技术领域
[0001] 本发明涉及产品设计技术领域，特别是指一种工程产品的设计方法。
相关背景技术
[0002] 目前工程产品设计通常以寻找最优设计方案为目标，设计人员根据经验或已有的类似产品制定好设计变量、设计约束和设计目标后，由计算机采用各类优化算法通过更改设计变量在设计约束下寻找最优设计目标。
[0003] 但是，伴随工程产品设计目标的日益复杂化以及信息化技术的快速发展，设计变量、设计约束和设计目标的数据量爆炸式增长，这种基于寻优思想的设计方法将面临计算效率和寻优能力的挑战。主要存在以下问题：
[0004] 1)对于现代实际工程产品设计过程中设计变量、设计约束和设计目标的三者数量均十分庞大的高维非线性问题，目前鲜见可以快速求得最优值的优化算法；事实上，对于实际工程中的高维非线性问题，现有优化算法通常无法获得最优解；
[0005] 2)对于不存在可满足解的优化问题，优化设计过程中也不能进行设计约束的自动修正，设计人员只能在寻优失败后依靠经验进行设计目标的修改；
[0006] 3)现有优化设计方法将设计人员与设计约束完全隔离，是一种缺少交互的设计过程，设计人员只能被动式的接受最优化解，却难以将自己的主观意识融入到工程产品中。
具体实施方式
[0051] 为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
[0052] 如图1所示，其为本发明实施例的工程产品的设计方法的流程图。作为本发明的一个实施例，所述设计方法包括以下步骤：
[0053] 步骤101，读取设计变量、设计约束和设计目标。
[0054] 在该步骤中，读取由设计人员制定好的设计变量、设计约束和设计目标。其中，所述设计约束为所述设计变量的取值范围。所述设计目标可以为多个。
[0055] 作为本发明的一个实施例，以吸能盒为例，所述设计设计变量可以为吸能盒内部蜂窝结构的厚度x2-x25、吸能盒外壁的厚度x1，所述设计约束可以为所述厚度的取值范围，所述设计目标可以为吸能性能、重量、最大碰撞力和/或比吸能中的至少一种。
[0056] 步骤102，采用光滑化计算公式将设计目标表达为一个单目标表达式。
[0057] 若所述设计目标为多个，则在该步骤中，采用光滑化计算公式将多个设计目标表达为一个单目标表达式。
[0058] 作为本发明的又一个实施例，为提高对可满足解的搜寻效率，所述光滑化计算公式如下：
[0059]
[0060] 式中，β为光滑因子，取值应大于0，随着β值的增加，光滑性降低，拟合曲面与实际曲面拟合度更高；
[0061] x1,x2,...,xn为设计变量；
[0062] y1,y2,...,yk为设计目标的当前取值。
[0063] g1,g2,...,gm为两种计算公式，具体如下：
[0064]
[0065] 式中，V为设计目标的目标值。
[0066] 需要说明的是，目标值V为设计目标的目标取值。
[0067] 步骤103，以寻找光滑后的单目标表达式的最大值为目标，采用粒子群优化算法进行启发式搜寻。
[0068] 具体地，所述采用粒子群优化算法进行启发式搜寻的步骤包括：
[0069] 步骤1031，通过粒子群优化算法找到所述单目标表达式的当前最佳值。在该步骤中，通过粒子群优化算法找到步骤102中单目标表达式的当前最佳值。
[0070] 作为本发明的又一个实施例，所述通过粒子群优化算法找到所述单目标表达式的当前最佳值，包括：
[0071] 1)每个粒子更新自身对应的设计变量的取值，并根据设计变量的取值计算设计目标的当前值；
[0072] 2)每个粒子根据自身对应的设计目标的当前值计算单目标表达式的值；
[0073] 3)在所有的粒子自身对应的单目标表达式的值中找到最大值作为当前最佳值。
[0074] 步骤1032，判断当前最佳值对应的设计方案是否为可满足方案。
[0075] 具体地，如果pmin≥0，则当前方案为可满足方案，记录当前所有设计目标、设计约束和设计目标的取值，并记录可满足方案个数nok，然后执行步骤1034；如果pmin＜0，则当前方案为不满足方案，然后执行步骤1033。
[0076] 需要说明的是，所述可满足方案是指设计约束以及设计目标都满足要求的方案，因为只能所有设计约束都满足了，pmin才能大于等于零。
[0077] 步骤1033，记录当前所有不满足方案中的设计约束以及设计目标，找到最佳的目标值Vbest。
[0078] 具体地，所述步骤1033包括：如果设计目标的当前值小于目标值，即y≤V，则Vbest为当前找到的设计目标的最小值，如果设计目标为y≥V，则Vbest为当前找到的设计目标的最大值。
[0079] 步骤1034，通过以下公式更新迭代次数：
[0080] N＝N+1
[0081] 如果N小于设定的最大迭代次数，则执行步骤1031；如果N达到最大迭代次数，则执行步骤1035。
[0082] 可选地，所述最大迭代次数可以为2000次。
[0083] 在迭代过程中，采用粒子群优化算法不断更新设计约束的取值，并根据设计约束计算设计目标的取值。
[0084] 步骤1035，如果可满足方案个数nok等于0，则执行步骤104；如果可满足方案个数nok大于0，则执行步骤106。
[0085] 需要说明的是，如果在前面的步骤中找到了可满足方案，则nok不为零，如果没有找到可满足方案，则nok等于零。
[0086] 步骤104，对所有不满足方案中的设计目标的目标值进行修正。
[0087] 在该步骤中，可以根据步骤1032记录的当前所有不满足方案的设计约束的编号，对所述不满足方案中的设计约束的目标值进行修正。
[0088] 具体地，所述步骤104包括：
[0089] 步骤1041，如果修正次数Nmf大于设定的最大的修正次数，则执行步骤105；如果修正次数Nmf小于设定的最大的修正次数，则执行步骤1042。
[0090] 步骤1042，修正公式如下：
[0091]
[0092] 式中，Vnew为修正后的目标值。
[0093] 步骤1043，更新修正次数Nmf
[0094] Nmf＝Nmf+1
[0095] 步骤1044，令V＝Vbest，执行步骤102。
[0096] 步骤105，提示设计失败，并输出所有不满足方案的设计约束的编号，以及对应的设计约束找到的最佳值，供设计人员参考。
[0097] 步骤106，输出所有可满足性的设计方案对应的设计参数，供设计人员参考。所述设计参数包括各个设计变量的取值。
[0098] 如图2所示，设计某电动汽车的吸能盒，该吸能盒为方形管件，管长为0.2米，内部为蜂窝结构，要求同时满足吸能量、最大碰撞力以及比吸能的要求。该吸能盒的设计方法包括以下步骤：
[0099] (1)读取设计变量、设计约束和设计目标。
[0100] 其中，设计变量为吸能盒内部蜂窝结构的厚度x2-x25，以及吸能盒外壁的厚度x1；设计约束为所有厚度(x1-x25)的取值范围，可以为0.1-0.2；设计目标为吸能量(y1)＞
45000，最大碰撞力(y2)＜1950000，以及比吸能(y3)＜5000000。
[0101] (2)采用光滑化计算公式将设计目标表达为一个单目标表达式。采用的光滑化公式如下：
[0102]
[0103] 其中，光滑因子β＝1.5。
[0104] (3)以寻找光滑后的单目标表达式的最大值为目标，采用粒子群优化算法进行启发式搜寻。设定最大迭代次数为2000次，执行PSO迭代搜索。
[0105] (4)PSO迭代搜索结果后，发现nok等于0。因此，根据步骤(3)中记录的不满足设计约束的编号，对比吸能的限值范围进行修改。
[0106]
[0107] (5)根据步骤(4)，修改设计目标中比吸能(y3)取值范围为小于5600000，吸能量(y1)和最大碰撞力(y2)的限值范围不变。
[0108] (6)设定最大迭代次数为2000次，执行PSO迭代搜索。
[0109] (7)PSO迭代搜索结果后，发现nok等于2，找到两组可行解：
[0110] 第一组解：
[0111] 各个设计变量的取值为：
[0112] x1＝0.1094，x2＝0.1000，x3＝0.1006，x4＝0.1992，x5＝0.1875，x6＝0.1992，x7＝0.1999，x8＝0.2000，x9＝0.1999，x10＝0.1406，x11＝0.2000，x12＝0.1999，x13＝0.2000，x14＝0.1999
[0113] x15＝0.2000，x16＝0.1992，x17＝0.2000，x18＝0.1992，x19＝0.1999，x20＝0.1909，
[0114] x21＝0.1875，x22＝0.1999，x23＝0.1919，x24＝0.2000，x25＝0.1875。
[0115] 各设计目标的取值为：
[0116] y1＝149630.015900，y2＝1671448.844800，y3＝5596077.575500。
[0117] 图形显示如图3所示。
[0118] 第二组解：
[0119] 各个设计变量的取值为：
[0120] x1＝0.1094，x2＝0.1000，x3＝0.1001，x4＝0.1992，x5＝0.1875，x6＝0.1992，x7＝0.2000，
[0121] x8＝0.2000，x9＝0.2000，x10＝0.1380，x11＝0.2000，x12＝0.2000，x13＝0.1997，x14＝0.2000，
[0122] x15＝0.2000，x16＝0.1999，x17＝0.2000，x18＝0.1774，x19＝0.2000，x20＝0.2000，
[0123] x21＝0.1875，x22＝0.2000，x23＝0.1996，x24＝0.2000，x25＝0.1953。
[0124] 各设计目标的取值为：
[0125] y1＝145723.081900，y2＝1619194.594600，y3＝5498431.161400。
[0126] 图形显示如图4所示。
[0127] (8)将以上两组可行解和对应的图形交给设计人员，由设计人员选择最终解。
[0128] 本发明实施例提供的工程产品的设计方法摆脱以最优为目标的设计思想，设计人员制定好设计变量、设计约束和设计目标后，对采用光滑化计算公式将多个设计目标表达为一个具有高鲁棒性的简单公式，同时，不再寻找设计目标的最优值，仅采用粒子群优化算法进行启发式搜寻，在一定迭代步内搜寻一系列可满足设计约束的设计变量取值以及设计目标值作为设计方案库。同时，在搜寻过程中记录各设计约束的满足情况，如果在一定迭代步内无法找到可行的设计方案，本发明将根据设计约束的实时满足情况，采用逐级修正策略更该设计约束，直到可以生成设计方案。最后，工程人员通过交互式的图像界面选择符合自己主观意识的设计方案。
[0129] 可见，本发明提供的工程产品的设计方法采用粒子群优化算法进行启发式的搜寻、自动修正设计约束以及交互性的选择设计方案，是一种创造式的设计方法，可以处理包含大规模设计变量、设计约束和设计目标的现代工程产品设计问题，由于不涉及寻优以及包含自动化设计约束修正，使得设计人员在有限时间内高效率的得到符合自己主观意识的新产品。
[0130] 所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。
