混合案例推理机制在变型设计中的应用

为了将智能技术有效地应用在CAD设计领域,提出了一种支持基于特征的产品变型设计和改写知识自学习的混合案例推理机制。该混合机制以CBR为基础,综合了模糊集理论和SCBR(secondary-CBR)技术。其中模糊集理论被用来进行相似性匹配从而降低噪音在案例检索时的干扰,SCBR技术用来实施对案例的修改和重用。应用实例表明,在变型设计中使用这种混合机制可以为设计人员提供有效的设计决策并降低其对相关领域知识的依赖程度。

护栏清洗装置混合变型设计

为解决客户需求多样化与快速响应市场之间的矛盾,提出了将混合变型设计应用到护栏清洗装置中。在研究护栏清洗装置特点和变型设计理论优缺点的基础上,利用基于模块化和参数化相结合的方法建立知识库,利用基于实例推理和规则推理相结合的方法进行产品的变型设计,实现了护栏清洗装置的变型设计。

基于混合推理的龙门机械手变型设计

在保证产品质量的前提下,为降低产品设计成本,减少设计者的重复性劳动,缩短产品的研发周期,提高设计效率,将基于混合推理的变型设计应用到龙门机械手中,对以往设计知识进行重用、修改和推理,设计出符合客户需求的产品。在对龙门机械手结构及特点进行研究的基础上,利用基于模块化的方法建立知识库;龙门机械手采用基于实例推理(CBR)和基于规则推理(RBR)相结合的混合推理变型设计,弥补单独选用RBR推理或者CBR推理存在明显的不足,实现了龙门机械手的变型设计。