先進設(shè)計理論與方法

前言
第1章緒論
1.1先進設(shè)計的內(nèi)涵與意義
1.1.1先進設(shè)計的內(nèi)涵
1.1.2先進設(shè)計的意義
1.2先進設(shè)計的特點
1.3先進設(shè)計的原則
1.3.1功能滿足原則
1.3.2經(jīng)濟合理原則
1.3.3社會適用原則
1.3.4質(zhì)量保障原則
1.3.5工藝優(yōu)良原則
1.4先進設(shè)計方法
1.4.1優(yōu)化設(shè)計方法
1.4.2基于仿真的設(shè)計
1.4.3不確定性設(shè)計
1.4.4多子系統(tǒng)層級設(shè)計
1.4.5多尺度建模與設(shè)計
1.4.6輕量化設(shè)計
1.4.7智能設(shè)計
復(fù)習思考題
第2章優(yōu)化設(shè)計方法
2.1基本概念和理論
2.1.1基本概念
2.1.2基本理論
2.2進化算法
2.2.1遺傳算法
2.2.2差分進化算法
2.3群智能優(yōu)化算法
2.3.1蟻群算法
2.3.2粒子群算法
2.3.3人工魚群算法
2.4其他智能優(yōu)化算法
2.4.1模擬退火算法
2.4.2免疫算法
2.5多目標優(yōu)化方法
2.5.1線性加權(quán)組合法
2.5.2功效系數(shù)法
2.5.3主要目標法
2.6MATLAB在優(yōu)化設(shè)計中的應(yīng)用
2.6.1MATLAB軟件簡介
2.6.2應(yīng)用實例
復(fù)習思考題
第3章基于仿真的設(shè)計
3.1計算機輔助設(shè)計
3.1.1CAD系統(tǒng)
3.1.2計算機輔助圖形處理
3.1.3CAD建模技術(shù)
3.2計算機輔助工程分析
3.2.1有限元基本原理
3.2.2建模與仿真分析
3.3試驗設(shè)計
3.3.1均勻設(shè)計
3.3.2正交設(shè)計
3.3.3拉丁超立方設(shè)計
3.4代理模型技術(shù)
3.4.1多項式響應(yīng)面
3.4.2徑向基函數(shù)
3.4.3Kriging
3.4.4混沌多項式展開
3.4.5多保真度代理模型
3.5敏感性分析
3.5.1局部敏感性分析
3.5.2全局敏感性分析
3.6自適應(yīng)序列采樣
3.7應(yīng)用案例
3.7.1翼子板結(jié)構(gòu)優(yōu)化設(shè)計
3.7.2翼子板鋪層優(yōu)化設(shè)計方法
3.7.3以安裝點剛度為目標的Kriging模型構(gòu)建
3.7.4翼子板鋪層優(yōu)化設(shè)計研究
復(fù)習思考題
第4章不確定性設(shè)計
4.1基本概念和理論
4.1.1基本概念
4.1.2基本理論
4.2不確定性量化
4.2.1參數(shù)不確定性
4.2.2代理模型不確定性
4.3不確定性傳遞
4.3.1基于數(shù)字模擬的方法
4.3.2基于局部展開的方法
4.3.3基于數(shù)值積分的方法
4.3.4基于函數(shù)展開的方法
4.4不確定性變換
4.4.1正交變換
4.4.2Rosenblatt變換
4.4.3Nataf變換
4.4.4Copula及Vine Copula理論
4.5隨機過程與隨機場
4.5.1隨機過程
4.5.2隨機場
4.5.3隨機離散理論
4.6多源不確定性分析
4.6.1不確定性源
4.6.2耦合量化與分析
4.7不確定性優(yōu)化設(shè)計
4.7.1穩(wěn)健性設(shè)計
4.7.2可靠性設(shè)計
4.7.3可靠性穩(wěn)健設(shè)計
4.8應(yīng)用案例
復(fù)習思考題
第5章多子系統(tǒng)層級設(shè)計
5.1基本概念和理論
5.1.1基本概念
5.1.2基本理論
5.2多子系統(tǒng)分解策略
5.2.1目標級聯(lián)分析
5.2.2協(xié)同優(yōu)化法
5.2.3兩級集成系統(tǒng)綜合法
5.2.4并行子空間優(yōu)化法
5.3系統(tǒng)不確定性分析
5.3.1相關(guān)性建模
5.3.2λ-PDF擬合技術(shù)
5.3.3子系統(tǒng)不確定性分析
5.3.4系統(tǒng)分析框架
5.4層級敏感性分析
5.4.1相關(guān)變量敏感性分析
5.4.2集成策略
5.5系統(tǒng)代理模型構(gòu)建
5.5.1子系統(tǒng)代理模型構(gòu)造
5.5.2子系統(tǒng)保真度提高
5.6基于系統(tǒng)分解的設(shè)計方法
5.6.1前饋耦合系統(tǒng)
5.6.2后饋耦合系統(tǒng)
5.7應(yīng)用案例
復(fù)習思考題
第6章多尺度建模與設(shè)計
6.1基本概念和理論
6.1.1基本概念
6.1.2基本理論
6.2細觀尺度建模
6.2.1細觀尺度隨機性表征
6.2.2細觀尺度隨機性重構(gòu)
6.2.3細觀尺度隨機性建模
6.3介觀尺度建模
6.3.1介觀尺度隨機性表征
6.3.2介觀尺度隨機性重構(gòu)
6.3.3介觀尺度隨機性建模
6.4多尺度本構(gòu)建模
6.4.1唯象本構(gòu)
6.4.2細觀尺度隨機性本構(gòu)
6.4.3介觀尺度隨機性本構(gòu)
6.4.4宏觀尺度隨機性預(yù)測
6.5多尺度優(yōu)化設(shè)計及應(yīng)用案例
6.5.1多尺度優(yōu)化設(shè)計流程
6.5.2應(yīng)用案例
復(fù)習思考題
第7章輕量化設(shè)計
7.1輕量化設(shè)計流程
7.1.1設(shè)計問題定義
7.1.2設(shè)計流程
7.2材料輕量化設(shè)計
7.2.1車身材料強度理論
7.2.2車身材料選擇原則
7.3結(jié)構(gòu)輕量化設(shè)計
7.3.1形狀優(yōu)化
7.3.2拓撲優(yōu)化
7.4面向多學科性能的輕量化設(shè)計
7.4.1汽車結(jié)構(gòu)剛度設(shè)計
7.4.2汽車結(jié)構(gòu)強度設(shè)計
7.4.3面向汽車NVH性能的輕量化設(shè)計
7.4.4面向汽車碰撞安全性的輕量化設(shè)計
7.4.5應(yīng)用案例
復(fù)習思考題
第8章智能設(shè)計
8.1概述
8.2特征工程
8.2.1特征理解
8.2.2特征增強
8.2.3特征轉(zhuǎn)換
8.3數(shù)據(jù)挖掘
8.3.1分類方法
8.3.2聚類方法
8.3.3降維分析
8.4基于機器學習的設(shè)計
8.4.1神經(jīng)網(wǎng)絡(luò)
8.4.2深度生成模型
8.5基于數(shù)字孿生的設(shè)計
8.5.1物理實體
8.5.2虛擬實體
8.5.3服務(wù)
8.5.4孿生數(shù)據(jù)
8.5.5連接
8.6數(shù)據(jù)驅(qū)動的智能設(shè)計
8.6.1數(shù)據(jù)驅(qū)動的力學超材料設(shè)計
8.6.2大數(shù)據(jù)專家系統(tǒng)
復(fù)習思考題
參考文獻