Relationship between solids flux and froth features in batch flotation of sulphide ore

The froth features in the batch flotation of a sulphide ore were investigated by using the digital image parameters of the froth, the small number emphasis(Nsne), the average grey level(Dagl) and the instability number(Nins), under different conditions of impeller speeds and aeration rates. It is found that the value of Nsne is strongly dependent on the average bubble size of the froth and Dagl on the volume fraction of solid in the froth, and the froth features during the batch flotation are influenced by impeller speed and aeration rate. A kinetic model of the concentrate solid flux was developed which relates the flotation process to the image parameters, Nsne and Dagl of the froth and predictions are well consistent with the experimental data.

基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究

随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流。面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产。针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测。首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了“负迁移”,提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型。仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法。同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法。

小批量物料需求周预测的研究

在多品种小批量的物料生产中,企业一般事先无法知道物料的实际需求量,而准确的物料需求量预测对于提高企业生产效率具有重要的意义。首先建立了基于需求频数、需求数量、需求趋势和销售单价的物料重要性因子模型,从物料的重要性来筛选企业需要重点关注的物料;随后引入基于需求频数、需求趋势和销售单价的随机森林回归模型和前馈神经网络模型来预测物料的需求量,并通过均方差等指标来评估模型。实验验证表明,该预测模型能为企业小批量物料需求提供一个有参考意义的解决方案。

基于YOLOv5s的织物缺陷实时检测算法

在织物工业化生产过程中,织物缺陷种类繁多,且包含大量小目标缺陷和极端宽高比的细长缺陷,这使得织物缺陷检测成为了一项具有挑战性的任务。针对这一问题,提出了一种改进的YOLOv5s算法。首先改进Mosaic数据增强方法,在丰富数据集的同时,削弱了原数据增强方法对部分织物缺陷类型检测的副作用,提升了小目标与极端宽高比瑕疵的检测能力。再改进批量归一化为代表性批量归一化,提升算法对纷繁多样的瑕疵实例的差异化特征表达并抑制噪声干扰;最后引入轻量化的坐标注意力,以精准的位置信息编码了特征的长距离依赖关系和通道依赖关系,增强算法对缺陷的定位能力。实验结果表明,本算法大幅提高了小目标与极端宽高比缺陷的检测能力,使得平均检测精度mAP达到81.3,相比原YOLOv5s提升了4.1%,检测速度为32.6 fps,完全满足实时性要求,本算法较好地平衡了检测精度与检测速度。

基于递归分析和机器学习的小批量机械加工过程状态监测

随着市场竞争的日益激烈,小批量生产模式成为了一种重要的生产方式。针对小批量生产的特性和现有研究需要进行大量预先实验的问题,提出一种基于递归分析和机器学习的小批量生产方式下机械加工过程状态监测方法。首先通过加工实验采集不同工件的少量试加工的功率信号;其次将预处理后的功率数据输入深度信念网络进行训练,并通过遗传算法优化,得到训练好的工件识别模型;接着进行递归分析以及迭代自组织数据分析,得到状态监测模型。最后案例研究验证了状态监测方法的有效性,其中工件识别精度为99.3%,状态监测准确率为98%。

基于人工鱼群-遗传算法的多品种小批量零件数控加工工艺优化研究

基于多品种小批量零件加工成本高的问题,基于人工鱼群-遗传算法(AFSA-GA)构建了数控机床能耗模型,以实现零件加工能耗下降。首先,将数控机床功率划分为各工序功率模型,基于功率模型与工作时间关系得出机床运转能耗模型,结合产品表面粗糙度模型,对各工序能耗模型及整体粗糙度进行归一化处理,形成整体能耗模型;其次,以能耗及粗糙度为目标函数,建立AFSA-GA算法,通过对各工序能耗求解得出最适当的机床功率及其所对应的能耗和表面粗糙度;最后,针对所获得的最优功率,进行优化结果的验证,为五轴机床的实际加工提供解决方案。

云制造下小批量定制产品的服务组合双层优选方法

为解决云制造环境下小批量定制产品的服务组合优选问题,提出一种以加工特征作为任务粒度的资源服务组合双层优选方法。该方法首先构建了需求—特征图谱、制造资源供应图谱对供需两方信息进行描述与存储;然后设立加工合格率、满意度评价值、交付按时率、供应偏好值4个指标,并依托变异系数法进行赋权来初筛供应商,实现一层优选;最后建立了以工艺总成本、工艺总时间及总碳排放作为优化目标,特征间的优先级关系作为约束的优化模型,并使用融入次候选集变异算子的改进遗传算法NSGA-Ⅲ对其进行求解,完成二层优选。通过对实例结果的工艺流动顺序分析验证了该方法的可行性,并证明了改进后的算法求解效果更佳。

面向批产模式的小卫星构型与总装设计研究

中国小卫星的批量生产和发射大多集中在微纳卫星领域.目前,百千克级以上的小卫星设计制造只是对传统模式的改进优化,从构型及总装的设计上就决定了生产阶段无法实现大量批产.而国外具有代表性的批产型卫星构型并不适应中国单机的技术现状,载荷适应性较差.结合现阶段单机及总装的研制技术状态,提出了批产型小卫星构型和总装设计思路,分别从批发射、模块化、标准化、智能化及低成本5个方面阐述了适应批产模式的小卫星构型设计和总装设计的原则、方法,并在工程实践的基础上提出了发展思路,可供后续同类型小卫星构型与总装设计参考.

小卫星批生产装配一致性控制方法

针对微小卫星批量化生产制造过程,分析了批生产质量管理特点和每组星之间的装配质量一致性影响因素.从工程实践的角度,提出了一种适于卫星系统批生产的装配一致性控制方法.该方法通过建立规范化体系、质量重心前移、提高工艺方法稳定性、固化技术状态、装配流程标准化、实施质量确认制、实行"去型号化"物资管理、引进自动化设备及统筹人员配置等质量控制手段,保证了小卫星批量化生产过程中装配工作的质量一致性.将其应用到卫星批产总装工作后,实践结果表明,卫星装配一致性控制方法能够有效提升批量化生产制造工作质量,大幅提升批次卫星产品的质量一致性,是卫星批量生产研制质量的有力保证.

基于TOPSIS模型对小批量物料的生产安排研究

在企业小批量物料的生产安排中,逐渐出现因事先无法知道物料的实际需求导致生产安排有误等现象。针对这一情况,为帮助企业进行更合理的物料生产,通过分析某工厂2019-2022年的历史数据,基于Topsis算法建立模型,选出需要重点关注的物料,使用时序预测建立关于物料预测模型,通过最小二乘法验证模型的准确性。物料预测为企业解决了小批量物料的生产安排问题,该模型具有一定的推广价值。

多品种小批量离散制造过程多源异构数据集成与智能运维方法研究

在多品种小批量离散制造过程中有工艺图样、车间面板记录、机床传感器信号和质检报告单等多源异构工艺信息,如何高效地获取这些来源不一、结构多样的数据,并有效实现数据可视化、挖掘数据的潜在价值是这一类相关制造型企业面临的一个共性问题。传统纸质化工艺信息管理过程中存在信息化程度低、共享性差、获取不实时和安全性弱等弊端。为解决这一问题,研究以齿轮这一典型多品种小批量离散加工产品为对象,提出一种可综合运用图像识别、文字提取、二维码技术和TCP/IP通信等技术的多元异构数据集成方法,设计并开发了可支持文本、图像和传感器数据等多源异构数据集成的智能运维系统,实现了齿轮关键工序的多源异构数据的实时集成获取、轻量化高效管理、价值挖掘及可视化应用。

小卫星综合电子系统设计

针对小卫星综合电子系统非标准化、互联性能较低、接口关系复杂多变、不易进行软件开发和不利于推广应用的问题,研究了目前国内外小卫星综合电子系统及概念,详细比较了各种综合电子架构的优缺点.并结合小卫星空间使用环境,提出了一种基于3U尺寸OpenVPX标准架构的小卫星综合电子系统方案.该方案有效克服了传统小卫星综合电子系统非标准化和互连性能较差等缺点,可以满足小卫星综合电子系统标准化、软件化、低成本及易于批生产的需求,具有良好的应用和推广价值.

基于数据归一化原点矩约束最大熵原理的小样本数据测量不确定度评定

测量检验是生产制造的重要环节,测量不确定度是测量质量的重要评价指标,表征测量数据的分散程度。最大熵原理常用于测量不确定度评定,基于最大熵原理获得测量样本数据的概率密度函数,能够避免主观因素,反映数据客观的分布情况。小批量生产中获得的测量数据往往较少,在小样本数据下,基于原点矩约束最大熵原理求得的测量不确定度不够准确可靠。针对这一问题,提出基于数据归一化原点矩约束最大熵原理的小样本数据测量不确定度评定方法,并通过数值仿真和应用案例验证所提测量不确定度评定方法的有效性。

总装厂整车小批量试生产中静态扭矩管理的研究

总装厂小批量试生产的静态扭矩管理不同于样车试生产,小批量生产的紧固件质量会明显优越于样车阶段,为规范总装厂新车型小批量试生产阶段静态扭矩的管理,文章提出以总装新车型样车试装阶段积累的静态扭矩数据为基础,通过均值和标准差公式进行换算,可以得出适用于总装新车型小批量试生产阶段的静态扭矩标准,即以总装样车试装车辆的静态扭矩数据的均值作为总装小批量试生产阶段静态扭矩的基准值,以均值的6个标准差作为公差。这种方法能快速调整整车静态扭矩标准以满足总装新车型小批量试生产扭矩监管的需求。

精密航天结构件坐标系跟随铣削加工方法

针对精密航天结构件产品多样化、小批量、高精度的特点,基于数控机床机载测头提出了一种灵活性高且通用性强的坐标系跟随铣削加工方法。使用机载测头进行数据采集,结合数控加工系统参数补偿能力,实现技术状态的有效控制。在加工过程中以典型精密航天结构件为应用案例,分析总结得到的相关实验数据论证了该方法的有效性及可靠性。

钢铁企业小批量订单组产实践

主要介绍了某钢厂多品种、多规格、小批量订单生产实践,从市场调查、库存利用、生产组织等方面优化经营模式,满足顾客需求。应用实践表明,此种方式实现了小批量订单交付的科学组产与低成本运行,提高了市场竞争力和品牌影响力,对企业经营具有重要意义。

基于深度学习的理论线损率计算方法研究

线损率是综合反映电网规划、生产、管理等的重要经济技术指标,针对目前计算方法存在的计算速度慢和误差大等问题,提出了一种结合深层置信网络和深层神经网络的理论线损率计算模型。将计算过程转化为多特征提取过程,模型通过逐层贪婪法和随机小批量梯度下降法等进行训练。通过算例与传统模型进行对比分析。结果表明,与传统的线损率计算方法相比,所提方法无论是精度还是效率都有一定的提升,表明了所提方法的优越性,具有一定的实用价值。

生态环境中总氮含量测定方法的研究与探讨

本次实验采用气相分子吸收光谱法和紫外分光光度法两种方法分别对水生态环境中总氮含量进行测定,通过对比分析两种方法的标准曲线、方法检出限、精密度、准确度和加标样品等,了解两种方法测定水生态环境中总氮含量的优缺点。结果表明,两种方法在测定水生态环境中总氮含量时的标准曲线、方法检出限、精密度、准确度和加标回收率均能满足水生态环境检测要求,气相分子吸收光谱法相较紫外分光光度法有更高的在线自动化程度和安全系数,更加绿色环保,可以实现少批量、多批次样品的快速检测,很大程度上节省了人力和时间成本。

多品种小批量产品的分层计划管控系统设计与实践

针对中小企业生产管理指导性、规范性差,生产作业效率低等问题,本文以A公司多品种小批量产品为研究对象,提出一整套分层计划管控系统。首先通过流程再造优化订单评审流程,其次,采用分层计划编制体系优化计划排产流程,然后构建基于规则约束的启发式算法进行优化。最终达到增强生产订单接收协同性,排产指导性以及反馈及时性的目的。

基于数据孪生的多品种小批量产品产线动态调度方法

在多品种小批量生产模式下,由于产品种类多、批量小,生产过程变得更加复杂,设备利用效率也较低。针对上述问题,提出基于数据孪生的多品种小批量产品产线动态调度方法。利用数据孪生技术,通过实时数据交互和虚拟仿真,构建一个动态优化的产线调度框架,以优化生产资源配置,最小化最大完工时间。通过建立多品种小批量产品产线调度模型,实时评估设备利用率和扰动事件影响,灵活调整调度方案,并引入精英选择机制提升优化程度,以实现产线的最佳动态调度。结果表明,设计方法能够实时响应生产需求的变化,充分利用设备资源,提高生产效率和响应速度。