面向性能的复杂装备产品族关键技术研究

Aiming at the bottleneck of the optimization,evaluation and prediction for the complex equipment product family performance, the key technologies are studied deeply. In the performance of the product family optimization, flexible module system for product family is constructed using decoupling mapping of design variables and module, module configuration and design variables is established between the regulation of fusion recursive -feedback design information channel, based on evolutionary cellular learning automata algorithm to realize collaborative and intelligent optimization. The coupling relation between performance index in terms of product family performance evaluation of the scheme, based on variable granule weight and collaborative decision making for product family scheme evaluation techniques to objective and reasonable to obtain comprehensive evaluation model, and using a conflict resolution ability of the agglomeration algorithm to achieve consistent decision to realize collaborative evaluation in the coupling of the performance of the product family. In product family plan performance prediction, through characteristic parameter singular perturbation analysis to achieve the key characteristic parameters identification and screening, using Bernoulli time series model and homotopy two-stage correction on the properties of compensated prediction and suppression of error correction, can improve the performance of the product family prediction model of the efficiency and precision of prediction. According to the theory and method of the research, a prototype system is developed and applied in typical complex equipment product family development.

本项目针对复杂装备产品族性能的优化、评价及预测等三方面关键技术存在的瓶颈进行深入研究。在产品族性能优化方面，使用设计变量和模块的解耦映射进行产品族柔性模块体系的构建，建立模块配置与设计变量调节之间的融合式递归—反馈设计信息通道，基于演化细胞学习自动机算法实现协同、智能优化。在产品族方案性能评价方面，基于变粒度权重与协同决策的产品族方案评价技术，能够客观、合理的处理性能指标之间的耦合关系获得完善的评价模型，进而使用具有冲突消解能力的集聚算法实现一致性决策来完成产品族性能的耦合协同评价。在产品族方案性能预测方面，通过对特征参数的奇异摄动分析实现了关键特征参数辨识和筛选，利用伯努利时序模型和同伦两段修正技术对性能进行补偿式预测及抑制性误差修正，从而提高产品族性能预测模型的预测效率与精度。根据项目研究所提出的理论和方法，开发原型系统，并在典型的复杂装备产品族开发中进行应用验证。

本项目从复杂装备产品族体系架构的优化、性能评价和预测等三方面关键技术进行深入研究。在产品族体系架构方面，项目提出了复杂装备产品族柔性融合设计方法，构建了模块结构与设计变量的解耦化映射关系，研究产品组件之间的关联关系。基于产品族设计空间的染色体表达方式，为复杂装备产品族的设计提供高效的信息架构和一系列技术支撑，构建了柔性化模块体系结构，实现模块配置与设计变量调节的同步融合设计。通过变化传播分析与对偶树图的拓扑变换方法，建立产品族的柔性化模块体系。基于仿射型诱导策略和切比雪夫响应面将模块的配置与设计变量的调节融合于主从双层协调性能优化设计框架之下，模块与设计变量之间的耦合关系得到有效处理，利用演化细胞学习自动机算法进行求解，以保证模块配置与设计变量调节的同步优化。在产品族方案性能评价方面，引入模糊云模型给出产品族性能评价过程中模糊区间数值与语义的不确定性、耦合性信息建模方法。从本质上描述了性能指标的非线性、耦合性作用机理，并且通过Choquet积分实现不同粒度性能指标耦合环境下产品族的性能评价，而采用广义证据推理融合不同评价者的评价意见则有效确保了决策的协同性和一致性，从而为产品族性能评价提供了一种科学、可行的新方法。在产品族方案性能预测方面，通过对特征参数的奇异摄动分析实现了关键特征参数辨识和筛选，利用伯努利时序模型和同伦两段修正技术对性能进行补偿式预测及抑制性误差修正，从而提高产品族性能预测模型的预测效率与精度。根据项目研究所提出的理论和方法以及实验佐证，开发原型系统，并在典型的复杂装备产品族开发中进行应用验证。