| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 字母注释表 | 第16-18页 |
| 第一章 绪论 | 第18-38页 |
| 1.1 选题的行业背景 | 第18-19页 |
| 1.2 云设计模式提出的制造模式背景 | 第19-23页 |
| 1.2.1 制造领域资源的利用模式 | 第20-23页 |
| 1.3 设计领域资源利用模式 | 第23-29页 |
| 1.3.1 机械产品设计方法概述 | 第24-27页 |
| 1.3.2 互联网环境下的产品设计方法初态 | 第27-29页 |
| 1.4 云设计概念的提出 | 第29-35页 |
| 1.4.1 云设计模式的特点 | 第30-31页 |
| 1.4.2 汽车模具云设计整体框架 | 第31-32页 |
| 1.4.3 云设计模式的服务形态 | 第32-35页 |
| 1.5 研究内容及本文框架 | 第35-37页 |
| 1.6 本章小结 | 第37-38页 |
| 第二章 云设计环境下知识需求和基础信息模型构建研究 | 第38-62页 |
| 2.1 汽车覆盖件模具设计研究现状 | 第38-42页 |
| 2.1.1 汽车覆盖件的组成及分类 | 第38-40页 |
| 2.1.2 汽车覆盖件的成型特点分析 | 第40-41页 |
| 2.1.3 汽车覆盖件模具的分类及设计流程 | 第41-42页 |
| 2.2 汽车覆盖件设计的材料影响因素 | 第42-44页 |
| 2.2.1 汽车覆盖件材料主要基本要求 | 第42页 |
| 2.2.2 汽车覆盖件板材的主要性能参数及试验方法 | 第42-44页 |
| 2.3 覆盖件模具设计的生产因素 | 第44-45页 |
| 2.4 汽车覆盖件模具设计内容及知识需求 | 第45-49页 |
| 2.4.1 覆盖件的设计依据 | 第45-46页 |
| 2.4.2 覆盖件模具工艺设计 | 第46-47页 |
| 2.4.3 汽车覆盖件模具结构设计及关联因素 | 第47-48页 |
| 2.4.4 模具设计的仿真分析 | 第48-49页 |
| 2.5 云设计环境下的汽车覆盖件模具的研究内容 | 第49-54页 |
| 2.5.1 汽车覆盖件模具设计知识重用流程 | 第50-52页 |
| 2.5.2 设计知识重用流程信息建模 | 第52-54页 |
| 2.6 汽车覆盖件模具的设计过程信息建模 | 第54-60页 |
| 2.6.1 覆盖件模具设计制造信息模型分析 | 第55-56页 |
| 2.6.2 工艺设计输入信息模型 | 第56-57页 |
| 2.6.3 工艺过程信息模型 | 第57-58页 |
| 2.6.4 结构设计信息模型 | 第58-59页 |
| 2.6.5 仿真分析信息模型 | 第59-60页 |
| 2.7 本章小结 | 第60-62页 |
| 第三章 基于KBE及知识元链接理论的知识组织方法 | 第62-94页 |
| 3.1 KBE的产生背景 | 第62-69页 |
| 3.1.1 知识工程的应用 | 第65-67页 |
| 3.1.2 知识工程系统构建中的人员 | 第67-68页 |
| 3.1.3 知识工程的构建方法 | 第68-69页 |
| 3.2 设计知识的获取 | 第69-72页 |
| 3.2.1 知识的获取方法归纳 | 第70-71页 |
| 3.2.2 云设计环境下设计知识的来源 | 第71-72页 |
| 3.3 设计知识的表示 | 第72-75页 |
| 3.3.1 知识的常用表示方法 | 第73-74页 |
| 3.3.2 汽车覆盖件设计知识的表示方法 | 第74-75页 |
| 3.4 基于本体理论的汽车模具设计知识表示方法 | 第75-80页 |
| 3.4.1 本体的主要优势 | 第76-77页 |
| 3.4.2 本体的组成要素 | 第77页 |
| 3.4.3 本体的描述语言 | 第77-79页 |
| 3.4.4 本体建模工具及应用 | 第79-80页 |
| 3.5 汽车覆盖件模具设计知识的组织 | 第80-94页 |
| 3.5.1 知识元链接理论 | 第82页 |
| 3.5.2 知识元的提取及融合 | 第82-89页 |
| 3.5.3 知识重用系统结构 | 第89-90页 |
| 3.5.4 案例研究 | 第90-93页 |
| 3.5.5 本章小结 | 第93-94页 |
| 第四章 基于语义和推理机制的设计知识重用方法 | 第94-126页 |
| 4.1 设计知识的推理机制 | 第94-97页 |
| 4.1.1 基于案例的推理机制 | 第95-96页 |
| 4.1.2 基于规则的推理机制 | 第96-97页 |
| 4.2 设计知识重用系统框架模型 | 第97-99页 |
| 4.3 设计规则的提取技术 | 第99-108页 |
| 4.3.1 基于粗糙集理论的规则提取方法 | 第99-100页 |
| 4.3.2 粗糙集的基本概念 | 第100-103页 |
| 4.3.3 知识约简及决策表 | 第103-104页 |
| 4.3.4 决策信息表的约简算法 | 第104-106页 |
| 4.3.5 设计规则的提取方法 | 第106-108页 |
| 4.4 汽车覆盖件模具设计知识的检索方法 | 第108-109页 |
| 4.5 基于语义和案例推理的知识检索方法 | 第109-124页 |
| 4.5.1 采用的研究方法 | 第109-110页 |
| 4.5.2 设计知识领域本体构建 | 第110-112页 |
| 4.5.3 基于CBR的知识推理 | 第112-114页 |
| 4.5.4 案例知识的表示 | 第114-115页 |
| 4.5.5 设计案例知识检索算法 | 第115-120页 |
| 4.5.6 系统实现及案例研究 | 第120-124页 |
| 4.6 本章小结 | 第124-126页 |
| 第五章 基于Gale-shapely算法的智力资源配置研究 | 第126-154页 |
| 5.1 云设计环境下人员-任务匹配 | 第126-129页 |
| 5.1.1 人员-任务匹配步骤 | 第127-128页 |
| 5.1.2 人员的影响因素分析 | 第128页 |
| 5.1.3 设计任务因素分析 | 第128-129页 |
| 5.2 设计人员的设计能力识别 | 第129-136页 |
| 5.2.1 人员能力识别方法 | 第129-130页 |
| 5.2.2 模糊评价系统框架 | 第130-131页 |
| 5.2.3 设计能力关键影响因素 | 第131页 |
| 5.2.4 影响因素权重分析 | 第131-133页 |
| 5.2.5 模糊推理过程 | 第133-136页 |
| 5.3 设计能力评价案例分析 | 第136-144页 |
| 5.3.1 基于AHP的相对重要度分析 | 第137-138页 |
| 5.3.2 模糊逻辑推理过程 | 第138-142页 |
| 5.3.3 系统稳定性研究及结果分析 | 第142-144页 |
| 5.4 设计人员与工作任务的匹配 | 第144-147页 |
| 5.4.1 设计任务与设计人员的契合度计算 | 第146-147页 |
| 5.5 基于Gale-shapley算法的人员-任务双边匹配 | 第147-151页 |
| 5.5.1 双边匹配的假设条件 | 第147-148页 |
| 5.5.2 基于延迟认可算法的匹配过程 | 第148-151页 |
| 5.6 实例分析 | 第151-153页 |
| 5.7 本章小结 | 第153-154页 |
| 第六章 云设计平台原型系统开发及应用 | 第154-162页 |
| 6.1 系统的整体结构 | 第154-155页 |
| 6.2 设计任务的发布和匹配 | 第155-156页 |
| 6.3 复杂产品设计及状态监控 | 第156-161页 |
| 6.4 本章小结 | 第161-162页 |
| 第七章 总结和展望 | 第162-164页 |
| 7.1 全文总结 | 第162-163页 |
| 7.2 工作展望 | 第163-164页 |
| 参考文献 | 第164-174页 |
| 发表论文和参加科研情况说明 | 第174-176页 |
| 致谢 | 第176-177页 |
