前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的遺傳優(yōu)化算法下汽車工業(yè)產(chǎn)品設(shè)計(jì)探析，希望能為您的閱讀和創(chuàng)作帶來靈感，歡迎大家閱讀并分享。

摘要：傳統(tǒng)方法檢索產(chǎn)品基因的匹配度低，導(dǎo)致汽車工業(yè)產(chǎn)品設(shè)計(jì)結(jié)構(gòu)不佳，因此提出基于遺傳優(yōu)化算法優(yōu)化汽車工業(yè)產(chǎn)品設(shè)計(jì)步驟。先劃分汽車產(chǎn)品結(jié)構(gòu)，再提出產(chǎn)品功能理念用于解析汽車工業(yè)產(chǎn)品設(shè)計(jì)過程模型。完成上述工作后，定制模板模型用于獲取用戶需求。為在檢索中得到最優(yōu)解，運(yùn)用遺傳算法的基因重組流程實(shí)現(xiàn)汽車工業(yè)產(chǎn)品設(shè)計(jì)。在實(shí)驗(yàn)中，隨機(jī)選取10個(gè)樣本，并依據(jù)三角矩陣得到設(shè)計(jì)參數(shù)，用于測試兩種方法檢索產(chǎn)品基因的匹配度。實(shí)驗(yàn)結(jié)果表明，所提方法檢索產(chǎn)品基因匹配度更高，符合設(shè)計(jì)需求。

關(guān)鍵詞：汽車工業(yè)產(chǎn)品；遺傳優(yōu)化算法；設(shè)計(jì)過程模型；模板模型；汽車構(gòu)件；汽車零件；匹配度測試

0引言

汽車產(chǎn)品設(shè)計(jì)是個(gè)復(fù)雜過程，通常企業(yè)采用設(shè)計(jì)過程模型描述設(shè)計(jì)過程。設(shè)計(jì)過程模型是產(chǎn)品創(chuàng)新的一種方式，在國外有許多學(xué)者借用功能分析理念和生物基因工程理念設(shè)計(jì)過程模型，使設(shè)計(jì)過程更加合理。通過分析國內(nèi)外汽車工業(yè)產(chǎn)品設(shè)計(jì)模型，研究當(dāng)前著名的遺傳優(yōu)化算法，提出遺傳優(yōu)化算法在汽車工業(yè)產(chǎn)品設(shè)計(jì)中的應(yīng)用研究[1⁃2]。本次研究中，以發(fā)現(xiàn)問題解決理論為主導(dǎo)，構(gòu)建基于遺傳優(yōu)化算法的汽車工業(yè)產(chǎn)品設(shè)計(jì)方法。在設(shè)計(jì)的過程中，詳細(xì)設(shè)計(jì)了結(jié)構(gòu)階段和參數(shù)階段，提出了全新的設(shè)計(jì)流程。實(shí)現(xiàn)過程：首先，應(yīng)用遺傳優(yōu)化算法分析進(jìn)化模式和進(jìn)化路線，獲取用戶潛在需求；再建立用戶需求與產(chǎn)品特性之間的關(guān)系，運(yùn)用生物基因工程理念，完成汽車工業(yè)產(chǎn)品設(shè)計(jì)；最后，通過實(shí)驗(yàn)研究該方法的可行性。

1基于遺傳優(yōu)化算法的汽車結(jié)構(gòu)設(shè)計(jì)

運(yùn)用遺傳優(yōu)化算法理念劃分汽車結(jié)構(gòu)，定義如下；由n個(gè)面組成的零件面集為FPa={f}1,f2,…,fn，當(dāng)零件Pa在面集中時(shí)，會(huì)存在若干個(gè)功能面，功能面定義為：零件Pa在面集FPa={f}1,f2,…,fn時(shí)，需要滿足以下幾個(gè)條件：1）接觸幾何類型可以是面接觸和點(diǎn)接觸，也可以是平面和曲面[3]；2）一對接觸面間存在力的傳遞。滿足上述條件成為功能面，圖1為汽車設(shè)計(jì)結(jié)構(gòu)。由圖1可知，汽車結(jié)構(gòu)設(shè)計(jì)是由多個(gè)獨(dú)立功能面形成的。從產(chǎn)品層次性上來說，設(shè)計(jì)結(jié)構(gòu)可以是構(gòu)件或零件[4⁃6]。功能面不是實(shí)體結(jié)構(gòu)，但需要有一定功能，所以將功能面歸結(jié)到設(shè)計(jì)結(jié)構(gòu)。在需求分析階段，所有的信息均是以汽車虛擬產(chǎn)品為描述對象，在概念設(shè)計(jì)階段，描述對象有產(chǎn)品、機(jī)構(gòu)[7⁃8]。在詳細(xì)設(shè)計(jì)階段，要根據(jù)具體的設(shè)計(jì)過程改變信息描述對象。在機(jī)構(gòu)設(shè)計(jì)階段，汽車虛擬信息描述的是汽車的機(jī)構(gòu)和構(gòu)件。在構(gòu)件設(shè)計(jì)階段，主要描述核心的構(gòu)件和零件[9]。將上述的信息統(tǒng)一起來，得到汽車結(jié)構(gòu)設(shè)計(jì)過程。

2基于遺傳算法的汽車功能設(shè)計(jì)研究

在設(shè)計(jì)汽車層次結(jié)構(gòu)后，為得到汽車工程設(shè)計(jì)的各個(gè)關(guān)鍵識(shí)別要素，按照以下步驟展開：首先，為有效獲取顧客需求，準(zhǔn)確定義產(chǎn)品需求信息，提出定制模板[10]。定制模板模型如圖2所示。圖2中的客戶集是通過企業(yè)外數(shù)據(jù)源和內(nèi)數(shù)據(jù)源獲取某類產(chǎn)品的整體需求情況集合。外數(shù)據(jù)源主要有用戶、書籍、技術(shù)手冊、競爭對手、網(wǎng)絡(luò)、電影等。內(nèi)數(shù)據(jù)源主要有設(shè)計(jì)師、項(xiàng)目經(jīng)理和產(chǎn)品生命周期等[11]。再獲取改進(jìn)空間的建設(shè)性需求后，要分析現(xiàn)有產(chǎn)品的功能、結(jié)構(gòu)、設(shè)計(jì)和制造等方面，反求出具有特定功能模塊能夠滿足客戶的不同需求，并根據(jù)求出的結(jié)果，建立相應(yīng)的需求空間。定制模塊實(shí)現(xiàn)產(chǎn)品功能和結(jié)構(gòu)參數(shù)的客戶化表達(dá)，更易于理解，描述產(chǎn)品功能[12]。在完成定制模板交互選擇后，為方便實(shí)現(xiàn)產(chǎn)品定制，配置出需求產(chǎn)品。要根據(jù)預(yù)先設(shè)定產(chǎn)品參數(shù)編碼生產(chǎn)需求基因。需求產(chǎn)品是一類信息描述性產(chǎn)品，可以通過信息特征值描述客戶對產(chǎn)品的需求[13⁃14]。通過分析定制模板產(chǎn)品各項(xiàng)參數(shù)之間關(guān)系，根據(jù)客戶需求生成產(chǎn)品功能信息樹、結(jié)構(gòu)信息樹、技術(shù)信息樹和管理信息樹。在此基礎(chǔ)上提出需求產(chǎn)品基因概念，運(yùn)用產(chǎn)品基因編碼規(guī)則，產(chǎn)生需求產(chǎn)品基因[15]。一般可分成四類，分別為功能基因、結(jié)構(gòu)基因、管理基因和技術(shù)基因。不同之處在于需求基因結(jié)構(gòu)不完整。獲取的產(chǎn)品基因是汽車工業(yè)的設(shè)計(jì)輸入，以需求產(chǎn)品基因?yàn)榛A(chǔ)，檢索產(chǎn)品基因。具體檢索過程如下：為了在檢索中得到最優(yōu)解，運(yùn)用遺傳算法的基因重組流程，完成汽車工業(yè)產(chǎn)品設(shè)計(jì)。在遺傳算法執(zhí)行的過程中，數(shù)量將按指數(shù)規(guī)律逐漸增多。為得到在變換作用下子代中產(chǎn)生個(gè)體數(shù)目的下限值，依據(jù)模式定理公式：m(H),t+1≥m(H),t（1）式中：t表示群體；H表示模式；m表示數(shù)字串個(gè)數(shù)。功能基因是產(chǎn)品設(shè)計(jì)的核心，也是檢索的索引。根據(jù)匹配度函數(shù)匹配出滿足需求的功能基因，運(yùn)用遺傳優(yōu)化算法完成產(chǎn)品功能基因檢索流程的設(shè)計(jì)。基于遺傳優(yōu)化算法的汽車工業(yè)產(chǎn)品設(shè)計(jì)流程如圖3所示。1）在基因庫中有三種可能，一種是最理想結(jié)果，完全匹配產(chǎn)品層基因，檢索結(jié)束。另一種是得不到完全匹配的產(chǎn)品層基因，但這種結(jié)果可能性小。若出現(xiàn)上述現(xiàn)象，需進(jìn)入步驟2）。第三種沒有匹配到產(chǎn)品層基因。出現(xiàn)這種的可能性小，若出現(xiàn)這種現(xiàn)象，需進(jìn)入步驟2）。2）在分離需求基因中，未匹配到基因片段，就需要將檢索模塊層基因中的候選產(chǎn)品基因進(jìn)行基因重組。如果沒有找到滿足要求的需求基因片段，就需要進(jìn)入步驟3）。3）分解在步驟2）中未能滿足的模塊層基因。以此為基礎(chǔ)，搜索零件層基因，將檢索到的零件層基因用于產(chǎn)品基因重組。4）檢索完畢后，如果沒有獲得較為滿意的產(chǎn)品基因，就需要根據(jù)用戶需求創(chuàng)新設(shè)計(jì)。需注意在檢索過程中，完全匹配和不完全匹配是相對的，需要設(shè)定閾值。若高于設(shè)定閾值，就是完全匹配的基因；若低于設(shè)定閾值，就是無匹配的產(chǎn)品層基因。各層產(chǎn)品基因只能檢索一次，這樣可以有效避免死循環(huán)。

3實(shí)驗(yàn)分析

優(yōu)秀的工程機(jī)械企業(yè)在工業(yè)產(chǎn)品設(shè)計(jì)上有著很強(qiáng)的研發(fā)力度，為保證一定的前瞻性，實(shí)驗(yàn)的過程中，對各數(shù)據(jù)進(jìn)行數(shù)值分析。為防止用戶對評(píng)價(jià)價(jià)值的干擾，運(yùn)用計(jì)算公式測試傳統(tǒng)方法和本次所建的基于遺傳優(yōu)化算法的設(shè)計(jì)方法檢索產(chǎn)品基因匹配度。

3.1實(shí)驗(yàn)樣本。在數(shù)據(jù)庫中，隨機(jī)選取10個(gè)樣本，實(shí)驗(yàn)中考慮到實(shí)驗(yàn)樣本之間的相互關(guān)系，要先確定實(shí)驗(yàn)順序，將功能獨(dú)立的產(chǎn)品基因放在前面，表1為產(chǎn)品基因設(shè)計(jì)參數(shù)。

3.2實(shí)驗(yàn)流程。將本次實(shí)驗(yàn)步驟歸納如下；1）輸入產(chǎn)品基因，將隨機(jī)產(chǎn)生的初始產(chǎn)品基因群體的賦值代數(shù)設(shè)為0；2）計(jì)算每個(gè)產(chǎn)品基因的適應(yīng)度函數(shù)值；3）按照圖3得到最優(yōu)的產(chǎn)品基因；4）建立評(píng)價(jià)指標(biāo)集，用于評(píng)價(jià)兩種方法挑選產(chǎn)品基因的質(zhì)量；5）利用模糊評(píng)價(jià)法，對比傳統(tǒng)方法與基于遺傳優(yōu)化算法的汽車工業(yè)產(chǎn)品設(shè)計(jì)方法檢索基因匹配度。

3.3實(shí)驗(yàn)數(shù)據(jù)分析。采用折線圖的方式分析數(shù)值之間的關(guān)系，實(shí)驗(yàn)結(jié)果如圖4所示。由圖4實(shí)驗(yàn)結(jié)果可知，傳統(tǒng)方法檢索的產(chǎn)品基因匹配度低，這一現(xiàn)象的原因是，傳統(tǒng)方法的產(chǎn)品結(jié)構(gòu)效率低，無法得到最優(yōu)解。而本次采用的遺傳優(yōu)化算法是依據(jù)模式定理，檢索到的產(chǎn)品基因匹配度更高。由此，證明所建的基于遺傳優(yōu)化算法的汽車工業(yè)產(chǎn)品設(shè)計(jì)方法符合設(shè)計(jì)要求。

4結(jié)語

本文針對傳統(tǒng)汽車工業(yè)產(chǎn)品設(shè)計(jì)方法所造成的問題，提出遺傳優(yōu)化算法在汽車工業(yè)產(chǎn)品設(shè)計(jì)中的應(yīng)用研究。運(yùn)用生物基因工程理念和功能分析理念，完成基于遺傳優(yōu)化算法的汽車工業(yè)產(chǎn)品設(shè)計(jì)的研究，驗(yàn)證所提方法的可行性。在數(shù)據(jù)庫中隨機(jī)抽取10個(gè)樣本，設(shè)計(jì)三角矩陣，保證實(shí)驗(yàn)結(jié)果合理性。實(shí)驗(yàn)結(jié)果表明，基于遺傳優(yōu)化算法的汽車工業(yè)產(chǎn)品設(shè)計(jì)方法符合設(shè)計(jì)需求。

作者:李源楓 唐彩云 李建華 單位:浙江農(nóng)林大學(xué)暨陽學(xué)院