復(fù)雜產(chǎn)品設(shè)計(jì)知識(shí)模型構(gòu)建及其重用方法研究.pdf

1、隨著知識(shí)經(jīng)濟(jì)時(shí)代的到來，知識(shí)已成為產(chǎn)品創(chuàng)新和創(chuàng)造價(jià)值的源泉。特別是以大型裝備為代表的復(fù)雜產(chǎn)品在分布式知識(shí)資源獲取和重用方面的需求更尤為突出。為此，本文開展了對(duì)復(fù)雜產(chǎn)品設(shè)計(jì)知識(shí)進(jìn)行合理有效地挖掘和重用的研究。
　　 對(duì)本文相關(guān)研究領(lǐng)域：知識(shí)工程、知識(shí)管理、產(chǎn)品設(shè)計(jì)過程、知識(shí)建模技術(shù)和設(shè)計(jì)知識(shí)重用方法的國內(nèi)外研究現(xiàn)狀進(jìn)行了全面綜述，總結(jié)并提出了這些領(lǐng)域目前存在的問題和未來發(fā)展趨勢(shì)，明確了論文重點(diǎn)研究的內(nèi)容：
　　 1、針對(duì)復(fù)

2、雜產(chǎn)品協(xié)同設(shè)計(jì)中對(duì)知識(shí)資源產(chǎn)生的更深層次需求，提出了以面向復(fù)雜產(chǎn)品設(shè)計(jì)過程關(guān)鍵階段的知識(shí)挖掘、知識(shí)模型構(gòu)建及重用為核心的基于知識(shí)模型驅(qū)動(dòng)的復(fù)雜產(chǎn)品設(shè)計(jì)方法，從總體角度論述了該方法實(shí)施的基本思想、體系框架及其各個(gè)子系統(tǒng)的基本職能。
　　 2、針對(duì)復(fù)雜產(chǎn)品設(shè)計(jì)過程關(guān)鍵階段隱性知識(shí)的特點(diǎn)，提出了相應(yīng)的知識(shí)挖掘方法。在需求分析階段，通過粗糙集、QFD和DSM的集成，充分融合了用戶需求，提高了復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)規(guī)劃的準(zhǔn)確性和合理性；在概念設(shè)

3、計(jì)階段，提出了基于粗糙集理論和貝葉斯決策的概念設(shè)計(jì)知識(shí)挖掘方法，對(duì)其中的一些數(shù)據(jù)挖掘算法進(jìn)行了適應(yīng)性改進(jìn)，進(jìn)一步提升了該挖掘方法的質(zhì)量和效果；在詳細(xì)設(shè)計(jì)階段，提出了基于數(shù)值仿真結(jié)果的知識(shí)發(fā)現(xiàn)與繁衍方法，利用從大量仿真數(shù)據(jù)得出的回歸模型和設(shè)計(jì)規(guī)則來指導(dǎo)方案的調(diào)整，有助于提高調(diào)整的正確性和效率。
　　 3、以實(shí)現(xiàn)知識(shí)的重用、共享、和集成為主導(dǎo)思想，對(duì)基于本體的知識(shí)建模方法進(jìn)行了研究，定義了頂層復(fù)雜產(chǎn)品知識(shí)模型的概念實(shí)體及其關(guān)系，并構(gòu)

4、建出復(fù)雜產(chǎn)品需求分析、領(lǐng)域知識(shí)和過程知識(shí)的模型框架。
　　 4、開展了基于實(shí)例推理的知識(shí)模型重用方法研究，重點(diǎn)對(duì)模型的檢索機(jī)制、相似模型匹配算法和調(diào)整機(jī)制進(jìn)行了研究。建立復(fù)雜產(chǎn)品的擴(kuò)展產(chǎn)品知識(shí)模型數(shù)組，以遍歷該數(shù)組的方式實(shí)現(xiàn)模型檢索；采用基于差異度的相似性度量方法來匹配相似模型，提高了檢索效率和質(zhì)量。提出了基于敏感性分析的屬性權(quán)重算法，有助于更加準(zhǔn)確地檢索出相似模型；采用基于回歸分析和規(guī)則推理的知識(shí)模型調(diào)整機(jī)制，降低了模型調(diào)整的