[发明专利]基于生成式对抗网络的复杂产品变更强度预测方法

说明书

一种基于生成式对抗网络的复杂产品变更强度预测方法，属于产品设计领域。在复杂产品设计和开发过程中，由于客户需求变化、技术性能创新和组件供应商变化，产品设计变更是不可避免的。为帮助产品设计者快速预测复杂产品的变更影响强度，针对当前对产品变更强度预测中面临的历史变更强度数据样本少和变更强度预测不准确的问题，建立了一个适用于产品变更数据的生成式对抗网络，设计了一种适用于产品变更强度预测的卷积神经网络来对产品变更强度进行预测，从而达到扩充产品变更样本数量、增大变更样本多样性和提高变更强度预测准确性的目的。实验表明：该方法可生成质量更高、多样性更好的变更强度数据。同时，该方法对产品变更强度预测具备良好的准确性。

技术领域

本发明涉及一种复杂产品变更评估方法，特别是涉及一种小样本数据的复杂产品变更评估方法。

背景技术

在复杂产品设计和开发过程中，由于客户需求变化、技术性能创新和组件供应商变化，产品设计变更是不可避免的。在复杂产品中，系统的性能与各个部件的性能密切相关。因此，产品变化通常不会单独发生。考虑到复杂产品零件之间的强耦合关系，产品中一个非常小的变化可能会在连锁反应中影响其他组件或系统，从而导致不可预知的后果。在实际的生产过程中，产品变更与成本、人力资源、时间等因素密切相关，准确预测产品变更强度对指导产品的实际生产具有重要意义。近年来，产品变更强度预测方法得到广泛的应用和关注，依据国内外学者的研究成果，当前对产品变更强度预测问题主要结合复杂网络，利用复杂网络的网络特性进行产品变更问题的分析。如利用复杂网络中节点之间的依赖关系，以及复杂网络的静态几何特征来解决产品变更强度的预测问题。在这些产品变更问题的研究中，往往忽视了历史变更强度数据的重要作用，单纯靠网络特性来分析变更问题缺乏客观性。同时，对大多数产品变更问题来说，由于历史变更数据的缺乏，不能对变更问题进行精确的数据驱动分析。

针对当前对产品变更强度预测中面临的历史变更强度数据样本少和变更强度预测不准确的问题，提出了一种基于生成式对抗网络的复杂产品变更强度预测方法。该方法从数据根源着手，利用生成式对抗网络来扩充变更强度数据集，解决了产品变更问题中缺乏数据源的核心问题。该方法按照不同的权重值，将生成的产品强度变更数据集和真实的产品变更强度数据集作为输入卷积神经网络的输入对产品变更强度进行预测，与人为预测相比，提高了预测的准确性，在复杂产品设计变更问题中，极大地节省了设计人员工作的时间与成本，为设计人员进行变更决策提供了数据支持，对指导产品设计人员进行产品设计有着重要意义。为克服现有产品变更强度预测中面临的历史变更强度数据样本少和变更强度预测不准确的问题，提出一种基于生成式对抗网络的复杂产品变更强度预测方法。首先，该方法利用适用于产品变更强度数据生成的生成式对抗网络来生成高质量的产品变更强度数据；其次，将历史真实变更强度数据和生成变更强度按不同权重输入设计好的卷积神经网络中提取数据特征；最后，通过全连接层得到最终预测结果。本发明可帮助设计人员快速预测复杂产品的变更影响强度，对指导产品的设计生产具有重要意义。

发明内容

采用的技术方案为基于生成式对抗网络的复杂产品变更强度预测方法，具体实施步骤如下：

步骤1：收集数据：收集产品原始数据，包括复杂产品的各个零部件名称及其对应的历史变更强度数据；

步骤2：数据处理：对原始数据进行格式标准化，清除异常数据，删除重复数据，对错误数据进行修复或清除，将原始数据优化为有效数据；根据产品中零部件的关联关系，构建复杂产品的设计结构模型，如公式（1）所示：

 ，     （1）

其中， A_n表示产品中的第 n个零件；为方便描述产品间各零件的连接关系，构建复杂产品的网络图；构建各零件间的变更强度模型，如公式（2）所示：

 ，              （2）