传递,达到智能设计与进化的目的。
2)本发明通过遍历计算复杂产品中的所有零件对应的自痊愈矩阵和相关痊愈矩阵,完成从零件级和装配级两个方面计算产品信息量,简化传统产品模型设计的复杂度,提高复杂产品设计效率。
附图说明
图1为本发明方法流程图;
图2为发动机结构中活塞销与连杆之间的关系图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,一种面向产品设计更改的传染病动力学演化建模方法包括以下步骤:
S1:通过体素构造(CSG:Constructive Solid Geometry)法建立复杂产品的复杂网络,复杂网络包括复杂产品划分的多个零件以及零件之间的边集E(G),根据复杂网络建立复杂产品中零件之间的关系矩阵,关系矩阵中每个元素表示零件之间是否存在关系。
复杂产品中零件与零件之间的关系矩阵RM满足以下公式:
RM=[Ri,j]n×n,1≤i≤n,1≤j≤n
式中,n表示复杂产品内零件的个数,Ri,j表示第i个零件vi与第j个零件vj之间的关系<vi,vj>,0表示两个零件之间无直接关系,1表示两个零件之间存在直接关系。
S2:根据关系矩阵,建立两个零件中特征之间关系的相关特征矩阵,相关特征矩阵中每个元素表示两个零件中相应特征之间的关系。相关特征矩阵可以反应零件级别上产品信息量。
第i个零件vi与第j个零件vj中特征之间关系的相关特征矩阵CMij满足以下公式:
且<vi,vj>∈E(G)
式中,mi表示vi中特征的个数,mj表示vj中特征的个数,Wp,q表示vi中第p个特征与vj中第q个特征之间的关系,Wp,q=0表示两个特征之间无直接关系,Wp,q≠0表示两个特征之间有定量关系,<vi,vj>表示第i个零件vi与第j个零件vj之间的关系,E(G)表示复杂产品内零件之间的边集。
其中,两个特征之间的定量关系包括相离、相邻、共面交、非共面交、共面含、非共面含和From-To,分别对应用0-6的数值表示,相离表示两特征所占据的空间彼此分离,无公共空间,即无直接关系,相邻表示两特征有公共平面且总占据空间为两特征占据空间之和,共面交表示两特征空间相交且有公共平面,非共面交表示两特征空间相交且无公共平面,共面含表示一特征位于另一特征内部,且两特征有一个或几个公共平面,非共面含表示一特征完全位于另一特征内部,两特征既无公共平面又不相交,From-To表示该特征与和它定义相关的一个或两个特征的关系为相抵关系。
S3:根据每个零件中各特征之间关系建立自特征矩阵,自特征矩阵中每个元素表示单个零件中相应特征之间的关系。复杂产品的特征关系不是一成不变的,当复杂产品处于运动状态,其零件内部结构特征发生变化,因此,设计自特征矩阵可以反应装配级别上产品信息量。
第i个零件vi中各特征之间关系的自特征矩阵TMi满足以下公式:
式中,wa,b表示vi中第a个特征与第b个特征之间的关系,wa,b=0表示两个特征之间无直接关系,wa,b≠0表示两个特征之间有定量关系。
S4:当复杂产品中某一零件发生变化时,获取发生变化的零件以及发生变化的零件中对应更改的特征,建立传染病动力学演化模型的传染矩阵,满足以下公式:
式中,VMi表示发生变化的第i个零件vi的传染矩阵,mi表示vi中特征的个数,V1,p表示vi中第p个特征是否更改,V1,p=0表示特征未更改,V1,p=1表示特征发生更改。
S5:通过关系矩阵获取与发生变化的零件相关联零件的信息以及对应的相关特征矩阵,将传染矩阵和相关特征矩阵相乘后获得相关痊愈矩阵,相关痊愈矩阵中非零值的元素与受影响的零件中所需更改的特征相对应,将发生变化的零件的传染矩阵和自特征矩阵相乘后获得自痊愈矩阵,自痊愈矩阵中非零值的元素与发生变化的零件中所需更改的特征相对应。
第i个零件vi对第j个零件vj的相关痊愈矩阵RMij满足以下公式:
RMij中第q个元素rq对应第j个零件vj中第q个特征,若rq=0,第j个零件vj中第q个特征无需更改,若rq≠0,第j个零件vj中第q个特征需要更改。
第i个零件vi的自痊愈矩阵RMi满足以下公式:
RMi中第p个元素r'p对应零件vi中第p个特征,若r'p=0,零件vi中第p个特征无需更改,若r'p≠0,零件vi中第p个特征需要更改。
S6:根据相关痊愈矩阵获得受影响的零件中所需更改的特征,根据自痊愈矩阵获得发生变化的零件中所需更改的特征,对获得的受影响的零件中所需更改的特征和发生变化的零件中所需更改的特征进行更改,重复步骤S4和S5,遍历到复杂产品中的所有零件后结束。
以上构建的相关特征矩阵、自特征矩阵、传染矩阵、相关痊愈矩阵和自痊愈矩阵构成传染病动力学演化模型。
本实施例中,以其中的曲柄连杆机构为研究对象。曲柄连杆机构主要由活塞、连杆和曲轴三大主件以及气环、油环、连杆盖等附件构成。其最主要的功能就是将燃料燃烧时产生的热能转变为活塞往复运动的机械能,再转变为曲轴旋转运动而对外输出动力。所以,曲柄连杆机构的总功能是能量转换或动力输出,由各类执行零件、传动零件和定位零件有机组合完成该功能。在整体的发动机运作来看,该机构还离不开两种重要的介质,即气体和汽油。这些介质的存在导致产品的设计需要考虑添加特定的零件或者结构对介质进行操作。
如在发动机结构中,活塞销用PUA表示,连杆用表示PUB,活塞销和连杆之间的特征及其特征关系如图2和表1所示。
表1活塞销与连杆特征表
根据表1,得到活塞销的特征依次顺序为活塞销外径活塞销内径dA、活塞销长度lA,连杆的特征依次顺序为连杆小头直径连杆长度lB、连杆大头直径dB,其中,活塞销内径dA与连杆小头直径存在非共面含的关系,则活塞销和连杆的相关特征矩阵表示为:
此时,若系统环境更改,活塞销的内径发生变化,根据传染病动力学演化模型计算,可得活塞销的传染矩阵:
VMA=[0 1 0]
当系统设计更改信息在系统复杂网络上传播时,此时遍历所有与气缸器相关的零件,如连杆,通过传染矩阵VMA与特征矩阵CMAB的乘积,得到活塞销对连杆的相关痊愈矩阵RMAB:
RMAB=VMA×CMAB=[5 0 0]
从RMAB的第一个元素非零可得到,对应的连杆第一个特征:连杆小头直径需要发生设计更改,同根据表1的特征关系相一致,即连杆小头直径发生更改以适应系统设计更改变化。
同理获取活塞销的自特征矩阵,将传染矩阵VMA与活塞销的自特征矩阵相乘后获得自痊愈矩阵,根据自痊愈矩阵的第一个元素非零可以知道,活塞销的第一个特征:活塞销外径需要发送设计更改。
Claims (2)
1.一种面向产品设计更改的传染病动力学演化建模方法,其特征在于,包括以下步骤:
S1:将复杂产品划分为多个零件,建立复杂产品中零件之间的关系矩阵,关系矩阵中每个元素表示零件之间是否存在关系;
S2:根据关系矩阵,建立两个零件中特征之间关系的相关特征矩阵,相关特征矩阵中每个元素表示两个零件中相应特征之间的关系;
S3:根据每个零件中各特征之间关系建立自特征矩阵,自特征矩阵中每个元素表示单个零件中相应特征之间的关系;
S4:获取复杂产品中发生变化的零件,以及发生变化的零件中对应更改的特征,建立传染矩阵,满足以下公式:
式中,VMi表示发生变化的第i个零件vi的传染矩阵,mi表示vi中特征的个数,V1,p表示vi中第p个特征是否更改,V1,p=0表示特征未更改,V1,p=1表示特征发生更改;
S5:将传染矩阵和相关特征矩阵相乘后获得相关痊愈矩阵,相关痊愈矩阵中非零值的元素与受影响的零件中所需更改的特征相对应,将传染矩阵和自特征矩阵相乘后获得自痊愈矩阵,自痊愈矩阵中非零值的元素与发生变化的零件中所需更改的特征相对应;
步骤S6:根据相关痊愈矩阵获得受影响的零件中所需更改的特征,根据自痊愈矩阵获得发生变化的零件中所需更改的特征,对获得的受影响的零件中所需更改的特征和发生变化的零件中所需更改的特征进行更改,重复步骤S4和S5,遍历到复杂产品中的所有零件后结束;
所述复杂产品中零件与零件之间的关系矩阵RM满足以下公式:
RM=[Ri,j]n×n,1≤i≤n,1≤j≤n
式中,n表示复杂产品内零件的个数,Ri,j表示第i个零件vi与第j个零件vj之间的关系<vi,vj>,0表示两个零件之间无直接关系,1表示两个零件之间存在直接关系,E(G)表示复杂产品内零件之间的边集;
第i个零件vi与第j个零件vj中特征之间关系的相关特征矩阵CMij满足以下公式:
且<vi,vj>∈E(G)
式中,mj表示vj中特征的个数,Wp,q表示vi中第p个特征与vj中第q个特征之间的关系,Wp,q=0表示两个特征之间无直接关系,Wp,q≠0表示两个特征之间有定量关系,<vi,vj>表示第i个零件vi与第j个零件vj之间的关系,E(G)表示复杂产品内零件之间的边集;
第i个零件vi中各特征之间关系的自特征矩阵TMi满足以下公式:
式中,wa,b表示vi中第a个特征与第b个特征之间的关系,wa,b=0表示两个特征之间无直接关系,wa,b≠0表示两个特征之间有定量关系。
2.根据权利要求1所述的一种面向产品设计更改的传染病动力学演化建模方法,其特征在于,两个特征之间的定量关系包括相邻、共面交、非共面交、共面含、非共面含和From-To。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610223551.3A CN105930556B (zh) | 2016-04-12 | 2016-04-12 | 一种面向产品设计更改的传染病动力学演化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610223551.3A CN105930556B (zh) | 2016-04-12 | 2016-04-12 | 一种面向产品设计更改的传染病动力学演化建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105930556A CN105930556A (zh) | 2016-09-07 |
CN105930556B true CN105930556B (zh) | 2019-07-05 |
Family
ID=56838061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610223551.3A Expired - Fee Related CN105930556B (zh) | 2016-04-12 | 2016-04-12 | 一种面向产品设计更改的传染病动力学演化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105930556B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108230169B (zh) * | 2017-12-20 | 2021-12-17 | 重庆邮电大学 | 基于社交影响力的信息传播模型及态势感知系统及方法 |
CN113344382B (zh) * | 2021-06-03 | 2022-09-27 | 汕头大学 | 一种基于产品指标演化分析的设计决策指导方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408310A (zh) * | 2014-11-25 | 2015-03-11 | 电子科技大学 | 机械装置pfam结构化分解方法 |
CN104461896A (zh) * | 2014-12-18 | 2015-03-25 | 北京轩宇信息技术有限公司 | 基于可信属性的航天系统关键软件评价方法 |
CN104636528A (zh) * | 2013-11-15 | 2015-05-20 | 同济大学 | 基于行为流复杂产品功能群落及其演化的发动机建模方法 |
-
2016
- 2016-04-12 CN CN201610223551.3A patent/CN105930556B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636528A (zh) * | 2013-11-15 | 2015-05-20 | 同济大学 | 基于行为流复杂产品功能群落及其演化的发动机建模方法 |
CN104408310A (zh) * | 2014-11-25 | 2015-03-11 | 电子科技大学 | 机械装置pfam结构化分解方法 |
CN104461896A (zh) * | 2014-12-18 | 2015-03-25 | 北京轩宇信息技术有限公司 | 基于可信属性的航天系统关键软件评价方法 |
Non-Patent Citations (1)
Title |
---|
产品复杂关系网络建模及其动力演化研究;张其历 等;《电脑知识与技术》;20120531;第8卷(第13期);全文 |
Also Published As
Publication number | Publication date |
---|---|
CN105930556A (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | An energy-efficient data collection scheme using denoising autoencoder in wireless sensor networks | |
Sun et al. | Optimal sensor placement in structural health monitoring using discrete optimization | |
Ali et al. | Collaboration and risk in building information modelling (BIM): a systematic literature review | |
Jian et al. | Radio frequency fingerprinting on the edge | |
CN103488673A (zh) | 用于执行调和处理的方法、控制器、程序及数据存储系统 | |
CN105930556B (zh) | 一种面向产品设计更改的传染病动力学演化建模方法 | |
Delgado-Friedrichs et al. | Crystal structures as periodic graphs: the topological genome and graph databases | |
Wu et al. | Thermodynamic optimization for an endoreversible Dual-Miller cycle (DMC) with finite speed of piston | |
Bannach et al. | Practical access to dynamic programming on tree decompositions | |
Qin et al. | THBase: A coprocessor-based scheme for big trajectory data management | |
Kumar et al. | Analysis of heat transfer behavior of porous wavy fin with radiation and convection by using a machine learning technique | |
Yuan et al. | A dual-attention recurrent neural network method for deep cone thickener underflow concentration prediction | |
Song et al. | Research on data fusion scheme for wireless sensor networks with combined improved LEACH and compressed sensing | |
Sowale et al. | Optimisation of a quasi-steady model of a free-piston stirling engine | |
Kim et al. | Autonomous operation control of IoT blockchain networks | |
Nassef et al. | Maximization of CO2 Capture Capacity Using Recent RUNge Kutta Optimizer and Fuzzy Model | |
Ahmed et al. | AAQAL: A machine learning-based tool for performance optimization of parallel SPMV computations using block CSR | |
Eiximeno et al. | On the wake dynamics of an oscillating cylinder via proper orthogonal decomposition | |
Song et al. | On the architecture and key technology for digital twin oriented to equipment battle damage test assessment | |
Jia et al. | An improved eclat algorithm based on tissue-like P system with active membranes | |
Yin et al. | Revisiting graph neural networks and distance encoding from a practical view | |
Sponner et al. | AI-driven performance modeling for AI inference workloads | |
CN116629375A (zh) | 模型处理方法以及系统 | |
Han et al. | A convolution location method for multi-node scheduling in wireless sensor networks | |
Cheng et al. | Optimization of a stirling engine by variable-step simplified conjugate-gradient method and neural network training algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190705 |