專利名稱：順序組合過(guò)程的優(yōu)化的制作方法
背景技術(shù)：
本發(fā)明涉及順序組合過(guò)程的優(yōu)化。
存在許多包括一連串步驟的執(zhí)行的過(guò)程的示例，這些過(guò)程的最終結(jié)果可以通過(guò)以優(yōu)選方式執(zhí)行這些步驟來(lái)優(yōu)化。例如，制造過(guò)程可以包括這樣的步驟，在這種步驟中，特定變量的大小、數(shù)量、持續(xù)時(shí)間、壓力、溫度、粘度等影響制造出的產(chǎn)品的質(zhì)量。工業(yè)無(wú)疑是關(guān)注質(zhì)量的實(shí)現(xiàn)的，因此常常希望優(yōu)化各種步驟以獲得盡可能好的最終結(jié)果。
此優(yōu)化常常是通過(guò)過(guò)程建模來(lái)完成的。以這種方式，可比較參數(shù)或參數(shù)群組的不同值以確定哪個(gè)值給出最佳結(jié)果。由于其高精度以及應(yīng)對(duì)復(fù)雜情況的能力而尤其令人感興趣的一種建模技術(shù)是有限元(FE)分析。對(duì)于所考慮的過(guò)程的類型，該模型一般將感興趣的參數(shù)考慮成是在其中參數(shù)可取任何值的連續(xù)數(shù)值空間中定義的，并且在注意到其他參數(shù)的情況下尋求每個(gè)參數(shù)的最優(yōu)值。但是，就所需要的計(jì)算時(shí)間而言，這是一種昂貴的方法。為參數(shù)的一組值“運(yùn)行”一次FE模型可能要很多個(gè)小時(shí)，并且通常有很多不同的值要考慮。這意味著模型可能要采取數(shù)千次迭代以收斂到任何最優(yōu)解答，以使得對(duì)過(guò)程的全面研究可能要花費(fèi)長(zhǎng)到不可行的時(shí)間。此成本可能會(huì)超過(guò)從優(yōu)化過(guò)程實(shí)現(xiàn)的任何益處。
此缺點(diǎn)已由所謂的替代(surrogate)建模所解決。將替代模型用于優(yōu)化這一概念已被廣泛鉆研，以用于與昂貴計(jì)算相關(guān)的問(wèn)題。替代模型是FE(或其他復(fù)雜)模型的簡(jiǎn)單近似，其具有較短的迭代時(shí)間，因此它計(jì)算起來(lái)較快。一種公知的替代模型是kriging，但是也可使用任何其他的適合于特定問(wèn)題的近似方法。來(lái)自有限元分析模型的幾次運(yùn)行的結(jié)果被提供給替代模型以便“訓(xùn)練”它。這些運(yùn)行的數(shù)量依賴于所研究的過(guò)程的復(fù)雜度；通常20-30次運(yùn)行就足以給出足夠的精度級(jí)別。一旦替代模型被訓(xùn)練，它就經(jīng)歷優(yōu)化循環(huán)，在該循環(huán)中它針對(duì)感興趣的一個(gè)或多個(gè)參數(shù)的所有可能的值計(jì)算過(guò)程的結(jié)果，并且返回與過(guò)程的最優(yōu)結(jié)果相對(duì)應(yīng)的值。但是，此最優(yōu)值是基于替代模型的近似的，可能是不精確的。因此，通常針對(duì)相同的參數(shù)值運(yùn)行FE模型，并且將該結(jié)果與來(lái)自替代模型的結(jié)果相比較。如果存在較大差異，則這個(gè)最近的FE運(yùn)行的結(jié)果被饋送到替代模型，以改進(jìn)其訓(xùn)練，并且替代模型再次經(jīng)歷優(yōu)化循環(huán)，以此類推，直到達(dá)到兩個(gè)模型之間的可接受的吻合為止。以這種方式，替代模型在最優(yōu)值區(qū)域中變得更精確，這是因?yàn)橹辉谛枰戎幒托枰戎畷r(shí)才添加精度。通過(guò)將大量計(jì)算負(fù)荷從緩慢的FE模型轉(zhuǎn)移到較快的替代模型，減少了獲得最優(yōu)值所需要的整體計(jì)算時(shí)間。例如，單次FE運(yùn)行可能要花費(fèi)約48小時(shí)，而50000次替代估值可在少于十分鐘內(nèi)執(zhí)行。
另外，通過(guò)仔細(xì)選擇初始FE模型運(yùn)行以包括覆蓋被視為可能對(duì)確定最優(yōu)值有重要意義的參數(shù)值的參數(shù)值范圍，可以提高精度。這被稱為實(shí)驗(yàn)設(shè)計(jì)(DoE)，并且避免了將計(jì)算時(shí)間浪費(fèi)在遠(yuǎn)離所需結(jié)果的建模場(chǎng)景中。利用有限元分析和DoE的建模過(guò)程的一個(gè)示例可以在US 6,349,467[1]中找到，其中該技術(shù)被用來(lái)優(yōu)化用于制造燃?xì)鉁u輪燃燒室的偏轉(zhuǎn)板的過(guò)程中的步驟，以便避免對(duì)用于形成偏轉(zhuǎn)板的金屬片的不合需要的中間熱處理。
到目前為止，補(bǔ)充了替代模型的FE建模已被應(yīng)用到多種問(wèn)題中，在這些問(wèn)題中，希望優(yōu)化過(guò)程中使用的一個(gè)或多個(gè)參數(shù)的數(shù)值。這些問(wèn)題已被限于這樣的問(wèn)題這種問(wèn)題可被依賴于具有連續(xù)或離散性質(zhì)的變量的替代模型函數(shù)所近似，并且可被物理地或定量地表達(dá)。但是，還有一組過(guò)程，這種過(guò)程能夠從優(yōu)化受益，但是已知的替代建模技術(shù)無(wú)法應(yīng)用到這種過(guò)程，因?yàn)閱?wèn)題不在于找到參數(shù)的最優(yōu)數(shù)值。這些過(guò)程包括可以按任何次序或序列執(zhí)行或組合以實(shí)現(xiàn)過(guò)程的最終結(jié)果的若干個(gè)步驟或事件。但是，最終結(jié)果質(zhì)量依賴于執(zhí)行步驟的次序。換言之，在其中變量沒(méi)有物理意義的組合域中沒(méi)有替代模型優(yōu)化技術(shù)可用。目的是確定事件的最優(yōu)排序，以便獲得最佳的結(jié)果。因此，此問(wèn)題可被稱為順序組合優(yōu)化問(wèn)題；應(yīng)該以何種序列組合事件以給出最優(yōu)結(jié)果？將會(huì)意識(shí)到，此問(wèn)題不同于確定可量化的參數(shù)的最優(yōu)值的問(wèn)題；各個(gè)事件及其排序是沒(méi)有物理意義的非數(shù)值項(xiàng)目。迄今為止，仍必須依靠完全FE分析研究來(lái)解決這種優(yōu)化問(wèn)題。
為順序組合過(guò)程提供改進(jìn)的優(yōu)化技術(shù)的方法將會(huì)帶來(lái)巨大益處。

發(fā)明內(nèi)容
因此，本發(fā)明的第一方面針對(duì)一種優(yōu)化順序組合過(guò)程的方法，該順序組合過(guò)程包括多個(gè)可互換的事件，這些事件可按許多序列中的任何一個(gè)執(zhí)行以實(shí)現(xiàn)過(guò)程的最終結(jié)果，該最終結(jié)果由操作參數(shù)定義，該方法包括利用包括從所述許多序列選擇出的多個(gè)序列的實(shí)驗(yàn)設(shè)計(jì)，來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列鏈接到關(guān)于每個(gè)序列中的每個(gè)事件就操作參數(shù)而言對(duì)最終結(jié)果的貢獻(xiàn)的值的信息；利用過(guò)程的替代模型，該替代模型以事件的序列作為輸入，并通過(guò)對(duì)輸入序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值求和來(lái)確定最終結(jié)果的值，其中貢獻(xiàn)值是根據(jù)一個(gè)算法從來(lái)自操作參數(shù)信息的貢獻(xiàn)值中選擇出的，算法根據(jù)匹配條件的優(yōu)先級(jí)列表搜索實(shí)驗(yàn)設(shè)計(jì)，以查找輸入序列的每個(gè)事件與實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間的匹配，并取得匹配的事件的貢獻(xiàn)值；使許多序列中的多個(gè)序列經(jīng)過(guò)替代模型，并記錄每個(gè)序列的最終結(jié)果的值；以及通過(guò)搜索所記錄的來(lái)自替代模型的最終結(jié)果的值以查找所記錄的操作參數(shù)的最優(yōu)值，來(lái)識(shí)別最優(yōu)序列，給出此記錄的最優(yōu)值的序列是最優(yōu)序列。
從而，本發(fā)明將替代模型應(yīng)用到了順序組合問(wèn)題的優(yōu)化，不然所述順序組合問(wèn)題只能用諸如有限元分析建模之類的復(fù)雜建模來(lái)解決。它對(duì)復(fù)雜建模的非常耗時(shí)的性質(zhì)這一問(wèn)題提出了快速且高效的解決方案，這部分是因?yàn)樗軌蛲ㄟ^(guò)根據(jù)基于其有用度的優(yōu)先級(jí)列表訪問(wèn)信息來(lái)從可用信息中提取有用信息。這使得只要有可能就優(yōu)先使用更精確的信息而不是不那么精確的信息，因此由替代模型迅速產(chǎn)生的最終結(jié)果是對(duì)可以從常規(guī)復(fù)雜模型更緩慢地獲得的更精確的結(jié)果的良好近似。
從而計(jì)算花費(fèi)大大減少，并且精度沒(méi)有大損失。實(shí)驗(yàn)設(shè)計(jì)可以以靈活方式實(shí)現(xiàn)，因此該方法適合于增大信息量，從而允許在更多數(shù)據(jù)可用時(shí)進(jìn)行動(dòng)態(tài)擴(kuò)充，這提高了精度。
本發(fā)明已被實(shí)際應(yīng)用到實(shí)際工程情形，并且已通過(guò)從可能的46080個(gè)組合中的僅僅27次有限元分析主模型運(yùn)行來(lái)優(yōu)化焊接過(guò)程，從而充分證明了其益處。
在某些實(shí)施例中，該方法還包括通過(guò)使來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列經(jīng)過(guò)該過(guò)程的以事件的序列作為輸入的主模型，來(lái)獲得來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列鏈接到的信息，并確定最終結(jié)果的值和輸入序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值。以這種方式利用主模型以精確方式提供了替代模型所需的信息，而無(wú)需過(guò)程的實(shí)際實(shí)現(xiàn)。但是，整個(gè)優(yōu)化仍能比單獨(dú)用替代模型的優(yōu)化快得多，這是因?yàn)閮?yōu)先級(jí)化的匹配過(guò)程允許對(duì)少量信息進(jìn)行最充分的利用。從而，只用復(fù)雜主模型的少量運(yùn)行而不是單獨(dú)依賴主模型情況下所需的非常耗時(shí)的完整運(yùn)行集合，就能實(shí)現(xiàn)充分精確的結(jié)果。大部分計(jì)算負(fù)擔(dān)可轉(zhuǎn)移到替代模型，從而大大加快了優(yōu)化。
在此情境中，該方法還包括在使來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列經(jīng)過(guò)所述主模型之前，構(gòu)造主模型?？僧a(chǎn)生和使用從而為感興趣的過(guò)程特別定制的主模型，這將提高精度。
優(yōu)選地，替代模型是主模型的簡(jiǎn)化近似。如果替代模型在精度允許的范圍內(nèi)盡可能簡(jiǎn)單，則從主模型到替代模型的計(jì)算負(fù)擔(dān)轉(zhuǎn)移將會(huì)被最充分地利用，這是因?yàn)楹?jiǎn)單的模型一般計(jì)算起來(lái)更快。
該方法還可包括在識(shí)別最優(yōu)序列之后，使識(shí)別出的最優(yōu)序列經(jīng)過(guò)主模型，以確定最終結(jié)果的值，并將所記錄的由替代模型所確定的識(shí)別出的最優(yōu)序列的最優(yōu)值與由主模型所確定的最終結(jié)果相比較，以檢查最優(yōu)序列的識(shí)別精度。由于主模型比替代模型更精確，因此如果時(shí)間許可，則使識(shí)別出的最優(yōu)序列經(jīng)過(guò)主模型以檢查兩個(gè)模型是不是吻合將會(huì)是有價(jià)值的。吻合是對(duì)識(shí)別出的序列確實(shí)最優(yōu)的良好指示物。然后可以以高度的信心將其應(yīng)用到該過(guò)程。此外，如果在兩個(gè)結(jié)果之間找到不可接受的差異，則附加的經(jīng)過(guò)主模型未被浪費(fèi)，這是因?yàn)楦郊拥木刃畔F(xiàn)在可供使用，并可被添加到實(shí)驗(yàn)設(shè)計(jì)以提高未來(lái)的替代模型運(yùn)行的精度。因此，本發(fā)明可有用地還包括如果發(fā)現(xiàn)所記錄的由替代模型所確定的識(shí)別出的最優(yōu)序列的最優(yōu)值與由主模型所確定的最終結(jié)果的差異是對(duì)于過(guò)程來(lái)說(shuō)不可接受的量，則將識(shí)別出的最優(yōu)序列添加到實(shí)驗(yàn)設(shè)計(jì)，以便此序列和通過(guò)使識(shí)別出的最優(yōu)序列經(jīng)過(guò)主模型所確定的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值可用于替代模型算法的搜索和取得；使許多序列中的多個(gè)序列經(jīng)過(guò)替代模型，以確定每個(gè)序列的最終結(jié)果的新的值；以及根據(jù)新的最終結(jié)果識(shí)別新的最優(yōu)序列。
此外，本發(fā)明還可包括對(duì)新的識(shí)別出的最優(yōu)序列重復(fù)前述段落的步驟，直到所記錄的由替代模型確定的識(shí)別出的最優(yōu)序列的最優(yōu)值和由主模型確定的最終結(jié)果的差異是對(duì)于過(guò)程可接受的量。此循環(huán)行為通過(guò)向替代模型提供來(lái)自主模型的更多量的精度信息，從而允許替代模型收斂到精確結(jié)果，其中已知所述更多量的精度信息是朝著過(guò)程的優(yōu)化執(zhí)行偏移的，這是因?yàn)樗鼈円驯惶娲Ｐ妥R(shí)別出。從而，循環(huán)是高效且提高精度的。
在另一種實(shí)施例中，方法還可包括通過(guò)用實(shí)驗(yàn)設(shè)計(jì)中的序列中的每一個(gè)序列執(zhí)行順序組合過(guò)程來(lái)獲得來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列鏈接到的信息，并記錄每個(gè)序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值。在此方法中，實(shí)際實(shí)驗(yàn)數(shù)據(jù)被用于提供替代模型所使用的信息，在某些情況下，這種方法可能比更抽象的方法更優(yōu)選。例如，對(duì)于簡(jiǎn)單過(guò)程，比起構(gòu)造復(fù)雜主模型或以其他方式通過(guò)計(jì)算獲得信息來(lái)，它只對(duì)不同序列執(zhí)行該過(guò)程幾次，從而可能更快和/或不那么昂貴。比起諸如修改從相關(guān)過(guò)程獲得的或針對(duì)相關(guān)過(guò)程計(jì)算的數(shù)據(jù)之類的其他技術(shù)來(lái)說(shuō)，精度可能更好。此實(shí)施例的精度將會(huì)部分依賴于實(shí)驗(yàn)測(cè)量的精度，以及確定各種事件對(duì)最終結(jié)果的貢獻(xiàn)的容易程度。
該方法還可包括在使許多序列中的多個(gè)序列經(jīng)過(guò)替代模型之前構(gòu)造替代模型?？蓸?gòu)造嚴(yán)密匹配特定過(guò)程的替代模型，該替代模型具有適合于過(guò)程優(yōu)化所需的精度和可用的時(shí)間的某種程度的簡(jiǎn)化。
在某些實(shí)施例中，優(yōu)先級(jí)列表包括匹配條件的分級(jí)結(jié)構(gòu)，該分級(jí)結(jié)構(gòu)要求輸入到替代模型的序列中的事件與實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間就事件在輸入序列內(nèi)的位置和/或輸入序列中事件之前的事件而言的降低的匹配級(jí)別。這對(duì)關(guān)于各種事件的貢獻(xiàn)的可用信息進(jìn)行了高效利用，這是因?yàn)樽罹_的貢獻(xiàn)計(jì)算或測(cè)量只要有可能就被使用(對(duì)應(yīng)于序列中的最佳匹配)，并且僅在必要時(shí)才被最接近的匹配所替換。
為了幫助實(shí)現(xiàn)事件的良好匹配，匹配條件被定義為具有階數(shù)，其指定輸入到替代模型的序列中的事件之前的需要與實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之前的事件相匹配的事件的數(shù)目；以及類型，其指定輸入到替代模型的序列中的事件在該序列內(nèi)的位置是否匹配事件在實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，以使得第1類匹配要求事件在輸入序列中的位置匹配事件在實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，第2類匹配不要求事件在輸入序列中的位置匹配事件在實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置。
例如，在包括n個(gè)事件的序列的情況下，優(yōu)先級(jí)列表可包括以下匹配條件-第1類的n階匹配；-第2類的n階匹配；-第1類的n-1階匹配；-第2類的n-1階匹配；-…-第1類的1階匹配；-第2類的1階匹配；-序列中的任何位置處的事件與發(fā)生在實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件的匹配。
這種方式通過(guò)繼續(xù)搜索截短的子序列之前，在不考慮位置的情況下查找與被模擬的序列中相同的事件子序列，從而對(duì)在前事件的匹配給出了較高優(yōu)先級(jí)。但是，對(duì)于某些應(yīng)用，可能會(huì)發(fā)現(xiàn)或懷疑絕對(duì)位置比在前事件的影響更重要，因此作為替換，對(duì)于包括n個(gè)事件的序列，優(yōu)先級(jí)列表可包括以下匹配條件-第1類的n階匹配；-第1類的n-1階匹配；-第1類的n-2階匹配；-…-第1類的1階匹配；-第2類的n階匹配；-第2類的n-1階匹配；-第2類的n-2階匹配；-…-第2類的1階匹配；-序列中的任何位置處的事件與發(fā)生在實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件的匹配。
有利地，實(shí)驗(yàn)設(shè)計(jì)可包括從許多序列中選擇出的序列，這些選擇出的序列包含這樣的事件，其提供與所選擇的階數(shù)和類型的匹配條件的事件的至少所有組合的匹配。這確保了操作參數(shù)信息集中于它最有價(jià)值之處，其目的是以最少量的信息提供精確結(jié)果。對(duì)于各種實(shí)施例，此方法意味著只需要對(duì)過(guò)程執(zhí)行最少量的主模型運(yùn)行或執(zhí)行，從而簡(jiǎn)化和加快了優(yōu)化。但是，在考慮此方法需要哪些序列時(shí)所需的額外考慮被視為不值得。在該情況下，例如，實(shí)驗(yàn)設(shè)計(jì)可改為包括從許多序列中隨機(jī)選擇的序列。在任何情況下，不論實(shí)驗(yàn)設(shè)計(jì)的類型如何，該方法都可還包括確定實(shí)驗(yàn)設(shè)計(jì)。這允許了使用用于任何特定過(guò)程的適當(dāng)?shù)膶?shí)驗(yàn)設(shè)計(jì)，這例如比起使用已知合理地適合于該過(guò)程的先前的或標(biāo)準(zhǔn)的設(shè)計(jì)來(lái)可能給出更好的精度。
使許多序列中的多個(gè)序列經(jīng)過(guò)替代模型包括使許多序列中的所有序列經(jīng)過(guò)替代模型。這無(wú)疑比起運(yùn)行序列的子集來(lái)說(shuō)花時(shí)稍長(zhǎng)，但是應(yīng)當(dāng)給出最精確的結(jié)果，雖然在許多情況下，令人滿意的精確結(jié)果可以很容易地從子集獲得。當(dāng)決定使多少序列經(jīng)過(guò)替代模型時(shí)，額外的計(jì)算時(shí)間可以與提高的精度相平衡。
可能需要的大量計(jì)算，尤其是在復(fù)雜主模型的情況下的大量計(jì)算建議在優(yōu)選實(shí)施例中該方法至少部分由計(jì)算機(jī)實(shí)現(xiàn)。這幫助良好利用了由本發(fā)明提供了優(yōu)化時(shí)間大幅度減少。
一旦優(yōu)化序列被識(shí)別出，它就可被應(yīng)用到感興趣的過(guò)程。因此，本發(fā)明還包括利用識(shí)別出的最優(yōu)事件序列執(zhí)行順序組合過(guò)程。
例如，順序組合過(guò)程可包括將葉片焊接到燃?xì)廨啓C(jī)尾部軸承外殼(gas turbine tail bearing housing，縮寫為TBH)的環(huán)，事件是排列在序列中的各個(gè)焊接路徑，定義最終結(jié)果的操作參數(shù)是葉片的尖端部分的變形，操作參數(shù)的最優(yōu)值是變形的最小值。
本發(fā)明的第二方面針對(duì)一種計(jì)算程序產(chǎn)品，其包括用于實(shí)現(xiàn)優(yōu)化順序組合過(guò)程的方法的機(jī)器可讀指令，該順序組合過(guò)程包括多個(gè)可互換的事件，這些事件可按許多序列中的任何一個(gè)執(zhí)行以實(shí)現(xiàn)過(guò)程的最終結(jié)果，最終結(jié)果由操作參數(shù)定義，指令可操作以用于指示機(jī)器執(zhí)行以下步驟存儲(chǔ)包括從許多序列選擇出的多個(gè)序列的實(shí)驗(yàn)設(shè)計(jì)；存儲(chǔ)鏈接到來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列的信息，該信息關(guān)于來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列中的每個(gè)事件就操作參數(shù)而言對(duì)最終結(jié)果的貢獻(xiàn)的值；使許多序列中的多個(gè)序列經(jīng)過(guò)過(guò)程的替代模型，并記錄每個(gè)序列的最終結(jié)果的值，其中替代模型以事件的序列作為輸入，并通過(guò)對(duì)輸入序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值求和來(lái)確定最終結(jié)果的值，其中貢獻(xiàn)值是根據(jù)一個(gè)算法從來(lái)自操作參數(shù)信息的貢獻(xiàn)值中選擇出的，算法根據(jù)匹配條件的優(yōu)先級(jí)列表搜索實(shí)驗(yàn)設(shè)計(jì)，以查找輸入序列的每個(gè)事件與實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間的匹配，并取得匹配的事件的貢獻(xiàn)值；以及通過(guò)搜索所記錄的來(lái)自替代模型的最終結(jié)果的值以查找所記錄的操作參數(shù)的最優(yōu)值，來(lái)識(shí)別最優(yōu)序列，給出此記錄的最優(yōu)值的序列是最優(yōu)序列。
用于實(shí)現(xiàn)本發(fā)明的計(jì)算機(jī)程序產(chǎn)品可以采取載體介質(zhì)上的計(jì)算機(jī)程序的形式。載體介質(zhì)可以是存儲(chǔ)介質(zhì)，例如固態(tài)、磁、光、磁光或其他存儲(chǔ)介質(zhì)?；蛘?，載體介質(zhì)可以是傳輸介質(zhì)，例如廣播、電話、計(jì)算機(jī)網(wǎng)絡(luò)、有線、無(wú)線、電、電磁、光或任何其他傳輸介質(zhì)。
本發(fā)明的第三方面針對(duì)用于實(shí)現(xiàn)優(yōu)化順序組合過(guò)程的方法的計(jì)算機(jī)系統(tǒng)，該順序組合過(guò)程包括多個(gè)可互換的事件，這些事件可按許多序列中的任何一個(gè)執(zhí)行以實(shí)現(xiàn)過(guò)程的最終結(jié)果，最終結(jié)果由操作參數(shù)定義，計(jì)算機(jī)系統(tǒng)包括存儲(chǔ)器，用于存儲(chǔ)包括從許多序列選擇出的多個(gè)序列的實(shí)驗(yàn)設(shè)計(jì)，以及鏈接到來(lái)自實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列的信息，所述信息關(guān)于每個(gè)序列中的每個(gè)事件就操作參數(shù)而言對(duì)最終結(jié)果的貢獻(xiàn)的值的信息；處理器，其可操作以用于執(zhí)行以下步驟使許多序列中的多個(gè)序列經(jīng)過(guò)過(guò)程的替代模型，并將每個(gè)序列的最終結(jié)果的值記錄在存儲(chǔ)器中，替代模型以事件的序列作為輸入，并通過(guò)對(duì)輸入序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值求和來(lái)確定最終結(jié)果的值，其中貢獻(xiàn)值是根據(jù)一個(gè)算法從來(lái)自操作參數(shù)信息的貢獻(xiàn)值中選擇出的，算法根據(jù)匹配條件的優(yōu)先級(jí)列表搜索實(shí)驗(yàn)設(shè)計(jì)，以查找輸入序列的每個(gè)事件與實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間的匹配，并取得匹配的事件的貢獻(xiàn)值；以及通過(guò)搜索所記錄的來(lái)自替代模型的最終結(jié)果的值以查找所記錄的操作參數(shù)的最優(yōu)值，來(lái)識(shí)別最優(yōu)序列，給出此記錄的最優(yōu)值的序列是最優(yōu)序列。
本發(fā)明的其他方面、實(shí)施例和示例在所附權(quán)利要求中闡述。


為了更好地理解本發(fā)明以及如何實(shí)現(xiàn)本發(fā)明，現(xiàn)以示例方式參考附圖，附圖中圖1示出根據(jù)本發(fā)明的方法的一個(gè)實(shí)施例的步驟的流程圖；圖2示出根據(jù)本發(fā)明的方法的另一個(gè)實(shí)施例的步驟的流程圖；圖3示出燃?xì)廨啓C(jī)尾部軸承外殼的透視圖，本發(fā)明的實(shí)施例可應(yīng)用到其制造；圖4示出圖3的外殼的某些部分的透視圖和截面圖；圖5示出圖3的軸承的葉片形成部分的截面圖，其中箭頭指示葉片被焊接到軸承的內(nèi)環(huán)上的路徑；圖6示出各種示例性序列的表，圖5的路徑可按這些序列被焊接；
圖7示出焊接過(guò)程期間葉片的某些部分的位移變化圖；圖8示出對(duì)于圖6的序列，焊接過(guò)程期間葉片的某個(gè)部分的位移變化圖；圖9示出根據(jù)本發(fā)明的一個(gè)實(shí)施例用于優(yōu)化焊接過(guò)程的實(shí)驗(yàn)設(shè)計(jì)中使用的序列表；圖10示出在圖9的序列中找到的焊接路徑的各種組合的發(fā)生的矩陣；圖11示出由圖10給出的每個(gè)發(fā)生所造成的葉片某個(gè)部分的位移的矩陣；圖12示出對(duì)于圖9的序列中的某些序列，焊接過(guò)程期間葉片的某個(gè)部分位移變化圖；以及圖13示出對(duì)于圖9中的每個(gè)序列葉片的某個(gè)部分的最終位移圖。
具體實(shí)施例方式
本發(fā)明提出了一種用于將例如先前已用于尋找連續(xù)數(shù)值問(wèn)題的最優(yōu)解答的替代模型方法應(yīng)用到順序組合問(wèn)題的技術(shù)。與諸如有限元分析這樣的依賴于復(fù)雜計(jì)算機(jī)建模方法的常規(guī)方法相比，替代模型大大減少了優(yōu)化這種過(guò)程所需的計(jì)算花費(fèi)。
順序組合過(guò)程是包括多個(gè)步驟或事件的過(guò)程，這些步驟或事件是可互換的，因?yàn)榭梢砸匀舾煞N或許多種序列中的任何一種來(lái)執(zhí)行它們，或許某些事件會(huì)替換其他事件，或者可以選擇執(zhí)行每個(gè)事件的方式，以便給出相同的總的最終結(jié)果，但是在這種過(guò)程中，該最終結(jié)果的質(zhì)量依賴于事件的特定序列。
因此，對(duì)于序列中的每個(gè)位置，執(zhí)行一個(gè)事件，其中該事件可以是從等于序列中的位置數(shù)目的事件群組中選擇出來(lái)的，或者是從更大的事件庫(kù)中選擇出來(lái)的。在后一種情況下，更大的庫(kù)可能是由于以下情況而產(chǎn)生的某些事件能夠被排除在過(guò)程之外，或者被其他事件所替換，或者被具有可取不同值的相關(guān)聯(lián)的參數(shù)的事件中的某些或全部所替換(例如在若干不同溫度中的一個(gè)溫度下或以若干持續(xù)時(shí)間中的一個(gè)持續(xù)時(shí)間執(zhí)行特定步驟)，以便每個(gè)事件具有若干可能配置，這些配置各自可被視為一個(gè)事件，雖然在任何給定序列中只會(huì)包括這些配置中的一個(gè)。
可以將最終結(jié)果考慮成由操作參數(shù)所定義。操作參數(shù)的性質(zhì)將會(huì)依賴于特定過(guò)程，它例如可以是過(guò)程所制造的元件的一部分的尺寸，或者執(zhí)行過(guò)程所花的時(shí)間。從而，對(duì)于過(guò)程的每個(gè)可能的序列，存在一個(gè)最終結(jié)果，該最終結(jié)果具有按操作參數(shù)定義的值。
在上述尺寸示例中，最終結(jié)果將會(huì)是尺寸的不同大小。
在上述時(shí)間示例中，最終結(jié)果將會(huì)是不同的時(shí)間量。
給定序列中的每個(gè)事件以某種方式對(duì)最終結(jié)果做出貢獻(xiàn)，這種方式既依賴于它在序列中的位置，又依賴于事件本身的性質(zhì)，以使得修改所選擇的事件將會(huì)改變最終結(jié)果的值。
在一系列序列中，存在這樣一個(gè)序列，其最終結(jié)果的值給出操作參數(shù)的最優(yōu)值，例如最快的時(shí)間或最小的尺寸。哪個(gè)序列給出此最優(yōu)結(jié)果并非總是顯而易見的，因此希望能夠確定該序列，這可以被認(rèn)為是組合過(guò)程的優(yōu)化。到目前為止，這一般只能用復(fù)雜建模來(lái)實(shí)現(xiàn)。通常，例如在有限元(FE)分析模型的情況下，要為單個(gè)順序建模可能要花費(fèi)幾個(gè)小時(shí)。甚至對(duì)于具有相對(duì)適量的事件的過(guò)程來(lái)說(shuō)，事件的組合總數(shù)都可能是巨大的，因此用模型檢查每個(gè)組合變得不可行。本發(fā)明提出了使用較簡(jiǎn)單的替代模型來(lái)拿走某些計(jì)算負(fù)擔(dān)，從而加速過(guò)程。
從而本發(fā)明提供了一種用于組合優(yōu)化的技術(shù)。優(yōu)化是在定義明確的離散問(wèn)題空間中找到一個(gè)或多個(gè)最佳或最優(yōu)解答的過(guò)程。該空間是離散的，因?yàn)橹挥杏邢迶?shù)目的事件，并且每個(gè)事件或者在給定序列中，或者不在給定序列中；從而組合順序問(wèn)題所關(guān)注的是當(dāng)某些或所有變量的值限于是整數(shù)時(shí)，高效分配有限資源以便達(dá)到所需目的。對(duì)諸如時(shí)間、勞力、供給或資金之類的基本資源的約束可限制被視為可靠的可能的備選方案。這種問(wèn)題幾乎發(fā)生在所有管理領(lǐng)域中，例如金融、營(yíng)銷、生產(chǎn)、調(diào)度、存貨控制、設(shè)備定位和布局、數(shù)據(jù)庫(kù)管理，并且也發(fā)生在許多工程學(xué)科中。示例有水路或橋梁的最優(yōu)設(shè)計(jì)、VLSI電路設(shè)計(jì)和測(cè)試、電路布圖以使用于導(dǎo)線的面積最小、數(shù)據(jù)網(wǎng)絡(luò)的設(shè)計(jì)和分析、固體廢物管理、自旋玻璃的基態(tài)確定、合金構(gòu)造或合金分離的最低能態(tài)確定、能量資源計(jì)劃模型、電力生成和運(yùn)輸?shù)牧鞒滔到y(tǒng)、流程式制造設(shè)備中的貨物調(diào)度以及晶體學(xué)的問(wèn)題。所有這些過(guò)程都能受益于這里提出的優(yōu)化技術(shù)的應(yīng)用。
實(shí)際上，本發(fā)明適用于其中序列中的事件排序影響過(guò)程結(jié)果的任何順序過(guò)程。以上給出的應(yīng)用示例證明了本發(fā)明的非常廣泛的應(yīng)用性。除了這些示例外，可用本發(fā)明來(lái)優(yōu)化的某些過(guò)程包括以下a…從工件加工元件。事件包括各種切削步驟以形成元件的不同部分，并且希望找到最佳地實(shí)現(xiàn)所需的元件形狀和/或質(zhì)量的序列。這例如可以按表面拋光、晶粒取向和/或被切削工具塑性變形的表面材料深度來(lái)定義。這些所需要的特征包括上述操作參數(shù)。此類應(yīng)用包括以這樣一種序列從工件上切削下材料，這種序列使得在加工期間元件獲得或保持所需的結(jié)構(gòu)剛度，以便加工期間發(fā)生最小限度的抖動(dòng)或振動(dòng)。在此情況下，操作參數(shù)是抖動(dòng)，其最優(yōu)值是最小量。
b.元件的熱處理。這涉及操作用熱處理的爐子的方式，以使得可能的事件包括扇風(fēng)機(jī)出風(fēng)道的定位和操作、熱氣流或冷氣流的導(dǎo)槽的定位和操作、在熱處理的任何階段期間改變或不改變氣流、保溫時(shí)間和冷卻時(shí)間。目的例如是實(shí)現(xiàn)所需要的元件形狀、剛度或材料微結(jié)構(gòu)的最終結(jié)果；因此其中的一個(gè)或多個(gè)將會(huì)是操作參數(shù)，而所需的形狀等就是最優(yōu)值。
c.元件的塑造和/或形成。這種過(guò)程是用于塑造和形成工件的不同部分的步驟序列(事件)，其目的是實(shí)現(xiàn)所需的形狀、結(jié)構(gòu)剛度或材料微結(jié)構(gòu)(最終結(jié)果)。另一種最終結(jié)果是由于給定序列而產(chǎn)生的制造出的工件的狀態(tài)如何影響該工件打算形成其一部分的另一個(gè)元件。
d.包括上述制造過(guò)程的組合的制造序列，其中各種過(guò)程變成了可以按各種次序和不同方式來(lái)執(zhí)行以影響最終產(chǎn)品的質(zhì)量的事件。例如，可能希望在考慮到某些機(jī)械和/或材料特征被諸如采掘、澆鑄、加工、塑造和焊接之類的過(guò)程施加到了產(chǎn)品中的情況下，確定一個(gè)或多個(gè)熱處理應(yīng)當(dāng)被應(yīng)用在制造序列中的什么位置以便實(shí)現(xiàn)所需的產(chǎn)物形狀、結(jié)構(gòu)剛度或材料微結(jié)構(gòu)。
e.材料和/或元件的流動(dòng)。在制造過(guò)程中，過(guò)程中使用的材料和元件一般將會(huì)需要在工廠或廠房里移動(dòng)，而用于實(shí)現(xiàn)流動(dòng)的步驟序列將會(huì)影響諸如過(guò)程的持續(xù)時(shí)間和輸出率之類的參數(shù)。這可能包括整個(gè)工廠中或者甚至是多個(gè)工廠間的整體流動(dòng)。步驟或事件例如可包括在不同機(jī)器以及存儲(chǔ)和處理地點(diǎn)之間運(yùn)輸項(xiàng)目。這可以擴(kuò)展到確定機(jī)器在工廠場(chǎng)地上的最優(yōu)位置，這是因?yàn)槊總€(gè)運(yùn)輸事件對(duì)整體流動(dòng)的貢獻(xiàn)將會(huì)依賴于所涉及的機(jī)器的定位，因此可獲得很大的事件庫(kù)，對(duì)應(yīng)于定位機(jī)器的各種可能性。
f.通過(guò)管道網(wǎng)絡(luò)抽吸氣體或油類。向顧客輸送氣體或油類的模式例如可能受到諸如閥的開啟和閉合以及抽吸速率之類的不同的網(wǎng)絡(luò)元件設(shè)計(jì)和操作參數(shù)的影響；與具有不同配置的網(wǎng)絡(luò)的各個(gè)部分相對(duì)應(yīng)的事件可以被按序列組織在一起，以確定最優(yōu)輸送的最佳排列。如果需要的話，此問(wèn)題的組合方面可以進(jìn)一步與隨機(jī)和非線性影響相組合；這通過(guò)允許在各種事件中考慮額外的細(xì)節(jié)，從而可以提高優(yōu)化過(guò)程的精度。
g.化學(xué)和材料科學(xué)應(yīng)用，例如確定添加不同成分或組分的最優(yōu)序列以實(shí)現(xiàn)所需的混合物。從而可能的事件可包括不同比例的各種成分、不同的溫度或濃度以及不同的混合技術(shù)，然后這些事件被排列成某個(gè)序列，以實(shí)現(xiàn)整體的混合物?；旌衔锏馁|(zhì)量是過(guò)程的最終結(jié)果，它由諸如穩(wěn)定性、純凈度或均勻性之類的操作參數(shù)所定義。這還包括合金構(gòu)造或合金分離的能態(tài)優(yōu)化。
h.計(jì)算生物學(xué)。在此領(lǐng)域中，通過(guò)是用描述諸如分子、蛋白質(zhì)和基因組之類的生物成分的行為的數(shù)值方法來(lái)分析各種問(wèn)題的。本發(fā)明可用來(lái)減少探究例如新分子的創(chuàng)造以及DNA結(jié)構(gòu)中的復(fù)制過(guò)程期間發(fā)生的后續(xù)反應(yīng)的大量可能組合的計(jì)算工作。此類數(shù)值方法包括有向圖和無(wú)向圖、Byesian網(wǎng)絡(luò)、布爾網(wǎng)絡(luò)、廣義邏輯網(wǎng)絡(luò)、非線性常微分方程、分段線性微分方程、定性微分方程、偏微分方程和其他的特殊分布式模型、隨機(jī)主方程和基于規(guī)則的形式體系。預(yù)期在其中本發(fā)明將會(huì)特別有益的特定示例是遺傳調(diào)節(jié)系統(tǒng)的建模和仿真，其中需要對(duì)DNA、RNA、蛋白質(zhì)和小分子之間的相互影響進(jìn)行分析。相互影響涉及可能以各種序列發(fā)生的若干步驟；可用本發(fā)明來(lái)研究這些序列，以例如確定相互影響的特定最終結(jié)果如何產(chǎn)生。如果最終結(jié)果是已知的，則這代表著最優(yōu)值，因此可識(shí)別給出該值的序列。
i.隊(duì)列(fleet)管理。利用公共汽車、卡車、班機(jī)、滑輪、小汽車、軍用車輛等的隊(duì)列來(lái)將貨物或人遞送到各種地點(diǎn)或從各種地點(diǎn)接走貨物或人的貨物運(yùn)輸和流程系統(tǒng)提供商希望能夠優(yōu)化其計(jì)劃表以使對(duì)可用資源的利用率最大。特定示例是貨運(yùn)公司在考慮到車輛和車站的邏輯業(yè)務(wù)規(guī)則的情況下，通過(guò)確定安排隊(duì)列中的多個(gè)車輛訪問(wèn)數(shù)十、數(shù)百或數(shù)千位置的最優(yōu)運(yùn)輸順序，來(lái)優(yōu)化其運(yùn)貨單元的利用率，其中所述邏輯規(guī)則例如是定單量、裝載能力、時(shí)間窗口、服務(wù)時(shí)間、優(yōu)先級(jí)以及將特定車站預(yù)先分配給特定司機(jī)。通過(guò)定義考慮各種規(guī)則的路線中的車站之間的各種運(yùn)輸事件，并且在序列中排列事件以定義路線，可確定實(shí)現(xiàn)所需的最終結(jié)果的最優(yōu)序列。定義最終結(jié)果的操作參數(shù)例如可以是總操作成本、總駕駛時(shí)間、總行駛距離(一般都希望使這些最小化)、按時(shí)遞送貨物的可能性或這些操作參數(shù)中的某些或全部的加權(quán)和。更復(fù)雜的序列和事件庫(kù)可以在未經(jīng)計(jì)劃的車輛維護(hù)或永久車輛替換的情況下考慮最優(yōu)備用隊(duì)列。這種優(yōu)化例如可以確定在備用隊(duì)列中應(yīng)該包括多少車輛，并且這些車輛應(yīng)該位于何處，以使得對(duì)隊(duì)列操作的干擾最小。
j.“背包(knapsack)問(wèn)題”。這種問(wèn)題可被考慮成用來(lái)自各自有重量wi或體積vi以及值(va)i的n個(gè)可能的項(xiàng)目的列表的項(xiàng)目組合填充可容納總重量W或體積V的背包，以使得包裹到背包中的項(xiàng)目的值最大。此問(wèn)題具有一個(gè)約束(即背包中的項(xiàng)目的總重量或體積不應(yīng)超過(guò)W和/或V)，求背包中的項(xiàng)目的值的和的線性或非線性目標(biāo)函數(shù)，以及以下附加限制每個(gè)項(xiàng)目或者在背包中，或者不在(不可能出現(xiàn)一個(gè)項(xiàng)目的一部分)。從而，每個(gè)項(xiàng)目可由一個(gè)事件代表，并且項(xiàng)目/事件的任何組合可被排列成任何可能的序列，以代表該組合中的項(xiàng)目被放入背包中的次序。任何序列的最終結(jié)果是項(xiàng)目的總值；任何超過(guò)W和/或V的組合被丟棄，并且通過(guò)找到給出最大值的未被丟棄的序列來(lái)識(shí)別最優(yōu)序列。本發(fā)明的替代模型技術(shù)允許迅速識(shí)別最優(yōu)序列，而無(wú)需研究項(xiàng)目的所有可能組合。背包問(wèn)題與隊(duì)列管理是相關(guān)的，例如，如果背包表示貨物、乘客或彈頭運(yùn)送單元，并且希望將該單元加載到其針對(duì)特定參數(shù)的極限，該特定參數(shù)由項(xiàng)目的值所表示。
k.鏈接單元。這是背包問(wèn)題的擴(kuò)展。諸如運(yùn)鋼軌車之類的運(yùn)輸單元被鏈接成鏈，該鏈的某些部分隨后可能需要被解除鏈接和去除(例如為了將特定單元遞送給顧客)，然后鏈的其余部分被重新組裝，有可能添加了新單元。單元的組裝、分解和重新組裝是耗時(shí)的，因而是代價(jià)高昂的，因此希望優(yōu)化鏈內(nèi)單元排序，以使這些活動(dòng)達(dá)到最低限度。單元鏈可被視為事件序列，以便可用本發(fā)明識(shí)別最優(yōu)鏈。
在轟炸機(jī)釋放其戰(zhàn)斗裝藥的情況下，可能需要以特定次序來(lái)進(jìn)行釋放，并且約束或變量可能是時(shí)間、燃料容量、天氣、時(shí)間窗口等等。
l.戰(zhàn)略演習(xí)。在不同戰(zhàn)略級(jí)別一直到軍事行動(dòng)級(jí)別上運(yùn)行仿真，其中在軍事行動(dòng)級(jí)別中，諸如例如摧毀橋梁、發(fā)電廠、機(jī)場(chǎng)和其他戰(zhàn)略單元之類的事件鏈結(jié)果像事件發(fā)生與否的場(chǎng)景中那樣運(yùn)行。離散事件的建模從數(shù)據(jù)來(lái)說(shuō)是明確定義的。該方法適合于CPU集群上的并行運(yùn)行。
m.使用并行算法，其中在設(shè)置實(shí)驗(yàn)設(shè)計(jì)矩陣的情況下每個(gè)CPU搜索一個(gè)變量周圍的所有可能組合，并且其中計(jì)算機(jī)運(yùn)行替代模型，以循環(huán)經(jīng)過(guò)所有可能的變量組合，以獲得所需結(jié)果。
現(xiàn)在將以適用于任何順序組合問(wèn)題(例如上述問(wèn)題)的概括方式描述本發(fā)明的實(shí)施例。
然后用特定示例來(lái)說(shuō)明本發(fā)明的使用。
圖1示出了圖示實(shí)現(xiàn)本發(fā)明的方法的實(shí)施例的步驟S1至S9的流程圖。
S1識(shí)別要優(yōu)化的組合順序過(guò)程本發(fā)明可應(yīng)用到任何這樣的過(guò)程這種過(guò)程包括多個(gè)可互換的事件，事件的序列需要被優(yōu)化以獲得最佳最終結(jié)果。該過(guò)程可被說(shuō)成是包括n個(gè)事件(也有可能從更大的庫(kù)中選擇那n個(gè)事件，所述更大的庫(kù)例如是事件中的某些或全部的備選)，這n個(gè)事件可以按許多或全部可能的序列被組合。
S2構(gòu)造主模型在此示例中，過(guò)程的主模型被構(gòu)造，從該主模型中可獲得替代模型要使用的數(shù)據(jù)。適當(dāng)類型的模型的一個(gè)示例是有限元分析模型，但是也可使用任何適當(dāng)精確的模型，一般是計(jì)算機(jī)化的模型。模型將會(huì)包含與過(guò)程有關(guān)的任何參數(shù)，并且將被配置為接收任何事件序列作為輸入。然后模型計(jì)算以輸入序列的次序執(zhí)行事件將會(huì)實(shí)現(xiàn)的過(guò)程最終結(jié)果值。另外，它計(jì)算每個(gè)事件在被執(zhí)行時(shí)對(duì)最終結(jié)果做出的貢獻(xiàn)值；此貢獻(xiàn)一般將會(huì)依賴于事件在序列內(nèi)的位置，以及如果在它之前有事件的話，哪些事件在它之前(也有可能依賴于哪些事件在它之后)。貢獻(xiàn)是用被建模的過(guò)程的操作參數(shù)來(lái)表達(dá)的。
例如，如果操作參數(shù)是過(guò)程所制造的元件的尺寸，則貢獻(xiàn)因此也將是尺寸值，對(duì)于每個(gè)事件來(lái)說(shuō)是由該特定事件對(duì)總的最終尺寸所造成的貢獻(xiàn)。
如果操作參數(shù)是執(zhí)行過(guò)程所花費(fèi)的時(shí)間，則貢獻(xiàn)因此也將是時(shí)間值，對(duì)于每個(gè)事件來(lái)說(shuō)是執(zhí)行該特定事件花費(fèi)的時(shí)間長(zhǎng)度。
如果沒(méi)有替代模型，則優(yōu)化過(guò)程需要使所有可能的序列都經(jīng)過(guò)(run through)主模型，以使得識(shí)別給出最佳最終結(jié)果的序列。對(duì)于足夠詳細(xì)的主模型，這甚至對(duì)于少量事件花費(fèi)的時(shí)間也是多得令人生畏的，這是因?yàn)槊總€(gè)序列運(yùn)行起來(lái)可能需要數(shù)小時(shí)，并且總組合數(shù)將會(huì)很大。
S3構(gòu)造替代模型替代模型最佳是主模型的簡(jiǎn)化近似，這是因?yàn)樗矊⑹录蛄凶鳛檩斎耄⑶矣?jì)算以該序列執(zhí)行事件的過(guò)程的最終結(jié)果。但是，所涉及的計(jì)算比起主模型來(lái)簡(jiǎn)單得多，因此所有感興趣的順序組合可以以相當(dāng)快速地(一般是數(shù)秒或數(shù)分鐘，而不是數(shù)小時(shí))被計(jì)算出來(lái)。
替代模型包括對(duì)每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)求和以給出最終結(jié)果。正如后續(xù)步驟中所討論的，貢獻(xiàn)的值是用主模型確定的。每個(gè)貢獻(xiàn)的值一般將會(huì)依賴于事件在序列中的位置，以及依賴于任何在前事件。對(duì)主模型的近似起因于對(duì)給定序列中的每個(gè)事件，可能無(wú)法獲得關(guān)于該特定序列中的該特定位置處的事件的貢獻(xiàn)的信息。根據(jù)一個(gè)算法，如果不能獲得該信息的話，則該信息被關(guān)于與所考慮的排列盡可能接近的排列的信息所替換。
S4確定實(shí)驗(yàn)設(shè)計(jì)(DoE)為了獲得替代模型中要使用的貢獻(xiàn)的值，必須一次或多次運(yùn)行主模型。這給出了關(guān)于運(yùn)行的序列的最終結(jié)果的值以及序列中的每個(gè)事件對(duì)其的貢獻(xiàn)的值的信息。由于本發(fā)明的一個(gè)目的是減少主模型的計(jì)算密集型運(yùn)行的數(shù)目，因此，選擇有用的、信息豐富的序列選擇來(lái)經(jīng)過(guò)主模型以獲得不同排列的事件的貢獻(xiàn)的廣泛集合將會(huì)是有益的。從許多可能性中選擇出的這多個(gè)序列將被稱為實(shí)驗(yàn)設(shè)計(jì)(DoE)。從而，實(shí)驗(yàn)設(shè)計(jì)中的每個(gè)序列鏈接到關(guān)于每個(gè)序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值的信息，其中貢獻(xiàn)是就操作參數(shù)來(lái)說(shuō)的。
如上所述，替代模型依靠于這樣一個(gè)算法，該算法對(duì)于序列中的每個(gè)事件，確定可從主模型獲得的貢獻(xiàn)中的哪個(gè)貢獻(xiàn)(與實(shí)驗(yàn)設(shè)計(jì)序列相聯(lián)系的信息)將被用于最終結(jié)果計(jì)算中。該算法遵循分級(jí)或優(yōu)先級(jí)化的規(guī)則集合，以確定可用貢獻(xiàn)中的哪個(gè)貢獻(xiàn)最嚴(yán)密地匹配被計(jì)算的序列的排列。嚴(yán)密匹配將會(huì)是從該事件在序列中的位置來(lái)說(shuō)以及從在前事件來(lái)說(shuō)都與本排列相對(duì)應(yīng)的那個(gè)。較弱的匹配將會(huì)具有較少量的相同在前事件，和/或?qū)?huì)具有在序列中的不同位置處的事件。以這種方式匹配的事件被稱為“發(fā)生(occurrence)”，其中匹配的優(yōu)度由發(fā)生的次序和類型所定義；這在下文中參考示例性實(shí)施例詳細(xì)描述。在確定DoE時(shí)，用戶應(yīng)當(dāng)決定需要哪種類型的發(fā)生或什么樣的匹配程度，以便為從替代模型獲得的優(yōu)化后的最終結(jié)果給出足夠的精度級(jí)別。例如，可以決定匹配就事件位置來(lái)說(shuō)必須是確切的，并且還要有相同的前一事件，或者有可能位置匹配不重要，但是所考慮的事件之前的兩個(gè)事件必須匹配。一旦確定了這個(gè)，就可執(zhí)行計(jì)算來(lái)查明需要使多少和/或哪些序列經(jīng)過(guò)主模型，以提供足夠的事件組合來(lái)匹配所需的發(fā)生細(xì)節(jié)級(jí)別。這些序列包括DoE。
或者，在某些情況下，只要使隨機(jī)或偽隨機(jī)選擇的序列經(jīng)過(guò)主模型就夠了。但是，雖然缺乏任何特定設(shè)計(jì)，這種序列集合也可被視為DoE。
S5使DoE序列經(jīng)過(guò)主模型一旦DoE已被確立，就使DoE中的每個(gè)序列經(jīng)過(guò)主模型。其結(jié)果被記錄，以便得知每個(gè)DoE序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)。這提供了替代模型計(jì)算中使用的操作參數(shù)信息。
S6構(gòu)造替代模型優(yōu)先級(jí)列表替代模型的算法遵循經(jīng)過(guò)模型的序列中的每個(gè)事件的優(yōu)先級(jí)列表。它采取所考慮的事件和DoE的序列中包含的事件之間的匹配條件的分級(jí)結(jié)構(gòu)的形式。列表開始于對(duì)高度匹配的要求，并且發(fā)展到較低程度的匹配，直到找不到匹配。因此算法開始于列表頂部，并搜索DoE以查找與所考慮的事件的這種高度匹配。如果沒(méi)找到匹配，則它移動(dòng)到列表中的第二條件，以此類推，直到找到匹配，或到達(dá)列表尾部。當(dāng)算法以這種方式選擇了一個(gè)條件時(shí)，先前由主模型針對(duì)找到匹配的DoE序列中的被考慮的事件所計(jì)算的貢獻(xiàn)被取得，并被包括在用于確定最終結(jié)果的替代模型求和中。
因此，有必要確立適合于要優(yōu)化的過(guò)程的優(yōu)先級(jí)列表。列表的長(zhǎng)度將會(huì)影響替代模型進(jìn)行計(jì)算所花費(fèi)的時(shí)間，因?yàn)樗惴ǖ膱?zhí)行時(shí)間與列表長(zhǎng)度成比例。但是，列表頂部處的較高程度的匹配將會(huì)提高精度。不必將最高程度的匹配限制到確定DoE時(shí)所使用的匹配，因?yàn)閷?duì)于某些事件子序列的較高級(jí)別的匹配將會(huì)存在于DoE序列中，而在可獲得這些匹配時(shí)使用這些匹配將會(huì)給出更精確的最終結(jié)果。因此，充分利用任何DoE的有用的通用優(yōu)先級(jí)列表是這樣的優(yōu)先級(jí)列表對(duì)于任何事件，它開始于搜索在相同位置中具有所有相同在前事件的事件，不論事件是在序列開始處還是末尾處。當(dāng)構(gòu)造優(yōu)先級(jí)列表時(shí)，可選擇使事件在序列內(nèi)的位置的匹配還是在前的一個(gè)或多個(gè)事件的匹配被給予更高優(yōu)先級(jí)。優(yōu)先級(jí)列表的示例稍后給出。
S7使所有可能的序列經(jīng)過(guò)替代模型一旦已構(gòu)造了替代模型及其優(yōu)先級(jí)列表，并且已經(jīng)用主模型計(jì)算出了關(guān)于最終結(jié)果以及對(duì)其的貢獻(xiàn)的信息，則替代模型就用于運(yùn)行所有可能的序列。每個(gè)序列被輸入到替代模型中，然后替代模型對(duì)于每個(gè)序列中的每個(gè)事件，實(shí)現(xiàn)算法以確立該事件對(duì)最終結(jié)果的貢獻(xiàn)，并對(duì)貢獻(xiàn)求和以找出每個(gè)序列的最終結(jié)果。由于算法是直接的搜索和取得過(guò)程，并且對(duì)每個(gè)序列的計(jì)算是簡(jiǎn)單的求和，因此替代模型可非?？焖俚剡\(yùn)行每個(gè)序列，并且一般可預(yù)期要檢查所有序列只需要幾分鐘。
但是，在某些情況下，可能只要使所有可能的序列中的某些經(jīng)過(guò)替代模型，就能獲得令人滿意的優(yōu)化后的序列。這顯然比運(yùn)行所有序列更快，因此在時(shí)間非常寶貴的情況下這可能會(huì)是優(yōu)選的；但是，精度可能損失。尤其在所需的過(guò)程最終結(jié)果最優(yōu)值已知的情況下，可能的方法是運(yùn)行序列的子集，并對(duì)照所需的值檢查各種最終結(jié)果。如果沒(méi)找到合適的嚴(yán)密匹配，則可運(yùn)行另外的序列，直到標(biāo)識(shí)出令人滿意的最終結(jié)果。
S8根據(jù)替代模型結(jié)果識(shí)別最優(yōu)序列在從替代模型為每個(gè)序列獲得結(jié)果之后，可通過(guò)比較所有最終結(jié)果以便在注意到定義最終結(jié)果的操作參數(shù)的情況下找出最優(yōu)的最終結(jié)果，來(lái)識(shí)別最優(yōu)序列。根據(jù)過(guò)程性質(zhì)，操作參數(shù)的最優(yōu)值可以是具有最小值、最大值或最接近所需值的值的最終結(jié)果。在某些情況下，可通過(guò)比較最終結(jié)果和操作參數(shù)的某個(gè)所需值來(lái)方便地識(shí)別最優(yōu)值；在其他情況下，過(guò)程可能是這樣的操作參數(shù)應(yīng)當(dāng)被最小化或最大化，例如盡可能快地執(zhí)行過(guò)程或獲得最高產(chǎn)量。從而給出與此最優(yōu)值相對(duì)應(yīng)的最終結(jié)果的序列被識(shí)別為最優(yōu)序列。
S9利用最優(yōu)序列執(zhí)行過(guò)程現(xiàn)在可以用已被識(shí)別為最優(yōu)的序列執(zhí)行過(guò)程，以實(shí)現(xiàn)最優(yōu)最終結(jié)果。但是，如果對(duì)過(guò)程的研究正在進(jìn)行之中，則此步驟可能不被執(zhí)行，或者可能被延遲。
圖2示出另一種實(shí)施例的流程圖，該實(shí)施例包括某些附加步驟，這些附加步驟可用于驗(yàn)證和提高(如果需要的話)就最優(yōu)序列識(shí)別而言的替代模型輸出精度。正如圖1中的實(shí)施例那樣，最優(yōu)序列是在步驟S8中根據(jù)替代模型結(jié)果識(shí)別的，此時(shí)可執(zhí)行附加步驟。
S10使識(shí)別出的序列經(jīng)過(guò)主模型使基于由替代模型計(jì)算出的最終結(jié)果而被識(shí)別為最優(yōu)的序列經(jīng)過(guò)主模型。這給出該序列的最終結(jié)果的值，其中已知該序列在主模型的限度內(nèi)是精確的，并且主模型的限度高于替代模型的限度。
S11比較結(jié)果現(xiàn)在將由主模型為識(shí)別出的最優(yōu)序列計(jì)算出的最終結(jié)果與已由替代模型為該序列計(jì)算出的最終結(jié)果相比較。如果比較結(jié)果是贊成性的，即最終結(jié)果的兩個(gè)值吻合到可接受的量?jī)?nèi)(這將依賴于過(guò)程的性質(zhì)和用戶所要求的精確度)，則認(rèn)為序列是最優(yōu)的，并且如果需要的話方法可前進(jìn)到步驟S9(利用最優(yōu)序列執(zhí)行過(guò)程)。如果比較結(jié)果是反對(duì)性的，即兩個(gè)值不吻合到所需限度內(nèi)，則可以以識(shí)別的序列可能不是最優(yōu)為由而將其丟棄。在此情況下，方法改為前進(jìn)到新的步驟S12。
S12向DoE添加序列已識(shí)別出的序列在步驟S10中經(jīng)過(guò)主模型，因此被替代模型用來(lái)執(zhí)行其計(jì)算的貢獻(xiàn)信息現(xiàn)在對(duì)于該序列是可用的。從而，該序列可被添加到DoE中的序列中，就像它先前已在步驟S5中經(jīng)過(guò)主模型一樣。然后，方法返回步驟S7，并且使所有可能的序列再次經(jīng)過(guò)替代模型。但是，這一次有更多信息可為替代模型可用，因?yàn)镈oE已經(jīng)被擴(kuò)充了。從而，有可能由替代模型為每個(gè)序列計(jì)算的最終結(jié)果比先前更精確的，因此更有可能步驟S8中識(shí)別出的序列確實(shí)是最優(yōu)的。
可以再一次使此序列經(jīng)過(guò)主模型，并且將結(jié)果與來(lái)自替代模型的結(jié)果相比較以檢查精度。如果結(jié)果不吻合，則在步驟S12中序列可被添加到DoE，并且方法再次返回步驟S7。步驟S7、S8、S10、S11和S12的循環(huán)可以按這種方式繼續(xù)，直到找到替代模型和主模型的結(jié)果之間的所需程度的吻合，此時(shí)方法可前進(jìn)到步驟S9。這樣一來(lái)，優(yōu)化精度被逐漸提高。另外，就主模型計(jì)算花費(fèi)而言，此提高是以高效的方式實(shí)現(xiàn)的，這是因?yàn)槊總€(gè)步驟S10中經(jīng)過(guò)主模型的附加步驟很有可能接近最優(yōu)，因?yàn)樗鼈円驯惶娲Ｐ妥R(shí)別為最優(yōu)。從而額外計(jì)算集中于感興趣的范圍中，并且是在最需要精度的地方提高精度的。
應(yīng)當(dāng)注意，某種程度上，上述各種步驟可以按不同于圖1和2中所示的次序來(lái)執(zhí)行。具體而言，步驟S2至S6可以按任何次序來(lái)執(zhí)行，只要用戶方便即可。此外，各種步驟的規(guī)?？蓽p小，或者完全被省去。例如，如果有預(yù)先存在的模型可供使用，則可能不需要構(gòu)造主模型。該預(yù)先存在的模型可能是先前在優(yōu)化相同過(guò)程時(shí)使用的模型，先前在優(yōu)化類似的、其中的模型適用于本過(guò)程的過(guò)程時(shí)使用的模型，或者從單獨(dú)的源提供的或以其他方式從單獨(dú)的源獲得的模型，不論這是不是特別為實(shí)現(xiàn)本發(fā)明而完成的。這一點(diǎn)也類似地適用于替代模型，因此本發(fā)明可能包括也可能不包括構(gòu)造替代模型，并且可限于使用替代模型而不構(gòu)造替代模型。另外，實(shí)驗(yàn)設(shè)計(jì)可以是對(duì)特定優(yōu)化過(guò)程而確定的，也可以是隨機(jī)選擇的，或者可使用先前定義的實(shí)驗(yàn)設(shè)計(jì)(最佳是用于相同或類似過(guò)程的)，因此不一定要定義DoE。以這些方式中的任何一種方式來(lái)利用預(yù)先存在的特征將會(huì)簡(jiǎn)單并且可能會(huì)加快整個(gè)優(yōu)化過(guò)程。
預(yù)期到為了快速和方便起見，主模型、替代模型、優(yōu)化序列的識(shí)別以及主模型和替代模型的結(jié)果之間的比較將會(huì)由計(jì)算機(jī)軟件來(lái)實(shí)現(xiàn)。例如，可提供能夠運(yùn)行模型、存儲(chǔ)實(shí)驗(yàn)設(shè)計(jì)和模型結(jié)果以及識(shí)別最優(yōu)序列的計(jì)算機(jī)程序產(chǎn)品。可提供計(jì)算機(jī)系統(tǒng)，其包括用于存儲(chǔ)實(shí)驗(yàn)設(shè)計(jì)和模型結(jié)果的存儲(chǔ)器，以及用于運(yùn)行模型、向存儲(chǔ)器寫數(shù)據(jù)和從存儲(chǔ)器讀數(shù)據(jù)以及識(shí)別最優(yōu)序列的處理器。但是，計(jì)算機(jī)實(shí)現(xiàn)方式是任選的，在某些情況下，可能優(yōu)選以其他方式實(shí)現(xiàn)這些特征中的某些或全部，所述其他方式例如是通過(guò)電子硬件或者可能手動(dòng)進(jìn)行。
另外，對(duì)于本發(fā)明的計(jì)算機(jī)實(shí)現(xiàn)方式，可通過(guò)采用并行方法獲得進(jìn)一步的速度增大?？梢岳糜?jì)算機(jī)使選擇的序列經(jīng)過(guò)主模型(正如下文中參考更詳細(xì)示例更詳細(xì)描述的)直到已覆蓋所需的事件范圍并出各自的貢獻(xiàn)，從而來(lái)有用地確定DoE。在事件包括多于一個(gè)變量的情況下，例如在過(guò)程中的特定步驟可以在多于一個(gè)溫度下或在多于一個(gè)方向上執(zhí)行的情況下，單獨(dú)的計(jì)算機(jī)處理器可專用于每個(gè)變量。為了確定DoE，每個(gè)處理器在變量之一周圍運(yùn)行序列，同時(shí)其他變量保持恒定。這提供了更迅速的確定DoE的方法，同時(shí)仍允許考慮所有變量，并且還可允許使用更簡(jiǎn)單的主模型，因?yàn)槊總€(gè)主模型只需要考慮一個(gè)變量。
類似地，并行處理器可被用于使多個(gè)序列經(jīng)過(guò)替代模型，其中每個(gè)處理器專用于涉及單個(gè)參數(shù)的不同值的序列。同樣，這可允許使用更簡(jiǎn)單版本的替代模型，并且比起單個(gè)處理器使所有序列經(jīng)過(guò)替代模型的情況來(lái)說(shuō)，允許了更迅速地識(shí)別最優(yōu)序列。
詳細(xì)示例1將現(xiàn)參考一個(gè)更詳細(xì)示例更進(jìn)一步描述本發(fā)明。
考慮包括六個(gè)步驟的過(guò)程。這六個(gè)步驟可按任何次序來(lái)執(zhí)行，并且每個(gè)步驟可以按兩種方式之一來(lái)執(zhí)行(例如前向或后向，或在第一或第二溫度下)。排序以及對(duì)執(zhí)行每個(gè)步驟的方式選擇修改過(guò)程的最終結(jié)果。令此最終結(jié)果由操作參數(shù)X定義，并且最終結(jié)果的所需性質(zhì)是使操作參數(shù)具有最優(yōu)值X＝0。換言之，操作參數(shù)被最小化。
每個(gè)步驟或事件被給予標(biāo)記，令此標(biāo)記為數(shù)字1-6。這些數(shù)字的正值和負(fù)值將被用于表示執(zhí)行每個(gè)事件兩種方式。從而，步驟序列例如可以由[-6，5，3，1，-4，2]來(lái)表示，其中各個(gè)數(shù)字是指示特定事件的標(biāo)記，并且每個(gè)數(shù)字在序列中的位置表示該事件在序列中被執(zhí)行的位置。
創(chuàng)建有限元(FE)模型形式的主模型，該主模型描述順序過(guò)程，并且可考慮每個(gè)事件處于序列中的任何位置，以及任何執(zhí)行事件的方式。該模型以序列作為輸入，并且產(chǎn)生表示過(guò)程期間操作參數(shù)X的發(fā)展的圖。它可以針對(duì)任何事件組合計(jì)算X的最終值，以及每個(gè)事件對(duì)X造成的貢獻(xiàn)。
優(yōu)化過(guò)程的目標(biāo)是通過(guò)改變事件序列使X的值最小化。存在六個(gè)變量(對(duì)于序列中的每個(gè)位置有一個(gè)變量)，其中每一個(gè)可采取12個(gè)非數(shù)字值(其中6個(gè)用于執(zhí)行每個(gè)事件的第一種方式，6個(gè)用于第二種方式)。這總共給出了26×6?。?6080個(gè)組合。根據(jù)某些常規(guī)的用于順序組合問(wèn)題的優(yōu)化技術(shù)，有必要使所有這些組合都經(jīng)過(guò)FE模型，并且選擇具有X的最小值的序列。但是，這是不可行的，因?yàn)橛?jì)算一個(gè)組合要花費(fèi)32小時(shí)。文獻(xiàn)中描述的其他可用的組合優(yōu)化方法，例如整數(shù)編程、圖、分支定界以及二叉樹[2]，無(wú)法大幅度減少必須計(jì)算的組合數(shù)目。本發(fā)明通過(guò)使用計(jì)算起來(lái)比FE模型快得多的替代模型，從而大大減少了實(shí)現(xiàn)結(jié)果所需的時(shí)間，并且被用于減少所需的FE運(yùn)行的數(shù)目。替代模型使用從FE運(yùn)行獲得的數(shù)據(jù)，因此某些FE運(yùn)行是必要的，但是替代模型可利用來(lái)自其數(shù)目與可能組合總數(shù)相比少得多的運(yùn)行的數(shù)據(jù)來(lái)近似FE模型為了開發(fā)替代模型，X的總值可以簡(jiǎn)單地描述成六個(gè)事件各自對(duì)X造成的貢獻(xiàn)之和X=∑i=16(xi)---(1)]]>其中xi是序列中事件i造成的貢獻(xiàn)。FE模型可計(jì)算每個(gè)事件的貢獻(xiàn)，因此可提供替換所需的信息。
任何一個(gè)事件所造成的貢獻(xiàn)將會(huì)依賴于事件在序列中的位置，以兩種可能的方式中的哪一種執(zhí)行事件以及任何在前事件。如果事件在序列中第一個(gè)發(fā)生，則所造成的貢獻(xiàn)獨(dú)立于后續(xù)事件。這在這里將被稱為主要影響(main effect)。事件e的主要影響將會(huì)被表示為Me。例如，以上給出的示例性序列給出關(guān)于M-6的信息，因?yàn)?6是此序列中的第一事件。從整體上來(lái)說(shuō)，存在六個(gè)可能的第一事件，每一個(gè)有兩種可能的執(zhí)行方式，這總共給出了十二個(gè)可能的主要影響值。這可由對(duì)FE模型的十二次運(yùn)行來(lái)確定。不需要運(yùn)行整個(gè)序列；各自包含不同的事件和執(zhí)行組合的十二次運(yùn)行的第一事件，作為序列中的第一事件將會(huì)提供關(guān)于所有可能的主要影響的完整信息。
作為替代模型候選的特別簡(jiǎn)單的模型是這樣一個(gè)模型其中X的最終值被假設(shè)為主要影響之和X=∑i=16Mei---(2)]]>其中ei是序列中的第i位置處的事件e。例如，該模型對(duì)序列[-6，5，3，1，-4，2]給出的X值為X＝M-6+M5+M3+M1+M-4+M2。此模型是基于無(wú)記憶系統(tǒng)的，其中不考慮任何先前的事件對(duì)當(dāng)前事件的影響。對(duì)于i＝2，3，4，5，6，它通過(guò)用相應(yīng)的主要影響替換所有xi，從而為序列中的所有位置假設(shè)了與初始事件相同的行為。這意味著這些系數(shù)僅依賴于事件，而不依賴于它們?cè)谛蛄兄械奈恢谩２豢紤]由在前事件引起的過(guò)程內(nèi)部發(fā)生的事的影響。此模型符合用少量FE運(yùn)行來(lái)提供使每個(gè)可能的序列經(jīng)過(guò)替代模型所需的所有信息的要求，因?yàn)樗恍枰芜\(yùn)行。但是，一般情況下系統(tǒng)不會(huì)表現(xiàn)得像無(wú)記憶系統(tǒng)；給定事件對(duì)最終結(jié)果造成的貢獻(xiàn)隨著它在序列中的位置而變化。因此，更精確的模型是X=∑i=16(Mei+Δ(e,i))---(3)]]>其中Δ(e，i)是由于將事件在序列中的位置的影響包括在內(nèi)而造成的精度提高。在此情況下，貢獻(xiàn)xi＝f(e，i)是事件和位置的函數(shù)。
為了使得系統(tǒng)記憶能被包括在優(yōu)化中，引入了被稱為發(fā)生(occurrence)的任何一個(gè)事件對(duì)整體最終結(jié)果的貢獻(xiàn)的階數(shù)(order)和類型(type)的定義。為了描述位置i處的貢獻(xiàn)，發(fā)生被定義如下(i)第1類的一階項(xiàng)，其忽略了在前事件的任何貢獻(xiàn)，即它們代表沒(méi)有記憶的系統(tǒng)。但是，它們確實(shí)考慮了序列內(nèi)的位置的影響。早前定義的主要影響是第1類的一階項(xiàng)，但是僅當(dāng)它們被用于描述位置1處的偏移量時(shí)才是。
(ii)第2類的一階項(xiàng)也忽略了在前事件，并且它們還忽略了位置的影響。例如，基于方程(2)的模型只包含這些項(xiàng)。在X＝M2+M-5+M6+M-1+M3+M-4中，M2是第1類的一階項(xiàng)，而其余歸于第2類發(fā)生，這是由于貢獻(xiàn)M-5、M6、M-1、M3和M-4來(lái)自其中事件-5、6、-1、3和-4出現(xiàn)在經(jīng)過(guò)FE模型的序列的位置1的仿真，但在此運(yùn)行中卻出現(xiàn)在別處。
(iii)第1類的二階項(xiàng)允許事件在序列中的位置以及序列的最近歷史(即緊挨在被考慮的事件i之前的事件)。二階發(fā)生僅在i≥2時(shí)存在。
(iv)第2類的二階項(xiàng)考慮前一事件，但是忽略事件對(duì)在序列中的位置的重要性。
(v)三階項(xiàng)，其僅在i≥3時(shí)存在，結(jié)合了緊挨在被考慮的事件之前的兩個(gè)事件。
(vi)對(duì)于更高階，以此類推。
在下文中，發(fā)生的階數(shù)由適當(dāng)?shù)臄?shù)值下標(biāo)表示，類型由被表示為“＇”符號(hào)。因此，類型為1、階數(shù)為k的發(fā)生被表示為Rk′(v，i)，其中v是由位置[ei-k+1，…，ei-1，ei]處的事件構(gòu)成的向量，從而包括當(dāng)前事件之前的k-1個(gè)事件。第2類發(fā)生將會(huì)具有“″”符號(hào)。
考慮k＝1和類型1序列20給出關(guān)于以下一階發(fā)生的信息(其中每一對(duì)的第一數(shù)字代表事件，第二數(shù)字是其在序列中的位置)R1′(2，1)＝M2；R1′(-5，2)；R1′(6，3)；R1′(-1，4)；R1′(-4，6)。它包含關(guān)于序列中位置i處的事件e的發(fā)生對(duì)X造成的變化。創(chuàng)建這樣一個(gè)實(shí)驗(yàn)設(shè)計(jì)(DoE)將會(huì)是簡(jiǎn)單明了的該DoE運(yùn)行FE模型足夠多次，以填充包括針對(duì)e＝-6，…，-1，1…6；i＝1，…，6的所有第1類一階發(fā)生R1′的矩陣。這種設(shè)計(jì)需要18次運(yùn)行。
為了描述有記憶的系統(tǒng)，必須考慮當(dāng)前和過(guò)去的發(fā)生的影響，而不是只考慮當(dāng)前發(fā)生(例如R1′)的影響。這種發(fā)生是二階或更高階的。為了簡(jiǎn)化模型，作出以下假設(shè)是合理的假設(shè)當(dāng)考慮序列中的最后一個(gè)事件時(shí)，例如由倒數(shù)第二個(gè)事件對(duì)其偏移量造成的影響將比第一個(gè)事件造成的更重要(因此可忽略很高階的發(fā)生)。另外，可假定若干事件的子序列不論發(fā)生在序列中的何處都將會(huì)具有大致相似的影響(因此對(duì)于高階發(fā)生，第2類發(fā)生就足夠了)。利用這些概念，可以利用來(lái)自先前執(zhí)行的運(yùn)行的信息來(lái)構(gòu)建對(duì)任何事件的影響的近似。此信息包括DoE。該過(guò)程如下1.首先，將目標(biāo)定為找到每個(gè)事件后的對(duì)X的貢獻(xiàn)，并且最終將它們加起來(lái)以獲得X的總值。最初X＝0。
2.令zp等于感興趣的序列。例如，zp＝[6，3，-5，4，-2，1]。
3.以i＝1(序列中的第一事件)開始，然后在適當(dāng)時(shí)遞增i。
4.發(fā)生的最高可能階數(shù)是i。
5.創(chuàng)建包含zp的前i個(gè)元素的向量zp1＝[1:i]。例如對(duì)于i＝3；zp1＝[6，3，-5]。
6.令k＝1。
7.創(chuàng)建取zp1的后i-k+1個(gè)元素的向量zp2＝zp1[i-k+1:i]。
8.搜索DoE以查找zp2，以便zp2的最后一個(gè)元素出現(xiàn)在DoE中的序列的第i位置處。如果找到的話，則取相應(yīng)貢獻(xiàn)xi的值，并轉(zhuǎn)到10，否則繼續(xù)。找到的貢獻(xiàn)是階數(shù)為i的第1類發(fā)生。
9.不考慮在序列中的位置，在DoE中的任何位置進(jìn)行搜索，以查找zp2。如果找到的話，則取相應(yīng)貢獻(xiàn)xi的值，并轉(zhuǎn)到10。找到的貢獻(xiàn)是階數(shù)為i的第2類發(fā)生。
10.X＝X+xi。
11.如果i＝ep，則停止(STOP)。已達(dá)到序列末尾。在這里給出的示例中，ep＝6，其中6對(duì)應(yīng)于每個(gè)序列6個(gè)事件。
12.i＝i+1.
13.轉(zhuǎn)到步驟4。
此過(guò)程與FE模型的運(yùn)行相比計(jì)算起來(lái)快得多。從而，通過(guò)利用相對(duì)少量FE運(yùn)行的結(jié)果填充DoE，替代模型可迅速運(yùn)行所有可能的序列，并識(shí)別給出最符合需要的X值的序列。
為了說(shuō)明利用這些發(fā)生的概念，考慮基于直到R2′為止的項(xiàng)的模型X=Mei+∑i=26(Mei+ΔR1′(v,i)+ΔR2′(v,i)),---(4)]]>
其中ΔR1′(v,i)=R1′(v,i)-Mei;]]>ΔR2′(v,i)=R2′(v,i)-Mei;]]>i是序列中的位置；并且v＝[ei-k+1，…，ei-1，ei]，其中k分別等于1和2。
例如，序列[2，-5，6，-1，3，-4]提供關(guān)于以下二階發(fā)生的信息R2′(2，-5，2)；R2′(-5，6，3)；R2′(6，-1，4)；R2′(-1，3，5)；R2′(3，-4，6)，其中每個(gè)群組中的最后一個(gè)數(shù)字是前兩個(gè)數(shù)字所代表的兩個(gè)事件在序列中的位置。要填充整個(gè)R2′DoE矩陣需要FE模型的180次運(yùn)行，這使其應(yīng)用不具吸引力。相反，可以通過(guò)改為使用填充整個(gè)R2″矩陣的DoE來(lái)作出折衷。為了確保所有第2類二階發(fā)生存在，需要27次FE運(yùn)行?？梢宰C明，對(duì)于許多過(guò)程，忽略子序列對(duì)的發(fā)生位置的這種近似不會(huì)造成精度的巨大損失。此外，可從矩陣獲得某些R2′對(duì)，并且如果可獲得這些R2′對(duì)的話，則可使用它們。因此，(4)中的項(xiàng)R2′可由下式替換 從而，只要有可能，二階項(xiàng)就被使用，并且僅在不可用時(shí)才被較低階的項(xiàng)所替換。這一微小精度損失被DoE所需的FE運(yùn)行數(shù)目的減少所平衡。
雖然DoE被設(shè)計(jì)為包括R2″(v)的所有可能的發(fā)生，但對(duì)于某些事件和位置它將會(huì)包含三階或更高階的發(fā)生，這些發(fā)生可用于進(jìn)一步提高精度。從而，方程5可被一般化為 并且X的總值被定義為X=∑i=1nHi---(7)]]>其中n是序列中的事件總數(shù)；在本示例中n＝6。方程7是方程4的更一般的形式，其找出最低類型的最高發(fā)生的貢獻(xiàn)之和，以針對(duì)給定事件和序列位置計(jì)算X的預(yù)測(cè)值。
此模型可應(yīng)用到任何數(shù)目的變量或事件n，只要記住發(fā)生的最高階數(shù)等于變量數(shù)目。模型展現(xiàn)某些學(xué)習(xí)屬性，即如果DoE中至少有一點(diǎn)，則它總是會(huì)產(chǎn)生預(yù)測(cè)。如果執(zhí)行更多FE運(yùn)行，則DoE的大小增大，并且預(yù)測(cè)會(huì)變得更精確。在所有可能的組合已被FE模型所測(cè)試的極限情況下，它確切地再現(xiàn)了來(lái)自過(guò)程的試驗(yàn)數(shù)據(jù)。此特征允許了替換模型兼容DoE中的任何點(diǎn)數(shù)，從而使后者能夠根據(jù)所需模型精度而自由增加或停止增加。對(duì)于所研究的諸如這里的具有六個(gè)事件的示例這樣的示例來(lái)說(shuō)，經(jīng)驗(yàn)表明整個(gè)R2″集合的存在就足以確保對(duì)現(xiàn)有數(shù)據(jù)的良好擬合。
顯然，一旦已從DoE所定義的充分FE運(yùn)行計(jì)算出貢獻(xiàn)數(shù)據(jù)，這種模型就只要求很少的計(jì)算，并且這使得所有可能的組合都能被替代模型所檢查，并且最佳那一個(gè)能夠被選擇。為了測(cè)試精度，然后可通過(guò)使此最佳預(yù)測(cè)的序列經(jīng)過(guò)FE模型來(lái)檢查它。然后此FE可被添加到DoE，從而使替代模型的更多的預(yù)測(cè)更為精確。然后替代模型可利用包括來(lái)自最后的FE運(yùn)行等在內(nèi)的所有DoE信息執(zhí)行對(duì)組合的另一次完全搜索，直到接連的模型產(chǎn)生相同或充分相似的結(jié)果。
繼續(xù)當(dāng)前的六事件過(guò)程示例，并且遵循以上得出的結(jié)論，可以構(gòu)造與FE模型的27次運(yùn)行相對(duì)應(yīng)的DoE表，該表確保了所有R2″發(fā)生都被包含在其中。DoE例如可以通過(guò)下述方式來(lái)構(gòu)造考慮所有可能的46080個(gè)組合，并選擇提供所有R2″發(fā)生的至少一個(gè)示例的第一集合。實(shí)現(xiàn)這一點(diǎn)的一個(gè)方式是運(yùn)行六個(gè)嵌套循環(huán)，每個(gè)循環(huán)經(jīng)過(guò)值-6、-5、-4、-3、-2、-1、1、2、3、4、5、6并且選擇遵循以下規(guī)則的序列|A|≠|(zhì)B|≠|(zhì)C|≠|(zhì)D|≠|(zhì)E|≠|(zhì)F|，其中A、B、C、D、E、F是六個(gè)嵌套循環(huán)變量。每個(gè)序列被記錄，并且當(dāng)每個(gè)R2″發(fā)生的至少一個(gè)示例已被找到時(shí)，DoE生成停止。這產(chǎn)生了包含第一序列集合的DoE，其確保了所有R2″發(fā)生都被測(cè)試。這是生成DoE的尤其簡(jiǎn)單的方式，但是應(yīng)當(dāng)注意，結(jié)果不一定是最優(yōu)DoE，也不一定是有可能的最小的DoE，雖然并不預(yù)期可能的最小的DoE會(huì)更小得多。
使DoE中的每個(gè)序列經(jīng)過(guò)FE模型。對(duì)于DoE的每個(gè)序列中的每個(gè)事件，對(duì)X的貢獻(xiàn)是根據(jù)由FE模型所計(jì)算的序列末尾和開頭處X的累積值的差值來(lái)計(jì)算的。
出于說(shuō)明目的，考慮序列[6，3，-5，4，-2，1]，并對(duì)其應(yīng)用模型1.X＝0。
2.i＝1對(duì)于第1號(hào)位置，發(fā)生的最高階數(shù)是1，因此檢查在DoE點(diǎn)中是否有6的主要影響。假設(shè)找到了該主要影響。從計(jì)算出的數(shù)據(jù)中提取為6的主要影響的貢獻(xiàn)，并且將該值加到X，現(xiàn)在X＝M6。
3.i＝2發(fā)生的最高階數(shù)是2，因此在DoE內(nèi)位置2處查找(6，3)對(duì)(首先尋找第1類發(fā)生)。如果沒(méi)有匹配，則接下來(lái)在不考慮位置的情況下查找第2類發(fā)生。假設(shè)找到匹配，則將相應(yīng)貢獻(xiàn)添加到X，以使得X＝M6+R2″(6，3)。
4.i＝3發(fā)生的最高階數(shù)是3，因此在DoE內(nèi)位置3處查找子序列(6，3，-5)(同樣首先尋找第1類發(fā)生)。如果在DoE中無(wú)法找到該子集，則在DoE中任何地方檢查此三元組。假設(shè)此檢查失敗，也就是表明不存在第1類或第2類的這種三階發(fā)生。接下來(lái)，通過(guò)截去最遠(yuǎn)的事件縮減子集，其中最遠(yuǎn)的事件推測(cè)起來(lái)對(duì)于位置3處生成的偏移的影響最小。子集變成(3，-5)。同樣，首先檢查它的第1類發(fā)生，即使得事件-5位于位置3，而事件3位于位置2。假設(shè)找到匹配，則將相應(yīng)的貢獻(xiàn)添加到X的值，以使得X＝M6+R2″(6，3)+R2′(3，-5，3)。
5.i＝4發(fā)生的最高階數(shù)是4，因此在DoE內(nèi)位置4處查找子序列(6，3，-5，4)，以查找第1類發(fā)生。不存在匹配，因此查找第2類發(fā)生，也沒(méi)有找到第2類發(fā)生。接下來(lái)，將子集截短為(3，-5，4)，并且首先查找第1類發(fā)生。在運(yùn)行18中存在匹配，因此將R3′上的適當(dāng)?shù)呢暙I(xiàn)添加到X的值，以使得X＝M6+R2″(6，3)+R2′(3，-5，3)+R3′(3，-5，4，4)。
6.i＝5發(fā)生的最高階數(shù)是5，因此在DoE內(nèi)位置5處查找子序列(6，3，-5，4，-2)，以查找第1類發(fā)生。假設(shè)沒(méi)有找到第1類發(fā)生，也沒(méi)有找到第2類發(fā)生，因此截短并查找(3，-5，4，-2)。又假設(shè)對(duì)于第1類和第2類搜索均失敗，則進(jìn)一步截短到(-5，4，-2)。同樣對(duì)于任一種類型都沒(méi)有找到匹配。截短到(4，-2)。不存在第1類發(fā)生，但假設(shè)第2類發(fā)生出現(xiàn)在DoE中。將貢獻(xiàn)添加到X，以使得X＝M6+R2″(6，3)+R2′(3，-5，3)+R3′(3，-5，4，4)+R2″(4，-2)。
7.i＝6發(fā)生的最高階數(shù)是6，因此在DoE內(nèi)位置6處查找子序列(6，3，-5，4，-2，1)。不出人意料地，假設(shè)沒(méi)有找到。經(jīng)歷與前一階段中的過(guò)程相同的過(guò)程，檢查接下來(lái)的子集(3，-5，4，-2，1)；(-5，4，-2，1)；(4，-2，1)的第1類和第2類的發(fā)生。假設(shè)沒(méi)找到。最終假設(shè)在不考慮位置的情況下在DoE中的任何位置搜索(-2，1)，并且在運(yùn)行14中找到匹配。將偏移量添加到X，以使得X＝M6+R2″(6，3)+R2′(3，-5，3)+R3′(3，-5，4，4)+R2″(4，-2)+R2″(-2，1)。
利用上述算法，可以利用MATLAT代碼在800MHz奔騰III機(jī)器上在少于5分鐘內(nèi)計(jì)算出所有的46080個(gè)可能的組合。以C或FORTRAN寫成的代碼將會(huì)更快地產(chǎn)生結(jié)果。
本發(fā)明已被有利地應(yīng)用到包括六個(gè)事件的序列的真實(shí)過(guò)程的優(yōu)化。僅用FE模型的28次運(yùn)行就從可能的46080個(gè)序列組合中確定出了X的優(yōu)化值以及相應(yīng)的序列。在FE模型中對(duì)識(shí)別出的序列進(jìn)行的測(cè)試確認(rèn)了識(shí)別出的模型是精確的。因此大大減少了計(jì)劃此類過(guò)程所需的計(jì)算花費(fèi)，而精度沒(méi)有大的損失。
詳細(xì)示例II現(xiàn)將參考特定示例進(jìn)一步描述本發(fā)明，該示例是將葉片(vane)焊接到燃?xì)廨啓C(jī)尾部軸承外殼(TBH)的內(nèi)環(huán)中。
圖3示出典型TBH的透視圖。它是用于將噴氣發(fā)動(dòng)機(jī)安裝到飛機(jī)機(jī)身上的關(guān)鍵元件。其主要結(jié)構(gòu)細(xì)節(jié)在圖3中示出，包括內(nèi)環(huán)10、包圍內(nèi)環(huán)10的外環(huán)12，以及在內(nèi)環(huán)10和外環(huán)12之間徑向延伸的多個(gè)葉片14。葉片14通常利用氣體保護(hù)鎢極電弧焊(gas tungsten arcwelding)被焊接到環(huán)10、12，所述氣體保護(hù)鎢極電弧焊常被稱為TIG焊接。
在這些元件的焊接期間，內(nèi)環(huán)10和葉片14都被夾在所需位置上。但是，由于加熱所生成的內(nèi)應(yīng)力，葉片變形。焊接造成當(dāng)焊接池中熔化的材料被冷卻時(shí)發(fā)生收縮。這造成較大的應(yīng)力被分布在整個(gè)元件上，并且還導(dǎo)致工件變形。這可以通過(guò)在葉片與焊接事件相對(duì)的一端的兩個(gè)葉片節(jié)點(diǎn)或尖端的位移來(lái)度量。圖4示出這些節(jié)點(diǎn)(節(jié)點(diǎn)10和節(jié)點(diǎn)96)，這些節(jié)點(diǎn)在葉片14和內(nèi)環(huán)10的相關(guān)部分的透視圖上以及葉片14的截面圖上示出。節(jié)點(diǎn)10是葉片14的前緣處的前尖端，節(jié)點(diǎn)96是葉片14的后緣處的后尖端。變形是不合需要的。
諸如焊接速度和功率之類的焊接參數(shù)是由焊接過(guò)程本身定義的，并且只能作很小程度的改變以減小變形。本發(fā)明的另一種方法是通過(guò)將葉片和內(nèi)環(huán)之間的接合處周圍的焊接路徑分成較小的間隔，從而將焊接過(guò)程考慮成順序組合過(guò)程。然后，可確定執(zhí)行這些焊接以造成最小限度的變形或不造成變形的序列。
圖5示出葉片14的必須被焊接到內(nèi)環(huán)10的底部的截面圖。焊接發(fā)生在此圖示的輪廓周圍，即在葉片邊緣周圍。該輪廓已被劃分成六個(gè)焊接路徑或事件，如圖中的箭頭所示。每次在一個(gè)路徑上執(zhí)行焊接，并且在一個(gè)焊接結(jié)束和下一個(gè)焊接開始之間有五秒的間隙，以允許重新定位焊接工具。標(biāo)注圖5中的箭頭的數(shù)字1-6被用于表示由相鄰的箭頭所代表的焊接事件，而不是路徑被焊接的次序?？梢砸匀魏未涡騺?lái)執(zhí)行焊接。在以下描述中，采取特定注釋來(lái)描述焊接次序。代表圖5的路徑的數(shù)字1至6按相應(yīng)路徑被焊接的次序列出。每個(gè)路徑可以在任一方向上被焊接；注釋中的正值指示圖5的箭頭方向上的焊接；負(fù)值指示相反方向上的焊接。
圖6給出一個(gè)表，該表示出用于描述某些可能的焊接序列的這種注釋。為了說(shuō)明示出了四個(gè)序列(在左列中標(biāo)注為1、2、6和20)。中間列示出焊接序列。在此列的頭部行中，標(biāo)志1至6指示在焊接序列中的六個(gè)位置。每個(gè)焊接序列被列在此列中，并且包含圖5中給出的焊接事件的名稱1-6，并且正如已說(shuō)明的，以減號(hào)對(duì)應(yīng)于相反的焊接方向。沿中間列垂直向下的虛線代表用于改變和重新定位焊接工具的五秒間隙。從而，標(biāo)題列中的數(shù)字對(duì)應(yīng)于序列中執(zhí)行焊接的次序，以下的行中的數(shù)字代表各個(gè)焊接事件。右列示出每個(gè)序列中的焊接事件的方向和順序位置的圖示，其中數(shù)值標(biāo)記是指每個(gè)焊接的順序位置(與圖5中的指示相鄰的箭頭的焊接事件的標(biāo)記形成對(duì)比)。
創(chuàng)建有限元(FE)模型形式的主模型，該主模型描述順序焊接過(guò)程，并且可考慮每個(gè)焊接事件處于序列中的任何位置，以及采取任何方向。該模型以焊接序列作為輸入，并且產(chǎn)生表示焊接過(guò)程期間的位移圖。它可以針對(duì)任何事件組合計(jì)算節(jié)點(diǎn)10和節(jié)點(diǎn)96處的總位移，以及每個(gè)焊接事件造成的位移貢獻(xiàn)。例如，針對(duì)圖6的焊接序列計(jì)算了這些位移。分析表明位移的X分量是優(yōu)化最感興趣的，因?yàn)樗钪匾⑶以趦蓚€(gè)方向(正和負(fù))上都發(fā)生變化。分量Z比X低一個(gè)數(shù)量級(jí)，因此對(duì)于產(chǎn)生的位移沒(méi)有重大影響。分量Y僅在正方向上變化，無(wú)法通過(guò)改變焊接序列來(lái)補(bǔ)償。
圖7示出模型的結(jié)果圖，其中包括對(duì)于焊接序列號(hào)6，節(jié)點(diǎn)10處的位移分量。還示出了被標(biāo)注為“速度”的曲線，該曲線示出焊接工具的速度，并且可用于顯現(xiàn)和區(qū)分六個(gè)焊接過(guò)程和五秒冷卻間隔。焊接在193秒之后完成，然后焊接點(diǎn)在其上帶夾具的情況下被冷卻，直到300秒，此時(shí)夾具被松開，冷卻繼續(xù)直到室溫。
圖8示出利用FE模型計(jì)算的來(lái)自圖6的序列1、2、6和20的位移分量X的圖。從此圖中明顯可看出，焊接序列的變化可能大大影響位移，因此可用于優(yōu)化目的。因此，本示例的目的是優(yōu)化焊接序列以使元件被夾住的同時(shí)位移最小。目標(biāo)是通過(guò)改變焊接序列減小最終位移。存在六個(gè)變量(對(duì)于每個(gè)焊接位置有一個(gè)變量)，其中每一個(gè)可采取12個(gè)非數(shù)字值(其中6個(gè)用于一個(gè)方向，6個(gè)用于相反方向)。這總共給出了26×6！＝46080個(gè)組合。根據(jù)某些常規(guī)的用于順序組合問(wèn)題的優(yōu)化技術(shù)，有必要使所有這些組合都經(jīng)過(guò)FE模型，并且選擇具有最小位移的焊接序列。但是，這是不可行的，因?yàn)橛?jì)算一個(gè)組合要花費(fèi)32小時(shí)。文獻(xiàn)中描述的其他可用的組合優(yōu)化方法，例如整數(shù)編程、圖、分支定界以及二叉樹[2]，無(wú)法大幅度減少必須計(jì)算的組合數(shù)目。本發(fā)明通過(guò)使用計(jì)算起來(lái)比FE模型快得多的替代模型，從而大大減少了實(shí)現(xiàn)結(jié)果所需的時(shí)間，并且被用于減少所需的FE運(yùn)行的數(shù)目。替代模型使用從FE運(yùn)行獲得的數(shù)據(jù)，因此某些FE運(yùn)行是必要的，但是替代模型可利用來(lái)自其數(shù)目與可能組合總數(shù)相比少得多的運(yùn)行的數(shù)據(jù)來(lái)近似FE模型為了開發(fā)替代模型，總位移D可以簡(jiǎn)單地描述成所涉及的六個(gè)焊接和冷卻各自造成的位移之和D=∑i=16(di+dic)+dc---(1)]]>這是以下部分的疊加由焊接序列中的焊接i造成的位移di；由每次焊接后的冷卻階段造成的位移dic；以及由最終冷卻階段造成的位移dc。為了簡(jiǎn)化，一開始將忽略冷卻位移，因此方程(1)變成D=∑i=16di---(2)]]>在有冷卻和無(wú)冷卻的情況下運(yùn)行FE模型10次表明，此假設(shè)不會(huì)帶來(lái)巨大的精度損失，這是因?yàn)閺暮附舆^(guò)程對(duì)整個(gè)位移的貢獻(xiàn)壓倒性地超過(guò)來(lái)自冷卻過(guò)程的貢獻(xiàn)。FE模型可計(jì)算由每個(gè)焊接造成的位移，因此可提供替代模型所需的信息。
任何一個(gè)焊接所造成的位移將會(huì)依賴于焊接在序列中的位置、焊接方向以及任何在前焊接。如果焊接在序列中第一個(gè)發(fā)生，則所造成的位移獨(dú)立于后續(xù)焊接。這在這里將被稱為主要影響。焊接事件w的主要影響將會(huì)被表示為Mw。例如，上述運(yùn)行1、2、6和20分別給出關(guān)于M1、M-1、M-6和M2的信息，這是因?yàn)?、-1、-6和2是這些序列中的第一個(gè)焊接事件。從整體上來(lái)說(shuō)，存在六個(gè)可能的第一焊接，每一個(gè)有兩種可能的方向，這總共給出了十二個(gè)可能的主要影響值。這可由對(duì)FE模型的十二次運(yùn)行來(lái)確定。不需要運(yùn)行整個(gè)焊接序列；各自包含不同焊接位置和方向組合的十二次運(yùn)行的第一焊接，作為序列中的第一事件將會(huì)提供關(guān)于所有可能的主要影響的完整信息。
作為替代模型候選的特別簡(jiǎn)單的模型是這樣一個(gè)模型其中最終位移被假設(shè)為主要影響之和D=∑i=16Mwi---(3)]]>其中wi是在焊接序列中的i位置處焊接的焊接事件w。例如，該模型對(duì)圖6中的序列20給出以下位移D＝M2+M-5+M6+M-1+M3+M-4。此模型是基于無(wú)記憶系統(tǒng)的，其中不考慮任何先前的焊接對(duì)當(dāng)前焊接的影響。對(duì)于i＝2，3，4，5，6，它通過(guò)用相應(yīng)的主要影響替換所有di，從而為序列中的所有位置假設(shè)了與初始焊接相同的行為。這意味著這些系數(shù)僅依賴于焊接事件，而不依賴于它們?cè)诤附有蛄兄械奈恢?。不考慮由在前焊接引起的系統(tǒng)內(nèi)部發(fā)生的事的影響。此模型符合用少量FE運(yùn)行來(lái)提供使每個(gè)可能的焊接序列經(jīng)過(guò)替代模型所需的所有信息的要求，因?yàn)樗恍枰芜\(yùn)行。但是，焊接過(guò)程沒(méi)有表現(xiàn)得像無(wú)記憶系統(tǒng)；給定焊接事件造成的位移隨著它在焊接序列中的位置而變化。因此，更精確的模型是D=∑i=16(Mwi+Δ(w,i))---(4)]]>其中Δ(w，i)是由于將焊接事件在序列中的位置的影響包括在內(nèi)而造成的精度提高。在此情況下，位移di＝f(w，i)是焊接事件和位置的函數(shù)。
為了使得系統(tǒng)記憶能被包括在優(yōu)化中，引入了被稱為發(fā)生的任何一個(gè)事件對(duì)整體位移的貢獻(xiàn)的階數(shù)和類型。為了描述位置i處的位移，發(fā)生被定義如下(vii)第1類的一階項(xiàng)，其忽略了在前焊接事件的任何貢獻(xiàn)，即它們代表沒(méi)有記憶的系統(tǒng)。但是，它們確實(shí)考慮了序列內(nèi)的位置的影響。早前定義的主要影響是第1類的一階項(xiàng)，但是僅當(dāng)它們被用于描述位置1處的位移時(shí)才是。
(viii)第2類的一階項(xiàng)也忽略了在前焊接事件，并且它們還忽略了位置的影響。例如，基于方程(2)的模型只包含這些項(xiàng)。在D＝M2+M-5+M6+M-1+M3+M-4中，M2是第1類的一階項(xiàng)，而其余歸于第2類發(fā)生，這是由于貢獻(xiàn)M-5、M6、M-1、M3和M-4來(lái)自其中焊接事件-5、6、-1、3和-4出現(xiàn)在經(jīng)過(guò)FE模型的焊接序列的位置1的仿真但在此運(yùn)行中卻出現(xiàn)在別處。
(ix)第1類的二階項(xiàng)允許焊接事件在序列中的位置以及序列的最近歷史(即緊挨在被考慮的焊接i之前的焊接事件)。二階發(fā)生僅在i≥2時(shí)存在。
(x)第2類的二階項(xiàng)考慮前一事件，但是忽略事件對(duì)在序列中的位置的重要性。
(xi)三階項(xiàng)，其僅在i≥3時(shí)存在，結(jié)合了緊挨在被考慮的焊接事件之前的兩個(gè)焊接事件。
(xii)對(duì)于更高階，以此類推。
在下文中，發(fā)生的階數(shù)由適當(dāng)?shù)臄?shù)值下標(biāo)表示，類型由被表示為“′”符號(hào)。因此，類型為1、階數(shù)為k的發(fā)生被表示為Rk′(v，i)，其中v是由位置[wi-k+1，…，wi-1，wi]處的焊接事件構(gòu)成的向量，從而包括當(dāng)前事件之前的k-1個(gè)事件。第2類發(fā)生將會(huì)具有“″”符號(hào)。
考慮k＝1和類型1序列20給出關(guān)于以下一階發(fā)生的信息(其中每一對(duì)的第一數(shù)字代表焊接事件，第二數(shù)字是其在序列中的位置)R1′(2，1)＝M2；R1′(-5，2)；R1′(6，3)；R1′(-1，4)；R1′(-4，6)。它包含關(guān)于焊接序列中位置i處的焊接事件w的發(fā)生對(duì)位移造成的變化。創(chuàng)建這樣一個(gè)實(shí)驗(yàn)設(shè)計(jì)(DoE)將會(huì)是簡(jiǎn)單明了的該DoE運(yùn)行FE模型足夠多次，以填充包括針對(duì)w＝-6，…，-1，1…6；i＝1，…，6的所有第1類一階發(fā)生R1′的矩陣。這種設(shè)計(jì)需要18次運(yùn)行。
為了描述有記憶的系統(tǒng)，必須考慮當(dāng)前和過(guò)去的發(fā)生的影響，而不是只考慮當(dāng)前發(fā)生(例如R1′)的影響。這種發(fā)生是二階或更高階的。為了簡(jiǎn)化模型，作出以下假設(shè)是合理的假設(shè)當(dāng)考慮序列中的最后一個(gè)焊接時(shí)，例如由倒數(shù)第二個(gè)焊接對(duì)其位移造成的影響將比第一個(gè)焊接造成的更重要(因此可忽略很高階的發(fā)生)。另外，可假定若干焊接的子序列不論發(fā)生在序列中的何處都將會(huì)具有大致相似的影響(因此對(duì)于高階發(fā)生，第2類發(fā)生就足夠了)。利用這些概念，可以利用來(lái)自先前執(zhí)行的運(yùn)行的信息來(lái)構(gòu)建對(duì)任何焊接的影響的近似。此信息包括DoE。該過(guò)程如下14.首先，將目標(biāo)定為找到每個(gè)事件后的偏移，并且最終將它們加起來(lái)以獲得總偏移。最初D＝0。
15.令xp等于感興趣的序列。例如，xp＝[6，3，-5，4，-2，1]。
16.以i＝1(序列中的第一事件)開始，然后在適當(dāng)時(shí)遞增i。
17.發(fā)生的最高可能階數(shù)是i。
18.創(chuàng)建包含xp的前i個(gè)元素的向量xp1＝[1:i]。例如對(duì)于i＝3；xp1＝[6，3，-5]。
19.令k＝1。
20.創(chuàng)建取xp1的后i-k+1個(gè)元素的向量xp2＝xp1[i-k+1:i]。
21.搜索DoE以查找xp2，以便xp2的最后一個(gè)元素出現(xiàn)在DoE中的序列的第i位置處。如果找到的話，則取相應(yīng)位移di的值，并轉(zhuǎn)到10，否則繼續(xù)。找到的位移是階數(shù)為i的第1類發(fā)生。
22.不考慮在序列中的位置，在DoE中的任何位置進(jìn)行搜索，以查找xp2。如果找到的話，則取相應(yīng)位移di的值，并轉(zhuǎn)到10，否則繼續(xù)。找到的位移是階數(shù)為i的第2類發(fā)生。
23.D＝D+di。
24.如果i＝wp，則停止。已達(dá)到序列末尾。在這里給出的示例中，wp＝6，其中6對(duì)應(yīng)于每個(gè)序列6個(gè)焊接事件。
25.i＝i+1.
26.轉(zhuǎn)到步驟4。
此過(guò)程與FE模型的運(yùn)行相比計(jì)算起來(lái)快得多。從而，通過(guò)利用相對(duì)少量FE運(yùn)行的結(jié)果填充DoE，替代模型可迅速運(yùn)行所有可能的序列，并識(shí)別最小的總位移。
為了說(shuō)明利用這些發(fā)生的概念，考慮基于直到R2′為止的項(xiàng)的模型D=Mwi+∑i=26(Mwi+ΔR1′(v,i)+ΔR2′(v,i))---(5)]]>其中ΔR1′(v,i)=R1′(v,i)-Mwi;]]>ΔR2′(v,i)=R2′(v,i)-Mwi;]]>i是序列中的位置；并且v＝[wi-k+1，…，wi-1，wi]，其中k分別等于1和2。
例如，運(yùn)行20提供關(guān)于以下二階發(fā)生的信息R2′(2，-5，2)；R2′(-5，6，3)；R2′(6，-1，4)；R2′(-1，3，5)；R2′(3，-4，6)，其中每個(gè)群組中的最后一個(gè)數(shù)字是前兩個(gè)數(shù)字所代表的兩個(gè)焊接事件在序列中的位置。要填充整個(gè)R2′DoE矩陣需要FE模型的180次運(yùn)行，這使其應(yīng)用不具吸引力。相反，可以通過(guò)改為使用填充整個(gè)R2″矩陣的DoE來(lái)作出折衷。為了確保所有第2類二階發(fā)生存在，需要27次FE運(yùn)行?？梢宰C明，忽略子序列對(duì)發(fā)生位置的這種近似不會(huì)造成精度的巨大損失。此外，可從矩陣獲得某些R2′對(duì)，并且如果可獲得這些R2′對(duì)的話，則可使用它們。因此，(5)中的項(xiàng)R2′可由下式替換 從而，只要有可能，二階項(xiàng)就被使用，并且僅在不可用時(shí)才被較低階的項(xiàng)所替換。這一微小精度損失被DoE所需的FE運(yùn)行數(shù)目的減少所平衡。
雖然DoE被設(shè)計(jì)為包括R2″(v)的所有可能的發(fā)生，但對(duì)于某些事件和位置它將會(huì)包含三階或更高階的發(fā)生，這些發(fā)生可用于進(jìn)一步提高精度。從而，方程6可被一般化為 并且總位移被定義為D=∑i=1nHi---(8)]]>其中n是序列中的事件總數(shù)；在本示例中n＝6。方程8是方程(5)的更一般的形式，其找出最低類型的最高發(fā)生的貢獻(xiàn)之和，以針對(duì)給定焊接事件和序列位置計(jì)算位移的預(yù)測(cè)值。
此模型可應(yīng)用到任何數(shù)目的變量或事件n，只要記住發(fā)生的最高階數(shù)等于變量數(shù)目。模型展現(xiàn)某些學(xué)習(xí)屬性，即如果DoE中至少有一點(diǎn)，則它總是會(huì)產(chǎn)生預(yù)測(cè)。如果執(zhí)行更多FE運(yùn)行，則DoE的大小增大，并且預(yù)測(cè)會(huì)變得更精確。在所有可能的組合已被FE模型所測(cè)試的極限情況下，它確切地再現(xiàn)了試驗(yàn)數(shù)據(jù)。此特征允許了替換模型兼容DoE中的任何點(diǎn)數(shù)，從而使后者能夠根據(jù)所需模型精度而自由增加或停止增加。對(duì)于這里所研究的示例來(lái)說(shuō)，經(jīng)驗(yàn)表明整個(gè)R2″集合的存在就足以確保對(duì)現(xiàn)有數(shù)據(jù)的良好擬合。
顯然，一旦已從DoE所定義的充分FE運(yùn)行計(jì)算出位移數(shù)據(jù)，這種模型就只要求很少的計(jì)算，并且這使得所有可能的組合都能被替代模型所檢查，并且最佳那一個(gè)能夠被選擇。為了測(cè)試精度，然后可通過(guò)使其焊接序列經(jīng)過(guò)FE模型來(lái)檢查它。然后此FE可被添加到DoE，從而使替代模型的更多的預(yù)測(cè)更為精確。然后替代模型可利用包括來(lái)自最后的FE運(yùn)行等在內(nèi)的所有DoE信息執(zhí)行對(duì)組合的另一次完全搜索，直到接連的模型產(chǎn)生相同或充分相似的結(jié)果。
繼續(xù)以焊接序列優(yōu)化作為對(duì)本發(fā)明的實(shí)施例的例示，并且遵循以上得出的結(jié)論，圖9示出與FE模型的27次運(yùn)行相對(duì)應(yīng)的DoE表，該表確保了所有R2″發(fā)生都被包含在其中。圖10示出了針對(duì)圖9所示的DoE中找到的當(dāng)前和過(guò)去的焊接位置的每個(gè)組合的第2類二階發(fā)生數(shù)目的矩陣。此矩陣的第一元素(1，1)等于0，這是因?yàn)楹附邮录?6不能在焊接事件-6之后被執(zhí)行；從而所有對(duì)角線元素都是0。之下的元素(2，1)等于1，表明存在過(guò)去-當(dāng)前事件對(duì)(-5，-6)的一次發(fā)生。它出現(xiàn)在運(yùn)行2中，出現(xiàn)在第六位置處。索引為0的矩陣行包含主要影響。例如可以看出，存在3次給出關(guān)于主要影響-6的信息的運(yùn)行。這些發(fā)生在運(yùn)行6、7和23中，其中在焊接序列中首先執(zhí)行了焊接事件-6。此矩陣確認(rèn)了除了對(duì)角線上以外沒(méi)有零元素。
此示例中的DoE是通過(guò)下述方式來(lái)構(gòu)造的考慮所有可能的46080個(gè)組合，并選擇填充圖10所示的矩陣中的所有非對(duì)角線元素的第一集合。這是通過(guò)運(yùn)行六個(gè)嵌套循環(huán)實(shí)現(xiàn)的，每個(gè)循環(huán)經(jīng)過(guò)值-6、-5、-4、-3、-2、-1、1、2、3、4、5、6并且選擇遵循以下規(guī)則的序列|A|≠|(zhì)B|≠|(zhì)C|≠|(zhì)D|≠|(zhì)E|≠|(zhì)F|，其中A、B、C、D、E、F是六個(gè)嵌套循環(huán)變量。每個(gè)序列被注冊(cè)在矩陣中，如圖10所示，并且當(dāng)除對(duì)角線元素外的所有元素都非零時(shí)，DoE生成停止。這產(chǎn)生了包含第一序列集合的DoE，其確保了所有R2″發(fā)生都被測(cè)試。這是生成DoE的尤其簡(jiǎn)單的方式，但是應(yīng)當(dāng)注意，結(jié)果不一定是最優(yōu)DoE，也不一定是有可能的最小的DoE，雖然并不預(yù)期可能的最小的DoE比起這里所示的DoE來(lái)會(huì)小得多。
使DoE中的每個(gè)序列經(jīng)過(guò)FE模型。對(duì)于圖10的矩陣的每個(gè)元素，位移值是根據(jù)由FE模型所計(jì)算的焊接結(jié)束和開始處位移的差值來(lái)計(jì)算的。此結(jié)果在圖11的表中示出，該表與圖10的矩陣具有相同的結(jié)構(gòu)。例如，過(guò)去-當(dāng)前對(duì)(-5，-6)的發(fā)生所造成的位移是-0.12721mm，這是R2″(-5，-6)的值。
出于說(shuō)明目的，考慮焊接序列6，3，-5，4，-2，1，并對(duì)其應(yīng)用模型8.D＝0。
9.i＝1對(duì)于第1號(hào)位置，發(fā)生的最高階數(shù)是1，因此檢查在DoE點(diǎn)中是否有6的主要影響。找到三個(gè)適配項(xiàng)(在運(yùn)行8、24、25中)。從圖11中提取為6的主要影響的位移。該值被添加到D，現(xiàn)在D＝M6。
10.i＝2發(fā)生的最高階數(shù)是2，因此在DoE內(nèi)位置2處查找(6，3)對(duì)(首先尋找第1類發(fā)生)。沒(méi)有匹配，因此接下來(lái)在不考慮位置的情況下查找第2類發(fā)生。在運(yùn)行27中找到匹配。將來(lái)自圖11的相應(yīng)位移值添加到D的值，以使得D＝M6+R2″(6，3)。
11.i＝3發(fā)生的最高階數(shù)是3，因此在DoE內(nèi)位置3處查找子序列(6，3，-5)(同樣首先尋找第1類發(fā)生)。在DoE中無(wú)法找到該子集。在DoE中任何地方的三元組檢查也失敗，表明不存在第1類或第2類的這種三階發(fā)生。接下來(lái)，通過(guò)截去最遠(yuǎn)的事件縮減子集，其中最遠(yuǎn)的事件推測(cè)起來(lái)對(duì)于位置3處生成的偏移的影響最小。子集變成(3，-5)。同樣，首先檢查它的第1類發(fā)生，以使得事件-5位于位置3，而事件3位于位置2。在運(yùn)行18中找到匹配，相應(yīng)的位移被添加到D的值，以使得D＝M6+R2″(6，3)+R2′(3，-5，3)。
12.i＝4發(fā)生的最高階數(shù)是4，因此在DoE內(nèi)位置4處查找子序列(6，3，-5，4)，以查找第1類發(fā)生。不存在匹配，因此查找第2類發(fā)生，也沒(méi)有找到第2類發(fā)生。接下來(lái)，將子集截短為(3，-5，4)，并且首先查找第1類發(fā)生。在運(yùn)行18中存在匹配，因此R3′項(xiàng)所貢獻(xiàn)的適當(dāng)位移值添加到D的值，以使得D＝M6+R2″(6，3)+R2＇(3，-5，3)+R3＇(3，-5，4，4)。
13.i＝5發(fā)生的最高階數(shù)是5，因此在DoE內(nèi)位置5處查找子序列(6，3，-5，4，-2)，以查找第1類發(fā)生。沒(méi)有找到第1類發(fā)生，也沒(méi)有找到第2類發(fā)生，因此截短并查找(3，-5，4，-2)。對(duì)于第1類和第2類搜索也均失敗。進(jìn)一步截短到(-5，4，-2)。同樣對(duì)于任一種類型都沒(méi)有找到匹配。截短到(4，-2)。不存在第1類發(fā)生，但假設(shè)第2類發(fā)生出現(xiàn)在運(yùn)行4中。將位移添加到D，以使得D＝M6+R2″(6，3)+R2′(3，-5，3)+R3′(3，-5，4，4)+R2″(4，-2)。
14.i＝6發(fā)生的最高階數(shù)是6，因此在DoE內(nèi)位置6處查找子序列(6，3，-5，4，-2，1)。不出人意料地，沒(méi)有找到。經(jīng)歷與前一階段中的過(guò)程相同的過(guò)程，檢查接下來(lái)的子集(3，-5，4，-2，1)；(-5，4，-2，1)；(4，-2，1)的第1類和第2類的發(fā)生。沒(méi)有找到。最終，在不考慮位置的情況下在DoE中的任何位置進(jìn)行的對(duì)(-2，1)的搜索在運(yùn)行14中找到匹配。將位移添加到D，以使得D＝M6+R2″(6，3)+R2＇(3，-5，3)+R3′(3，-5，4，4)+R2″(4，-2)+R2″(-2，1)。
8.總位移還應(yīng)當(dāng)包括最終冷卻階段，該階段是用由dc＝0.7152*H(6)+0.0143所模擬的線性曲線擬合找到的。
利用上述算法，可以利用MATLAT代碼在800MHz奔騰III機(jī)器上在少于5分鐘內(nèi)計(jì)算出所有的46080個(gè)可能的組合。以C或FORTRAN寫成的代碼將會(huì)更快地產(chǎn)生結(jié)果。以發(fā)現(xiàn)標(biāo)記為“運(yùn)行28”的以下序列產(chǎn)生|D|的最小值-6，-1，-5，2，-4，3。此序列的位移值由下式給出D＝M-6+R2＇(-6，-1，2)+R3＇(-6，-1，-5，3)+R2″(-5，2，4)+R2″(2，-4，5)+R2″(-4，3，6)+0.7152*R2″(-4，3，6)+0.0143＝0.00023已用FE模型計(jì)算了相同的序列，產(chǎn)生了非常類似的結(jié)果D＝0.000231。對(duì)于TBH制造，這被視為令人滿意的精確值，并且也很可能是此優(yōu)化任務(wù)的全局最小值。
圖12示出了將最終優(yōu)化結(jié)果圖示為位移對(duì)時(shí)間圖的圖，它示出了運(yùn)行28的FE仿真以及來(lái)自DoE的運(yùn)行1、5、6、16、24和26的FE仿真，以便比較。運(yùn)行28的曲線就在300秒之前到達(dá)零，此時(shí)夾具被松開。比較示出了與運(yùn)行1相比X位移的改進(jìn)，其中運(yùn)行1是TBH生產(chǎn)中通常用作標(biāo)準(zhǔn)的序列。
圖13示出所有28個(gè)運(yùn)行的最終位移的圖，其圖示了產(chǎn)生最小位移的優(yōu)化運(yùn)行28。
從而，本發(fā)明已被有利地應(yīng)用到焊接序列的優(yōu)化，并且證實(shí)了僅用FE模型的28次運(yùn)行就可以從可能的46080個(gè)序列組合中確定出最優(yōu)的焊接后變形。在FE模型中對(duì)識(shí)別出的序列進(jìn)行的測(cè)試確認(rèn)了識(shí)別出的模型是精確的。這大大減少了焊接計(jì)劃所需的計(jì)算花費(fèi)，而精度沒(méi)有大的損失。
可進(jìn)行一些突出本發(fā)明的優(yōu)點(diǎn)的觀察，這些優(yōu)點(diǎn)中的很多適用于將本發(fā)明應(yīng)用到其他順序組合序列中-該方法將順序過(guò)程的非連續(xù)空間映射到連續(xù)空間，從而允許將順序組合問(wèn)題轉(zhuǎn)換成常規(guī)表示方式；-該方法適用于多種順序組合問(wèn)題；-替代模型是順序構(gòu)建的，以便給出每個(gè)新的組合以使其更精確；-替代模型是高效的，這是因?yàn)樗鼜慕o出的主模型運(yùn)行中提取出所有的有用信息，并且基于其有用度將這些信息排列在優(yōu)先級(jí)列表中；-該方法是快速的；對(duì)于六個(gè)事件，可以利用MATLAB代碼在800MHz奔騰III機(jī)器上在少于5分鐘內(nèi)通過(guò)替代模型計(jì)算出所有可能的46080個(gè)組合。以C或FORTRAN寫成的代碼將會(huì)更快地產(chǎn)生結(jié)果；-在上述焊接過(guò)程優(yōu)化示例的情境中，進(jìn)行27次初始主模型計(jì)算就足以從替代模型獲得高精度且快速的預(yù)測(cè)，該預(yù)測(cè)對(duì)最優(yōu)位移產(chǎn)生了以下值0.00023mm，這非常接近FE預(yù)測(cè)的0.000231mm的值。
其他實(shí)施例如上所述，本發(fā)明對(duì)通常用于順序組合問(wèn)題的計(jì)算花費(fèi)高的FE和其他模型提供了快速且有效的替代物。該算法通過(guò)將離散非數(shù)值信息集合映射到連續(xù)數(shù)值域，從而不斷參考關(guān)于感興趣的系統(tǒng)的現(xiàn)有信息。為了允許它用完整主模型的少量昂貴運(yùn)行進(jìn)行工作，替代模型遵循匹配條件的優(yōu)先級(jí)列表進(jìn)行預(yù)測(cè)。其示例是1.第1類的可能的最高階的發(fā)生2.第2類的可能的最高階的發(fā)生3.第1類的較低階的發(fā)生4.第2類的較低階的發(fā)生5.主要影響所提出的算法的實(shí)施例總是會(huì)嘗試查找位于此列表中盡可能高的位置的項(xiàng)目。由于某些原因，應(yīng)用另一種優(yōu)先級(jí)列表可能更適合，例如1.第1類的可能的最高階的發(fā)生2.第1類的較低階的發(fā)生3.第2類的可能的最高階的發(fā)生4.第2類的較低階的發(fā)生5.主要影響其他優(yōu)先級(jí)列表也是可能的，并且可被研究以改進(jìn)給定系統(tǒng)中的預(yù)測(cè)。
如果沒(méi)有來(lái)自主模型的運(yùn)行可用，則該算法將對(duì)所有預(yù)測(cè)產(chǎn)生零結(jié)果。通過(guò)確保至少所有主要影響可用，可獲得非常粗略的預(yù)測(cè)，這對(duì)于某些應(yīng)用可能就足夠了。對(duì)于沒(méi)表現(xiàn)記憶的系統(tǒng)，這種預(yù)測(cè)還算精確。只要通過(guò)運(yùn)行第一事件就可獲得主要影響，而無(wú)需計(jì)算整個(gè)序列。這給出了非常迅速的優(yōu)化過(guò)程，這是因?yàn)榕c所有可能序列的完整計(jì)算相比，幾乎不需要密集型計(jì)算。但是，如果需要更精確的結(jié)果，則建議至少包括第2類的二階發(fā)生。
對(duì)于包含大量事件的大型問(wèn)題，通過(guò)給予某些位置或事件比其他位置或事件更高的優(yōu)先級(jí)，可提高精度。在這種情況下，混合DoE是可能的，其中以較高階發(fā)生來(lái)捕捉最重要的事件，而以較低階發(fā)生來(lái)捕捉不那么重要的事件。從而，計(jì)算花費(fèi)集中于序列中對(duì)最終結(jié)果影響最大的那些部分上。這方面的變化可能引起DoE大小的減小，從而為更重要的事件給出最多的信息。
雖然已參考焊接序列的示例詳細(xì)描述了本發(fā)明的實(shí)施例，但是本發(fā)明并不限于此。本發(fā)明適用于其中序列的排序影響過(guò)程結(jié)果的任何順序過(guò)程。本發(fā)明可應(yīng)用到的過(guò)程的示例包括-將多個(gè)葉片焊接到燃?xì)鉁u輪TBH或類似渦輪或推進(jìn)器結(jié)構(gòu)，即其中葉片被焊接到環(huán)的序列；-找出就被依賴于完成不同工作任務(wù)的次序的焊接、粘合、螺栓連接、冷縮配合、碾壓結(jié)合或任何其他接合過(guò)程所接合的一個(gè)或多個(gè)任意幾何形狀的機(jī)械屬性而言的最優(yōu)接合序列。
同樣，本發(fā)明不限于以有限元分析模型作為主模型?？梢允褂媚軌蛱峁┧栊畔⒌娜魏晤愋偷哪Ｐ?。例如，主模型可以是能夠?qū)ζ苹蚱渌僮鲄?shù)進(jìn)行仿真的任何適當(dāng)?shù)挠?jì)算機(jī)程序。但是，計(jì)算機(jī)仿真模型不是必需的。例如，在其中針對(duì)選擇出的序列執(zhí)行過(guò)程的實(shí)際測(cè)試的結(jié)果可以取代仿真結(jié)果或與仿真結(jié)果相結(jié)合。
例如，在工廠中的元件流程的應(yīng)用中，可以使用定時(shí)器來(lái)測(cè)量不同機(jī)器/操作的時(shí)間間隔，并使用這些時(shí)間間隔作為替代模型所使用的信息。
類似地，通過(guò)被修改以更接近地模擬感興趣的過(guò)程，類似或相關(guān)過(guò)程的測(cè)試的結(jié)果可能適于使用。另外，真實(shí)結(jié)果的使用可以與主模型相結(jié)合，以使得DoE可包括某些已經(jīng)過(guò)主模型的序列、以及以為其測(cè)量實(shí)際結(jié)果的序列，和/或主模型可用于檢查替代模型預(yù)測(cè)的精度。從效果上而言，序列中的每個(gè)事件對(duì)最終結(jié)果的任何貢獻(xiàn)值都可用作被替代模型參數(shù)的信息，不論它是如何被獲得的，其中該序列被包括在實(shí)驗(yàn)設(shè)計(jì)中。從而可使用用于獲得信息的最方便的技術(shù)。
參考文獻(xiàn)[1]US 6,349,467[2]Winston，W，1995，“Introduction to mathematicalprogramming(數(shù)學(xué)編程導(dǎo)論)”，第二版，Duxbury出版社，California，USA。
權(quán)利要求
1.一種優(yōu)化順序組合過(guò)程的方法，所述順序組合過(guò)程包括多個(gè)可互換的事件，所述事件可按許多序列中的任何一個(gè)執(zhí)行以實(shí)現(xiàn)所述過(guò)程的最終結(jié)果，所述最終結(jié)果由操作參數(shù)定義，所述方法包括利用包括從所述許多序列選擇出的多個(gè)序列的實(shí)驗(yàn)設(shè)計(jì)，來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列鏈接到關(guān)于每個(gè)序列中的每個(gè)事件就所述操作參數(shù)而言對(duì)所述最終結(jié)果的貢獻(xiàn)的值的信息；利用所述過(guò)程的替代模型，該替代模型以所述事件的序列作為輸入，并通過(guò)對(duì)所述輸入序列中的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值求和來(lái)確定所述最終結(jié)果的值，其中所述貢獻(xiàn)值是根據(jù)一個(gè)算法從來(lái)自所述操作參數(shù)信息的貢獻(xiàn)值中選擇出的，所述算法根據(jù)匹配條件的優(yōu)先級(jí)列表搜索所述實(shí)驗(yàn)設(shè)計(jì)，以查找所述輸入序列的每個(gè)事件與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間的匹配，并取得匹配的事件的貢獻(xiàn)值；使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述替代模型，并記錄每個(gè)序列的最終結(jié)果的值；以及通過(guò)搜索所記錄的來(lái)自所述替代模型的最終結(jié)果的值以查找所記錄的所述操作參數(shù)的最優(yōu)值，來(lái)識(shí)別最優(yōu)序列，給出此記錄的最優(yōu)值的序列是所述最優(yōu)序列。
2.根據(jù)權(quán)利要求1所述的方法，還包括通過(guò)使來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列經(jīng)過(guò)所述過(guò)程的以所述事件的序列作為輸入的主模型，來(lái)獲得來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列鏈接到的信息，并確定所述最終結(jié)果的值和所述輸入序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值。
3.根據(jù)權(quán)利要求2所述的方法，還包括在使來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列經(jīng)過(guò)所述主模型之前，構(gòu)造所述主模型。
4.根據(jù)權(quán)利要求2或權(quán)利要求3所述的方法，其中所述替代模型是所述主模型的簡(jiǎn)化近似。
5.根據(jù)權(quán)利要求2至4中任何一項(xiàng)所述的方法，還包括在識(shí)別所述最優(yōu)序列之后，使識(shí)別出的最優(yōu)序列經(jīng)過(guò)所述主模型，以確定所述最終結(jié)果的值，并將所記錄的由所述替代模型所確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值與由所述主模型所確定的最終結(jié)果相比較，以檢查所述最優(yōu)序列的識(shí)別精度。
6.根據(jù)權(quán)利要求5所述的方法，還包括如果發(fā)現(xiàn)所記錄的由所述替代模型所確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值與由所述主模型所確定的最終結(jié)果的差異是對(duì)于所述過(guò)程來(lái)說(shuō)不可接受的量，則將所述識(shí)別出的最優(yōu)序列添加到所述實(shí)驗(yàn)設(shè)計(jì)，以便此序列和通過(guò)使所述識(shí)別出的最優(yōu)序列經(jīng)過(guò)所述主模型所確定的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值可用于替代模型算法的搜索和取得；使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述替代模型，以確定每個(gè)序列的最終結(jié)果的新的值；以及根據(jù)新的最終結(jié)果識(shí)別新的最優(yōu)序列。
7.根據(jù)權(quán)利要求6所述的方法，還包括對(duì)新的識(shí)別出的最優(yōu)序列重復(fù)權(quán)利要求5和權(quán)利要求6所述的步驟，直到所記錄的由所述替代模型確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值和由所述主模型確定的所述最終結(jié)果的差異是對(duì)于所述過(guò)程可接受的量。
8.根據(jù)權(quán)利要求1所述的方法，還包括通過(guò)用所述實(shí)驗(yàn)設(shè)計(jì)中的序列中的每一個(gè)序列執(zhí)行所述順序組合過(guò)程來(lái)獲得來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列鏈接到的信息，并記錄每個(gè)序列中的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值。
9.根據(jù)前述任一權(quán)利要求所述的方法，還包括在使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述替代模型之前構(gòu)造所述替代模型。
10.根據(jù)前述任一權(quán)利要求所述的方法，其中所述優(yōu)先級(jí)列表包括匹配條件的分級(jí)結(jié)構(gòu)，所述分級(jí)結(jié)構(gòu)要求輸入到所述替代模型的序列中的事件與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間就所述事件在輸入序列內(nèi)的位置和/或所述輸入序列中所述事件之前的事件而言的降低的匹配級(jí)別。
11.根據(jù)前述任一權(quán)利要求所述的方法，其中所述匹配條件被定義為具有階數(shù)，其指定輸入到所述替代模型的序列中的事件之前的需要與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之前的事件相匹配的事件的數(shù)目；以及類型，其指定輸入到所述替代模型的序列中的事件在該序列內(nèi)的位置是否匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，以使得第1類匹配要求事件在所述輸入序列中的位置匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，第2類匹配不要求事件在所述輸入序列中的位置匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置。
12.根據(jù)權(quán)利要求11所述的方法，其中對(duì)于包括n個(gè)事件的序列，所述優(yōu)先級(jí)列表包括以下匹配條件-第1類的n階匹配；-第2類的n階匹配；-第1類的n-1階匹配；-第2類的n-1階匹配；-...-第1類的1階匹配；-第2類的1階匹配；-所述序列中的任何位置處的事件與發(fā)生在所述實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件匹配。
13.根據(jù)權(quán)利要求11所述的方法，其中對(duì)于包括n個(gè)事件的序列，所述優(yōu)先級(jí)列表包括以下匹配條件-第1類的n階匹配；-第1類的n-1階匹配；-第1類的n-2階匹配；-...-第1類的1階匹配；-第2類的n階匹配；-第2類的n-1階匹配；-第2類的n-2階匹配；-第2類的1階匹配；-所述序列中的任何位置處的事件與發(fā)生在所述實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件匹配。
14.根據(jù)前述任一權(quán)利要求所述的方法，其中所述實(shí)驗(yàn)設(shè)計(jì)包括從所述許多序列中選擇出的序列，這些選擇出的序列包含提供與所選擇的階數(shù)和類型的匹配條件的事件的至少所有組合相匹配的事件。
15.根據(jù)權(quán)利要求1至10中任何一項(xiàng)所述的方法，其中所述實(shí)驗(yàn)設(shè)計(jì)包括從所述許多序列中隨機(jī)選擇的序列。
16.根據(jù)前述任一權(quán)利要求所述的方法，還包括確定所述實(shí)驗(yàn)設(shè)計(jì)。
17.根據(jù)前述任一權(quán)利要求所述的方法，其中使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述替代模型包括使所述許多序列中的所有序列經(jīng)過(guò)所述替代模型。
18.根據(jù)前述任一權(quán)利要求所述的方法，至少部分是由計(jì)算機(jī)實(shí)現(xiàn)的。
19.根據(jù)前述任一權(quán)利要求所述的方法，還包括利用所述識(shí)別出的最優(yōu)事件序列執(zhí)行所述順序組合過(guò)程。
20.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括將葉片焊接到燃?xì)廨啓C(jī)尾部軸承外殼的環(huán)，所述事件是排列在序列中的各個(gè)焊接路徑，所述定義最終結(jié)果的操作參數(shù)是所述葉片的尖端部分的變形，所述操作參數(shù)的最優(yōu)值是所述變形的最小值。
21.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括從工件加工元件，所述事件是排列在序列中的切割步驟，所述定義最終結(jié)果的操作參數(shù)是所述元件的形狀，所述操作參數(shù)的最優(yōu)值是所需要的所述元件的形狀。
22.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括從工件加工元件，所述事件是排列在序列中的切割步驟，所述定義最終結(jié)果的操作參數(shù)是所述元件的質(zhì)量，所述操作參數(shù)的最優(yōu)值是所述元件的質(zhì)量的最佳值。
23.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括從工件加工元件，所述事件是排列在序列中的切割步驟，所述定義最終結(jié)果的操作參數(shù)是加工期間由于所述元件成分的不足的結(jié)構(gòu)剛度而造成的所述元件的振動(dòng)，所述操作參數(shù)的最優(yōu)值是最小振動(dòng)量。
24.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括元件的熱處理，所述事件是排列在序列中的各個(gè)加熱和/或冷卻步驟，所述定義最終結(jié)果的操作參數(shù)是所述元件的形狀、剛度或材料微結(jié)構(gòu)，所述操作參數(shù)的最優(yōu)值是所需的形狀、剛度或材料微結(jié)構(gòu)。
25.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括元件的塑造，所述事件是排列在序列中的各個(gè)塑造步驟，所述定義最終結(jié)果的操作參數(shù)是所述元件的形狀、剛度或材料微結(jié)構(gòu)，所述操作參數(shù)的最優(yōu)值是所需的形狀、剛度或材料微結(jié)構(gòu)。
26.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括制造元件，所述事件是排列在序列中的加工、切割、塑造和/或熱處理的各個(gè)步驟，所述定義最終結(jié)果的操作參數(shù)是所述元件的形狀、剛度或材料微結(jié)構(gòu)，所述操作參數(shù)的最優(yōu)值是所需的形狀、剛度或材料微結(jié)構(gòu)。
27.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括工廠中材料和/或元件的流動(dòng)，所述事件是排列在序列中的在工廠中的地點(diǎn)之間運(yùn)輸所述材料和/或元件的各個(gè)步驟，所述定義最終結(jié)果的操作參數(shù)是所述序列的持續(xù)時(shí)間，所述操作參數(shù)的最優(yōu)值是所述持續(xù)時(shí)間的最小值。
28.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括工廠中材料和/或元件的流動(dòng)，所述事件是排列在序列中的在工廠中的地點(diǎn)之間運(yùn)輸所述材料和/或元件的各個(gè)步驟，所述定義最終結(jié)果的操作參數(shù)是所述流動(dòng)的速率，所述操作參數(shù)的最優(yōu)值是所述流動(dòng)速率的最大值。
29.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括通過(guò)管道網(wǎng)絡(luò)抽吸氣體或油類，所述事件是排列在序列中的由具有相關(guān)管道元件、抽吸速率和閥操作的管道限定的網(wǎng)絡(luò)的各個(gè)部分，所述定義最終結(jié)果的操作參數(shù)是所述油類或氣體的輸送模式，所述操作參數(shù)的最優(yōu)值是所需的輸送模式。
30.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括組分或成分的混合，所述事件是將各種組合或成分添加到混合物的步驟，所述步驟排列在序列中，所述定義最終結(jié)果的操作參數(shù)是所述混合物的質(zhì)量，例如穩(wěn)定性、純凈度或均勻性，所述操作參數(shù)的最優(yōu)值是所需的質(zhì)量。
31.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括描述生物成分的行為的數(shù)值方法，所述事件是排列在序列中的各個(gè)成分間相互影響步驟，所述定義最終結(jié)果的操作參數(shù)是序列的最終結(jié)果，所述操作參數(shù)的最優(yōu)值是已知的最終結(jié)果。
32.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括“背包問(wèn)題”，所述事件是按某個(gè)序列被裝載到所述背包中的各個(gè)項(xiàng)目，所述定義最終結(jié)果的操作參數(shù)是所述背包中的項(xiàng)目的值，所述操作參數(shù)的最優(yōu)值是最大值。
33.根據(jù)權(quán)利要求1至19中任何一項(xiàng)所述的方法，其中所述順序組合過(guò)程包括鏈接鏈中的運(yùn)輸單元，所述事件是按某個(gè)序列鏈接的各個(gè)單元，所述定義最終結(jié)果的操作參數(shù)是分解和重新組裝所述鏈以去除和/或添加單元所花費(fèi)的時(shí)間，所述操作參數(shù)的最優(yōu)值是最小時(shí)間量。
34.一種計(jì)算程序產(chǎn)品，包括用于實(shí)現(xiàn)優(yōu)化順序組合過(guò)程的方法的機(jī)器可讀指令，所述順序組合過(guò)程包括多個(gè)可互換的事件，所述事件可按許多序列中的任何一個(gè)執(zhí)行以實(shí)現(xiàn)所述過(guò)程的最終結(jié)果，所述最終結(jié)果由操作參數(shù)定義，所述指令可操作以用于指示機(jī)器執(zhí)行以下步驟存儲(chǔ)包括從所述許多序列選擇出的多個(gè)序列的實(shí)驗(yàn)設(shè)計(jì)；存儲(chǔ)鏈接到來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列的信息，所述信息關(guān)于來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列中的每個(gè)事件就所述操作參數(shù)而言對(duì)所述最終結(jié)果的貢獻(xiàn)的值；使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述過(guò)程的替代模型，并記錄每個(gè)序列的最終結(jié)果的值，其中所述替代模型以所述事件的序列作為輸入，并通過(guò)對(duì)所述輸入序列中的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值求和來(lái)確定所述最終結(jié)果的值，其中所述貢獻(xiàn)值是根據(jù)一個(gè)算法從來(lái)自所述操作參數(shù)信息的貢獻(xiàn)值中選擇出的，所述算法根據(jù)匹配條件的優(yōu)先級(jí)列表搜索所述實(shí)驗(yàn)設(shè)計(jì)，以查找所述輸入序列的每個(gè)事件與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間的匹配，并取得該匹配的事件的貢獻(xiàn)值；以及通過(guò)搜索所記錄的來(lái)自所述替代模型的最終結(jié)果的值以查找所記錄的所述操作參數(shù)的最優(yōu)值，來(lái)識(shí)別最優(yōu)序列，給出此記錄的最優(yōu)值的序列是所述最優(yōu)序列。
35.根據(jù)權(quán)利要求34所述的計(jì)算機(jī)程序產(chǎn)品，其中所述指令還可操作以指示機(jī)器通過(guò)使來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列經(jīng)過(guò)所述過(guò)程的以所述事件的序列作為輸入的主模型，來(lái)計(jì)算鏈接到來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列的信息，并確定所述最終結(jié)果的值和所述輸入序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值。
36.根據(jù)權(quán)利要求35所述的計(jì)算機(jī)程序產(chǎn)品，其中所述替代模型是所述主模型的簡(jiǎn)化近似。
37.根據(jù)權(quán)利要求35或36所述的計(jì)算機(jī)程序產(chǎn)品，其中所述指令還可操作以用于指示機(jī)器執(zhí)行以下步驟在識(shí)別所述最優(yōu)序列之后，使識(shí)別出的最優(yōu)序列經(jīng)過(guò)所述主模型，以確定所述最終結(jié)果的值，并將所記錄的由所述替代模型所確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值與由所述主模型所確定的最終結(jié)果相比較，以檢查所述最優(yōu)序列的識(shí)別精度。
38.根據(jù)權(quán)利要求37所述的計(jì)算機(jī)程序產(chǎn)品，其中所述指令還可操作以用于指示機(jī)器執(zhí)行以下步驟如果發(fā)現(xiàn)所記錄的由所述替代模型所確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值與由所述主模型所確定的最終結(jié)果的差異是對(duì)于所述過(guò)程來(lái)說(shuō)不可接受的量，則將所述識(shí)別出的最優(yōu)序列添加到所述實(shí)驗(yàn)設(shè)計(jì)，以便此序列和通過(guò)使所述識(shí)別出的最優(yōu)序列經(jīng)過(guò)所述主模型所確定的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值可用于替代模型算法的搜索和取得；使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述替代模型，以確定每個(gè)序列的最終結(jié)果的新的值；以及根據(jù)新的最終結(jié)果識(shí)別新的最優(yōu)序列。
39.根據(jù)權(quán)利要求38所述的計(jì)算機(jī)程序產(chǎn)品，其中所述指令還可操作以用于指示機(jī)器執(zhí)對(duì)新的識(shí)別出的最優(yōu)序列重復(fù)權(quán)利要求37和權(quán)利要求38所述的步驟，直到所記錄的由所述替代模型確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值和由所述主模型確定的所述最終結(jié)果的差異是對(duì)于所述過(guò)程可接受的量。
40.根據(jù)權(quán)利要求34所述的計(jì)算機(jī)程序產(chǎn)品，其中所述鏈接到來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列的信息包括，利用所述實(shí)驗(yàn)設(shè)計(jì)中的每個(gè)序列執(zhí)行所述順序組合過(guò)程而獲得的所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列中的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值。
41.根據(jù)權(quán)利要求34至40中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中所述優(yōu)先級(jí)列表包括匹配條件的分級(jí)結(jié)構(gòu)，所述分級(jí)結(jié)構(gòu)要求輸入到所述替代模型的序列中的事件與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間就所述事件在輸入序列內(nèi)的位置和/或所述輸入序列中所述事件之前的事件而言的降低的匹配級(jí)別。
42.根據(jù)權(quán)利要求34至41中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中所述匹配條件被定義為具有階數(shù)，其指定輸入到所述替代模型的序列中的事件之前的需要與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之前的事件相匹配的事件的數(shù)目；以及類型，其指定輸入到所述替代模型的序列中的事件在該序列內(nèi)的位置是否匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，以使得第1類匹配要求事件在所述輸入序列中的位置匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，第2類匹配不要求事件在所述輸入序列中的位置匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置。
43.根據(jù)權(quán)利要求42所述的計(jì)算機(jī)程序產(chǎn)品，其中對(duì)于包括n個(gè)事件的序列，所述優(yōu)先級(jí)列表包括以下匹配條件-第1類的n階匹配；-第2類的n階匹配；-第1類的n-1階匹配；-第2類的n-1階匹配；-...-第1類的1階匹配；-第2類的1階匹配；-所述序列中的任何位置處的事件與發(fā)生在所述實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件匹配。
44.根據(jù)權(quán)利要求42所述的計(jì)算機(jī)程序產(chǎn)品，其中對(duì)于包括n個(gè)事件的序列，所述優(yōu)先級(jí)列表包括以下匹配條件-第1類的n階匹配；-第1類的n-1階匹配；-第1類的n-2階匹配；-...-第1類的1階匹配；-第2類的n階匹配；-第2類的n-1階匹配；-第2類的n-2階匹配；-...-第2類的1階匹配；-所述序列中的任何位置處的事件與發(fā)生在所述實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件匹配。
45.根據(jù)權(quán)利要求42至44中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中所述實(shí)驗(yàn)設(shè)計(jì)包括從所述許多序列中選擇出的序列，這些選擇出的序列包含提供與所選擇的階數(shù)和類型的匹配條件的事件的至少所有組合相匹配的事件。
46.根據(jù)權(quán)利要求34至44中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中所述實(shí)驗(yàn)設(shè)計(jì)包括從所述許多序列中隨機(jī)選擇的序列。
47.根據(jù)前述權(quán)利要求34至46中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中所述指令還可操作以用于指示機(jī)器選擇用于所述實(shí)驗(yàn)設(shè)計(jì)的序列。
48.根據(jù)權(quán)利要求34至47中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中所述指令還可操作以用于指示機(jī)器使所述許多序列中的所有序列經(jīng)過(guò)所述替代模型。
49根據(jù)權(quán)利要求34至48中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品，其中所述順序組合過(guò)程包括將葉片焊接到燃?xì)廨啓C(jī)尾部軸承外殼的環(huán)，所述事件是排列在序列中的各個(gè)焊接路徑，所述定義最終結(jié)果的操作參數(shù)是所述葉片的尖端部分的變形，所述操作參數(shù)的最優(yōu)值是所述變形的最小值。
50.根據(jù)權(quán)利要求34至49中任何一項(xiàng)所述的計(jì)算機(jī)程序產(chǎn)品包括載體介質(zhì)上的計(jì)算機(jī)程序。
51.根據(jù)權(quán)利要求50所述的計(jì)算機(jī)程序產(chǎn)品，其中所述載體介質(zhì)是存儲(chǔ)介質(zhì)。
52.根據(jù)權(quán)利要求50所述的計(jì)算機(jī)程序產(chǎn)品，其中所述載體介質(zhì)是傳輸介質(zhì)。
53.用于實(shí)現(xiàn)優(yōu)化順序組合過(guò)程的方法的計(jì)算機(jī)系統(tǒng)，所述順序組合過(guò)程包括多個(gè)可互換的事件，所述事件可按許多序列中的任何一個(gè)執(zhí)行以實(shí)現(xiàn)所述過(guò)程的最終結(jié)果，所述最終結(jié)果由操作參數(shù)定義，所述計(jì)算機(jī)系統(tǒng)包括存儲(chǔ)器，用于存儲(chǔ)包括從所述許多序列選擇出的多個(gè)序列的實(shí)驗(yàn)設(shè)計(jì)，以及鏈接到來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列的信息，所述信息關(guān)于每個(gè)序列中的每個(gè)事件就所述操作參數(shù)而言對(duì)所述最終結(jié)果的貢獻(xiàn)的值的信息；處理器，其可操作以用于執(zhí)行以下步驟使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述過(guò)程的替代模型，并將每個(gè)序列的最終結(jié)果的值記錄在所述存儲(chǔ)器中，所述替代模型以所述事件的序列作為輸入，并通過(guò)對(duì)所述輸入序列中的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值求和來(lái)確定所述最終結(jié)果的值，其中所述貢獻(xiàn)值是根據(jù)一個(gè)算法從來(lái)自所述操作參數(shù)信息的貢獻(xiàn)值中選擇出的，所述算法根據(jù)匹配條件的優(yōu)先級(jí)列表搜索所述實(shí)驗(yàn)設(shè)計(jì)，以查找所述輸入序列的每個(gè)事件與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間的匹配，并取得該匹配的事件的貢獻(xiàn)值；以及通過(guò)搜索所記錄的來(lái)自所述替代模型的最終結(jié)果的值以查找所記錄的所述操作參數(shù)的最優(yōu)值，來(lái)識(shí)別最優(yōu)序列，給出此記錄的最優(yōu)值的序列是所述最優(yōu)序列。
54.根據(jù)權(quán)利要求53所述的計(jì)算機(jī)系統(tǒng)，其中所述處理器還可操作以用于通過(guò)使來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列經(jīng)過(guò)所述過(guò)程的以所述事件的序列作為輸入的主模型，來(lái)獲得來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列鏈接到的信息，并確定所述最終結(jié)果的值和所述輸入序列中的每個(gè)事件對(duì)最終結(jié)果的貢獻(xiàn)的值。
55.根據(jù)權(quán)利要求54所述的計(jì)算機(jī)系統(tǒng)，其中所述替代模型是所述主模型的簡(jiǎn)化近似。
56.根據(jù)權(quán)利要求54或55所述的計(jì)算機(jī)系統(tǒng)，其中所述處理器還可操作以用于執(zhí)行以下步驟在識(shí)別所述最優(yōu)序列之后，使識(shí)別出的最優(yōu)序列經(jīng)過(guò)所述主模型，以確定所述最終結(jié)果的值，并將所記錄的由所述替代模型所確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值與由所述主模型所確定的最終結(jié)果相比較，以檢查所述最優(yōu)序列的識(shí)別精度。
57.根據(jù)權(quán)利要求56所述的計(jì)算機(jī)系統(tǒng)，其中所述處理器還可操作以用于執(zhí)行以下步驟如果發(fā)現(xiàn)所記錄的由所述替代模型所確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值與由所述主模型所確定的最終結(jié)果的差異是對(duì)于所述過(guò)程來(lái)說(shuō)不可接受的量，則將所述識(shí)別出的最優(yōu)序列添加到所述實(shí)驗(yàn)設(shè)計(jì)，以便此序列和通過(guò)使所述識(shí)別出的最優(yōu)序列經(jīng)過(guò)所述主模型所確定的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值可用于替代模型算法的搜索和取得；使所述許多序列中的多個(gè)序列經(jīng)過(guò)所述替代模型，以確定每個(gè)序列的最終結(jié)果的新的值；以及根據(jù)新的最終結(jié)果識(shí)別新的最優(yōu)序列。
58.根據(jù)權(quán)利要求57所述的計(jì)算機(jī)系統(tǒng)，其中所述處理器還可操作以用于對(duì)新的識(shí)別出的最優(yōu)序列重復(fù)權(quán)利要求56和權(quán)利要求67所述的步驟，直到所記錄的由所述替代模型確定的所述識(shí)別出的最優(yōu)序列的最優(yōu)值和由所述主模型確定的所述最終結(jié)果的差異是對(duì)于所述過(guò)程可接受的量。
59.根據(jù)權(quán)利要求53所述的計(jì)算機(jī)系統(tǒng)，其中所述鏈接到來(lái)自所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列的信息包括，利用所述實(shí)驗(yàn)設(shè)計(jì)中的每個(gè)序列執(zhí)行所述順序組合過(guò)程而獲得的所述實(shí)驗(yàn)設(shè)計(jì)的每個(gè)序列中的每個(gè)事件對(duì)所述最終結(jié)果的貢獻(xiàn)的值。
60.根據(jù)權(quán)利要求53至59中任何一項(xiàng)所述的計(jì)算機(jī)系統(tǒng)，其中所述優(yōu)先級(jí)列表包括匹配條件的分級(jí)結(jié)構(gòu)，所述分級(jí)結(jié)構(gòu)要求輸入到所述替代模型的序列中的事件與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之間就所述事件在輸入序列內(nèi)的位置和/或所述輸入序列中所述事件之前的事件而言的降低的匹配級(jí)別。
61.根據(jù)權(quán)利要求53至60中任何一項(xiàng)所述的計(jì)算機(jī)系統(tǒng)，其中所述匹配條件被定義為具有階數(shù)，其指定輸入到所述替代模型的序列中的事件之前的需要與所述實(shí)驗(yàn)設(shè)計(jì)的序列中的事件之前的事件相匹配的事件的數(shù)目；以及類型，其指定輸入到所述替代模型的序列中的事件在該序列內(nèi)的位置是否匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，以使得第1類匹配要求事件在所述輸入序列中的位置匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置，第2類匹配不要求事件在所述輸入序列中的位置匹配事件在所述實(shí)驗(yàn)設(shè)計(jì)的序列內(nèi)的位置。
62.根據(jù)權(quán)利要求61所述的計(jì)算機(jī)系統(tǒng)，其中對(duì)于包括n個(gè)事件的序列，所述優(yōu)先級(jí)列表包括以下匹配條件-第1類的n階匹配；-第2類的n階匹配；-第1類的n-1階匹配；-第2類的n-1階匹配；-...-第1類的1階匹配；-第2類的1階匹配；-所述序列中的任何位置處的事件與發(fā)生在所述實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件匹配。
63.根據(jù)權(quán)利要求61所述的計(jì)算機(jī)系統(tǒng)，其中對(duì)于包括n個(gè)事件的序列，所述優(yōu)先級(jí)列表包括以下匹配條件-第1類的n階匹配；-第1類的n-1階匹配；-第1類的n-2階匹配；-...-第1類的1階匹配；-第2類的n階匹配；-第2類的n-1階匹配；-第2類的n-2階匹配；-...-第2類的1階匹配；-所述序列中的任何位置處的事件與發(fā)生在所述實(shí)驗(yàn)設(shè)計(jì)中的任何序列的第一位置中的相同事件匹配。
64.根據(jù)權(quán)利要求61至63中任何一項(xiàng)所述的計(jì)算機(jī)系統(tǒng)，其中所述實(shí)驗(yàn)設(shè)計(jì)包括從所述許多序列中選擇出的序列，這些選擇出的序列包含提供與所選擇的階數(shù)和類型的匹配條件的事件的至少所有組合相匹配的事件。
65.根據(jù)權(quán)利要求53至63中任何一項(xiàng)所述的計(jì)算機(jī)系統(tǒng)，其中所述實(shí)驗(yàn)設(shè)計(jì)包括從所述許多序列中隨機(jī)選擇的序列。
66.根據(jù)前述權(quán)利要求63至65中任何一項(xiàng)所述的計(jì)算機(jī)系統(tǒng)，其中所述處理器還可操作以用于選擇用于所述實(shí)驗(yàn)設(shè)計(jì)的序列。
67.根據(jù)權(quán)利要求63至66中任何一項(xiàng)所述的計(jì)算機(jī)系統(tǒng)，其中所述處理器還可操作以用于使所述許多序列中的所有序列經(jīng)過(guò)所述替代模型。
68.根據(jù)權(quán)利要求63至67中任何一項(xiàng)所述的計(jì)算機(jī)系統(tǒng)，其中所述順序組合過(guò)程包括將葉片焊接到燃?xì)廨啓C(jī)尾部軸承外殼的環(huán)，所述事件是排列在序列中的各個(gè)焊接路徑，所述定義最終結(jié)果的操作參數(shù)是所述葉片的尖端部分的變形，所述操作參數(shù)的最優(yōu)值是所述變形的最小值。
全文摘要
一種優(yōu)化順序組合過(guò)程的方法，該順序組合過(guò)程包括可互換的事件序列，該方法包括用主模型模擬可能的序列選擇，并將從主模型得出的信息用于替代模型中，該替代模型以短得多的計(jì)算時(shí)間近似主模型。替代模型利用一個(gè)算法計(jì)算所有可能的序列，以從主模型所計(jì)算的信息中選擇最匹配當(dāng)前序列的事件的序列，該替代模型遵循優(yōu)先級(jí)化的系統(tǒng)，以便只要有可能，最佳匹配就被使用。來(lái)自替代模型的所有結(jié)果被比較，以便給出與所需的最優(yōu)過(guò)程結(jié)果最接近的結(jié)果的被模擬序列可被識(shí)別出，并且可能被應(yīng)用到該過(guò)程。通過(guò)使優(yōu)化序列經(jīng)過(guò)主模型作為檢查，并且進(jìn)一步通過(guò)將優(yōu)化序列添加到替代模型在未來(lái)的計(jì)算中使用的信息中，可提高精度。其中過(guò)程的最終結(jié)果依賴于過(guò)程中的事件被執(zhí)行的次序的任何順序組合過(guò)程都可以按這種方式來(lái)優(yōu)化，這些過(guò)程包括制造過(guò)程，例如對(duì)工件進(jìn)行加工、切割、塑造、形成和/或熱處理；使材料流經(jīng)工廠或者使油類或氣體流經(jīng)管道網(wǎng)絡(luò)，化學(xué)和材料科學(xué)混合過(guò)程、計(jì)算生物學(xué)建模和隊(duì)列管理。
文檔編號(hào)G06Q10/00GK1853184SQ200480026083
公開日2006年10月25日 申請(qǐng)日期2004年9月10日 優(yōu)先權(quán)日2003年9月12日
發(fā)明者托爾－摩滕·O.·奧森, 卡爾·H.·蘭尼茂姆, 安德魯·J.·伊恩, 伊凡·沃特奇科夫, 艾圖爾·巴斯卡 申請(qǐng)人:沃爾沃航空有限公司, 南安普敦大學(xué)