CN116244863B - 基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统 - Google Patents
基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统 Download PDFInfo
- Publication number
- CN116244863B CN116244863B CN202310257633.XA CN202310257633A CN116244863B CN 116244863 B CN116244863 B CN 116244863B CN 202310257633 A CN202310257633 A CN 202310257633A CN 116244863 B CN116244863 B CN 116244863B
- Authority
- CN
- China
- Prior art keywords
- decision
- model
- attribute
- case
- reflow soldering
- 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
Links
- 238000013461 design Methods 0.000 title claims abstract description 114
- 238000004088 simulation Methods 0.000 title claims abstract description 102
- 238000005476 soldering Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 40
- 230000006978 adaptation Effects 0.000 claims abstract description 30
- 229910000679 solder Inorganic materials 0.000 claims description 17
- 108091023037 Aptamer Proteins 0.000 claims description 3
- 238000003466 welding Methods 0.000 abstract description 34
- 238000013508 migration Methods 0.000 abstract description 6
- 230000005012 migration Effects 0.000 abstract description 6
- 238000012938 design process Methods 0.000 abstract description 5
- 238000007726 management method Methods 0.000 description 60
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000005457 optimization Methods 0.000 description 22
- 238000010276 construction Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000002787 reinforcement Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 238000004514 thermodynamic simulation Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 101150064902 hlh-1 gene Proteins 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000007894 restriction fragment length polymorphism technique Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统,包括:案例库管理子系统、问题描述子系统和问题决策子系统;所述案例库管理子系统包括问题模型属性确定模块、决策模型属性确定模块和案例管理模块;问题描述子系统包括问题模型实例化模块和问题模型结构化模块;问题决策子系统包括决策模型实例化模块和决策模型结构化模块。通过设计各子系统以及各自的具体模块,将复杂工艺的设计过程以描述设计问题和设计问题决策为中心进行表征,提供通用的基于案例的适配方案,具有可重用性,解决回流焊焊点设计与仿真过程中以人为主的设计中存在的同类型问题解决思路迁移困难,方法流程复现繁琐的问题。
Description
技术领域
本发明涉及基于多粒度案例柔性重构的产品快速设计决策领域,特别是涉及一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统。
背景技术
当前工程领域问题包含了广泛的同类型问题解决过程的迁徙和解决方法的复现及调整。传统的问题解决过程多依赖于工程人员对问题的认知,具有较高的对问题解决思路和通用问题求解技术方法理解的需求。很难保证后续工作中遇到类似问题时,能够准确匹配到之前的全部或者部分设计仿真问题的分解思路和设计仿真问题的解决思路。导致在全新设计中问题分解不可复现,重复求解过程不可调用,设计效率较低,造成了对案例知识的浪费和科学有效重用。因此,针对工程领域问题的传统设计模式和方法已经不能满足现代产品设计信息系统高度集成的设计模式,特别需要一种多粒度,系统性构建,多维度适配的设计仿真案例构建与适配方法来提高设计效率。
当前针对设计与仿真的问题建模和求解,一部分关注于某些特定问题的分析与解决,一部分则关注于设计中业务流程设计活动的规划。但目前的研究中很少有考虑工程领域问题的多维度信息重用,即新设计仿真问题的构建无法匹配到从决策角度出发的知识信息。因此,本发明针对目前回流焊焊点设计与仿真过程中以人为主的设计中存在的同类型问题解决思路迁移困难,方法流程复现繁琐的问题,提出了一种系统性的,多粒度的,多维度的问题表征与求解方式和多粒度的知识适配系统,以增强对设计与仿真问题的系统性决策。
发明内容
本发明的目的是提供一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统,可解决目前回流焊焊点设计与仿真过程中以人为主的设计中存在的同类型问题解决思路迁移困难,方法流程复现繁琐的问题。
为实现上述目的,本发明提供了如下方案:
一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统,所述系统包括:案例库管理子系统、问题描述子系统和问题决策子系统;
所述案例库管理子系统包括问题模型属性确定模块、决策模型属性确定模块和案例管理模块;所述问题模型为描述回流焊焊点仿真问题的问题模板;所述决策模型为描述所述回流焊焊点仿真问题求解过程的决策模板;
所述问题模型属性确定模块,用于针对所述回流焊焊点仿真问题,自定义配置所述问题模板中内容的属性类和属性;
所述决策模型属性确定模块,用于根据配置好的问题模板和问题求解需求,自定义配置所述决策模板中内容的属性类和属性;
所述案例管理模块,用于针对所述回流焊焊点仿真问题和所述问题求解需求,从历史案例库中确定参考案例或参考子案例;所述参考案例是由针对同一所述回流焊焊点仿真问题的参考问题模板和参考决策模板构成的历史设计方案;所述参考子案例为所述参考问题模板或所述参考决策模板;
问题描述子系统包括问题模型实例化模块和问题模型结构化模块;
所述问题模型实例化模块,用于根据所述回流焊焊点仿真问题,对所述配置好的问题模板中各属性或对所述参考问题模板中各属性赋予具体数据;
所述问题模型结构化模块,用于根据多个实例化后的问题模板之间的数据流通关系确定各所述实例化后的问题模板的拓扑结构连接关系;
问题决策子系统包括决策模型实例化模块和决策模型结构化模块;
所述决策模型实例化模块,用于根据所述回流焊焊点仿真问题和所述问题求解需求,对配置好的决策模板中各属性或对所述参考决策模板中各属性赋予具体数据;
所述决策模型结构化模块,用于根据所述回流焊焊点仿真问题的求解流程,确定多个实例化后的决策模板之间的拓扑结构连接关系;具有拓扑连接关系的实例化后的决策模板是解决所述回流焊焊点仿真问题的求解方案;具有拓扑连接关系的实例化后的决策模板和具有拓扑连接关系的实例化后的问题模板构成了回流焊焊点仿真设计决策方案。
可选的,所述问题模型属性确定模块包括问题模型属性类配置单元、问题模型属性配置单元和领域问题属性库;
所述问题模型属性类配置单元,用于自定义配置所述问题模型中内容的属性类;所述问题模型的属性类包括基础属性、参数属性、约束属性和模型属性;
所述问题模型属性配置单元,用于根据所述领域问题属性库存储的数据,自定义配置所述问题模型中内容的属性;
所述领域问题属性库,用于集中存储和管理各种回流焊焊点仿真问题内容的属性。
可选的,所述决策模型属性确定模块包括决策模型属性类配置单元、决策模型属性配置单元和决策属性库;
所述决策模型属性类配置单元,用于自定义配置所述决策模型的属性类;所述决策模型的属性类包括基础属性、超参数属性和输入输出属性;
所述决策模型属性配置单元,用于根据所述决策属性库存储的数据,自定义配置所述决策模型中求解内容的属性;
所述决策属性库,用于集中存储和管理各种回流焊焊点仿真问题求解内容的属性。
可选的,所述问题模型实例化模块包括领域问题模型库,领域问题知识库和问题模型实例化单元;
所述领域问题模型库,用于存储基于所述问题模型属性确定模块得出的所述配置好的问题模板;
所述领域问题知识库,用于存储关于回流焊焊点优化设计仿真的领域知识;
所述问题模型实例化单元,用于根据所述回流焊焊点仿真问题,调取所述配置好的问题模板和所述参考问题模板,并结合所述领域知识赋予各属性具体数据。
可选的,所述决策模型实例化模块包括领域决策模型库,领域求解知识库和决策模型实例化单元;
所述领域决策模型库,用于存储基于所述决策模型属性确定模块得出的所述配置好的决策模板;
所述领域求解知识库,用于存储解决各种所述回流焊焊点仿真问题的所有求解知识;
所述决策模型实例化单元,用于根据所述回流焊焊点仿真问题和所述问题求解需求,对所述配置好的决策模板中各属性或对所述参考决策模板中各属性赋予具体数据。
可选的,所述案例管理模块包括问题模型检索单元、问题模型管理单元和问题结构管理单元;
所述问题模型检索单元,用于从历史案例库中采用检索的方式确定检索问题模板;所述参考问题模板包括所述检索问题模板;
所述问题模型管理单元,用于结合所述领域知识对所述配置好的问题模板或所述参考问题模板进行内容管理;
所述问题结构管理单元,用于对依据所述参考问题模板间的拓扑连接关系对所述实例化后的问题模板间的拓扑连接关系进行管理。
可选的,所述案例管理模块还包括、决策模型检索单元、决策模型管理单元和决策结构管理单元;
所述决策模型检索单元,用于从所述历史案例库中采用检索的方式确定检索决策模板;所述参考决策模板包括所述检索决策模板;
所述决策模型管理单元,用于结合所述求解知识对所述配置好的决策模板或所述参考决策模板进行内容管理;
所述决策结构管理单元,用于依据所述参考决策模板间的拓扑连接关系对所述实例化后的决策模板间的拓扑连接关系进行管理。
可选的,所述案例管理模块还包括案例检索单元、子案例适配单元、子案例推理单元;
所述案例检索单元,用于从所述历史案例库中检索适用于描述和求解所述回流焊焊点仿真问题的所述参考案例;
所述子案例适配单元,用于从子案例库中检索适用于描述或求解所述回流焊焊点仿真问题的适配子案例;
所述子案例推理单元,用于依据所述参考案例和/或所述参考子案例推理出适用于描述或求解所述回流焊焊点仿真问题的推理子案例;所述参考子案例包括所述适配子案例和所述推理子案例。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统,通过问题模型属性确定模块和决策模型属性确定模块可以得出配置好的问题模型和决策模型,实际应用时根据需求调取或调整模型的内容或结构;通过案例管理模块针对所述回流焊焊点仿真问题和所述问题求解需求,从历史案例库中确定参考问题模板和参考决策模板,实际应用时根据需求调取或调整模型的内容或结构。可见,将复杂工艺的设计过程以描述设计问题和设计问题决策为中心进行表征,提出了一套通用的基于案例的适配方案,具有可重用性,适用于对以往设计仿真过程较多的复杂工艺,通过提高对设计仿真问题的划分粒度,提供多维度的适配方法,增加工程领域问题迭代的效率和效能,降低研发周期。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统框图;
图2为本发明实施例提供的基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统的工作流程图。
附图标记:
案例库管理子系统—100;问题模型属性确定模块—110;问题模型属性类配置单元—111;问题模型属性配置单元—112;领域问题属性库—113;决策模型属性确定模块—120;决策模型属性类配置单元—121、决策模型属性配置单元—122;决策属性库—123;案例管理模块—130;问题模型管理单元—131;问题模型检索单元—132;问题结构管理单元—133;决策模型管理单元—134;决策模型检索单元—135;决策结构管理单元—136;案例库管理单元—137;案例检索单元—138;子案例适配单元—139;子案例推理单元—140;案例库—141;子案例库—142;问题结构子案例库—222;决策结构子案例库—322;问题描述子系统—200;问题模型实例化模块—210;问题模型结构化模块—220;领域问题模型库—212;领域问题知识库—213;领域知识图谱库—214;问题决策子系统—300;决策模型实例化模块—310;领域决策模型库—312;算法数据库—313;计算知识—314;决策模型结构化模块—320。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统,可解决目前回流焊焊点设计与仿真过程中以人为主的设计中存在的同类型问题解决思路迁移困难,方法流程复现繁琐的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本实施例提供一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统,所述系统包括:案例库管理子系统100、问题描述子系统200和问题决策子系统300。
所述案例库管理子系统100用于实现设计案例中的设计问题描述类模型和设计问题决策类模型内容的配置以及设计案例的编辑、管理和保存三个功能;根据这三个功能的实现,案例库管理子系统100包括用于设计问题描述类模型创建的问题模型属性确定模块110、用于设计问题决策类模型创建的决策模型属性确定模块120、用于设计案例及子案例管理和适配的案例管理模块130,即所述案例库管理子系统100包括问题模型属性确定模块110、决策模型属性确定模块120和案例管理模块130;所述问题模型为描述回流焊焊点仿真问题的问题模板;所述决策模型为描述所述回流焊焊点仿真问题求解过程的决策模板。
所述问题模型属性确定模块110,用于针对所述回流焊焊点仿真问题,自定义配置所述问题模板中内容的属性类和属性。
问题模型属性确定模块110又包括用于自定义配置设计问题描述类模型属性类的问题模型属性类配置单元111,具体的属性配置类别,包括基础属性、参数属性、模型属性和约束属性。用于自定义配置设计问题描述类模型属性的问题模型属性配置单元112由领域问题属性库113提供,它用于集中储存和管理领域设计问题属性。具体的,所述问题模型属性确定模块110包括问题模型属性类配置单元111、问题模型属性配置单元112和领域问题属性库113。
所述问题模型属性类配置单元111,用于自定义配置所述问题模型中内容的属性类;所述问题模型的属性类包括基础属性、参数属性、约束属性和模型属性。
所述问题模型属性配置单元112,用于根据所述领域问题属性库113存储的数据,自定义配置所述问题模型中内容的属性。
所述领域问题属性库113,用于集中存储和管理各种回流焊焊点仿真问题内容的属性。领域问题属性库113包括:名称;ID;描述;链接;硬性指标、柔性指标、必要指标、非必要指标;完成人员;所属级别等。
所述决策模型属性确定模块120,用于根据配置好的问题模板和问题求解需求,自定义配置所述决策模板中内容的属性类和属性。
决策模型属性确定模块120又包括用于自定义配置设计问题决策类模型属性类的决策模型属性类配置单元121,具体的属性配置类别包括基础属性、超参数属性、输入输出属性。用于自定义配置设计问题决策类模型属性的决策模型属性配置单元122由决策求解属性库提供,它用于集中储存和管理问题决策求解属性。具体的,所述决策模型属性确定模块120包括决策模型属性类配置单元121、决策模型属性配置单元122和决策属性库123。
所述决策模型属性类配置单元121,用于自定义配置所述决策模型的属性类;所述决策模型的属性类包括基础属性、超参数属性和输入输出属性;
所述决策模型属性配置单元122,用于根据所述决策属性库123存储的数据,自定义配置所述决策模型中求解内容的属性。
所述决策属性库123,用于集中存储和管理各种回流焊焊点仿真问题求解内容的属性。决策属性库123包括:名称;ID;描述;链接;学习率;迭代次数;步长;变量名等。
其中,问题模型属性确定模块110和决策模型属性确定模块120均采用了多级可配置的方式,从属性类、属性到属性值,即具有较高的灵活性可以适应不同的领域问题,配置不同的属性内容。
所述案例管理模块130,用于针对所述回流焊焊点仿真问题和所述问题求解需求,从历史案例库中确定参考案例或参考子案例;所述参考案例是由针对同一所述回流焊焊点仿真问题的参考问题模板和参考决策模板构成的历史设计方案;所述参考子案例为所述参考问题模板或所述参考决策模板。当从历史案例库中获取到的是问题模型子案例,则参考子案例为参考问题模板;当当从历史案例库中获取到的是决策模型子案例,则参考子案例为参考决策模板。
案例管理模块130案例是由问题描述类模型(问题模型)组成的拓扑结构和问题决策类模型(决策模型)组成的拓扑结构网络构成的。单独的问题描述类模型拓扑结构和问题决策类模型拓扑结构将作为子案例存储起来用于案例的重构。又包括用于进行问题描述类模型管理的问题模型管理单元131、用于提供问题模型检索的问题模型检索单元132、用于管理问题描述拓扑结构的问题结构管理单元133、用于进行问题决策类模型管理的决策模型管理单元134、用于提供决策模型检索的决策模型检索单元135、用于管理问题决策拓扑结构的决策结构管理单元136、用于增加、删除、编辑、查询案例的案例库管理单元137、用于案例检索查询的案例检索单元138、用于子案例适配的子案例适配单元139、用于案例生成的子案例推理单元140、用于存储已创建设计案例的案例库、用于储存案例中子案例的子案例库142,子案例库142由问题结构子案例库222和决策结构子案例库322共同构成。案例管理子系统的管理机制有两类:针对整个案例的管理和检索以及针对子案例信息即结构化的模型信息的管理、适配和推理。
具体的,所述案例管理模块130包括问题模型检索单元132、问题模型管理单元131和问题结构管理单元133。
所述问题模型检索单元132,用于从历史案例库中采用检索的方式确定检索问题模板;所述参考问题模板包括所述检索问题模板。
这里的问题模型检索单元132,是针对子案例的检索单元,与子案例适配单元和子案例推理单元属于同一等级的,只是得出参考子案例的方式不同。
所述问题模型管理单元131,用于结合所述领域知识对所述配置好的问题模板或所述参考问题模板进行内容管理。
所述问题结构管理单元133,用于对依据所述参考问题模板间的拓扑连接关系对所实例化后的问题模板间的拓扑连接关系进行管理。
图1中,问题结构管理单元133→问题结构子案例库222表示部分结构组成的问题子案例存储到问题结构子案例库222。
问题结构子案例库222→问题模型结构化模块220:存储在问题结构子案例库222内的子案例,通过检索被重用到问题模型结构化模块220中。
所述案例管理模块130还包括决策模型检索单元135、决策模型管理单元134和决策结构管理单元136。
所述决策模型检索单元135,用于从所述历史案例库中采用检索的方式确定检索决策模板;所述参考决策模板包括所述检索决策模板。
所述决策模型管理单元134,用于结合所述求解知识对所述配置好的决策模板或所述参考决策模板进行内容管理。
所述决策结构管理单元136,用于依据所述参考决策模板间的拓扑连接关系对所述实例化后的决策模板间的拓扑连接关系进行管理。
图1中,决策结构管理单元136→决策结构子案例库322:部分结构组成的决策子案例存储到决策结构子案例库322。
决策结构子案例库322→决策模型结构化模块320:存储在决策结构子案例库322内的子案例,通过检索被重用到决策模型结构化模块320中。
所述案例管理模块130还包括案例检索单元138、子案例适配单元139、子案例推理单元140。
所述案例检索单元138,用于从案例库中检索适用于描述和求解所述回流焊焊点仿真问题的所述参考案例。
所述子案例适配单元139,用于从子案例库142中检索适用于描述或求解所述回流焊焊点仿真问题的适配子案例。
所述子案例推理单元140,用于依据所述参考案例和/或所述参考子案例推理出适用于描述或求解所述回流焊焊点仿真问题的推理子案例;所述参考子案例包括所述适配子案例和所述推理子案例。
案例管理模块130还包括案例库管理单元137,用于对案例库141中的案例进行管理。
问题描述子系统200用于实现将非结构化和半结构化的问题信息转化为结构化的问题描述,核心是做到非结构化和半结构化信息向结构化、数字化转变。需要确定具体问题描述时的属性值、以及结构化问题描述之间的关系。根据这三方面的需求,问题描述子系统200包括具体问题信息确定的问题描述类模型实例化模块(即问题模型实例化模块210)、用于问题描述类模型关系确定的问题描述类模型结构化模块(即问题模型结构化模块220)。
具体的,问题描述子系统200包括问题模型实例化模块210和问题模型结构化模块220。
问题描述类模型实例化模块用于对由问题模型属性确定模块110得到并储存到领域问题模型库212中的问题描述类模型进行具体领域问题的属性值确定。本系统针对属性值的确定,提出多种形式的知识支撑,包括领域问题知识库213、领域知识图谱库214。具体的,所述问题模型实例化模块210,用于根据所述回流焊焊点仿真问题,对所述配置好的问题模板中各属性或对所述参考问题模板中各属性赋予具体数据。
其中,所述问题模型实例化模块210包括领域问题模型库212,领域问题知识库213和问题模型实例化单元。
所述领域问题模型库212,用于存储基于所述问题模型属性确定模块110得出的所述配置好的问题模板。
所述领域问题知识库213,用于存储关于回流焊焊点优化设计仿真的领域知识。领域问题知识库213包括领域问题知识库213(存储关于回流焊焊点优化仿真的已有文献资料)和领域知识图谱库214(存储基于已有文献资料形成的知识图谱结构)。领域问题知识库213包括:存储当前回流焊问题优化求解的相关信息,例如:焊点类型包括:球星焊点、方形焊点等;评价焊点可靠性的主要指标包括:焊点疲劳寿命、焊点残余应力;焊点优化主要涉及的变量包括:焊点高度、间距、半径等。
所述问题模型实例化单元,用于根据所述回流焊焊点仿真问题,调取所述配置好的问题模板和所述参考问题模板,并结合所述领域知识赋予各属性具体数据。
所述问题模型结构化模块220,用于根据多个实例化后的问题模板之间的数据流通关系确定各所述实例化后的问题模板的拓扑结构连接关系。
问题描述类模型结构化模块(即问题模型结构化模块220)用于将包含具体属性值的问题模型进行拓扑连接,建立模型之间的关系。模型间关系的建立分类两种形式,一种是由设计人员自行根据已有知识体系结合对问题的认知程度构建模型间关系、一种是根据已有案例库中的结构化子案例结合新的需求系统自动构建新的关系网络。
针对第一种形式,本系统提出四方面的知识来提高设计人员对领域问题的认知,具体包括:问题结构类型、问题约束类型、问题求解类型、问题决策类型全部包含在领域问题类型库。问题结构类型具体指以特定领域问题划分方法进行问题划分的类别,问题结构包括:“需求-功能-逻辑-物理”(RFLP)结构、“功能-行为-结构”(FBS)结构;领域问题约束具体指领域问题结构划分中存在的约束类型,约束有三个方面:数值类约束、布尔类约束和公式类约束;问题求解类型具体指领域问题的求解模式,本发明包含的求解模式包括:架构设计问题和参数优化设计问题。问题决策类型主要面向实际工程问题决策确定的方式、目标等,本发明包含的决策类型包括:选择决策和模糊决策。
针对第二种形式,采用本系统中的子案例适配单元139和子案例推理单元140,主要采用到的是基于案例的推理技术,具体策略如下:面向问题描述中涉及的四类知识类型,通过输入新案例的关于四种类型知识的需求。采用最近相邻法,计算已有案例中与四种类型知识相似的案例。对得到的相似案例根据得到的距离进行排序。若没有满足条件的案例,则跳入案例推理环节。该环节主要是采用基于马尔可夫强化学习技术。通过将四类知识的需求量化为对问题模型的奖励值,案例库中问题模型的使用频次作为转移概率。推理得到一条状态最佳的问题分解流程。
问题决策子系统300用于求解由问题描述子系统200所确定的要解决的具体问题。与问题描述的方式相同,领域问题的求解采用结构化模型的方式和面向对象的思想。对不同的问题采用不同结构,不同组成的问题解决结构网络进行分解和解决。问题决策子系统300以结构为牵引,属性值为基础,算法为驱动实现对问题求解过程的定义和执行。具体实现由两部分模块组成,包括用于决策模型实例化的问题决策类模型实例化模块(即决策模型实例化模块310)和用于决策模型数值传递、函数传递、数字化模型传递、的问题决策类模型结构化模块(即决策模型结构化模块320)。
具体的,问题决策子系统300包括决策模型实例化模块310和决策模型结构化模块320。
问题决策类模型实例化模块用于对由决策模型属性确定模块120得到并储存到决策求解模型库中的问题决策类模型进行具体决策问题的属性值的确定。问题决策求解部分的属性值可分为以下几类:代理模型类、算法类、数值类等。针对上述的属性值类型,本系统提出相对应的数据库和知识库作为系统的数据支撑,包括用于构建代理模型的模型算法数据库、存储求解数学问题算法的计算知识库。
所述决策模型实例化模块310,用于根据所述回流焊焊点仿真问题和所述问题求解需求,对配置好的决策模板中各属性或对所述参考决策模板中各属性赋予具体数据。
其中,所述决策模型实例化模块310包括领域决策模型库312(对应图1中的决策求解模型库),领域求解知识库(对应图1中算法数据库313和计算知识314)和决策模型实例化单元。
所述领域决策模型库312,用于存储基于所述决策模型属性确定模块120得出的所述配置好的决策模板。
所述领域求解知识库,用于存储解决各种所述回流焊焊点仿真问题的所有求解知识。领域求解知识库(即算法数据库)包括:Kriging方法、神经网络方法、支持向量机方法、响应面方法等。
所述决策模型实例化单元,用于根据所述回流焊焊点仿真问题和所述问题求解需求,对所述配置好的决策模板中各属性或对所述参考决策模板中各属性赋予具体数据。
所述决策模型结构化模块320,用于根据所述回流焊焊点仿真问题的求解流程,确定多个实例化后的决策模板之间的拓扑结构连接关系;具有拓扑连接关系的实例化后的决策模板是解决所述回流焊焊点仿真问题的求解方案;具有拓扑连接关系的实例化后的决策模板和具有拓扑连接关系的实例化后的问题模板构成了回流焊焊点仿真设计决策方案。
问题决策类模型结构化模块用于将包含有属性值的决策模型进行拓扑连接,建立决策模型之间的关系。决策模型间的关系主要指代数值之间的关系,以算法的输入、输出为典型例子。上级决策模型的输出会作为下级决策模型的输入,具体输入参数的种类、个数和值。由两种方式进行,一种是设计人员根据对问题求解的认知自行创建;另一种是根据已有案例库中的结构化子案例结合新的需求,系统自动生成新的案例。
针对第一种形式,本系统提出了三类型的知识库辅助设计人员进行决策,具体包括用于存储了已有决策求解结构子案例的决策结构子案例库322、包含求解算法相关特性和属性的智能优化知识库、包含代理模型构建算法相关特性和属性的机械学习知识库。
针对第二种形式,采用本系统中的子案例适配单元139和子案例推理单元140主要采用到的是基于案例的推理技术,具体策略如下:面向决策求解中三类典型属性值的特征采用最近相邻法,通过输入特征的目标值,计算已有案例中与特征值最为接近的案例。对得到的相似案例根据得到的距离进行排序。若没有满足条件的案例,则跳入案例推理环节。该环节主要是采用基于马尔可夫强化学习技术。通过将四类知识的需求量化为对问题模型的奖励值,案例库中问题模型的使用频次作为转移概率,推理得到一条状态最佳的问题分解流程。
其中,问题描述类模型结构化模块和问题决策类模型结构化模块是一种图形化和流程化的配置过程,从知识分类的角度提出了四类问题描述知识和三类问题求解知识。并且提出了一种实现案例推理的可行方法,基于强化学习从概念设计阶段探索设计空间的可行范围。
下面介绍一种基于本实施例提供的系统快速设计出一种回流焊焊点优化仿真决策方案的示例:
描述的案例由1个问题模型和两个决策模型构成
新建一个问题模型:
→设置模型基础信息:(110)
基础信息:
[名称:问题分解]
[ID:C1]
[描述:通过对完成该问题所需步骤的分解,进一步拆解所需要的信息和完成该任务所需的流程]
→创建该模板属性类(111)
基础属性
目标
→配置属性槽(112)
基础属性[名称,ID,描述]
目标[硬性指标,必要指标]
→保存到领域问题模型库(212)
调用一个问题模型1:(210)
基础属性
[名称:回流焊焊点优化问题]
[ID:HLH-1]
[描述:针对数据不足以及高精度仿真样本耗时长问题,需要一种提高模型精度同时成本较低的方法。]
目标
[硬性指标:疲劳寿命>50000h,必要指标:残余应力min]
新建一个决策模型1:
→设置模型基础信息:(120)
基础信息:
[名称:代理模型构建]
[ID:Surrogate-model]
[描述:通过对仿真数据进行模拟,构建能够预测目标函数值的数学模型,以提高优化设计的效率]
→创建该模型属性类(121)
基础信息
输入
输出
→配置属性槽:(122)
基础信息[名称\ID\描述]
输入[变量名\变量ID\变量类型\变量范围\数据地址\目标名称\目标ID\模型类型]
输出[结果信息类型\数据地址])
→保存到决策求解模型库
调用一个决策模型1:(310)
基础信息:
[名称:回流焊代理模型构建]
[ID:Surrogate_model_Solderjoint]
[描述:使用由Anasys分析得到的焊点形貌数据与目标函数值,得到二者的相关数学模型]
输入:
[变量名:焊点半径\焊点高度\焊点间距]
[变量ID:R1\H1\D1]
[变量类型:连续\连续\连续]
[变量边界:(0.15,0.35)\(0.4,0.8)\(1.5,2)]
[数据地址:path=C:\Users\Desktop\焊点仿真数据]
[目标名称:疲劳寿命\残余应力]
[目标ID:h1\F1]
[模型类型:回归模型\Kriging模型]
输出:
[结果信息类型:.model]
[数据地址:path=C:\Users\Desktop\]
新建一个决策模型2:
→设置模型基础信息:
基础信息:
[名称:优化求解]
[ID:Optimization]
[描述:通过使用智能优化算法,寻找所在变量区域内的最优设计点]
→创建该模型属性类
基础信息
输入
输出
→配置属性槽:
基础信息[名称\ID\描述]
输入[变量名\变量ID\变量类型\变量范围\模型地址\目标名称\目标ID\求解算法\算法参数]
输出[结果信息类型\数据地址])
→保存到决策求解模型库
调用一个决策模型2:
基础信息:
[名称:回流焊优化求解]
[ID:Optimization_Solderjoint]
[描述:基于代理模型做区间内全局最优点的搜索]
输入:
[变量名:焊点半径\焊点高度\焊点间距]
[变量ID:R1\H1\D1]
[变量类型:连续\连续\连续]
[变量边界:(0.15,0.35)\(0.4,0.8)\(1.5,2)]
[模型地址:path=C:\Users\Desktop\.model]
[目标名称:疲劳寿命\残余应力]
[目标ID:h1\F1]
[求解算法:遗传算法]
[算法参数:基因长度\突变率\种群大小\迭代次数]
约束条件:h1>50000h,F1min
输出:
[结果信息类型:.csv]
[数据地址:path=C:\Users\Desktop\]
对创建好的问题模型,进行相应流程的设置。问题中的指标将在求解模型中使用。两个决策模型中的变量设计是相同的,通过在图中创建二者的联系将输入中的变量信息同步(320)。
下面描述回流焊焊点的设计主要考虑焊点成型后的残余应力与在不同服役条件下的疲劳寿命情况,该问题通常借助高额计算成本的仿真软件结合代理模型构建技术和设计优化技术进行焊点的优化设计,当前不同的技术方案存在大量的重复性过程。例如从问题的求解流程看,基本保持“仿真-建模-求解”的三步走方法;除此之外更细粒度,例如建模方法中,关于代理模型方法的选择,代理模型参数的选择;从宏观的角度看,某型号产品设计过程中除焊点设计外还包括了产品外形,产品核心部件等的设计,而通常外形设计也会考虑疲劳寿命和残余应力的设计问题。
回流焊焊点的设计仿真过程主要考虑以下几个设计问题:①不同设计对象之间可能具有相同或者相似的设计方法和流程,如对不同类型的焊点进行研究时,通常采用相近的设计流程和方法。现有软件无法对问题求解流程类信息进行保存和重用,降低了对相似问题的建模效率②尽管有很多软件可以进行仿真过程流程化、自动化,但忽视了各类问题的连贯性和当前问题在全局设计中的布局,造成设计仿真过程中问题描述不清楚,问题层次混乱的挑战。
结合图2说明基于本实施例的系统实现的决策方法工作流程:
步骤S100,本实施例中,分别采用(1)基于知识和案例模型适配的适应性设计(2)基于需求和案例适配的变型设计两种模式分别进行验证。首先采用基于知识和案例模板适配的适应性设计,该模式主要适用于当案例库141中的案例数量偏少,无法得到相似案例,但具备有案例模板库(领域问题模型库212)和知识库(包括领域问题知识库213和领域知识图谱库214)两类库。
步骤S200,根据面向领域问题(回流焊焊点优化仿真问题),新建案例基础信息,包含名称、图标、描述、创建人、创建时间。创建案例名称:回流焊焊点优化设计案例,描述:该案例针对回流焊过程中焊点形貌变化所引起的应力和服役状态下疲劳寿命的研究。为解决多精度采样问题,采用变保真度方法解决回流焊焊点优化设计问题。其他信息略。
步骤S210,识别待处理问题的需求、目标、变量和约束,进行案例问题建模需求的确定。本案例设计对象为焊点,焊点成型前由焊料量、焊盘高度、焊盘直径组成焊点的设计变量;仿真考虑三个主要中间变量:焊点最大直径、焊点体积和焊点高度;分别考虑焊点成型后的力学特征和服役状态下的热力学特征两项设计目标分别记为y1,y2,分别需要y1在(m,n)之间,y2≥p。该部分需要构建三个问题模型。
步骤S211,根据问题需求,选择问题模型模板。根据已有的针对工艺设计与仿真的通用问题模板,选取问题描述模型模板。
步骤S212,根据领域知识库内相关知识,创建问题目标、问题变量、问题约束,实例适应于不同场景的问题模型,同时推荐已有案例库中相关的问题模型提供参考,即确定场景问题模型。根据要解决的问题对象,分别创建“回流焊焊点成型预测”:<设计变量:焊料量、焊盘高度、焊盘直径;目标:焊点最大直径、焊点体积和焊点高度;约束:焊料量<α;“回流焊焊点成型过程力学仿真”:<中间变量:焊点最大直径、焊点体积和焊点高度;目标:残余应力;约束:焊点直径<β1>;“回流焊焊点服役过程热力学仿真”:<中间变量:焊点最大直径、焊点体积和焊点高度;目标:疲劳寿命;约束:焊点直径<β2>三个问题模型。
步骤S213,根据问题划分和进行的流程,建立问题模型之间的数据流通关系,建立关系创建数据流程。包括回流焊焊点成型预测分别和力学仿真和热力学仿真创建数据流程,将由设计变量和中间变量的映射模型传递给由中间变量和目标建立的仿真问题模型当中。
步骤S220,问题决策。该模块主要由五部分组成。针对“回流焊焊点成型过程力学仿真”问题通过如下步骤建立响应决策模型。根据S210构建的问题模型网络和包含在模型内的变量、目标、约束信息,建立相应的求解流程,保证数据产生与传递的全流程记录和可追溯。当存在需要使用本案例中已有的求解流程时可直接进行本案例中模型信息的迁徙。
步骤S221,根据对问题解决方式的理解,选择决策模型模板。根据已有的通用设计仿真问题决策模板,选择事件和任务模板。
步骤S222,根据计算知识,包括算法知识,问题求解流程性知识,确定适应于不同问题求解的决策模型。针对已经选择的模型模板,分别实例化事件模板为“数据前处理分析事件”“预测模型构建事件”“设计空间搜索事件”的三个事件模型和“数据准备任务”“数据清洗任务”“数据空间映射任务”“预测模型数据集处理任务”“预测模型参数设置任务”“预测误差结果可视化任务”“设计实验任务”“仿真分析任务”“空间搜索算法参数设置”“空间搜索边界设置任务”“空间搜索约束设置任务”“空间搜索敏感性分析任务”的十一个任务模型,并且填充,分别设置每个任务模板下各属性的值、与其他仿真软件的接口、可视化结果的图等。
步骤S223,根据问题求解的流程,建立决策模型之间的数据流通关系,建立关系创建数据流。将已创建好的模型连接起来,将上级属性“输出”中的结果映射到下级属性“继承输入”当中。
步骤S224,求解得到设计方案。对模型中的参数进行填充,直至可以运行为止。根据建立好的不同设计需求,不同求解方案,不同求解方法的数据流程链条,得到对应的设计方案,构成当前问题的设计空间。
步骤S225,反馈设计误差调整设计信息。通过查看“空间搜索敏感性分析任务”“预测误差结果可视化任务”“数据空间映射任务”的结果,对问题决策模型中的信息进行调整修改。
步骤S226,保存由“数据前处理分析事件-预测模型构建事件-设计空间搜索事件”的数值优化求解子案例。输入子案例名称:数值优化求解;描述:特点在于使用了co-kriging模型构建代理模型。即进行局部模型信息、拓扑信息保存到该案例的子案例库142中。
步骤S227,问题模型中“回流焊焊点服役过程热力学仿真”问题还需要继续构建决策模型,返回到步骤S221继续构建或者返回步骤S226查看子案例库142,并重用已有案例。通过修改求解中的目标,并根据算法需求调整使用到的寻优算法。完成对案例的适应性调整。
步骤S300,根据案例的构建,将案例的模型信息<名称信息,参数ID信息,数值范围信息>、拓扑结构信息<模型类关系,模型连接关系>保存到案例库141中。
步骤S400,进行基于需求和案例适配的变型设计,分别输入模型信息和拓扑结构信息。针对本案例,可以通过检索“焊点优化”从众多案例中选择和焊点优化相关的案例。
步骤S500,案例适配:
(1),输入要研究的焊点问题,例如输入“回流焊焊点成型过程力学仿真”。或者输入焊点研究中的目标变量ID,例如“残余应力”或“疲劳寿命”。对需求适配信息进行语义相似度计算。主要通过计算最小编辑距离(Levenshtein距离)来描述适配信息与案例之间的相似性,计算现有案例库中包含待适配模型的案例,
相似计算公式如下,字符串a1,a2,...,an与b1,b2,...,bn的相似度表示为SIM(a,b):
具体相似度计算请参看图2中的S501至S507。
(2),输入待研究目标可接受范围,例如“残余应力∈(ai,bi)”,对案例库141中案例进行适配。
在步骤(1)得到的案例库141中适配数值范围满足条件的案例信息。主要通过计算数值参数间的相似度,具体计算公式如下,X,Y表示同一数值型指标,MAXvol,MINvol分别为X,Y取值范围的上下限,XvolYvol分别为X,Y具体取值,AdjustFactor是调整系数。
(3)输入适配模型类关系或连接关系,模型类关系,在由步骤S503得到的相似案例集中匹配网络结构符合需求的案例。主要通过进行逻辑判断来完成案例库141中案例与需求的适配。例如“回流焊焊点成型过程力学仿真”是否包含“数据前处理分析事件”;连接关系,例如“数据前处理分析事件”是否连接“预测模型构建事件”。
步骤S600,通过以上全部适配信息,或者部分适配信息得到的相似案例集,选择其中某个案例作为变型设计的基础案例。
步骤S700,对选择的基础案例,根据问题的不同,对当前案例中的模型信息、拓扑结构信息进行变型调整,具体参考领域知识和计算知识进行。可以通过执行步骤S210-步骤S213中的步骤建新的设计问题,也可通过执行步骤S220-步骤S225创建新的决策过程。同时针对基础案例中使用到的算法信息、模型信息都可以进行调整和修改。
步骤S800,案例保存。将由步骤S700调整后的新案例进行保存,包含全部案例信息和子案例信息。
通过回流焊的焊点优化设计仿真过程中对相似案例的适配活动,案例的拓扑结构、案例的模型信息以及子案例的重用。设计人员能够利用已有的知识,轻松对案例进行创建和适应性调整,在解决优化问题的同时探索了问题本身的决策空间,有效提高问题解决效率。
下面示出了一种更为全面的决策方法流程:
基于多粒度案例柔性重构的产品快速设计决策方法,包括如下步骤:
步骤T100:根据所提出的四类问题描述知识和三类问题求解创建并储存相应的知识库以及收集特定领域的通用知识和求解算法知识,以文本形式储存在系统中。
步骤T200:根据收集到的通用领域知识抽象出领域问题属性库113和决策求解属性库。
步骤T300:根据得到的领域问题属性库113和决策求解属性库按照本方法提出的属性类进行分类和采集,利用问题模型属性确定模块110和决策模型属性确定模块120进行问题模型和决策模型的构建,结合问题模型管理单元131和决策模型管理单元134对模型进行增、删、改、查。
步骤T400:根据领域知识先采用第一种形式的案例创建方式,利用问题描述子系统200和问题决策子系统300扩充子案例库142和案例库141,到至少满足当前解决该类问题主要方式和方法全部被收录的情况即可。
步骤T500:根据输入的方案目标阈值,采用案例检索单元138寻找满足需求的设计案例。判断是否采用,若采用执行步骤T900,若不采用进行步骤T600。
步骤T600:根据特定需求以多方式进行新案例和新方案的生成。
步骤T710:根据四类问题描述知识,输入对应的需求,采用子案例适配单元139,通过最邻近方法计算在案例库中相似的案例集合,判断是否采用该案例的问题结构,若采用进行步骤T720,若不采用进行步骤T711。
步骤T711:该步骤需要重新生成新的问题结构子案例,采用子案例推理单元140,可通过输入四类问题描述的量化指标和提取当前案例库中模型出现情况进行强化学习,生成一条全新的问题结构子案例,判断是否采用,若采用进行步骤T720,若不采用,进行步骤T300,创建新的问题描述模型。
步骤T720:判断是否采用该案例的决策结构。若采用,则可通过调整问题决策结构中的参数值,生成新的设计方案。若不采用,进行步骤T721。
步骤T721:根据三类求解知识特征量化指标值,输入指标值的需求,采用子案例适配单元139,通过最邻近方法计算在案例库141中相似的案例集合,判断是否采用该案例的决策结构,若采用进行步骤T600,若不采用进行步骤T722。
步骤T722:该步骤需要重新生成新的决策结构子案例,采用子案例推理单元140,可通过输入三类求解知识特征量化指标值和提取当前案例库中模型出现情况进行强化学习,生成一条全新的决策结构子案例,判断是否采用,若采用进行步骤T800。若不采用,进行步骤T300,创建新的决策模型。
步骤T800:根据上述步骤得到的问题结构和决策结构,创建二者之间的网络关系,主要是对应决策模型中输入和输出对象的实际含义。
步骤T900:根据决策模型中参数的选择,得到当前约束下的最优新方案集。
本发明提供的系统,系统包括问题描述子系统200、问题决策子系统300、案例管理子系统;基于领域问题求解案例的决策系统依据设计仿真需求,提供设计案例创建的通用模板,通过对模板内的属性赋值和创建数据连接,实现设计过程的流程化和自动化。通过对积累的设计案例或正在创建的案例模型进行案例适配,提高新案例中对过往知识的重用。本发明还提出了一套通用的问题描述模型模板和问题决策模型模板,将领域问题决策过程以案例为中心表征,实现对过程信息,结构信息和可重用知识信息的获取、表示和存储。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统,其特征在于,所述系统包括:案例库管理子系统、问题描述子系统和问题决策子系统;
所述案例库管理子系统包括问题模型属性确定模块、决策模型属性确定模块和案例管理模块;所述问题模型为描述回流焊焊点仿真问题的问题模板;所述决策模型为描述所述回流焊焊点仿真问题求解过程的决策模板;
所述问题模型属性确定模块,用于针对所述回流焊焊点仿真问题,自定义配置所述问题模板中内容的属性类和属性;
所述决策模型属性确定模块,用于根据配置好的问题模板和问题求解需求,自定义配置所述决策模板中内容的属性类和属性;
所述案例管理模块,用于针对所述回流焊焊点仿真问题和所述问题求解需求,从历史案例库中确定参考案例或参考子案例;所述参考案例是由针对同一所述回流焊焊点仿真问题的参考问题模板和参考决策模板构成的历史设计方案;所述参考子案例为所述参考问题模板或所述参考决策模板;
问题描述子系统包括问题模型实例化模块和问题模型结构化模块;
所述问题模型实例化模块,用于根据所述回流焊焊点仿真问题,对所述配置好的问题模板中各属性或对所述参考问题模板中各属性赋予具体数据;
所述问题模型结构化模块,用于根据多个实例化后的问题模板之间的数据流通关系确定各所述实例化后的问题模板的拓扑结构连接关系;
问题决策子系统包括决策模型实例化模块和决策模型结构化模块;
所述决策模型实例化模块,用于根据所述回流焊焊点仿真问题和所述问题求解需求,对配置好的决策模板中各属性或对所述参考决策模板中各属性赋予具体数据;
所述决策模型结构化模块,用于根据所述回流焊焊点仿真问题的求解流程,确定多个实例化后的决策模板之间的拓扑结构连接关系;具有拓扑连接关系的实例化后的决策模板是解决所述回流焊焊点仿真问题的求解方案;具有拓扑连接关系的实例化后的决策模板和具有拓扑连接关系的实例化后的问题模板构成了回流焊焊点仿真设计决策方案。
2.根据权利要求1所述的系统,其特征在于,所述问题模型属性确定模块包括问题模型属性类配置单元、问题模型属性配置单元和领域问题属性库;
所述问题模型属性类配置单元,用于自定义配置所述问题模型中内容的属性类;所述问题模型的属性类包括基础属性、参数属性、约束属性和模型属性;
所述问题模型属性配置单元,用于根据所述领域问题属性库存储的数据,自定义配置所述问题模型中内容的属性;
所述领域问题属性库,用于集中存储和管理各种回流焊焊点仿真问题内容的属性。
3.根据权利要求2所述的系统,其特征在于,所述决策模型属性确定模块包括决策模型属性类配置单元、决策模型属性配置单元和决策属性库;
所述决策模型属性类配置单元,用于自定义配置所述决策模型的属性类;所述决策模型的属性类包括基础属性、超参数属性和输入输出属性;
所述决策模型属性配置单元,用于根据所述决策属性库存储的数据,自定义配置所述决策模型中求解内容的属性;
所述决策属性库,用于集中存储和管理各种回流焊焊点仿真问题求解内容的属性。
4.根据权利要求2所述的系统,其特征在于,所述问题模型实例化模块包括领域问题模型库,领域问题知识库和问题模型实例化单元;
所述领域问题模型库,用于存储基于所述问题模型属性确定模块得出的所述配置好的问题模板;
所述领域问题知识库,用于存储关于回流焊焊点优化设计仿真的领域知识;
所述问题模型实例化单元,用于根据所述回流焊焊点仿真问题,调取所述配置好的问题模板和所述参考问题模板,并结合所述领域知识赋予各属性具体数据。
5.根据权利要求3所述的系统,其特征在于,所述决策模型实例化模块包括领域决策模型库,领域求解知识库和决策模型实例化单元;
所述领域决策模型库,用于存储基于所述决策模型属性确定模块得出的所述配置好的决策模板;
所述领域求解知识库,用于存储解决各种所述回流焊焊点仿真问题的所有求解知识;
所述决策模型实例化单元,用于根据所述回流焊焊点仿真问题和所述问题求解需求,对所述配置好的决策模板中各属性或对所述参考决策模板中各属性赋予具体数据。
6.根据权利要求5所述的系统,其特征在于,所述案例管理模块包括问题模型检索单元、问题模型管理单元和问题结构管理单元;
所述问题模型检索单元,用于从历史案例库中采用检索的方式确定检索问题模板;所述参考问题模板包括所述检索问题模板;
所述问题模型管理单元,用于结合领域知识对所述配置好的问题模板或所述参考问题模板进行内容管理;
所述问题结构管理单元,用于对依据所述参考问题模板间的拓扑连接关系对所述实例化后的问题模板间的拓扑连接关系进行管理。
7.根据权利要求6所述的系统,其特征在于,所述案例管理模块还包括决策模型检索单元、决策模型管理单元和决策结构管理单元;
所述决策模型检索单元,用于从所述历史案例库中采用检索的方式确定检索决策模板;所述参考决策模板包括所述检索决策模板;
所述决策模型管理单元,用于结合所述求解知识对所述配置好的决策模板或所述参考决策模板进行内容管理;
所述决策结构管理单元,用于依据所述参考决策模板间的拓扑连接关系对所述实例化后的决策模板间的拓扑连接关系进行管理。
8.根据权利要求7所述的系统,其特征在于,所述案例管理模块还包括案例检索单元、子案例适配单元、子案例推理单元;
所述案例检索单元,用于从所述历史案例库中检索适用于描述和求解所述回流焊焊点仿真问题的所述参考案例;
所述子案例适配单元,用于从子案例库中检索适用于描述或求解所述回流焊焊点仿真问题的适配子案例;
所述子案例推理单元,用于依据所述参考案例和/或所述参考子案例推理出适用于描述或求解所述回流焊焊点仿真问题的推理子案例;所述参考子案例包括所述适配子案例和所述推理子案例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310257633.XA CN116244863B (zh) | 2023-03-09 | 2023-03-09 | 基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310257633.XA CN116244863B (zh) | 2023-03-09 | 2023-03-09 | 基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116244863A CN116244863A (zh) | 2023-06-09 |
CN116244863B true CN116244863B (zh) | 2024-05-17 |
Family
ID=86631283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310257633.XA Active CN116244863B (zh) | 2023-03-09 | 2023-03-09 | 基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116244863B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500423A (zh) * | 2013-09-26 | 2014-01-08 | 国家电网公司 | 一种电力突发事件案例适配决策方法 |
CN105260598A (zh) * | 2015-09-29 | 2016-01-20 | 中南大学 | 口腔诊疗决策支持系统及决策方法 |
CN107194609A (zh) * | 2017-06-15 | 2017-09-22 | 北京理工大学 | 一种产品设计系统及方法 |
CN107862166A (zh) * | 2017-12-12 | 2018-03-30 | 哈尔滨工业大学 | 一种智能的仿真实验设计系统及设计方法 |
CN109033609A (zh) * | 2018-07-20 | 2018-12-18 | 中航沈飞民用飞机有限责任公司 | 航空机加件面向智能制造的产品工艺编程仿真的方法 |
CN109783916A (zh) * | 2019-01-02 | 2019-05-21 | 大连理工大学 | 一种基于仿真技术的空气压缩机群组优化调度决策方法 |
CN112749207A (zh) * | 2020-12-29 | 2021-05-04 | 大连海事大学 | 一种基于案例推理的深海应急处置辅助决策系统 |
CN112767544A (zh) * | 2021-01-06 | 2021-05-07 | 成都理工大学 | 面向区域滑坡危险性评价的空间案例推理方法 |
WO2021186338A1 (en) * | 2020-03-16 | 2021-09-23 | Vorsprungatwork Gmbh | System and method for determining solution for problem in organization |
WO2022036515A1 (zh) * | 2020-08-17 | 2022-02-24 | 西门子股份公司 | 生产过程的建模和仿真方法及装置 |
CN114358418A (zh) * | 2021-12-31 | 2022-04-15 | 中冶赛迪重庆信息技术有限公司 | 一种低碳城市钢厂网络规划系统和方法 |
US11409270B1 (en) * | 2021-02-18 | 2022-08-09 | Institute Of Automation, Chinese Academy Of Sciences | Optimization decision-making method of industrial process fusing domain knowledge and multi-source data |
CN114997132A (zh) * | 2022-06-09 | 2022-09-02 | 北京理工大学 | 一种复杂产品设计系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102141997A (zh) * | 2010-02-02 | 2011-08-03 | 三星电子(中国)研发中心 | 智能决策支持系统及其智能决策方法 |
US10224028B2 (en) * | 2015-06-01 | 2019-03-05 | Sinclair Broadcast Group, Inc. | Break state detection for reduced capability devices |
-
2023
- 2023-03-09 CN CN202310257633.XA patent/CN116244863B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103500423A (zh) * | 2013-09-26 | 2014-01-08 | 国家电网公司 | 一种电力突发事件案例适配决策方法 |
CN105260598A (zh) * | 2015-09-29 | 2016-01-20 | 中南大学 | 口腔诊疗决策支持系统及决策方法 |
CN107194609A (zh) * | 2017-06-15 | 2017-09-22 | 北京理工大学 | 一种产品设计系统及方法 |
CN107862166A (zh) * | 2017-12-12 | 2018-03-30 | 哈尔滨工业大学 | 一种智能的仿真实验设计系统及设计方法 |
CN109033609A (zh) * | 2018-07-20 | 2018-12-18 | 中航沈飞民用飞机有限责任公司 | 航空机加件面向智能制造的产品工艺编程仿真的方法 |
CN109783916A (zh) * | 2019-01-02 | 2019-05-21 | 大连理工大学 | 一种基于仿真技术的空气压缩机群组优化调度决策方法 |
WO2021186338A1 (en) * | 2020-03-16 | 2021-09-23 | Vorsprungatwork Gmbh | System and method for determining solution for problem in organization |
WO2022036515A1 (zh) * | 2020-08-17 | 2022-02-24 | 西门子股份公司 | 生产过程的建模和仿真方法及装置 |
CN112749207A (zh) * | 2020-12-29 | 2021-05-04 | 大连海事大学 | 一种基于案例推理的深海应急处置辅助决策系统 |
CN112767544A (zh) * | 2021-01-06 | 2021-05-07 | 成都理工大学 | 面向区域滑坡危险性评价的空间案例推理方法 |
US11409270B1 (en) * | 2021-02-18 | 2022-08-09 | Institute Of Automation, Chinese Academy Of Sciences | Optimization decision-making method of industrial process fusing domain knowledge and multi-source data |
CN114358418A (zh) * | 2021-12-31 | 2022-04-15 | 中冶赛迪重庆信息技术有限公司 | 一种低碳城市钢厂网络规划系统和方法 |
CN114997132A (zh) * | 2022-06-09 | 2022-09-02 | 北京理工大学 | 一种复杂产品设计系统 |
Non-Patent Citations (3)
Title |
---|
Numerical simulation of self-alignment of chip resistor components for different silver content during reflow soldering;Najib, AM等;《MICROELECTRONICS RELIABILITY》;第69-78页 * |
基于案例推理的地震应急救援决策方法;张国军;李浩;凌云翔;;火力与指挥控制(04);全文 * |
支持产品智能化设计的知识服务方法研究;王儒;王国新;阎艳;郝佳;石学海;明振军;;兵工学报(11);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116244863A (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AL‐Tabtabai et al. | Using genetic algorithms to solve optimization problems in construction | |
Khaleel et al. | Artificial Intelligence in Engineering | |
Maher et al. | CADSYN: A case-based design process model | |
US5754738A (en) | Computerized prototyping system employing virtual system design enviroment | |
Kusiak et al. | A structured approach for analysis of design processes | |
Xu et al. | Function-based design synthesis approach to design reuse | |
CN114138759B (zh) | 基于知识图谱推理的二次设备故障处理推送方法及系统 | |
CN110619187B (zh) | 一种混凝土坝施工方案及资源冲突检测与调整方法 | |
Guo et al. | A hybrid artificial fish swam algorithm for disassembly sequence planning considering setup time | |
CN112100451B (zh) | 基于图数据库搭建工业神经网络的方法 | |
Jing et al. | Intelligent generation method of 3D machining process based on process knowledge | |
Ayinla et al. | A semantic offsite construction digital Twin-Offsite Manufacturing Production Workflow (OPW) ontology | |
CN116244863B (zh) | 基于多粒度案例柔性重构的回流焊焊点仿真设计决策系统 | |
Zha et al. | Integrated knowledge-based approach and system for product design for assembly | |
WO2020167316A1 (en) | Machine learning-based generative design for process planning | |
CN110990907B (zh) | 基于特征-资源知识的船用柴油机关重件可制造性三级优化方法 | |
CN114386647A (zh) | 一种油气田行业能耗的预测方法及系统 | |
CN111078203A (zh) | 一种支持创客与小微企业孵化的4m1t创新系统 | |
Caneparo | Semantic knowledge in generation of 3D layouts for decision-making | |
Duffy et al. | Learning for design reuse | |
Lau et al. | Monitoring the supply of products in a supply chain environment: a fuzzy neural approach | |
Chien et al. | Production-level artificial intelligence applications in semiconductor supply chains | |
JP3354593B2 (ja) | ネットワーク型情報処理装置の学習システム | |
Ahmad et al. | An intelligent expert systems' approach to layout decision analysis and design under uncertainty | |
Liang | Combining neural networks and genetic algorithms for predicting the reliability of repairable systems |
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 |