余進(jìn)文 佟國(guó)香 屈亞寧 王 萍

（1.上海理工大學(xué)光電信息與計(jì)算機(jī)工程學(xué)院 上海 200093）

（2.山東山大華天軟件有限公司 濟(jì)南 250000）

1 引言

伴隨著經(jīng)濟(jì)全球化和信息技術(shù)的快速發(fā)展，產(chǎn)品全生命周期管理（Product Lifecycle Management，PLM）的概念隨之產(chǎn)生［1］。

PLM 系統(tǒng)是以數(shù)據(jù)為核心的集產(chǎn)品全生命周期的各個(gè)階段為一體的統(tǒng)一管理平臺(tái)［2］。企業(yè)員工、用戶及合作伙伴均可以使用該平臺(tái)進(jìn)行高效協(xié)同工作。

全球各大知名企業(yè)如西門子公司、PTC 公司、達(dá)索公司的相關(guān)軟件都有力地證明了PLM 系統(tǒng)在大型制造業(yè)公司中的重要地位。

波音公司將PLM 系統(tǒng)應(yīng)用到飛機(jī)制造領(lǐng)域，開創(chuàng)性地使用了協(xié)同制造技術(shù)和數(shù)字孿生技術(shù)，縮短了各型號(hào)飛機(jī)的研制周期，提高了生產(chǎn)效率和企業(yè)的競(jìng)爭(zhēng)力。

PLM系統(tǒng)的關(guān)鍵技術(shù)是產(chǎn)品全生命周期建模，它覆蓋了產(chǎn)品全生命周期內(nèi)的各種活動(dòng)［3］。目前研究熱點(diǎn)主要有面向產(chǎn)品生命周期不同階段的產(chǎn)品信息建模、從動(dòng)態(tài)可擴(kuò)展的角度建立產(chǎn)品模型、以產(chǎn)品知識(shí)模型為核心建立產(chǎn)品模型、產(chǎn)品建模和過(guò)程建模相聯(lián)系、元數(shù)據(jù)建模技術(shù)與本體相結(jié)合等［4］。浙江大學(xué)顧巧祥等分析了產(chǎn)品全生命周期模型特點(diǎn)，結(jié)合元模型技術(shù)與本體建模技術(shù)，在元模型的基礎(chǔ)上構(gòu)建產(chǎn)品全生命周期數(shù)據(jù)本體，基于元模型提出產(chǎn)品概念模型和產(chǎn)品全生命周期數(shù)據(jù)模型。通過(guò)描述產(chǎn)品本體論的概念描述了一個(gè)可擴(kuò)展的產(chǎn)品數(shù)據(jù)框架［5］，該框架是分布式產(chǎn)品生命周期數(shù)據(jù)管理系統(tǒng)的基礎(chǔ)。Ghang 等開發(fā)了一種稱為喬治亞技術(shù)的從過(guò)程到產(chǎn)品建模（GTPPM）的PPM 方法［6］，并研究了PPM 的需求收集和建模的語(yǔ)義和語(yǔ)法。其需求收集方法提供了集成過(guò)程模型與其中使用的一組特定信息項(xiàng)的理論鏈接。這種理論聯(lián)系使建模人員能夠捕獲活動(dòng)中使用的信息的內(nèi)容、范圍、粒度和語(yǔ)義。提高了產(chǎn)品建模的效率。Xi等提出采用知識(shí)本體來(lái)描述信息模型的概念、屬性和關(guān)系。使用數(shù)據(jù)鏈接構(gòu)建技術(shù)將信息模型轉(zhuǎn)換為基于本體的RDF 數(shù)據(jù)，并將這些實(shí)體與DBpedia 和GeoNames相連接。提高了數(shù)據(jù)庫(kù)中信息模型的可訪問(wèn)性、互操作性和重用性［7］。

目前PLM 系統(tǒng)大多應(yīng)用于文檔管理，難以解決跨系統(tǒng)異構(gòu)平臺(tái)之間數(shù)據(jù)交互難的問(wèn)題。PLM系統(tǒng)通常使用XML 文件作為中間介質(zhì)完成模型之間的關(guān)聯(lián)與映射，再把系統(tǒng)中的模型信息存儲(chǔ)到知識(shí)庫(kù)中［8～9］。大多數(shù)方法缺乏統(tǒng)一規(guī)劃，難以做到信息模型的統(tǒng)一管理，只實(shí)現(xiàn)了關(guān)聯(lián)模型在分系統(tǒng)間的傳遞與交互［10］。復(fù)雜產(chǎn)品的研制涉及的數(shù)據(jù)信息遍歷概念、設(shè)計(jì)、采購(gòu)、制造、銷售和售后各階段，數(shù)據(jù)間的相互關(guān)聯(lián)錯(cuò)綜復(fù)雜。不同的信息模型在語(yǔ)義上需要一致的表達(dá)方法［11］。以不同領(lǐng)域目標(biāo)設(shè)計(jì)為前提的優(yōu)化，在面向產(chǎn)品整個(gè)生命周期時(shí)可能發(fā)生沖突［12］。本文以后機(jī)身平尾系統(tǒng)為例，分析了基于模型的產(chǎn)品全生命周期（PLMM）的知識(shí)獲取、構(gòu)建、協(xié)同與管理技術(shù)，并提出一種模型關(guān)聯(lián)優(yōu)化方法，用于引導(dǎo)系統(tǒng)建模。

2 PLMM模型分析

產(chǎn)品全生命周期的信息模型包含產(chǎn)品設(shè)計(jì)、制造、銷售、使用、維護(hù)和回收過(guò)程的所有信息，其數(shù)據(jù)源來(lái)自于需求說(shuō)明書、CAD 模型、仿真模型、公式、工程圖、工藝文檔、生產(chǎn)規(guī)劃、檢驗(yàn)標(biāo)準(zhǔn)、質(zhì)量管控、安裝要求、銷售計(jì)劃、維修保養(yǎng)說(shuō)明等［13］，這些文件以不同的文件格式描述了產(chǎn)品生命周期中的各種信息。本文在PLMM 建模管理中以視圖的方式將產(chǎn)品全生命周期分為6 個(gè)階段視圖：概念視圖，設(shè)計(jì)視圖，采購(gòu)視圖，制造視圖，銷售視圖及售后視圖。據(jù)此將航天產(chǎn)品中后機(jī)身平尾系統(tǒng)的全生命周期信息模型劃分為118個(gè)模型，如圖1所示。

圖1 后機(jī)身平尾系統(tǒng)的模型架構(gòu)圖

3 模型關(guān)系設(shè)計(jì)方法

3.1 建立模型關(guān)系矩陣和關(guān)系綜合矩陣

模型間的關(guān)系分為功能關(guān)系、空間關(guān)系、連接關(guān)系和數(shù)據(jù)關(guān)系。為量化模型之間的關(guān)系，利用層次分析法中的比較與定量法則，分別以9、3、1、0 來(lái)表征模型間關(guān)系的強(qiáng)、中、弱、無(wú)。這里，模型的自身綜合關(guān)系取特定值1［14～15］。根據(jù)這一原則，可以建立針對(duì)全生命周期的模型關(guān)系矩陣。表1 給出了后機(jī)身平尾系統(tǒng)部分模型的關(guān)系矩陣。其中，序號(hào)1至8分別代表系統(tǒng)需求模型、功能接口模型、結(jié)構(gòu)模型、2D/3D 模型、制造工藝模型、運(yùn)行數(shù)據(jù)模型、維護(hù)規(guī)劃模型和處置優(yōu)化模型。

表1 后機(jī)身平尾系統(tǒng)模型功能關(guān)系矩陣

3.2 模型相互綜合關(guān)系分析

根據(jù)3.1中獲得的模型關(guān)系矩陣建立關(guān)系綜合矩陣。從功能優(yōu)化和結(jié)構(gòu)優(yōu)化兩個(gè)屬性分析模型關(guān)聯(lián)優(yōu)化問(wèn)題時(shí)，模型關(guān)系矩陣包括數(shù)據(jù)關(guān)系、功能關(guān)系、結(jié)構(gòu)關(guān)系和連接關(guān)系。如圖2 所示。圖中w表示相應(yīng)的權(quán)重值。

圖2 模型關(guān)聯(lián)分析

按照比例構(gòu)成，權(quán)重構(gòu)成滿足下列公式：

上式中權(quán)重分配關(guān)系為w1:w2=1:1；w11:w12= 4:6；w13:w22=4:6。其中，功能優(yōu)化和結(jié)構(gòu)優(yōu)化的權(quán)重比為1∶1。功能關(guān)系相近的兩個(gè)模型必然有數(shù)據(jù)之間的聯(lián)系，因此，功能關(guān)系和數(shù)據(jù)關(guān)系的權(quán)重比取值為6∶4。有連接關(guān)系的兩個(gè)模型，結(jié)構(gòu)相似，因此連接關(guān)系和結(jié)構(gòu)關(guān)系的權(quán)重比取值為6∶4。綜合關(guān)系計(jì)算公式為

其中，Cij表示模型i與模型j的相互綜合關(guān)系，即一個(gè)模型在相關(guān)屬性下對(duì)另一個(gè)模型的影響力。

Cij越大，表示模型間相互影響力越大，這兩個(gè)模型劃為相同模塊的可能性就越大，反之亦然。表示模型i 與j 數(shù)據(jù)關(guān)系的量化值。以此類推，是功能關(guān)系的量化值；是結(jié)構(gòu)關(guān)系的量化值；是連接關(guān)系的量化值。

考慮k(2或3)維定位場(chǎng)景,使用N+1個(gè)移動(dòng)無(wú)線傳感器來(lái)定位一個(gè)移動(dòng)的未知目標(biāo)。將第i個(gè)運(yùn)動(dòng)的傳感器的位置和速度表示為已知的si,i=1,…,N 和未知目標(biāo)的位置和速度分別表示為 x 和參考傳感器用s0表示,可將TDOA和FDOA測(cè)量模型表示為[10]:

將權(quán)重構(gòu)成的分析結(jié)果代入式（2）得：

關(guān)系綜合矩陣，有如下特征：

1）C（ij）=C（ji），即該矩陣是一個(gè)對(duì)稱矩陣。

2）將所有模型對(duì)其自身的關(guān)系全部設(shè)置為1。即C（ii）=1。

最后的關(guān)系綜合矩陣為

4 模型關(guān)聯(lián)優(yōu)化算法

根據(jù)關(guān)系綜合矩陣推斷模型的優(yōu)化組合屬于物種類聚問(wèn)題。解決此類問(wèn)題的算法有閾值法（TA）、模擬退火法（SA）、蟻群算法（ACO）、一般遺傳算法（SGA）、種群遺傳算法（GGA）等［16］。各有優(yōu)劣。通過(guò)性能對(duì)比實(shí)驗(yàn)，種群遺傳算法在運(yùn)算規(guī)模和搜索能力上展現(xiàn)出更好的效果，因此，本文選擇種群遺傳算法用于模型關(guān)聯(lián)優(yōu)化，算法流程如下。

步驟1：生成初始化種群

假設(shè)模型數(shù)為N，隨機(jī)將這N 個(gè)模型放到m 個(gè)模塊中。重復(fù)這個(gè)操作，生成一定規(guī)模的初始種群即初始代。

步驟2：選擇

采用無(wú)回放余數(shù)隨機(jī)選擇策略和輪盤賭選擇法對(duì)種群中的個(gè)體進(jìn)行選擇。步驟如下。

2）取Ni的整數(shù)部分為對(duì)應(yīng)個(gè)體下下一代中的生存數(shù)目，這樣就確定了下一代M個(gè)種群中的個(gè)個(gè)體。

步驟3：交叉

選擇任意兩個(gè)初始代，保持原有模塊，設(shè)置交叉區(qū)域并以一定概率交叉。

步驟4：變異

去除交叉后存在冗余模型的模塊，將缺失的模型任意插入各個(gè)模塊或加入到新的模塊中。以0.001～0.2 概率從任意模塊中選取一個(gè)模型，放入其余任意模塊內(nèi)，完成變異。

步驟5：生成優(yōu)化結(jié)果

保證基因數(shù)不變，按適應(yīng)值高低以優(yōu)勝劣汰法則進(jìn)行選擇。值越高，表示空間向量積越大，模塊的劃分結(jié)果與設(shè)定的目標(biāo)越相似。經(jīng)過(guò)多次迭代，種群中個(gè)體適應(yīng)值最大的即為最優(yōu)化模型組合。

5 實(shí)驗(yàn)與結(jié)果分析

本 文 實(shí) 驗(yàn) 在Intel core（TM）i5-8300H CPU 2.3GHz，Pyghon3.6 條件下，針對(duì)以下兩種不同的初始條件進(jìn)行了算法性能分析實(shí)驗(yàn)：

1）初始種群為90 個(gè)初始代，交叉率為0.3，變異率為0.1，迭代次數(shù)120次；

2）初始種群為70 個(gè)初始代，交叉率為0.3，變異率為0.2，迭代次數(shù)240次。

5.1 模型關(guān)聯(lián)算法性能分析

為選擇合適的模型關(guān)聯(lián)優(yōu)化算法，本文針對(duì)常用的解決這類問(wèn)題的算法閥值法（TA）、模擬退火法（SA）、蟻群算法（ACO）、一般遺傳算法（SGA）以及種群遺傳算法（GGA）進(jìn)行了性能比較，如表2 所示。

針對(duì)模型關(guān)聯(lián)優(yōu)化問(wèn)題所關(guān)注的性能指標(biāo)，將性能占比設(shè)置為運(yùn)算規(guī)模25%、運(yùn)算速度10%、搜索能力25%、限制條件10%、解決類聚問(wèn)題30%。計(jì)算各個(gè)算法的適應(yīng)值，如表3 所示，種群遺傳算法的適應(yīng)值最高，說(shuō)明解決模型關(guān)聯(lián)優(yōu)化問(wèn)題的能力最強(qiáng)。

表3 優(yōu)化算法適應(yīng)值

5.2 模型關(guān)聯(lián)優(yōu)化實(shí)驗(yàn)結(jié)果分析

為了選擇合適的初始種群數(shù)，本文對(duì)初始種群數(shù)和收斂速度的關(guān)系進(jìn)行了評(píng)估。并給出了初始種群分別為70和90的模型關(guān)聯(lián)優(yōu)化處理進(jìn)程。

從圖3可以看到，初始種群數(shù)在60～80之間，收斂速度相對(duì)較快，獲得了更好的優(yōu)化性能。為進(jìn)一步驗(yàn)證初始種群選擇區(qū)間的有效性，圖4 和圖5 給出了相同實(shí)驗(yàn)環(huán)境下，初始種群分別為70 和90 的優(yōu)化進(jìn)程圖。分別使用逼近曲線表示平均函數(shù)適應(yīng)值，使用階躍曲線表示最大函數(shù)適應(yīng)值。

圖3 收斂速度與初始種群數(shù)的關(guān)系

由圖4 可以看到，由于初始種群較少，變異率較高，圖像抖動(dòng)比較明顯。但迭代至82 時(shí)得到最優(yōu)解。圖5 中變異率降低，圖像收斂較平緩，但迭代至126 時(shí)才獲得最優(yōu)解，收斂速度明顯下降。進(jìn)一步驗(yàn)證了初始種群數(shù)在60～80 之間時(shí)，可以獲得相對(duì)較快的收斂速度。實(shí)驗(yàn)表明，收斂速度與種群初始化有關(guān)，但都可以獲得統(tǒng)一的最優(yōu)解，說(shuō)明了最大值的全局性和有效性。因此，在實(shí)踐中選擇獲得最大適應(yīng)值時(shí)的模型組合即可以作為產(chǎn)品全生命周期中最優(yōu)化的數(shù)據(jù)模型組合。

圖4 初始種群為70時(shí)的優(yōu)化進(jìn)程

圖5 初始種群為90時(shí)的優(yōu)化進(jìn)程

6 結(jié)語(yǔ)

本文提出一種基于復(fù)雜產(chǎn)品全生命周期模型的關(guān)聯(lián)優(yōu)化方法?；诜N群遺傳算法利用模型之間的關(guān)聯(lián)尋找模型的最佳組合，以此引導(dǎo)系統(tǒng)工程建模，提高建模速度。本文提出的模型關(guān)聯(lián)優(yōu)化方法在航天產(chǎn)品后機(jī)身平尾系統(tǒng)的建模過(guò)程中獲得了較好的成效。但由于后機(jī)身平尾系統(tǒng)中模型數(shù)量有限，對(duì)于更復(fù)雜的產(chǎn)品模型還缺乏驗(yàn)證數(shù)據(jù)。因此，下一步的研究方向?qū)⑨槍?duì)更復(fù)雜的產(chǎn)品生命周期的建模需求，研究產(chǎn)品全生命周期模型的知識(shí)獲取、智能檢索與知識(shí)融合方法，從基礎(chǔ)的模型構(gòu)建時(shí)便融入模型的關(guān)聯(lián)關(guān)系表達(dá)，實(shí)現(xiàn)跨單位、跨階段、跨層次全生命周期統(tǒng)一建模，進(jìn)而實(shí)現(xiàn)產(chǎn)品全生命周期的信息交換與共享。