李刚[1]2001年在《交互式过程计算专家系统》文中进行了进一步梳理在日益发展的数据库领域，如何充分利用数据库资源，挖掘数据库潜力，产生更多有价值的信息，已成为用户越来越关注的问题。针对这一需要，笔者开发了“交互式过程计算专家系统”，该系统适合于决策支持领域，特别是对已有的MIS向DSS过渡提供了一个较为完美的解决方案。 系统给出了交互式过程计算的描述方法和语法规范，运用DFS（深度优先搜索）算法实现了对计算过程的逆拓朴排序，构造了一个基于知识的智能编译器，同时开发了对生成的交互式计算过程的执行部件，在系统实现中，笔者作了大量工作，运用了AI（人工智能）、编译原理、数据库等方面的技术。 实际应用表明，系统通用性好，集成度高，扩充性强，达到了预期的目的。
丁勇[2]2011年在《语言型多属性群决策方法及其应用研究》文中认为在经济、社会和军事等诸多领域中，对一些复杂问题进行决策时，由于客观事物的复杂性及人类思维的模糊性，决策者在对诸如知识管理绩效、风险投资项目等进行方案评价时，难以用精确定量的形式进行判断，而运用“优”、“良”、“中”、“差”等自然语言形式进行判断，往往更加直观和方便。这类决策问题的特点是方案的属性值以自然语言形式给出，并且需要群体专家参与，称此类决策问题为语言型多属性群决策问题。因此，研究语言型多属性群决策问题具有重要的理论意义和实际应用价值。本文研究语言型多属性群决策问题，研究的主要内容如下：（1）研究一类属性值和属性权重信息均为已知且以语言评价信息形式给出的多属性群决策问题，提出了一种基于最小偏差和二元语义信息处理的主客观属性权重集成的决策分析方法。分析了基于最小偏差的属性权重求解方法的特点和优势，并给出了详细的决策分析步骤。通过算例分析中与一般方法的比较，说明该方法既能充分利用客观信息，又考虑到决策者的主观意愿，能够有效地减小决策群体意见的分歧，使决策结果更加合理。（2）针对一类属性权重信息完全未知的语言多属性决策问题，本文利用专家给出的语言决策矩阵信息，计算专家群体对方案属性值的判断偏差，从而确定属性权重。基于这种思路，给出求解属性权重的公式。最后利用二元语义加权平均算子计算得到各方案的综合评价值。（3）研究一类属性权重信息部分已知情况下的语言多属性决策问题，本文给出两种解决此类问题的方法。第一种方法是基于二元语义信息处理和TOPSIS的决策分析方法；第二种方法是基于线性规划模型和二元语义信息处理的多属性群决策方法。（4）针对一类属性值和属性权重均为不确定语言型，即语言区间值，专家权重为确定语言型的不确定语言多属性群决策问题，引入心态指标，提出一种基于心态指标的二元语义多属性群决策方法。该方法能够较好地反映在实际的决策过程中，不同决策者由于自身条件和外界环境的不同而具有不同的决策心态。（5）研究具有不同粒度语言评价信息的多属性群决策问题，分析目前常用的不同粒度语言信息的一致化方法。给出一种基于二元语义的不同粒度语言评价信息的一致化融合方法，并分析和证明其一些优良性质。针对一类属性值为多粒度不确定语言型、属性权重和专家权重均为确定语言型的多属性群决策问题，给出一种解决此类决策问题的方法和步骤，并通过案例分析说明方法的有效性和实用性。（6）探讨交互式群决策的基本原理及方法，分析一般交互式群体决策过程中存在的局限性，提出一种改进的交互式群体决策流程。引入交互式语言多属性群决策问题，设计了交互式语言多属性群决策一致性指标，分析了语言多属性群决策的交互过程，并给出交互式群决策过程中专家权重的调整方法。在对交互式语言多属性群决策问题描述的基础上，提出交互式语言多属性群决策模型与算法，最后通过案例分析说明本文方法的有效性。（7）分析企业知识管理绩效评价模型和方法的研究现状，在国内外学者相关研究成果的基础上建立企业知识管理绩效评价指标体系，运用论文中提出的语言多属性群决策方法对企业知识管理绩效进行评价，设计了企业知识管理绩效评价问题的决策流程，给出了详细的决策求解过程。通过案例说明本文方法在实际决策中的应用价值。
顾荣[3]2016年在《大数据处理技术与系统研究》文中研究指明随着计算机和信息技术的迅猛发展和普及应用,行业数据爆炸性增长,全球已经进入了“大数据”时代。大数据已引起全球业界、学术界和各国政府的高度关注。大数据已经渗透到各行各业,巨大的数据资源已成为国家和企业的战略资源。大数据给全球带来了重大的发展机遇与挑战。一方面,大规模数据资源蕴涵着巨大的商业价值和社会价值,有效地管理和利用这些数据、挖掘数据的深度价值,对国家治理、社会管理、企业决策和个人生活将带来巨大的影响。另一方面,大数据带来新的发展机遇的同时,也带来很多技术挑战。格式多样、形态复杂、规模庞大的行业大数据给传统的计算技术带来了巨大挑战,传统的信息处理与计算技术已难以有效地应对大数据的处理。因此,需要从计算技术的多个层面出发,采用新的技术方法,才能提供有效的大数据处理技术手段和方法。大规模数据的有效处理面临数据的存储、计算和分析等几个层面上的主要技术困难。首先,动辄达到数百TB级甚至PB级规模的行业大数据,远远超出了传统数据库系统的处理能力。因此,需要研究提供有效的分布式大数据存储管理技术方法与系统。同时,大规模数据处理是一个非常耗时的计算过程,使得传统的单机系统远远无法满足大数据对计算性能的要求。因此,需要研究提供高效的并行化大数据计算技术方法与系统。进一步,大数据的有效分析利用通常涉及到对大规模数据的分析挖掘,而巨大的数据量使得传统的单机机器学习和数据挖掘算法都难以在可接受时间内完成计算,导致算法失效。因此,需要研究提供有效的并行化大数据机器学习与分析挖掘算法和大数据机器学习系统。大数据处理不同于传统的计算与信息处理技术的另一个重要特点是,它是一项涉及计算与信息处理技术众多方面的综合性技术,具有显着的技术综合性和交叉性特征,以任何一个单一和隔离的技术层面和技术方法,都难以有效完成大数据的处理。因此,大数据的有效处理需要将存储、计算与分析层面的技术紧密结合、交叉综合,以形成一种完整的大数据处理技术栈,构成一体化的大数据处理系统平台。基于以上问题背景,本文对大数据处理的多个技术层面进行了深入研究,在分布式存储技术与系统、并行化计算技术与系统、以及大数据并行化机器学习与数据分析算法与系统方面,进行了一系列的研究。具体而言,本文工作包括以下主要技术内容和贡献：(1)大数据分布式存储管理技术与系统研究。主要开展了叁方面的研究工作。1)为了提升大数据分布式存储系统的性能,研究实现了分层式大数据存储系统缓存调度策略与性能优化方法,可显着提高分布式存储系统数据访问的性能；2)研究实现了一种通用的分布式文件系统性能测试方法与系统工具,可以用于各种分布式文件系统的性能评估和研究优化,或者用于大数据应用系统设计时选择合适的存储系统和参数优化配置；3)研究设计了分布式层次化大规模RDF语义数据存储技术与管理系统,可有效地存储管理大规模RDF语义数据。(2)主流大数据并行计算系统性能优化研究。主要研究了两方面的工作。1)Hadoop MapReduce作业执行调度优化技术,研究实现了优化的MapReduce作业与任务调度处理方法以及高效的任务执行状态通信方法,实现了一个与标准Hadoop完全兼容的优化版本Hadoop; 2) Spark RDD数据堆外(Off Heap)内存存储机制,针对Spark在处理大规模数据性能受到JVM垃圾回收严重影响的问题,研究实现了一种基于分布式堆外内存存储的Spark RDD数据存储机制。(3)大数据并行化机器学习与数据分析方法与算法研究。主要研究实现了多个应用领域的复杂大数据机器学习与数据分析并行化算法,包括：1)针对数据挖掘领域中大规模神经网络训练性能低下的问题,研究实现了一个定制式大规模神经网络训练并行化算法与计算平台cNeural;2)针对在搜索引擎和信息检索领域重要的排序学习(Learning To Rank)算法GBRT (Gradient Boosting Regression Tree)训练耗时较长的问题,研究提出了基于K-Means直方图近似算法优化的加速方法及其并行化算法；3)针对语义网推理领域中RDFS和OWL推理规则集在大规模语义数据上推理耗时过长的问题,研究实现了基于Spark并行计算平台的高效并行化推理方法与系统。(4)统一大数据机器学习与数据分析编程模型与系统平台研究。针对大数据分析处理时面临的系统平台可编程性和易用性问题、以及大数据分析处理时的计算性能问题,研究提出了一种基于矩阵模型的统一大数据机器学习与数据分析编程模型与框架,并进一步设计实现了一个跨平台统一大数据机器学习与数据分析系统平台Octopus(大章鱼),该系统底层可与Hadoop、Spark、MPI、Flink等主流大数据平台集成,实现底层平台对上层数据分析程序员的透明性,而上层可使用R/Python编程语言与编程开发环境,基于矩阵模型,方便高效地完成大数据分析算法和应用的编程和计算。通过对上述大数据分布式存储、并行化计算、以及大数据分析层面关键技术方法与系统的研究,本文取得了一系列研究工作成果,这些成果可作为重要支撑技术与系统,有效运用于构建一体化的大数据处理系统平台。本文部分成果已经被成功运用于工业界的开源或者商业化大数据处理系统或应用产品中。
吴康新[4]2008年在《混凝土高拱坝施工动态仿真与实时控制研究》文中研究指明混凝土高拱坝施工过程十分重要而又复杂,受导流度汛等诸多内外因素的影响,约束条件非常复杂,给水电工程的进度控制带来很大的困难。本文结合高拱坝施工的关键技术问题,重点研究了高拱坝施工全过程动态仿真建模的理论与方法。将面向对象仿真技术、虚拟现实技术、多Agent技术和实时控制理论方法在高拱坝施工仿真中进行综合应用,开展了复杂约束条件下的混凝土高拱坝施工动态仿真与实时控制研究,主要工作与研究成果如下:1.在综合考虑各种复杂约束条件下,建立了高拱坝施工动态仿真的随机动态数学逻辑关系模型,为揭示高拱坝施工过程的内在规律提供理论基础。将面向对象仿真技术、虚拟现实技术和多Agent技术集成到高拱坝施工仿真模型中,提出了基于真实施工场景下的交互式仿真智能体模型(VISAM)的仿真建模方法,简化了仿真建模过程,提高了施工仿真的直观性。2.提出了真实施工场景下高拱坝施工实时交互式仿真与控制方法,创建了具有高度沉浸感的实时交互式仿真环境,对实时交互式仿真的概念、软硬件技术和实时交互控制理论进行了论述,并详细研究了高拱坝施工仿真中实时交互与控制的实现过程,为高拱坝施工设计与建设管理提供了直观交互的系统平台。3.针对高拱坝施工过程的随机性、不确定性和经验性强等特点,提出了基于多Agent的高拱坝施工动态仿真与优化方法,将智能化仿真中知识的表示、推理、搜索等手段引入到施工动态仿真中。采用多策略建模方法实现不同智能水平的Agent模型,包括基于模糊规则的随机跳仓排序方法和通过强化学习实现Agent学习和自适应功能。基于多Agent的高拱坝施工动态仿真提高了系统建模能力,扩展了系统应用的范围,起到了辅助决策作用。4.进行了高拱坝的施工进度实时控制过程研究,提出了基于实时仿真的高拱坝施工进度预测与分析方法。根据进度控制的基本原理,建立了高拱坝实际可行的进度控制流程,研究了高拱坝施工进度监控预警模型,详细论述了高拱坝施工进度动态调整与控制的实现方法,研制开发了一个高拱坝施工动态仿真与实时控制(DSim_PDC)系统,并论述了系统的实现流程。5.结合锦屏一级工程关键技术问题,进行了仿真系统工程应用分析,对锦屏一级大坝施工进行了多方案的仿真计算与成果评价,提出了加快施工进度的有效措施,为施工管理人员提供了有效的辅助分析工具,并为该工程的开工建设及现场施工控制提供了强有力的技术支持。
张明华[5]2011年在《基于数据挖掘的半导体工程数据分析系统》文中研究指明晶圆制造是半导体制造环节中耗时最多、工艺最为复杂、资金投入最大的一个阶段。一片晶圆在生产周期中,大约要经过数百道不同工序,具有几十次回流的生产特性,这使得晶圆成品的良率具有很大的不确定性。在计算机技术日益发达的今天,为了提高产品的良率,晶圆制造过程中相关的数据已经被尽可能多地收集起来。但由于数量庞大,维度较多,且分散在各个子系统的数据库中,这使得数据缺乏完整性和一致性。简单的数学计算很难从这些数据中准确快速地提炼出具有指导意义的结果,应用统计技术虽能从一定程度上找出问题,但对普通工程师的统计技术掌握程度要求较高,企业又缺乏这类人.才,故经常导致数据分析效率低下,发现、解决问题的时机被延误。与此同时,数据挖掘技术目前在许多工程领域都得到了广泛的应用。其目标就是从庞大的数据中发现对数据拥有者有价值的未知的关系和潜在有用的知识。这在一定程度上能够提高分析的效率和精准度。为此,本文将数据挖掘技术应用在半导体生产中,设计并实现了一套基于数据挖掘的半导体工程数据分析平台。主要工作包括以下几部分。构建半导体工程数据集市,以便能有效开展运用数据挖掘技术,对数据作充分的准备；叁个应用系统的设计与开发：监控与报警系统,该系统通过自动监控数据并作必要的报警来提高自动化生产效率；交互式数据分析系统,工程师能够在该系统中应用方差分析,参数相关性分析等数据挖掘算法,对问题加以分析找出良率缺失成因；数据规格自动计算系统,能科学地提高数据规格设置的严谨度。
庞继芳[6]2015年在《不确定语言多属性群决策方法及应用研究》文中认为在项目评估、人员考评、科研成果评价、供应商选择以及企业绩效评价等实际决策问题中,由于受到知识结构、个人偏好和工作背景等主观因素的影响,以及事物本身的复杂性、模糊性和不确定性的影响,专家往往倾向于用不确定语言信息来表达个体偏好,如[好,很好]等。有关不确定语言偏好信息的研究已引起了国内外学者的广泛关注和极大兴趣。在多属性群决策问题中引入不确定语言偏好信息能够更好地反映和体现人类的思维方式,充分利用专家群体的智慧,比较适合解决现代社会中存在的一些复杂决策问题。因此,研究基于不确定语言信息的多属性群决策方法具有重要的理论意义和较高的实用价值。本文在现有研究的基础上,针对不确定语言、直觉不确定语言以及区间直觉不确定语言环境下的多属性群决策问题,综合运用信息熵方法、TOPSIS法、非线性规划法以及粗糙集理论等多种研究工具在群体的一致性分析、属性及专家的客观综合赋权方式、阶段权重的确定以及群决策结果的评价等方面展开了一系列研究,主要研究成果如下：(1)针对不确定语言多属性群决策的一致化问题,提出了一种具有自适应专家权重和反馈引导机制的交互式群决策方法。该方法通过定义优势度指标来简化不确定语言变量的比较和排序,通过定义贴近度来衡量两个不确定语言变量之间的相似程度,并基于贴近度构建了多级一致性指标。进而根据专家当前的各级一致性指标构造优化模型对专家权重进行调整,并将需要修改的评价值连同参考值一起反馈给相应专家,引导专家有针对性的调整个体偏好,最后将多次迭代调整后的专家意见进行集结,并利用优势度指标对方案进行比较和排序,得到最优方案。该方法能有效加速群体的一致化进程,使决策结果更加合理。(2)针对直觉不确定语言环境下属性及专家权重完全未知的多属性群决策问题,分别提出了多阶段群决策方法与权重的客观综合确定方法。前者考虑到决策过程中的动态特性,引入对数增长模型确定阶段权重,运用主客观综合赋权法确定属性权重,利用扩展的TOPSIS方法确定专家权重,进而利用集结算子和期望值得到方案的综合排序结果。该方法可用于解决动态、模糊环境下的多属性群决策问题。后者综合考虑评价值在单个专家内部以及专家群体之间的取值和分布情况对属性及专家进行客观综合赋权,得到的属性及专家权重能较为全面、客观的反映专家评价信息之间的关系,更好的刻画属性及专家的重要性。(3)针对区间直觉不确定语言环境下专家权重完全未知的多属性群决策问题,分别提出了基于阶段权重优化模型的多阶段群决策方法和专家的细粒度客观综合赋权方法。前者利用不确定度计算专家权重,通过建立非线性规划模型确定阶段权重,并运用扩展的VIKOR方法实现方案的排序和择优,为求解类似多阶段群决策问题提供了一种新的途径。后者以各专家关于各方案在各属性上的评价值为基本粒度,通过定义不确定度、贴近度和序相关度叁项指标对专家权重进行刻画和度量,提出一种具有更高精确性和更强综合性的专家细粒度客观赋权方法,使专家权重的设置更趋精细化、合理化。(4)针对语言型多属性群决策问题给出了相应的群决策结果评价指标和评判准则。综合运用优势粗糙集理论、TOPSIS思想以及熵方法,从方案序、评价值以及偏差的分布情况叁个方面对各专家及专家群体的综合评价结果进行度量和分析,定义了一致度、贴近度、均衡度叁项指标,并给出相应的评判准则。该方法既可以对专家个体决策质量进行评价和排序,又在一定程度上反映了专家群体的决策效果,为分析群决策结果的合理性提供了理论依据。(5)在现有关于供应商评价与选择研究的基础上,给出煤炭企业物资供应商的评价指标体系,分析大型煤炭企业的物资供应商评价与选择流程,进而综合运用本文提出的多种不确定语言多属性群决策方法,建立动态、模糊环境下大型煤炭企业物资供应商的排序与择优机制,并通过实例分析说明本文方法在实际决策中的应用价值。本文的研究成果为不确定语言环境下的多属性群决策问题提供了新的研究视角和解决途径,丰富和发展了语言型多属性群决策的理论与方法。
沈恩亚[7]2014年在《交互式可视化关键技术研究》文中进行了进一步梳理可视化利用计算机将数据转换成可交互的图形化表示,从其本质而言,可视化主要包括两个部分:显示和交互。为了突出后者相关技术与可视化的关系,并且与人机交互等相关学科区分开来,通常称为交互式可视化,因与可视分析有着密切的关系,又称之为交互可视分析。多年来,交互式可视化被广泛认为是科学可视化主要的研究问题之一。随着数值模拟规模的不断增大、交互设备的日新月异、可视化需求的日益增高,交互式可视化技术面临新的挑战,近年来已逐渐成为科学可视化领域研究的热点。本文针对已有的交互式可视化技术存在缺乏直观性以及效率不高、交互点定位精度低甚至有误等问题,结合流场科学计算数据和医学图像数据的交互叁维体可视化的实际应用需求,对交互点准确快速确定、关键特征交互可视化、大规模科学数据交互可视化等关键技术展开研究,主要工作和创新点如下:1.针对已有体可视化交互方法缺乏直观性以及效率不高问题,提出一种直观高效的直接体过滤交互体绘制方法。该方法适用于体可视化方法和转换函数设计。采用基于草图的交互界面,提供了支持RGBA四个通道分通道直接编辑的转换函数编辑器,支持自然直接的数据分析和编辑操作,可以根据用户需要突出显示所关注特征,编辑的结果基于所见即所得(WYSIWYG)模式。应用多个实例数据的交互体可视化实验结果,验证了所提出的直接体过滤方法的有效性与易用性,所开发的RGBA四个通道直接编辑器实际使用效果显着。用户对比也证实了所提出方法的友好性和高效性优于已有方法。2.已有的多结构体数据分割与标记方法很难自动得到正确的分割与标记结果,常常需要依赖专业人士的交互,这使得多结构体分析耗时、费力且容易出现错误和遗漏。为了解决这一问题,提出一种新颖的模型驱动的体分析方法。利用高斯混合模型GMM结合区域增长方法,实现多结构体数据自动分割;利用新提出的体-模型匹配方法,直接建立已分割体数据与几何模型数据的对应关系,实现不同组织的自动标记;另外,提供了一些对复杂多结构体数据分析实用而有效的交互分析功能。多个应用实例的实验结果表明,所提出体数据分析方法将已有的知识模型融入到了体数据分析中,可以显着减少用户的交互与分析时间,提高分析效率,有效实现多结构体数据的自动和半自动标记以及真实感绘制。3.如何根据用户的二维输入推测叁维信息是科学数据交互式可视化所面临的一个基础性问题。已有的方法通常假设用户的输入是精确的,但是实际上由于诸多因素的影响,用户的输入并不精确,从而造成推测交互点位置的不准确和错误。为了克服已有方法的不足,提出一种在体数据可视分析过程中基于显着性推测交互位置的有效方法。该方法基于所提出的体显着性定义,不仅考虑数据网格空间和属性空间,也融入了转换函数空间和用户输入。所得到的显着性不仅可以像传统方法一样显示原始数据中显着地区域,而且可以反映使用者所关注的区域。另外,所提出的显着性可以消除数据和设备误差导致的错误,有助于用户快速聚焦所关注的区域。多个实验证明了所提出方法可以合理优化用户输入,帮助用户准确获取所关注数据特征。4.针对时变体数据可视化转换函数设计以及关键帧选择等关键问题,提出一种基于时空体显着性检测分析时变体数据场中显着区域的可视分析方法。基于显着区域相对其周围更为突出这一中心环绕假设,将已有的空间显着性扩展到时间域,引入时间体显着性,定义为体属性时间维梯度尺度无关的高斯加权平均,然后利用中心环绕算子计算。综合空间体显着性和时间体显着性之后,得到的时空体显着性可以检测显着区域的变化,最后将所定义的显着性用于自动生成时变体数据转换函数、检测时变体数据关键帧。实验结果验证了所提出方法不仅可以突出关键特征及其发展变化,也反映了整个体数据的重要变化,并显着减少了视觉混乱。所提出的时变体显着性定义为时变体数据的分析提供了一种新的思路。5.利用天河-1A超级计算机软硬件系统和Para View并行可视化开源平台构建了面向计算流体力学的大规模数据交互式可视化系统。该系统根据所提出的体显着性确定流线种子点布局,实现高效的动态图元叁维流场显示方法;利用所提出的叁维空间交互点优化算法,基于叁维力传感器交互设备Falcon实现了叁维立体交互界面;另外,根据领域专业特点以及叁维场景可视化的需求,开发了一系列交互式可视化的实用功能。将该系统应用于不同类型、不同规模的叁维流场数值模拟数据交互可视化,结果表明该系统可以满足用户的交互可视化需求,具有良好的实用性,验证了所提出的主要研究成果的先进性和有效性。
牟瑞[8]2009年在《智能交互式发电厂继电保护整定系统的开发与研究》文中研究说明随着电力工业的不断发展,发电厂规模和发电机容量也随之不断扩大,随之而来的是由于继电保护设备的不断更新,使得原有的继电保护整定软件不能适应现在的保护装置,而给继电保护整定计算人员带来的诸多不便。因此,开发一套通用性发电厂继电保护整定计算系统,对于减轻发电厂继电保护工作人员的劳动强度,降低保护设备的不正确动作率,提高保护整定计算的工作效率和有效性,具有重要的意义。本系统以Visual Basic 6.0为开发工具,结合Access数据库开发了智能交互式发电厂继电保护整定计算系统。该系统主要利用交互式继电保护整定平台来实现其通用性,用户可利用本平台自行编写不同的整定过程,并且在编写过程中由辅助整定系统给予不断提示,降低用户的难度,最后利用VBA技术可将用户的详细整定过程输出到Word中,方便用户对定值单的核实。本系统在设计上采用面向对象技术、模块化的设计思想,在整体上分为图形建模、故障分析、保护整定、数据库管理、定值处理五大模块。文中对交互式整定平台的模型,设计思想和实现方法都给出了详细的介绍。并对在辅助平台中所使用的模糊数学及自然语言处理等方面的知识,及所构建的模型进行了详细的讲解,并对该部分进行了评估。该系统具有通用性强、操作简单、界面友好等特点。本系统已在丰满发电厂投入使用,各项指标均达到设计要求。
黄克正[9]1993年在《复杂表面成形切削加工系统设计智能化理论与应用研究》文中提出本文在广泛地分析借鉴现有复杂表面成形切削加工技术的基础上,从复杂表面成形切削加工系统设计智能化的理论高度进行了大胆的探索和研究,采用分析与综合相结合的方法,建立了以分解重构理论模型为基础的一系列复杂表面成形切削加工系统设计的智能化原理和技术,使具有创新潜力和高度适应能力的复杂表面成形切削加工系统设计智能化CAD系统的开发建立在有效的理论基础之上,并通过生产应用和实验加工验证了理论模型的正确性和有效性。 本文所述的理论模型以广泛的切削刀具设计理论与实践、现代数控加工自动编程技术为基础,综合分析了成形表面切削刀具设计与切削运动设计的理论发展现状,特别是CAD与AI技术的应用情况,提出了未来自动设计系统的进一步发展方向是开发具有综合能力、适应性强的通用设计系统,和具有丰富知识,识别能力和创新潜力的智能系统。 分解重构理论模型是本文建立复杂表面成形切削加工系统设计智能化原理与方法的基础,主要包括复杂表面的分解重构,成形切削系统方案的分解重构,切削刃形与切剖运动的分解重构,以及人-机系统的分解重构:从设计的角度,则有原始需求,设计内容、设计过程的分解重构。通过设计智能的分析与综合,提出了增加自动设计系统的识别和再认识能力、以使之具有创新潜力的途径。 复杂表面的切削成形是加工系统的基本功能与作用。本文首先区分了复杂表面的设计模型与加工模型,并研究了两者之间的关系及转换问题。然后根据切削加工系统的特点,将复杂表面的加工模型分成微观、局部与宏观叁个层次,最后利用“粒度”空间概念建立了复杂表面的离散空间结构和分解重构模式,为切削系统方案设计和具体求解奠定了基础。 成形切削加工系统方案的自动创成是创新设计的基本要素。本文首先深入剖析了各种切削加工系统的特点和实质,概括提出了以余量叁维模型为基础的切削加工系统方案的创成原理和推理方法;然后,为使设计系统真正具有创新潜力,详细综合分析了各种基本表面的特征,运用分解重构思想提出了复杂表面的识别原理,并具体实现了识别方法;最后,通过等螺旋角刀刃锥面铣刀的加工工艺创新实例证明
宋东明[10]2009年在《面向复杂产品概念设计的综合集成研讨厅问题求解过程与方法研究》文中进行了进一步梳理综合集成研讨厅(Hall for Workshop of Metasynthetic Engineering, HWME)是我国科学家提出的处理复杂系统的创造性成果,它指导人们在处理复杂问题时,把专家的智慧、计算机的高性能和各种数据、信息有机的结合起来,构成一个统一的、强大的问题求解系统。目前,HWME系统已经在地理和环境、工程、医学、社会经济、军事等诸多领域得到了广泛应用,但是由于HWME系统本身的复杂性和现有支撑技术的限制,构建一个面向复杂产品概念设计的HWME系统仍然是一个具有挑战性的课题。系统的功能与其结构紧密相关,HWME作为一个处理复杂性问题的系统平台,如何合理的搭建它的系统体系结构对这一平台的性能有着至关重要的意义。本文以某复杂产品概念设计为背景,从问题求解的角度,对综合集成研讨厅从问题求解过程与求解方法的角度进行了研究,包括复杂产品概念设计的问题求解过程建模,问题的分解和分配、问题的求解及多目标优化技术等理论与方法,旨在为应用于复杂产品概念设计的HWME系统提供技术支撑。首先以综合集成理论为指导,探讨并深入研究了在HWME中进行复杂产品概念设计的求解过程和方法；借鉴当前国内外学者采用进化计算求解经济、社会等复杂问题的思路,提出了HWME中问题求解过程的数学形式描述,建立了基于进化计算的HWME问题求解过程模型,利用进化计算在综合集成研讨厅的定性和定量空间中搜索,实现了人机结合、专家群体创新思维激发、多领域专家群体之间协同及其群体论证的综合集成。问题分解是任何复杂问题求解的基础,同样在运用综合集成研讨厅来进行复杂产品概念设计过程中,也需要首先对所求解问题(即研讨问题)进行分解。当前许多研究人员对复杂产品概念设计中涉及的问题分解技术进行了研究,但并不存在一种通用的方法。本文在研究综合集成研讨厅中进行复杂系统问题分解的特殊性基础上,提出了基于专家群体研讨问题的分解模型,并提出了一个采用遗传算法与设计结构矩阵相结合来解决复杂问题分解的智能方法,以解决一般意义上的复杂系统问题求解中的问题分解。实践证明,该方法能够避免大规模修改的发生,并加速复杂系统分解过程中问题结构化的寻优效率。在复杂产品概念设计过程中,随着待求解问题的规模及复杂度的增加,如何协调各个求解主体,调度求解资源,使整个复杂问题的求解流程更加合理和有序,是综合集成研讨厅系统问题求解过程中需要解决的关键课题。以往的HWME中复杂问题研讨求解的流程是一种经验性质的工作流规范。作为一种人机结合的系统,HWME需要计算机对其提供智能化的支持。本文通过对HWME中复杂问题求解过程与蚁群算法相似性的分析,建立了相应的数学模型,提出了复杂问题求解过程中进行任务动态分配的智能蚁群算法,收到了较好的效果。通过概念的生成和选择形成产品的设计方案,是复杂产品概念设计的一个核心任务。在综合集成研讨厅中专家群体经由群体论证,获得复杂产品概念设计方案的过程中面临着如何在合理的时间内获得满意/优化解、提高求解效率的挑战。从复杂决策问题求解的角度,结合当前的人工智能技术,本文提出了一种基于改进的交互式遗传算法模型的群体论证方法。改进的人机交互式遗传算法充分发挥了人机各自的优势,对于求解复杂产品概念设计的问题,对人机合作的“可操作性”问题及实现从定性到定量的有效转换这类HWME中的难点问题,提供了一种有效的方法或途径。此种方式相比于研讨厅中传统的意见共识和思维收敛方法,不仅容易达成群体意见一致、有着更高的求解效率,而且更符合综合集成研讨厅在线研讨的实际,可以方便的进行多次循环论证。复杂产品概念设计在形成产品的设计方案的过程中,设计人员需要全面的考虑各种约束条件和设计目标,经常遇到需要使得多个目标在给定的可行区域内尽可能最优的问题。本文提出了一种新的协同进化算法和交互式遗传算法相结合的复杂产品概念设计多目标优化方法。利用协同进化算法的多个种群协同合作,实现复杂产品概念设计中多目标方案的生成,在方案的评价过程中,通过交互式遗传算法根据参与者的评价直接获得隐式性能指标问题的适应度值,将设计人员的偏好、直觉、经验等主观因素和创造性知识融合到方案的生成过程中,实现人机的紧密结合。以手机产品的功能设计为例,证明该方法对同时涉及到多目标、人机交互的复杂产品概念设计问题具有较高的求解效率。
参考文献：
[1]. 交互式过程计算专家系统[D]. 李刚. 电子科技大学. 2001
[2]. 语言型多属性群决策方法及其应用研究[D]. 丁勇. 合肥工业大学. 2011
[3]. 大数据处理技术与系统研究[D]. 顾荣. 南京大学. 2016
[4]. 混凝土高拱坝施工动态仿真与实时控制研究[D]. 吴康新. 天津大学. 2008
[5]. 基于数据挖掘的半导体工程数据分析系统[D]. 张明华. 复旦大学. 2011
[6]. 不确定语言多属性群决策方法及应用研究[D]. 庞继芳. 山西大学. 2015
[7]. 交互式可视化关键技术研究[D]. 沈恩亚. 国防科学技术大学. 2014
[8]. 智能交互式发电厂继电保护整定系统的开发与研究[D]. 牟瑞. 东北电力大学. 2009
[9]. 复杂表面成形切削加工系统设计智能化理论与应用研究[D]. 黄克正. 山东工业大学. 1993
[10]. 面向复杂产品概念设计的综合集成研讨厅问题求解过程与方法研究[D]. 宋东明. 南京理工大学. 2009
标签：自动化技术论文; 大数据论文; 数据可视化论文; 仿真软件论文; 产品概念论文; 专家系统论文; 数据集成论文; 系统评价论文; 产品属性论文; 动态模型论文; 决策能力论文; 数据分析论文; 粒度论文;