姜曉波 凃康瑋

摘 ?要： 通過先進的人機交互方式，虛擬現(xiàn)實技術(shù)可以有效提高工業(yè)造型設計的工作效率。但是，工業(yè)產(chǎn)品的造型設計問題一般性質(zhì)十分復雜，傳統(tǒng)的優(yōu)化方法很難實現(xiàn)該問題的求解。因此，提出一種基于虛擬現(xiàn)實技術(shù)和多目標遺傳優(yōu)化的工業(yè)造型設計系統(tǒng)。對采用的虛擬現(xiàn)實系統(tǒng)整體結(jié)構(gòu)及其相關(guān)軟硬件參數(shù)進行介紹。對產(chǎn)品造型設計的流程進行分析，并在產(chǎn)品造型設計中應用排序多目標遺傳算法。軟件開發(fā)語言為Visual C++ 6.0，并采用模擬開發(fā)軟件Vega實現(xiàn)CAD數(shù)據(jù)轉(zhuǎn)換。系統(tǒng)運行測試結(jié)果表明，所提出系統(tǒng)能夠有效提高產(chǎn)品造型優(yōu)化設計的質(zhì)量、縮短設計周期。

關(guān)鍵詞： 虛擬現(xiàn)實; 工業(yè)產(chǎn)品; 多目標優(yōu)化; 遺傳算法; Vega; 造型設計

中圖分類號： TN911.1?34; TP393 ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）09?0155?03

Optimization of complex problems solving of industrial modeling design

in virtual reality environment

JIANG Xiaobo， TU Kangwei

（School of Industrial Design， Hubei University of Technology， Wuhan 430068， China）

Abstract： The virtual reality technology can improve the working efficiency of industrial modeling design effectively by means of advanced human?computer interaction. However， the industrial product modeling design has very complicated problems， and the traditional optimization methods are difficult to solve the problems. Therefore， an industrial modeling design system based on virtual reality technology and multi?objective genetic optimization is proposed. The overall structure of the virtual reality system and its related hardware and software parameters are introduced. The process of product modeling design is analyzed， and the sorting multi?objective genetic algorithm is applied in product modeling design. The software development language Visual C++ 6.0 and simulation development software Vega are used to realize the CAD data conversion. The system operation and test results show that the proposed system can effectively improve the quality and shorten the design cycle of product modeling optimization design.

Keywords： virtual reality; industrial product; multi?objective optimization; genetic algorithm; Vega; modeling design

0 ?引 ?言

隨著工業(yè)制造業(yè)水平的不斷提高，消費者對產(chǎn)品的質(zhì)量要求和外形審美也不斷提高。但是，工業(yè)產(chǎn)品的造型優(yōu)化問題一般性質(zhì)十分復雜，傳統(tǒng)的優(yōu)化方法很難實現(xiàn)該問題的求解。此外，為了不斷提升我國制造業(yè)的質(zhì)量和水平，需要在科學技術(shù)和理念上不斷創(chuàng)新，以便提高自身的技術(shù)開發(fā)能力。通過先進的人機交互方式，虛擬現(xiàn)實技術(shù)可以有效提高工業(yè)造型設計的工作效率[1?4]。目前，產(chǎn)品造型優(yōu)化研究主要分為兩個方面[5]：理性方面和感性方面。但是僅僅使用上述兩種方法不能滿足產(chǎn)品創(chuàng)新設計需求。

遺傳算法是模仿自然界生物個體進化的機理發(fā)展而來的一類優(yōu)化算法，近年來得到廣泛應用，能夠?qū)崿F(xiàn)各種系統(tǒng)中的特定目標優(yōu)化問題。因此，研究人員提出將遺傳算法應用于產(chǎn)品造型設計中。文獻[6]提出一種基于進化算法的產(chǎn)品造型創(chuàng)新設計方法。該方法以代表性產(chǎn)品樣本為初始種群，應用元胞遺傳算法建立產(chǎn)品造型初始設計系統(tǒng)，實現(xiàn)以少量原型生成大量創(chuàng)新性方案的智能設計進程，可為產(chǎn)品造型創(chuàng)新設計提供有效的輔助與支持。文獻[7]對傳統(tǒng)遺傳算法進行合理優(yōu)化，并根據(jù)優(yōu)化后的流程以掘進機造型設計為例進行具體應用，驗證了其可行性。文獻[8]設計基于遺傳算法的葉型氣動優(yōu)化設計平臺，運用B?Spline開發(fā)了實現(xiàn)葉型吸力面、壓力面型線等參數(shù)相互轉(zhuǎn)化的程序。

但是，實際的工程優(yōu)化問題中大多數(shù)是多目標優(yōu)化問題，標準的遺傳優(yōu)化算法需要將一個單目標優(yōu)化問題轉(zhuǎn)化為多目標優(yōu)化問題。因此，本文提出一種基于虛擬現(xiàn)實技術(shù)和多目標遺傳優(yōu)化的工業(yè)造型設計系統(tǒng)。系統(tǒng)運行測試結(jié)果驗證了提出系統(tǒng)的有效性和可行性，能夠為產(chǎn)品造型創(chuàng)新的計算機輔助設計提供新的參考。

1 ?虛擬現(xiàn)實環(huán)境的總體框架設計

1.1 ?總體結(jié)構(gòu)

為了應對基于CAD系統(tǒng)的虛擬產(chǎn)品造型設計問題，本文構(gòu)建虛擬現(xiàn)實環(huán)境總體結(jié)構(gòu)[5]，如圖1所示。設計人員通過人機交互界面對CAD系統(tǒng)參數(shù)進行調(diào)整，從而對生產(chǎn)制造的全過程進行監(jiān)控。虛擬現(xiàn)實環(huán)境中設計人員通過CAD系統(tǒng)能夠?qū)χ圃炷M進行仿真管理?；谔摂M現(xiàn)實環(huán)境的設計平臺可以為用戶提供更簡潔、更便利的設計途徑，進行順暢的3D人機交互操作，有利于提升產(chǎn)品造型的設計效率。

圖1 ?虛擬現(xiàn)實環(huán)境總體結(jié)構(gòu)

1.2 ?系統(tǒng)配置

上述虛擬現(xiàn)實環(huán)境采用的系統(tǒng)硬件配置為：2.8 GHz Intel 酷睿i5 8400，4 GB內(nèi)存，400 GB硬盤。3D圖形加速卡為Ge Force GTX1060，DRAM為6 GB。虛擬現(xiàn)實硬件系統(tǒng)原理如圖2所示。軟件開發(fā)語言為Visual C++ 6.0，并采用模擬開發(fā)軟件Vega實現(xiàn)CAD數(shù)據(jù)轉(zhuǎn)換。

圖2 ?虛擬環(huán)境硬件系統(tǒng)

2 ?基于多目標優(yōu)化遺傳算法的產(chǎn)品造型優(yōu)化設計模型

2.1 ?產(chǎn)品造型創(chuàng)新設計的過程

產(chǎn)品創(chuàng)新設計是指將不同創(chuàng)新設計方法相互結(jié)合，通過設計師的創(chuàng)造性理念、經(jīng)驗和專業(yè)知識，改良原有產(chǎn)品的外形、功能、結(jié)構(gòu)、特征等屬性，或者做出創(chuàng)新性的改變，使之能夠滿足用戶的使用習慣和個性化要求。產(chǎn)品創(chuàng)新設計的過程可以分為3個層次，如圖3所示。

圖3 ?產(chǎn)品創(chuàng)新三層次

產(chǎn)品造型設計的過程一般具有三個階段：匹配階段、結(jié)構(gòu)階段和概念階段。

2.2 ?多目標優(yōu)化遺傳算法

遺傳算法能夠模擬自然界優(yōu)勝劣汰的進化現(xiàn)象，把搜索空間（問題解的組成空間）映射為遺傳空間進行染色體編碼。通過不斷計算各染色體的適應值，選擇最好的染色體，獲得最優(yōu)解。標準遺傳算法的關(guān)鍵步驟為：

1） 基因編碼;

2） 設計初始群體;

3） 適應度計算（剪枝）;

4） 產(chǎn)生下一代;

5） 重復步驟3）完成迭代循環(huán)，直到達到迭代次數(shù)。

本文采用的排序遺傳算法是一種基于Pareto最優(yōu)概念的遺傳算法。與標準遺傳算法的不同之處在于，排序遺傳算法在進行算子抽取之前會按照個體之間的支配信息進行排序。該算法中適應度共享的計算方式為：

式中：[P]表示種群;[x，y]分別表示不同的個體;[f（x）]和[f（x）]分別表示個體[x]共享后和共享前的適應度值;[s]表示共享函數(shù);[d]表示距離函數(shù)。

共享函數(shù)為小生境群體中其他個體和[s]個體的關(guān)系：

采用Visual C++ 6.0對排序多目標優(yōu)化遺傳算法進行軟件實現(xiàn)。通過實數(shù)和二進制編碼對遺傳算法編碼進行實現(xiàn)。其中，針對二進制編碼設置單點交叉和一致交叉兩種交叉方式，可讓設計人員根據(jù)自身需要自定義選擇。排序多目標遺傳算法的軟件實現(xiàn)框圖如圖4所示。

圖4 ?排序多目標遺傳算法的軟件實現(xiàn)框圖

3 ?數(shù)值測試實驗

使用經(jīng)典數(shù)值凹測試函數(shù)對排序多目標遺傳算法優(yōu)化軟件的可靠性和有效性進行驗證。選取的測試函數(shù)為Schaffer提出的一個凹測試函數(shù)[9]：

設置種群數(shù)量為200，進化次數(shù)為50。排序多目標遺傳算法和標準遺傳算法優(yōu)化[7]得到的Pareto曲線分別如圖5，圖6所示。

圖5 ?排序多目標遺傳算法優(yōu)化結(jié)果

圖6 ?標準遺傳算法優(yōu)化結(jié)果

從圖5和圖6的結(jié)果可以看出，在使用同樣的種群數(shù)量和進化次數(shù)時，相比于標準遺傳算法，排序多目標遺傳算法具有更好的Pareto曲線結(jié)果，即最優(yōu)解的數(shù)量更多，驗證了其高效性和可靠性。因此，基于排序多目標遺傳算法的虛擬造型設計系統(tǒng)可以輸出性能更加優(yōu)良的結(jié)果，縮短設計周期。

4 ?結(jié) ?語

本文提出一種基于虛擬現(xiàn)實技術(shù)和多目標遺傳優(yōu)化的工業(yè)造型設計系統(tǒng)。在產(chǎn)品造型設計流程分析的基礎上，在產(chǎn)品造型設計中應用排序多目標遺傳算法。數(shù)值測試結(jié)果驗證了提出系統(tǒng)的實用性和創(chuàng)新性，排序多目標遺傳算法的最優(yōu)解收斂性。能夠為產(chǎn)品造型創(chuàng)新的計算機輔助設計提供新的參考。后續(xù)將增加種群進化約束機制，以便符合不同行業(yè)的產(chǎn)品造型創(chuàng)新設計需求。

參考文獻

[1] RIZZO A， HARTHOLT A， GRIMANI M， et al. Virtual reality exposure therapy for combat?related posttraumatic stress disorder [J]. Analysis of the New York Academy of Sciences， 2010， 1208（1）： 126?132.

[2] COSMAN P H， CREGAN P C， MARTIN C J， et al. Virtual reality simulators： current status in acquisition and assessment of surgical skills [J]. ANZ journal of surgery， 2015， 72（1）： 30?34.

[3] LLOYD D. In touch with the future： the sense of touch from cognitive neuroscience to virtual reality [J]. Presence， 2014， 23（2）： 226?227.

[4] ROTHBAUM B O， PRICE M， JOVANOVIC T， et al. A randomized， double?blind evaluation of D?cycloserine or alprazo?lam combined with virtual reality exposure therapy for posttraumatic stress disorder in Iraq and Afghanistan War veterans [J]. American Journal of Psychiatry， 2014， 171（6）： 640?648.

[5] 迪建.虛擬現(xiàn)實VR產(chǎn)品及其產(chǎn)業(yè)鏈探究[J].集成電路應用，2016，33（3）：16?20.

DI Jian. VR product and its industrial chain explore [J]. Integrated circuit applications， 2016， 33（3）： 16?20.

[6] 蘇建寧，陳肖，張書濤，等.基于進化算法的產(chǎn)品造型創(chuàng)新設計方法研究[J].工程設計學報，2016，23（2）：136?142.

SU Jianning， CHEN Xiao， ZHANG Shutao， et al. Product sty?ling innovative design method based on evolutionary algorithm [J]. Chinese journal of engineering design， 2016， 23（2）： 136?142.

[7] 戴繼龍，吳鳳林，史華星.遺傳算法在掘進機造型設計中的應用[J].機械設計與制造，2017（11）：43?45.

DAI Jilong， WU Fenglin， SHI Huaxing. Application of genetic algorithm in modeling design of roadheader [J]. Mechanical design & manufacturing， 2017（11）： 43?45.

[8] 于榮彬.基于遺傳算法的葉型氣動優(yōu)化設計[J].裝備制造技術(shù)，2014（1）：64?65.

YU Rongbin. Aerodynamic optimization design of blade type based on genetic algorithm [J]. Equipment manufacturing technology， 2014（1）： 64?65.

[9] 宋宗耘，牛東曉，肖鑫利，等.基于改進螢火蟲算法優(yōu)化SVM的變電工程造價預測[J].中國電力，2017，50（3）：168?173.

SONG Zongyun， NIU Dongxiao， XIAO Xinli， et al. Cost estimation of substation engineering based on improved firefly algorithm to optimize SVM [J]. China electric power， 2017， 50（3）： 168?173.