[发明专利]基于转基因理论的工业产品智能设计方法

摘要

本发明公开了一种基于转基因理论的工业产品智能设计方法，用于解决现有工业产品设计方法实用性差的技术问题。技术方案是运用行为及人机工效分析系统MVTA获取不同实验者对于产品的感性知识，根据实验者对于目标产品及不同种群产品的视知觉特点，分析实验者对产品形态要素的辨识规律并获取引起消费者意象变化的形态元素。采用基于Matlab的产品形态基因编码方法，将产品基因进行形态拟合，并得到基因的函数表达式，通过基因的图形学特性，使最终经过编码的基因包含良好的心理感知和几何信息。本发明运用生物学的基因优选与转基因方法，实现产品形态的创新和对原有形态的继承，最终达到不同产品形态曲线间的融合和创新，实用性好。

主权项

一种基于转基因理论的工业产品智能设计方法，其特征在于包括以下步骤：步骤一、构建意象模糊相关的形态基因数据库；采用三维坐标测量仪或结构光栅扫描仪对静态基因进行参数捕捉，获取静态基因的三维数字模型；运用图形学三视图坐标转化矩阵，将三维数字模型转化为二维视图，并对二维视图进行降噪，实现空间中静态基因的提取和三视表达；运用Matlab将产品基因进行形态拟合，得到基因的函数表达式，对产品形态基因进行编码；运用行为及人机工效分析系统MVTA、生理多导仪设备获取不同实验者对于产品的感性知识，根据实验者对于目标产品及不同种群产品的视知觉特点，分析实验者对产品形态要素的辨识规律，构建形态要素的辨识体系并获取引起消费者意象变化的形态元素，根据形态聚类理论及感性意象间形态元素的模糊融合算法，给出判定意象特征与区分特征的自适应机制，根据族群产品及形态元素对目标产品的贡献度，结合设计结构矩阵对产品族群和形态元素聚类，构造与感性意象模糊相关的形态基因数据库，意象基因集合Geneset＝{g1,g2,g3,...,gm}中的任一元素gm代表任意一个由上述实验模糊确认的与任一意象D相关的产品形态基因；步骤二、构建意象相关的产品形态基因网络；把产品形态基因网络抽象成一个图M；其中，每一个节点vi代表一个产品形态基因，节点之间的连线代表产品形态基因之间的相互作用关系ei，即ei＝(vi,vi+1)表示节点vi与vi+1之间的相互作用；据特定感性意象D，在与感性意象模糊相关的形态基因数据库中找出其模糊意象基因集合Geneset＝{g1,g2,g3,...,gm}，为关键字查询搜集；找出Geneset中每个元素在产品形态结构中的邻居集合Gi＝{gi1,gi2,gi3,...,gik}；构建特定感性意象D相关的产品形态基因网络的边集合Ed；步骤三、对意象相关的产品形态基因网络进行拓扑分析；将产品形态基因网络中的顶点集V分成已经计算出最短路径的S集合和未确定最短路径的V‑S集合，从V‑S集合中选取一个顶点w，满足经过S集合中任意顶点v到w的路径最短，及满足源到v的路径与v到w的路径之和最小的那个w；其中v属于S，w属于V‑S；将w加入S，并从V‑S中移除w，直到V‑S变为空集为止；采用图论中的度以及聚类系数作为分析对象来挖掘Hub节点中最为联系紧密的节点及节点组合；步骤四、完成产品形态基因手术；坐标和尺度的构建：在Matlab环境下构建统一的坐标系统，并对目标基因进行归1化处理；其中单位1为靶向基因定义域的模长；组合节点的选取：节点分为等导节点以及极值为零的特殊等导节点；选取这些节点交叉组合变换生成导数和曲率连续的新的分段函数，其函数图像即是新的产品形态基因，且新生成的形态基因继承了上一代基因的形态特性；等导节点的函数变换：为更清晰的表达等导节点的函数变换，设有两条曲线，f(x)与g(x)，x∈[0,1]，又有两点ci和cj，ci,cj∈[0,1]，使得f'(ci)＝g'(cj)，则以ci和cj两点为节点将两条曲线打断并重组，得到两个新的分段函数h1(x)和h2(x)：h1(x)=f(x),x∈[o,ci]g(x),x∈[ci,ci+1-cj]h2(x)=g(x),x∈[o,cj]f(x),x∈[cj,cj+1-ci]---(1)]]>等导节点的归一化处理：若重组后得到的新函数h1(x)或h2(x)中ci不等于cj，则对函数再进行归一化处理，即用函数除以定义域的长度，最后得到最终函数：H1=h1(x)ci+1-cjH2=h2(x)cj+1-ci---(2)]]>极值节点的特性分析：极值节点是导数为0的点，是一种特殊的等导节点，等导节点的函数变换同样适用于极值节点；但极值节点从图形学角度而言更易于观察，并且极值节点具有更活跃的组合特性；组合基因情感意象异变剔除：由以上节点的迭代重组得到众多新的组合基因，虽然之前选择的父代基因是满足用户情感意象的，但是经过节点组合后得到的新曲线的曲率变化率和函数对称性却有可能产生异变；为与初始要求的情感意象保持一致，必须通过排异与检测来剔除这些含有与用户情感语义不符的奇异曲线，对重组得到的组合基因群进行优化使其更合理更具参考价值；产品基因诱变创新设计方法：诱变创新包括基于图形学的基因放大、旋转、倍增、阵列、填充、缺失和镜像方法；产品基因融合：在定向融合关键技术的基础上，为对函数进行智能放大、旋转和平移，需要开发Matlab环境下的智能定向融合工具，进行二维空间内形态基因函数的放大变化、视图平面内形态基因函数的放大变化变形、X轴、Y轴、Z轴的旋转函数、X方向、Y方向、Z方向的平移函数、靶向基因、目标基因分析以及智能融合动作；产品基因排异方法：为对诱变创新以及融合产生的新产品形态基因进行排异检测和修正，从产品的工程设计特性和形态融合的协调性考虑；拟对可能存在的可制造性问题，拔模斜角这些工程问题进行考察和修正，进一步促进形态基因的融合。