面向产品概念设计的多模态智能交互框架及实现

针对传统基于“鼠标+键盘”的计算机辅助设计(CAD)交互模式阻碍设计思维自然表达的问题,剖析了产品概念设计过程对智能人机交互技术的发展需求,探索一种以端对端模型生成及操控为特征的产品概念设计智能交互模式。构建了面向产品概念设计的多模态智能交互框架,分析了框架中涉及的多模态信号同步采集、产品概念设计情境模型构建、多模态信号特征层及决策层融合等关键技术;在此基础上,搭建了脑眼手融合的多模态智能交互系统,并通过两个典型应用案例,展示了所提框架和关键技术的可行性,为实现新一代CAD智能交互系统提供了思路和技术途径。

功能词对设计思维的启发效用研究

为了研究功能词作为外部激励信息的启发效用,本文在分析面向功能词激励的设计思维信息处理过程的基础上,以功能词作为外部激励信息开展设计实验,通过对比分析40名学生设计者的设计草图,得出如下结论:功能词激励减少了设计方案的数量,但会显著提升设计方案的实用性;与高级功能词相比,低级功能词减少了设计方案的数量、新颖性和多样性,但增加了设计方案的实用性,而中级功能词则产生更加均衡的设计方案,可以作为最佳的设计激励媒介.

复杂动态环境下基于深度强化学习的AGV避障方法

为提升自动导引车(AGV)在智能工厂复杂动态环境下的避障能力,使其能在全局路径引导下安全、高效地完成避障任务,提出一种基于深度强化学习的局部避障方法。首先,将避障问题表示为部分观测马尔可夫决策过程,详细描述了观测空间、动作空间、奖励函数和最优避障策略,通过设置不同的奖励实现以全局路径引导局部避障规划;然后,在此基础上,采用深度确定性策略梯度算法训练避障策略;最后,建立了仿真实验环境,并设计多种实验场景来验证所提方法的有效性。实验结果表明,所提方法可以应对复杂动态环境,减小避障时间与距离,提高运行效率。

基于多工况关联的无人车辆车身结构轻量化优化设计

未来战场的多样化对特种无人车辆的环境适应性提出了更高的要求。为满足特种无人车辆的多工况使用、高机动能力与低成本研制等要求,采用多工况关联设计与轻量化优化的思路对无人车桁架车身结构进行优化设计。考虑到多工况的车身结构设计变量多、设计空间大,面临仿真次数过多的问题,提出基于多工况关联的车身结构轻量化优化方法,利用设计变量区间缩减策略减小设计空间;引入高斯过程代理模型替换仿真分析实现结构设计方案性能的快速评估;结合遗传算法实现方案的优化。实验结果表明,最终优化方案在通过车身刚度强度和模态等多学科性能仿真验证的情况下,质量比初始方案降低14.12%,比只用高斯过程优化设计的方案降低8.87%。

基于长短期记忆网络的桁架车身结构轻量化设计优化

为满足特种无人车辆高可靠机动、低成本研制等要求,在特种无人车辆的桁架车身结构设计早期阶段引入结构轻量化思想。为实现车身结构轻量化,提出基于长短期记忆网络的设计优化方法(LSTM-DO),利用LSTM-DO的快速搜索、高精度优化能力解决车身结构设计优化中收敛慢、局部最优等问题。建立了某无人车辆桁架车身参数化模型与有限元分析模型,采用代理模型技术提高设计优化过程中车身结构性能评估速度,结合LSTM-DO优化方法快速准确地生成方案。对比了常用的梯度优化算法与启发式优化算法,所提LSTM-DO方法在最优方案性能、收敛速度和鲁棒性方面均展现出明显的优势。