论文部分内容阅读
随着计算机技术的飞速发展,计算机辅助设计和计算机辅助工程被广泛的运用到实际制造业中,尤其是仿真驱动的产品设计已经成为了一种主流的设计方案。随着仿真技术的广泛应用,仿真已融入复杂产品跨多学科领域的性能分析和仿真过程中,产生的仿真数据也越来越多。历史仿真数据对当前产品的高效变动与优化设计具有一定的指导意义,许多学者尝试将数据挖掘的技术运用到海量仿真数据之上,根据挖掘的知识和规则指导产品的设计变更甚至优化,提高整体设计效率。虽然基于仿真数据挖掘支持产品高效设计方面的研究工作取得了一定进展,但研究工作中很少从全局性能评价指标考虑,关注设计参数本身的关联关系等。所以仿真数据挖掘仍然存在一些关键技术问题有待研究和解决。本文针对目前仿真数据挖掘方法中存在的问题进行研究,提出了以中间模型为中心的基于Takagi-Sugeno (TS)[1]模型的仿真数据挖掘方法来发掘产品设计参数与全局仿真性能参数之间的内在关联,以有效支持产品的高效变动甚至优化设计。本文的主要工作如下:(1) 提出了一个支持全局性能评价的中间模型概念,并详细给出了基于Polycube交叉参数化的全局仿真结果的计算方法,有效支持后续的全局仿真结果的准确预测。(2) 提出了两种设计参数的属性选择方法,包括基于相关性分析的单参数选择方法以及基于偏相关分析的组合参数选择方法。通过选择和分析对性能有关键影响的单参数或组合参数效应,有效提高预测模型的精确性和可理解性。(3) 提出了基于TS模型的仿真数据挖掘算法,支持全局仿真结果的预测以指导产品的设计优化,并对TS模型进行改进以提高模型训练效率。(4) 基于以上关键技术,提出了基于中间模型的仿真数据挖掘框架,设计并实现了相应的仿真数据挖掘原型系统,并应用数据集验证了本文提出的方法在全局仿真结果预测的可行性、有效性和精确性。