物理模型使能的机械产品设计知识

山东大学学报(工学版)

物理模型使能的机械产品设计知识

侯晓林¹，吕武²，石振¹，林福严²

1. 山东大学机械工程学院，山东济南 250061；2. 中国矿业大学（北京）机电与信息工程学院，北京 100083

收稿日期:2006-08-22 修回日期:1900-01-01 出版日期:2007-04-24 发布日期:2007-04-24
通讯作者: 侯晓林

Design knowledge acquisition and reuse of physical modal enabled mechanical products

HOU Xiao-lin¹，LV Wu²，SHI Zhen¹，LIN Fu-yan²

1. School of Mechanical Engineering，Shandong University，Jinan 250061，China；2. School of Mechanical and Information Engineering，China University of Mining and Technology，Beijing 100083，China

Received:2006-08-22 Revised:1900-01-01 Online:2007-04-24 Published:2007-04-24
Contact: HOU Xiao-lin

摘要/Abstract

摘要： 传统CAD系统缺乏对工程约束的考虑，不能为设计师提供有效的工程分析计算手段，设计知识的获取和重用非常困难.通过物理模型将工程约束因素引入设计过程，建立物理模型与几何模型集成的设计机制.记录设计历史，经过数据挖掘，获取的设计知识分别由框架、QOC（Questions, Options and Criteria）等知识表达方式描述，建立知识管理系统进行存储，可供检索、浏览和重用.物理模型与几何模型的信息集成，使设计知识的积累、提取和重用变得非常便捷和自然.

关键词: 物理模型, 知识获取, 知识表达, 知识重用

Abstract: Traditional CAD system lacks the consideration of mechanical constraints, which can not provide designers with an efficient engineering analysis tool with the difficulty of acquiring and reusing the design knowledge. Mechanical constraints are introduced in product design process by physical model, to build a design mechanism integrating physical model with geometric model. Design history information is recorded. After data mining, the acquired design knowledge is respectively expressed by frame, QOC, etc. A design knowledge management system is built for knowledge storage, retrieval, browse and reuse. The integration of mechanical constraints with geometric model enables the accumulation, extraction and reuse of product design knowledge to become agile and natural.

Key words: knowledge acquisition, knowledge representation, knowledge reuse , physical model

中图分类号:

TP391

侯晓林,吕武,石振,林福严 . 物理模型使能的机械产品设计知识[J]. 山东大学学报(工学版), 2007, 37(2): 25-29 .

HOU Xiao-lin,LV Wu,SHI Zhen,LIN Fu-yan . Design knowledge acquisition and reuse of physical modal enabled mechanical products[J]. JOURNAL OF SHANDONG UNIVERSITY (ENGINEERING SCIENCE), 2007, 37(2): 25-29 .

参考文献

相关文章 15

[1]	熊冰妍, 王国胤, 邓维斌. 分级式代价敏感决策树及其在手机换机预测中的应用[J]. 山东大学学报(工学版), 2015, 45(5): 36-42.
[2]	王晓初, 王士同, 包芳. 基于概率密度分布一致约束的最小最大概率机图像分类算法[J]. 山东大学学报(工学版), 2015, 45(5): 13-21.
[3]	张东波,寇涛,许海霞. 基于LDB描述子和局部空间结构匹配的快速场景辨识[J]. 山东大学学报(工学版), 2018, 48(5): 16-23.
[4]	陈海永,余力,刘辉,杨佳博,胡启迪. 基于经验小波的太阳能电池缺陷图像融合[J]. 山东大学学报(工学版), 2018, 48(5): 24-31.
[5]	牟廉明. 自适应特征选择加权k子凸包分类[J]. 山东大学学报(工学版), 2018, 48(5): 32-37.
[6]	沈冬冬,周风余,栗梦媛,王淑倩,郭仁和. 基于集成深度神经网络的室内无线定位[J]. 山东大学学报(工学版), 2018, 48(5): 95-102.
[7]	张璞,刘畅,王永. 基于特征融合和集成学习的建议语句分类模型[J]. 山东大学学报(工学版), 2018, 48(5): 47-54.
[8]	王国新,陈凤东,刘国栋. 基于彩色伪随机编码结构光特征提取方法[J]. 山东大学学报(工学版), 2018, 48(5): 55-60.
[9]	胡建平,李鑫,谢琪,李玲,张道畅. 基于Delaunay三角化的二维无约束优化EMD方法[J]. 山东大学学报(工学版), 2018, 48(5): 9-15.
[10]	李广丽,刘斌,朱涛,殷依,张红斌. 基于优选典型相关分量的跨媒体检索模型[J]. 山东大学学报(工学版), 2018, 48(5): 38-46.
[11]	吴晨谋,方志军,黄正能. 基于单目摄像头的主动式驾驶行为分析算法[J]. 山东大学学报(工学版), 2018, 48(5): 69-76.
[12]	张宪红,张春蕊. 基于六维前馈神经网络模型的图像增强算法[J]. 山东大学学报(工学版), 2018, 48(4): 10-19.
[13]	江珊珊,杨静,范丽亚. 基于PDEs的图像特征提取方法[J]. 山东大学学报(工学版), 2018, 48(4): 27-36.
[14]	窦婷婷,姚元玺,陈鹏,芦灯. 基于ATP-EMTP的电弧建模及工程仿真[J]. 山东大学学报(工学版), 2018, 48(4): 102-108.
[15]	黄劲潮. 基于快速区域建议网络的图像多目标分割算法[J]. 山东大学学报(工学版), 2018, 48(4): 20-26.

多维度评价

Viewed

Full text

Abstract

Cited

Shared

Discussed