论文摘要：基于Enovia LCA的装备RMS设计知识库研究

装备的可靠性维修性保障性（RMS）设计需要基础数据的支撑，如何在数字化设计的环境下将主要以非结构化形式表达的产品故障数据进行有效的利用以支持装备RMS设计是当前困扰装备研制早期开展RMS数字化设计的一个主要问题。针对这一问题，本文给出了一种基于数字化环境的装备RMS设计知识库构建方法，并从装备使用中重要故障数据和装备RMS设计中的重要设计经验收集、存储和利用等方面开展相关技术的研究。本文探索了KBE技术在RMS设计中的初步应用，对其中的关键技术进行了研究和探讨。本文基于MOKA方法论规划了装备RMS设计知识库构建的基于知识的工程（KBE）工程过程，涉及需求分析、知识形式化建模、设计框架研究、软件实现以及应用等各个方面。本文围绕基于知识的RMS设计工程过程需求，主要开展RMS设计知识表达、知识推理与基于PLM实现三个方面的技术研究。首先，本文在广泛调研的基础上选用本体的方法对产品故障及其相关的知识进行表达。分析了影响装备故障的各种因素，从产品、任务、故障三个概念出发，对其关联属性进行梳理，选择典型的属性对{产品，任务，故障}这个三元组的状态及这三个概念之间的关系进行表达。随后，本文应用基于案例的推理（CBR）方法完成故障案例的推理，并根据故障知识的特点，在CBR过程中结合了人工神经网络和数据挖掘技术。基于CBR的RMS案例推理过程研究包含两个方面内容，分别为故障案例检索方法研究与故障案例适应研究：故障案例检索过程为新故障案例找出相似案例集，为新案例设计提供参照；故障案例适应过程为新故障案例找出适应规则，为新案例的解决提供方案。本文针对故障案例数据分类困难的问题，应用了SOM人工神经网络的聚类功能，实现了原有故障案例的聚类以及新故障案例的归类，并能够帮助检索程序快速定位新故障案例的相似案例集。本文研究了基于粗集的故障数据挖掘方法，实现了将原有故障案例中的隐性规则提取，使得故障案例适应过程清晰并易于理解。最后，本文结合PLM平台Enovia LCA面向对象的数据表达方式，应用PLM平台的产品数据客户化模块，将以故障为中心的RMS数据模型结合到Enovia LCA中，基于平台本身的产品数据结构表达方式实现对故障案例的表达。支持装备RMS设计的知识库能够初步实现对简化故障知识的再利用，并在典型的PLM平台Enovia LCA上构建实现和案例验证，具有一定的工程价值，同时也为后续工作奠定了基础。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/208001.html