Parametric product family progressive optimization design approach
-
摘要: 基于产品平台技术,提出了基于混合进化算法的参数化产品族递进式优化设计方法.建立了参数化产品族的递进式优化设计流程,提出改进的强度Pareto进化算法(SPEA2+)与非支配排序遗传算法(NSGA-II)相结合的多目标混合进化算法对参数化产品族设计问题进行优化,混合进化算法使用了两类种群进行求解,解决了同步进化带来的数据扰动问题.在参数化产品族递进式优化设计过程中,首先优化产品族设计平台,建立参数化产品族设计问题的多目标优化数学模型,通过产品设计参数的敏感度分析和变差指数计算,划分产品平台的设计常量和设计变量,形成稳健的产品平台来获得最优参数.然后对产品族中实例产品的多个性能进行优化,在已有的产品平台基础上,优化设计变量的取值.最后,以电动机产品族的递进式优化设计过程为例证明了该方法的有效性和适用性.Abstract: Parametric product family progressive optimization design approach is proposed based on product platform technique. The progressive optimization design process was constructed, the optimization of product family was carried out progressively using multi-objective mix-evolution algorithm. The mix-evolution algorithm used two kinds of populations to avoid the data perturbation problem. The strength Pareto evolutionary algorithm 2+and non-dominated sorting genetic algorithm-II were used progressively in the product platform design and product instance optimization. In the product family progressive optimization, the product platform was identified firstly. The multi-objective optimization mathematics optimization model of parametric product family was constructed, the sensibility of design parameter was analyzed and the diversity factor was calculated. The product platform constants and variables were divided. As a result, the product platform was constructed. Then the performances of each individual instance product were optimized in the robust product platform to get the optimal design parameter. Finally, the design of electromotor product family was used as an example to certify the proposed method's effectiveness and applicability.
-
[1] 樊蓓蓓,纪杨建,祁国宁,等.产品族零部件关系网络实证分析及演化[J].浙江大学学报:工学版,2009,43(2):213-219.Fan B B,Ji Y J,Qi G N,et al.Demonstration analysis and evolution of parts relationship network for product family[J].Journal of Zhejiang University:Engineering Science,2009,43(2):213-219(in Chinese). [2] Dai Z,Scoot M.Product platform design through sensitivity analysis and cluster analysis[J].Journal of Intelligent Manufacturing,2007,18(1):97-113. [3] Nomaguchi Y,Askhøj A,Madsen K F,et al.Study on how to select appropriate design methods for product platform and family design[J].Nihon Kikai Gakkai Ronbunshu,C Hen/Transactions of the Japan Society of Mechanical Engineers,Part C,2013,79:866-879. [4] Akundi S V K,Simpson T W,Reed P M.Multi-objective design optimization for product platform and product family design using genetic algorithms[C]//Proceedings of ASME International Design Engineering Technical Conferences & Computers and Information in Engineering Conference.167 Jalan Bukit Merah:American Society of Mechanical Engineers,2005,2B:999-1008. [5] Khajavirad A,Michalek J J,Simpson T W.A decomposed genetic algorithm for solving the joint product family optimization Problem[C]//Proceedings of the 48th AIAA/ASME/ASCE/AHS/ASC Structures,Structural Dynamics,and Materials Conference.Reston:AIAA,2007,2:2111-2124. [6] Kumar R,Allada V.Scalable platforms using ant colony optimization[J].Journal of Intelligent Manufacturing,2007,18(1):127-142. [7] Alizon F,Shooter S,Simpson T W.Improving an existing product family based on commonality/diversity,modularity,and cost[J].Design Studies,2007,28(4):387-409. [8] 张换高,赵文燕,江屏,等.基于相似性与结构敏感性分析的产品平台设计过程模型[J].机械工程学报,2012,48(11):104-118.Zhang H G,Zhao W Y,Jiang P,et al.Product platform design process model based on similarity and structural sensitivity analysis[J].Mechanical Engineering,2012,48(11):104-118(in Chinese). [9] 李柏姝,唐加福,雒兴刚.面向细分市场的产品族规划方法及应用[J].计算机集成制造系统,2009,15(6):1055-1061.Li B S,Tang J F,Lou X G.Method and application of product family design for market niche[J].Computer Integrated Manufacturing Systems,2009,15(6):1055-1061(in Chinese). [10] 李中凯,朱真才,程志红,等.基于联合分析和定量指数的柔性产品平台多目标规划方法[J].计算机集成制造系统,2011,17(8):1757-1765.Li Z K,Zhu Z C,Cheng Z H,et al.Multiobjective planning for flexible product platform based on conjoint analysis and quantitative indices[J].Computer Integrated Manufacturing Systems,2011,17(8):1757-1765(in Chinese). [11] Simpson T,Seepersad C,Mistree F.Balancing commonality and performance within the concurrent design of multiple products in a product family[J].Concurrent Engineering:Research and Applications,2001,10(11):1-14. [12] Scott M,Antonsson E.Using indifference points in engineering decisions[C]//Proceedings of 2000 ASME Design Engineering Technical Conferences.167 Jalan Bukit Merah:American Society of Mechanical Engineers,2000:225-243. [13] 陈永亮,褚巍丽,徐燕申.面向可适应性的参数化产品平台设计[J].计算机集成制造系统,2007,13(5):877-884.Chen Y L,Chu W L,Xu Y S.Adaptability-oriented parametric product platform design[J].Computer Integrated Manufacturing Systems,2007,13(5):877-884(in Chinese). [14] Kim M,Hiroyasu T,Miki M.SPEA2+:Improving the performance of the strength Pareto evolutionary algorithm2[J].Parallel Problem Solving from Nature-PPSN VIII,2004,3242:742-751. [15] Deb K,Pratap A,Agarwal S.A fast and elitist multi-objective genetic algorithm:NSGA-II[J].IEEE Transactions on Evolutionary Computation,2002,6(2):182-197. [16] Simpson T W,Maier J R,Mistree F.Product platform design:Method and application[J].Research in Engineering Design,2001,13(1):2-22. [17] Zitzler E,Deb K,Thiele L.Comparison of multi-objective evolutionary algorithms:Empirical results[J].IEEE Transactions on Evolutionary Computation,2000,18(2):173-195. 期刊类型引用(53)
1. 王晓燕,梁文辉,李杰,牟建宏,王禧钰. 融合边界框高斯建模与特征聚合分发的遥感飞机细粒度识别. 中国图象图形学报. 2025(01): 282-296 . 百度学术
2. 刘洋,时富斌,王竹筠,徐晓淼. 基于显著性引导增强与改进Faster-RCNN的遥感图像目标检测方法. 沈阳航空航天大学学报. 2024(06): 50-60 . 百度学术
3. 李晨瑄,李湉雨,李梓正,曾维贵,胥辉旗. 智能化舰船要害检测、轨迹预测与位姿估计算法. 北京航空航天大学学报. 2023(02): 444-456 . 本站查看
4. 周哲韬,刘路,宋晓,陈凯. 基于Transformer模型的滚动轴承剩余使用寿命预测方法. 北京航空航天大学学报. 2023(02): 430-443 . 本站查看
5. 高鹏飞,曹雪峰,李科,游雄. 融合多元稀疏特征与阶层深度特征的遥感影像目标检测. 地球信息科学学报. 2023(03): 638-653 . 百度学术
6. 李梦梦,陈超,陶旸. 基于CNN模型的遥感影像液气贮存设备识别. 地理空间信息. 2023(05): 110-113 . 百度学术
7. 郭智超,徐君明,刘爱东. 基于嵌入式平台与优化YOLOv3的航拍目标检测方法. 兵工自动化. 2022(03): 10-15+20 . 百度学术
8. 陈初侠,丁勇. 基于多尺度语义网络的红外舰船目标检测. 红外技术. 2022(05): 529-536 . 百度学术
9. 李晨瑄,顾佼佼,王磊,钱坤,冯泽钦. 多尺度特征融合的Anchor-Free轻量化舰船要害部位检测算法. 北京航空航天大学学报. 2022(10): 2006-2019 . 本站查看
10. 赵明钧,程英蕾,秦先祥,王鹏,文沛,张碧秀. 基于模型微调与AM-Softmax的极化SAR图像分类. 空军工程大学学报. 2022(05): 36-43 . 百度学术
11. 吴湘宁,贺鹏,邓中港,李佳琪,王稳,陈苗. 一种基于注意力机制的小目标检测深度学习模型. 计算机工程与科学. 2021(01): 95-104 . 百度学术
12. 张天龙,过杰. 基于改进Faster R-CNN模型的SAR图像溢油检测方法. 海洋科学. 2021(05): 103-112 . 百度学术
13. 郭智超,丛林虎,刘爱东,邓建球,应新永. 基于SK-YOLOV3的遥感图像目标检测方法. 兵器装备工程学报. 2021(07): 165-171 . 百度学术
14. 成昊天,丁荣莉,胡博文,李杰,李焱,欧阳尚荣. 基于HLS的红外遥感图像连通域快速提取方法. 上海航天(中英文). 2021(04): 144-151 . 百度学术
15. 钟鼎杰,杨存建. 基于遥感影像的山岳冰川信息计算机解译方法探讨——以梅里雪山为例. 云南大学学报(自然科学版). 2021(05): 942-952 . 百度学术
16. 李晨瑄,钱坤,胥辉旗. 基于深浅层特征融合的舰船要害关键点检测算法. 系统工程与电子技术. 2021(11): 3239-3249 . 百度学术
17. 刘坤,米乐红. 不同日照强度下的舰船目标识别. 计算机辅助设计与图形学学报. 2021(11): 1735-1745 . 百度学术
18. 丁荣莉,李杰,沈霁,周飞宇. 基于显著性的遥感图像舰船目标检测. 计算机仿真. 2021(11): 5-8+52 . 百度学术
19. 李宗凌,汪路元,禹霁阳,程博文,郝梁. 遥感舰船目标检测识别方法. 遥感信息. 2020(01): 64-72 . 百度学术
20. 杨浩琪,姚红革,王诚,喻钧,王飞,纳钦. 复杂场景下遥感船舶的检测与分割定位. 计算机辅助设计与图形学学报. 2020(03): 472-485 . 百度学术
21. 郑宗生,胡晨雨,黄冬梅,邹国良,刘兆荣,宋巍. 基于迁移学习及气象卫星云图的台风等级分类研究. 遥感技术与应用. 2020(01): 202-210 . 百度学术
22. 顾振辉,姜文刚. 基于Mask R-CNN改进的遥感图像舰船检测. 计算机工程与应用. 2020(08): 171-176 . 百度学术
23. 杨瑾文,赖文奎. 深度学习算法在遥感影像分类识别中的应用现状及其发展趋势. 测绘与空间地理信息. 2020(04): 114-117+120 . 百度学术
24. 郑磊,胡维多,刘畅. 基于深度学习的大型陨石坑识别方法研究. 北京航空航天大学学报. 2020(05): 994-1004 . 本站查看
25. 周雷,阿里甫·库尔班,吕情深,孟欣欣. 基于R-FCN的中国手指语识别. 新疆大学学报(自然科学版)(中英文). 2020(02): 170-176 . 百度学术
26. 林朝剑,张广群,杨洁,徐鹏,李英杰,汪杭军. 基于迁移学习的林业业务图像识别. 南京林业大学学报(自然科学版). 2020(04): 215-221 . 百度学术
27. 周慧,刘振宇,陈澎. 利用改进特征金字塔模型的SAR图像多目标船舶检测. 电讯技术. 2020(08): 896-901 . 百度学术
28. 牟效乾,陈小龙,关键,周伟,刘宁波,董云龙. 基于INet的雷达图像杂波抑制和目标检测方法. 雷达学报. 2020(04): 640-653 . 百度学术
29. 周慧,褚娜,陈澎. 复杂场景下的SAR图像船舶目标检测. 大连海事大学学报. 2020(03): 87-94 . 百度学术
30. 凌晨,张鑫彤,马雷. 基于Mask R-CNN算法的遥感图像处理技术及其应用. 计算机科学. 2020(10): 151-160 . 百度学术
31. 杨天天,陈志明,吕颖,吴云华,华冰. 基于深度学习的多分辨率海洋目标检测方法. 电光与控制. 2020(11): 81-85 . 百度学术
32. 张广群,李英杰,汪杭军,周厚奎. 基于微调CaffeNet的林业图像分类. 林业科学. 2020(10): 121-128 . 百度学术
33. 王鑫,李可,徐明君,宁晨. 改进的基于深度学习的遥感图像分类算法. 计算机应用. 2019(02): 382-387 . 百度学术
34. 尹雅,黄海,张志祥. 基于光学遥感图像的舰船目标检测技术研究. 计算机科学. 2019(03): 82-87 . 百度学术
35. 王鑫,李可,宁晨,黄凤辰. 基于深度卷积神经网络和多核学习的遥感图像分类方法. 电子与信息学报. 2019(05): 1098-1105 . 百度学术
36. 张旭. 基于模板匹配和深度学习的港口舰船检测识别方法. 信息技术与信息化. 2019(04): 59-63 . 百度学术
37. 陈丽琼,石文轩,范赐恩,邓德祥. 基于多分类学习的光学遥感图像舰船检测. 华中科技大学学报(自然科学版). 2019(05): 62-67 . 百度学术
38. 张银松,赵银娣,袁慕策. 基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数. 中国农业大学学报. 2019(05): 115-122 . 百度学术
39. 王言鹏,杨飏,姚远. 用于内河船舶目标检测的单次多框检测器算法. 哈尔滨工程大学学报. 2019(07): 1258-1262 . 百度学术
40. 李剑,梅乐翔,高薪,刘晶,王东升,黄芸. 基于卫星遥感图像的收费站位置自动识别与校核. 中国交通信息化. 2019(07): 109-110+116 . 百度学术
41. 马啸,邵利民,金鑫,徐冠雷. 改进的YOLO模型及其在舰船目标识别中的应用. 电讯技术. 2019(08): 869-874 . 百度学术
42. 王强,武凯,王新宇,孙宇,杨晓燕,楼晓华. 基于X射线和卷积神经网络的异物水饺识别. 食品科学. 2019(16): 314-320 . 百度学术
43. 方梦梁,黄刚. 一种光学遥感图像船舶目标检测技术. 计算机技术与发展. 2019(08): 136-141 . 百度学术
44. 王伦文,冯彦卿,张孟伯. 光学遥感图像目标检测方法. 系统工程与电子技术. 2019(10): 2163-2169 . 百度学术
45. 江涛,王新杰. 基于卷积神经网络的高分二号影像林分类型分类. 北京林业大学学报. 2019(09): 20-29 . 百度学术
46. 刘梦佳,冯辉,徐海祥,余文曌,李文娟. 基于CNN的搜救无人艇水面多目标检测实验. 武汉理工大学学报(交通科学与工程版). 2019(05): 910-913+919 . 百度学术
47. 郭进祥,刘立波,徐峰,郑斌. 基于YOLO v3的机场场面飞机检测方法. 激光与光电子学进展. 2019(19): 111-119 . 百度学术
48. 王彤. 基于卷积神经网络的舰船图像边缘检测算法. 舰船科学技术. 2019(22): 79-81 . 百度学术
49. 何嘉. 全景视觉舰船图像局部特征点检测. 舰船科学技术. 2019(24): 169-171 . 百度学术
50. 周慧,严凤龙,褚娜,陈澎. 基于特征金字塔模型的高分辨率遥感图像船舶目标检测. 大连海事大学学报. 2019(04): 131-138 . 百度学术
51. 马啸,邵利民,金鑫,徐冠雷. 舰船目标识别技术研究进展. 科技导报. 2019(24): 65-78 . 百度学术
52. 汤伟,高涵. 改进卷积神经网络算法在水面漂浮垃圾检测中的应用. 中国科技论文. 2019(11): 1210-1216 . 百度学术
53. 刘方园,王水花,张煜东. 卷积神经网络架构及其应用的研究. 新型工业化. 2017(11): 40-51 . 百度学术
其他类型引用(102)
-

计量
- 文章访问数: 815
- HTML全文浏览量: 74
- PDF下载量: 446
- 被引次数: 155