CN111291857A - 一种基于系统、功能、结构分层的复杂系统模块划分方法 - Google Patents

一种基于系统、功能、结构分层的复杂系统模块划分方法 Download PDF

Info

Publication number
CN111291857A
CN111291857A CN202010079869.5A CN202010079869A CN111291857A CN 111291857 A CN111291857 A CN 111291857A CN 202010079869 A CN202010079869 A CN 202010079869A CN 111291857 A CN111291857 A CN 111291857A
Authority
CN
China
Prior art keywords
correlation
function
module
determining
parts
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.)
Pending
Application number
CN202010079869.5A
Other languages
English (en)
Inventor
李波
姜芊芊
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202010079869.5A priority Critical patent/CN111291857A/zh
Publication of CN111291857A publication Critical patent/CN111291857A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C13/00—Control systems or transmitting systems for actuating flying-control surfaces, lift-increasing flaps, air brakes, or spoilers
    • B64C13/24—Transmitting means
    • B64C13/38—Transmitting means with power amplification
    • B64C13/50—Transmitting means with power amplification using electrical energy
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

该发明公开了一种基于系统、功能、结构分层的复杂系统模块划分方法，属于分模块化制造领域。首先建立SFS分层模型，在此基础上建立基于功能结构和基于DFX的模块划分原则；然后提出一种预划分原则进行模块预划分，降低系统的复杂性；在模块划分原则的指导下，建立各子相关矩阵，并根据权重建立综合相关矩阵；求出模块的粒度区间，结合改进的遗传算法与FCM聚类算法，生成模块划分方案集；对该模块划分方案集进行评价，得到最优的模块划分方案。本发明将复杂的产品系统划分成较为合理的模块，为后续模块配置以及装配，回收等进行了准备，提高了设计生产效率。

Description

一种基于系统、功能、结构分层的复杂系统模块划分方法
技术领域
本发明专利涉及分模块化装配制造领域，具体是建立分层模型，得到相对小的子系统的功能结构映射分解，并进行模块划分，得到最优划分方案的方法。
背景技术
在现有的模块划分方法研究中，在模块划分准则上，大多数还是针对结构较为简单、大批量生产的产品，没有考虑到小批量定制的复杂系统，如民机机头模块化交付装配中各系统件具有多重属性交杂的特性。因此如何考虑上述复杂系统的特点，降低划分时的复杂度，使其划分结果在满足常规功能结构的基础上，同时满足某一生命周期的设计要求，是产品设计研发过程中的重要问题。
在模块划分算法上，大部分是采用传递闭包、复杂网络等模糊聚类方法，以及模糊C均值、模拟退火、粒子群算法等优化算法，模糊聚类方法不适于计算机求解，并且存在传递误差，模糊C均值方法对初值敏感、全局收敛性能较差；模拟退火、粒子群算法只能得出一个最优方案，没有考虑模块个数的颗粒度对划分结果的影响。因此如何求解合适的划分个数，并利用合理的划分算法进行划分，也是亟待解决的重要问题。
发明内容
本发明首先建立SFS(系统-功能-结构)分层模型，在此基础上形成基于功能结构的模块划分原则；考虑到整个复杂产品系统在全生命周期的各环节的相关性，形成基于DFX(Design for X)的模块划分原则；为降低划分的复杂性，提出一种预划分原则进行模块预划分，减少待聚类零部件数量；在模块划分原则的指导下，确定零部件间的相关数值，建立各子相关矩阵，并根据权重建立综合相关矩阵；求出模块的粒度区间，结合改进的遗传算法与FCM聚类算法，生成模块划分方案集；对该模块划分方案集进行评价，得到最优的模块划分方案。本发明将复杂的产品系统划分成较为合理的模块，为后续模块配置以及装配，回收等进行了准备，提高了设计生产效率。其总体流程图如图1所示。
本发明技术方案为一种基于系统、功能、结构分层的复杂系统模块划分方法，该方法包括:
步骤1：建立系统、功能、结构分层模型及确定模块划分原则
步骤1.1：建立系统、功能、结构分层模型
在系统层，将大系统划分为多个相对独立的子系统，如子系统仍然具有下级系统，则将子系统进一步进行分层，直到最底层系统不能再分；得到的每个底层系统再进行功能结构划分；
在功能-结构层，采用功能-行为-结构的映射分层方法；确定得到的底层系统的总功能，对总功能进行分层，直到最底层功能块为基本功能块，得到每个底层系统的功能域结构关系图；
针对每个功能域结构关系图中每个功能块推导出对应的行为块，得到行为域结构关系图，针对每个行为块推导出对应的结构块，得到每个底层系统的结构域结构关系图；
一直分解到现成的零部件和模块就完成了子系统的功能结构分析、分解；通过上述映射过程的分解，可以获得相互关联的功能、行为和结构的映射层次结构图，如图2所示；
图2中，功能域是由总功能、分功能、子功能各层之间的关系构成功能域；来实现功能的对应行为层之间关系便构成了行为域；承载功能域及行为域中相对应的结构层之间的关系构成了结构域。该图中从总体上表述了功能域、行为域及结构域之间的“之”字形映射关系。
因此，形成的功能结构映射如图3所示，为方便后续的相关度的评判，形成的SFS分层模型图如图4所示。
步骤1.2：在分层模型的基础上建立基于功能结构的模块划分原则
(1)功能相关原则
该原则是指从所需满足的产品系统功能要求出发，将那些为共同实现系统的某个或者某些功能要求的元器件聚在一起形成模块，该原则能够保证模块的功能独立性；其功能关系及相关数值描述如下：
零部件间为相互依存关系，相关数值为1.0；零部件间具有较强的协作关系，相关数值为0.5～0.9；零部件间具有较弱的协作关系，相关数值为0.1～0.4；零部件间相互独立无功能关系，相关数值为0；
(2)结构相关原则
该原则是指模块内部的结构具有一定的关联性，而模块的整体结构具有相对独立性；这是进行模块划分的最基本原则，它保证每个模块在结构方面的完整性和独立性；该原则主要从联接方式方面来考虑，其结构关系及相关数值描述如下：
零部件间永久联接，不可拆分，如焊接、粘合、铸造等等，相关数值为0.8～1.0；零部件间紧密联接，难以拆卸，如通过热压、冷缩等进行联接，相关数值为0.7～0.9；零部件间较难拆卸的一般联接，如通过铆钉、键、销等进行联接，相关数值为0.4～0.6；零部件间较易拆卸的一般联接，如螺纹联接，相关数值为0.1～0.3；无联接关系，相关数值为0；
步骤1.3：基于DFX(X为制造、装配、拆卸、维修、回收等生命周期过程)的模块划分原则
该原则可以说是基于功能结构相关性原则的延续，不仅从功能结构角度考虑元器件之间的相关性，而且进一步将针对某种因素的相关性纳入到模块划分的相关性原则之中，因此，能更加全面地考虑整个复杂产品系统在全生命周期的各环节的相关性，从而是为进行更加合理的模块划分打下基础，其相关数值描述如下：
针对生命周期域，将零部件之间在制造、装配、拆卸、维修、回收时的相关性分为四挡：强相关性、较强相关性、较弱相关性、无相关性，分别对应的相关数值为0.8～1.0、0.4～0.7、0.1～0.3、0；
步骤2：对模块进行预划分,将所有模块分类为待划分模块和不需要划分的模块,其中不需要划分的模块包括：组件级模块、通用件、个性化覆盖件、对产品功能无影响的非定制件、电气液压组件,剩余模块为待划分模块；
(1)模块一般指组件级，不进行零件的划分。该原则反映了本模块划分方法是针对装配企业，尤其是针对复杂产品生产企业。
(2)通用件，例如螺栓、螺钉、垫圈等标准件；
(3)个性化覆盖件，例如标牌、线束固定架等；
(4)对产品功能无影响的非定制件，例如盖板、连接架等非定制件不作为模块进行划分；
(5)电气、液压组件，如电阻件，压力阀等不作为模块进行规划；
在预划分原则的指导下，对主要零部件表进行零件精简，大大减少待聚类的零部件数量，完成预划分。
步骤3：计算综合相关矩阵
步骤3.1：根据功能子集和结构子集，以及步骤1.2，1.3确定零部件间的功能、结构相关数值，确定功能域、结构域的相关矩阵；根据实际生产中的侧重点，确定X，确定生命周期域的相关矩阵，功能域相关矩阵中每个元素表述对应的两个零部件之间的功能相关性，结构域相关矩阵中的每个元素表示对应的两个零部件之间的结构相关性，生命周期域表示对应的两个零部件之间的生命周期X相关性；
步骤3.2：确定功能域相关矩阵、结构域相关矩阵、生命周期域相关矩阵的权重，根据权重计算出综合相关矩阵；
步骤4：根据步骤3的综合相关矩阵采用聚类算法多次聚类，形成模块划分方案集；
步骤4.1：确定划分模块的数量范围为
Figure BDA0002379916550000031
其中n为基本模块的数量，l为1或2，
Figure BDA0002379916550000032
表示取整操作，当n为整数时，l等于1；当n不是整数时，l等于2；
步骤4.2：确定免疫遗传算法的参数，确定正常数ε，ε>0，遗传代数t，群体数量N，交叉概率Pc，变异概率Pm，采用生成随机数的方法，随机生成初始群体P(0)，迭代次数L；
步骤4.3：确定划分模块的数量范围中每一个值的适应度；
步骤4.4：对当代群体P(t)通过引入免疫原理的选择算子、合适的交叉算子和变异算子的操作生成新一代群体P(t+1)；
步骤4.5：利用FCM聚类算法重新计算聚类中心矩阵及目标函数值；
步骤4.6：如果进化代数i小于最大进化代数Max，产生下一代种群P(i+1)，继续遗传运算，直至终止，输出聚类结果。
步骤5：对模块划分方案集进行评价，得到最优的模块划分方案。
步骤5.1：给出方案集、属性集，求出模糊决策矩阵
设X＝{x1,x2,…,xi,…,xj}为被评价的模块划分方案集；U＝{U1,U2,Uj,…,Uk}为指标属性集合，则第i个方案的第j个指标的值记为zij(i＝1,2,...,j；j＝1,2,...k)，形成的决策矩阵Z如下：
Figure BDA0002379916550000041
步骤5.2由主客观赋权法确定属性权重
由主观赋权法属性权重向量为W'＝(W'1,W'2,...,W'n)T，且满足
Figure BDA0002379916550000042
由客观赋权法得出的属性权重向量为W”＝(W”1,W”2,...,W”n)T，且满足
Figure BDA0002379916550000043
记T,U分别表示W'和W”的重要程度；
考虑到将主观权重向量与客观权重向量进行综合，则令W＝TW'+UW”，T,U满足单位化约束条件T2+U2＝1；
步骤5.3：求得加权决策矩阵；
步骤5.4：计算正负理想解；
步骤5.5：利用TOPSIS框架计算相对贴近度；
步骤5.6：根据相对贴进度大小进行方案排序。
由于采用了上述技术方案，与现有技术相比，本发明首先建立SFS分层模型，在此基础上建立基于功能结构和基于DFX的模块划分原则；然后根据预划分原则进行预划分，降低了系统的复杂性；在模块划分原则的指导下，根据设计要求及设计参数，建立各子相关矩阵，并根据权重建立综合相关矩阵；根据不同的聚类数，对综合相关矩阵进行聚类，生成模块划分方案集并进行评价。更加合理的针对复杂系统具有多重属性交杂的特点，划分结果更加多样以及合理，提高了设计生产效率。
附图说明
图1为本发明方法的具体实施方式流程图。
图2为本发明功能－行为－结构映射图。
图3为本发明功能结构树图。
图4为本发明SFS分层模型图。
图5为本发明模块划分方法的算法流程图。
图6为飞控系统功能分析示意图。
图7为具体实施方式中民用飞机机头功能域结构关系图。
图8为具体实施方式中民用飞机机头结构域结构关系图。
图9为具体实施方式中控系统零部件之间的功能子相关矩阵由设计师评定构造飞控系统零部件之间的功能子相关矩阵示意图。
图10为具体实施方式中控系统零部件之间的功能子相关矩阵由设计师评定构造飞控系统零部件之间的结构子相关矩阵示意图。
图11为具体实施方式中DFA(面向装配)相关性矩阵示意图。
图12为具体实施方式中得到的综合相关矩阵示意图。
具体实施方式
以民用飞机机头为例，对本发明进行实例验证。
步骤1：建立SFS分层模型
步骤1.1：建立系统子集
由于民机机头模块化交付的系统件划分较为完善，因此直接将民机机头的系统子集分为飞控，液压，内饰，环控，电子电气5个子系统。
步骤1.2：形成功能子集和结构子集
采用民机机头中的一个子系统—飞控系统为例，来验证后续的模块划分方法。其余子系统依例进行划分即可。
结合产品物料清单，形成如下主要元件清单如表1。
如下图6为飞控系统功能分析；
当驾驶员操纵方向舵脚蹬时，操纵杆将方向舵脚蹬支撑杆的运动传送到偏航控制系统中。驾驶员也可以利用方向舵脚蹬来进行刹车控制。其中副翼对飞机进行横滚控制，方向舵对飞机进行偏航控制，升降舵对飞机进行俯仰控制。
通过以上分析可以基于功能-行为-结构(FBS)的映射模型，得到基于功能-行为-结构映射的功能结构图，为方便后续相关矩阵建立，给出独立的功能分解图及结构分解图。
步骤2预划分
步骤2.1进行预划分
在预划分原则的指导下，综合飞控系统主要零部件表进行预划分，划分结果如表2所示。
步骤3建立各子相关矩阵
步骤3.1建立功能结构子相关矩阵
根据模块划分原则及相关性分析的方法，得到由设计师评定构造飞控系统零部件之间的功能子相关矩阵RMF，如图9所示；结构子相关矩阵RMS，如图10所示。
步骤3.2建立面向装配的生命周期相关矩阵
由设计要求中，模块化交付更加侧重于装配，因此给出DFA(面向装配)的相关性矩阵RMA如图11所示。
步骤3.3建立综合划分矩阵
根据该飞控系统的特点，以模糊层次分析法以及设计师要求，确定各个子相关性的权重，经计算各子相关性的权重依次为0.2，0.3，0.5。得出综合相关矩阵RM如图12所示。
步骤4针对每种模块数情况，确定模块划分方案集如表3示。
步骤5确定最优模块划分方案为X3；
模块1由{1，2，3，4，5}构成，组成方向舵控制系统，对飞机进行偏航控制以及速度控制；模块2由{6，7，8，9，10，11，12}构成，组成驾驶舱副翼控制系统，对飞机进行横滚控制；模块3由{13，14，18，20，21，22}构成，组成驾驶盘模块，提供各种驾驶动作；模块4由{15，28}构成，组成中央操作台总成，提供多种指令动作；模块5由{16，17，19，23，24，27}构成，组成驾驶舱升降舵系统，对飞机进行俯仰控制；模块6由{25，26}构成，组成高升力控制系统，提供飞机的高升力控制。
表1主要元件清单
Figure BDA0002379916550000071
表2综合飞控系统主要零部件
Figure BDA0002379916550000072
表3具体实施方式步骤4中对每种模块数情况确定模块划分方案集
Figure BDA0002379916550000081

Claims (3)

1.一种基于系统、功能、结构分层的复杂系统模块划分方法,该方法包括:
步骤1：建立系统、功能、结构分层模型及确定模块划分相关数值；
步骤1.1：建立系统、功能、结构分层模型；
在系统层，将大系统划分为多个相对独立的子系统，如子系统仍然具有下级系统，则将子系统进一步进行分层，直到最底层系统不能再分；得到的每个底层系统再进行功能结构划分；
在功能-结构层，采用功能-行为-结构的映射分层方法；确定得到的底层系统的总功能，对总功能进行分层，直到最底层功能块为基本功能块，得到每个底层系统的功能域结构关系图；
针对每个功能域结构关系图中每个功能块推导出对应的行为块，得到行为域结构关系图，针对每个行为块推导出对应的结构块，得到每个底层系统的结构域结构关系图；
步骤1.2：确定基于功能、结构的模块划分相关数值；
(1)功能相关数值；
零部件间为相互依存关系，相关数值为1.0；零部件间具有较强的协作关系，相关数值为0.5～0.9；零部件间具有较弱的协作关系，相关数值为0.1～0.4；零部件间相互独立无功能关系，相关数值为0；
(2)结构相关数值；
零部件间永久联接，不可拆分，相关数值为0.8～1.0；零部件间紧密联接，难以拆卸，相关数值为0.7～0.9；零部件间较难拆卸的一般联接，相关数值为0.4～0.6；零部件间较易拆卸的一般联接，相关数值为0.1～0.3；无联接关系，相关数值为0；
步骤1.3：针对生命周期域，将零部件之间在制造、装配、拆卸、维修、回收时的相关性分为四挡：强相关性、较强相关性、较弱相关性、无相关性，分别对应的相关数值为0.8～1.0、0.4～0.7、0.1～0.3、0；
步骤2：对模块进行预划分；
将所有模块分类为待划分的模块和不需要划分的模块,其中不需要划分的模块包括：组件级模块、通用件、个性化覆盖件、对产品功能无影响的非定制件、电气液压组件,其余模块为待划分的模块；
步骤3：计算综合相关矩阵；
步骤3.1：根据功能子集和结构子集，以及步骤1.2，1.3确定零部件间的功能、结构相关数值，确定功能域、结构域的相关矩阵；根据实际生产中的侧重点，确定生命周期X，确定生命周期域的相关矩阵，功能域相关矩阵中每个元素表述对应的两个零部件之间的功能相关性，结构域相关矩阵中的每个元素表示对应的两个零部件之间的结构相关性，生命周期域表示对应的两个零部件之间的生命周期X相关性；
步骤3.2：确定功能域相关矩阵、结构域相关矩阵、生命周期域相关矩阵的权重，根据权重计算出综合相关矩阵；
步骤4：根据步骤3的综合相关矩阵采用聚类算法多次聚类，形成模块划分方案集；
步骤5：对模块划分方案集进行评价，得到最优的模块划分方案。
2.如权利要求1所述的一种基于系统、功能、结构分层的复杂系统模块划分方法，其特征在于所述步骤4的具体方法为：
步骤4.1：确定划分模块的数量范围为
Figure FDA0002379916540000021
其中n为基本模块的数量，l为1或2，
Figure FDA0002379916540000022
表示取整操作，当n为整数时，l等于1；当n不是整数时，l等于2；
步骤4.2：确定免疫遗传算法的参数，确定正常数ε，ε>0，遗传代数t，群体数量N，交叉概率Pc，变异概率Pm，采用生成随机数的方法，随机生成初始群体P(0)，迭代次数L；
步骤4.3：确定划分模块的数量范围中每一个值的适应度；
步骤4.4：对当代群体P(t)通过引入免疫原理的选择算子、合适的交叉算子和变异算子的操作生成新一代群体P(t+1)；
步骤4.5：利用FCM聚类算法重新计算聚类中心矩阵及目标函数值；
步骤4.6：如果进化代数i小于最大进化代数Max，产生下一代种群P(i+1)，继续遗传运算，直至终止，输出聚类结果。
3.如权利要求1所述的一种基于系统、功能、结构分层的复杂系统模块划分方法，其特征在于所述步骤5的具体方法为：
步骤5.1：给出方案集、属性集，求出模糊决策矩阵；
设X＝{x1,x2,…,xi,…,xj}为被评价的模块划分方案集；U＝{U1,U2,Uj,…,Uk}为指标属性集合，则第i个方案的第j个指标的值记为zij(i＝1,2,...,j；j＝1,2,...k)，形成的决策矩阵Z如下：
Figure FDA0002379916540000023
步骤5.2由主客观赋权法确定属性权重；
由主观赋权法属性权重向量为W'＝(W'1,W'2,...,W'n)T，且满足0≤W'j≤1,
Figure FDA0002379916540000024
由客观赋权法得出的属性权重向量为W”＝(W”1,W”2,...,W”n)T，且满足0≤W”j≤1,
Figure FDA0002379916540000025
记T,U分别表示W'和W”的重要程度；
考虑到将主观权重向量与客观权重向量进行综合，则令W＝TW'+UW”，T,U满足单位化约束条件T2+U2＝1；
步骤5.3：求得加权决策矩阵；
步骤5.4：计算正负理想解；
步骤5.5：利用TOPSIS框架计算相对贴近度；
步骤5.6：根据相对贴进度大小进行方案排序。
CN202010079869.5A 2020-02-04 2020-02-04 一种基于系统、功能、结构分层的复杂系统模块划分方法 Pending CN111291857A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010079869.5A CN111291857A (zh) 2020-02-04 2020-02-04 一种基于系统、功能、结构分层的复杂系统模块划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010079869.5A CN111291857A (zh) 2020-02-04 2020-02-04 一种基于系统、功能、结构分层的复杂系统模块划分方法

Publications (1)

Publication Number Publication Date
CN111291857A true CN111291857A (zh) 2020-06-16

Family

ID=71024379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010079869.5A Pending CN111291857A (zh) 2020-02-04 2020-02-04 一种基于系统、功能、结构分层的复杂系统模块划分方法

Country Status (1)

Country Link
CN (1) CN111291857A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985787A (zh) * 2020-07-28 2020-11-24 河南科技大学 一种面向大规模定制的工艺模块化方案评价方法
CN113656884A (zh) * 2021-07-16 2021-11-16 东风汽车集团股份有限公司 基于功能与价值矩阵的仪表板系统优化方法及计算机设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985787A (zh) * 2020-07-28 2020-11-24 河南科技大学 一种面向大规模定制的工艺模块化方案评价方法
CN113656884A (zh) * 2021-07-16 2021-11-16 东风汽车集团股份有限公司 基于功能与价值矩阵的仪表板系统优化方法及计算机设备
CN113656884B (zh) * 2021-07-16 2024-04-12 东风汽车集团股份有限公司 基于功能与价值矩阵的仪表板系统优化方法及计算机设备

Similar Documents

Publication Publication Date Title
Ramanathan Data envelopment analysis for weight derivation and aggregation in the analytic hierarchy process
Hansen et al. Multilevel optimization in aircraft structural design evaluation
Bacarreza et al. Robust design and optimization of composite stiffened panels in post-buckling
CN111291857A (zh) 一种基于系统、功能、结构分层的复杂系统模块划分方法
CN107590319A (zh) 一种用于机械产品方案辅助设计的知识建模方法和系统
Luo et al. A new procedure for aerodynamic missile designs using topological optimization approach of continuum structures
CN111340493A (zh) 一种多维度分布式异常交易行为检测方法
CN106476346A (zh) 复合层压板
He et al. Structural performance prediction based on the digital twin model: A battery bracket example
Musikawan et al. Parallelized metaheuristic-ensemble of heterogeneous feedforward neural networks for regression problems
Huang et al. A generic method for multi-criterion decision-making problems in design for additive manufacturing
Bisagni et al. Optimization of helicopter subfloor components under crashworthiness requirements using neural networks
CN116542080A (zh) 一种基于对比学习的条件生成对抗网络拓扑优化方法及系统
Li et al. Mechanical design paradigm based on ACP method in parallel manufacturing
Gonzalez Robust evolutionary methods for multi-objective and multdisciplinary design optimisation in aeronautics
CN115600421A (zh) 基于改进型Petri网的自主式交通系统演化模型的构建方法及装置、介质
Schut et al. Design" feasilization" using knowledge-based engineering and optimization techniques
CN115438563A (zh) 一种基于数字孪生的航天器在轨模型构建方法
Chiba et al. Multidisciplinary design exploration of wing shape for silent supersonic technology demonstrator
Judt et al. Methodology for automated aircraft systems architecture enumeration and analysis
CN112948115A (zh) 一种基于极限学习机的云工作流调度器压力预测方法
CN111625912A (zh) 一种面向深度学习的Bom结构及其创建方法
Campbell et al. Data Augmentation for Intelligent Contingency Management Using Generative Adversarial Networks
Buonanno et al. Aerospace vehicle concept selection using parallel, variable fidelity genetic algorithms
Dai et al. Data mining-based model simplification and optimization of an electrical power generation system

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200616