基于模式识别创新概念设计.docVIP

基于模式识别创新概念设计[关键词]模式识别;遗传算法;创新设计;CAD 随着社会的不断发展和人民生活水平的逐步提高, 市场竞争越来越激烈, 社会的消费观念也不断发生变化。产品的创新性、外观造型、宜人性、环保性等因素愈来愈受到重视, 在竞争中占据突出地位。 工艺品的设计更是突出了产品的创新性和外观造型的新颖性、多样性的重要性, 因此在设计过程中要充分考虑工艺品的美学特点及创新特性。但是创新性和美学观念是人类独有的特性, 很难用计算工具来模拟实现这个过程。 本文提出了一种基于基元模式识别的外观造型创新设计的新方法, 该方法展示出利用现有的计算方法生成草图及图像以支持特定领域的外观造型创新设计, 是可以实现的, 而且是有很大潜力的。 一、基本理论 1.模式识别。模式是通过对具体的事物进行观测所得到的具有时间与空间分布的信息, 模式所属的类别或同一类中的模式的总体称为模式类, 其中个别具体的模式往往称为样本。模式识别就是研究通过计算机自动地( 或者人为进行少量干预) 将待识别的模式分配到各个模式类中的技术。 2.遗传算法。遗传算法(GA) 是一种基于达尔文的生物进化论的适者生存原理的人工智能方法。由美国Michigan 大学Holland 教授于1975 年首次提出的。它模拟生物进化的步骤, 将繁殖、杂交、变异、竞争和选择等概念引入到算法中, 通过维持一组可行解, 并通过对可行解的重新组合, 改进可行解在多维空间内的移动轨迹或趋向, 最终走向最优解。它克服了传统优化方法容易陷入局部极值的缺点。这是一种新的全局优化搜索算法, 简单通用,鲁棒性强, 适于并行处理, 发展极为迅速, 现已广泛应用于计算机科学、优化调度、运输问题、组合优化控制系统优化及社会科学等领域。 二、一个实例 1.运用基于微元的模式识别方法对优秀工艺品进行识别。在模式识别问题中, 描述每一具体模式的信息是十分重要的, 但是每一个模式类中含有的具体的模式是非常繁多的。例如: 图片、景物的识别就十分复杂, 具有非常巨大的特征量。因此需要把复杂模式分解为若干简单子模式的结合, 子模式又分解为若干基元。通过对基元的识别, 进而识别子模式, 最终识别复杂模式。可见, 基元模式识别的方法是使用较小而简单的基元与语法规则来描述大而复杂的模式。因此将基元模式识别用于工艺品结构识别, 以及对图像内容进行描述是非常有效的。 本文采用的基元识别方法的第一步是将一个复杂的图像,分解成一个个子图像, 然后将子图像分解成最简单、最小的基元。基元可以是直线段、斜线段、圆弧段……然后进行语法分析、检查, 按照对象的结构规则去组成这些基元, 形成模式, 匹配要识别的对象, 作决策输出。可见, 为了达到正确识别, 关是用形状分析的有关技术, 从原图像中提取基元, 获取各个图像的编码。 2.利用遗传算法实现产品设计 (1)适应度函数 系统借鉴了工艺品设计中的形象度和抽象度的概念, 将其引入到遗传算法适应度函数的计算中, 应用了一种新的面向工艺品的设计问题求解算法。该方法既充分利用了遗传算法在全局优化方面的优势, 克服了以往布局算法的弊病, 又简化了遗传算法的运算复杂度, 从而提高了算法性能。 定义G 为基因适应度函数 G=W×VDN+( 1-W) ×ASDN VDN 是形象度, ASDN 是抽象度,W是形象度权值。形象度和抽象度具有自学习和自调整功能。 (2)遗传操作 遗传操作包括交叉、变异和选择。 ①交叉。交叉操作是在两个成功父辈树产生的两棵新树之间进行的, 在每棵父辈树上随机地选择一个交叉点, 然后交换以交叉 点为根的两棵子树, 产生两个后代。 ②变异。变异操作用来加强后代的多样性, 从而扩展解空间。该操作在单个父辈树上随机地选择一个节点, 然后用一棵新的子树替代父辈树上以选定节点为根的子树。 ③选择。对于概念设计阶段的创意设计, 无法给出一个形成目标函数的统一标准。因此, 很难用一个公式来计算适应度。在这里将采用一种通过与设计人员交互产生适应度值的方法。经过一个进化过程, 将由设计Agent 将设计人员所挑选出的满意的产品进行形象度和抽象度的计算值所得适应度为知识存储到设计Agent 的知识库中。以后如果遇到类似的情况, Agent 可以直接将其从知识库中取出重用。该方法将选取新设计的自主权交给了设计者, 这种选择方式是以人为中心的, 充分考虑到了设计人员的喜好, 并且通过设计Agent 观察和保存设计者的喜好,避免了重复指定适应度值, 这对难以定义目标函数的创新性设计, 是一种非常有效的方法。 (3)具体实现。 使用VC 作为开发工具, 并利用ACIS 产生相应的曲