支持产品优化设计的动态数据挖掘、优化和仿真集成方法
针对产品研发过程中无法自动高效查找最优设计方案的问题,提出一种动态数据挖掘、优化和仿真集成方法来有效支持复杂产品的优化升级设计.在该方法中,通过具有自适应惯性权重的加权中心粒子群优化算法—AWCPSO算法来自动指导设计变动方向以提高搜索效率;此外,采用支持增量学习的动态数据挖掘算法—Wadaptive OS-ELM算法训练动态预测模型以快速准确评价优化过程中产生的新设计方案的优劣,进而只针对最优或较优设计方案进行真实仿真来全面验证产品性能.同时,预测模型的增量更新可在降低建模代价的同时更好的模拟仿真系统的动态性和复杂性.三者集成可达到减少真实仿真次数,提高迭代优化效率的目的,实验结果证明了该方法的可行性和有效性.
复杂产品 优化设计 动态数据挖掘 建模仿真 集成方法
邵艳利 朱华伟 刘玉生
浙江大学 CAD&CG国家重点实验室,浙江 杭州 310058
国内会议
广东佛山
中文
1-19
2016-09-26（万方平台首次上网日期，不代表论文的发表时间）