AMPSO与SVR相结合的铣刀寿命预测研究

针对支持向量回归机在预测铣刀寿命时惩罚参数和核函数参数难确定、不同的参数设置对预测效果影响较大的问题,提出了自适应变异粒子群算法。在支持向量回归算法的基础上,引入AMPSO优化SVR参数,建立AMPSO与SVR相结合的数控铣刀寿命预测模型。通过硬质合金钢铣刀铣削的实验验证表明,相比于网格搜索法和神经网络算法,AMPSO-SVR算法在测试样本集的平均相对预测误差低至0.72%,相较前两者预测误差更小,可准确预测数控铣刀寿命,为数控加工过程中的换刀决策提供依据。

考虑设备布局的智能车间生产任务动态分配方法

智能制造环境下,合理的生产任务分配是保证交货期与生产效率的关键。为实现智能车间生产任务动态分配,提出了一种基于最大熵马尔科夫模型的智能车间生产任务动态分配方法。该方法考虑智能车间的设备布局,并引入特征函数,对工件加工工序与机床进行匹配。案例研究表明,所提出的方法在解决生产任务动态分配方面具有较高的准确性和可靠性,有利于提高了智能车间制造资源的自治水平。

考虑多维误差的复杂装配过程数字孪生建模方法

针对多维误差耦合作用下大型固体火箭发动机等复杂产品装配过程中装配精度难以预测的问题,引入数字孪生概念,揭示制造误差、装配变形与定位误差耦合的装配偏差传递机理,据此提出一种复杂装配过程多维度高保真数字孪生模型构建及其驱动的装配精度在线分析方法。首先,从制造误差和装配变形耦合的角度,提出面向装配精度在线分析的数字孪生框架。其次,研究复杂装配过程数据感知模型、点云几何模型和装配变形机理模型的构建与融合方法,形成复杂装配过程多维度高保真数字孪生模型。在此基础上以装配特征为节点,基于雅可比矩阵和非理想表面模型,通过接入装配现场数据实现复杂装配过程装配精度在线分析与预测。最后,以大型固体火箭发动机喷管智能装配平台为对象,验证所提技术、方法与模型的正确性和有效性。