摘要
本发明公开了一种机器学习和案例推理混合驱动的机械产品设计方法,包括:首先构建备选案例集合,然后基于领域知识构建产品需求‑产品参数相关性矩阵和产品功能聚类关系矩阵;将新的新的机械产品设计任务分解成多个并行的子任务,利用所述聚类关系构建子任务的聚类模型;采用遗传算法求解聚类模型,得到求解后的产品功能聚类关系矩阵;基于产品功能聚类关系矩阵中的聚类关系的值,将聚类关系相同的产品参数作为一个子任务;通过矩阵得到每个子任务相关联需求参数及排序,通过需求参数检索得到可用案例集合,构建分类模型并训练神经网络模型;针对每个子任务,通过所述分类模型和神经网络模型,得到子任务的设计结果。
技术关键词
机械产品设计方法
参数
构建分类模型
训练神经网络模型
关系
聚类
矩阵
遗传算法求解
数值
编码
KNN算法
序列
物理
条目
专业
数据
系统为您推荐了相关专利信息
设备健康状态
工业设备
健康监测方法
风险评估报告
多模态
数据存储架构
数据管理系统
语义特征
数据迁移方法
关系
事件识别方法
污水管网
液位
序列
隐马尔可夫模型
量子点
材料性能参数
智能检测方法
多光谱
仿真数据