基于运行数据驱动反向设计的复杂装备个性化定制

doi:10.3901/JME.2021.08.065

机械工程学报 ›› 2021, Vol. 57 ›› Issue (8): 65-80.doi: 10.3901/JME.2021.08.065

• 特邀专栏：庆祝厦门大学机电工程系建系80周年：微纳制造与智能制造 • 上一篇下一篇

扫码分享

基于运行数据驱动反向设计的复杂装备个性化定制

侯亮, 林浩菁, 王少杰, 连晓振, 张炜

厦门大学机电工程系厦门 361102

收稿日期:2020-11-27 修回日期:2021-03-20 出版日期:2021-04-20 发布日期:2021-06-15
通讯作者: 侯亮(通信作者)，男，1974年出生，博士，教授，博士研究生导师。主要研究方向为产品大批量定制技术、振动噪声控制以及工业大数据等。Email：hliang@xmu.edu.cn
作者简介:林浩菁，女，1989年出生，博士研究生。主要研究方向为工业大数据分析、反向设计理论等。E-mail：394770523@qq.com;王少杰，男，1985年出生，博士，助理教授，硕士研究生导师。主要研究方向为工业大数据分析与人工智能系统研发等。E-mail：wsj@xmu.edu.cn;连晓振，男，1990年出生，博士研究生。主要研究方向为产品大批量定制技术、反向设计理论、工业大数据分析等。E-mail：xzhen_l@163.com;张炜，男，1982年出生，博士研究生。主要研究方向为大批量定制设计、生产线规划。E-mail：zhangw@stu.xmu.edu.cn
基金资助:
国家自然科学基金（51975495）、国家重点研发计划（2020YFB1709901）、创新方法工作专项（2020IM010100）和福建省中央引导地方科技发展专项（2020L3002）资助项目。

Mass Personalization for Complex Equipment Based on Operating Data-driven Inverse Design

HOU Liang, LIN Haojing, WANG Shaojie, LIAN Xiaozhen, ZHANG Wei

Department of Mechanical and Electrical Engineering, Xiamen University, Xiamen 361102

Received:2020-11-27 Revised:2021-03-20 Online:2021-04-20 Published:2021-06-15

摘要/Abstract

摘要： 不同于消费类产品侧重外观配置等的显性个性化定制，装备产品往往需要在各种复杂环境和工况下高效、节能地完成预定任务。因此，装备产品的个性化定制不仅包含显性需求，还包含与使用场景或工况和运行性能与效率等相关的隐性个性化需求，后者对于提升产品竞争力具有更为重要的意义。在分析装备产品研发和运行特点及其面临的大数据机遇基础上，提出了一种基于运行数据驱动反向设计（Data-driven inverse design，DID）的复杂装备个性化定制方法（DID-MP）。首先给出了DID基本原理模型，并对比传统正向设计等方法分析了反向设计的基本特征。其次，基于传统大批量定制和运行数据驱动的反向设计，提出了一次定制和二次定制的概念，并给出了DID-MP的基本流程，阐述了反向设计目标选择、运行大数据采集、表征个性化使用环境的系统参数识别与建模，以及最优系统参数识别与前馈应用等关键技术。最后，给出了基于DID-MP的装载机变速箱模块优化定制以及动力传动控制系统定制升级的案例，并与传统设计结果对比表明DID-MP方法对于实现复杂装备个性化定制具有参考价值和意义。

关键词: 运行数据, 复杂装备, 反向设计, 个性化定制, 装载机

Abstract: Unlike consumer products with explicit personalization such as appearances, equipment products must finish scheduled tasks with energy efficiency in various complex usage scenarios and working conditions. Therefore, besides explicit personalized demands, equipment products contain implicit personalized demands hidden in diverse usage scenarios or working conditions, which challenges the personalization of equipment products. By analyzing the R&;D, operating characteristics, and big-data opportunities of equipment products, a mass personalization method based on data-driven inverse design (DID-MP) is proposed for complex equipment. Firstly, the data-driven inverse design is compared with the traditional forward design process, in order to introduce and highlight data-driven inverse design (DID) characteristics. Secondly, based on DID and traditional mass customization, two concepts, i.e., first-time customization and second-time customization, are proposed. The DID-MP framework for complex equipment is given together with the key techniques for objective selection, operating data acquisition, identification and modeling of system parameters based on usage scenarios, and optimal system parameter identification and feedforward application. Finally, a case study of optimizing and updating the loader transmission and control module is used to verify the proposed mass personalization method using DID. The comparison with the traditional methods shows that the proposed method is powerful to realize mass personalization of complex equipment.

Key words: operating data, complex equipment, inverse design, mass personalization, loaders

中图分类号:

TH166
U463

侯亮, 林浩菁, 王少杰, 连晓振, 张炜. 基于运行数据驱动反向设计的复杂装备个性化定制[J]. 机械工程学报, 2021, 57(8): 65-80.

HOU Liang, LIN Haojing, WANG Shaojie, LIAN Xiaozhen, ZHANG Wei. Mass Personalization for Complex Equipment Based on Operating Data-driven Inverse Design[J]. Journal of Mechanical Engineering, 2021, 57(8): 65-80.

参考文献

[1] 谭建荣，刘振宇，徐敬华. 新一代人工智能引领下的智能产品与装备[J]. 中国工程科学，2018，20(4)：35-43. TAN Jianrong，LIU Zhenyu，XU Jinghua. Intelligent products and equipment led by new-generation artificial intelligence[J]. Strategic Study of CAE，2018，20(4)：35-43.
[2] WANG Yi，MA Haishu，YANG Jinghui，et al. Industry 4.0：A way from mass customization to mass personalization production[J]. Advances in Manufacturing，2017，5(4)：311-320.
[3] LI Yunpeng，UTPAL R，SALTZ J. Modular design of data-driven analytics models in smart-product development[C]//International Mechanical Engineering Congress and Exposition，2017：71597.1-71597.10.
[4] 肖人彬，林文广. 数据驱动的产品族设计研究[J]. 机械设计，2020，37(6)：1-10. XIAO Renbin，LIN Wenguang. Research on data-driven product family design[J]. Journal of Machine Design，2020，37(6)：1-10.
[5] JOHANNES L，PATRICK K，KARL H，et al. Improving product-service systems by exploiting information from the usage phase：A case study[J]. Procedia CIRP，2016，47(1)：376-381.
[6] JIN Jian，LIU Ying，JI Ping，et al. Review on recent advances in information mining from big consumer opinion data for product design[J]. Journal of Computing and Information Science in Engineering，2019，19(1)：010801.1-010801.19.
[7] LIU Yao，JIANG Cuiqing，ZHAO Huimin. Using contextual features and multi-view ensemble learning in product defect identification from online discussion forums[J]. Decision Support Systems，2018，105：1-12.
[8] ZHAN Yuanzhu，TAN Kimhua，LI Yina，et al. Unlocking the power of big data in new product development[J]. Annals of Operations Research，2018，270(1-2)：1-19.
[9] ZHENG Pai，YU Shiqiang，WANG Yuanbin，et al. User-experience based product development for mass personalization：A case study[J]. Procedia Cirp，2017，63：2-7.
[10] ZHANG Lei，CHU Xuening，CHEN Hansi，et al. Identification of performance requirements for design of smartphones based on analysis of the collected operating data[J]. Journal of Mechanical Design，2017，139(11)：111418.
[11] 雷亚国，贾峰，孔德同，等. 大数据下机械智能故障诊断的机遇与挑战[J]. 机械工程学报，2018，54(5)：94-104. LEI Yaguo，JIA Feng，KONG Detong，et al. Opportunities and challenges of machinery intelligent fault diagnosis in big data era[J]. Journal of Mechanical Engineering，2018，54(5)：94-104.
[12] 龚勋，冯毅雄，谭建荣，等.复杂工况驱动的产品适应性设计方法[J]. 计算机集成制造系统，2014，20(3)：505-520. GONG Xun，FENG Yixiong，TAN Jianrong，et al. Product adaptable design method driven by complex condition[J]. Computer Integrated Manufacturing Systems，2014，20(3)：505-520.
[13] MA Hongzhan，CHU Xuening，LYU Guolin，et al. An integrated approach for design improvement based on analysis of time-dependent product usage data[J]. Journal of Mechanical Design，2017，139(11)：111401.1- 111401.13.
[14] CHEN Yongliang，PENG Qingjin，GU Peihua. Methods and tools for the optimal adaptable design of open-architecture products[J]. The International Journal of Advanced Manufacturing Technology，2018，94(1-4)：991-1008.
[15] 魏巍，许少鹏，梁赫. 基于环境资源因子的产品平台模块划分方法[J]. 计算机辅助设计与图形学学报，2016，28(2)：335-344. WEI Wei，XU Shaopeng，LIANG He. A module partition method of product platform based on environmental resource factors[J]. Journal of Computer-Aided Design &; Computer Graphics，2016，28(2)：335-344.
[16] 王少杰，侯亮，方奕凯，等.考虑产品运行大数据的装载机变速箱优化设计[J]. 机械工程学报，2018，54(22)：218-232. WANG Shaojie，HOU Liang，FANG Yikai，et al. Optimization design of wheel loader gearbox considering product operational big data[J]. Journal of Mechanical Engineering，2018，54(22)：232-246.
[17] IGBA J，ALEMZADEH K，GIBBONS P M，et al. A framework for optimising product performance through feedback and reuse of in-service experience[J]. Robotics and Computer Integrated Manufacturing，2015，36：2-12.
[18] HOU Liang，JIAO R J. Data-informed inverse design by product usage information：A review，framework and outlook[J]. Journal of Intelligent Manufacturing，2020，31(3)：529-552.
[19] 王峥，褚学宁，陈汉斯，等. 运行数据驱动的手机性能需求推断与感知分析[J]. 上海交通大学学报，2018，52(7)：777-783. WANG Zheng，CHU Xuening，CHEN Hansi，et al. A method for prediction of smartphone performance requirements perception analysis based on operation data[J]. Journal of Shanghai Jiao Tong University，2018，52(7)：777-783.
[20] JIAO R，SIMPSON T W，SIDDIQUE Z. Product family design and platform-based product development：A state-of-the-art review[J]. Journal of Intelligent Manufacturing，2007，18(1)：5-29.
[21] 肖人彬，赖荣燊，李仁旺. 从大规模定制化设计到大规模个性化设计[J]. 南昌工程学院学报，2021，40(1)：1-12. XIAO Renbin，LAI Rongshen，LI Renwang. From design for mass customization to design for mass personalization [J]. Journal of Nanchang Institute of Technology，2021，40(1)：1-12.
[22] ALBERT T. Inverse problem theory and methods for model parameter estimation[M]. Philadelphia：Society for Industrial and Applied Mathematics，2004.
[23] NETO F D M，NETO A J S. An introduction to inverse problems with applications[M]. Berlin：Springer Science &; Business Media，2012.
[24] ZAKUTAYEV A，ZHANG Xiuwen，NAGARAJA A，et al. Theoretical prediction and experimental realization of new stable inorganic materials using the inverse design approach[J]. Journal of the American Chemical Society，2013，135(27)：10048-10054.
[25] PAHL G，BEITZ W. Engineering design：A systematic approach[M]. 3rd ed. Berlin：Springer Science &; Business Media，2007.
[26] 冯毅雄，邱皓，高一聪，等. N-1型多面体夹芯结构体胞演化机理与性能正向设计[J]. 机械工程学报，2020，56(1)：119-131. FENG Yixiong，QIU Hao，GAO Yicong，et al. Evolution mechanism of unit cell and performance forward design of N-1 type polyhedral sandwich structure[J]. Journal of Mechanical Engineering，2020，56(1)：119-131.
[27] 韩忠华. Kriging模型及代理优化算法研究进展[J]. 航空学报，2016，37(11)：3197-3225. HAN Zhonghua. Kriging surrogate model and its application to design optimization：A review of recent progress[J]. Acta Aeronautica et Astronautica Sinica，2016，37(11)：3197-3225.
[28] 金涛，童水光. 逆向工程技术[M]. 北京：机械工业出版社，2003. JIN Tao，TONG Shuiguang. Reverse engineering technique[M]. Beijing：China Machine Press，2003.
[29] MA Hongzhan，CHU Xuening，XUE Deyi，et al. Identification of to-be-improved components for redesign of complex products and systems based on fuzzy QFD and FMEA[J]. Journal of Intelligent Manufacturing，2019，30(2)：623-639.
[30] 常绿，刘永臣. 基于用户使用工况的ZL50装载机传动比设计[J]. 农业工程学报，2011，27(2)：141-145. CHANG Lü，LIU Yongchen. Transmission ratio design of ZL50 Loader based on working condition[J]. Transactions of the Chinese Society of Agricultural Engineering，2011，27(2)：141-145.
[31] CAO B W，LIU X H，CHEN W，et al. Intelligent energy-saving operation of wheel loader based on identifiable materials[J]. Journal of Mechanical Science and Technology，2020，34(3)：1081-1090.

基于运行数据驱动反向设计的复杂装备个性化定制

Mass Personalization for Complex Equipment Based on Operating Data-driven Inverse Design

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	杨树军, 史正旭, 彭增雄, 李学良, 褚捷豪. 基于PTO转矩估计的液压机械无级变速装载机速比控制策略[J]. 机械工程学报, 2024, 60(18): 362-373.
[2]	黄鹏, 李长硕, 丁华锋, 陈子明, 赵玉倩. 液压装载机工作装置的构型综合与优选[J]. 机械工程学报, 2024, 60(1): 220-234.
[3]	王翔宇, 郝云晓, 权龙, 葛磊, 刘华坤. 电-液双源混驱装载机举升系统特性研究[J]. 机械工程学报, 2023, 59(7): 41-51.
[4]	邹乃威, 魏建伟, 段传栋, 初长祥. 轮式装载机混合动力系统电力变矩控制策略[J]. 机械工程学报, 2023, 59(24): 251-261.
[5]	何洪文, 王浩宇, 王勇, 李双歧. 基于实车运行数据的锂离子电池健康状态估计[J]. 机械工程学报, 2023, 59(22): 46-58.
[6]	张泽宇, 惠记庄, 张浩博, 耿麒, 卜正锋. 发动机与液力变矩器的主次工况功率匹配方法研究[J]. 机械工程学报, 2023, 59(16): 300-314.
[7]	蔡磊, 李文锋, 罗云. 个性化定制车间生产-物流协同调度框架与算法研究[J]. 机械工程学报, 2022, 58(7): 214-226.
[8]	王翔宇, 张红娟, 杨敬, 葛磊, 郝云晓, 权龙. 非对称泵控装载机动臂特性研究[J]. 机械工程学报, 2021, 57(12): 258-266,284.
[9]	王少杰, 侯亮, 方奕凯, 林浩菁, 郭涛, 焦建新. 考虑产品运行大数据的装载机变速箱优化设计[J]. 机械工程学报, 2018, 54(22): 218-232.
[10]	张泽群, 唐敦兵, 金永乔, 张海涛. 信息物联驱动下的离散车间自组织生产调度技术[J]. 机械工程学报, 2018, 54(16): 34-44.
[11]	蔡敢为;潘宇晨;王红州;戴建生. 基于功能分析的新型装载机构型综合研究[J]. , 2014, 50(11): 50-59.
[12]	潘宇晨;蔡敢为;王红州;高德中;戴建生. 具有变胞功能的电动装载机构构态进化拓扑结构分析与基因建模[J]. , 2014, 50(1): 38-46.
[13]	龚捷;鲍金锋;衣冠超;崔玉鑫. 基于计算力矩法的装载机工作装置轨迹控制[J]. , 2010, 46(13): 141-146.
[14]	李莺莺;邵善锋;李学忠;孟广良. 基于智能控制的装载机自动换挡策略[J]. , 2009, 45(8): 216-220.
[15]	龚捷;崔玉鑫. 装载机铲掘作业的轨迹规划[J]. , 2009, 45(7): 29-34.