法律状态公告日
法律状态信息
法律状态
2023-03-10
未缴年费专利权终止 IPC(主分类):G06F17/50 专利号:ZL2016101825053 申请日:20160328 授权公告日:20190705
专利权的终止
2019-07-05
授权
授权
2016-09-14
实质审查的生效 IPC(主分类):G06F17/50 申请日:20160328
实质审查的生效
2016-08-17
公开
公开
技术领域
本发明涉及一种动力学优化方法,尤其是涉及一种复杂产品复杂性动力学优化方法。
背景技术
复杂产品是指研发成本高、规模大、技术含量高、涉及多学科技术知识、制造装配所需资源非常多的一种产品,其客户需求、系统组成、产品技术、制造过程、项目管理等都非常复杂。
复杂产品只有不断地跟进外部环境的变化才能适应市场和消费者新的需求,因此复杂产品就需要不断地更新优化,复杂产品的更新优化不是重新设计新的复杂产品,而是在现有复杂产品系统的基础之上进行的,包括对现有复杂产品结构和功能的更新优化。目前复杂产品的复杂性越来越被认为是研究复杂产品的重要切入点,因此通过复杂产品的复杂性来研究复杂产品的更新优化便成为来当今新的研究趋势。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种复杂产品复杂性动力学优化方法。
本发明的目的可以通过以下技术方案来实现:
一种复杂产品复杂性动力学优化方法,该方法包括如下步骤:
(1)建立复杂产品的复杂性模型,提取该复杂性模型中的约束方程并组成约束方程组CN(P)=0,其中P为复杂模型中约束参数集合;
(2)复杂产品功能变更后,求取约束方程组CN(P)=0中约束参数稳态值集合PS;
(3)判断步骤(2)中约束参数稳态值集合PS是否为空集,若是,则动力学优化失败,否则动力学优化成功,复杂产品的约束参数平衡值为PS。
所述的步骤(1)中所述的约束方程包括复杂产品的结构链接约束方程和功能约束方程。
所述的步骤(2)包括如下子步骤:
(201)获取约束方程组CN(P)=0中约束方程个数为Num以及约束参数集合中约束参数个数为g,执行步骤(202);
(202)比较Num和g的大小,若Num等于g,执行步骤(203),若Num大于g,执行步骤(204),若Num小于g,执行步骤(207);
(203)采用牛顿拉夫森迭代法求取约束方程组CN(P)=0中约束参数稳态值集合PS,并结束;
(204)从约束方程组CN(P)=0中任意选取g个约束方程形成第一方程组CNg(P)=0,其余(Num-g)个约束方程形成第二方程组CNNum-g(P)=0,执行步骤(205);
(205)采用牛顿拉夫森迭代法求取第一方程组CNg(P)=0中约束参数稳态值集合
(206)判断约束参数稳态值集合
(207)获取复杂产品功能变更前约束参数集合P中各约束参数的变更前稳态值并组成变更前约束稳态值集合
(208)从约束参数集合P中选取Num约束参数并组成新的约束参数集合P′,从变更前约束稳态值集合
(209)采用牛顿拉夫森迭代法求取第三方程组CN(P′)=0的约束参数稳态值P′S并保存,执行步骤(210);
(210)获取约束方程组CN(P)=0的约束参数稳态值集合
步骤(203)、步骤(205)和步骤(208)中所述的牛顿拉夫森迭代法包括如下子步骤:
(a)将对应的约束方程组记作F(X)=[f1(X),f2(X)…fn(X)]=0,其中X=[x1,x2…xn]为相应的约束参数集合,f1(X)为第1个约束方程,f2(X)为第2个约束方程,fn(X)为第n个约束方程,x1为第1个约束参数,x2为第2个约束参数,xn为第n个约束参数,n为约束方程组中约束方程个数以及约束参数集合中约束参数的个数,执行步骤(b);
(b)赋值k=0,选取约束参数集合X中各约束参数初始值组成约束参数初始值集合,记作
(c)计算
(d)判断
(e)计算下式:
>
其中,Xk为约束参数第k次迭代值集合,Xk+1为约束参数第k+1次迭代值集合,F(Xk)为约束方程组第k次迭代值,执行步骤(f);
(f)计算迭代差值εk+1=Xk+1-Xk,同时判断εk+1Tεk+1<Acustop是否成立,若是赋值约束参数稳态值集合PS=Xk+1并结束,否则赋值k=k+1并返回步骤(c),其中Acustop为设定精度;
(g)约束参数稳态值集合PS为空集,结束。
步骤(206)判断约束参数稳态值集合
(2061)提取第二方程组中的约束函数集合CNNum-g(P)=0,将约束参数稳态值集合
(2062)判断Δ<Acuacp,若是,约束参数稳态值集合
与现有技术相比,本发明具有如下优点:
(1)该发明以复杂产品复杂性模型作为研究对象,提高了研究的可行性和研究结果的可证明性;
(2)约束方程包括复杂产品的结构链接约束方程和功能约束函数方程,在复杂产品功能变更后,结构链接约束方程和功能约束函数中约束参数平衡值为复杂产品的动力学优化的结果,通过具体数值反应整个动力学优化过程,直观性强,优化结果更好;
(3)牛顿拉夫森迭代法既保证了较高的计算速度,又提高计算结果的精确度,且算法的空间复杂度也较小。
附图说明
图1为本发明复杂产品复杂性动力学优化方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种复杂产品复杂性动力学优化方法包括以下步骤:
步骤1:建立复杂产品的复杂性模型,提取该复杂性模型中的约束方程并组成约束方程组CN(P)=0,其中P为复杂模型中约束参数集合,所述的约束方程包括复杂产品的结构链接约束方程和功能约束方程;
步骤2:复杂产品功能变更后,求取约束方程组CN(P)=0中约束参数稳态值集合PS;
步骤3:判断步骤(2)中约束参数稳态值集合PS是否为空集,若是,则动力学优化失败,否则动力学优化成功,复杂产品的约束参数平衡值为PS。
其中,所述的步骤1中建立复杂产品的复杂模型采用现有的方法,实施例以发动机为例,建立发动机的复杂模型,复杂产品的复杂性模型是对复杂产品结构链接约束和功能约束的数学表达,本所以要想得到发动机的复杂模型必须要从发动机中的提取出合适的结构链接约束函数和功能约束函数,由这些约束函数组成复杂产品的复杂性模型,为之后发动机复杂性的动力学优化做基础。从发动机功能完成的过程即发动机的四个冲程来研究发动机的复杂性,因为发动机的四个冲程不但涉及到发动机的核心机构,也与发动机的功能紧密相关,从发动机四个冲程中得出的约束会最大可能的涉及到发动机的结构上的特征参数和功能上的功能参数,以期最大层度的覆盖复杂产品的复杂性模型,从而更全面的验证复杂产品复杂性模型的正确性。从四冲程发动机的做功过程中得到的约束方程对照表如表1所示:
表1四冲程发动机的做功过程的约束方程对照表
复杂模型中约束参数集合为:
P={l,d,sr,W,n,T,dcyl,dpis,dubsh,dcsft,dcrod,hcsft,rcsft,heng)},
约束方程组为:
>
所述的步骤2包括如下子步骤:
(201)获取约束方程组CN(P)=0中约束方程个数为Num以及约束参数集合中约束参数个数为g,执行步骤(202);
(202)比较Num和g的大小,若Num等于g,执行步骤(203),若Num大于g,执行步骤(204),若Num小于g,执行步骤(207);
(203)采用牛顿拉夫森迭代法求取约束方程组CN(P)=0中约束参数稳态值集合PS,并结束;
(204)从约束方程组CN(P)=0中任意选取g个约束方程形成第一方程组CNg(P)=0,其余(Num-g)个约束方程形成第二方程组CNNum-g(P)=0,执行步骤(205);
(205)采用牛顿拉夫森迭代法求取第一方程组CNg(P)=0中约束参数稳态值集合
(206)判断约束参数稳态值集合
(207)获取复杂产品功能变更前约束参数集合P中各约束参数的变更前稳态值并组成变更前约束稳态值集合
(208)从约束参数集合P中选取Num约束参数并组成新的约束参数集合P′,从变更前约束稳态值集合
(209)采用牛顿拉夫森迭代法求取第三方程组CN(P′)=0的约束参数稳态值P′S并保存,执行步骤(210);
(210)获取约束方程组CN(P)=0的约束参数稳态值集合
步骤(203)、步骤(205)和步骤(208)中所述的牛顿拉夫森迭代法包括如下子步骤:
(a)将对应的约束方程组记作F(X)=[f1(X),f2(X)…fn(X)]=0,其中X=[x1,x2…xn]为相应的约束参数集合,f1(X)为第1个约束方程,f2(X)为第2个约束方程,fn(X)为第n个约束方程,x1为第1个约束参数,x2为第2个约束参数,xn为第n个约束参数,n为约束方程组中约束方程个数以及约束参数集合中约束参数的个数,执行步骤(b);
(b)赋值k=0,选取约束参数集合X中各约束参数初始值组成约束参数初始值集合,记作
(c)计算
(d)判断
(e)计算下式:
>
其中,Xk为约束参数第k次迭代值集合,Xk+1为约束参数第k+1次迭代值集合,F(Xk)为约束方程组第k次迭代值,执行步骤(f);
(f)计算迭代差值εk+1=Xk+1-Xk,同时判断εk+1Tεk+1<Acustop是否成立,若是赋值约束参数稳态值集合PS=Xk+1并结束,否则赋值k=k+1并返回步骤(c),其中Acustop为设定精度;
(g)约束参数稳态值集合PS为空集,结束。
步骤(206)判断约束参数稳态值集合
(2061)提取第二方程组中的约束函数集合CNNum-g(P)=0,将约束参数稳态值集合
(2062)判断Δ<Acuacp,若是,约束参数稳态值集合
机译: 驾驶条件视图运动,一种汽车的复杂性信号传递方法,涉及导出复杂性度量作为驾驶条件复杂性的定量度量,并定量传递复杂性度量
机译: 一种基于交互式剂量梯度的优化方法,以控制IMRT的传递复杂性
机译: 使用粒子群优化方法的LDPC装饰计算的复杂性改进算法和方法