学生实验报 告书-显微镜机电系统设计

学生实验报告书课程名称：机电系统分析与设计班级：机械工程（学硕）姓名：武汉学号：1234589687121指导老师：理工2015——2016学年第2学期

实验课程名称：机电系统分析与设计全自动数字化显微镜机电系统设计成绩实验者专业班级机械工程（学硕）组别同组者实验日期2016年6月18日第一部分：实验目的1、熟练掌握DesignSynthesisLab软件的使用；2、了解“原理-结构-参数”模型下功能原理设计和求解相关技术和方法；3、了解“原理-结构-参数”模型下物化设计和求解相关技术和方法；4、掌握全自动数字化显微镜机电系统的设计方法。第二部分：实验原理1、原理层功能原理设计是设计者概念设计前期例行的主要工作。功能原理解是概念设计解的最初构思形式。将功能原理设计和物理结构设计分离，有利于设计者按照例行设计流程进行思路发散和创新集成，对概念设计进行更加开放的构思和创作。原理层是实现功能需求与设计原理匹配和衔接的关键知识层。原理层的知识具有如下特点：层次抽象，组织松散，形式多样。层次抽象具体体现在原理通用性、领域跨越性。组织松散具体体现在设计原理的获得来源广泛，各原理关联不密切。设计原理既可能来自于对已有设计案例的总结归纳，也可能来自于物理学、化学等领域的自然原理，也有可能来自于生物领域自然界进化出的原理，甚至源自人们的灵感和梦境。形式多样具体体现在设计原理的内容多样性，表达方式多样性。功能表示是功能知识元建模的重要内容，是实现功能原理知识重用的基础。学术界对功能主要分为自然语言描述法、动名词对造句法和输入输出表示法。举例说明三种方法，如表1。表1功能表示示例功能表示方法对“液压缸功能”的表示自然语言描述法利用活塞做功原理，把高压液压油中的液压能转化为直线力和直线运动形式的机械能动名词对造句法“转化”+“液压能”+“机械能”输出输出表示法输入：<液压油>，<液压能>；输出：<液压油>，<机械能><液压能>2、结构层物理结构设计是对概念设计的功能原理解进行结构实现和方案配置的设计过程。结构层是衔接功能设计与物化设计的中间层和过渡层，结构层知识建立在模块化思想和型谱化设计思想之上，主要描述实现同一功能的各功能模块，由于采用了不同的原理或型谱配置后，其“功能执行能力”上的差异。行为属性是对结构元功能的在结构层面的客观描述的数学表示向量槽。如图1所示，行为属性分为四个大类，我们称之为行为侧面，即输入流侧面，输出流侧面，执行过程侧面以及工作环境侧面。输入/输出流侧面主要描述功能模块输入/输出流的功能关联属性的表述指标，如，大小、稳定性、周期性等。执行过程侧面主要描述功能执行过程“动作”的各因素表述指标，如能量“转换”效率、“筛选”出错率情况等属性。工作环境侧面主要描述在不影响功能执行过程的前提下，结构元所能适应的周围环境因素，如，介质情况（真空、易燃易爆气体、腐蚀性液体等）、压力、温度、噪声、振动、光照、电磁等属性。功能实例建模过程中的行为属性建模就是要规范这些属性项，并对结构元在这些属性项的取值范围（即行为属性的表达域）进行表示和归档。图1结构元的行为侧面3、参数层行为效应表达式构建，就是针对每一个目标行为变量构建相应的子行为效应表达式。行为效应可以通过行为效应表达式进行表示，其一般形式如下式所示，分为行为效应方程表达式和行为效应判别表达式。其中，为目标行为变量集，是主结构参量集，是副结构参量集，是可控行为变量集，是协调行为变量集，是行为效应函数，是判别条件函数，是理想集。在行为效应方程表达式和判别表达式中，方程类表达式作为一种强约束关系，在物化求解过程中起的作用更加明显。因为，物化求解过程实质上是期望通过解方程的形式获得结构元的设计参数。方程类表达式构建过程可能遇到以下两个伪问题：第一，一个目标行为变量有可能出现在多个方程表达式中；第二，也有可能在一个表达式中出现两个或两个以上的目标行为变量。第3部分：实验过程本次实验分为三个小实验，分别是原理层设计、结构层设计和参数层设计，具体实验过程如下所示。1、原理层设计如图2给出了原理层设计的流程。本次实验采用本体技术在功能谓词库、功能流库的基础上，进一步构建了功能本体。主要目的是：提升功能流分类层次的合理性；消除多领域术语名称不一致性；消解语义表达的不一致性冲突。功能知识元建模功能本体构建功能解析图2原理层设计流程本实验功能流的自然属性本体建模OWL语句如下所示：<Declaration><DataPropertyIRI="#Solid_Strength"/></Declaration><SubDataPropertyOf><DataPropertyIRI="#Solid_Strength"/><DataPropertyIRI="#Material_Mechanical_Property"/></SubDataPropertyOf><DataPropertyDomain><DataPropertyIRI="#Solid_Strength"/><ClassIRI="#Solid"/></DataPropertyDomain><DataPropertyRange><DataPropertyIRI="#Solid_Strength"/><DatatypeabbreviatedIRI="xsd:float"/></DataPropertyRange><DataPropertyRange><DataPropertyIRI="#Solid_Strength"/><DatatypeabbreviatedIRI="xsd:language"/></DataPropertyRange><AnnotationAssertion><AnnotationPropertyIRI="#float_unit"/><IRI>#Solid_Strength</IRI><LiteraldatatypeIRI="&xsd;string">MPa</Literal></AnnotationAssertion><AnnotationAssertion><AnnotationPropertyIRI="#lang_rank"/><IRI>#Solid_Strength</IRI><LiteraldatatypeIRI="&xsd;string">N;VL;L;M;H;VH;P;</Literal></AnnotationAssertion>2、结构层设计如图3给出了结构层设计的流程。功能知识元建模功能知识元建模功能本体构建功能解析图2结构层设计流程“质量”量化本体建模如图3所示。首先建立能量和信息量化属性的本体概念，在此基础上，可以建立“吞吐速度”等本体概念。自然属性特征本体建模与原理层功能流自然属性本体建模一致，只需要对功能执行相关的自然属性进行引用。图3功能流的量化属性本体建模3、参数层设计物化参数设计是在整体结构方案构建完成后，按照由远端及近端，由输出到输入的方向，对设计方案各个结构元模块进行自上而下的参数求解，然后按照模块化思想进行自下而上的装配合成。如图4给出了结构层设计的流程。参变量约束建模参变量约束建模行为效应分析参变量关联矩阵图4参数层设计流程参变量关联矩阵是按照方程表达式中结构参量和行为变量出现的位置建立的设计矩阵，其形式如表2所示。表2参变量关联矩阵EPX因变量自变量x1x2x3…xNy1y2…y3EPX1xxxxxyyyyEPX2xxxxxyyyyEPX3xxxxxyyyy…xxxxxyyyyEPXLxxxxxyyyy上表中，L行矩阵元素表示的是结构参量或行为变量在求解型结构参量表达式中出现的位置，左侧为N列因变量（主要是结构参量），右侧为M列自变量（主要是行为变量）。实验中结构元满约束参变量方程组的构建步骤如下：1）罗列出所有结构参量，通过行为效应分析，构建主方程表达式；2）根据当前参变量方程组，构建参变量关联矩阵，检查方程组状态；3）根据方程组状态添加辅助方程表达式，并修改参变量关联矩阵；4）重复第二、第三步，直至参变量方程组为满约束状态。第4部分：结果分析1、原理层通过上述实验方法，获取权重系数抽样空间每一个点上功能相似度推理的序列指数的平均值，如表3所示。表3序列指数在权重系数抽样空间分布aww0.00.10.20.30.40.51.00.730.730.700.680.660.650.80.730.740.720.680.660.640.60.730.720.670.650.640.650.40.730.720.680.620.600.630.20.730.680.660.650.620.600.00.730.690.650.630.550.54图5序列指数在权重系数抽样空间分布图5给出了序列指数在权重系数抽样空间分布的直观显示，可知：通过本文功能相似度推理算法，可以按照功能相似度排序，获得较为良好的功能知识元匹配序列，平均序列指数普遍能够达到0.6-0.7；合理控制ω和α的取值，在（0.1,0.8）附近可以使序列指数达到0.74左右。2、结构层按照上述实验步骤，得到表4。表4行为属性的包容相似度和传统相似度行为属性结构元相似度HSG型液压缸SG型气缸KK型线性模组ISTSISTSISTS输出流直线力度量10.5810.8010.94稳定性————————————直线运动度量10.5010.7510.99运动精度0.500.2700.2500.59运动速度10.980.400.8410.51运动加速度————————————执行过程效率————————————环境温度10.8510.6910.89介质————————————对表4所示两种相似度的值进行分析，可以发现包容相似度和传统相似度的一些特点。可以发现，传统相似度仅给出了数据间数学上的相似性，不能表达功能执行能力的承载性，有时会出现与事实不符合的情况，如KK型线性模组运动速度支持0-1500mm/s，明显是应用范围最广的，但是从纯数学相似性上来讲，其与需求的相似度并不高，甚至低于低速极限条件不符合需求的SG型气缸的相似度，这正是包容相似度的优势所在。此外，从计算量上来讲，包容相似度也远小于传统相似度。3、参数层本实验对Rosenbrock函数、Rastrigrin函数和Griewank函数的最优化问题分别用传统牛顿拉夫森迭代和粒子群算法和本文方法进行求解并进行了结果对比。方程维数为10，采用拉丁超立方抽样进行样本获取，每组参数取值下方程实验20次。对两种粒子群方法的参数设置如下：种群规模分别为N=20、N=50、N=100和N=200；在惯性权因子取值下，每3次粒子群运动交叉一次牛顿拉夫森运动，迭代次数均能够在500次以内均能达到种群稳定（牛顿法可能出现振荡）。获得结果如表5所示，表明本算法在稳定性和全局收敛性方面具有一定优势。表5算法比较结果Rosenbrock函数ResultsNewtonPSO(c1=2,c2=1.5,w=0.75)CMPSO(c1=2,c2=1.5,w=0.75)20501002002050100200Rate5/200/200/200/208/2020/2018/2018/2019/20Mean93290472.29322.884123.864142.897082.010610000Max102963422153.383202.97687.965927.909052.7240E-303.986583.986583.98658Min7.28464E-3044.618992.1953890.0380400000Rastrigrin函数Rate0/200/200/200/200/200/203/2011/2018/20Mean419.2634.8523.9420.5924.526.962.9800Max59