基于数据驱动的生产质量决策支持系统模型的研究!
翟敬梅，蒋梁中，徐晓，谢存禧
（华南理工大学机电工程系，广东广州!"#$%"）
摘要：基于生产过程实时监控系统获取的大量质量监测数据，提出了以数据仓库为核心，数据挖掘为驱动的企业生产质量决策支持系统模式。以粗糙集理论为主体技术进行数据挖掘，针对实际生产过程的特性，将经典粗糙集不可分辨关系进行扩展，引入相近和相似关系，可以有效处理实际生产过程中数据的背景噪音和数据不完备的状况。采用遗传算法解决粗糙集理论中知识简约的&’完全问题，挖掘出的各个生产过程的相互关联规则，通过人机一体优化策略，使决策者获得真正需要的知识。
关键词：数据挖掘；数据仓库；决策支持系统（())）；质量；监测；生产过程
中图分类号：*’+""文献标识码：,文章编号："##"-.+!%（.##+）#+-##"%-#+
目前，产品的质量监控已从传统的检验结果即事后检测，转移到了生产的过程监控上，即从产品质量最终形成点前移到了产品质量形成的过程中。随着先进制造技术、自动化技术、通讯网络技术和计算机等技术的迅猛发展，自动监测与通讯设备以其准确、全面、实时地获取监测对象状态的特点，在企业生产过程的质量监控中得到重视、发展和应用。企业生产过程质量实时监控系统通过自动监控设备对各车间监控点的各种监测项目自动进行采样和监测，并将实测数据通过通讯系统传递给质量监控信息管理中心以供分析和研究。
生产过程的监控分为生产过程工艺参数的监控和生产工序质量指标的监控，工艺参数监控数据主要反映在线设备的工作状态，是影响工序质量的因素之一，其不能反映正在生产的产品是否合格。质量指标的监控数据反映了生产过程的质量状态，向生产系统提供质量特征的信息。上述监测数据不仅反映了生产过程中有关生产技术参数和生产质量特征参数的实时动态变化，更重要的是数据中还隐藏着大量的质量信息，如进一步对其进行加工、整理和综合概括，可从中找出生产中质量的症结和某些质量变化规律。这些信息可为质量管理提供科学依据，为质量设计和质量改进提供技术支持，同时，也可全面分析综合各种质量问题的成因，预测质量发生异常的可能性和范围。因此，从企业各生产过程中提取有用的信息以支持高级管理决策，建立面向企业生产系统的质量决策支持系统，是十分必要和有现实意义的。
"企业生产系统质量决策支持系统模型的研究
目前的决策支持系统大多是以模型驱动的，模型为决策者提供一套分析、判断、信息处理及模拟活动的基本工具。但由于传统())中数据库数据量小，且缺乏有效的数据分析工具，因此不能很好地支持())。知识库的引入使())向智能化的方向迈进了一大步，系统能够进行一些与专家知识有关的推理和运
算。但这仍然是有限的，这种体系结构并不能依据系统数据库中的数据进行学习和推理，所以知识的来源并非是从信息中真正的学习而来。面对目前的技术使收集数据非常容易的新情况，要求())具有比较强的学习功能，能够利用现有的数据进行挖掘，获取新的有用的信息和知识。因此提出了一个以数据为核心，数据为驱动的企业生产系统质量决策支持系统模式。"!"基于数据仓库的())数据结构
生产过程的监测数据是企业相关部门进行控制、分析、研究、预测和评价生产过程质量的重要来源。面对这样庞大、动态的数据，传统的数据库已无法满足大容量数据的存储和快速的数据查询及分析。通常，对同一生产过程的监测数据，当数据达到一定容量时，将其存储在磁盘或光盘中，因此要查询和分析这一生产过程的监测数据是费时、费力的事情。对企业而言，生产类型、生产资源、生产方式在较长时期都相对稳定，生产资源重构，产品、工艺过程相似，使不同生产过程具有一定程度的相关性，企业生产系统可以看作是各生产过程资源相互联系的一个网络。生产实践中总结出来的有价值的知识和经验，都能为以后的生产改进和设计所利用，并随着生产的不断实践，知识越来越丰富和实用，功能越来越强大。因此如能对过去和现在的生产质量状况有较深入和广泛认识，有助于获得较好的决策效果，这就要求系统能够处理大量的历史数据。然而现实中不同生产时期和不同生产过程的监测数据往往存储在不同的地方，如果想同时分析这些数据将非常困难。因此面向决策支持的最合理、有效的数据结构形式应具有以下特点：
（"）历史和现在的不同生产过程的各个生产监测数据和其他生产资源信息（如生产中操作人员、设备工具、生产操作和工艺方法等）的集成；
（.）能够存储大容量数据；
（+）能够时变地收集数据；
（%）具有数据的存储、管理和分析能力；
（!）支持面向数据分析的数据结构。
传统的数据库技术无法满足上述要求，数据仓库是在数据库的基础上提出的一种能进行有效、快速分析的数据管理技
第.#卷第+期.##+年+月
机械设计
/012&,3045,678&9(9)8:&
;<=>.#&<>+
"
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
5?@>.##+
!收稿日期：.##.-#%-#"；修订日期：.##.-#A-#!；
作者简介：翟敬梅（"A$B-），女，辽宁人，华南理工大学机电工程系讲师，在职博士生，主要从事系统的建模、优化及人工智能等方面的研究。
万方数据
术，它可以很好地满足上述要求，是实现一个强有力的决策支持系统的基础，是存储、管理、分析生产中实时监测数据和满足高层决策支持的最合适和有效的数据结构形式。不同生产过程的源数据经过净化、转换等处理后进入数据仓库，对数据统一编码，加上时间标志，形成时间维数据。数据仓库中的信息存贮可根据对数据的不同深度的处理分成历史性详细数据层（用于存储历史数据，供分析、建模、预测之用）、当前详细层（用于存储最新的详细数据）和不同程度的综合数据层（可包含多个层次，根据分析决策的问题领域所需分类归纳的不同深度而定）。监测数据进入仓库时，首先被直接放入当前详细数据层，之后分别作不同程度的归纳、整理和分析，结果存入相应的综合数据层，数据仓库进行定期的处理将过期的数据转移到历史数据层中。
!!"基于数据挖掘的#$$框架
图!从数据到决策
大量监测数据蕴涵着潜在有用的信息和知识，图!表示了从数据中挖掘出数据间潜在的模式和知识以指导决策行为的模型。
决策支持工具选用两种方式：验证和发现。在验证模式中，用户做出一种假设，然后试图通过存取数据仓库中的数据来证明此假设。在发现模式中，工具试图发现尚未被发现的、隐藏在大量数据中的关系、趋势等信息。数据挖掘工具就是发现模式的一个范例。验证和发现这两种模式通常可分成三种方法———信息处理、分析处理和数据挖掘。
（!）信息处理：也称联机在线事务处理（%&’(），支持决策支持的验证模式，它是基于关键词的浏览式的决策查询，它用于数据仓库中监测数据的查询和规则库中规则的查询。
（"）信息分析：也称联机在线分析处理（%&)(），主要支持决策支持的验证模式，它是基于数据进行聚合运算的决策查询。%&)(的显著特征是能提供数据的多维概念视图，数据的多维视图通过旋转、切片、钻取和嵌套等操作，使最终用户能从多角度、多侧面、多层次地考察数据库中的知识，从而深入理解包含在数据中的信息及其内涵，以多维视图的形式把数据提供给用户，既迎合了人的思维模式，又减少了混淆并降低了出现错误解释的可能性。它通常用于生产数据和质量数据的统计分析和处理。
（*）数据挖掘（#+,+-./0，#-）：支持决策支持的发现模式。数据挖掘是在数据集合中寻找模式的决策支持过程。数据挖掘技术的引入，将使系统具有自动学习的功能，能使系统自动获取知识，使系统具有真正的“智能”。
图"表示了基于数据仓库和数据挖掘的决策支持系统实现的模型框图。
图"决策支持系统模型
"基于粗糙集理论的数据挖掘技术
数据挖掘技术是当今智能系统理论和技术的重要研究内容，它综合运用人工智能、计算智能、模式识别和数理统计等先进技术，从大量数据中挖掘和发现有价值的隐含知识，因而能有效地应用于建模、优化、预测等领域，并且能克服以往存在的知识获取瓶颈。
粗糙集（12304$5,，1$）是一种新型的处理数据的软计算方法，它不需要关于数据的任何检验或附加信息（如统计上的概率分布，模糊集理论中的模糊度划分及其隶属函数，神经网络中一定数量的训练样本等），而是直接从已知数据的初始决策系统出发，通过不可分辨关系和不可分辨类确定给定问题的近似域，有效地分析和处理不精确、不一致、不完整的信息，并从中发现隐含的知识，揭示潜在的规律。它成为知识发现和数据挖掘的重要方法。
生产过程是一个复杂的、随机的、不确定的和具有周期性的多样性的过程，采用传统的模型化方法，很难建模、仿真和处理。以下提出了以粗糙集理论为主体的数据挖掘方法，具体实施步骤见图*。
"!!生产过程质量决策模型的建立
设生产中有"个工序，#
6
表示原始材料特征的参数集合，#$%｛&$!，&$"，…｝（$%!，"，…，"）为影响工序$生产质量的各项指标，’表示最终生产的质量特性。由于生产过程具有不确定性和随机性（如操作人员由于疲劳或粗心发生误操作），这些影响质量的不确定因素在生产中如何表征和处理一直是系统建模的最大问题。粗糙集作为刻划不完整性和不确定性的数学工具，可根据已有数据采用确定方法描述这种不确定性，在模型中引入时间属性(来衡量生产过程的不确定性因素，根据属
7
!
"66*年*
! !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
月翟敬梅，等：基于数据驱动的生产质量决策支持系统模型的研究
万方数据
性!是否改变决策确定区间和不确定区间的边界域就可判断是否有不确定因素影响生产质量。综上分析，基于粗糙集理论的生产过程质量信息表示为决策系统：
"#（$，｛!，%!，%"，…，%&｝，’，(，)）式中：$—
——生产对象的集合；%———条件属性的集合，%#｛!，%!，%"，…，%&｝
；’—
——决策属性集合；(—
——属性值的集合；)—
——一个信息函数，它指定$中每一对象的属性值。图!
数据挖掘过程
机械制造业中，生产过程质量决策系统中的条件属性不仅包括工件的原始参数或半成品参数（如形状、尺寸、机械性能等）、生产设备、生产方法、操作人员和环境等可通过离散化数值表示的因素（如原材料可用采购的批号表示，操作人员和设备工具用其#$表示，
工艺方案或操作方法可用工艺参数的实际值和方案操作方法的代码表示），而且包含通过传感器获取的生产过程参数信息（如切削力），这些信息可通过某种变化后取其特征值作为属性值，其值为连续属性值，并是波动的，这种波动可以分成偶然波动与异常波动。偶然波动是过程所固有的，对质量影响微小，相当于背景噪音。异常波动由异常因素造成，它不是过程固有的，是可以避免的，对产品质量影响甚大。经典粗糙集理论的不可分辨关系，无法判别连续数值的波动状况，因此，在分析这些数据之前，需要分辨数据的变化是偶然波动还是异常波动，并对属性偶然波动的数据进行聚类处理即离散化处理以消除背景噪音。为保持同粗糙集在数据处理方法上的一致性，引入对象属性的相近关系以消除偶然波动的影响。
对于决策系统"，*是条件属性集合的一个属性，+，,!$，若有!*
（)（+），)（,））""（*）成立，则称对象+，,在属性*上具有相近关系，这里"（*）是对象+，,被认为基于属性*相近时所设定的最低阀值，这里表示为偶然波动的范围，!*（)（+），)（,））#-)（+）.)（,）-)
（+）为对象+，,在属性*上的相近程度。具有某属性相近关系的所有对象，在该属性数值上的差别由于是偶然波动造成的，故将所有对象在该属性上的取值视为一类，用某一离散化数值表示。%/%
基于粗糙集的规则获取
粗糙集理论提供了规则挖掘的基本方法是：首先进行决策系统的属性简约，然后利用求解的简约进行规则挖掘。
实际生产过程中，有时由于监测设备发生故障或通讯等原因，上传至数据仓库的数据会发生丢失或错误，这时决策系统
中的数据表是不完整的，
而基于不可分辨关系的经典粗糙集理论无法对此进行处理。目前常用的解决方法是将含有未知属性值的对象从决策数据表中删除，但这样会丢失该对象其他属性的信息；或用最可能的取值或预测值来代替未知值，而该方法则可能导致错误的结论。将经典粗糙集理论中的不可分辨关系
扩展为相似关系［&］（不可分辨关系为其一个特例），可以解决该
问题。将未知属性值的实际值用“#”表示，若对象+，,在条件属性*上有)*（+）#)*（,）或)*（+）##或)*
（,）##成立，则认为对象+，,在属性*上具有相似关系。通过对象间的相似关系，可以有效地处理完备数据和不完备数据，对数据进行化简并求得知识的最小表达的规则库。
规则挖掘过程中，属性的简约是一个’(完全问题，遗传算法是一种全局搜索寻优技术，但它并不遍历全局，因而具有计算量少、收敛速度快的优点。遗传算法的这种全局寻优的能力，可为所有不同组合的属性集中找到满足划分要求的最小简约属性集。在属性简约中，最小简约属性集必须满足%个条件：（"）保持原分类质量不变；（%）属性集中不含冗余属性；并且还要求在首先满足条件（"）的前提下再满足条件（%）。因此适值函数是一个多目标函数，如何选取适值函数和保证获取全部最小简约将是遗传算法解决属性简约的关键问题。
上述论述的方法将另文具体陈述。
%/)
人机一体优化策略
基于粗糙集理论获得的规则形式为$（*，0）%&（1，
2），$（*，0）为规则的条件部分，&
（1，2）为规则的决策部分，其中*!%，1!’，0!(*，2!(1。属性名（*，1）、描述值（0，2）以及属性名与描述值之间的关系（等于、大于、小于等）一起构成对规则属性的最简单描述，这里称其为属性元。一条规则可认为是由其所有条件属性元和决策属性元构成。属性元可以分层次、分侧面地描述复杂生产的构成，且其描述能力和可操作性都很强，以属性元为最小单位存储生产质量规则，这样的决策支持系统框架可以有效地解决不同时期不同生产过程质量模型的通用性、柔性和信息资源的重新配置。
不同生产过程挖掘出的规则具有一定的相关性，不同规则中存在着大范围内的相似元素，在特定属性基础上，一类规则可形成一个知识群，不同规则库中的规则可按不同属性进行分类重组。因此针对不同的生产环境重新总结整理工艺知识不可避免。由于知识总结工作量大，高层次的总结难度较大，若完全依靠人工智能方法解决必须付出巨大的代价或是无法解决，而这些问题如果凭借人类的直觉思维或逻辑思维，即人类智能就能很好地解决，所以将人类智能、人工智能有机地结合起来，根据用户感兴趣的问题，进行关键词的查询，关键词可以是产品类型、生产工艺过程、某加工单元或是有关操作人员、设备、工艺方法等，提取与关键词相关的信息规则并建立规则库，规则库所包含的规则常常是相似甚至相同，从而使规则库所包含的信息密度低，尤其是在复杂的问题领域，规则库可能十分庞大，影响决策效率，因此用户可对其进行一系列的处理、整理和归纳，最终获取简明、易于理解的知识以供用户进行科学决策。
)
结束语
以上提出的企业生产系统质量$**的总体思路是建立以
（下转第"+页）
,
"机械设计第%!卷第)’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’’期万方数据
式中：!!，!"，!#，!$—
——表示机器人各机械臂的转角。在此次空间仿真实验中，机器人末端从点（%!&，%!&，%）匀速直线运动到点（%!’，%!$，%!&），运动时间为&%(，机器人可预测关节"会发生自由摆动故障。故障前仍采用前面提到的性能指标对机器人进行优化，同时假设一旦发生自由摆动故障，机器人故障关节以上部分，将在很短的时间内摆动到其重心相对最低的位置。
当机器人运动到"#!&(时，
机器人发生自由摆动故障，机器人在整个运动过程中的位形图如图)所示。从图中可知对于该末端轨迹，当机器人关节"发生自由摆动故障后，机器人仍能完成预定的工作任务。
图’给出了空间$*机器人在整个末端轨迹运动过程中机器人各个关节的转角图（纵坐标单位：（$））。从图中可以看到机器人在"#!&(
时刻发生故障时，机器人只有关节!和#发生摆动，而且这两个关节摆动的角度不大（’
$左右）。图!空间"#机器人关节$在!"%&’时刻发生故障后机器人运动位形图
图(空间"#机器人关节$在!"%&’时刻发生故障后机器人关节运动图
$
结论
以上研究了冗余度机器人发生自由摆动故障后的运动学
规划问题，指出故障后机器人故障关节以上部分将摆动到其重
心相对最低的位置上，而不是最低的位置上，而且在以后的运动中将保持这一关系，同时构造了机器人故障后运动学规划模型。仿真研究表明，采用该运动学规划模型对发生自由摆动故障后的机器人进行规划，能保证机器人完成后续的工作任务，而且机器人各个关节速度变化平稳，没有出现突变，机器人易于控制。
参考文献
［!］++,-./0102(3/45-6788970:-;8<:9<0:8/0(9=3/;0>-8/.-77?:
0@6;A @-;8>-;/<67-89:(［B ］4C D D DC ;84B 9;=4*9E 98/.(-;@+689>-8/9;，!F F %，（&）：)#G H )$"4
［"］BII 02/(，++,-./0102(3/45-6788970:-;89<
0:-8/9;9=3/;0>-8/.-7A 7?:0@6;@-;8>-;/<67-89:(=9:79.30@19/;8=-/76:0(［J ］4C D D DK :-;(4*9E 984+689>-8
，!F F ’，!#（G ）：)""H )"F 4［#
］李鲁亚，张启先，扬宗煦4基于运动可优化度的冗余度机器人运动学实时控制研究［J ］4机械工程学报，!F F $，#%（!%）：F #H F F 4［$］J ->0(L ，++,-./0102(3/45-67889:70:-;.0=9:3/;0>-8/.-77?
:0@6;A @-;8>-;/<
67-89:(：-;8/./<-8/;M =:00H(2/;M /;M1/9;8=-/76:0(［J ］4C D D DK :-;(4*9E 984+689>-8，!F F G ，!$（G ）：&))H &’&4
)*’+,-./0123*+.*45/-44.46,*1127047-489
1*:*+’;<=>).46，?@=>A .46（N .O 9979=,0.O -;/.-7D ;M /;00:/;M P +<<
7/0@D 70.8:9;/.(K 0.O ;979M ?Q 0/1/;M R 79?80.O ;/.S ;/T 0:(/8?，Q 0/1/;M !
%%%""，B O /A ;-）=:’+1-8+：C ;(9>0-<<7/.-8/9;-70;T /:9;>0;8(，8O 0:9E 98(/(;989;7?-(30@89E 0<:9T /@0@2/8O =6;.8/9;9=>/(8-308970:-;.0E 68-7(989E 0O 9<0@8O -88O 0:9E 98(.967@(8/77-..9><
7/(O <:0@080:A />0@29:3/;M -((/M ;>0;8-=80:=-/76:0-:/(0@/;.0:8-/;（(9>0）19/;8(4+/>/;M -88O 0=:00H (2/;M /;M
=-/76:09..6::0@/;:0@6;@-;A .?:9E 98(，8O 0>98/9;.O -:-.80:/(8/.(9=:9E 98-=80:(89<<-M 0/(-;-A 7?U 0@，/8(0((0;.09=>98/9;/(E 0/;M <9/;80@968-;@8O 0>9@079=3/;0>-8/.<7-;;/;M /(.9;(8:6.80@=9::9E 98(-=80:=:00H (2/;M /;M =-/76:0O -(O -<<0;0@4K O 0:0(6789=(/>67-8/9;(O 92(8O -8/8/(-;0==0.8/T 02-?E ?-@9<8/;M 8O /(>08O 9@89.-::?968<9(8=-/76:0>9A 8/9;<7-;;/;M 9=:9E 982O /.O.967@-..9><7/(O8O 0=97792H6<29:3/;M -((/M
;>0;8(4B 29C *17’：=:00H (2/;M /;M =-/76:0；:0@6;@-;.?:9E 98(；<9(8=-/76:0>98/9;<7-;;/;M
5/M ’K
-E !*0=$“J /V /0N O 01
/”!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
"#’!（上接第!)页）
数据仓库为基础，数据挖掘为主要手段的一套可操作、可实施的模型，该模型可实现快速、稳定的数据集成以及数据存储、管理和分析的方法，并具有学习功能，自动获取知识的智能化能力。目前基于数据挖掘的决策支持系统的应用研究还处于探索阶段。面对日益复杂的生产，意味着更多的属性和高维的搜索空间，从而导致组合爆炸，如何处理大规模数据、选择合适的挖掘引擎及其有效的组合，获得最佳的效果，是今后数据挖掘在实际应用中需要解决的一个难题。
参考文献
［!］W -:1
/;@0:NX C I I 4数据仓库———客户／服务器计算指南［,］4北京：清华大学出版社，!F F ’4［"］曾黄麟4粗集理论及其应用［,］4重庆：重庆大学出版社，!F F G 4
［#］JY X 6-;，L+Q 0774*96M O .9><68-8/9;-7>08O 9@(=9:/;=9:>-8/9;(?(80>(［J ］4+:8/=/.-7C ;8077/M 0;.0，!F F G ，!%&：’’H !%#4［$］N 8-:U ?3J ，%"&’4*0@6.8M 0;0:-8/9;/;/;=9:>-8/9;(?
(80>［J ］4Q 67A 708/;9=C ;80:;-8/9;-7*96M O N 08N 9./08?，!F F F ，#：!F H ""4［&］N -7T -89:0X :0.94*96M O (08(8O 09:?=9:>678/.:/80:/-@0./(/9;-;-7?
(/(［J ］4D 6:9<0-;J 96:;-79=Z <
0:-8/9;-7*0(0-:.O ，"%%!，!"F ：!H $’4F
!"%%#年#"
"""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""月
缪萍，等：冗余度机器人故障后的运动规划
万方数据
结构疲劳寿命、可靠性可视化技术与虚拟疲劳设计!
沈海军，郭万林
（南京航空航天大学航空宇航学院，江苏南京!"##"$）
摘要：介绍了大型图形用户界面有限元软件、疲劳寿命预测模型、疲劳寿命可视化、可靠性可视化实现方法等结构疲劳寿命以及可靠性可视化技术。阐述了先进的基于“全场”疲劳寿命、可靠性可视化技术的产品虚拟疲劳设计思想。以有限元软件%&’(’为平台，自行开发了基于结构疲劳寿命、可靠性可视化技术的外部模块，并采用该模块对某战斗机起落架框进行了“全场”疲劳寿命、可靠性可视化分析。
关键词：有限元软件；疲劳寿命；寿命可视化；可靠性可视化；%&’(’
中图分类号：)!"*+$文献标识号：%文章编号："##",!-*.（!##-）#-,##!#,#-
疲劳与可靠性是产品设计过程中需要考虑的重要环节［"，!］。目前，基于产品结构可视化技术的虚拟设计思想，已成为现代产品设计与优化的潮流。工程师利用计算机，能够在无需产品样机的前提下即可通过/%0工程分析软件在虚拟环境中快速、全面、有效地获得“虚拟样机”的相关性能，如产品结构的应力分布、疲劳寿命和可靠性等。然后在此基础上，对“虚拟样机”进行“全场”的寿命分析与优化，进行所谓的“一次就对”的设计，可大大避免设计的盲目性，缩短产品开发周期，降低成本。
"结构疲劳寿命、可靠性可视化技术"+"结构寿命、可靠性可视化开发平台———图形用户界面有限元软件
随着有限元法及数值模拟技术在工程中的广泛应用，目前，国际上出现了一批著名的图形用户界面有限元软件，像%&’(’、&%’12%&等。这些软件将有限元分析、计算机图形学和优化技术紧密结合，已成为解决现代工程问题必不可少的工具，且具有如下共同特点［-］：
（"）通用的数据接口。
可与许多知名的/%3软件，如%456/%3、786／0等共享数据。利用数据接口，可精确地将在/%3系统下生成的几何模型传入有限元分析软件，而后准确地在该模型上进行网格划分并求解，这样用户可以方便地利用已有的模型，而不必因重新建模而费时耗力。
（!）友好的图形用户界面。
具有友好的图形用户界面，易学易用。用户通过这些界面可以方便地访问程序的各种功能、命令、用户手册；建立或修改模型；划分网格及加载；直观显示模型及计算结果等。
（-）开放的二次开发功能。
为用户提供了广阔的二次开发功能。通过系统提供的语言编程，可对有限元模型中相关的参量（如节点坐标、应力、应变等）实现如下操作或功能：定义参数、数组、函数；进行数学运算；分支和循环；宏操作等。系统甚至还允许用户利用高级语言（如96858:;语言）编写子程序，并把这些代码和系统提供的语言代码连接在一起，从而增加程序的灵活性。
由于目前知名的通用有限元软件大都具有如上特点，因
"""""""""""""""""""""""""""""""""""""""""""""""""
此，当使用这些有限元软件对产品结构进行应力分析后，再结
!"#"$%&’()*$+$,*%,-").$#"*/(*"0(1*"&,#,()#233(%+,)4#5#6 +"/(1/$)21$&+2%,)472$0,+5
89:;<,)46/",，<;:=>?,$)46@’()4，A BA,$(，A;CD2)6E,（<=>?:586;@>0;A@;==8@;A3=B:85C=;5，’645?/?@;:D;@E=8F G@5H6I’>@=;>=J1=>?;6K6A H，L4:;A M?64*"#$."，/?@;:）:.#+%$&+：N;5?=O:G@G6I K:8A=:C64;56I P4:K@5:5@E=C6;@568F @;A Q:5::>P4@8=Q I86C8=:K,5@C=C6;@568@;A G H G5=C6I B86Q4>5@E= B86>=G G，:C6Q=@G B86B6G=Q56=;5=8B8@G=’G B86Q4>5@E=P4:K@5H Q=>@F G@6;G4B B685@;A G H G5=C R?@>?5:S=G Q:5:O:;S:G:>68=:;QQ:5: =T>:E:5@6;:G:Q8@E=+1:S@;A5?=864A?G=55?=68H:G:C:@;5=>?F ;@P4=56>:88H645Q:5:=T>:E:5@6;:;Q:@C@;A:55?=>?:8:>5=8@G5@>G 6I:>54:K B86Q4>5@E=B86>=Q48=56=T5=;Q5?=;6;Q@G5@;A4@G?:O K=8=F K:5@6;6I>K:G G@>:K864A?G=5:;Q@;586Q4>=8=K:5@6;G6I G@C@K:8@5H:;Q 8=G=C O K:;>=，5?4G5?=G@54:5@6;G6I Q:5:O:>S A864;Q;6@G=:;Q Q:5: @;>6C B K=5=;=G G@;:>54:K B86Q4>5@E=>648G=>:;O=Q=:K5R@5?=I I=>F 5@E=K H+1?=>6C B K=5=&7B86O K=C6I S;6R K=Q A=8=Q4>5@6;@;5?= 5?=68H6I864A?G=5@G G6K E=QO H:Q6B5@;AA=;=5@>:K A68@5?C+U H C=:;G6I?4C:;,C:>?@;=@;>68B68:5=6B5@C@M:5@6;G58:5=A H，5?= @;5=88=K:5=Q84K=G6I=:>?B86Q4>5@E=B86>=G GO=@;A=T>:E:5=QR@K K C:S=B6K@>H C:S=8G A:@;5?=8=:K K H;==Q=Q S;6R K=Q A=+
F"5G(%*#：Q:5:=T>:E:5@6;；Q:5:R:8=?64G=；Q=>@G@6;G4B F B685@;A G H G5=C（3’’）；P4:K@5H；C6;@568@;A；C:;4I:>548@;A B86>=G G 9@A-1:O#2=I*“V@T@=’?=W@”!"X.
第!#卷第-期!##-年-月
机械设计
V N D2&%YN9<%/Z[&030’[L&
)6K+!#&6+-
#
#################################################################
<:8+!##-
收稿日期：!##!,#-,""；修订日期：!##!,#\,#\
基金项目：航空科学基金资助项目（#"U*!#"!）；南航青年科研基金资助项目
作者简介：沈海军（"\X",），男，陕西户县人，博士，副教授，南京航空航天大学在站博士后，研究方向：疲劳断裂、有限元及纳米力学等。
万方数据