智能设计与不确定信息处理PDF电子书下载

第1章 绪论 1

1.1 现代产品设计技术概述 1

1.1.1 设计的本质与产品设计理论的发展 1

1.1.2 现代产品设计方法及其核心内容 3

1.1.3 产品设计的分类 4

1.2 产品智能设计技术 6

1.2.1 人工智能与专家系统 6

1.2.2 机器智能的实现途径 7

1.2.3 智能设计与知识处理 9

1.2.4 智能设计技术的发展 14

1.2.5 智能设计面临的困难 16

1.3 产品设计中的不确定性 16

1.4 本书讨论的主要问题 18

第2章 产品设计知识的分类与基本的知识表示方法 21

2.1 知识分类 21

2.2 基本的知识表示方法 21

2.2.1 语义网络表示法 22

2.2.2 框架表示法 24

2.2.3 产生式表示法 26

2.2.4 过程表示法 28

2.2.5 面向对象表示法 29

2.3 广义知识库系统 31

第3章 产品智能设计知识的建模 34

3.1 产品设计过程知识模型 34

3.1.1 已有的几种产品设计过程知识模型 35

3.1.2 基于设计模式的设计模型 37

3.2 功能模式下的产品设计对象模型 39

3.2.1 产品的三种设计模式 39

3.2.2 功能模型的信息组成 40

3.2.3 功能模型的BNF定义 41

3.2.4 继电器电磁系统功能模型的BNF描述 43

3.2.5 功能模型的特点及其在智能设计系统中的组织形式 44

3.3 参数化模式下的产品设计对象模型 47

3.3.1 产品设计在参数化模式下所面临的问题 47

3.3.2 参数化模型的信息组成 48

3.3.3 参数化模型的BNF定义 51

3.3.4 一种设计问题求解策略和机器学习方法 53

3.3.5 参数化模式下特征模型的作用 56

3.4 实例模式下的产品设计对象模型 58

3.4.1 实例和实例模型的信息组成 58

3.4.2 实例的数据结构示例 59

3.5 功能模型、参数化模型和实例模型之间的关系 61

第4章 设计对象的属性集提取与属性值获取 62

4.1 基于粗糙集理论知识约简的产品属性层次划分 62

4.1.1 树的基本概念 63

4.1.2 低压电器产品的分类 64

4.1.3 产品属性层次划分的目的 65

4.1.4 产品属性层次划分的方法 67

4.1.5 关于产品属性层次划分的几点说明 73

4.2 产品属性的权重分配 73

4.2.1 属性权重的类间标准差分配法 74

4.2.2 显性权重的概念 75

4.2.3 隐性权重的概念 78

4.2.4 产品属性的综合定权法 79

4.3 产品标准模型的建模 81

4.3.1 基于ISODATA聚类法的标准模型建模方法 82

4.3.2 标准模型库的构建方法 88

第5章 产品设计中的知识利用 89

5.1 设计要求的分类和有关说明 89

5.2 基于设计模式的元级推理和目标级推理 90

5.3 基于设计模式的推理策略 91

5.3.1 基于功能模型的推理 91

5.3.2 基于参数化模型的推理 97

5.3.3 基于实例模型的推理 100

5.4 基于设计模式的设计任务规划与控制 106

5.4.1 设计任务规划 107

5.4.2 设计任务控制 111

第6章 模糊贴近度的有关算法 112

6.1 问题的提出 112

6.2 证据理论简介 115

6.3 基于证据理论的广义贴近度算法 119

6.3.1 广义贴近度算法的定义 119

6.3.2 算法中几种特殊情况的处理 121

6.4 广义贴近度算法的特点和意义 122

6.5 广义贴近度算法的应用 125

第7章 产品的选型设计与概念设计 127

7.1 概念设计与选型设计的定义 127

7.2 产品选型设计的基本思想 128

7.2.1 产品选型设计方法简述 128

7.2.2 选型设计的数学模型 130

7.3 基于模式识别原理的产品选型设计 131

7.3.1 模糊不确定性设计信息的处理 132

7.3.2 模糊相似度的定义 133

7.3.3 基于模式识别原理的产品选型设计方法 134

7.3.4 模糊识别法在产品选型设计中的应用 139

7.4 基于实例推理的选型设计 139

7.4.1 CBR方法简述 139

7.4.2 实例的模糊匹配方法 140

7.4.3 基于CBR的产品选型设计应用实例 142

7.5 选型设计引导下的概念设计 144

第8章 基于规则的推理与不确定性的传播 147

8.1 基于规则的推理与规则匹配 147

8.1.1 产生式规则的表达形式 147

8.1.2 基于D-S证据理论的模糊规则匹配方法 149

8.1.3 模糊规则匹配方法的应用实例 151

8.2 基于规则的推理中不确定性的传播 152

8.2.1 模糊RBR中的不确定性 152

8.2.2 复杂RBR模型及不确定性的传播 155

8.2.3 不精确逻辑下的RBR模型及其应用 159

第9章 产品的优化设计 163

9.1 优化问题及其求解方法概述 163

9.2 混合遗传算法的设计与无约束优化问题的求解 165

9.2.1 混合遗传算法设计 166

9.2.2 混合遗传算法的基本结构 170

9.2.3 无约束优化问题求解实例仿真 171

9.3 约束优化问题的求解与产品的优化设计 174

9.3.1 惩罚函数的构造方法 174

9.3.2 直流拍合式继电器电磁系统的体积优化 175

第10章 产品设计方案的综合评估 180

10.1 多目标多层次综合评估指标体系 180

10.2 多目标多层次模糊综合评判模型 182

10.2.1 模糊综合评判的数学模型和评判过程 182

10.2.2 模糊综合评判中的几个关键问题 184

10.3 模糊聚类分析方法及其改进 188

10.3.1 基于等价关系的模糊聚类分析法 189

10.3.2 模糊ISODATA聚类方法 193

10.3.3 关于模糊聚类分析的几项说明 196

10.4 基于D-S证据理论的综合评估 197

10.4.1 标准模型的建立 197

10.4.2 模糊评语子集隶属函数的建立 197

10.4.3 基于D-S证据理论的综合评估方法 200

10.5 产品及其设计方案的模糊综合评估 202

10.5.1 基于模糊识别原理的综合评估方法 202

10.5.2 基于模糊识别原理的评估方法应用实例 203

10.5.3 整批产品的模糊综合评估 204

10.6 关于综合评估问题的几项说明 205

第11章 决策过程中不确定性信息的综合处理 207

11.1 产品设计中的各种不确定性信息 207

11.2 对不完备性引起的不确定性信息的处理 208

11.3 各种不确定性设计信息的综合处理 208

11.4 基于证据理论的决策方法应用实例 213

第12章 人工神经网络在产品设计中的应用 215

12.1 用于分类问题的人工神经网络结构 215

12.2 BP神经网络的学习算法 217

12.3 基于人工神经网络的产品选型设计方法 219

12.4 基于人工神经网络的模糊综合评估方法 220

参考文献 222