Интеллектуальная поддержка инженерного анализа на основе рассуждений по прецедентам : на примере задач контактной механики

Интеллектуальная поддержка инженерного анализа на основе рассуждений по прецедентам : на примере задач контактной механики

Автор: Сливин, Роман Юрьевич

Шифр специальности: 05.13.12

Научная степень: Кандидатская

Год защиты: 2006

Место защиты: Волгоград

Количество страниц: 192 с. ил.

Артикул: 3013112

Автор: Сливин, Роман Юрьевич

Стоимость: 250 руб.

Интеллектуальная поддержка инженерного анализа на основе рассуждений по прецедентам : на примере задач контактной механики  Интеллектуальная поддержка инженерного анализа на основе рассуждений по прецедентам : на примере задач контактной механики 

СОДЕРЖАНИЕ
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ.
ВВЕДЕНИЕ.
ГЛАВА 1. ПОДХОДЫ К ПОДДЕРЖКЕ ИНЖЕНЕРНОГО АНАЛИЗА
1.1. ПРОЦЕСС ИНЖЕНЕРНОГО АНАЛИЗА И ЕГО АВТОМАТИЗАЦИЯ.
1.2. Задачи контактной механики. Метод конечных элементов.
1.3. Рассуждения по прецедентам и их применение для
ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ИНЖЕНЕРНОГО АНАЛИЗА
1.3.1. Технология рассуждений по прецедентам.
1.3.2. Формы представления прецедентов.
1.3.3. Алгоритмы поиска и адаптации прецедентов
1.4. Цель и задачи исследования
ГЛАВА 2. МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ
2.1. Структура модели
2.1.1. Общая характеристика модели.
2.1.2. Качественная модель физической системы
2.1.2.1. Общая характеристика качественной модели
2.1.2.2. Качественные переменные.
2.1.2.3. Структурные элементы качественной модели
2.1.3. Описание прецедента инженерного анализа.
2.1.4. Зависимости между параметрами.
2.2. Свойства модели. Представимость в виде графа и онтологии.
2.2.1. Основные свойства модели
2.2.2. Представление модели с помощью онтологии
2.2.3. Представление модели в виде графа.
2.3. Задачи рассуждений на модели
Выводы по главе 2
ГЛАВА 3. МЕХАНИЗМ РАССУЖДЕНИЙ. АЛГОРИТМЫ.
3.1. Выбор прецедентов
3.1.1. Общий подход к выбору прецедентов на основе близости
3.1.2. Процедура сопоставления вершин графов
3.1.3. Оценка локальной близости двух вершин графов.
3.2. Адаптация прецедентов.
3.2.1. Обший алгоритм адаптации
3.2.2. Алгоритм проверки путей близости
3.3. Алгоритм проецирования критических точек переменных
3.4. Основные свойства разработанных алгоритмов.
Выводы по главе 3
ГЛАВА 4. АПРОБАЦИЯ МОДЕЛЕЙ И АЛГОРИТМОВ.
4.1. Архитектура автоматизированной системы. Аспекты
РЕАЛИЗАЦИИ.
4.2. Методика решения инженерной задачи с использованием
автоматизированной системы.
4.3. Процесс решения инженерной задачи. Тестовый пример
4.4. Тестирование эффективности алгоритмов.
Выводы по главе 4
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


О Г|У1^^ри1 и Ш^АГМи Л4,^ 1|^и«*1ХЛ 1 У I 1 ииди ±*ХХ 1 V/! Вследствие этого при разработке систем автоматизации инженерного анализа (САЕ-систем) основное внимание уделяется фактически исключительно автоматизации инженерных расчетов. В то же время исследование методик инженерного анализа [, , , и др. При этом на данных этапах, помимо алгоритмических задач, представлены также играющие значительную роль основанные на знаниях (неалгоритмические) задачи. IDEF-диаграмма верхнего уровня (АО) модели процесса решения задачи инженерного анализа, построенной в ходе исследования данного процессе1 ППРЛГТЯППРи? МО 1 1 ГТ«от»л пиорпоч»'! ГГ^чт. ШЛ^пс» im jpxlv. По данным, представленным в [], задачи 2. При этом неадекватные решения, принятые на данных этапах, обуславливают до % возникающих при выполнении анализа ошибок. Анализ современных САЕ систем, включая ANSYS, ABAQUS, MARC, Pro/Mechanica, системы на ядре MSC. NASTRAN, а также работ, посвященных их применению при решении инженерных задач [6 и др. Y3au,nij получаемого решения (задачи 1. Помимо САЕ систем, следует отметить ряд специализированных разработок по интеллектуальной поддержке инженерного анализа. Рис. Мроцех решения задачи инженерного анапиза. ШЕР-диафамма, уровень АО. ЭС GENIUS [4], являющаяся надстройкой к программе конечноэлементного анализа FEAP [], осуществляет поддержку итерационного процесса расчета методом конечных элементов (задача 2. GENIUS контролирует в ходе расчета ряд параметров алгоритма для определения приближения к критическим точкам (пределам и точкам бифуркации) и модифицирует сценарий расчета, выполняемый FEAP, для обеспечения устойчивости и сходимости процесса. GENIUS использует модель представления знаний, основанную на продукционных правилах, и качественно-количественные преобразователи для взаимодействия с системой FEAP. REAP (Reusable Engineering Analysis Preprocessing) [] представляет собой методологию поддержки построения расчетной модели для анализа МКЭ (задача 2. РПП. Однако, являясь методологией, REAP не предлагает конкретных алгоритмов автоматизации данных задач. ВРА (A Best Practice Advice system), представленная в [4] - среда поддержки процесса инженерного анализа, ориентированная на управление корпоративными бизнес-процессами, связанными с инженерной деятельно стью, включая координацию распределенных процессов, осуществляемых коллективами инженеров и аналитиков. Основные функции системы - распределение заданий между исполнителями, подбор средств и инструментов для выполнения задач инженерного анализа, предоставление информации об аналогичных заданиях и т. Система использует технологии Computer-supported collaborative work (CSCW) и РПП. Ядром системы является Виртуальный Репозиторий (Virtual Repository, VR) - хранилище информации об инженерных задачах и средствах их решения, основанный на объектной модели предметной области. Данный проект может быть классифицирован лил автоматизированная информационно-поисковая система (ЛИПС). В работе [9] представлена система интеллектуальной поддержки построения расчетной модели и интерпретации результатов при анализе МКЭ, использующая структурно-функциональную модель представления технического объекта, в которой каждый структурный компонент объекта представлен выполняемой функцией, и продукционную модель представления знаний о процессе анализа, в которой антецеденты продукционных правил сопоставляются структурным компонентам технического объекта, а консеквенты являются процедурами, генерирующими фрагменты конечноэлементной модели с учетом выведенных моделирующих допущений (задача 2. Интерпретация результатов (задача 2. Следует отметить, что данные ограничения непосредственно связаны с используемой технологией ИИ (ЭС, основанная на явной модели предметной области) и естественным образом могут быть преодолены при использовании технологии рассуждений по прецедентам. В ходе анализа систем ИГ1ИА были выделены основные параметры, по которым они могут быть классифицированы. Данные параметры представлены в табл.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.208, запросов: 244