隨著環(huán)境問(wèn)題的日趨嚴(yán)重,產(chǎn)品的綠色性能受到人們的持續(xù)關(guān)注,而產(chǎn)品的設(shè)計(jì)方案在很大程度上確定了產(chǎn)品的綠色性能,因此在產(chǎn)品概念設(shè)計(jì)階段,考慮相關(guān)綠色屬性,生成一個(gè)最優(yōu)的產(chǎn)品綠色設(shè)計(jì)方案顯得尤為重要。針對(duì)產(chǎn)品綠色設(shè)計(jì)方案受多因素耦合影響,其生成與優(yōu)選的不確定與復(fù)雜性是困擾當(dāng)前產(chǎn)品綠色設(shè)計(jì)的主要問(wèn)題,本文對(duì)基于屬性映射的產(chǎn)品綠色設(shè)計(jì)方案生成與優(yōu)選方法進(jìn)行了研究。首先,提出了基于模塊組合的產(chǎn)品綠色設(shè)計(jì)方案生成方法,根據(jù)產(chǎn)品功能模塊分解模型,生成不同功能屬性的模塊實(shí)例,對(duì)產(chǎn)品模塊實(shí)例進(jìn)行分類(lèi)與存儲(chǔ),構(gòu)建產(chǎn)品模塊實(shí)例庫(kù),不同模塊實(shí)例的組合生成不同綠色性能的產(chǎn)品設(shè)計(jì)方案集。其次,為了得到綠色性能相對(duì)較優(yōu)的產(chǎn)品設(shè)計(jì)方案,提出了基于屬性映射的產(chǎn)品綠色設(shè)計(jì)方案優(yōu)化方法。運(yùn)用支持向量回歸（Support Vector Regression,SVR）擬合優(yōu)化變量與優(yōu)化目標(biāo)間的映射關(guān)聯(lián),建立產(chǎn)品設(shè)計(jì)方案綠色屬性與模塊功能實(shí)例之間的映射關(guān)系。以產(chǎn)品設(shè)計(jì)方案綠色屬性最優(yōu)為目標(biāo),結(jié)合非支配排序遺傳算法（Non-dominated sorting genetic algorithm II）進(jìn)行離散變量的多目標(biāo)優(yōu)化,生成產(chǎn)... 

【文章來(lái)源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

最優(yōu)分類(lèi)超平面

A4 B1 C3 D2 E2 F3 G2預(yù)測(cè)值 56.3 55.7 58.7A3 B4 C3 D2 E4 F1 G3實(shí)驗(yàn)值 60.0 57.6 54.5預(yù)測(cè)值 59.8 57.4 54.4A1 B2 C2 D3 E4 F2 G1實(shí)驗(yàn)值 55.2 55.2 46.0預(yù)測(cè)值 54.1 55.2 46.9A3 B3 C2 D1 E4 F2 G4實(shí)驗(yàn)值 62.2 58.2 55.0預(yù)測(cè)值 62.3 57.8 53.9A3 B4 C1 D1 E3 F1 G3實(shí)驗(yàn)值 55.4 60.8 56.5預(yù)測(cè)值 53.6 60.7 56.2 A2 B3 C1 D4 E1 F3 G1實(shí)驗(yàn)值 56.2 55.2 56.0預(yù)測(cè)值 56.4 55.3 56.2RMSE 0.696 0.465 0.6282 基于 NSGA-II 的產(chǎn)品綠色設(shè)計(jì)方案優(yōu)化基于建立的產(chǎn)品綠色屬性預(yù)測(cè)模型，采用 NSGA-II 算法在產(chǎn)品綠色設(shè)計(jì)方案進(jìn)行全局尋優(yōu)。從拆卸屬性、回收屬性、材料環(huán)境屬性三個(gè)方面考慮，以 SVR屬性預(yù)測(cè)模型為適應(yīng)度函數(shù)（目標(biāo)函數(shù)），應(yīng)用 NSGA-II 遺傳算法在進(jìn)化過(guò)程找綠色屬性最優(yōu)的產(chǎn)品設(shè)計(jì)方案。

圖 5.5 BP 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig 5.5 BP neural network topology訓(xùn)練樣本的訓(xùn)練采用 Matlab R2016a for Windows 軟件，設(shè)置最小均方誤差（MSE）為 6.72e-22，訓(xùn)練算法為 Levenberg-Marquardt(trainlm)，最大訓(xùn)練次數(shù)為1000，將表 5.5、表 5.9 中 70%的樣本數(shù)據(jù)分別作為訓(xùn)練樣本輸入和網(wǎng)絡(luò)目標(biāo)輸出，其他 15%樣本數(shù)據(jù)為驗(yàn)證樣本，15%樣本數(shù)據(jù)為測(cè)試樣本。網(wǎng)絡(luò)訓(xùn)練樣本數(shù)據(jù)先歸一化，經(jīng)過(guò)多次訓(xùn)練，使網(wǎng)絡(luò)訓(xùn)練誤差值滿足精度要求。由圖 5.6 可知，在第 7 代，訓(xùn)練后 BP 神經(jīng)網(wǎng)絡(luò)的 MSE 滿足精度要求，這說(shuō)明，針對(duì)產(chǎn)品綠色設(shè)計(jì)方案選擇建立的 BP 神經(jīng)網(wǎng)絡(luò)模型很好的表達(dá)了產(chǎn)品綠色設(shè)計(jì)方案評(píng)價(jià)值和各評(píng)價(jià)指標(biāo)之間的內(nèi)在聯(lián)系與規(guī)律

【參考文獻(xiàn)】：
期刊論文
[1]基于猶豫模糊PROMETHEE Ⅱ的設(shè)計(jì)方案群決策方法[J]. 耿秀麗,邱華清.  計(jì)算機(jī)應(yīng)用研究. 2018(10)
[2]艦艇編隊(duì)防空火力分配方案生成及優(yōu)選方法研究[J]. 劉蜀.  艦船電子工程. 2017(01)
[3]基于決策者方案偏好的新產(chǎn)品開(kāi)發(fā)方案選擇方法[J]. 陽(yáng)智,李延來(lái),楊強(qiáng).  計(jì)算機(jī)集成制造系統(tǒng). 2017(04)
[4]基于LCA的燃煤鍋爐FGD超低排放對(duì)資源消耗與環(huán)境影響評(píng)價(jià)[J]. 韓濤,潘衛(wèi)國(guó),王文歡,DING Cheng-gang.  熱能動(dòng)力工程. 2016(09)
[5]產(chǎn)品環(huán)境性能優(yōu)化潛力識(shí)別方法[J]. 張城,劉志峰,楊凱,張偉偉,鮑宏.  機(jī)械工程學(xué)報(bào). 2017(07)
[6]多粒度復(fù)雜產(chǎn)品供應(yīng)鏈低碳設(shè)計(jì)[J]. 楊傳明,李曉峰.  計(jì)算機(jī)集成制造系統(tǒng). 2016(07)
[7]瓦楞紙箱包裝設(shè)計(jì)需求分析映射方法[J]. 石宇強(qiáng),吳隔格,張濤.  包裝工程. 2015(17)
[8]面向關(guān)鍵結(jié)構(gòu)的裝配體結(jié)構(gòu)方案生成方法[J]. 董雁,徐靜.  機(jī)械工程學(xué)報(bào). 2016(01)
[9]考慮客戶需求偏好的產(chǎn)品創(chuàng)新概念設(shè)計(jì)方案生成[J]. 楊濤,楊育,張東東.  計(jì)算機(jī)集成制造系統(tǒng). 2015(04)
[10]基于梯形云模型的電能質(zhì)量數(shù)據(jù)關(guān)聯(lián)性挖掘方法[J]. 曲廣龍,楊洪耕.  電力系統(tǒng)自動(dòng)化. 2015(07)

博士論文
[1]綠色產(chǎn)品概念設(shè)計(jì)過(guò)程與方法研究[D]. 郭偉祥.合肥工業(yè)大學(xué) 2006

碩士論文
[1]面向客戶需求的產(chǎn)品碳排放映射關(guān)鍵技術(shù)研究[D]. 張偉偉.合肥工業(yè)大學(xué) 2017
[2]基于功能模塊的產(chǎn)品造型方案設(shè)計(jì)系統(tǒng)研究[D]. 劉曉紅.長(zhǎng)安大學(xué) 2012
[3]基于概念相似度的本體映射系統(tǒng)研究[D]. 左秀然.武漢理工大學(xué) 2008
[4]基于綠色模塊化設(shè)計(jì)方法的產(chǎn)品概念設(shè)計(jì)分析[D]. 李建平.重慶大學(xué) 2008
[5]基于多目標(biāo)決策的綠色產(chǎn)品設(shè)計(jì)方案生成方法研究[D]. 高洋.合肥工業(yè)大學(xué) 2008



本文編號(hào)：3379350