陳集懿　馬進(jìn)　胡潔　戚進(jìn)　彭穎紅

摘 要：為了解決生物激勵(lì)設(shè)計(jì)過程中創(chuàng)新解方案生成問題，提出了數(shù)學(xué)語言描述的支持生物激勵(lì)解方案生成的設(shè)計(jì)綜合方法?；趯?duì)實(shí)例功能分解所構(gòu)建的功能—行為—結(jié)構(gòu)知識(shí)元庫，首先對(duì)設(shè)計(jì)需求進(jìn)行功能分解，檢索獲取功能匹配知識(shí)元，通過回溯功能分解過程實(shí)現(xiàn)知識(shí)元的連接，以生成初步解方案;繼而根據(jù)知識(shí)元行為屬性、參數(shù)及約束進(jìn)行推理驗(yàn)證，獲得建議解方案;再采用模糊TOPSIS綜合評(píng)價(jià)方法，構(gòu)建了基于結(jié)構(gòu)的解方案評(píng)價(jià)模型，以獲取最優(yōu)解方案。通過上述三步驟，系統(tǒng)地實(shí)現(xiàn)了解方案的生成。最后，以視覺假體裝置為例，將提出的方法用于生物激勵(lì)設(shè)計(jì)過程，產(chǎn)生了滿足需求的解方案。結(jié)果表明，該方法能夠有效地利用檢索到的知識(shí)元集合，保證解方案的創(chuàng)新性和可行性。

關(guān)鍵詞：創(chuàng)新設(shè)計(jì);知識(shí)元;生物激勵(lì);方案評(píng)價(jià)

DOI：10.15938/j.jhust.2020.06.012

中圖分類號(hào)： TH122

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)： 1007-2683（2020）06-0085-07

Research on Design Synthesis Methodology in Supporting

of Bio-inspired Design Solution Generation

CHEN Ji-yi， MA Jin， HU Jie， QI Jin， PENG Ying-hong

（School of Mechanical Engineering， Shanghai Jiao Tong University， Shanghai 200240， China）

Abstract：In order to solve the problem of innovative solutions generation in the process of bio-inspired design， a systematic design synthesis method described by mathematical language has been proposed to support bio-inspired design solutions generation. Firstly， based on the formerly proposed Function-Behavior-Structure （FBS） knowledge cells model constructed by the decomposition of case functions， the pre-synthesis step acquires preliminary design solutions through connecting FBS knowledge cells end to end by backtracking the functional decomposition process of design requirements. Secondly， the reasoning step verifies the corresponding behavior attributes， parameters and constraints of the generated preliminary solutions to acquire suggested solutions. Thirdly， the evaluation process based on the fuzzy TOPSIS comprehensive evaluation method further evaluates the quality of suggested solutions to acquire committed design solutions. Finally， the design of a visual prosthetic device is taken as an example to verify the proposed bio-inspired design methodology， and solutions to meet the design requirements are generated. The result shows that the proposed methodology can be used effectively with the retrieved knowledge cells set and ensures the innovativeness and feasibility of the solutions.

Keywords：innovative design; knowledge cells; bio-inspiration; solutions evaluation

0 引 言

生物激勵(lì)設(shè)計(jì)[1]是一門知識(shí)工程與仿生設(shè)計(jì)相交叉的新興學(xué)科，本質(zhì)是一種知識(shí)驅(qū)動(dòng)下的系統(tǒng)化設(shè)計(jì)方法，其中的核心環(huán)節(jié)是將生物領(lǐng)域的對(duì)應(yīng)設(shè)計(jì)知識(shí)映射到工程領(lǐng)域，以解決工程領(lǐng)域中存在的設(shè)計(jì)問題，從而實(shí)現(xiàn)在生物領(lǐng)域知識(shí)激勵(lì)下的工程領(lǐng)域創(chuàng)新解方案生成的過程。Wilson等[2]使用描述邏輯進(jìn)行本體的編碼，提出了構(gòu)建可以對(duì)生物和工程設(shè)計(jì)策略作存儲(chǔ)和檢索的庫的方法。浙江大學(xué)吉祥等[3]針對(duì)仿生設(shè)計(jì)中難以實(shí)現(xiàn)向工程領(lǐng)域轉(zhuǎn)化的問題，根據(jù)關(guān)系-映射-反演的框架，提出了基于Bio-TRIZ的方法， 在生物實(shí)例與相關(guān)的工程領(lǐng)域設(shè)計(jì)問題之間構(gòu)建起映射關(guān)系。趙燕江等[4]把TRIZ中的物—場分析應(yīng)用于套管柔性針穿刺機(jī)構(gòu)的設(shè)計(jì)。Liu等[5]把TRIZ中的矛盾消解和仿生學(xué)結(jié)合起來，提出了概念集成模型，實(shí)現(xiàn)基于生物功能的創(chuàng)新。當(dāng)前已有的生物激勵(lì)設(shè)計(jì)研究主要集中在構(gòu)建生物領(lǐng)域與工程領(lǐng)域之間映射關(guān)系，以實(shí)現(xiàn)跨領(lǐng)域?qū)嵗R(shí)的獲取，對(duì)于如何應(yīng)用跨領(lǐng)域知識(shí)生成設(shè)計(jì)解方案，尚缺乏系統(tǒng)性的方法。設(shè)計(jì)綜合[6]是指對(duì)已有的設(shè)計(jì)實(shí)例知識(shí)進(jìn)行組合、驗(yàn)證、分析等操作，常以文本處理[7]、語法規(guī)則[8]等得到概念解方案，使其能夠滿足新的設(shè)計(jì)需求，因此，在生物激勵(lì)設(shè)計(jì)過程中，設(shè)計(jì)綜合對(duì)于概念解方案的生成及其實(shí)際工程意義具有關(guān)鍵作用。為此，胡潔等[9]提出了生物領(lǐng)域功能—行為—結(jié)構(gòu)知識(shí)元模型和解—問題驅(qū)動(dòng)的轉(zhuǎn)換—聚類檢索—關(guān)聯(lián)映射—設(shè)計(jì)綜合創(chuàng)新類推過程模型，實(shí)現(xiàn)了跨領(lǐng)域知識(shí)類推推理。

但該種方法尚缺少對(duì)解方案生成過程的數(shù)學(xué)建模和評(píng)價(jià)。面對(duì)生物激勵(lì)設(shè)計(jì)過程中每種生物實(shí)例通常就可以生成多種創(chuàng)新設(shè)計(jì)這一特性，基于當(dāng)前的知識(shí)網(wǎng)絡(luò)[10]時(shí)代背景，本文提出了基于數(shù)學(xué)語言描述的支持生物激勵(lì)解方案生成的設(shè)計(jì)綜合方法。

1 知識(shí)元獲取

從功能、行為、結(jié)構(gòu)、約束4個(gè)方面考慮，綜合使用輸入輸出流、輸入輸出狀態(tài)參變量、語義參數(shù)、屬性—值范圍規(guī)則這4大類表示方法，對(duì)生物領(lǐng)域和工程領(lǐng)域的實(shí)例進(jìn)行知識(shí)元建模[9]。構(gòu)建完成的知識(shí)元模型如圖1所示。

為有效管理大量的知識(shí)元，基于檢索功能詞相似關(guān)系和實(shí)例知識(shí)功能分解，對(duì)它們進(jìn)行聚類檢索?？紤]到不同領(lǐng)域知識(shí)元的特性，分別采取不同的方法：通過功能語義相關(guān)性和環(huán)境約束適應(yīng)性，對(duì)生物領(lǐng)域知識(shí)元進(jìn)行聚類[11];通過功能語義相關(guān)性和行為參數(shù)匹配度，對(duì)工程領(lǐng)域知識(shí)元進(jìn)行聚類。

2 設(shè)計(jì)綜合方法

如圖2所示，在跨領(lǐng)域聚類所得知識(shí)元集合的基礎(chǔ)上，生成生物激勵(lì)解方案的設(shè)計(jì)綜合方法，可分為以下3個(gè)階段：基于功能的初步設(shè)計(jì)綜合、基于行為的初步解方案推理驗(yàn)證、基于結(jié)構(gòu)的建議解方案綜合評(píng)價(jià)。

2.1 基于功能的初步設(shè)計(jì)綜合

對(duì)于聚類所得的知識(shí)元，首先要使其滿足設(shè)計(jì)功能需求目標(biāo)，按照設(shè)計(jì)需求功能分解過程將它們首尾相接組合起來。

將設(shè)計(jì)需求[12]進(jìn)行功能分解，會(huì)得到若干子功能Fi（i=1，2，…，m），通過這些子功能的功能動(dòng)詞及輸入輸出流，可以檢索到對(duì)應(yīng)的知識(shí)元，記為i∈{1，2，…，m}，Kij（j=1，2，…，ni）。

按照功能分解過程，將知識(shí)元首尾相接，保證：1）知識(shí)元所滿足的功能符合其對(duì)應(yīng)的設(shè)計(jì)需求子功能;2）前一個(gè)知識(shí)元的輸出流與后一個(gè)知識(shí)元的

輸入流相同。至此，形成滿足設(shè)計(jì)功能需求的知識(shí)元功能鏈，完成了初步解方案生成。

2.2 基于行為的初步解方案推理驗(yàn)證

利用初步解方案中各個(gè)知識(shí)元的行為參變量[13]及其關(guān)系，對(duì)初步解方案進(jìn)行推理驗(yàn)證，以保證解方案可行性。推理[14]過程的基本原理為：推算初步解方案中各個(gè)知識(shí)元的未知輸入、輸出參變量是否滿足相鄰參變量約束[15]，以保證知識(shí)元的可用性。

對(duì)于知識(shí)元鏈上的某一知識(shí)元Ki，有如下推理過程。

1）假設(shè)所有初步解方案中，與當(dāng)前知識(shí)元Ki輸入端有關(guān)聯(lián)的知識(shí)元集合為Ki-1，與輸出端有關(guān)聯(lián)的知識(shí)元為Ki+1。推理過程所涉及到的變量及函數(shù)名的符號(hào)表示，如表1所示。

2）輸入?yún)?shù)驅(qū)動(dòng)的推理：當(dāng)給定知識(shí)元Ki-1的輸入?yún)?shù)值{PRi}i-1時(shí)，先計(jì)算對(duì)應(yīng)的輸出參數(shù)值{PRO}i-1，其中對(duì)應(yīng)于知識(shí)元Ki的輸入?yún)?shù)值有Pii，需要滿足約束ResPii，再計(jì)算輸出參數(shù)值PiO，其應(yīng)滿足約束ResPiO。

圖3所示為參數(shù)驗(yàn)證流程。數(shù)學(xué)表達(dá)如下：

IR=QRI∶PRI，IR∈{IR}i-1={QRI}i-1∶{PRI}i-1;

OR=QRO∶PRO，OR∈{OR}i-1={QRO}i-1∶{PRO}i-1;

Ii=QiI∶PiI，Oi=QiO∶PiO;

{fR（x）}i-1∶{IR}i-1→{OR}i-1;

fi（x）∶Ii→Oi;（1）

其中，IR=QRI∶PRI表示參數(shù)IR的表達(dá)形式是屬性QRI-值PRI對(duì)。

P（{PRI}i-1，Res{PRI}i-1）=

Set（{PRI}i-1，Res{PRI}i-1）？1∶0;

P（{fR（{PRI}i-1）}i-1，Res{PRO}i-1）=

Set（{fR（{PRI}i-1）}i-1，Res{PRO}i-1）？1∶0; （2）

其中，Set（…）表示約束滿足與否的判斷，P（…）表示推理中參數(shù)值與對(duì)應(yīng)約束的相關(guān)度。

{QRO}′i-1，{QRO}′i-1=

{QRO|Per（QRO，QiI）≥δ，QRO∈{QRO}i-1}，

QiI～{QRO}′i-1（3）

其中，Per（QRO，QiI）表示前一類知識(shí)元輸出端屬性QRO與當(dāng)前知識(shí)元輸入端屬性QiI的基于節(jié)點(diǎn)距離的相關(guān)度;δ表示驗(yàn)證閾值，可依據(jù)實(shí)際需要作選值，本文實(shí)例中取為0.35，僅用于示范，不代表最優(yōu)值。

{QRO}i-1∩QiI≠，

{PRO}i-1={fR（{PRI}i-1）}i-1;

ii={OR}′i-1={QRO}′i-1∶{PRO}′i-1=QiI∶{PRO}′i-1;

P（PiI，ResPiI）=P（{PRO}′i-1，ResPiI）=

Set（{PRO}′i-1，ResPiI）？1∶0;

P（PiO，ResPiO）=P（{fi（{PRO}′i-1）}i-1，ResPiO）=

Set（{fi（{PRO}′i-1）}i-1，ResPiO）？1∶0.（4）

3）輸出參數(shù)驅(qū)動(dòng)的推理：當(dāng)給定知識(shí)元Ki+1的輸出參數(shù)值{PCO}i+1時(shí)，先計(jì)算對(duì)應(yīng)的輸入?yún)?shù)值{PCi}i+1，其中對(duì)應(yīng)于知識(shí)元Ki的輸出參數(shù)值有PiO，需要滿足約束ResPiO，再計(jì)算輸入?yún)?shù)值Pii，其應(yīng)滿足約束ResPii。過程的數(shù)學(xué)表達(dá)仿步驟2），不再贅述。

4）輸入—輸出參數(shù)綜合驅(qū)動(dòng)的推理：如果被檢驗(yàn)知識(shí)元的輸入輸出參數(shù)能夠滿足

P（Pii，ResPii）∩P（PiO，ResPiO）=1（5）

則予以保留。對(duì)所有初步解方案進(jìn)行如上過程的推理驗(yàn)證后，得到所有符合約束條件的知識(shí)元鏈，即生成建議解。

2.3 基于結(jié)構(gòu)的建議解方案綜合評(píng)價(jià)

在建議解方案綜合評(píng)價(jià)的過程中，考慮到不同的評(píng)價(jià)指標(biāo)具有不同權(quán)值，并且給定評(píng)價(jià)值也具有不確定性和模糊性[16]，因此，首先應(yīng)用模糊AHP方法[17]獲得評(píng)價(jià)指標(biāo)的權(quán)值，再通過TOPSIS[18]完成基于結(jié)構(gòu)的建議解方案綜合評(píng)價(jià)，從而形成了具有模糊AHP權(quán)重的TOPSIS綜合評(píng)價(jià)方法。

1）系統(tǒng)分析，明確評(píng)價(jià)對(duì)象及指標(biāo)體系。

根據(jù)設(shè)計(jì)需求，對(duì)系統(tǒng)組成進(jìn)行分析，在明確被評(píng)價(jià)對(duì)象M={m1，m2，…，ml}的基礎(chǔ)上，建立起具有相互聯(lián)系的層次化指標(biāo)體系T={t1，t2，…，tm}，對(duì)于其中的指標(biāo)又可構(gòu)建起子指標(biāo)ti={ti1，ti2，…，tih}。

2）獲得評(píng)價(jià)指標(biāo)的權(quán)值。

在同一層次的評(píng)價(jià)指標(biāo)中作兩兩比較，根據(jù)它們之間的相對(duì)重要度給出模糊權(quán)值矩陣。模糊標(biāo)度sij的基本定義如表2所示。

根據(jù)基本定義，當(dāng)重要程度介于給定標(biāo)準(zhǔn)之間時(shí)，模糊標(biāo)度也可取中間值，如：2、3、4、6、7、8。另外，

sji=1/sij（6）

對(duì)于形成的模糊權(quán)值矩陣，求出其最大特征值對(duì)應(yīng)的特征向量，并歸一化處理，可以得到整體指標(biāo)的權(quán)值向量

f=[f1，f2，…，fm] （7）

對(duì)于子指標(biāo)，也可繼續(xù)構(gòu)建模糊權(quán)值矩陣，繼續(xù)求出其最大特征值對(duì)應(yīng)的特征向量，進(jìn)行歸一化處理，得到子指標(biāo)的權(quán)值向量

fi=[fi1，fi2，…，fih]（8）

根據(jù)AHP法，合成評(píng)價(jià)指標(biāo)tij的權(quán)值

wij=fi×fij（9）

3）計(jì)算每個(gè)解方案的綜合評(píng)價(jià)指標(biāo)。

對(duì)于被評(píng)價(jià)建議解方案mK（1≤k≤l）的每個(gè)評(píng)價(jià)指標(biāo)tij，根據(jù)表3所示的評(píng)價(jià)體系，都將得到評(píng)價(jià)值nijk=（n-ijk，nijk，n+ijk）。

結(jié)合指標(biāo)的權(quán)值，可得綜合評(píng)價(jià)指標(biāo)

NK=（n-K，nK，n+K）=∑i∑jwij×nijk（10）

4）求解相對(duì)優(yōu)度。

首先要確定好最優(yōu)解和最劣解，分別設(shè)定為

Nmax=（n-max，nmax，n+max）=

（max1≤k≤ln-K，max1≤k≤lnK，max1≤k≤ln+K）

Nmin=（n-min，nmin，n+min）=

（min1≤k≤ln-K，min1≤k≤lnK，min1≤k≤ln+K）（11）

相對(duì)優(yōu)度

EK=R-KR-K+R+K（12）

其中，R+K和R-K分別表示解方案mK的綜合評(píng)價(jià)指標(biāo)NK與最優(yōu)解Nmax和最劣解Nmin的歐式距離。

3 應(yīng)用實(shí)例

能夠幫助盲人恢復(fù)視覺的假體裝置近來已成為研究熱點(diǎn)[19]，視神經(jīng)假體是其中的一種重要類型，它通過外部攝像頭獲取圖像信息，再經(jīng)圖像處理、編碼，實(shí)現(xiàn)對(duì)視神經(jīng)施加電脈沖刺激的效果，以此使假體的使用者得到視覺感受。本文以視神經(jīng)假體為研究對(duì)象，根據(jù)生物領(lǐng)域的人眼視覺功能模型[20]，在工程領(lǐng)域中檢索知識(shí)元，然后使用所提出方法完成設(shè)計(jì)綜合的過程。

3.1 功能綜合

首先分析人眼的視覺系統(tǒng)，它的基本功能包括成像、調(diào)節(jié)視角與清晰度，作用過程是由大腦對(duì)視覺信號(hào)進(jìn)行處理分析，進(jìn)而反饋性地調(diào)整入射光強(qiáng)度與角度。以圖4中所示的功能為檢索要件，在知識(shí)元庫中獲得所需的知識(shí)元聚類結(jié)果。

對(duì)所得到的知識(shí)元集合進(jìn)行基于功能的自由組合，以此構(gòu)建起表4所示的知識(shí)元鏈KLi（i=1，2，…，26）。

3.2 行為驗(yàn)證

要對(duì)所有初步解方案的行為參數(shù)進(jìn)行驗(yàn)證，首先將各個(gè)知識(shí)元模型中行為模塊的輸入輸出參數(shù)提取出來，以知識(shí)元鏈KL1為例，它的行為參數(shù)如圖5所示。

在知識(shí)元鏈的層面作推理：依次判斷輸入輸出參數(shù)之間的映射關(guān)系，以及其是否能夠滿足給定的鄰接參變量約束推理?xiàng)l件。以此為依據(jù)，對(duì)所有初步解方案保留或刪減，得到建議解方案KLi′（i=1，2，…，16）。

3.3 結(jié)構(gòu)評(píng)價(jià)

根據(jù)解方案的特點(diǎn)，設(shè)置指標(biāo)體系

T={經(jīng)濟(jì)，技術(shù)，生物兼容}（13）

繼續(xù)構(gòu)建子指標(biāo)

t1={裝配，零件}

t2={功能，可靠，創(chuàng)新，輕量，結(jié)構(gòu)}

t3={材料，生物}（14）

由專家打分，得到整體指標(biāo)的權(quán)值向量

f=（0.12，0.64，0.24）（15）

以及子指標(biāo)的權(quán)值向量

f1=（0.83，0.17）

f2=（0.38，0.14，0.32，0.11，0.05）

f3=（0.80，0.20）（16）

可得評(píng)價(jià)指標(biāo)tij的權(quán)值

{w11，w12，w21，w22，w23，w24，w25，w31，w32}=

{0.101，0.021，0.279，0.078，0.201，0.058，0.032，0.184，0.046}（17）

對(duì)建議解方案作模糊三角評(píng)價(jià)，獲得表5所示的滿意度數(shù)值，再結(jié)合權(quán)值，算出綜合評(píng)價(jià)指標(biāo)列。

以方案KL1′為例：1）n-1=0.101×0.5+0.021×0.5+0.279×0.75+0.078×0.5+0.201×0.25+0.058×0.5+0.032×0.5=0.40;2）n1=0.101×0.75+0.021×0.75+0.279×1+0.078×0.75+0.201×0.5+0.058×0.75+0.032×0.75+0.184×0.25+0.046×0.25=0.65;3）n+1=0.101×1+0.021×1+0.279×1+0.078×1+0.201×0.75+0.058×1+0.032×1+0.184×0.5+0.046×0.5=0.83。

最后，求得各個(gè)解方案的相對(duì)優(yōu)度：E1=0.96，E2=1，E3=0.54，E4=0.34，E5=0.30，E6=0 ……

3.4 解方案的獲得與討論

至此，如圖6所示，可將設(shè)計(jì)綜合方法應(yīng)用在視覺假體的開發(fā)過程中。

因此，可根據(jù)排序?qū)L2′擬定為優(yōu)選解。由其出發(fā)搭建出如圖7所示的視神經(jīng)假體裝置概念設(shè)計(jì)方案。其工作原理為：微電機(jī)控制光圈的大小，以調(diào)節(jié)入射光線強(qiáng)度，并微調(diào)凸透鏡在互補(bǔ)金屬氧化物半導(dǎo)體上成像的大小。光信號(hào)被轉(zhuǎn)換為電信號(hào)后，傳輸?shù)綀D像處理器，分析的結(jié)果繼續(xù)傳至控制器，用于操作旋轉(zhuǎn)電機(jī)執(zhí)行運(yùn)動(dòng)命令，從而使被觀察物體保持于視野中心，同時(shí)也控制著微電機(jī)的調(diào)焦過程，綜合作用實(shí)現(xiàn)清晰成像。該方案盡可能地降低了假體裝置對(duì)植入者的不良影響。

當(dāng)然，如果從排序緊隨KL2′其后的知識(shí)元鏈KL1′等出發(fā)，也可以得到較為滿意的解方案。這就是說，本文所提的設(shè)計(jì)綜合方法可以支持一系列生物激勵(lì)解方案的生成。并且，就方法整體而言，以功能為目標(biāo)的知識(shí)元自由組合提供了設(shè)計(jì)的新穎性，對(duì)行為參數(shù)及其約束的驗(yàn)證保障了設(shè)計(jì)的可行性，考慮結(jié)構(gòu)的體系化指標(biāo)評(píng)價(jià)給出了設(shè)計(jì)的質(zhì)量，從而保證了以知識(shí)元庫規(guī)模為基礎(chǔ)的設(shè)計(jì)多樣性。

4 結(jié) 論

為了解決生物激勵(lì)設(shè)計(jì)過程中概念解方案生成的問題，本文提出了支持生物激勵(lì)解方案生成的設(shè)計(jì)綜合方法，其分為3個(gè)步驟：基于功能的初步設(shè)計(jì)綜合，實(shí)現(xiàn)知識(shí)元的連接;基于行為的初步解方案推理驗(yàn)證，檢驗(yàn)知識(shí)元鏈?zhǔn)欠駶M足鄰接變量約束;基于結(jié)構(gòu)的建議解方案綜合評(píng)價(jià)，根據(jù)相對(duì)優(yōu)度獲得解方案的排序。其中，最重要的是對(duì)行為參數(shù)的驗(yàn)證，這限制了設(shè)計(jì)解方案生成過程中解方案數(shù)量爆炸的可能。

以視覺假體裝置為例，將所提出的方法應(yīng)用于設(shè)計(jì)綜合過程，最終得到了可行的創(chuàng)新解方案，由此驗(yàn)證了本文方法的實(shí)用性和對(duì)生物激勵(lì)設(shè)計(jì)的支持。該設(shè)計(jì)綜合方法還可供其他涉及到跨領(lǐng)域知識(shí)重用問題的產(chǎn)品設(shè)計(jì)開發(fā)案例參考。

參考文獻(xiàn)：

[1] HELMS M， VATTAM S S， GOEL A K. Biologically Inspired Design： Process and Products[J]. Design Studies， 2009， 30（5）：606.

[2] WILSON J， CHANG P， YIM S， et al. Developing a Bio-inspired Design Repository Using Ontologies[C]//ASME 2009 International Design Engineering Technical Conferences and Computers and Information in Engineering Conference. American Society of Mechanical Engineers， 2009：799.

[3] 吉祥， 顧新建， 代風(fēng)， 等. 基于BioTRIZ的產(chǎn)品創(chuàng)新設(shè)計(jì)過程[J]. 浙江大學(xué)學(xué)報(bào)（工學(xué)版）， 2014， 48（1）：35.

JI Xiang， GU Xinjian， DAI Feng， et al. Bio TRIZ based product innovative design process[J]. Journal of Zhejiang University， 2014， 48（1）：35.

[4] 趙燕江， 王瑞雪， 張永德， 等. 應(yīng)用TRIZ理論的套管柔性針穿刺機(jī)構(gòu)設(shè)計(jì)[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2016， 21（5）：1.

ZHAO Yanjiang， WANG Ruixue， ZHANG Yongde， et al. Insertion Mechanism Design for Cannula Flexible Needle Using TRIZ Theory[J]. Journal of Harbin University of Science and Technology， 2016， 21（5）：1.

[5] LIU X M， HUANG S P， CHEN Y T. Research and Application： Conceptual Integrated Model Based on TRIZ and Bionics for Product Innovation[J]. International Journal on Interactive Design and Manufacturing （IJIDeM），2017，11（2）：341.

[6] CHRISTOPHE F， BERNARD A， é. Coatanéa. RFBS： A Model for Knowledge Representation of Conceptual Design[J]. CIRP Annals-Manufacturing Technology，2010，59（1）：155.

[7] CHEONG H， SHU L H. RetrievingCausally Related Functions from Natural-language Text for Biomimetic Design[J]. Journal of Mechanical Design， 2014， 136（8）： 081008.

[8] KURTOGLU T， SWANTNER A， CAMPBELL M I. Automating the Conceptual Design Process： From black box to component selection[J]. AI EDAM， 2010， 24（1）： 49.

[9] 胡潔， 馬進(jìn)， 戚進(jìn)， 等. 生物激勵(lì)的知識(shí)建模與創(chuàng)新類推方法[J]. 機(jī)械工程學(xué)報(bào)， 2017， 53（15）：21.HU Jie， MA Jin， QI Jin， et al. Knowledge Modelling and Innovative Analogy Methodology of Biologically Inspired Design[J].Journal of Mechanical Engineering， 2017， 53（15）：21.

[10]張路蓬.基于創(chuàng)新網(wǎng)絡(luò)的協(xié)同創(chuàng)新機(jī)制研究[D].哈爾濱工程大學(xué)，2016.

[11]沈健， 胡潔， 馬進(jìn)， 等. 支持生物激勵(lì)設(shè)計(jì)的跨領(lǐng)域知識(shí)元聚類方法[J]. 河北科技大學(xué)學(xué)報(bào)， 2017， 38（3）：229.

SHEN Jian， HU Jie， MA Jin， et al. Cross Domain Knowledge Cell Clustering Method for Biologically Inspired Design[J]. Journal of Hebei University of Science and Technology， 2017， 38（3）：229.

[12]張和明，熊光楞.產(chǎn)品需求獲取及其結(jié)構(gòu)化建模方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2001，7（10）：18.

ZHANG Heming， XIONG Guangleng. Product Requirements Capturing and Structurally Modeling[J]. Computer Integrated Manufacturing Systems，2001，7（10）：18.

[13]HU J， MA J， FENG J F， et al. Research on New Creative Conceptual Design System Using Adapted Case-based Reasoning Technique[J]. AI EDAM， 2017， 31（1）： 16.

[14]應(yīng)湘怡.基于實(shí)例推理的轉(zhuǎn)向架設(shè)計(jì)[D].成都：西南交通大學(xué)，2017.

[15]MA J， HU J， FENG J F， et al. Constrained FBS Knowledge Cell Model， Representation， and Applications for Conceptual Design[J]. Proceedings of the Institution of Mechanical Engineers， Part C： Journal of Mechanical Engineering Science，2016，230（11）： 1773.

[16]趙輝， 劉娜， 周永勤. 模糊綜合評(píng)判在電池性能檢測中的應(yīng)用[J].哈爾濱理工大學(xué)學(xué)報(bào)， 2018， 23（3）：143.

ZHAO Hui， LIU Na， ZHOU Yongqin. The Application of Fuzzy Comprehensive Evaluation on the Battery Performance [J]. Journal of Harbin University of Science and Technology，2018，23（3）：143.

[17]張文宇， 馬月， 陳星， 等.基于粗糙集與AHP結(jié)合的屬性權(quán)重確定方法[J].測控技術(shù)，2013，32（10）：125.

ZHANG Wenyu， MA Yue， CHEN Xing， et al. Combined with Rough Set and AHP to Determine the Attribute Weight[J]. Measurement & Control Technology，2013，32（10）：125.

[18]張芳蘭， 楊明朗， 劉衛(wèi)東. 基于模糊TOPSIS方法的汽車形態(tài)設(shè)計(jì)方案評(píng)價(jià)[J]. 計(jì)算機(jī)集成制造系統(tǒng)， 2014， 20（2）：276.

ZHANG Fanglan， YANG Minglang， LIU Weidong. Evaluation of Automobile form Design Based on Fuzzy TOPSIS[J]. Computer Integrated Manufacturing Systems， 2014， 20（2）：276.

[19]閆妍， 柴新禹， 陳垚， 等. 視覺假體的研究進(jìn)展[J]. 生理學(xué)報(bào)， 2016， 68（5）：628.

YAN Yan， CHAI Xinyu， CHEN Yao， et al. Research Progress of Visual Prothesis[J]. Acta Physiologica Sinica， 2016， 68（5）：628.

[20]張陽. 仿人眼的結(jié)構(gòu)原理和關(guān)鍵視覺技術(shù)研究[D].杭州：浙江大學(xué)，2011.

（編輯：溫澤宇）

收稿日期： 2019-05-13

基金項(xiàng)目： 國家自然科學(xué)基金（51605302，51675329，51675342，51775332）;國家重點(diǎn)研發(fā)計(jì)劃課題（2016YFF0101602， 2016YFC0104104）;科技部創(chuàng)新方法工作專項(xiàng)（2018IM020100）;2018年度人工智能創(chuàng)新發(fā)展項(xiàng)目（2018-RGZN-02035）;上海交通大學(xué)“醫(yī)工交叉研究基金”（IH2018QNB03，YG2017QN61）.

作者簡介：

陳集懿（1996—），男，碩士研究生;

馬 進(jìn)（1986—），男，博士，助理教授.

通信作者：

胡 潔（1973—），男，教授，博士研究生導(dǎo)師，E-mail： sjtuhujie@126.com.