虛擬現(xiàn)實環(huán)境下的工業(yè)造型設(shè)計復(fù)雜問題求解優(yōu)化

姜曉波 凃康瑋

摘 ?要： 通過先進(jìn)的人機(jī)交互方式，虛擬現(xiàn)實技術(shù)可以有效提高工業(yè)造型設(shè)計的工作效率。但是，工業(yè)產(chǎn)品的造型設(shè)計問題一般性質(zhì)十分復(fù)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(biāo)遺傳優(yōu)化的工業(yè)造型設(shè)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(jìn)行介紹。對產(chǎn)品造型設(shè)計的流程進(jìn)行分析，并在產(chǎn)品造型設(shè)計中應(yīng)用排序多目標(biāo)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(yùn)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(shè)計的質(zhì)量、縮短設(shè)計周期。

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

中圖分類號： TN911.1?34; TP393 ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)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(fèi)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(fù)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(xué)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(jìn)的人機(jī)交互方式，虛擬現(xiàn)實技術(shù)可以有效提高工業(yè)造型設(shè)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(shè)計需求。

遺傳算法是模仿自然界生物個體進(jìn)化的機(jī)理發(fā)展而來的一類優(yōu)化算法，近年來得到廣泛應(yīng)用，能夠?qū)崿F(xiàn)各種系統(tǒng)中的特定目標(biāo)優(yōu)化問題。因此，研究人員提出將遺傳算法應(yīng)用于產(chǎn)品造型設(shè)計中。文獻(xiàn)[6]提出一種基于進(jìn)化算法的產(chǎn)品造型創(chuàng)新設(shè)計方法。該方法以代表性產(chǎn)品樣本為初始種群，應(yīng)用元胞遺傳算法建立產(chǎn)品造型初始設(shè)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(shè)計進(jìn)程，可為產(chǎn)品造型創(chuàng)新設(shè)計提供有效的輔助與支持。文獻(xiàn)[7]對傳統(tǒng)遺傳算法進(jìn)行合理優(yōu)化，并根據(jù)優(yōu)化后的流程以掘進(jìn)機(jī)造型設(shè)計為例進(jìn)行具體應(yīng)用，驗證了其可行性。文獻(xiàn)[8]設(shè)計基于遺傳算法的葉型氣動優(yōu)化設(shè)計平臺，運(yùn)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(biāo)優(yōu)化問題，標(biāo)準(zhǔn)的遺傳優(yōu)化算法需要將一個單目標(biāo)優(yōu)化問題轉(zhuǎn)化為多目標(biāo)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(biāo)遺傳優(yōu)化的工業(yè)造型設(shè)計系統(tǒng)。系統(tǒng)運(yùn)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(jī)輔助設(shè)計提供新的參考。

1 ?虛擬現(xiàn)實環(huán)境的總體框架設(shè)計

1.1 ?總體結(jié)構(gòu)

為了應(yīng)對基于CAD系統(tǒng)的虛擬產(chǎn)品造型設(shè)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(shè)計人員通過人機(jī)交互界面對CAD系統(tǒng)參數(shù)進(jìn)行調(diào)整，從而對生產(chǎn)制造的全過程進(jìn)行監(jiān)控。虛擬現(xiàn)實環(huán)境中設(shè)計人員通過CAD系統(tǒng)能夠?qū)χ圃炷M進(jìn)行仿真管理?；谔摂M現(xiàn)實環(huán)境的設(shè)計平臺可以為用戶提供更簡潔、更便利的設(shè)計途徑，進(jìn)行順暢的3D人機(jī)交互操作，有利于提升產(chǎn)品造型的設(shè)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(biāo)優(yōu)化遺傳算法的產(chǎn)品造型優(yōu)化設(shè)計模型

2.1 ?產(chǎn)品造型創(chuàng)新設(shè)計的過程

產(chǎn)品創(chuàng)新設(shè)計是指將不同創(chuàng)新設(shè)計方法相互結(jié)合，通過設(shè)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(xí)慣和個性化要求。產(chǎn)品創(chuàng)新設(shè)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(shè)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(biāo)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(jìn)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(jìn)行染色體編碼。通過不斷計算各染色體的適應(yīng)值，選擇最好的染色體，獲得最優(yōu)解。標(biāo)準(zhǔn)遺傳算法的關(guān)鍵步驟為：

1） 基因編碼;

2） 設(shè)計初始群體;

3） 適應(yīng)度計算（剪枝）;

4） 產(chǎn)生下一代;

5） 重復(fù)步驟3）完成迭代循環(huán)，直到達(dá)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(biāo)準(zhǔn)遺傳算法的不同之處在于，排序遺傳算法在進(jìn)行算子抽取之前會按照個體之間的支配信息進(jìn)行排序。該算法中適應(yīng)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(yīng)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(biāo)優(yōu)化遺傳算法進(jìn)行軟件實現(xiàn)。通過實數(shù)和二進(jìn)制編碼對遺傳算法編碼進(jìn)行實現(xiàn)。其中，針對二進(jìn)制編碼設(shè)置單點(diǎn)交叉和一致交叉兩種交叉方式，可讓設(shè)計人員根據(jù)自身需要自定義選擇。排序多目標(biāo)遺傳算法的軟件實現(xiàn)框圖如圖4所示。

圖4 ?排序多目標(biāo)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(biāo)遺傳算法優(yōu)化軟件的可靠性和有效性進(jìn)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(shè)置種群數(shù)量為200，進(jìn)化次數(shù)為50。排序多目標(biāo)遺傳算法和標(biāo)準(zhǔn)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(biāo)遺傳算法優(yōu)化結(jié)果

圖6 ?標(biāo)準(zhǔn)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(jìn)化次數(shù)時，相比于標(biāo)準(zhǔn)遺傳算法，排序多目標(biāo)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(biāo)遺傳算法的虛擬造型設(shè)計系統(tǒng)可以輸出性能更加優(yōu)良的結(jié)果，縮短設(shè)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(biāo)遺傳優(yōu)化的工業(yè)造型設(shè)計系統(tǒng)。在產(chǎn)品造型設(shè)計流程分析的基礎(chǔ)上，在產(chǎn)品造型設(shè)計中應(yīng)用排序多目標(biāo)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(biāo)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(jī)輔助設(shè)計提供新的參考。后續(xù)將增加種群進(jìn)化約束機(jī)制，以便符合不同行業(yè)的產(chǎn)品造型創(chuàng)新設(shè)計需求。

參考文獻(xiàn)

[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(yīng)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(jìn)化算法的產(chǎn)品造型創(chuàng)新設(shè)計方法研究[J].工程設(shè)計學(xué)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(jìn)機(jī)造型設(shè)計中的應(yīng)用[J].機(jī)械設(shè)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(shè)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(jìn)螢火蟲算法優(yōu)化SVM的變電工程造價預(yù)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.