需求驅動的大型農機裝備多性能互反饋設計關鍵技術

屠立

摘要 針對大型農機裝備的設計特征提出需求驅動的大型裝備多性能互反饋設計關鍵技術，主要包括基于灰理論分析與預測的多性能需求驅動技術；大型農機裝備多尺度目標性能建模與耦合技術；基于多性能互反饋的大型農機裝備多尺度重構技術。

關鍵詞 大型農機裝備；多性能需求驅動；建模與耦合；多尺度重構

中圖分類號 S220.5 文獻標識碼 A 文章編號 0517-6611（2015）15-334-02

Key Technology on Multiperformance Mutual Feedback Design Based on Requirement Driven of Large Agricultural Equipment

TU Li

（Department of Mechanical Engineering， Zhejiang Institute of Mechanical&Electronical Engineering， Hangzhou， Zhejiang 310053）

Abstract Key technology on multiperformance mutual feedback design based on requirement driven of large agricultural equipment was proposed aimed at the features of the large agricultural equipment. The multiperformance requirement driven technique based on gray theory analyses and forecasting， multiscale target performance modeling and coupling technique， multiscale restructuring technique based on mutual feedback were included.

Key words Large agricultural equipment； Multiperformance requirement driven； Modeling and coupling； Multiscale restructuring

相比發達國家而言，我國大型農機在裝備設計研發、工藝規劃、制造技術等方面仍存在一定差距，大型農機裝備的自主研發設計能力較為薄弱，缺乏自主知識產權和核心技術。因此，增強大型農機裝備的研發設計能力已經成為我國大裝備制造業進一步發展急需解決的關鍵問題。

大型農機裝備開發設計及其下游的活動都是由客戶需求驅動的。客戶需求集中體現在產品性能的實現上，性能包括產品的功能和質量兩個方面，質量是產品實現功能的程度和在使用期內功能的保持性，是功能在全生命周期中偏離期望值程度的度量，依附于功能而存在。因此，其設計可以認為是采用適當的設計技術與設計系統，圍繞如何設計出滿足客戶個性化性能需求的產品展開。

1 大型農機裝備的多性能互反饋設計關鍵技術

1.1 基于灰理論分析與預測的多性能需求驅動技術[1-2]

1.1.1 動態多性能需求的灰理論定量分析與預測。基于灰理論中的灰關聯度分析和GM（1，1）模型，利用灰關聯度分析從模糊、不明顯和非量化的客戶需求中分析客戶對產品多性能的真實偏好及水平，并獲取相應的性能需求重要度。基于GM（1，1）模型，根據在4個以上時間段內獲得大型裝備多性能需求重要度進行趨勢預測。

1.1.2 多性能需求信息向敏感設計變量的跨域映射。大型裝備的設計參數經歷客戶需求域、產品性能域、設計變量域和模塊結構域的多域映射。使用QFD 和灰度預測模型，實現多性能模糊需求信息向定量設計性能指標的轉化；采用產品獨立優化和變量敏感度聚類，尋求滿足關鍵性能指標的敏感設計參數；通過DSM和變化傳播分析，實現基于敏感變量的產品性能合理規劃。在此基礎上，通過產品結構性能、行為性能和目標性能的有機融合，進而驅動大型裝備多性能互反饋的大型裝備多尺度重構設計。

1.2 大型裝備多尺度目標性能建模與耦合技術[3-4]

1.2.1 多尺度目標性能特征耦合關系建模。在大型裝備目標性能融合過程中引入尺度變量，由每個層次上各個尺度節點處的狀態向量構成的向量集合就是對相應目標性能實現過程的一個多尺度表示。目標性能多尺度融合在零件尺度、部件尺度和整機尺度之間是一個遞歸的融合關系，通過分析兩個輸入性能特性與兩個輸出性能特性耦合關系、輸入性能特性之間耦合關系、輸出性能特性之間耦合關系，利用矩陣的形式建立多尺度性能特性耦合關系矩陣，根據3層質量特性的關系，建立多尺度目標性能特征耦合關系模型。

1.2.2 多尺度目標性能耦合關系解耦機理及模型。通過分析目標性能特征耦合關系類型，可得出雖然目標性能在設計、制造階段有不同的內容，但是目標性能特性耦合的本質是相同的；通過分析不同類型的耦合關系，可得出各類型耦合問題的解耦機理。在此基礎上，對目標性能特性的傳遞與耦合過程進行分析，表明在任何階段和層次上，目標性能特性解耦的本質是相同的，從而可建立統一的目標性能特性解耦模型。

1.2.3 基于MSRE 的大型裝備目標性能耦合優化。傳統大型裝備目標性能特性優化設計都假定設計參數不受外界條件的干擾，求解出的最優解都位于可行域的邊界上，但在實際過程中由于各種不確定因素，容易使設計參數的值發生改變，可能使最優解移動到可行域外，造成優化失效的問題。建立基于最小靈敏域評估（MSRE）的大型裝備多尺度目標性能穩健優化模型，采用廣義差分多目標進化算法求得多目標性能穩健優化問題的優化解集。

1.3 基于多性能互反饋的大型裝備多尺度重構技術[5]

1.3.1 構建大型裝備多性能的互反饋體系。面對影響大型裝備設計的兩個主要方面：需要設計的產品各種性能所受的客觀作用（P）和在該作用下大型裝備所作出的反饋（E）。二者互反饋作用共同構建了支持和決定大型裝備設計的“作用-反饋”體系（S），根據集合理論將“作用-反饋”體系形式化的表達為：S=P∪E。

1.3.2 基于多性能互反饋的多尺度重構準則。在大型裝備重構設計過程中，對不同尺度上產品的性能及物理特性的要求也是不相同的。在零件尺度上，要求模塊內部零部件性能之間具有一定的聚合性；在部件尺度上，要求模塊單元性能之間具有相對的獨立性；同時還要考慮到在產品尺度上，模塊規劃重構的結果對產品整體性能穩定性的影響。分析產品模型不同結構尺度上的性能特性，提出基于多性能互反饋的多尺度重構準則。

1.3.3 基于多性能聚合的大型裝備多尺度重構建模。面向零件尺度上多性能內部聚合性準則考慮同一性能中零部件的內部聚合度，在零件尺度上，使零部件的內部性能在聚合度達到最大。面向部件尺度上性能的外部獨立性準則考慮的是質量簇間綜合相對耦合性，在部件尺度上，使多性能間的相對耦合度達到最小。面向產品尺度上多性能整體穩定性準則考慮的是多性能設計需求的一致性，在產品尺度上，使得產品的穩定性最佳。

1.3.4 基于改進Pareto 算法的大型裝備多性能規劃重構。在分析大型裝備產品族及其組成單元多性能特性的基礎上，運用模糊數學理論建立功能質量多性能規劃的數學模型，通過改進的強度Pareto 進化算法（SPEA2+）對產品族多性能劃分方案進行優化，得到產品族性能的最優劃分解。通過對產品多性能的規劃重構，使得性能內部凝聚性最大，性能間關聯性最小，提高了產品多性能間的聚合度，降低了多性能間的耦合度，從而使產品性能穩定性最佳。

2 大型農機裝備多性能互反饋設計的研究內容

2.1 構建多性能互反饋設計知識庫

大型農機裝備多性能互反饋設計是基于知識的設計技術，構建結構合理，知識容量大的設計知識庫是本項目研究的重要一環。基于需求驅動的大型裝備多性能互反饋設計關鍵技術涉及的主要知識有：產品性能行為、產品族結構、互反饋規則、多性能需求等知識，構建上述知識庫需要研究設計知識的數據結構、獲取與表達、檢索與更新、知識庫管理系統選型等技術。

2.2 多性能需求的灰理論分析與預測

引入灰色系統理論，提出了一套有效的QFD 多性能需求重要度多屬性動態配置決策方法。利用灰關聯度分析從模糊、不確定和非量化的客戶需求中分析其對產品性能的真實偏好及水平，提高QFD 中多屬性決策的可靠性與準確性，GM（1，1）灰關聯度預測模型能夠在數據量較少的條件下做出準確預測，減少了收集大量數據所需的工作量與分析時間，快速地對每個性能屬性進行動態評價和調整。

2.3 動態多性能需求信息向敏感設計變量的映射

反映動態多性能需求信息的最直接因素是產品的關鍵性能屬性及其相關敏感設計變量值，因此需要首先建立性能需求與變量的映射關系。使用大型裝備歷史銷售數據分析、競爭因素分析和技術變化趨勢分析等，確認裝備的目標市場、面向目標市場的派生產品和市場動態因素。通過性能需求的功能配置，分析客戶需求所對應的性能指標，得到系列產品的敏感設計變量。

2.4 建立多尺度目標性能特征耦合模型

通過分析兩輸入目標性能特性與兩輸出目標性能特性耦合關系、輸入目標性能特性之間耦合關系、輸出目標性能特性之間耦合關系，利用矩陣的形式建立多尺度目標性能特性耦合關系矩陣。將目標性能特性的映射分為輸入目標性能特性，中間層目標性能特性與輸出目標性能特性。輸入目標性能特性之間具有自相關性，該耦合關系必然造成輸出目標性能特性的耦合。多個中間層目標性能特性同時受到多個輸入目標性能特性的影響，便造成映射過程的耦合，最終便可形成輸出目標性能特性的耦合，根據三層質量特性的關系，建立耦合關系模型。

2.5 大型裝備多尺度目標性能耦合關系解耦

研究各耦合問題的實現順序和解耦順序，分析耦合因素的隸屬度函數和判定耦合因素耦合強弱的準則。通過對目標性能特性的傳遞與耦合過程的分析，表明在任何階段和層次上，目標性能特性解耦的本質是相同的，從而建立統一的質量特性解耦模型。

2.6 大型裝備目標性能耦合優化設計

目標性能耦合優化設計根據大型裝備目標性能耦合設計數學模型，經過產品目標性能特性設計計算、基于MSRE的質量特性穩健求解、基于模糊集合理論的Pareto穩健選優3個步驟實現。建立基于最小靈敏域評估（MSRE）的產品目標性能特性穩健優化數學模型，采用廣義差分多目標進化算法求得多尺度目標性能特性穩健優化問題的Pareto 穩健優化解集。解決傳統機械產品目標性能特性優化設計都假定設計參數不受外界條件的干擾，求解出的最優解都位于可行域的邊界上，但在實際過程中由于各種不確定因素，容易使設計參數的值發生改變，可能使最優解移動到可行域外，造成優化失效的問題。

2.7 建立大型裝備多性能的互反饋體系

大型裝備的性能可以認為是產品與其所受客觀作用的相互反饋，而裝備對相關各因素作用和影響的反饋不僅僅表現為產品的功能屬性。在更為廣泛的層面上，設計者需要同時面對影響大型裝備設計的兩個主要方面是需要設計的裝備所受的客觀作用（P）和在該作用下裝備所作出的反饋（E）。二者共同構建了支持和決定大型裝備設計的“作用-反饋”體系（S），“作用-反饋”體系可形式化的表達為：S=P∪E，根據對象結構公理：“作用-反饋”體系的結構可表達為：S=（P∪E）。

2.8 建立多性能互反饋的多尺度重構準則

在大型裝備重構設計過程中，在不同尺度上對性能及物理特性的要求也是不相同的。當裝備模塊劃分尺度越小時，易于性能與客戶需求之間映射，有利于客戶參與產品定制設計，產品的定制性增強。裝備組件劃分尺度越大時，多性能之間的解耦概率增大，易于性能結構獨立性分解。因此，在零件尺度上，要求模塊內部零部件之間具有一定的聚合性；在部件尺度上，要求模塊單元之間具有相對的獨立性；同時還要考慮到在產品尺度上，模塊規劃重組的結果對產品整體穩定性的影響。

2.9 大型裝備基于多性能互反饋的多尺度規劃重構

針對目標加權法在模型求解中的不足，采用改進的強度Pareto 智能進化算法對大型裝備基于多性能互反饋的多尺度規劃重構問題進行求解。提出的基于pareto 進化算法（SPEA2+）算法的大型裝備基于多性能互反饋的多尺度規劃重構。SPEA2+智能進化算法具有更強的搜索能力，并能在設計空間獲得解集更分散的Pareto 集，能更準確、有效地得到透平膨脹機產品族功能質量在多個尺度作用下的最佳規劃重構方案應用效果。多尺度規劃重構的結果在零件尺度上，提高了產品質量的內部聚合性，在部件尺度上，降低了質量間的耦合性，在產品尺度上，增強了定制產品的穩定性。

3 結論

大型農機裝備的設計過程不是簡單、獨立的，而是一個涉及多個環節、多項設計技術、多種設計知識的混合過程。現有產品設計方法難以從產品的多尺度、多性能角度出發，使多設計過程和多設計知識實現互相傳遞和反饋。建立一種由多性能需求驅動的，將種類多樣、領域廣泛、結構復雜的設計過程和設計知識集成在一起的，可通過各個設計環節中性能信息的互相反饋作用及時調整設計策略的大型裝備設計鏈，從而能夠準確、快速、高效的設計出滿足客戶多性能需求的產品。

參考文獻

[1] 方輝，譚建榮，殷國富，等.基于灰理論的質量屋用戶需求分析方法研究[J].計算機集成制造系統，2009，15（3）：576-584.

[2] 劉思峰，黨耀國，方志耕，等.灰色系統理論及其應用[M].北京：科學出版社，2004.

[3] 丁力平，譚建榮，馮毅雄，等.基于Pareto蟻群算法的拆卸線平衡多目標優化[J].計算機集成制造系統，2010，15（7）：1406-1413，1429.

[4] 李中凱，譚建榮，裘樂淼，等.基于強度Pareto進化的注塑機注射性能多目標優化[J].計算機集成制造系統，2007，13（11）：2162-2168，2183.

[5] 高一聰，馮毅雄，譚建榮，等.制造資源耦合映射與模糊匹配技術研究[J].計算機輔助設計與圖形學學報，2012，24（3）：290-298.