基于混沌粒子群优化算法的反应釜温度预测控制研究

反应釜作为化工行业核心的生产容器,其温度控制优化在化工生产领域中具有重要作用。针对反应釜温度控制难的问题,提出了一种基于Tent映射的混沌粒子群优化(CPSO)算法优化动态矩阵控制(DMC)-比例积分微分(PID)的反应釜温度预测控制策略。由于DMC很难选取较优的参数,利用Tent映射的CPSO算法提高动态矩阵参数寻优的速度。通过试验,以及与常规PID、DMC-PID控制对比分析,基于Tent映射的CPSO-DMC-PID串级控制对温度控制系统有较好的控制精度和响应速度,可大幅缩小超调量。该控制策略对反应釜温度预测控制研究具有一定的参考意义。

基于双向长短期记忆网络的纺纱工艺重用知识图谱构建

针对获取碎片化纺纱工艺信息导致的生产效率低下、资源浪费及决策失误等问题,文章提出了一种基于双向长短期记忆网络的纺纱工艺重用知识图谱构建方法。首先,自上而下定义纺纱工艺相关概念、术语和关系,完成对知识图谱模式层的构建;其次,根据模式层规则来构建数据层,采用双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)模型捕捉输入序列的上下文信息作为条件随机场(Conditional Random Fields,CRF)的输入,对标签序列进行建模标注以提取关键知识信息,并通过词向量模型(Word2Vec)来计算纺纱相关的文本数据之间的相似度来实现知识融合,从而提升分词准确率;最后通过Neo4j图数据库存储抽取到的纺纱工艺知识,并可视化展示原料、工艺等复杂关系网络,可帮助纺织企业优化生产、提升决策效率。实例分析结果表明,该知识抽取方法具有较高的召回率(88.7%)、准确率(89.9%)和F 1值(89.3%),优于BiLSTM-CRF和LSTM-CRF模型,抽取效果有了显著提升。

基于等距特征映射的纺纱生产过程决策参数特征提取

纺纱生产中涉及的过程参数繁多,彼此相互关联且存在冗余,针对过程参数间相关性带来的质量指标难以精确预测与控制等问题,文中提出一种基于等距特征映射(Isometric Mapping,Isomap)的纺纱生产过程决策参数特征提取方法。首先,通过灰色关联分析计算过程参数与纱线质量指标间的灰色关联度,筛选出对产品质量指标影响较大的过程参数作为决策参数;然后,采用Isomap算法对决策参数进行特征提取降维,获得彼此独立的低维决策参数特征空间,将其输入到粒子群优化向量机模型(PSO-SVM)中验证所提出算法的特征提取效果;最后,通过算例进行验证,结果显示提出的方法可采用相较于原数据更少的特征空间维度获取更佳的预测效果。

基于AO-VMD-BF和多模型融合的电梯故障诊断

为了准确地实现电梯故障诊断,提出基于AO-VMD-BF和多模型融合的电梯故障诊断。首先,利用天鹰优化算法(aquila optimizer algorithm,AO)优化的变分模态分解(variational mode decomposition,VMD)将信号分解为多个模态分量,并利用皮尔逊相关系数去除虚假分量,针对剩余信号仍有噪声的问题,通过巴特沃斯滤波(Butterworth filter,BF)进行二次去噪,对去噪筛选后的模态分量子序列进行重构即可得到去噪后的振动信号。然后提取时域、频域和熵特征,构成多域特征向量集。最后建立以卷积神经网络(convolutional neural network,CNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和自适应提升(adaptive boosting,AdaBoost)为基模型,极限梯度提升树(extreme gradient boosting,XGBoost)为元分类器的Stacking集成学习的电梯故障诊断模型。实验结果表明,所提的方法能够有效提取电梯轿厢振动信号中的故障特征,对电梯故障进行准确、有效的诊断。

基于改进BP神经网络的装配质量预测方法

装配是产品制造过程中耗费大量时间和精力的重要环节,影响着产品整个生命周期。针对产品装配效率低的问题,提出遗传算法优化BP神经网络的装配质量预测方法。以DC零件的质心后端、质量、长度这三个质量特性为基础,划分数据,确定BP神经网络结构,以均方误差作为遗传算法的适应度函数,寻找最优的初始权值和阈值,建立了遗传算法优化BP神经网络模型,并结合平均绝对误差MAE、均方误差MSE、均方根误差RMSE对预测结果进行了对比。实验结果表明:相比于传统的BP神经网络,经过遗传算法优化的BP神经网络在质量预测方面具有更好的精度和准确性。

基于订单优先级和改进粒子群算法的生产排程优化

为了解决生产过程中遇到的订单排产混乱、订单延期时间过长和生产成本过高等问题,针对柔性装配线生产排程,笔者设计了一个基于订单紧急程度的订单优先级规则,并基于该规则建立了生产排程数学模型。主要优化目标为最小化最大完工时间、周期内最短订单总延期时间、最小化库存成本与能源成本;使用仿生智能算法中的改进粒子群优化算法,设计了针对该问题的编码与解码规则,并结合自适应动态加速系数帮助跳出局部最优;以某企业的混流装配线为例,使用MATLAB软件进行仿真。仿真结果表明:提出的模型及算法可以对目标函数进行有效求解与优化,验证了该模型与算法的有效性。

LWT-SSF特征学习的双变量过程均值偏移在线诊断

为了提升双变量过程均值偏移的诊断效率,提出了提升小波重构去噪增强、堆叠稀疏滤波特征学习和Softmax回归分类的双变量过程均值偏移在线诊断模型。首先,对原始数据流进行提升小波分解与重构,以突显其整体变化特性。其次,利用堆叠稀疏滤波对重构后的数据序列进行逐层学习,得到维度低且表征强的数据特征。而后,通过带有标签的特征数据对Softmax回归分类器进行有监督学习,识别双变量过程均值偏移的失控源。最后,仿真实验验证了所提诊断模型的有效性。

面向网络化制造的智能工序质量控制系统

针对于复杂多变的网络化制造环境,如何有效解决动态多变的质量波动监控、波动异常诊断分析与适时的工序调整是网络化制造企业实施工序质量控制过程中面临的难题。基于此,提出质量预防—分析—诊断—调整于一体的面向网络化制造的智能工序质量控制模式,给出其功能体系结构。该模式综合运用相似制造论、统计过程控制、神经网络等理论与技术,建立智能工序质量控制系统。详细分析智能工序质量控制过程中的基于相似工序的工序质量在线分析、基于Elman网络的工序质量诊断、工序质量调整专家系统等关键使能技术。以某重型企业重型产品为例,应用JSP+Servlet的开发模式、Java与Matlab的网络功能接口开发了原型系统,验证该智能工序质量控制模式的有效性与可行性,从而为工序质量控制系统实现网络化、智能化、自动化奠定基础。

复杂机电产品质量特性解耦模型

通过对复杂机电产品质量特性的映射机理和复杂产品质量特性敏感性分析发现,产品功能和结构的耦合,以及映射的不确定性是影响复杂产品质量的重要因素。结合公理设计原理,提出复杂机电产品质量特性解耦设计的思想,给出复杂机电产品质量特性映射过程中的解耦控制模型。该模型把复杂产品质量特性的形成过程转换成各功能域间'Z'字形迭代分解及映射,然后通过对映射矩阵的分析,帮助设计人员识别复杂产品质量特性间的耦合,减少设计过程和产品的功能及物理结构复杂性。最后将模型应用于国内首台零传动滚齿机传动系统设计中,降低了滚齿机传动系统的复杂性,并有效提高了滚齿加工的精度。

复杂机电产品关键质量特性提取模型

把产品质量特性分为产品策划级(VOC级)QCs(Quality Characteristics)、概念设计级(产品级)QCs、详细设计级(零部件级)QCs、产品制造级QCs4个阶段,以用户需求(VOC)技术指标为输入,构成四阶段逐级映射关系,进而利用人工神经网络(ANNs)技术求出VOC技术指标相对重要度和各级映射权重,然后提出基于ANNs技术的复杂机电产品关键质量特性提取模型。避免产品生产各个阶段不该重点控制的质量特性(QCs)以关键控制现象出现,应该重点控制的QCs以非关键控制现象出现。最后,应用实例验证了所提理论与方法的正确性和有效性。

模糊质量损失模型的建立与应用

在分析产品质量模糊性及 Taguchi平方型质量损失函数局限性的基础上 ,应用模糊理论对 Taguchi损失模型进行拓展 ,提出了模糊质量损失和模糊质量损失成本的概念 ,建立了相应的模糊质量损失模型。设计实例和理论分析表明 ,模糊质量损失模型具有灵活性和实用性。

基于数据挖掘的质量成本分析与控制

为实现基于质量成本的生产过程质量控制与改进,基于回归分析方法对质量成本进行水平分析,确定企业的质量水平,进而对其进行优化分析;结合质量成本数据中包含的质量信息,挖掘隐藏于质量成本动态数据之间的关联规则;基于企业积累的经验数据和关联分析的结果,模糊化生产制造过程的特征数据,利用模糊神经网络对质量成本进行预测性分析;最后根据分析结果,提出质量成本控制与改进的系统方法。

面向产品生命周期的质量数据模型

在对产品生命周期和产品进化链质量保证过程分析的基础上,提出了一种面向产品生命周期和产品进化链的多层次质量数据模型.该模型以融合产品结构模型和产品进化模型的广义物料清单作为单一数据辐射源,通过产品进化模型完整表达产品的改进过程,实现了产品进化生命周期内的质量数据的集成.在产品生命周期内将广义物料清单的多视图按产品生命周期质量管理过程实例化,并以此作为质量数据载体.围绕质量数据载体阶段性的质量管理过程组织产品实现过程中质量业务活动,以质量业务活动为基础,完成具体的质量数据对象的操作与关联,通过“载体—过程—活动—业务对象—物理数据”的关联实现了产品生命周期质量数据的集成.

面向全生命周期的产品质量综合评价方法研究

针对于产品全生命周期各个阶段影响质量因素的多层次、多因素相互联系又相互制约,而且具有明显的不确定性、模糊性,为了提高产品质量,提出了基于模糊层次分析法结合模糊综合评价的质量评价数学模型。此模型引入三角模糊数的一些基本理论,采用三角模糊数表征专家判断信息以充分考虑专家判断的模糊性;采用层次分析法对专家判断结果进行处理以得到这些质量影响因素的权重。最后,再结合模糊综合评价模型使所得产品质量评价结果更加科学、更加符合实际。并通过以重型机械制造企业的产品(磨煤机)为实例进行质量评价分析,验证了该产品质量评价模型的合理性和可靠性。

基于神经网络的控制图异常模式识别研究

为了对控制图异常进行有效识别,以提高质量管理的自动化程度,促进企业信息化建设,通过将Monte Carlo方法产生的仿真数据进行线性变换编码,以提高样本的模式特征,然后在不同训练样本情况下,分别应用自适应修改学习率BP网络和概率神经网络进行训练识别,通过对结果的分析提出了实际生产中应用的策略．

基于优化有向无环图支持向量机的多变量过程均值异常识别

针对多变量过程均值异常模式类型数量太大、一般模式识别工具难以适应的问题,提出优化有向无环图支持向量机。该方法识别效率高,并通过启发式方法生成优化的拓扑结构,即先根据定义在核空间的模式类型平均差异测度对类型编号排序,再依序提取对应两分类支持向量机组成有向无环图结构,使越易区分类型间的支持向量机越靠上层布置,由此缓解分类误差累积效应和弥补上层出现类型分类容错能力的不足,保证相对较高的总体分类准确度。仿真实验表明,优化有向无环图支持向量机用于多变量过程均值异常模式的识别相比其他几种多分类支持向量机在识别精度和效率上具有综合优势。基于优化有向无环图支持向量机构建了多变量过程均值异常识别模型,并在实际齿轮生产中进行了应用实验,验证了模型的有效性和实用性。

基于广义信息熵测度的制造过程质量评估

制造过程的复杂性导致过程建模、预测和控制难度增大。从信息论的角度看,过程的信息熵与其有序程度成反比关系,因而可以通过信息熵来描述过程的复杂度,进而分析过程的质量状态和演化方向。为定量描述制造过程中的复杂性现象,对信息熵理论进行扩展,建立基于规模、难度和状态多样性的广义信息熵模型。然后按照复杂性对时间的依赖关系,将制造过程的复杂性分解为静态复杂性和动态复杂性,研究利用广义信息熵模型测度制造过程复杂性的方法,并将其用于制造过程质量评估,从复杂性的角度给出过程质量控制有效性的定量分析和评价方法。最后通过实例证明理论和方法的有效性。

面向产品尺寸质量的制造系统可靠性建模与分析

基于产品尺寸质量对制造系统可靠性有显著影响,研究了多工位制造系统中关键产品特征测量偏差与制造系统要素故障、性能衰退的交叉作用.综合三因素建立了质量可靠性集成模型,以定量分析制造系统可靠性.研究结果表明:若不考虑产品质量、制造系统要素故障和性能衰退的交叉作用,系统可靠性将被过高估计.

数控机床基于FMA的功能分解与可靠性分析

以数控机床的可靠性控制为目的,提出了FMA(功能-运动-动作)功能分解方法。并将其与传统的分析方法进行了比较,突出了FMA分解方法的特点和优点。通过对机床整机功能的逐层分解找出了构成机床加工的所有元动作,并阐述了元动作与整机可靠性之间的关系。利用故障树对元动作进行分析,找出了元动作异常的根本原因,并根据分析结果制定了可靠性控制的具体措施。通过实例证明了基于FMA的功能分解是一种针对性强,且行之有效的机床可靠性分析技术。

基于控制图和神经网络的印刷过程质量智能监控技术

将SPC方法和BP神经网络技术相结合,应用于印刷过程,研究了印刷过程质量智能监控技术.分析影响印刷品质量的因素,设计印刷质量管理数据库;根据印刷过程特点,结合印刷质量的检测方法,确定控制图的绘图方案;通过实验,建立4个BP神经网络模型,实现控制图模式智能识别及异常模式特征参数的估计,并进一步分析异常原因及诊断建议.在分析研究的基础上,开发了印刷过程质量智能监控系统,对提高印刷过程的自动化和智能化水平具有重要的意义.