机械设计手册 智能设计 仿生机械设计

出版说明
前言

第49篇智 能 设 计

第1章智能模拟的科学

1信息社会与思维科学49-3

11思维与思维科学49-3

12思维的类型49-3

121抽象(逻辑)思维学49-3

122形象(直觉)思维学49-5

123灵感(顿悟)思维学49-6

2思维的基础和认知的发展49-7

21思维与智能49-7

22思维的神经基础49-7

23认知发展49-8

231皮亚杰认知发展理论49-8

232斯腾伯格的认知三元素理论49-9

233信息加工理论49-9

234思维的瞬间达尔文进化机制
理论49-9

235广义进化认知模式49-10

236复杂自适应系统49-10

237认知发展总论49-11

3智能模拟49-12

31智能模拟的科学基础49-12

32智能模拟的哲学基础49-12

33智能模拟的基本途径49-12

331基于逻辑推理的智能模拟——
符号主义（symblism）49-12

332基于神经网络的智能模拟——
联结主义（connectionism）49-13

333基于“感知—行动”的智能模
拟——行为主义（behaviourism）49-13

第2章智能设计方法和技术综述

1智能设计的发展概述49-15

11CAD的发展49-15

12智能设计的两个阶段49-15

2智能设计的概念和特征49-16

21智能设计的特点49-16

22智能设计技术的研究重点49-16

23智能化方法的分类和智能设计的
层次49-17

231智能化方法的分类49-17

232智能设计的层次49-17

24智能设计的基本方法49-18

241智能设计的分类49-18

242智能设计系统与技术49-19

3智能设计体系和知识表达49-20

31智能设计体系49-20

311智能设计的抽象层次模型49-21

312设计知识的结构体系49-21

313智能设计的集成求解策略49-22

314智能设计集成求解策略的工程
应用49-23

32智能设计的知识表达49-23

33智能设计的基因模型表达49-27

331知识模型49-27

332基因模型49-27

第3章进化设计技术与方法

1进化设计技术基础49-29

11遗传算法的概貌49-29

12单纯型遗传算法49-30

13模式定理(schemata theorem)49-33

14遗传算法的有关操作规则和方法49-33

15多个体参与交叉的遗传算法49-36

16多目标进化算法简介49-39

161传统多目标算法及其存在问题49-39

162Pareto多目标进化算法49-40

163几种主要的多目标进化算法49-43

164扩展Pareto进化算法(Extended
Pareto Evolutionary Algorithm，
EPEA)49-44

165算例49-45

2基于进化的健壮性设计方法49-47

21健壮性开发方法的基本思路49-47

22基于进化的健壮性设计方法的总体
框架49-49

目录
目录
23基于进化的健壮性设计方法的
说明49-51

3结构智能优化设计——进化设计49-52

31结构智能设计的概念49-52

32结构进化智能优化设计49-53

33基于进化的桁架结构相位设计49-53

34基于进化的结构非线性强制振动
解法49-54

35基于进化的圆抛物面天线健壮结构
设计49-56

351圆抛物面天线结构设计的要求和
特点49-56

352天线反射面精度计算49-58

353*佳吻合抛物面各点对原设计
面相应点的半光程差49-58

35410m圆抛物面天线健壮设计
模型49-59

35510m圆抛物面天线体结构的健壮性设计过程49-61

356总结49-69

4供应链库存策略的进化重组49-70

41供应链运行策略的持续改进49-70

42供应链中的库存设置49-71

43供应链运行过程中的库存控制
策略49-72

44敏捷供应链多级库存策略重组
模型49-74

第4章自组织设计技术与方法

1自组织技术基础49-79

11“生命的游戏”49-79

12元胞自动机的基础49-80

13元胞自动机的自组织建模方法49-83

14元胞自动机的应用领域49-85

2结构拓扑的自组织进化49-86

21结构拓扑优化中的ECA规则49-86

22ECA规则的进化表达49-88

23结构拓扑形态优化的算例49-88

第5章自学习设计技术与方法

1自学习技术基础49-90

11神经网络的主要特点49-90

12细胞元模型49-91

13神经网络模型49-93

14神经网络的学习49-94

15多层前向神经网络(BP网络)49-97

16典型反馈网络——Hopfield网络49-103

17基于概率学习的Boltzmann机模型49-106

2非线性振动的自学习建模49-109

21神经网络和系统识别49-109

22非线性振动脉冲响应的学习和系统
预测49-110

23Duffing振动的学习和预测49-111

24预测精度和泛用性的考察49-113

3基于学习的机械系统特性预测49-115

31机械系统特性预测的问题49-115

32机械系统特性预测的基本模型49-116

33雷达结构系统固频的预测例49-116

4神经网络专家系统的智能设计体系
结构49-117

41建立人工神经网络专家系统的
必要性49-118

42面向设计的智能平台49-118

421专家系统和神经网络的结合
方式49-118

422智能平台的“外壳