中文摘要：

针对现有智能优化设计方法未能充分利用优化过程的知识来指导优化设计求解过程，易陷入局部最优解，效率低，难以适应工况复杂的挖掘机整机集成优化设计问题，以综合多工况的挖掘机机构参数和主构件结构集成优化设计为例，研究文化蚁群算法应用于复杂机械系统多学科集成智能优化设计的方法，探讨采用元胞自动机在信念空间中的知识的指导产生所需的搜索邻域，避免优化过程陷入局部最优解。研究支持优化设计过程的知识本体构建方法和算法，探讨挖掘和存储优化过程新知识的途径，解决优化过程知识重用和共享问题；研究用边际值法则实现信念空间的规范知识、领域知识、形势知识、历史知识、拓扑知识五种知识对优化设计过程蚁群优化搜索的引导，实现逻辑优化推理与优化数值计算集成，建立能够有效进行知识表达、获取、重用和共享的智能优化设计框架及其算法。克服现有复杂机械系统智能优化计算效率低、易陷入局部最优解等问题，实现挖掘机的节能、省材和良好动力性能。

结论摘要：

针对现有挖掘机优化设计方法未能充分获取与利用知识引导优化建模与求解过程，尚未实现综合多工况的整机机构参数和构件结构多学科集成优化设计等问题，导致优化效率低且优化效果不理想等问题，以挖掘机工作装置主构件为研究对象，研究将基于本体知识库的挖掘机工作装置智能优化设计新方法。研究基于知识的分层智能优化新机制，采用灵敏度分析方法合理选择优化变量，提取结构变量寻优知识,提高了优化效率和质量。提出基于工作装置结构性能多状态约束的多目标处理新策略，以及层次式约束模型构建方法，以基于规则和特征矩阵的几何形状约束模型替代复杂的传统函数型约束模型，建立了基于神经网络的动臂和斗杆结构性能约束模型，大大缩短了优化过程约束处理时间。为充分获取并利用动臂和斗杆结构性能知识引导结构优化，提高知识可重用性，研究并提出基于特征细化的动臂和斗杆结构性能知识获取和表达方法，构建了动臂和斗杆结构性能特征知识自动获取与快速配置新机制，实现了结构动、静态性能特征的自动提取，获取了隐含在结构性能中的结构性能特征知识。建立了基于矩阵的层次式结构性能特征知识模型，并提出了结构性能特征知识快速配置与重用方法，解决了知识管理困难、知识重用效率低等问题，为缩短优化过程知识推理周期奠定了重要基础。研究出一种优化过程深层次隐性知识的的挖掘、处理以及信念空间五种知识的获取、表达和利用方法，实现了隐性约束知识和隐性目标知识的挖掘、处理与利用的循环。构建了基于文化算法的知识进化与数值优化紧密集成的双重进化新机制，通过对约束知识与目标知识的分级处理，从群体中挖掘深层次隐性知识，并提炼为信念空间五种知识，实现优化过程知识进化；构建知识作用模块实现信念空间五种知识对群体进化的引导，设计优化过程知识引导的新型文化遗传算法，通过实例验证了优化过程知识对提高优化效率、改善优化效果作用十分显著。提出一种多层次知识集成驱动机制，构建了与知识集成引导智能优化设计新策略相适应的知识库系统，解决了知识在结构智能优化设计系统各功能模块中的共享与重用问题，提高了知识推理与利用效率。开发了基于智能优化新策略的结构优化设计软件，以工作装置动臂和斗杆结构优化设计为应用实例，结果表明动臂质量比经验设计的动臂降低了20. %，斗杆质量减小了25%，结构应力分布更合理，更不容易发生共振，实现了省材节能。优化总运行时间比传统优化方法缩短了4-5倍。验证了本研究的结构