Dynamic Evolution Correlation Quantitative Analysis Method of Complex Product Design Specification Decomposition

doi:10.3969/j.issn.1004-132X.2026.05.002

Abstract

Abstract:

Aiming at the problems that the complex interaction relationship in the evolution processes of the complex product design specification often caused the module design parameters to be overestimated or underestimated， which led to repeated iteration of design， a method was proposed for quantitatively analyzing the interaction relationship in the dynamic evolution processes of the design specifications. Firstly， based on the design structure matrix， combined with regression analysis and grey entropy correlation degree calculation method， the calculation model of design specification coupling correlation strength was constructed， and the multiple coupling relationship of design specification decomposition was quantitatively analyzed. Then， the theory of community ecology was introduced， and based on Lotka-Volterra model， a quantitative analysis method of dynamic evolution correlation of design specification decomposition was proposed to characterize the interaction relationship in the processes of design specification decomposition. By further integrating the quantitative analysis results of coupling correlation and evolution correlation of design specification decomposition， the quantitative analysis of dynamic evolution correlation relationship of complex product design specification decomposition was realized. Finally， taking the axle load and braking capacity specification decomposition of a high-speed train bogie as an example， the feasibility and effectiveness of the method were verified.

Key words: complex product, design specification, correlation modeling, dynamic evolution, quantitative analysis

摘要：

针对复杂产品设计指标演化过程中的复杂相互作用关系往往会使模块设计参数被高估或低估而导致设计反复迭代的问题，提出一种定量分析设计指标动态演化过程中的相互作用关系的方法。首先，以设计结构矩阵为基础，结合回归分析和灰熵关联度计算方法构建了设计指标耦合关联强度的计算模型，定量分析了设计指标分解的多重耦合关系；然后，引入群落生态学理论，提出了基于Lotka-Volterra模型的设计指标分解动态演化关联定量分析方法，表征设计指标分解过程中的相互作用关系，通过融合设计指标分解的耦合关联与演化关联定量分析结果来实现复杂产品设计指标分解动态演化关联关系的定量分析；最后，以高速列车转向架轴重和制动能力指标分解为例，验证了所提方法的可行性和有效性。

关键词: 复杂产品, 设计指标, 关联建模, 动态演化, 定量分析

CLC Number:

TP391

ZHANG Haizhu, CHEN Xiang, GU Sunquan, LI Rong, ZHU Xuechao, MA Kai. Dynamic Evolution Correlation Quantitative Analysis Method of Complex Product Design Specification Decomposition[J]. China Mechanical Engineering, 2026, 37(5): 1026-1036.

张海柱, 陈向, 谷孙权, 黎荣, 朱学超, 马凯. 复杂产品设计指标分解动态演化关联定量分析方法[J]. 中国机械工程, 2026, 37(5): 1026-1036.

Figures/Tables 15

Tab.1 Design specifications decomposition evolution association category

序号	关联类别	描述说明
1	抑制	设计指标或参数的演化会对另一个与之关联的指标或参数的演化产生限制、延缓和阻止的作用
2	冲突	设计指标或参数之间为争夺内部因素和外部因素产生的相互矛盾的关系
3	促进	设计指标或参数的演化会对另一个与之关联的指标或参数的演化产生推动、加速和支持的作用
4	依赖	设计指标或参数之间由于结构、功能等因素产生某种程度的依赖关系

Fig.1 Complex product design specifications decomposition dynamic evolution correlation quantitative analysis method flow chart

Tab.2 Design specifications interaction types

相互作用关系	个体A	个体B	描述
竞争	$-$	$-$	A和B为有限的资源（如资金投入等）而产生的相斥作用
互利共生	+	+	A和B皆可从对方的发展中获利
偏利共生	0	+	B可从A的发展中获利，但A不受到B的影响
偏害共生	0	$-$	A的发展会抑制B的发展，但A不受到B的影响
捕食（寄生）	$-$ （+）	+（ $-$ ）	A的发展受到B的发展的抑制（促进）作用，B获利（损失）
中立	0	0	A与B之间并不存在直接的影响关系

Tab.2 Design specifications interaction types

相互作用关系	个体A	个体B	描述
竞争	$-$	$-$	A和B为有限的资源（如资金投入等）而产生的相斥作用
互利共生	+	+	A和B皆可从对方的发展中获利
偏利共生	0	+	B可从A的发展中获利，但A不受到B的影响
偏害共生	0	$-$	A的发展会抑制B的发展，但A不受到B的影响
捕食（寄生）	$-$ （+）	+（ $-$ ）	A的发展受到B的发展的抑制（促进）作用，B获利（损失）
中立	0	0	A与B之间并不存在直接的影响关系

Tab.3 Coefficient values of different correlations

关联关系	关联系数 $C 0 j 3$	关联系数 $C j 3 0$
中立	0	0
竞争	$-$	$-$
捕食（寄生）	$-$ （+）	+（ $-$ ）
互利共生	+	+
偏利共生	0（+）	+（0）
偏害共生	0（ $-$ ）	$-$ （0）

Tab.3 Coefficient values of different correlations

关联关系	关联系数 $C 0 j 3$	关联系数 $C j 3 0$
中立	0	0
竞争	$-$	$-$
捕食（寄生）	$-$ （+）	+（ $-$ ）
互利共生	+	+
偏利共生	0（+）	+（0）
偏害共生	0（ $-$ ）	$-$ （0）

Fig.2 L-V equation data fitting process

Fig.3 Design specifications correlation model fusion diagram

Tab.4 Selection of key design parameters of axle load and braking capacity

符号	设计参数	参数取值范围	符号	设计参数	参数取值范围
x₁	侧梁上盖板厚度/mm	6~12	x₁₃	轮盘直径/mm	500~600
x₂	侧梁下盖板厚度/mm	8~14	x₁₄	制动形式	1（2轮盘制动）、2（2轴盘制动）、3（3轴盘制动）
x₃	侧梁腹板厚度/mm	6~10	x₁₅	制动缸有效面积/cm²	70~140
x₄	横梁钢管直径/mm	190~215	x₁₆	制动缸空气压力/kPa	≤600
x₅	横梁钢管壁厚/mm	10~14	x₁₇	制动倍率	2.3~8.6
x₆	车轴空心内径/mm	30~60	x₁₈	制动单元传动效率	0.8~1.0
x₇	轴颈直径/mm	130	x₁₉	制动盘摩擦因数	0.20~0.53
x₈	轮座直径/mm	195~215	y₁	构架质量/kg	550~825
x₉	轴身直径/mm	170~190	y₂	轮对质量/kg	472~708
x₁₀	齿轮箱轴承座直径/mm	198~218	y₃	车轴截面应力/MPa	<357.7
x₁₁	齿轮座直径/mm	200~220	y₄	制动力/kN	382.9~574.4
x₁₂	车轮滚动圆直径/mm	860，920	y₅	质量对制动能力的影响

Fig.4 Axle load and braking capacity decomposition comprehensive correlation matrix

Tab.5 Regression analysis data samples of architecture design parameters

x₁/mm	x₂/mm	x₃/mm	x₄/mm	x₅/mm	V/mm³
10.8	13.6	8.7	190.5	13.8	1.53×10⁸
8.5	8.0	9.0	204.9	13.6	1.48×10⁸
6.4	11.0	8.2	201.8	13.4	1.48×10⁸
7.5	10.5	9.9	209.8	11.0	1.45×10⁸
6.7	11.0	6.4	194.1	12.3	1.40×10⁸
7.6	13.4	9.2	199.4	10.0	1.42×10⁸
8.6	10.0	6.5	203.1	11.8	1.40×10⁸
9.2	13.5	6.2	213.8	11.2	1.43×10⁸
9.0	11.2	7.9	192.8	10.7	1.40×10⁸
…	…	…	…	…	…

Tab.6 Significance results of frame design parameters

变量	t检验	标准化回归系数β	综合检验值γ
x₁	4.1746	0.0436	3.3484
x₂	5.2930	0.0700	4.2485
x₃	6.5160	0.0900	5.2314
x₄	0.5343	0.0316	0.4338
x₅	8.9101	0.1820	7.1645

Tab.7 Correlation degree of frame design parameters

	x₁	x₂	x₃	x₄	x₅
x₁	1
x₂	0.6673	1
x₃	0.6320	0.6379	1
x₄	0.6918	0.6998	0.6528	1
x₅	0.6744	0.6856	0.6341	0.6551	1

Fig.5 Integrated incidence matrix design model partition

Fig.6 Design model consistency constraint convergence graph

Tab.8 Design specification decomposition results

变量	设计参数	分解值	实际值	偏差/%
x₁	侧梁上盖板厚度/mm	12	12	0
x₂	侧梁下盖板厚度/mm	14	14	0
x₃	侧梁腹板厚度/mm	12	12	0
x₄	横梁钢管直径/mm	192.63	190.00	1.38
x₅	横梁钢管壁厚/mm	9.81	10.00	$-$ 1.90
x₆	车轴空心内径/mm	59.92	60.00	$-$ 0.13
x₇	轴颈直径/mm	130	130	0
x₈	轮座直径/mm	199.32	201.00	$-$ 0.84
x₉	轴身直径/mm	178.81	182.00	$-$ 1.75
x₁₀	齿轮箱轴承座直径/mm	207.92	208.00	$-$ 0.38
x₁₁	齿轮座直径/mm	206.3	210.0	$-$ 1.76
x₁₂	车轮滚动圆直径/mm	866	860	0.69
x₁₃	轮盘直径/mm	590.0	595.2	$-$ 0.87
x₁₄	制动形式	3	3	0
x₁₅	制动缸有效面积/cm²	26 250	25 447	3.16
x₁₆	制动缸空气压力/kPa	525.43	524.00	0.27
x₁₇	制动倍率	17.91	18.37	$-$ 2.50
x₁₈	制动单元传动效率	0.957	0.940	1.78
x₁₉	制动盘摩擦因数	0.249	0.250	$-$ 0.40

Tab.8 Design specification decomposition results

变量	设计参数	分解值	实际值	偏差/%
x₁	侧梁上盖板厚度/mm	12	12	0
x₂	侧梁下盖板厚度/mm	14	14	0
x₃	侧梁腹板厚度/mm	12	12	0
x₄	横梁钢管直径/mm	192.63	190.00	1.38
x₅	横梁钢管壁厚/mm	9.81	10.00	$-$ 1.90
x₆	车轴空心内径/mm	59.92	60.00	$-$ 0.13
x₇	轴颈直径/mm	130	130	0
x₈	轮座直径/mm	199.32	201.00	$-$ 0.84
x₉	轴身直径/mm	178.81	182.00	$-$ 1.75
x₁₀	齿轮箱轴承座直径/mm	207.92	208.00	$-$ 0.38
x₁₁	齿轮座直径/mm	206.3	210.0	$-$ 1.76
x₁₂	车轮滚动圆直径/mm	866	860	0.69
x₁₃	轮盘直径/mm	590.0	595.2	$-$ 0.87
x₁₄	制动形式	3	3	0
x₁₅	制动缸有效面积/cm²	26 250	25 447	3.16
x₁₆	制动缸空气压力/kPa	525.43	524.00	0.27
x₁₇	制动倍率	17.91	18.37	$-$ 2.50
x₁₈	制动单元传动效率	0.957	0.940	1.78
x₁₉	制动盘摩擦因数	0.249	0.250	$-$ 0.40

Tab.9 Comparison of design specification decomposition results

模块总体参数	分解结果	实际值	误差/%
构架质量/kg	681.96	687.50	0.805
轮对质量/kg	583.31	590.00	1.133
列车制动力/kN	448.54	428.24	4.740

References 19

[1]	OSTERAS T， MURTHY D N P， RAUSAND M. Product Performance and Specification in New Product Development［J］. Journal of Engineering Design， 2006， 17（2）： 177-192.
[2]	张海柱，黎荣，丁国富，等. 高速列车顶层设计指标分解研究现状与展望［J］. 西南交通大学学报， 2024， 59（2）： 456-466.
	ZHANG Haizhu， LI Rong， DING Guofu， et al. Research Status and Prospect of Decomposition of Top-level Design Indicators for High-speed Trains［J］. Journal of Southwest Jiaotong University， 2024， 59（2）： 456-466.
[3]	程贤福，邱浩洋，万丽云，等. 基于公理设计和模块关联矩阵的产品族设计耦合分析［J］. 中国机械工程， 2019， 30（7）： 794-803.
	CHENG Xianfu， QIU Haoyang， WAN Liyun， et al. Coupling Analysis of Product Family Design Based on Axioma-tic Design and Modular Incidence Matrix［J］. China Mechanical Engineering， 2019， 30（7）： 794-803.
[4]	胡东方，王卓，姬源浩. 基于广义灰关联的舱体结构可靠性分析［J］. 中国机械工程， 2015， 26（15）： 2021-2029.
	HU Dongfang， WANG Zhuo， JI Yuanhao. Structure Reliability Analysis for Airborne Pod Frame Based on Generalized Grey Relational Method［J］. China Mechanical Engineering， 2015， 26（15）： 2021-2029.
[5]	吴庆鸣，宗驰，张强，等. 复杂产品变型设计及其参数传递方法研究［J］. 中国机械工程， 2008， 19（24）： 2955-2960.
	WU Qingming， ZONG Chi， ZHANG Qiang， et al. Research on Variant Design and Parameter Transfer Method for Complicated Products［J］. China Mechanical Engineering， 2008， 19（24）： 2955-2960.
[6]	詹敏，王铮，赵燕伟，等. 基于产品参数基元网络的变更传播路径优化［J］. 计算机集成制造系统， 2022， 28（8）： 2545-2556.
	ZHAN Min， WANG Zheng， ZHAO Yanwei， et al. Optimization of Change Propagation Path Based on Product Parameter Basic-element Network［J］. Computer Integrated Manufacturing Systems， 2022， 28（8）： 2545-2556.
[7]	彭翔，刘振宇，谭建荣，等. 基于多重耦合聚类的复杂产品多变量关联设计模型分解［J］. 机械工程学报， 2013， 49（3）： 111-121.
	PENG Xiang， LIU Zhenyu， TAN Jianrong， et al. Multivariable Correlative Model Decomposition for Complex Product Design Based on Clustering with Multiple Couplings［J］. Journal of Mechanical Engineering， 2013， 49（3）： 111-121.
[8]	胡舟宇，伊国栋，张树有. 面向复杂机电系统建模的设计结构矩阵层次进化构建方法［J］. 计算机集成制造系统， 2013， 19（10）： 2385-2393.
	HU Zhouyu， YI Guodong， ZHANG Shuyou. Hierarchical Evolutionary Approach for Design Structure Matrix Oriented to Complex Electromechanical System Modeling［J］. Computer Integrated Manufacturing Systems， 2013， 19（10）： 2385-2393.
[9]	FAZELI H R， PENG Q J. Generation and Evaluation of Product Concepts by Integrating Extended Axiomatic Design， Quality Function Deployment and Design Structure Matrix［J］. Advanced Engineering Informatics， 2022， 54： 101716.
[10]	ZHANG H， QIN S， LI R， et al. Progressive Modelling of Feature-centred Product Family Development［J］. International Journal of Production Research， 2020， 58（12）： 3701-3723.
[11]	ZHANG G， MORRIS E， ALLAIRE D， et al. Research Opportunities and Challenges in Engineering System Evolution［J］. Journal of Mechanical Design， 2020， 142（8）： 081401.
[12]	ZHANG G， McADAMS D A， SHANKAR V， et al. Modeling the Evolution of System Technology Performance When Component and System Technology Performances Interact： Commensalism and Amensalism［J］. Technological Forecasting and Social Change， 2017， 125： 116-124.
[13]	王京，杨宝，魏露萍. 低碳背景下云制造创新生态系统价值共创演化博弈研究［J］. 计算机集成制造系统， 2024， 30（10）： 3673-3684.
	WANG Jing， YANG Bao， WEI Luping. Evolutionary Game Research on Value Co-creation of Cloud Manufacturing Innovation Ecosystem under Background of Low Carbon［J］. Computer Integrated Manufacturing Systems， 2024， 30（10）： 3673-3684.
[14]	ZHANG G， McADAMS D A， SHANKAR V， et al. Technology Evolution Prediction Using Lotka-Volterra Equations［J］. Journal of Mechanical Design， 2018， 140（6）： 061101.
[15]	谷孙权，张海柱，黎荣，等. 基于Lotka-Volterra模型的复杂产品设计指标分解关联定量分析［J］. 中国机械工程， 2025， 36（7）： 1479-1486.
	GU Sunquan， ZHANG Haizhu， LI Rong， et al. Quantitative Analysis of Correlation for Complex Product Design Indicator Decomposition Based on Lotka-Volterra Model［J］. China Mechanical Engineering， 2025， 36（7）： 1479-1486.
[16]	FU Z， GUO W， WANG L， et al. Ecological Network Evolution Analysis in Collective Intelligence Design Ecosystem［J］. Advanced Engineering Informatics， 2023， 58： 102150.
[17]	唐新姿，李可翔，何文双，等. 多工况风电叶片颤振相关性分析与气弹优化［J］. 机械工程学报， 2024， 60（20）： 300-314.
	TANG Xinzi， LI Kexiang， HE Wenshuang， et al. Flutter Correlation Analysis and Aeroelastic Optimization of Wind Turbine Blades under Multi-conditions［J］. Journal of Mechanical Engineering， 2024， 60（20）： 300-314.
[18]	王殿熙，杨波，成保忠，等. 基于精英回溯-模拟退火混合算法的参数耦合变更路径优选［J］. 机械工程学报， 2024， 60（15）： 316-333.
	WANG Dianxi， YANG Bo， CHENG Baozhong， et al. Optimization of Parameter Coupling Change Propagation Path Based on Elite Backtracking-simulated Annealing Hybrid Algorithm［J］. Journal of Mechanical Engineering， 2024， 60（15）： 316-333.
[19]	李秋泽，单巍，张英春，等. 中国高速动车组转向架技术发展及展望［J］. 机车电传动， 2023（2）： 14-35.
	LI Qiuze， SHAN Wei， ZHANG Yingchun， et al. Technological Development and Prospect of China's High Speed EMU Bogies［J］. Electric Drive for Locomotives， 2023（2）： 14-35.