CN109408883B - 一种基于环境性能需求的产品进化设计决策方法 - Google Patents

一种基于环境性能需求的产品进化设计决策方法 Download PDF

Info

Publication number
CN109408883B
CN109408883B CN201811094032.7A CN201811094032A CN109408883B CN 109408883 B CN109408883 B CN 109408883B CN 201811094032 A CN201811094032 A CN 201811094032A CN 109408883 B CN109408883 B CN 109408883B
Authority
CN
China
Prior art keywords
evolution
product
evolved
performance index
environmental
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.)
Active
Application number
CN201811094032.7A
Other languages
English (en)
Other versions
CN109408883A (zh
Inventor
张雷
宋豪达
董万富
赵希坤
金志峰
吴学振
郑雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hefei University of Technology
Original Assignee
Hefei University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei University of Technology filed Critical Hefei University of Technology
Priority to CN201811094032.7A priority Critical patent/CN109408883B/zh
Publication of CN109408883A publication Critical patent/CN109408883A/zh
Application granted granted Critical
Publication of CN109408883B publication Critical patent/CN109408883B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于环境性能需求的产品进化设计决策方法，包括：确定需要进化的产品的环境性能指标，并基于确定的环境性能指标建立环境集合视图，进而建立进化的目标函数；所述环境集合视图为环境性能指标、环境性能指标到与环境性能指标相关的结构的映射、以及与环境性能指标相关的结构的结构矩阵；建立环境性能指标到需要进化的结构的映射；基于建立的目标函数，利用交互式遗传算法和预设的进化方式对所述需要进化的结构进行进化，得到进化后的产品，所述预设的进化方式包括组合进化方式、分解进化方式、置换进化方式、易料进化方式。本发明能够设计出环境友好型的进化产品。

Description

一种基于环境性能需求的产品进化设计决策方法
技术领域
本发明涉及一种产品进化设计决策方法，具体涉及一种基于环境性能需求的产品进化设计决策方法。
背景技术
产品设计，就是将人的某种目的或需要转换为一个具体的物体或工具的过程；是把一种计划、规划设想、问题解决的方法，通过具体的操作，以理想的形式表达出来的过程。而进化设计就是在产品内进化机制的引导下，把自然界生物进化思想引入到人类设计活动中来，是设计对象在需求底层进行一种自适应性设计的设计模式。
当前，进化设计已经从概念设计转向实际产品设计，就目前的研究状况而言，进化设计主要集中于提高产品性能、降低产品成本以及进化算法的研究与改进。但是在当前环境问题日益严重，人们更加追求产品环境性能的大环境下，进化设计中考虑环境性能的研究却比较少。
发明内容
鉴于以上不足，本发明提供一种基于环境性能需求的产品进化设计决策方法，该方法将结构方案与进化算法相结合，力求实现产品结构的绿色进化设计。
本发明采用的技术方案为：
本发明实施例提供一种基于环境性能需求的产品进化设计决策方法，包括：
确定需要进化的产品的环境性能指标，并基于确定的环境性能指标建立环境集合视图，进而建立目标函数；所述环境集合视图为环境性能指标、环境性能指标到与环境性能指标相关的结构的映射、以及与环境性能指标相关的结构的结构矩阵；
建立环境性能指标到需要进化的结构的映射；
基于建立的目标函数，利用交互式遗传算法和预设的进化方式对所述需要进化的结构进行进化，得到进化后的产品，所述预设的进化方式包括组合进化方式、分解进化方式、置换进化方式、易料进化方式。
可选地，还包括：对进化后的产品与进化前的产品的环境影响进行对比分析。
可选地，所述建立环境性能指标到需要进化的结构的映射具体包括：
确定环境性能指标的范围，即确定某个性能指标是属于产品的性能指标还是产品的某个结构的性能指标；
构建相应的权重矩阵；
构建环境性能指标到结构的概率矩阵；
基于构建的权重矩阵和概率矩阵，得到环境性能指标到需要进化的结构的映射矩阵。
可选地，所述环境性能指标包括废弃物排放、可拆卸性、可回收性、毒害性。
可选地，所述基于建立的目标函数，利用交互式遗传算法对所述需要进化的结构进行进化，得到进化后的产品，具体包括：
编码：对需要进化的每个结构的参数进行编码，得到表征该结构的基因序列；
设定进化操作参数以执行基因序列的进化操作：设定交叉因子、变异因子、群体规模和迭代次数；按照设定的进化操作参数将需要进化的结构按照选好的进化方式进行进化；
产生初始种群：基于设定的群体规模，随机产生相应数量的个体，作为初始种群；
适应度判断：将所述目标函数作为适应度函数，得到每一代个体的适应度值，其中选取每一代适应度值最小的个体作为下一代的父代；
人机交互：判断每一代的个体中是否有最满意的个体，若有，则输出最优个体，若没有，进入下一步；
终止条件判断：判断是否达到设定的迭代次数，若是，则算法结束，解码输出最优个体；若否，则执行进化操作，迭代次数加一，生成下一代种群。
可选地，基于生命周期评价方法对进化后的产品与进化前的产品的环境影响进行对比分析。
本发明实施例提供的基于环境性能需求的产品进化设计决策方法，以产品环境性能需求为前提，通过提出四种产品结构进化运算表达方式，用以表达产品的结构进化过程，并建立环境性能指标到产品结构的概率映射，找出环境性能突出的进化体。通过对进化体的具体情况进行分析，提取设计约束，建立环境性能的目标函数。再以交互式遗传算法为进化实现算法，生成进化的绿色产品，增强了产品的环境友好性。
附图说明
图1为本发明实施例提供的基于环境性能需求的产品进化设计决策方法的流程示意图；
图2(a)至图2(d)为本发明实施例提供的几种进化方式的进化示意图。
图3(a)至图3(c)为利用本发明实施例提供的基于环境性能需求的产品进化设计决策方法进行编码的基因组编码示意图；
图4(a)至图4(c)为利用本发明实施例提供的进化方式进行基因序列操作的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
图1为本发明实施例提供的基于环境性能需求的产品进化设计决策方法的流程示意图。如图1所示，本发明实施例提供的基于环境性能需求的产品进化设计决策方法，其特征在于，包括以下步骤：
S101、确定需要进化的产品的环境性能指标，并基于确定的环境性能指标建立环境集合视图，进而建立进化的目标函数；所述环境集合视图为环境性能指标、环境性能指标到环境性能指标的映射以及与环境性能指标相关的结构的结构矩阵。
在本发明中，环境性能指标包括废弃物排放、可拆卸性、可回收性、毒害性四个环境指标。环境集合视图可用表达式EPR＝[EP,fEP,S]表示，其中EP表示环境性能指标，fEP表示环境性能指标到与环境性能指标相关的结构的映射，S表示与环境性能特征相关的结构。
环境性能分析的最终目的是找到与环境性能相关的结构，从而对其进行进化过程。关键是要建立进化的目标函数Q。在本发明中，Q可用下式表示：
Figure BDA0001805093540000041
式中：xi为进化结构在产品中的个数，fi为进化结构与环境性能指标相关的影响因素。
此外，在本发明中，产品结构可用下式表达：
PER＝(P，Fp，Tp)
式中，P为产品域；Fp为产品的特征集；Tp为产品之间的拓扑关系。根据商空间理论对结构进行细分，可用下式进行表示：
[SR]＝([S],[Fs],[Ts])
式中，[S]为结构域；[Fs]为结构的属性值；[Ts]为结构单元之间的关系集合。细分后，产品结构单元可用下式描述：
s＝{Sid,Sname,Sde,Srange,Salg}
式中，sid为结构单元的唯一标识；sname为结构名称；sde为结构单元的设计信息；srange为结构的值域；salg为结构的进化运算方式。
S102、建立环境性能指标到需要进化的结构的映射。
在本发明实施例中，环境性能指标到产品结构的映射关系可以用下式描述：
S＝f(EP)
S＝(EP，S，C)
式中，S表示产品结构的集合；f表示求解过程；C为判断映射过程有效性的根据。环境性能需求到产品结构的映射关系可以是一对一映射、一对多映射，也可以是多对多映射。其中，映射的步骤可包括：
(1)确定环境性能指标的范围，即确定某个性能指标是属于产品的性能指标还是产品的某个结构的性能指标；
(2)构建相应的权重矩阵Mp；
本发明实施例利用层次分析法和专家打分对各环境性能指标的权重进行分析，进而得到权重矩阵。具体地，首先构造判断矩阵，把n个指标进行两两比较，用C1～C4来表示四个指标，Cij表示两因素间的重要程度，且
Figure BDA0001805093540000051
生成判断矩阵A：
Figure BDA0001805093540000052
式中，Cij表示环境性能指标EPi相对于环境性能指标EPj的重要程度，在一示意性实施例中，Cij可用下表1表示：
表1比例标度表
因素比因素 量化值
同等重要 1
稍微重要 3
较强重要 5
强烈重要 7
极端重要 9
两相邻判断的中间值 2,4,6,8
其次，进行层次单排序，即求矩阵最大特征根及其对应的特征向量；接着进行矩阵一致性的检验；然后进行层次总排序；最后算出某个因素对总目标的权值。
通过上述步骤即可构建相应的权重矩阵。
(3)构建环境性能指标到结构的概率矩阵；
本发明实施例利用如下改进方法构建概率矩阵WEP：
Figure BDA0001805093540000061
式中，[ai,bi]为某类环境性能指标映射到某个结构的数值区间，由专家评分确定；[Ai，Bi]为某类环境性能指标所能取到的最大的数值区间，规定为[0,1]；n为专家矩阵数；f(x,[ai，bi])为环境性能指标到结构的映射，且有:
Figure BDA0001805093540000062
(4)基于构建的权重矩阵和概率矩阵，得到环境性能指标到需要进化的结构的映射矩阵。
根据权重矩阵Mp以及概率矩阵WEP，可得到映射矩阵Mf：
Mf＝Mp·WEP
S103、基于建立的目标函数，利用交互式遗传算法和预设的进化方式对所述需要进化的结构进行进化，得到进化后的产品，所述预设的进化方式包括组合进化方式、分解进化方式、置换进化方式、易料进化方式。
其中，组合进化本质是向原结构特征中增加新的结构特征，生成的新的特征继承了原特征所有的信息。该进化方式主要是零件的增减材，主要用于改善零件的可拆卸性与可回收性，如带孔的圆柱体可以认为是两个圆柱体布尔减的结果，组合进化方式可如图2(a)所示。分解进化是组合进化的逆过程，是将原来的一个零件按照一定的办法拆分为若干个零件。与组合进化不同的是，分解形成的结构特征既继承了原零件结构的特征，又产生出新的特征，如只有单一特征的圆柱，可以分解为若干节圆柱，也可以分解为具有凸起和凹孔的圆柱。根据突起的长度，凹孔又分为盲孔和通孔。分解进化主要用于改善零件的可加工性、可拆卸性以及回收性能。原零件的拆分点应根据需要确定，一般原则为便于制造、节约毛坯和材料源广，分解进化方式可如图2(b)所示。置换进化是指用新的结构单元置换已经存在于零件中的结构单元。置换进化发生在两个或两个以上零件中，分为一对一置换、一对多置换、多对一置换和多对多置换四种形式。置换进化的理想状态是若干个零件各取所需，都比进化之前在结构上更合理，环境性能上更优越。若不能达到各取所求的要求，则规定一个重点进化对象。以完善该零件的各项环境性能为首要目的。被置换的结构完全继承原零件中的布尔运算及与相邻结构的依存关系，置换进化方式可如图2(c)所示。易料进化就是只变更零件材料的一种产品结构进化方式，在进化方程式中，这种变化没有体现，本质上却是对零件最大程度的改变。为了将材料对产品的环境性能的影响体现在进化运算中，材料信息表达如下：
MAT＝{m_id,m_dens，m_E，m_ems，m_manu}
其中，MAT表示材料，m_id表示材料的唯一标识；m_dens为材料的密度；m_E为材料的弹性模量；m_ems为生产单位质量的该材料排放的废弃物；m_manu为该材料的可加工性。
一个零件一般只有一种材料，这在某种程度上限制了通过改变材料来改善环境性能的可能。所以易料进化运算与分解进化运算相结合，先将零件拆分，再对其中某个或几个变更材料。易料进化方式可如图2(d)所示。
步骤S103具体可包括以下步骤：
1)编码：对需要进化的每个结构的参数进行编码，得到表征该结构的基因序列；完整的基因组编码涉及到基因组的物理结构和编码结构，两者共同决定基因的表现型，如图3(a)至图3(c)所示，其中，图3(a)为基因组编码一级结构，图3(b)为基因组编码二级结构，图3(c)为基因组染色体结构。例如，对于圆柱体，可用两个参数表示，一个是半径，一个是高，这样，在经编码的基因组染色体结构中，可用一段数字表示半径，一段数字表示高，还有一段数字表示材料，其余不需要表示的全部是0，这样这串基因序列就可以表示这个圆柱体了。
2)设定进化操作参数以执行基因序列的进化操作：设定交叉因子、变异因子、群体规模和迭代次数；按照设定的进化操作参数将需要进化的结构按照选好的进化方式进行进化。
在本发明实施例中，设定：交叉因子为(0.4,0.99)；变异因子为(0.0001,0.1)；群体规模为(100，200)；迭代次数为120次。本发明实施例中的组合进化、分解进化和置换进化的基因操作可如图4(a)至4(c)所示。
3)产生初始种群：基于设定的群体规模，从编码后的结构中随机产生相应数量的个体，作为初始种群；
本发明采用MATLAB自带的rand函数随机产生个体，作为初始种群。
4)适应度判断：将步骤S101中的目标函数Q作为适应度函数，得到每一代个体的适应度值，其中选取每一代适应度值最小的个体作为下一代的父代；
5)人机交互：判断每一代的个体中是否有最满意的个体，若有，则输出最优个体，若没有，进入下一步；
6)终止条件判断：判断是否达到设定的迭代次数，若是，则算法结束，解码输出最优个体；若否，则执行进化操作，迭代次数加一，生成下一代种群。
进一步地，本发明实施例提供的基于环境性能需求的产品进化设计决策方法，还包括以下步骤：
S104、对进化后的产品与进化前的产品的环境影响进行对比分析。
在本发明中，基于生命周期评价方法对进化后的产品与进化前的产品的环境影响进行对比分析。具体地，根据ISO14040和ISO14044标准，生命周期评价方法包括四个步骤：
步骤一、确定需要进化的产品的目的和范围；
步骤二、对进化前后的产品进行清单分析；
步骤三、基于清单分析结果，对进化前后的产品的环境影响进行评价；
步骤四、基于评价结果，得到相应的结论。
通过以上四个步骤，对结构进化前后的产品环境性能进行对比分析。
【实施例】
本发明以发动机齿轮室为例对本发明的提供的基于环境性能需求的产品进化设计决策方法进行示意性说明。
1.发动机齿轮室的环境性能分析
发动机齿轮室作为汽车的一个重要零件，在汽车中起着连接与保护的作用。其环境类型包括废弃物排放、可拆卸性、可回收性、毒害性等。
对发动机齿轮室的环境性能做出如下分析，如下表2所示：
表2发动机齿轮室环境性能分析
Figure BDA0001805093540000081
Figure BDA0001805093540000091
根据上述对环境性能的分析，建立环境性能的集合EPR＝[EP,fEP,S]如下：
Figure BDA0001805093540000092
根据对环境性能的分析可知，发动机齿轮室的环境性能需求主要集中于一些质量较大的结构上，例如上板、底板、背板、右板、圆弧套筒以及前板等。所以需要改进的也就是这些质量较大的结构。
最终，建立进化的目标函数Q的表达式如下：
Figure BDA0001805093540000101
式中，Q1表示形状不变的结构的质量；Q2表示有若干种可变结构的质量；ρ表示材料密度；V表示某结构变形状或尺寸后的体积；x表示同一种进化结构在产品中出现的个数。
2.环境性能需求到结构的映射
根据前述的映射方法，对发动机齿轮室的环境性能需求到结构进行映射。发动机齿轮室的环境性能包括废弃物排放、拆卸性能、回收性能以及毒害性四类，每一类又包含若干小类。选用层次分析法进行计算，首先要进行权重的计算，根据专家打分，构造判断矩阵A：
Figure BDA0001805093540000102
接着进行矩阵一致性检验：(1)求出矩阵A的最大特征值λmax＝4.0104；(2)计算一致性指标
Figure BDA0001805093540000103
(3)查平均随机一致性指标R.I.表知R.I.＝0.89；(4)计算一致性比例
Figure BDA0001805093540000104
所以符合一致性要求。
最后进行归一化处理得到权重矩阵B：
B＝(0.275，0.074，0.138，0.513)
同理，通过上述方法可以得到子环境性能的权重，结果如下表3所示：
表3子环境性能的权重
Figure BDA0001805093540000105
Figure BDA0001805093540000111
然后计算得到发动机齿轮室环境性能----结构的概率矩阵如表4所示，其中S1-S13表示发动机齿轮室的13种结构。
表4环境性能----结构概率矩阵(概率矩阵)
EP1 EP2 EP3 EP4 EP5 EP6 EP7 EP8 EP9
S1 0.084 0.582 0.631 0.841 0.825 0 0.874 0.822 0.672
S2 0 0.125 0.232 0.011 0.104 0 0.125 0 0
S3 0 0.635 0.752 0.266 0.875 0 0.215 0 0
S4 0.092 0.472 0.545 0.933 0.903 0 0.137 0.942 0.855
S5 0 0.882 0.894 0.450 0.925 0 0.235 0 0
S6 0 0.182 0.231 0.024 0.212 0 0.565 0 0
S7 0 0.721 0.782 0.175 0.562 0 0.903 0 0
S8 0 0.842 0.846 0.540 0.900 0 0.450 0 0
S9 0 0.900 0.904 0.786 0.921 0 0.585 0 0
S10 0 0.125 0.232 0.014 0.105 0 0.125 0 0
S11 0 0.294 0.411 0.365 0.238 0 0.955 0 0
S12 0.075 0.005 0.006 0.217 0.108 0 0.435 0.874 0.652
S13 0.087 0.005 0.014 0.420 0.285 0 0.635 0.736 0.455
W10 W11 W12 W13 W14 W15 W16 W17 W18
S1 0.838 0.734 0.690 0 0.562 0.634 0.823 0.372 0.824
S2 0.110 0.015 0 0 0.562 0.232 0.011 0.372 0.107
S3 0.825 0.802 0 0 0.562 0.754 0.273 0.371 0.874
S4 0.510 0.798 0.893 0 0.562 0.546 0.938 0.371 0.901
S5 0.920 0.924 0 0 0.562 0.894 0.415 0.371 0.920
S6 0.202 0.012 0 0 0.562 0.232 0.032 0.371 0.212
S7 0.796 0.875 0 0 0.562 0.782 0.180 0.371 0.655
S8 0.845 0.893 0 0 0.562 0.822 0.556 0.371 0.902
S9 0.904 0.908 0 0 0.562 0.904 0.791 0.371 0.925
S10 0.202 0.012 0 0 0.562 0.232 0.012 0.371 0.105
S11 0.291 0.208 0 0 0.562 0.411 0.373 0.371 0.238
S12 0.011 0.018 0.542 0 0.562 0.007 0.221 0.371 0.108
S13 0.014 0.022 0.738 0 0.562 0.013 0.442 0.371 0.284
3.基于交互式遗传算法的齿轮室进化(将进化方法和遗传算法结合起来)
发动机齿轮室的形状类似于长方体，长、宽、高分别为50、30、45cm，壁厚为3cm。因为齿轮室形状是由其中齿轮组的位置所决定的，所以大体形状不应该变动，所以，我们对约束齿轮室整体长宽高以及齿轮室壁厚做优化。设计过程一定要考虑现有工艺能否实现，铸造工艺对壁厚及材料有严格的要求(见表5)。其他加工工艺则可以通过调整刀具角度或改善夹具的方式来加工薄壁零件。所以齿轮室长L、宽B、高H、壁厚T的取值范围为：
44cm＜L＜50cm
24cm＜B＜30cm
39cm＜H＜45cm
0cm＜T＜3cm
表5常见材料铸造最小壁厚
Figure BDA0001805093540000121
齿轮室的主要作用是保护齿轮组，齿轮组要完全容纳在齿轮室中，就必须保证结构进化后齿轮室的体积V不能比进化之前小；此外，齿轮室的固有频率应该避开发动机的的频率范围，否则容易引起发动机与齿轮室的共振。因此，
进化需要满足的约束方程有如下两个：
Figure BDA0001805093540000122
式中，L’、B’、T’、V’、δ是指进化后的齿轮室长、宽、高、体积、壁厚。
Figure BDA0001805093540000131
式中，f为齿轮室的固有频率；feng为发动机频率范围的最大值，取450HZ；D为结构的；E为弹性模量；μ为泊松比。
(1)编码
编码过程是按每个结构单元进行编码。编码由两部分参数组成。一部分是将每个三维结构单元投影到二维平面，可以用相应的参数来描述，例如长方形的长和宽。另一部分为每个三维结构单元本身的剩余参数，例如长方体的高。同时，本文将机加工去除掉的结构也作为产品结构的组成部分。发动机齿轮室的结构细分如下表6所示：
表6发动机齿轮室结构表及编码
Figure BDA0001805093540000132
Figure BDA0001805093540000141
设定进化操作参数：设定交叉因子(0.4,0.99)，交叉概率为0.8，交叉位为8位和16位；变异因子(0.0001,0.1)，变异概率为0.1，变异为7、14、21位；群体规模(100，200)；迭代次数120次。
产生初始种群：采用MATLAB自带的rand函数随机产生100个个体，构成初始种群。
适应度判断：因为质量不会是负值，所以本文就以目标函数作为适应度函数，每一代取适应度值最小的个体作为下一代的父代。
人机交互：用户判断是否有最满意的个体，若有，则直接解码输出最优个体；若没有，则进入下一步。
终止进化代数
本发明选取进化终止代数为120代。若在终止代数到达前通过人机交互页面选择除了最满意的个体，则直接解码输出最优个体，若没有满意的个体，则通过遗传算法迭代到目标函数值趋于平缓时，得到最优解，即发动机齿轮室的最小质量。
最终，在同样满足约束函数的条件下，选择体积最小的进化结构，基因分别为010110、001011、01011。根据目标函数可知，体积相同时，密度低的材料质量更小，符合解码为011000的镁合金。同时，最优壁厚解码为01001，为0.9cm。进化结构如表7所示，进化前后对比如表8所示：
表7进化结构
Figure BDA0001805093540000151
表8进化前后对比
进化目标 进化前 进化后
壁厚 3cm 0.9cm
体积 43656.75cm<sup>3</sup> 47966.68cm<sup>3</sup>
质量 130kg 9.8kg
4.基于生命周期评价的产品环境影响对比研究
4.1生命周期分析前期工作
(1)发动机齿轮室生命周期分析的目标
本文进行环境分析的主要目的在于验证上文进化的有效性。具体体现在进化前后发动机齿轮室环境性能的差异上。同时对发动机齿轮室下一阶段的环境友好性发展指明方向。
(2)系统边界
本文评价的系统边界为发动机齿轮室全生命周期，即材料获取阶段、生产阶段、运输阶段、使用阶段、回收阶段等。
(3)功能单位
本文的功能单位各取一件进化前后发动机齿轮室，使用年限为10年。
(4)基本假设
假设在十年间，汽车总共行驶200000千米。发动机齿轮室运输阶段的燃油类型为柴油，使用阶段燃油类型为汽油。
4.2清单分析
发动机齿轮室清单分析包括材料、质量、工艺能耗、运输距离、回收工艺和能耗等，详细清单见下表9：
表9发动机齿轮室清单分析
Figure BDA0001805093540000161
4.3环境影响评价
发动机齿轮室环境影响评价的前提是根据材料清单绘制PLAN图，并进行BALENCE计算。
本发明中选择常用的六类指标，即ADP、AP、EP、GWP、ODP和POCP进行分析研究，并结合产品的初级能源消耗情况，对所选案例进行生命周期评价。
其中GWP指标是在年的时间框架内，各种温室气体的温室效应对应于相同效应的二氧化碳的质量。可以作为碳排放分析的依据。
4.4结果解释
通过对进化前后发动机齿轮室的环境影响进行评价，得出如下结论：
(1)进化后，齿轮室的环境影响远远低于进化前的环境影响，降低了90.73％。原因在于进化后齿轮室不仅改进了部分结构，同时还对齿轮室的整体尺寸进行了优化。这些措施不仅减轻了齿轮室的质量，而且改善或改变了齿轮室的工艺方法和工艺性能，从而降低了材耗、能耗、水耗等。
(2)进化后，材料生产阶段的环境性能比进化前的表现突出。这说明，镁合金的环境性能不如灰铸铁的环境性能。选取镁合金作为齿轮室的材料并不能在材料获取阶段降低环境影响，而是利用其密度低的属性，减少使用阶段的能耗。
(3)从齿轮室生命周期考虑，使用阶段对齿轮室环境影响贡献最大，运输阶段影响最小。原因在于使用阶段的燃料消耗量大，所以影响也大。
(4)进化前，齿轮室产生的环境影响，如酸化、富营养化是制造、回收阶段切削液、清洗液大量使用的结果。进化之后，制造阶段减少了加工面积，回收阶段采用电解法回收，减少了切削液、清洗液的使用，所以进化后酸化、富营养化环境影响值降低。
(5)进化后，齿轮室的碳排放远远低于进化前的碳排放，碳排放的主要来源使用阶段的碳排放也得到了很大程度的降低。原因在于进化后，齿轮室结构得到了改进，使发动机的能量转换更为效率，从而使使用阶段的碳排放得到了改善，整体的碳排放也很大程度的降低。
以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (4)

1.一种基于环境性能需求的产品进化设计决策方法，其特征在于，包括：
确定需要进化的产品的环境性能指标，并基于确定的环境性能指标建立环境集合视图，进而建立进化的目标函数；所述环境集合视图为环境性能指标、环境性能指标到与环境性能指标相关的结构的映射、以及与环境性能指标相关的结构的结构矩阵；
建立环境性能指标到需要进化的结构的映射；
基于建立的目标函数，利用交互式遗传算法和预设的进化方式对所述需要进化的结构进行进化，得到进化后的产品，所述预设的进化方式包括组合进化方式、分解进化方式、置换进化方式、易料进化方式；
其中，所述建立环境性能指标到需要进化的结构的映射具体包括：
确定环境性能指标的范围，即确定某个性能指标是属于产品的性能指标还是产品的某个结构的性能指标；
构建相应的权重矩阵；
构建环境性能指标到结构的概率矩阵；
基于构建的权重矩阵和概率矩阵，得到环境性能指标到需要进化的结构的映射矩阵；
所述环境性能指标包括废弃物排放、可拆卸性、可回收性、毒害性。
2.根据权利要求1所述的基于环境性能需求的产品进化设计决策方法，其特征在于，还包括：
对进化后的产品与进化前的产品的环境影响进行对比分析。
3.根据权利要求1所述的基于环境性能需求的产品进化设计决策方法，其特征在于，所述基于建立的目标函数，利用交互式遗传算法对所述需要进化的结构进行进化，得到进化后的产品，具体包括：
编码：对需要进化的每个结构的参数进行编码，得到表征该结构的基因序列；
设定进化操作参数以执行基因序列的进化操作：设定交叉因子、变异因子、群体规模和迭代次数；按照设定的进化操作参数将需要进化的结构按照选好的进化方式进行进化；
产生初始种群：基于设定的群体规模，随机产生相应数量的个体，作为初始种群；
适应度判断：将所述目标函数作为适应度函数，得到每一代个体的适应度值，其中选取每一代适应度值最小的个体作为下一代的父代；
人机交互：判断每一代的个体中是否有最满意的个体，若有，则输出最优个体，若没有，进入下一步；
终止条件判断：判断是否达到设定的迭代次数，若是，则算法结束，解码输出最优个体；若否，则执行进化操作，迭代次数加一，生成下一代种群。
4.根据权利要求2所述的基于环境性能需求的产品进化设计决策方法，其特征在于，基于生命周期评价方法对进化后的产品与进化前的产品的环境影响进行对比分析。
CN201811094032.7A 2018-09-19 2018-09-19 一种基于环境性能需求的产品进化设计决策方法 Active CN109408883B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811094032.7A CN109408883B (zh) 2018-09-19 2018-09-19 一种基于环境性能需求的产品进化设计决策方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811094032.7A CN109408883B (zh) 2018-09-19 2018-09-19 一种基于环境性能需求的产品进化设计决策方法

Publications (2)

Publication Number Publication Date
CN109408883A CN109408883A (zh) 2019-03-01
CN109408883B true CN109408883B (zh) 2022-11-08

Family

ID=65465963

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811094032.7A Active CN109408883B (zh) 2018-09-19 2018-09-19 一种基于环境性能需求的产品进化设计决策方法

Country Status (1)

Country Link
CN (1) CN109408883B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335614A (zh) * 2015-10-30 2016-02-17 浙江大学 一种产品功能性与环境协调性融合的产品进化设计方法
CN107844835A (zh) * 2017-11-03 2018-03-27 南京理工大学 基于动态权重m‑topsis多属性决策的多目标优化改进遗传算法
WO2018161468A1 (zh) * 2017-03-10 2018-09-13 东莞理工学院 一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105335614A (zh) * 2015-10-30 2016-02-17 浙江大学 一种产品功能性与环境协调性融合的产品进化设计方法
WO2018161468A1 (zh) * 2017-03-10 2018-09-13 东莞理工学院 一种基于拉马克获得性遗传原理的全局优化、搜索和机器学习方法
CN107844835A (zh) * 2017-11-03 2018-03-27 南京理工大学 基于动态权重m‑topsis多属性决策的多目标优化改进遗传算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于交互式遗传算法的群体评价模型――以水利人才为例;马瑞敏等;《重庆理工大学学报(自然科学)》;20150315(第03期);全文 *

Also Published As

Publication number Publication date
CN109408883A (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
Alatas et al. MODENAR: Multi-objective differential evolution algorithm for mining numeric association rules
CN109902873A (zh) 一种基于改进型鲸鱼算法的云制造资源配置的方法
Van der Laan et al. Augmentation procedures for control of the generalized family-wise error rate and tail probabilities for the proportion of false positives
Zhang et al. Improved genetic algorithm for high-utility itemset mining
Dhiman et al. HKn-RVEA: a novel many-objective evolutionary algorithm for car side impact bar crashworthiness problem
CN107808210B (zh) 面向复杂产品拆卸再生拆卸方案及再生方案集成决策方法
CN111290283B (zh) 一种面向选择性激光熔融工艺的增材制造单机调度方法
CN105321000A (zh) 基于bp神经网络与mobfoa算法的铝电解工艺参数优化方法
CN109408883B (zh) 一种基于环境性能需求的产品进化设计决策方法
CN113191085A (zh) 考虑工具变换能耗下的不完全拆卸线的设置方法
CN109599146B (zh) 一种基于多目标遗传算法的带假结核酸结构预测方法
CN107122573A (zh) 基于马尔科夫链进化的汽车运行工况设计方法
Han et al. Two novel methods for BBA approximation based on focal element redundancy
Donis-Díaz et al. Using ant colony optimization and genetic algorithms for the linguistic summarization of creep data
Öztürk et al. An optimized continuous fractional grey model for forecasting of the time dependent real world cases
Shi et al. Incremental learning Bayesian network structures efficiently
CN103164554B (zh) 一种确定超材料单元结构的方法
CN106055742A (zh) 基于设计熵的产品自适应设计更改方法
Pieczara Optimization of cooling tower shells using a simple genetic algorithm
CN113127944A (zh) 一种电池箱轻量化的优化方法
Gupta et al. Hybrid model to improve Bat algorithm performance
Dong et al. A new probabilistic transformation based on evolutionary algorithm for decision making
Unnithan et al. Application of a Shell‐Spring Model for the Optimization of Radial Tire Contour Using a Genetic Algorithm
Luo et al. Improved nondominated sorting genetic algorithm-II for bi-objective flexible job-shop scheduling problem
KR102633477B1 (ko) 인공지능 기반 복합 소재의 최적 공정 조건에 대한 탐색 최적화 시스템 및 그 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant