虚拟样机环境下不确定性多元动态系统模型验证

针对虚拟样机开发环境中不确定多元输出响应动态系统的模型验证问题,提出了基于误差统计分析、统计主元分析(Probabilistic principal component analysis,PPCA)、基于领域专家知识的阈值定义与转化和贝叶斯区间假设检验的不确定性动态系统模型验证方法和流程。概率误差分析方法用于处理物理试验和仿真结果的重复误差,PPCA用于处理多元相关数据和降维,基于领域专家知识的阈值定义与转化用于确定降维数据空间中的阈值区间,贝叶斯区间假设检验通过贝叶斯可信度提供模型验证结果。该方法解决了不确定性多元动态系统验证中的重复误差量化、多元相关数据处理、领域专家知识融合及提供具有明确物理意义和直观的验证结果等关键问题。对某汽车正向碰撞中乘员保护系统的实例研究表明,该方法能有效实现虚拟样机环境下的不确定性动态系统模型验证,并进一步推动数字化仿真模型的改进。     

一种基于隶属函数的相似度计算方法及其应用*

针对在模糊实例检索中传统的基于距离函数相似度算法的复杂性和不精确性等缺点,通过分析隶属函数提出了基于隶属函数的相似度计算方法。该方法根据不同类型的检索需求,构建了针对模糊数字型需求和模糊语义型需求的相似度计算模型;同时考虑了属性权重问题,采用基于相似度离差信息的客观赋权方法将主观权重和客观权重加以组合,以组合权重来计算实例的全局相似度。以汽车发动机的概念设计为例,验证了基于隶属函数的相似度计算方法能对不同类型的需求实现快速而有效的实例检索。     

创新设计方法之融合创新

随着"中国制造2025"规划及创新驱动发展战略的实施,对创新设计提出更高的要求。产品设计将越来越复杂,涉及的学科领域将越来越多。通过对知识、系统和学科融合,融合创新设计将助力设计者开发多学科、跨领域的新产品。介绍了3种融合创新设计类型:从知识角度,针对离散和多源知识的融合;从系统角度,针对创新设计方法的融合;从学科角度,针对不同学科的融合。提出创新设计研究未来发展趋势,即从对理论方法的研究发展为一门涵盖多学科知识的新学科,实现复杂产品创新设计。文中着重对创新设计学与其他学科融合的必要性及多学科融合下创新设计学科理论体系进行了论述,为后续的创新设计研究提供参考。     

天然产物中活性成分遴选方法研究进展

天然产物作为药物发现的宝库,所含化学成分众多。从中发现具有生物活性的成分是药物发现中具有挑战性的任务。随着科技的发展,越来越多的新方法受到研究人员的关注,并用于生物活性成分的检测和发现。总结了近年来的新兴技术,并根据不同技术的特点和原理进行分类,包括亲和配体垂钓,生物亲和色谱,计算机虚拟筛选,生物传感器,微流控芯片,3D打印。     

非线性多目标鲁棒设计问题的建模与优化方法研究

针对鲁棒设计中非线性多目标问题,提出非线性多目标鲁棒设计问题的建模与优化方法。首先,基于鲁棒设计原理,对非线性多目标鲁棒设计的问题进行建模;接着,研究了基于NSGAⅡ遗传算法和蒙特卡罗计算方法的非线性多目标鲁棒优化方法;最后,通过举出实际例子验证该方法的有效性。     

基于美学、人体工学及性能的多因素融合设计

传统设计方法主要考虑产品功能及性能,较少考虑美学等其他因素,难以满足综合要求的提升。为解决这一问题,提出多因素的融合设计方法,实现基于美学、人体工学及性能的智能化融合设计。首先确定多个因素的评价方法,包括依据美学计算原理的多个美学维度的计算公式,以及人体工学和性能的评价公式。结合粗糙层次分析法确定的各因素权重系数,得到多因素的综合评价,建立寻优模型。采用自适应边界的遗传算法求解模型,实现优化设计和创新设计两种模式的设计,最后由 NX10.0 的参数接口生成设计模型,实现智能化的融合设计。通过自行车整体结构的设计案例对所提方法进行检验,得到了明显优化的和具有创新性的设计方案。结果表明,该方法可快速生成满足多因素综合要求的优化方案或若干优质的创新方案,有效解决设计因素单一的问题。     

基于本体的术语关联搜索及其应用研究

研究了基于语义网的本体构建和Jena搜索技术.首先介绍了基于语义网的本体构建方法和评估原则,然后介绍SPARQL语言,提出术语关联搜索机制和术语的相关度排序方法,其次介绍航天产品开发领域术语库构建过程,最后应用到原型系统,以验证了该方法的有效性.     

基于设计形态学的军事仿生机器人研究现状与进展

目的 对设计形态学在军事仿生机器人设计领域的研究现状进行梳理、归纳和分析,为设计服务于国防建设和军事装备提供思路和参考。方法 首先从设计形态学的内涵出发,结合仿生设计理论,详细解读设计形态学,如何能够通过融合多学科知识,来辅助新型军事仿生机器人研制;其次,根据军事仿生机器人作战域的不同,从陆地、水下和空中（间）军事仿生机器人3个方面展开,论述了国内外设计形态学助力军事仿生机器人发展的现状,归纳并阐述了不同类型军事仿生机器人设计的特点;最后,总结并分析了设计形态学在军事仿生机器人设计领域进行应用的发展趋势,对设计形态学助力军事装备的研究方法及研究重点进行了展望。结论 设计形态学是一种强调系统的理论体系,是融合仿生学方法的生物激励模式下的设计形态创新,能够有效地支持军事仿生机器人领域的融合创新。随着人工智能技术的不断发展,设计形态学在军事仿生机器人领域的应用将逐步向人机共融智能设计方向演化。