常. ，丁.

（1.太原理工大学 机械工程学院，山西 太原.30024；2.煤矿综采装备山西省重点实验室，山西 太原.30024）

面向采煤机概念设计的模型推理算法研究

常.1，2，丁.1，2

（1.太原理工大学 机械工程学院，山西 太原.30024；2.煤矿综采装备山西省重点实验室，山西 太原.30024）

摘.：为充分利用企业经验知识，减少对领域专家的过分依赖，实现数据驱动的采煤机概念设计。面向采煤机概念设计过程，基于ε-支持向量回归理论，利用遗传算法优选模型参数，寻找采煤机条件属性与决策属性间的映射关系，建立了采煤机概念设计推理模型。以UCI标准测试数据集中Mpg、Housing回归测试数据验证了模型具有较高的准确性和可行性。通过该模型设计人员可以由采煤机采高、截深等原始输入参数推理出牵引功率等总体技术输出参数，为传统经验设计提供了科学依据，节约了设计时间与成本。

采煤机；概念设计；数据挖掘；模型推理；支持向量机；遗传算法

1.言

概念设计作为开发过程中最重要的一个阶段，不仅体现了最终产品的创新水平，也决定了（70～80）%的资金投入。概念设计的缺陷和错误在详细设计阶段难以纠正，且易引发成本的进一步增加[1]。产品概念设计方案的生成是一个由模糊到清晰、由抽象到具体不断进化的过程，采用合理有效的推理方法，可大幅提高效率并获得令人满意的结果。近年来，国内外学者对基于实例的推理（Case-Based Reasoning，CBR）进行了广泛深入的研究[2-3]，但因其推理机制为采用已有方法解决类似新问题，未能实现方案的创新设计而受到阻滞。……