论文部分内容阅读
随着计算机技术的高速发展，仿真分析已成为继理论研究、实验研究后第三种产品设计的验证方法，在减少研发成本、缩短上市周期和提高产品质量等方面表现出显著优势，其重要性不言而喻。通常，产品研发是设计、仿真和优化不断反复迭代的过程，其间需要进行大量计算和分析。然而，各学科仿真工具互不相同，仿真模型和数据类型多种多样且异构，由于缺乏对多域异构仿真数据的统一表示，设计者往往很难方便地集中查看多域异构仿真结果以支持其设计决策。此外，尽管积累的大量仿真数据中蕴含了对改进设计具有指导意义的设计知识，但由于未被挖掘，往往难以被有效重用。因此，如何统一表示多域异构仿真数据并有效重用历史仿真数据以挖掘出有用的设计知识，尽量减少产品研发的迭代过程，让产品修改尽快接近目标需求，对实现产品高效变动和快速优化设计至关重要。 目前，已有学者开展多域仿真数据集成和重用的相关研究，但仍存在一些关键问题亟待解决，如缺乏多域仿真数据的统一和保真表示方法，难以实现全局仿真数据挖掘以及难以有效重用动态增长的仿真数据支持产品快速优化设计等。因此，本论文围绕以上问题展开研究，主要工作包括: (1)提出一种基于中间模型的多域仿真数据集成建模方法，以支持多域仿真信息的统一表示和集成显示，进而支持后续的设计决策和仿真数据挖掘。 (2)提出一种基于多目标优化的中间网格模型生成方法，使其尽可能高效且高保真地表示不同领域的仿真数据，进而方便设计者快速查看准确的仿真结果来改进产品设计。 (3)提出一种基于极限学习机(ELM)模型的静态仿真数据全局挖掘方法，支持对产品关键设计参数和全局仿真性能参数间的内在关联的挖掘，以实现全局仿真结果的准确预测，进而支持产品的高效变动设计。 (4)提出一种基于增量学习的动态仿真数据挖掘方法来有效重用动态增长的仿真数据，以有效减少真实仿真次数，提高迭代优化效率，进而有效支持产品的快速优化设计。