构建基于实例的三维PIC模型研究批量定制汽车配件的配置技术,机械工程论文

构建基于实例的三维PIC模型研究批量定制汽车配件的配置技术,机械工程论文大规模定制既有大规模生产的低成本优势，又能够在一定程度上知足客户的需求，因而遭到越来越多的公司的关注.产品配置设计作为能够知足个性化客户需求并有效支持产品快速定制设计手段，已经成为大规模定制的核心设计方式方法.当前，对于解决大规模定制产品配置的研究内容主要有产品配置成本评估,产品配置知识获取,产品配置动态驱动,产品配置性能预测,并获得了一定的成果。但是上述研究多集中在产品配置规划方面，对产品微观配置经过牵涉不多。对于产品配置知识的表示，近年来的研究热门有基于约束知足的知识表示,基于资源的知识表示和基于描绘叙述逻辑的知识表示,并获得了一定进展，解决了一些实际问题。但是对于像汽车这样复杂的产品，这些方式方法都有一定的缺乏：①产品知识获取困难；②忽略了过去已有的很有价值的设计知识和经历体验；③利用配置模板对产品从头开场配置设计，既耗时又易出错。基于实例推理〔case-basedreasoning,CBR〕的产品配置方式方法能够充分考虑过去已有的有价值的设计知识和经历体验，已成为产品设计开发的一种有效实现方式.据调查，产品设计活动中有大约75%的设计是基于实例的产品设计.对于基于实例推理的产品配置技术，有学者从不同方面进行了研究。AHN等将CBR与基于知识的技术相结合来实现定制经过中多种类型经过知识的分享与重用；王新等提出了产品组需求类和需求匹配模板的概念，通过二级实例匹配求解实现产品配置；CHENG等提出将CBR与产品生命周期建模技术结合，应用于绿色产品配置开发。这些配置设计方式方法在解决产品的快速响应设计问题时具有一定优势，但是对于大规模定制下汽车的设计还存在下面缺乏：产品配置模型并没有全面表示出像汽车这样复杂产品配置模块之间多层次的复杂约束信息和三维信息等，由于缺少这些重要的设计信息，可能导致最终得出的BOM无法或很难造型、布局或装配；对于客户的需求，多是对其进行分解和分析，然后转化为各种设计参数，作为产品配置的输入，而客户并没有实际介入到产品的设计中，像汽车这种很难量化的产品，假如客户没有实际介入到产品的设计经过中，很难得到令其满意的结果。因而，针对以上问题，笔者提出一种基于实例的PIC模型，将汽车的部件、三维和约束信息整合为一个整体，然后利用交互式遗传算法进行产品配置的求解，并建立基于PIC模型的汽车操控台定制设计系统进行验证。1.基于实例推理的PIC模型产品配置知识的表示是解决产品配置问题的基础，其本质是对企业拥有的设计实例资源的整合，使其构造化、规范化，便于产品的快速定制。笔者提出了一种基于实例的PIC3层模型，将企业拥有的设计实例资源整合为一个整体，以知足产品配置求解的要求，如此图1所示。图1基于实例推理的PIC模型〔1〕P〔parts〕层为部件层，是PIC3层模型的基础层，本质为产品的各个组成部分的模块化树状模型。其能够表示为P=〔NUM,NAME,F,PA〕。NUM为各部件模块的标识；NAME为各部件模块的名称；F={f1,f2,，fq}〔q0〕为各部件模块的功能属性；PA={pa1,pa2,，pau}〔u0〕为各部件模块的特征参数。〔2〕I〔information〕层为信息层，是P层的实例化，包含有P层各个部件的不同实例的三维信息、装配信息和拓扑信息，能够表示为I=〔NUM,PNUM,3Dinfo,Tinfo,Ainfo〕。华而不实：NUM为该实例信息模块的标识；PNUM为该实例信息模块对应的P层部件模块的标识；3Dinfo为该实例的3D信息，能够描绘叙述出该实例模块的基本空间位置和几何形状，并不牵涉详细的尺寸与设计细节；Tinfo为该实例模块的拓扑信息，即在产品组装时与该实例模块相邻的上级、下级和同级的模块位置信息；Ainfo为该实例的装配信息，能够描绘叙述该实例模块在产品组装时本身的特征参数以及对相邻各模块的参数要求。〔3〕C〔constrains〕层为约束层，是对于P层和I层约束信息的提取和整合，包括来自P层的非构造性约束和来自I层的构造性约束，能够表示为C=〔NUM,NAME,TYPE,IF,THEN〕。华而不实：NUM为该约束的标识；NAME为该约束的名称；TYPE为该约束的类型，TYPE=0,则该约束为构造性约束；TYPE=1,该约束为非构造性约束；IF为该约束的条件输入项；THEN为该约束的结论输出项。2.基于交互式遗传算法的产品配置求解对于产品配置问题的求解，充分考虑用户的个性需求，对于汽车的评价，不同的人有不同的看法，主观性很强，难以量化，因而笔者应用交互式遗传算法来解决产品配置问题。交互式遗传算法是将传统进化计算与人的智能评价有机结合，是一种解决隐式性能指标优化问题的有效方式方法。交互式遗传算法需要用户的评价来实现进化，因而能使用户积极地介入到产品定制设计中，最大限度地知足其要求。传统的交互式遗传算法流程如此图2所示。图2交互式遗传算法的流程欲使用IGA进行产品配置求解，还需要对汽车的各个模块实例进行编码，使之成为IGA能够辨别的基因.笔者根据PIC模型用二进制来对汽车操控台进行编码。如此图3所示，一条染色体代表一个设计产品，以汽车操控台为例，总体分为6个部分，分别对应操控台的5大模块和颜色模块，每一部分又进一步根据PIC模型中P层分为若干基因，每一个基因的二进制代码均代表一个详细的实例。图3中中控台的编码001001001即代表第一类GPS导航、DVD音响系统、液晶显示屏的实例。将汽车的各个模块转变为IGA能够辨别的基因之后，就能够根据IGA的算法流程对其进行遗传操作，经过进化最终得到用户满意的个体。图3基于PIC模型的编码形式3.基于PIC模型的操纵台定制设计系统3.1系统的设计原理与构造笔者提出的基于改良的交互式遗传算法的汽车操控台定制设计系统采用3层体系构造，分别为资源层、应用层和用户层，如此图4所示。〔1〕资源层是系统的基础层，为应用层以及用户层的各个功能的实现提供基础的数据和参考。资源层建立在包括硬件平台、数据库、PDM和网络等基础设施上，通过数据库服务器与应用层的各个客户端连接。资源层的数据涵盖了基于改良的交互式遗传算法的汽车操控台定制设计系统所需要的所有数据，包括产品实例库、三维信息库、拓扑信息库和配置约束库等。〔2〕应用层是系统的核心层，由配置知识表示单元、配置知识管理单元，以及产品配置求解单元组成。来自资源层的数据首先通过配置知识表示单元转化为基于PIC模型的配置知识，进入到PIC模型数据库，再由配置知识管理单元进行维护。然后产品配置求解单元根据配置知识，通过与用户层交互，最终得出配置结果。每次的配置结果都会由配置知识管理单元自动添加到PIC模型数据库中，实现数据的实时更新。〔3〕用户层是整个系统的关键，由客户、设计人员、系统维护人员和其别人员构成。用户层通过人机交互界面与应用层的应用服务器连接，使得客户对IGA算法产生的个体进行评价，促使种群进化，最终得出满意个体。设计人员、系统维护人员和其别人员负责系统的正常运行和对客户提出的问题进行解答。图4基于PIC模型的汽车操纵台定制设计系统3.2系统的实现将资源层中的各种数据转换为能够用来配置求解的知识，其经过通过PIC模型来实现。下面针对汽车操控台，讲明PIC模型的施行经过。〔1〕汽车操控台的P层模型。P层本质为产品的各个组成部分的模块化树状模型，因而，将汽车操控台分为5大模块：方向盘、中控台、仪表盘、变速杆和空调出口。然后，每一模块又进一步向下细分，进而得出模块化树状模型，如此图5所示。每一层级的模块均有不同的实例与其对应，而每一个实例均有三维信息、装配信息和拓扑信息，进而引出I层模型。图5〔2〕汽车操控台的I层模型。I层是P层的实例化，包含P层各个部件的不同实例的三维信息、装配信息和拓扑信息。以方向盘为例，它的某一个详细实例的三维信息〔3Dinfo〕如此图6所示，由若干曲线、曲面和基准特征几何构造组成，能够描绘叙述出该实例模块的基本空间位置和几何形状；拓扑信息〔Tinfo〕以二维表的形式表示出该实例与上级〔操控台整体〕、下级〔喇叭按钮、音量调节键等〕和同级〔操控台〕的位置信息；装配信息〔Ainfo〕描绘叙述该方向盘实例在产品组装时本身的特征参数以及对相邻各模块〔仪表盘〕的参数要求。图6〔3〕汽车操控台的C层模型。C层是对于P层和I层约束信息的提取和整合。操控台的C层部分约束如表1所示。表1操控台的C层部分约束图7图7为系统的交互界面，左侧能够显示这一代的个体〔每代9个个体〕，右侧显示当前最优个体和上代最优个体以供参考，用户能够通过该界面来对系统产生的个体进行评价，促使种群进化，最终产生满意的个体。初始界面上显示的个体均为2D形式，假如对某一个体感兴趣，能够点击3D来查看该个体的3D图像。在用户发现自个满意的个体时，能够点击best来结束进化，系统则会自动输出最优个体对应的BOM.4.结论针对现有的汽车产品大规模定制中的产品配置方式方法存在的一些缺乏，提出一种基于实例推理的PIC模型来进行产品知识的表示，成功地解决了传统知识表示方式