基于基元模型的大型水轮机方案设计综合特性曲线处理技术

• 论文 •

基于基元模型的大型水轮机方案设计综合特性曲线处理技术

王体春，陈炳发，卜良峰，王威

1.南京航空航天大学机电学院，江苏南京210016；2.哈尔滨电机厂有限责任公司产品设计部，黑龙江哈尔滨150040

出版日期:2011-02-25 发布日期:2011-02-25

Multiple characteristic curves processing technology for large scaled hydraulic turbines scheme design based on basic element model

WANG Ti-chun, CHEN Bing-fa, BU Liang-feng, WANG Wei

1.College of Mechanical & Electrical Engineering, Nanjing University of Aeronautics & Astronautics,Nanjing 210016, China；2.Department of Product Design, Harbin Electric Machinery Company Ltd., Harbin 150040, China

Online:2011-02-25 Published:2011-02-25

摘要/Abstract

摘要： 为提高大型水轮机方案设计的效率，对设计知识进行合理组织和设计求解。通过基元对设计知识进行描述，建立了综合特性曲线处理转轮选取的基元蕴含模型与数据存储模型。通过搜索运行区域工况点进行算法改进,建立了工况运行区域基元关联判定模型与数据顺滑模型,从而完成选型设计综合特性曲线处理过程。通过某大型水轮机选型方案设计实例，验证了方法和模型的有效性和可操作性。

关键词: 方案设计, 人工智能, 基元模型, 综合特性曲线, 水轮机, 设计知识, 产品设计

Abstract: To improve efficiency of scheme design for large-scale hydraulic turbines, reasonable organization of design knowledge and its intelligent design made valuable contributions to design tasks. After describing the design knowledge with basic element, the basic element implication model of running selection and the data storage model were presented. And then, an improved searching and matching method of key points in running area was put forward, based on these, the data smooth model and the basic element interaction and judgment model of key points in running area were presented. Finally, an example of large-scale hydraulic turbines scheme design was provided to validate the efficiency and feasibility of the proposed models.

Key words: scheme design, artificial intelligence, basic element model, multiple characteristic curves, hydraulic turbines, design knowledge, product design

中图分类号:

TP311
TV741

王体春，陈炳发，卜良峰，王威. 基于基元模型的大型水轮机方案设计综合特性曲线处理技术[J]. .

WANG Ti-chun, CHEN Bing-fa, BU Liang-feng, WANG Wei. Multiple characteristic curves processing technology for large scaled hydraulic turbines scheme design based on basic element model[J]. .

[1]	吴若仟,江屏,卢佩宜,张焱焱. 产品设计中基于质量功能配置的需求转化过程[J]. 计算机集成制造系统, 2021, 27(5): 1410-1421.
[2]	程永胜,徐骁琪,陈国强,孙利,吴俭涛. 基于神经网络的电动汽车造型意象预测模型[J]. 计算机集成制造系统, 2021, 27(4): 1135-1145.
[3]	苏兆婧,余隋怀,初建杰,段晓赛,宫静. 面向云服务平台的产品感性评价及标注模型[J]. 计算机集成制造系统, 2021, 27(3): 868-877.
[4]	魏莹,刘冠,李锋. 基于社交网络效应的产品设计研究[J]. 计算机集成制造系统, 2021, 27(12): 3591-3603.
[5]	苏兆婧,余隋怀,初建杰,于明玖,宫静,黄悦欣. 需求驱动的云平台产品关键设计特征识别方法[J]. 计算机集成制造系统, 2021, 27(12): 3604-3613.
[6]	乐万德,任静,刘舟洲,杨楠,初建杰. 频谱基因控制的概念产品族设计[J]. 计算机集成制造系统, 2021, 27(11): 3273-3281.
[7]	王柏村,易兵,刘振宇,周源,周艳红. HCPS视角下智能制造的发展与研究[J]. 计算机集成制造系统, 2021, 27(10): 2749-2761.
[8]	程贤福,万冲,邱浩洋,万丽云. 模块化产品设计中模块间的关联分析与解耦策略[J]. 计算机集成制造系统, 2020, 26(第4): 1043-1051.
[9]	柴灏,黄仪,张征,卢纯福,鲁聪达. 基于响应面法的多材料优化模型与应用[J]. 计算机集成制造系统, 2020, 26(7): 1824-1830.
[10]	王阳,裘乐淼,刘晓健,张树有,张利春. 基于关联约束网络的定制产品隐式需求激活技术[J]. 计算机集成制造系统, 2020, 26(7): 1855-1867.
[11]	杨程,谭昆,俞春阳. 基于评论大数据的手机产品改进[J]. 计算机集成制造系统, 2020, 26(11): 3074-3083.
[12]	周子洪,周志斌,张于扬,孙凌云. 人工智能赋能数字创意设计:进展与趋势[J]. 计算机集成制造系统, 2020, 26(10): 2603-2614.
[13]	罗仕鉴,边泽,张宇飞,陆佳炜,卢世主. 基于形态匹配的产品仿生设计融合[J]. 计算机集成制造系统, 2020, 26(10): 2633-2641.
[14]	苏珂,郑艺,朱运海,李杨,李邵鹏. 面向产品设计前期的集约化设计方法[J]. 计算机集成制造系统, 2020, 26(10): 2670-2677.
[15]	刘征,王昀. 基于知识计量的产品设计调研方法[J]. 计算机集成制造系统, 2020, 26(10): 2690-2702.