学位论文 > 优秀研究生学位论文题录展示

基于智能优化技术的创新概念设计研究与应用

作　者: 魏欣
导　师: 刘希玉
学　校: 山东师范大学
专　业: 管理科学与工程
关键词: 智能优化技术创新概念设计微粒群算法差分进化 CATIA
分类号: TP18
类　型: 硕士论文
年　份: 2010年
下　载: 71次
引　用: 1次
阅　读: 论文下载

内容摘要

随着市场的日益饱和,产品消费节奏速度加快,顾客的需求越来越个性化、多样化,购买行为选择性更多。在这种形势下,许多企业都已经意识到产品创新设计将成为抢占市场的一个决定性因素,通过提高产品的创新性来获得核心竞争力。创新性设计能够适应市场需求的变化,有效地提高产品的市场竞争力,因此创新设计也就成为近年来计算机辅助设计领域的热点之一。智能优化技术的兴起,为我们探索一种支持进化的概念创新设计提供了新的途径。进化设计是满足新产品需求并可以保存原有产品优良性能的一种改进式的设计过程,它是将各种智能优化技术应用于不同的设计领域,以智能优化算法(遗传算法、微粒群算法、差分进化算法等)为基本的计算工具,结合各种设计理论进行运算,最终得到需要的设计结果。由于进化设计方法能够模仿生物的染色体的交叉变异等遗传特征,因此进化设计的优势在于能够得出设计智能并且快速有效的一般的问题解。事实上,进化设计方法已经成为最重要的创新设计技术之一,智能优化技术已经开始应用到创新概念设计领域。本文在查阅大量文献资料的基础上,对智能优化算法的来源、基本原理、机制、特点及应用等进行了系统的研究和详细的阐述,同时设计改进的微粒群算法进一步应用到眼镜创新概念设计领域中,并利用CATIA二次开发技术实现创新设计。本文的主要创新点如下:1.改进基本微粒群算法,将微粒群算法的惯性权重的动态线性调整方案进行调整,同时提出一种基于局部搜索策略的微粒群算法,从微粒的寻优位置对基本微粒群算法进行改进,使其引导微粒在寻优过程的位置,增强粒子在最优点附近的局部搜索能力,大大加快了收敛速度,并用四个测试函数实验验证改进算法的有效性和优越性。2.将基于局部搜索策略的微粒群算法应用到眼镜创新概念设计领域,实验表明,基于局部搜索策略的微粒群算法的眼镜创新设计过程能够更加快速的生成符合用户需求的具有创新性的产品,并且几乎不需要设计者的干预,能够把设计者从繁重的人工评价中解脱出来,从而为智能优化算法开拓新的应用领域,同时也为眼镜创新设计提供新的方法。

全文目录

摘要  6-8
Abstract  8-10
第一章绪论  10-15
  1.1 引言  10-11
  1.2 本课题相关的国内外发展现状  11-13
  1.3 课题研究的目的和意义  13
  1.4 本文的主要内容和组织结构  13-14
  1.5 课题来源  14-15
第二章创新概念设计方法研究  15-22
  2.1 产品设计  15-16
    2.1.1 产品设计的基本内涵  15
    2.1.2 产品创新设计  15-16
  2.2 概念设计理论  16-18
    2.2.1 概念设计  16-17
    2.2.2 产品概念设计的意义  17-18
  2.3 支持创新的概念设计  18-20
    2.3.1 产品创新概念设计的层次  18-19
    2.3.2 产品创新概念设计的创造性思维  19
    2.3.3 创新概念设计的技术方法  19-20
  2.4 创新概念设计的研究现状  20-21
    2.4.1 概念设计的发展现状  20-21
    2.4.2 创新设计的研究现状  21
  2.5 本章小结  21-22
第三章智能优化技术理论基础  22-32
  3.1 引言  22
  3.2 微粒群算法  22-27
    3.2.1 标准微粒群算法的原理  23-24
    3.2.2 微粒群算法分析  24-25
    3.2.3 微粒群算法流程  25-27
    3.2.4 微粒群算法的发展和现状  27
  3.3 差分进化算法  27-31
    3.3.1 差分进化算法的原理  28-29
    3.3.2 差分进化算法分析  29-30
    3.3.3 差分进化算法流程  30
    3.3.4 差分进化算法的发展和现状  30-31
  3.4 本章小结  31-32
第四章基于局部搜索策略微粒群算法  32-43
  4.1 引言  32
  4.2 局部搜索算法  32-33
  4.3 基于局部搜索策略的微粒群算法  33-41
    4.3.1 惯性权重的动态线性调整  33-34
    4.3.2 具有局部搜索策略的微粒群算法的基本思想  34-35
    4.3.3 算法的流程  35-37
    4.3.4 仿真实验  37-41
  4.4 本章小结  41-43
第五章智能优化技术在眼镜创新设计中的应用  43-59
  5.1 引言  43
  5.2 系统的实现技术  43-48
    5.2.1 CATIA 平台  43-44
    5.2.2 CATIA 的二次开发  44-45
    5.2.3 CATIA 的二次开发接口  45-46
    5.2.4 CATIA 的二次开发语言  46-47
    5.2.5 VBA 与CATIA 的连接  47-48
  5.3 基于差分进化算法的构件设计  48-54
    5.3.1 眼镜造型的结构表示  48-49
    5.3.2 眼镜构件的编码设计  49-51
    5.3.3 父代个体构件的选择  51-52
    5.3.4 评价父代个体的适应度函数  52-53
    5.3.5 运用差分进化算法生成新的构件  53-54
  5.4 基于局部搜索策略微粒群算法的构件组装  54-57
    5.4.1 评价方法  54-55
    5.4.2 应用LSPSO 完成构件的组装  55-57
  5.5 本章小结  57-59
第六章总结与展望  59-61
  6.1 本文的主要工作  59
  6.2 进一步的研究方向  59-61
参考文献  61-65
致谢  65-66
攻读硕士学位期间发表的论文  66

基于智能优化技术的创新概念设计研究与应用

内容摘要

全文目录

相似论文